LectureChat extends the WikiChat conversational AI system by integrating multilingual university lecture transcripts alongside

Wikipedia content. The demo showcases a dual retrieval architecture that combines structured encyclopedic knowledge with academic lecture

material, leveraging multiple segmentation strategies and cross index reconciliation to improve retrieval quality. The system maintains separate

citation spaces for Wikipedia (numeric) and lectures (alphabetic) and preserves temporal provenance for direct video navigation. We present

the overall architecture, interaction flow, implementation details, and a reproducibility plan.

The escalating challenges of the 21st century demand a rethinking of design education, as traditional methods no longer prepare designers to address complexity or contribute to resilient societies. This paper introduces Interwoven Futures, an initiative from a product design department that emphasizes hands-on practice, critical reflection, and multi-stakeholder collaboration. Rather than focusing on linear problem-solving, it equips students to navigate uncertainty and systems-level change. The project has three components: a university-industry collaboration with VAUDE, a curated publication, and a public event. Together, these elements engage with ecological and societal issues while cultivating designers as agents of change who learn to stay with the trouble in real-world contexts. The paper discusses the structure, findings, and implications of Interwoven Futures, positioning it as a case study in adaptive, future- oriented design education that contributes to the evolving discourse on sustainability in design.

In this short experience report, we present our attempt to integrate output from an ongoing research project with a traditional, mostly literature-based, course on media manipulation, bias and fake news, to turn an existing undergraduate course into a more engaging experience for attending students. To this end, we successfully utilized our system BiasScanner for news bias detection and classification (BiasScanner.org).

We investigated the adaptation and performance of Masked Autoencoders (MAEs) with Vision Transformer (ViT) architectures for self-supervised representation learning on one-dimensional (1D) ultrasound signals. Although MAEs have demonstrated significant success in computer vision and other domains, their use for 1D signal analysis, especially for raw ultrasound data, remains largely unexplored. Ultrasound signals are vital in industrial applications such as nondestructive testing (NDT) and structural health monitoring (SHM), where labeled data are often scarce and signal processing is highly task-specific. We propose an approach that leverages MAE to pre-train on unlabeled synthetic ultrasound signals, enabling the model to learn robust representations that enhance performance in downstream tasks, such as time-of-flight (ToF) classification. This study systematically investigated the impact of model size, patch size, and masking ratio on pre-training efficiency and downstream accuracy. Our results show that pre-trained models significantly outperform models trained from scratch and strong convolutional neural network (CNN) baselines optimized for the downstream task. Additionally, pre-training on synthetic data demonstrates superior transferability to real-world measured signals compared with training solely on limited real datasets. This study underscores the potential of MAEs for advancing ultrasound signal analysis through scalable, self-supervised learning.

Im Forschungsvorhaben wurde untersucht, wie sich nachhaltiges, klimagerechtes und ressourcen-

sparendes Bauen am Beispiel eines Schutz-, Rückzugs- und Hygieneraums für einen Waldkindergar-

ten im ländlichen Raum modular, flexibel und transportabel umsetzen lässt. Kern des Projekts ist die

Entwicklung eines klimaneutralen, energieautarken und mobilen Raummodulsystems mit Echtzeit-

test an einem Referenzstandort in Pinzberg (Landkreis Forchheim).

Als bauliche Grundlage wurde aus einem vorherigen Forschungsprojekt das an der Hochschule

Coburg entwickelte „Circular Tiny House“ zu zwei Modultypen (Raumzelle A und B) weiterentwickelt.

Das System ermöglicht unterschiedliche Kombinationen für verschieden große Gruppen und weitere

Nutzungen. Tragwerk und Hülle bestehen überwiegend aus regionalem (Käfer-)Holz, Strohdämmung

und Lehmputz. Die Module sind auf eine Trennbarkeit von Tragwerk, Dämmhülle und Technik ausge-

legt. Tiefbau und konventionelle Betonbodenplatten werden vermieden, stattdessen sollen minimale

Eingriffe in den Boden zusammen mit einer reversiblen Baukonstruktion eine vollständige Rückbau-

barkeit des Gebäudes gewährleisten.

Das Energiekonzept kombiniert eine auf die Dachgeometrie optimierte Photovoltaikanlage mit Batte-

riespeicher und einer effizienten Luft-Luft-Wärmepumpe. Simulationen und erste Messungen zeigen,

dass bei einem unverschatteten Standort und suffizientem Nutzerverhalten ein vollständig autarker

Inselbetrieb möglich ist. Am realen, im Winter stark verschatteten Nordhang in Pinzberg muss (Heiz)-

energie in den Monaten Dezember bis Februar ergänzend bereitgestellt werden; die Energieautarkie

wird hier nicht vollständig erreicht, ist aber prinzipiell möglich.

Baurechtlich und betrieblich belegt das Projekt, dass ein als „echter Waldkindergarten“ geführter

Standort im Außenbereich mit einem modularen Schutzraum genehmigungsfähig sein kann, wenn

Betreuungskonzept, Sicherheitsvorgaben und Brandschutz nachgewiesen werden. Die Verwendung

von Strohdämmung mit Lehmputz war in der zutreffenden Gebäudeklasse ohne zusätzliche Sonder-

auflagen möglich.

Der transformativen Anspruch wurde durch eine Mitmachbaustelle mit Eltern und Kindern nur in

begrenztem Umfang zur Kostensenkung, aber mit hoher pädagogischer Wirkung umgesetzt. Insge-

samt zeigt der Echtzeittest, dass das entwickelte System die vereinbarten Projektziele weitgehend

erfüllt und als übertragbares, zirkuläres Modulsystem für weitere Waldkindergärten und kleinteilige

Bildungsbauten in Bayern empfohlen werden kann.