Alle Auswertungen

Bachelor Data Science und Kuenstliche Intelligenz

DHBW Karlsruhe

38 / 38

Module mit KI-Bezug

von allen Modulen des Handbuchs

100 %

KI-Anteil

Modulanteil mit Beleg

331

Belegte KI-Stellen

wörtlich, geprüft

davon Literatur

schwacher Beleg (K7)

Auswertung

Formuliert ausschließlich aus den geprüften Zitaten und den im Code berechneten Zahlen, ohne Wertung und ohne Ausprägungsstufen.

Datengrundlage

Im Handbuch sind 38 Module dokumentiert; für alle 38 Module ist ein KI-Bezug belegt. Insgesamt liegen 331 KI-Textstellen vor, davon 69 in Lernzielen, 194 in Inhaltsbeschreibungen und 68 in Literaturangaben; Prüfungsbezüge sind nicht belegt. Die Belege betreffen KI als Fachinhalt, KI-Methoden und Algorithmen, KI-Anwendungen im Fachkontext sowie KI-Regulierung, Ethik und Recht.

Kategorienprofil

Kategorie 1 (KI als Fachinhalt) ist mit 96 Belegen in 28 Modulen dokumentiert. Im Modul „Grundlagen Data Science und Künstlicher Intelligenz“ werden unter anderem „elementare Prinzipien und Kompetenzen in den Bereichen Data Science und Künstliche Intelligenz“ sowie die „gesamtgesellschaftlichen Konsequenzen und Auswirkungen von Data Science und Künstlicher Intelligenz sowohl in der Anwendungsentwicklung als auch der Nutzung“ genannt. Als Lernziel ist zudem festgehalten, dass Studierende Grundlagen von Data Science und KI kennen, Daten analysieren und Kenntnisse aus Big Data, Visualisierung, Datenmanagement, KI und maschinellem Lernen verwenden.

Kategorie 2 (KI-Methoden und Algorithmen) ist mit 107 Belegen in 20 Modulen dokumentiert. Das Modul „Künstliche Intelligenz und Machine Learning“ nennt weiterführende Konzepte und Anwendungsgebiete der KI sowie Verfahren des maschinellen Lernens für Supervised und Unsupervised Learning. Im Modul „Grundlagen Data Science und Künstlicher Intelligenz“ werden Trainings- und Testdaten, Modellvergleich, Modellevaluation, Over- und Underfitting, verschiedene Lernarten sowie Regression, Klassifikation, Clustering, Mustererkennung, Entscheidungsbäume und Cluster- und Assoziationsalgorithmen aufgeführt.

Kategorie 3 (KI-Anwendungen im Fachkontext) ist mit 46 Belegen in 13 Modulen dokumentiert. In „Intelligence Engineering“ ist die Erstellung von Modellen mit maschinellem Lernen, Verarbeitung natürlicher Sprache und wissensbasierten Systemen sowie deren Integration in KI-basierte Anwendungen benannt. Weitere Bezüge betreffen Data-Science-Methoden für BI, Analytics und Controlling, Anwendungsszenarien der KI in der Unternehmenssteuerung sowie Beispiele für KI, Big Data Analytics und RPA im Rechnungswesen.

Kategorie 6 (KI-Regulierung / Ethik / Recht) ist mit 17 Belegen in 4 Modulen dokumentiert. Im Modul „Grundlagen Data Science und Künstlicher Intelligenz“ wird die Einordnung und Bewertung der Verwendung von Data-Science- und KI-Technologien unter ethischen, normativen und rechtlichen Aspekten genannt. „Grundlagen IT-Sicherheit und Datenschutz“ führt Risikomanagement unter dem Gesichtspunkt von Data Science, KI und deren Anwendungen auf; in „Schlüsselqualifikationen“ erscheinen unter anderem „KI und Privatsphäre“, philosophische Grundlagendiskussionen zu KI sowie ethische Implikationen von IT und Data Science.

Kategorie 7 (KI-Literatur) ist mit 68 Belegen in 16 Modulen dokumentiert. Im Modul „Grundlagen Data Science und Künstlicher Intelligenz“ sind unter anderem Titel zu Machine Learning, Pattern Recognition, Data Science und Künstlicher Intelligenz aufgeführt, beispielsweise „Introduction to Machine Learning“, „Pattern Recognition and Machine Learning“ und „Grundkurs Künstliche Intelligenz“. Diese Kategorie dokumentiert Literaturangaben.

