Vorschlag für LAIA²-Stufenmodell zur Meta-Klassifikation virtueller KI-Avatare

Moderne virtuelle KI-Avatare stehen im Mittelpunkt einer rasanten technologischen Entwicklung, die sowohl durch Fortschritte in Grafik-Rendering, sensorischer Erfassung, natural language processing (NLP) und Machine Learning (ML) geprägt ist, als auch durch die zunehmende Einbindung in vielfältige Anwendungsfelder wie Bildung, Gesundheitswesen, Marktforschung, Wissensmanagement und Unterhaltung. Trotz dieser Innovationswelle ist die Forschung zunehmend fragmentiert, da bisher meist nur einzelne Dimensionen - beispielsweise visuelle Gestaltung, Interaktionsfähigkeit oder technische Implementierung - systematisch erfasst werden, ohne dabei eine kohärente, domänenübergreifende Taxonomie zu entwickeln. Ziel dieses Papers ist es, eine umfassende Klassifikation sowie empirisch abgesicherte Merkmals-Cluster vorzustellen, die den technischen, sozialen und kontextuellen Umfang moderner Avatar-Systeme vereinheitlichen. Dafür werden systematische Übersichten, Literatur-Reviews und aktuelle Studien aus den letzten zehn Jahren aggregiert.
Das Ergebnis ist ein Vorschlag für das siebenstufiges LAIA²-Stufenmodell1 (5+2): Die ersten fünf Stufen bilden den technischen Reifegrad virtueller Akteure bis heutigen AVAs (Added Value Avatars) ab und werden durch zwei visionäre Stufen als technologischer Ausblick ergänzt, die zukünftige Entwicklungen wie Multi-Präsenz und posthumane Ko-Evolution antizipieren. Eine analytische Heatmap identifiziert Kategorien, qualitative Merkmale und Forschungslücken in der bisherigen Literatur, wodurch gezielt künftige Forschungsprioritäten abgeleitet werden können. Diese strukturierte Wissensbasis kann Wissenschaftler, Entwickler und Anwender bei der systematischen Weiterentwicklung, Standardisierung und verantwortungsvollen Integration von Avatar-Technologien in komplexen realen und cyber-physischen Umgebungen unterstützen.