Jasmin Heierli
Jasmin Heierli
ZHAW
School of Management and Law
Institut für Wirtschaftsinformatik
Theaterstrasse 17
8400 Winterthur
Arbeit an der ZHAW
Tätigkeit
Arbeits- und Forschungsschwerpunkte
- Conversational Interfaces
- Generative AI Applications
- Retrieval Augmented Generation
- LMs and Personality
Lehrtätigkeit in der Weiterbildung
Berufserfahrung
- Senior Data Analyst
Onedot
01 / 2022 - 08 / 2022 - Data Analyst
Onedot
05 / 2020 - 01 / 2022 - Analytic Linguistic Project Manager (via Randstad)
Google
11 / 2018 - 01 / 2020
Aus- und Weiterbildung
Ausbildung
- Master of Arts / MLTA (neu Digital Linguistics) und Englische Sprachwissenschaften
Universität Zürich
2014 - 2018 - Bachelor of Arts / Deutsche Sprach- und Literarturwissenschaften / Englische Sprach- und Literaturwissenschaften
Universität Zürich
2010 - 2014
Weiterbildung
- Professional Scrum Master I
Scrum.org
2023 - PRINCE2® 2017 Practitioner
AXELOS Global Best Practice
2020 - PRINCE2® Foundation Certification Training
AXELOS Global Best Practice
2020
Netzwerk
ORCID digital identifier
Social Media
Projekte
- Science Fiction Prototyping: Human-AI Futures / Teammitglied / laufend
- Neues Paradigma für KI-basiertes Anforderungsmanagement / Co-Projektleiter:in / laufend
- Emerging Skills Insights / Teammitglied / laufend
- AI-enabled sustainable finance advisory / Teammitglied / abgeschlossen
- Multimodale Erkennung von Toxizität in Video Games / Teammitglied / abgeschlossen
- ERZ-SmartAssistant / Teammitglied / abgeschlossen
- Virtuelle Realität im Konfliktmanagement: Verbesserung der Berufsausbildung durch virtuelle Konversationsagenten / Teammitglied / abgeschlossen
- Multimodale Anonymisierung von Gameplay Daten / Teammitglied / abgeschlossen
- Digital Companion / Teammitglied / abgeschlossen
- Förderung der Gesundheitskompetenz junger Erwachsener mit Hörbeeinträchtigung / Teammitglied / abgeschlossen
Publikationen
Schriftliche Konferenzbeiträge, peer-reviewed
- Heierli, J. et al. (2026) 'Too nice to be human : cross-lingual consistency in personality-related response patterns of large language models', in 2026 IEEE Swiss Conference on Data Science and AI (SDS). IEEE, pp. 205–208. doi: 10.1109/sds70563.2026.00038.
- Heierli, J., Bahar Ganjineh, R. and Gavagnin, E. (2025) 'Evaluating LLM capabilities in low-resource contexts : a case study of Persian linguistic and cultural tasks', in Estevanell-Valladares, E. L. et al. (eds). Shoumen: Incoma, pp. 111–120. doi: 10.26615/978-954-452-100-4-012.
- Heierli, J. et al. (2025) 'From conversation to agent : LLM-driven design of structured healthcare agents', in Procedia Computer Science. Elsevier, pp. 269–276. doi: 10.1016/j.procs.2025.10.205.
- Mladenov, P. et al. (2025) 'Missing pieces : how humans and GPT-4.1 detect absence and predict the unseen', in Proceedings of the 1st International Workshop on MLLM for Unified Comprehension and Generation. Association for Computing Machinery, pp. 9–13. doi: 10.1145/3746276.3760466.
- Pareti, S. et al. (2024) 'Bias bluff busters at FIGNEWS 2024 shared task : developing guidelines to make bias conscious', in Proceedings of The Second Arabic Natural Language Processing Conference. Association for Computational Linguistics, pp. 580–589. doi: 10.18653/v1/2024.arabicnlp-1.62.
- Städeli, R. et al. (2024) 'Multimodal conversational interactions for facial composites : a case for stateful prompt orchestration', in Capol, C. et al. (eds) Proceedings of the 9th edition of the Swiss Text Analytics Conference. Association for Computational Linguistics, pp. 59–67. doi: 10.21256/zhaw-32139.
- Wu, W. et al. (2024) 'PROMISE : model-driven stateful prompt orchestration for persuasive conversational interactions', in 9th Swiss Text Analytics Conference – SwissText 2024, Chur, Switzerland, 10-11 June 2024.
- Mladenov, P. et al. (2024) 'Exploring personalized learning support through retrieval augmented generation : a feasibility study', in Capol, C. et al. (eds) Proceedings of the 9th edition of the Swiss Text Analytics Conference. Association for Computational Linguistics, pp. 144–147. doi: 10.21256/zhaw-32141.
- Wu, W. et al. (2024) 'PROMISE : a framework for model-driven stateful prompt orchestration', in Islam, S. and Sturm, A. (eds) Intelligent Information Systems. Cham: Springer, pp. 157–165. doi: 10.1007/978-3-031-61000-4_18.