Kategorie 4 (Grundlagen mit explizitem KI-Bezug) und Kategorie 5 (KI als Lehr- und Lernmethode) sind nicht nachgewiesen.

Verteilungsmuster

KI-Bezüge sind in allen 38 Modulen belegt. Die Kategorien KI als Fachinhalt, KI-Methoden und Algorithmen sowie KI-Anwendungen im Fachkontext treten in 28, 20 beziehungsweise 13 Modulen auf. Inhaltlich dokumentieren die Zitate insbesondere Data Science, maschinelles Lernen, Lernverfahren, Modellierung, Datenanalyse sowie Anwendungen im Unternehmens-, Controlling- und Software-Engineering-Kontext. Bei den eindeutig ableitbaren Lernzielniveaus sind 28 Belege dem Anwenden, 21 dem Kennen/Verstehen, 6 dem Analysieren/Bewerten und 3 dem Entwickeln/Gestalten zugeordnet.

Gesamteinordnung

Die dokumentierten KI-Bezüge umfassen 331 Textstellen aus Lernzielen, Inhaltsbeschreibungen und Literaturangaben. Sie benennen Grundlagen von Data Science und KI, Methoden und Algorithmen des maschinellen Lernens, Anwendungsfälle und KI-basierte Anwendungen sowie ethische, normative, rechtliche und sicherheitsbezogene Aspekte. Prüfungsbezüge sind nicht belegt. Die im Handbuch vorkommenden KI-Begriffe umfassen unter anderem „künstliche Intelligenz“, „machine learning“, „maschinelles Lernen“, „deep learning“, „clustering“, „computer vision“, „erklärbare KI“ und „data science“.

Methodische Grenzen

68 der 331 belegten KI-Textstellen sind Literaturangaben. Diese Literaturbezüge dokumentieren referenzierte Titel, stellen jedoch keinen Nachweis für Lernziele, Inhalte oder Prüfungen dar.

Grundlage sind ausschließlich die unten aufgeführten, gegen den Rohtext geprüften Belege.

Belege je Kategorie

K1 · KI als Fachinhalt

K2 · KI-Methoden und Algorithmen

101

K3 · KI-Anwendungen im Fachkontext

K4 · Grundlagen mit explizitem KI-Bezug

K5 · KI als Lehr- und Lernmethode

K6 · KI-Regulierung / Ethik / Recht

K7 · KI-Literatur

Art der Fundstelle

Lernziel 69 (21 %)
Inhalt 194 (59 %)
Literatur 68 (21 %)

Lernzielniveau

Aus dem Verb abgeleitet; unklare Fälle bleiben bewusst leer.

kennen / verstehen

anwenden

analysieren / bewerten

entwickeln / gestalten

KI-Begriffsprofil

Eine reine Wortsuche über den gesamten Handbuchtext, ohne Sprachmodell. Sie zählt jedes Vorkommen, also auch Inhaltsverzeichnisse, Studiengangs-Zuordnungen und Literaturtitel. Diese Liste ist deshalb kein Beleg für Lehrinhalte und kann deutlich länger sein als die geprüften Belege oben. Sie zeigt, wo sich ein zweiter Blick ins PDF lohnt.

Im Text gefunden

39 Begriffe, an beliebiger Stelle

ai artificial intelligence automl bayes big data clustering computer vision cyber-physical data analytics data mining data science datenanalyse decision support deep learning entscheidungsunterstützung erklärbare ki feature engineering ki klassifikation künstliche intelligenz künstlichen intelligenz künstlicher intelligenz machine learning maschinelles lernen ml mustererkennung natural language processing neuronale netze neuronales netz nlp pattern recognition predictive maintenance random forest reinforcement learning scikit-learn supervised learning support vector tensorflow unsupervised learning

Nicht nachgewiesene Leitbegriffe

Zentrale KI-Begriffe, die an keiner Stelle des Handbuchs vorkommen. Das heißt nicht nachgewiesen, nicht nicht vorhanden.

digitaler zwilling generative ki large language model ai act explainable ai robotik

Belegte KI-Stellen

Jedes Zitat wörtlich aus dem Handbuch, maschinell gegen den Rohtext geprüft.

