Kurzfassung
Um verschiedene Prozesse wie zum Beispiel die Navigation zu verstehen, ist es entscheidend zu verstehen wie Menschen mit ihrer Umgebung während der Entscheidungsfindung interagieren. Während der räumlichen Entscheidungsfindung interagieren Menschen auch mit räumlichen Daten, die Ihnen oft über Display Geräte präsentiert werden. Mithilfe von Eye Tracking, Mixed Reality und Machine Learning sind wir in der Lage, ein besseres Verständnis und eine Optimierung der relevanten Interaktionsdialogen zu erzielen, relevante Interaktionsräume zu klassifizieren sowie Menschen während des Entscheidungsfindungsprozesses zu assistieren.

Abstract
Understanding how humans interact with their surroundings during spatial decision-making is crucial for the understanding of several processes, such as navigation. Furthermore, during spatial decision-making, humans also interact with spatial data often presented to them through a display device. Through eye tracking, mixed reality and machine learning we are able to come closer to an understanding, optimize the relevant interaction dialogues, classify relevant interaction spaces and assist humans during the process of spatial decision-making.

Kurzfassung
Es gibt viele verschiedene Möglichkeiten, Daten zu visualisieren, während es nur wenige Methoden gibt, die Auswirkungen unterschiedlicher Visualisierungen auf den Entscheidungsprozess zu messen. Am weitesten verbreitet ist dabei die Messung von Effizienz und Effektivität, allerdings lassen diese beiden Kennzahlen viel Erklärungsspielraum im Hinblick auf die bestmögliche Gestaltung und den optimalen Einsatz von Visualisierungen offen. Eine vielversprechende Methode, diesen Erklärungsspielraum deutlich zu verringern, stellt Eye Tracking dar. Eye Tracking ermöglicht es, Daten über Augenbewegungen während dem Lesen bzw. dem Verarbeiten der dargestellten Informationen zu sammeln und zeigt an, welche Informationen in welcher Reihenfolge als Input für Entscheidungsprozesse herangezogen werden. Die Technologie ermöglicht tiefe Einblicke sowie verbesserte Analysemöglichkeiten und kann dabei nicht nur in einer Laborumgebung, sondern auch in situ eingesetzt werden.

Abstract
There exists a bundle of visualization options for decision-making purposes, however, there is a lack of evaluation methods. Eye tracking is said to be a promising approach in this context, as it allows going beyond traditional task time and task accuracy measures. Eye tracking supports the data collection on the scanning behavior of the participant and therefore indicates which information is used as an input for decision-making processes. Understanding differences in sequential strategies between various design alternatives and users with different backgrounds is valuable for improving designs and at the same time helps in maximizing decision-making outcome. Testing can take place in a laboratory, however, it can also be used in close to normal decision-making situations (e.g. on the computer screen in the decision-makers office, or on the shop floor of a production site).