Functional Design of LLM-based Human-AI Interaction

Titelangaben

Lehmann, Florian:
Functional Design of LLM-based Human-AI Interaction.
Bayreuth , 2026 . - xvi, 51, A1-A120 S.
( Dissertation, 2026 , Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

	Format: PDF Name: Florian_Lehmann_Functional.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
	Download (12MB)

Abstract

Interaction with large language models (LLMs) through conversational interfaces has achieved widespread adoption and gained popularity, as used in AI chat tools. These tools are commonly implemented as standalone applications and in separated sidebars. However, these common design choices pull users out of their workflows and add friction. Thus, the seamless integration of generative AI models into users' workflows and enabling effective human-AI interaction remain unresolved challenges. Recent implementations of AI applications force users to interrupt their workflows and rely on written prompting to interact with AI, yet prompting adds cognitive demands, and context switches interrupt workflows. This thesis addresses these challenges through two primary research goals: (1) exploring the integration of generative models into workflows, and (2) understanding fundamental concepts in human-AI interaction, such as initiative and control. Through functional prototyping of interactive systems integrating AI, this thesis examines empirically how control and initiative influence user experience and usability, along quantitative and qualitative dimensions, such as analyzing interaction logs and conducting questionnaire, showing that increased user control and a low system initiative foster authorship in AI-assisted writing. Furthermore, it statistically explores user motivations for using mobile keyboard suggestions, revealing strategies like completion and correction that prioritize user goals over efficiency. Methodologically, it introduces StudyAlign, an open-source framework for web-based studies, which has been validated in over ten experiments. Conceptually, building on insights and reflections across the projects, this thesis introduces Functional Flexibility as a theoretical construct. This thinking tool enables researchers, designers, and engineers to analyze and reflect on how user interface (UI) implementations facilitate access to the functional space of large language models. This thesis advocates for function-oriented design of human-AI interaction, a constructive design approach for moving beyond conversational prompting interfaces and integrating AI capabilities closely into workflows to align with user goals. This research highlights the central role of UIs in shaping human-AI interaction and informs the future development of systems that prioritize functional design, enabling users to achieve their objectives effectively.

Abstract in weiterer Sprache

Die Interaktion mit Large Language Models (LLMs) hat durch Conversational User Interfaces eine hohe Verbreitung und Popularität erlangt, vor allem durch KI-Chat-Tools. Solche Tools werden häufig als eigenständige Anwendungen oder in separaten Seitenleisten implementiert. Allerdings ziehen diese gängigen Designentscheidungen Nutzer aus ihren Arbeitsabläufen heraus. Die nahtlose Integration generativer KI-Modelle in die Arbeitsabläufe der Nutzer und die Ermöglichung einer effektiven Mensch-KI-Interaktion bleiben ungelöste Herausforderungen. Aktuelle Implementierungen von KI-Anwendungen zwingen Nutzer, ihre Arbeitsabläufe zu unterbrechen und sich auf schriftliche Prompts zu verlassen, um mit der KI zu interagieren. Doch das Formulieren von Prompts stellt kognitive Anforderungen und Kontextwechsel unterbrechen den Arbeitsfluss. Diese Arbeit adressiert diese Herausforderungen durch zwei zentrale Forschungsziele: (1) die Erforschung der Integration generativer Modelle in Arbeitsabläufe und (2) das Verständnis grundlegender Konzepte der Mensch-KI-Interaktion, wie Initiative und Kontrolle. Durch die Erstellung funktionaler Prototypen interaktiver KI-Systeme untersucht diese Arbeit empirisch, wie Kontrolle und Initiative die Nutzererfahrung beeinflussen -- sowohl in quantitativer als auch in qualitativer Hinsicht. Dazu gehören beispielsweise die Analyse von Interaktionsdaten und Umfragen. Die Ergebnisse zeigen, dass eine erhöhte Nutzerkontrolle und reduzierte Systeminitiative das Autorengefühl beim KI-gestützten Schreiben fördern. Darüber hinaus werden die Beweggründe der Nutzer für die Verwendung von Wortvorschlägen von mobilen Tastaturen statistisch untersucht und Nutzerstrategien wie Vervollständigung und Korrektur aufgezeigt, welche die Nutzerziele anstelle der Effizienz priorisieren. Als methodische Grundlage wird StudyAlign eingeführt, ein Open-Source-Software-Framework zur Durchführung von webbasierten Experimenten, das in über zehn Experimenten validiert wurde. Konzeptionell aufbauend auf den Erkenntnissen und Reflexionen der Projekte führt diese Arbeit Functional Flexibility (funktionale Flexibilität) als theoretisches Konstrukt ein. Dieses Denkwerkzeug erlaubt es Forschern, Designern und Ingenieuren, zu analysieren und reflektieren, wie Benutzerschnittstellen den funktionalen Raum von LLMs zugänglich und nutzbar machen. Diese Arbeit schlägt ein funktionsorientiertes Design der Mensch-KI-Interaktion vor, ein konstruktiver Designansatz, der über dialogorientierte Schnittstellen hinausgeht und KI-Fähigkeiten eng in Arbeitsabläufe integriert, um sie an den Zielen der Nutzer auszurichten. Diese Forschung unterstreicht die zentrale Rolle von Benutzeroberflächen beim Design der Interaktion zwischen Mensch und KI und bietet eine Grundlage für die zukünftige Entwicklung von Systemen, die funktionales Design priorisieren und es Nutzern ermöglichen, ihre Ziele effektiv zu erreichen.