Art: Alle Lernziel 69 Inhalt 194 Literatur 68

Grundlagen Data Science und Künstlicher Intelligenz

W3DSKI_101 6 Belege

Lernziel K1 · KI als Fachinhalt

„Die Studierenden kennen die Grundlagen des Data Science und der Künstlichen Intelligenz. Sie können Daten analysieren und lernen die Nutzbarmachung im Unternehmenskontext zur Entwicklung neuer oder zur Verbesserung bestehender Geschäftsmodelle. Dabei werden Kenntnisse aus den Bereichen Big Data, Visualisierung, Datenmanagement, künstliche Intelligenz und maschinelles Lernen verwendet.“

Das Zitat nennt Künstliche Intelligenz und maschinelles Lernen als Lehrinhalte und beschreibt zugleich deren Nutzbarmachung im Unternehmenskontext.
Lernziel K3 · KI-Anwendungen im Fachkontext

„Die Studierenden lernen dieses komplexe und vielschichtige Thema aus verschiedenen Blickwinkeln kennen und entwickeln ein Verständnis für datengetriebene Geschäftsmodelle und die Möglichkeiten, die aus der Wissensgewinnung aus digitalen Daten entstehen.“

Im Mittelpunkt stehen datengetriebene Geschäftsmodelle und deren Nutzung zur Wissensgewinnung aus digitalen Daten.
Lernziel K3 · KI-Anwendungen im Fachkontext

„Die Studierenden sind in der Lage die spezifischen Eigenschaften von Data Science und Künstlicher Intelligenz, insbesondere Machine Learning, zu benennen und in der Praxis insofern anzuwenden als sie die Möglichkeiten und Potenziale zur Anwendung dieses Gebiets auf existierende Geschäftsmodelle und Systeme erkennen können.“

Das Zitat behandelt die Anwendung von Data Science und Künstlicher Intelligenz auf bestehende Geschäftsmodelle und Systeme sowie deren spezifische Eigenschaften.
Lernziel K1 · KI als Fachinhalt Niveau: analysieren / bewerten

„Des Weiteren sind sie in der Lage, Daten und daraus abgeleitetes Wissen zielorientiert aufzubereiten und darzustellen. Sie analysieren die verfügbaren Daten und definieren geeignete IT-Konzepte zu deren effizienter Verarbeitung und sicherer Speicherung in entsprechenden IT-Systemen.“

Das Zitat behandelt Datenanalyse, Wissensaufbereitung und IT-Konzepte zur Verarbeitung und Speicherung von Daten.
Lernziel K1 · KI als Fachinhalt

„Die Studierenden haben ihre Vermittlerrolle als Data Scientist und KI-Experten verstanden und können dies in ersten Ansätzen umsetzen.“

Das Zitat nennt ausdrücklich die Rolle der Studierenden als Data Scientist und KI-Experten.
Lernziel K6 · KI-Regulierung / Ethik / Recht Niveau: analysieren / bewerten

„Die Studierenden können die Verwendung von Technologien des Data Science und der Künstlichen Intelligenz auch unter ethischen, normativen und rechtlichen Aspekten einordnen und bewerten.“

Das Zitat fordert die Einordnung und Bewertung von Data-Science- und KI-Technologien unter ethischen, normativen und rechtlichen Aspekten.

Grundlagen Informatik

W3DSKI_102 1 Beleg

Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Die Studierenden kennen die grundlegenden Konzepte und Modelle der Informationstechnik wie Information, Codierung, Entropie sowie grundlegende Kenntnisse in den Themengebieten Rechnerarchitektur, Betriebssysteme, Kommunikationssysteme, Virtualisierung und Containerisierung und deren Bedeutung als Basistechnologien für Data Science und Künstliche Intelligenz.“

Das Zitat nennt Künstliche Intelligenz ausdrücklich und ordnet die behandelten informationstechnischen Konzepte als Basistechnologien dafür ein.

Fortgeschrittene Informatik

W3DSKI_104 1 Beleg

Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Die Studierenden kennen die Bedeutung und Einsatzmöglichkeiten diese grundlegenden Technologien für Data Science und Künstlicher Intelligenz.“

Das Zitat nennt Künstliche Intelligenz ausdrücklich als Inhaltsbereich und thematisiert deren Bedeutung und Einsatzmöglichkeiten.

