Die (semi-)automatische Erschaffung von Nebenquests in Videospielen mit Methoden der Sprachgenerierung

Inhaltsverzeichnis

1. Die Questannahme: Einleitung

2. Auf Erkundungsgang: Theoretische Grundlagen

2.1. Theorieteil I: Zur Natural Language Generation

2.1.1. Geschichte, Herausforderungen und Systematik des Forschungsbereiches

2.1.2. Eine Auswahl narrativer NLG-Systeme

2.1.2.1. NLG-System I: Virtual Storyteller

2.1.2.2. NLG-System II: ProtoPropp

2.1.2.3. NLG-System III: Storybook

2.2. Theorieteil II: Zum Videospiel-Medium

2.2.1. Zusammenstellung ausgewählter Charakteristika

2.2.2. Narratologie versus Ludologie: Alles nur ein Spiel?

2.2.3. Das Rollenspiel-Genre und seine Queststrukturen

3. Die Wahl der Waffen: Auswahl passender NLG-Software für das eigene Forschungsanliegen

4. Im Herzen der Schlacht: Die gewählte NLG-Software in der Praxis

4.1. Python-Modul I: Markovify inklusive Beispielsammlungen

4.2. Python-Modul II: Textgenrnn inklusive Beispielsammlungen

4.3. Auswertung der Ergebnisse: Stärken und Schwächen

5. Erfahrungspunkte, und bereit zu neuen Taten: Ausblick

Zielsetzung & Themen

Die vorliegende Master-Thesis untersucht die Anwendung von Methoden der Natural Language Generation (NLG) zur (semi-)automatischen Erstellung von Entwurfsfassungen für Nebenquests in Rollenspielen. Das primäre Ziel ist es, computergestützte Werkzeuge zu finden und zu evaluieren, die einen menschlichen Autor durch das Generieren narrativer Grundgerüste unterstützen, ohne ihn zu ersetzen.

• Grundlagen der Natural Language Generation und existierende narrative NLG-Systeme.
• Analyse des Mediums Videospiel, insbesondere Rollenspiele und deren Queststrukturen.
• Evaluation von Open-Source NLG-Software (Markovify und Textgenrnn) zur automatisierten Texterstellung.
• Kollaboration zwischen menschlicher Kreativität und computergenerierten Entwürfen.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1. Die Questannahme: Einleitung: Einführung in das Forschungsfeld der Computerlinguistik im Kontext von Videospielen und Definition der Zielsetzung zur Generierung von Nebenquests.

2. Auf Erkundungsgang: Theoretische Grundlagen: Detaillierte Erläuterung der Natural Language Generation sowie eine theoretische Auseinandersetzung mit dem Medium Videospiel und Rollenspiel-Queststrukturen.

3. Die Wahl der Waffen: Auswahl passender NLG-Software für das eigene Forschungsanliegen: Erläuterung der methodischen Herangehensweise und Begründung der Auswahl geeigneter Open-Source Software für das Forschungsvorhaben.

4. Im Herzen der Schlacht: Die gewählte NLG-Software in der Praxis: Dokumentation der praktischen Anwendung von Markovify und Textgenrnn inklusive der Analyse von Beispielergebnissen.

5. Erfahrungspunkte, und bereit zu neuen Taten: Ausblick: Zusammenfassende Betrachtung der Ergebnisse und Diskussion zukünftiger Erweiterungsmöglichkeiten für NLG-gestützte Systeme.

Schlüsselwörter

Computerlinguistik, Natural Language Generation, Videospiele, Rollenspiele, Questdesign, Nebenquests, Markovify, Textgenrnn, künstliche Intelligenz, Storytelling, narrative Systeme, Mensch-Maschine-Interaktion, automatisierte Textgenerierung.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit befasst sich mit der Schnittstelle zwischen der Computerlinguistik (speziell NLG) und dem Spieldesign, um den Prozess des Schreibens von Nebenquests in Videospielen teilweise zu automatisieren.

Was sind die zentralen Themenfelder?

Die Arbeit verknüpft theoretische Konzepte der Narratologie und Ludologie mit technischen Aspekten der automatisierten Textgenerierung mittels Python-Modulen.

Was ist das primäre Ziel der Forschungsarbeit?

Das Ziel ist die Erstellung von ersten Entwurfsfassungen für Nebenquests in Rollenspielen, die als Inspirationsquelle für menschliche Autoren dienen sollen.

Welche wissenschaftliche Methode wird verwendet?

Es werden NLG-basierte Softwarelösungen (Markovify für Markow-Ketten und Textgenrnn für neuronale Netze) praktisch angewendet und die resultierenden Texte auf ihre Nützlichkeit für das Questdesign evaluiert.

Was wird im Hauptteil behandelt?

Der Hauptteil dokumentiert die praktische Implementierung der NLG-Software, die Vorbereitung der Datenquellen (Quest-Logs und Plot-Vorlagen) und die systematische Auswertung der generierten Quest-Entwürfe.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die Arbeit lässt sich durch Begriffe wie Natural Language Generation, Rollenspiele (CRPGs), Questdesign, Markov-Ketten und Deep Learning in einem spielerischen Kontext beschreiben.

Warum wird zwischen Haupt- und Nebenquests unterschieden?

Während Hauptquests die lineare Rahmengeschichte bilden, bieten Nebenquests eine flexiblere Struktur, die sich besser für experimentelle, (semi-)automatische Generierungsprozesse eignet.

Welche Rolle spielt der Mensch bei diesem NLG-Ansatz?

Der Mensch bleibt zentraler Akteur, da das System lediglich Entwürfe liefert, die vom Autor im Anschluss manuell überarbeitet, verfeinert und in das jeweilige Spiel-Setting integriert werden.

Welche Rolle spielt die gewählte Datenquelle (z.B. Vampire: The Masquerade – Bloodlines)?

Das Spiel dient als konkrete Fallstudie, um authentische Quest-Daten als Input für die Algorithmen zu gewinnen und die Leistungsfähigkeit der NLG-Methoden unter realen Bedingungen zu testen.