Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Artificial Social Agents: Empirical Evaluation, Machine Behaviour, and Rapid PrototypingModulbeschreibung #51204 / Version 1

← Zur Modulseite English version
Modul / Version#51204 / #1
GültigkeitSeit WiSe 2026/27
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rWiese, Eva
BenotungUnbenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Psychologie und Arbeitswissenschaft (IPA)
Fachgebiet35321100 FG Kognitionspsychologie und Kognitive Ergonomie (KKE)

Kontakt

SekretariatMAR 3-2
Ansprechpartner*inKeine Angabe
E-Mail-AdresseKeine Angabe
WebseiteKeine Angabe

Lernergebnisse

Studierende der Kognitionswissenschaft, der Mensch-Maschine-Interaktion (HCI) und des Bereichs „Human Factors“ lernen, menschliches Verhalten empirisch zu untersuchen. Dieser Kurs vermittelt ihnen, diesen Ansatz auf künstliche Agenten - wie große Sprachmodelle (LLMs), soziale Roboter und interaktive KI-Systeme - anzuwenden.

Der Kurs ist praxisorientiert und projektbasiert angelegt: In kleinen Teams konzipieren und realisieren die Studierenden eine reproduzierbare empirische Evaluation eines künstlichen Agenten unter Einsatz von KI-gestütztem Rapid Prototyping und dokumentieren ihre Arbeit in einem Portfolio.

Nach Abschluss des Moduls sind die Studierenden in der Lage:

eine empirisch überprüfbare Fragestellung zum Verhalten künstlicher Agenten oder zur Interaktion von Menschen mit solchen Agenten zu formulieren;
ein Konstrukt - wie etwa Vertrauen, Zuschreibung mentaler Zustände (Mind Perception), Kalibrierung, soziale Aufmerksamkeit oder kognitive Entlastung (Cognitive Offloading) - zu operationalisieren;
kontrollierte Aufgaben, Stimuli, Prompts oder Interaktionsszenarien zur Evaluation von LLMs, Robotern oder KI-Agenten zu entwerfen;
einen kleinen Prototypen, eine Evaluationsumgebung, eine Simulation oder ein Forschungswerkzeug mittels KI-gestütztem Rapid Prototyping zu implementieren;
verantwortungsvoll mit KI umzugehen (AI Stewardship): KI-Outputs kritisch zu delegieren, zu verifizieren, zu übersteuern oder abzulehnen, sodass Geschwindigkeit nicht zulasten von Korrektheit, Fairness oder Sicherheit geht;
die Reproduzierbarkeit durch Code, Prompts, Protokolle zu Modellen und Einstellungen, Stimuli sowie Anleitungen zur Durchführung sicherzustellen;
Fehlermodi und Leistungsgrenzen zu analysieren, anstatt lediglich aggregierte Leistungswerte zu betrachten;
eine empirische Aussage unter Berücksichtigung angemessener Einschränkungen und ohne anthropomorphe Überinterpretationen zu kommunizieren.

Der Kurs wird auf Englisch abgehalten. Auch alle Arbeitsergebnisse sind auf Englisch einzureichen.

Lehrinhalte

Kerninhalte (Vorlesungsteil)

Einführung in künstliche soziale Agenten
KI-gestütztes Rapid Prototyping mit expliziter Verifizierung: Delegation, Überprüfung, Dokumentation und Reproduzierbarkeit.
KI-Steuerung (Stewardship): Delegieren / Verifizieren / Übersteuern / Ablehnen sowie die Fallen von „Fluency“ (sprachlicher Gewandtheit), Proxy-Verhalten, Einseitigkeit (Single-Perspective) und Überautomatisierung.
Ethik und Validität: Grenzen der Forschung am Menschen, DSGVO, Bias (Verzerrung), Transparenz und das Risiko der Überbewertung von Modellfähigkeiten.