Künstliche Intelligenz und Machine Learning

W3DSKI_201 4 Belege

Lernziel K1 · KI als Fachinhalt

„Die Studierenden kennen weiterführende Konzepte und Anwendungsgebiete der Künstlichen Intelligenz sowie Verfahren und Methoden des Maschinellen Lernens aus den Bereichen Supervised und Unsupervised Learning.“

Das Zitat nennt sowohl weiterführende Konzepte und Anwendungsgebiete der Künstlichen Intelligenz als auch Verfahren und Methoden des Maschinellen Lernens.
Lernziel K2 · KI-Methoden und Algorithmen Niveau: anwenden

„Sie sind in der Lage weiterführende Konzepte der Künstlichen Intelligenz und Machine Learning Algorithmen zu implementieren.“

Im Mittelpunkt steht die Implementierung von Machine-Learning-Algorithmen als technische Verfahren.
Lernziel K2 · KI-Methoden und Algorithmen

„Die Studierenden können für bestimmte Anwendungsszenarien geeignete Verfahren des Maschinellen Lernens auswählen, erfolgreich einsetzen und beurteilen.“

Das Zitat beschreibt die Auswahl, den Einsatz und die Beurteilung geeigneter Verfahren des Maschinellen Lernens.
Lernziel K2 · KI-Methoden und Algorithmen

„Sie verstehen die mathematischen Grundlagen der Methoden der Künstlichen Intelligenz und des Machine Learning und können diese Methoden anwenden.“

Genannt werden mathematische Grundlagen und die Anwendung von Methoden der Künstlichen Intelligenz und des Machine Learning.

Cloud Computing und Big Data

W3DSKI_204 2 Belege

Lernziel K2 · KI-Methoden und Algorithmen

„Die Studierenden kennen Konzepte zur Anwendungsvirtualisierung und deren Ineinandergreifen zur Umsetzung der zentralen Dienstleistungs- und Bereitstellungsmodelle des Cloud Computing. Darüber hinaus verstehen die Studierende die praktische Umsetzung eines Anwendungsbetriebs anhand von horizontaler und vertikaler Skalierung, sowie einer Microservice-Architektur. Des Weiteren kennen die Studierenden verschiedene Vorgehensweisen, Technologien und Architekturen zur Analyse, Nutzung, Sammlung, Speicherung und Verwertung digitaler Massendaten. Sie kennen die notwendigen Technologien und können diese Daten mittels Big Data-Architekturen (z.B. Lambda-/Kappa-Architektur sowie Batch- und Stream-Verarbeitung) verarbeiten und speichern.“

Das Zitat beschreibt technische Verfahren und Architekturen zur Verarbeitung und Speicherung großer Datenmengen, nennt jedoch keinen ausdrücklichen KI-Bezug.
Lernziel K2 · KI-Methoden und Algorithmen

„Die Studierenden können ihre Kenntnisse auf praxisorientierte Fragestellungen im Rahmen von Cloud Computing und Big Data Problemstellungen anwenden, selbständig Problemlösungen erarbeiten und diese im sozialen Prozess erläutern und abstimmen.“

Das Zitat behandelt die Anwendung von Kenntnissen auf Cloud-Computing- und Big-Data-Probleme, jedoch keine ausdrücklich genannten KI-Methoden.

Grundlagen Digitale Unternehmensführung

W3DSKI_207 1 Beleg

Lernziel K3 · KI-Anwendungen im Fachkontext

„Die Studenten sind sich der grundlegenden Veränderungen des Rechnungswesens durch die Digitalisierung bewusst und kennen Beispiele der Anwendung von Künstlicher Intelligenz, Big Data Analytics, RPA (Robotic process automation) und weiterer Technologien in dem Bereich.“

Das Zitat nennt ausdrücklich Beispiele für die Anwendung von Künstlicher Intelligenz im Rechnungswesen.

Datenbasierte Unternehmenssteuerung

W3DSKI_208 2 Belege

Lernziel K3 · KI-Anwendungen im Fachkontext Niveau: anwenden

„Anwendungsszenarien der Künstlichen Intelligenz in der Unternehmenssteuerung einordnen und die Möglichkeiten und Herausforderungen neuer Methoden und Technologien im Bereich von Data Science und Künstlicher Intelligenz einschätzen.“

Das Zitat nennt ausdrücklich Anwendungsszenarien der Künstlichen Intelligenz in der Unternehmenssteuerung und behandelt zusätzlich Möglichkeiten und Herausforderungen im Bereich der Künstlichen Intelligenz.
Lernziel K3 · KI-Anwendungen im Fachkontext Niveau: anwenden

„Sie können die in diesem Modul vermittelten Modelle, Methoden, Techniken und Werkzeuge anwenden, um BI- und KI-gestützte Lösungsvorschläge für Organisationen abzuleiten und zu evaluieren.“

Das Zitat beschreibt die Anwendung von Methoden und Werkzeugen zur Ableitung und Evaluierung KI-gestützter Lösungsvorschläge für Organisationen.

Projektmanagement

W3DSKI_209 2 Belege

Lernziel K1 · KI als Fachinhalt

„Die Studierenden kennen die Grundlagen der Organisation und die Aufgaben des Projektmanagements. Sie wissen, wie ein Projekt in Data Science und Künstliche unter praxisnahen Bedingungen und in Gruppenarbeit konzipiert und erstellt wird.“

Das Zitat nennt ausdrücklich ein Projekt in Data Science und Künstlicher Intelligenz als Gegenstand der Lehrveranstaltung.
Lernziel K2 · KI-Methoden und Algorithmen

„Die Studierenden können aufzeigen, wie ein typisches Projekt in Data Science und Künstliche Intelligenz systematisch durchgeführt werden kann, welche Methoden dabei zum Einsatz kommen, welche typischen Probleme dabei auftreten und wie diese gelöst werden können.“

Das Zitat stellt die Methoden heraus, die bei einem Projekt in Data Science und Künstlicher Intelligenz zum Einsatz kommen.

Grundlagen IT-Sicherheit und Datenschutz

W3DSKI_301 1 Beleg

Lernziel K1 · KI als Fachinhalt Niveau: analysieren / bewerten

„Sie können Risiken insbesondere unter dem Gesichtspunkt Data Science und Künstliche Intelligenz erkennen und bewerten.“

Das Zitat nennt Künstliche Intelligenz und Data Science ausdrücklich als Gegenstand, unter dessen Gesichtspunkt Risiken bewertet werden.

Wahlmodul Data Science und Künstliche Intelligenz

W3DSKI_302 1 Beleg

Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Die Studierenden kennen die Grundlagen einer Auswahl von aktuellen Themen, Konzepten und Entwicklungen aus der Data Science und/oder der Künstlichen Intelligenz.“

Das Zitat nennt aktuelle Themen und Entwicklungen aus der Künstlichen Intelligenz als Lehrinhalt.

Prozessmanagement und Process Mining

W3DSKI_303 4 Belege

Lernziel K2 · KI-Methoden und Algorithmen

„Die Studierenden erlangen umfassendes Faktenwissen zu Methoden der Geschäftsprozessmodellierung, -optimierung und des Process Mining.“

Das Zitat nennt Methoden der Geschäftsprozessmodellierung, -optimierung und des Process Mining.
Lernziel K2 · KI-Methoden und Algorithmen

„Sie können Methoden des Process Mining auf Anwendungsfälle anwenden und sie können die Anwendbarkeit der einzelnen Methoden in der Praxis beurteilen und ein Projekt in diesem Umfeld konzipieren.“

Das Zitat bezieht sich auf die Anwendung und Beurteilung von Methoden des Process Mining.
Lernziel K2 · KI-Methoden und Algorithmen Niveau: kennen / verstehen

„Die Studierenden verstehen, dass im Rahmen des Prozessmanagements, der Prozessmodellierung und des Process Mining viele Unternehmensbereiche konstruktiv zusammenarbeiten müssen.“

Das Zitat ordnet Process Mining als Bestandteil des Prozessmanagements und der Prozessmodellierung ein.
Lernziel K2 · KI-Methoden und Algorithmen Niveau: entwickeln / gestalten

„Die Studierenden sind in der Lage, selbstorganisiert ein Projekt z. B. mit dem Ziel der Prozessmodellierung, -optimierung oder des Process Mining zu konzipieren.“

Das Zitat nennt die Konzeption eines Projekts mit dem Ziel des Process Mining.

Geschäftsmodelle und Entrepreneurship

W3DSKI_304 2 Belege

Lernziel K1 · KI als Fachinhalt Niveau: analysieren / bewerten

„Hierbei können die Studierenden insbesondere die Möglichkeiten und Herausforderungen neuer Methoden und Technologien im Bereich von Data Science und Künstlicher Intelligenz einschätzen und dabei Potenziale für neue bzw. angepasste Geschäftsmodelle und Geschäftsideen erkennen und beurteilen.“

Das Zitat nennt ausdrücklich Möglichkeiten und Herausforderungen von Methoden und Technologien der Künstlichen Intelligenz als Lehrinhalt.
Lernziel K6 · KI-Regulierung / Ethik / Recht

„Sie reflektieren die in den Modulinhalten angesprochenen Theorien und Modelle in Hinblick auf die damit verbundene soziale, ethische und ökologische Verantwortung, insbesondere im Hinblick auf den Einsatz von Methoden und Technologien aus Data Science und Künstlicher Intelligenz.“

Das Zitat behandelt die soziale, ethische und ökologische Verantwortung beim Einsatz von Methoden und Technologien der Künstlichen Intelligenz.