KI-gestützte Profilanalyse nach Griesshaber an der Berufswahlschule Uster: von handschriftlichen Texten zur Excel-Auswertung
BWS Uster · Projektübersicht ·
Das Projekt in Kürze
Evoya AI hat für die Berufswahlschule Uster (BWS) eine Webapplikation entwickelt, die die Profilanalyse nach Griesshaber für Deutsch automatisiert. Die Anwendung digitalisiert handschriftliche Schülertexte, teilt sie in minimale satzwertige Einheiten (MSE) auf, analysiert sie nach der Griesshaber-Methode und exportiert das Ergebnis in eine Excel-Datei.
Lehrpersonen sparen damit 30 bis 60 Minuten pro Profilanalyse. Die KI-Instruktionen können sie selbst anpassen und über einen Chat-Agenten testen. Das Projekt dauerte zwei Wochen.
- Kunde
- Berufswahlschule Uster (BWS)
- Branche
- Bildung
- Anwendungsfall
- Profilanalyse nach Griesshaber für handschriftliche Texte in Deutsch
- Lösung
- Webapplikation mit KI-Handschrifterkennung, MSE-Aufteilung, Analyse und Excel-Export
- Projektdauer
- 2 Wochen
- Zeitersparnis
- 30–60 Minuten pro Profilanalyse
Der Ablauf in Bildern
Ausgangslage: Manuelle Analyse von Handschriften kostet Zeit
Die Profilanalyse nach Griesshaber war an der BWS Uster ein zeitaufwendiger, manueller Prozess. Lehrpersonen mussten handschriftliche Texte in Excel übertragen, in minimale satzwertige Einheiten (MSE) aufteilen und kategorisieren. Das war langwierig und fehleranfällig.
Klassische OCR-Technologie half nur begrenzt: Unterschiedliche Handschriften und eine unterschiedlich gute Sprachbeherrschung der Schülerinnen und Schüler erschwerten die Texterkennung. Zudem verlangte die Interpretation der Texte viel Fingerspitzengefühl von den Lehrpersonen.
Ziel: Den ganzen Ablauf in einer Anwendung automatisieren
Die Webapplikation sollte den gesamten Prozess der Profilanalyse abbilden, der bisher von Hand erledigt wurde:
- Handschrift erfassen: Texte nicht mehr abtippen.
- Texte aufteilen: MSE automatisch bilden.
- Analysieren: Einheiten nach der Griesshaber-Methode kategorisieren.
- Ergebnis bereitstellen: Resultate direkt als Excel-Datei ausgeben.
Gleichzeitig sollten Lehrpersonen die KI-Verarbeitung selbst anpassen und testen können.
Die Lösung: Von der Handschrift zur Excel-Auswertung in fünf Schritten
Die Webapplikation verbindet mehrere KI-gestützte Schritte zu einem durchgehenden Ablauf.
1. Digitalisierung der Handschrift: KI-Modelle erkennen und interpretieren die handschriftlichen Schülertexte, auch über mehrere Seiten.
2. Aufteilung in minimale satzwertige Einheiten (MSE): Die Anwendung segmentiert den digitalisierten Text automatisch in MSE.
3. Erstellung der Analyse: Die Einheiten werden gemäss der Griesshaber-Methode kategorisiert und analysiert.
4. Ausgabe in eine Excel-Datei: Die Ergebnisse werden automatisch in eine Excel-Datei exportiert.
5. Kontinuierliche Optimierung: Die KI-Instruktionen werden zentral verwaltet und können von Lehrpersonen einfach angepasst werden. Über einen Chat-Agenten können sie die Anwendung direkt nutzen und testen.
Ergebnisse: 30 bis 60 Minuten weniger Aufwand pro Profilanalyse
Das Projekt wurde in zwei Wochen umgesetzt. Für die BWS Uster ergeben sich daraus folgende Vorteile:
- Zeitersparnis: 30 bis 60 Minuten pro Profilanalyse.
- Konsistenz: Die KI-Analyse sorgt für einheitlichere Ergebnisse.
- Skalierbarkeit: Auch eine grosse Zahl von Schülerinnen und Schülern lässt sich ohne Zusatzaufwand analysieren.
- Flexibilität: Lehrpersonen passen die KI-Instruktionen selbst an.
- Grundlage für mehr: Die Analyse bildet die Basis für Förderpläne, Übungen und interaktive Tutoren.
Ausblick: Förderpläne, Übungen und ein interaktiver Tutor
Der Prozess endet nicht mit der Analyse. Als nächste Schritte sind geplant:
- individuelle Förderpläne,
- personalisierte Übungen,
- ein interaktiver Tutor, der die Schülerinnen und Schüler anhand ihres Förderplans begleitet.
Mehr zum Thema: Web-Applikationen · KI-Prozessautomatisierung
Häufige Fragen zum Projekt
Die Webapplikation digitalisiert handschriftliche Texte, teilt sie in minimale satzwertige Einheiten (MSE) auf, analysiert sie nach der Griesshaber-Methode und exportiert die Resultate in eine Excel-Datei.
Unterschiedliche Handschriften und eine unterschiedlich gute Sprachbeherrschung erschwerten den Einsatz klassischer OCR-Technologie. In der Anwendung erkennen und interpretieren KI-Modelle die handschriftlichen Texte.
Pro Profilanalyse sparen die Lehrpersonen 30 bis 60 Minuten.
Ja. Die KI-Instruktionen werden zentral verwaltet und können von Lehrpersonen einfach angepasst werden. Über einen Chat-Agenten können sie die Anwendung direkt nutzen und testen.
Das Projekt dauerte zwei Wochen.
Manuelle Auswertungen mit KI automatisieren
Wir besprechen mit Ihnen, welcher Prozess sich mit einer KI-Webapplikation automatisieren lässt.