Projektbasierte, explorative Inhalte (praxisorientiertes Lernen)

Maschinenverhalten: Untersuchung von KI-Systemen als Systeme mit eigenem Verhalten mittels empirischer Methoden.
LLMs als Versuchsteilnehmer: Design von „Prompt-als-Stimulus“, wiederholte Durchläufe, Kontrolle von Modellen und Startwerten (Seeds), Vergleich mit publizierten Mustern.
Künstliche soziale Agenten: Zuschreibung mentaler Zustände (Mind Perception), Vertrauen, Intentionalität, Blickverhalten/gemeinsame Aufmerksamkeit (Joint Attention) und Mensch-Maschine-Teamarbeit.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Artificial Social Agents: Empirical Evaluation, Machine Behaviour, and Rapid PrototypingProjekt Winter- und Sommersemester[en]4 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Artificial Social Agents: Empirical Evaluation, Machine Behaviour, and Rapid Prototyping (Projekt) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Artificial Social Agents: Empirical Evaluation, Machine Behaviour, and Rapid Prototyping (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit66 h36 h
Projekt1120 h120 h
Vor-/Nachbereitung61 h6 h
162 h

Der Aufwand des Moduls summiert sich zu 162 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Bei der Lehrveranstaltung handelt es sich um einen integrierten Kurs (IV), der in drei Wochenendblöcken stattfindet: einem Auftaktblock zur Findung und Eingrenzung von Forschungsfragen sowie zur Teambildung; einer intensiven, betreuten Entwicklungsphase (Hackathon); und einem Abschlussblock für Präsentationen, Demos sowie eine Reflexion zu Ethik und Validität. Der Großteil des Arbeitsaufwands entfällt auf die eigenständige Projektarbeit im Team zwischen den Blöcken, begleitet durch betreute Zwischenbesprechungen.

Die Frist für einen Rücktritt ohne Nachteile endet am ersten Tag um 14:00 Uhr, noch vor Abschluss der Teambildung

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Grundkenntnisse in empirischen Methoden;
- Bereitschaft zur Arbeit mit Code, Prompts, Daten und Prototypen;
- Programmiergrundkenntnisse sind hilfreich, aber bei gemischten Teams nicht zwingend erforderlich.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungUnbenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Challenge framing15praktischBeschreibung der Challenge (500 Wörter) + mündliche Präsentation (5 Min.) + Fragerunde (5 Min.)
Empirischer Report15schriftlich1500-2000 Wörter, vollständig belegt mit mindestens 20 wissenschaftlichen Zitaten. Format: Markdown oder PDF (hochgeladen in ein GitHub-Repository).
Individual contribution20schriftlichMarkdown-Datei im GitHub-Repository (mindestens 500 Wörter) Eine klare, von allen Teammitgliedern mitgetragene Erklärung zu den jeweiligen individuellen Beiträgen
Reproduzierbarkeitspaket10praktischMarkdown-Datei in einem GitHub-Repository (mind. 500 Wörter)
Schlusspräsentation10mündlichPräsentation (10 Min.) + Fragerunde (5 Min)
Teilnahme am Hackathon + Team-Artefakt (Open Source)30praktischGithub repository with code + license + README

Prüfungsbeschreibung (Abschluss des Moduls)

- Grundkenntnisse in empirischen Methoden;
- Bereitschaft zur Arbeit mit Code, Prompts, Daten und Prototypen;
- Programmiergrundkenntnisse sind hilfreich, aber bei gemischten Teams nicht zwingend erforderlich.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 40.

Anmeldeformalitäten

s. ISIS-Kurs

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Accompanying course materials on AI-assisted rapid prototyping and AI stewardship (provided).
  • Binz, M., Akata, E., … Schulz, E. (2025). A foundation model to predict and capture human cognition. Nature, 644, 1002-1009.
  • Rahwan, I., et al. (2019). Machine behaviour. Nature, 568, 477-486.
  • Rahwan, I., Shariff, A., & Bonnefon, J.-F. (2025). The science fiction science method. Nature, 644, 51-58.
  • Wiese, E., et al. - selected work on mind perception, gaze cueing, and joint attention with artificial agents (Making eyes with robots; Humans can't resist robot eyes).

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe