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

Ausgewählte Themen aus Data Science und Künstliche Intelligenz in der Wirtschaft

W3DSKI_306 6 Belege

Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Die Studierenden kennen die Grundlagen einer Auswahl von aktuellen Themen, Konzepten und Entwicklungen im Kontext von Data Science und Künstlicher Intelligenz in der Betriebswirtschaftslehre.“

Das Zitat nennt aktuelle Themen, Konzepte und Entwicklungen der Künstlichen Intelligenz im Kontext der Betriebswirtschaftslehre.
Lernziel K1 · KI als Fachinhalt

„Die Studierenden sind mit Abschluss des Moduls in der Lage, komplexe Probleme aus der Data Science und der Künstlichen Intelligenz im Kontext der Betriebswirtschaftslehre zu lösen.“

Das Zitat bezieht sich ausdrücklich auf das Lösen komplexer Probleme aus der Künstlichen Intelligenz in der Betriebswirtschaftslehre.
Lernziel K1 · KI als Fachinhalt

„Sie lernen mit Komplexität in betriebswirtschaftlichen Fragestellungen aus der Data Science und der Künstlichen Intelligenz eigenverantwortlich, initiativ und mit Tatkraft umzugehen.“

Das Zitat nennt den eigenverantwortlichen Umgang mit Fragestellungen aus der Künstlichen Intelligenz im betriebswirtschaftlichen Kontext.
Inhalt K1 · KI als Fachinhalt

„Ausgewählte Themen aus Data Science und Künstlicher Intelligenz in der Wirtschaft“

Das Zitat weist Künstliche Intelligenz als ausgewähltes Thema in der Wirtschaft aus.
Inhalt K1 · KI als Fachinhalt

„Diese Lehr- und Lerneinheit behandelt aktuelle Fragestellungen im Kontext von Data Science und Künstlicher Intelligenz in der Betriebswirtschaftslehre.“

Das Zitat beschreibt eine Lehr- und Lerneinheit zu aktuellen Fragestellungen der Künstlichen Intelligenz in der Betriebswirtschaftslehre.
Inhalt K3 · KI-Anwendungen im Fachkontext

„Realisierungen praxisnaher Szenarien mit betriebswirtschaftlichen Aufgabestellungen, die mit Einsatz von Technologien aus der Data Science und Künstlicher Intelligenz gelöst werden sollen.“

Das Zitat beschreibt praxisnahe betriebswirtschaftliche Szenarien, die durch Technologien aus Data Science und Künstlicher Intelligenz gelöst werden.

Seminar

W3DSKI_307 3 Belege

Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Die Studierenden kennen die aktuellen Entwicklungen der Data Science, der Künstlichen Intelligenz, der Wirtschaftsinformatik, der Informatik oder der verwandten Disziplinen.“

Das Zitat nennt Künstliche Intelligenz ausdrücklich als Gegenstand aktueller Entwicklungen, mit denen sich die Studierenden befassen.
Lernziel K3 · KI-Anwendungen im Fachkontext

„Sie erlangen einen vertieften Einblick in aktuelle Trends des Einsatzes von Methoden und Verfahren aus dem Data Science und der Künstlichen Intelligenz in der Wirtschaft.“

Das Zitat beschreibt den Einsatz von Methoden und Verfahren der Künstlichen Intelligenz in der Wirtschaft und damit eine Anwendung im Fachkontext.
Inhalt K1 · KI als Fachinhalt

„Beschäftigung mit aktuellen Entwicklungen der Data Science und Künstlichen Intelligenz oder verwandter Disziplinen“

Das Zitat nennt die Beschäftigung mit aktuellen Entwicklungen der Künstlichen Intelligenz als Lehrinhalt.

Data Engineering

W3DSKI_401 6 Belege

Lernziel Niveau: kennen / verstehen

„Die Studierenden können das Fachgebiet Data Engineering als Teilbereich von Data Science einordnen und kennen die Aufgaben eines Data Engineers.“
Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Die Studierenden kennen fortgeschrittene Konzepte für Extraktion-, Transformation- und Ladeprozesse zur Datenanalyse, sowie für Machine-Learning Prozesse.“

Das Zitat nennt ausdrücklich Machine-Learning-Prozesse als Gegenstand der Lehrinhalte.
Inhalt

„Aufgabe, Aufbau und Architektur einer Data-Science-Plattform. Datenbereitstellung, aktuelle Tools und Frameworks, Ausprägungen der Datenbereitstellung (persistent, transient, virtuell, …)“
Inhalt

„Spezielle Data-Science-Plattform: Big-Data-Architektur mit Data Lake. Aufbau, Aufgabe und Architektur eines Data Lakes.“
Inhalt

„Spezielle Data-Science-Plattform: Data Warehouse. Datenmodellierung (Snowflake, Star Schema, ...), Designprinzipien. Extrakt Transfer Load Prozess (ETL).“
Inhalt K1 · KI als Fachinhalt

„Grundlagen Data Science und Künstliche Intelligenz; Moderne Datenbank-Konzepte; Systems Engineering“

Das Zitat nennt ausdrücklich Künstliche Intelligenz als Bestandteil der Grundlagen von Data Science und KI.

Data Analytics

W3DSKI_402 8 Belege

Lernziel K2 · KI-Methoden und Algorithmen

„Die Studierenden sind fähig Machine Learning Algorithmen für die Datenanalyse einzusetzen, anzupassen und deren Eignung einzuschätzen.“

Das Zitat nennt ausdrücklich Machine-Learning-Algorithmen sowie deren Einsatz, Anpassung und Bewertung.
Lernziel K2 · KI-Methoden und Algorithmen

„Dies gilt insbesondere auch für Analysen von Daten im Big Data Umfeld, die mittels geeigneter Frameworks von den Studierenden durchgeführt und evaluiert werden können.“

Das Zitat beschreibt die Durchführung und Evaluation von Datenanalysen mit geeigneten Frameworks im Big-Data-Umfeld.
Inhalt K2 · KI-Methoden und Algorithmen

„Einsatz von Machine Learning Methoden zur Datenanalyse: Typische Problemstellungen des Supervised und Unsupervised Machine Learning“

Das Zitat nennt Machine-Learning-Methoden sowie die technischen Verfahren des überwachten und unüberwachten Lernens.
Inhalt K2 · KI-Methoden und Algorithmen

„Spezifische Fragestellungen von Big Data Analytics, z.B. Analyse großer Datenmengen mit Hilfe von Frameworks“

Das Zitat beschreibt technische Verfahren zur Analyse großer Datenmengen mithilfe von Frameworks.
Literatur K7 · KI-Literatur

„Berthold, M.R./Borgelt, C./Höppner, F./Klawonn, F./Silipo, R.: Guide to Intelligent Data Science - How to Intelligently Make Use of Real Data, Springer.“
Literatur K7 · KI-Literatur

„Dulhare, U.N./et al.: Machine Learning and Big Data, Wiley.“
Literatur K7 · KI-Literatur

„Harfoush, F.A.: From Big Data to intelligent data – An applied Perspective, Springer.“
Literatur K7 · KI-Literatur

„Runkler, T.A.: Data Analytics –Models and Algorithms for Intelligent Data Analysis, Springer.“

Aktuelle Entwicklungen Data Engineering und Analytics

W3DSKI_403 1 Beleg

Inhalt K1 · KI als Fachinhalt

„Je nach gewähltem Themengebiet: Data Analytics; Cloud Computing und Big Data; Grundlagen IT-Sicherheit und Datenschutz; Wahlmodul Data Science und Künstliche Intelligenz“

Das Zitat nennt ausdrücklich ein Wahlmodul zu Data Science und Künstlicher Intelligenz als mögliches Themengebiet.

Projekt Data Engineering und Analytics

W3DSKI_404 5 Belege

Lernziel K2 · KI-Methoden und Algorithmen Niveau: anwenden

„Die Studierenden können Projekte im Bereich des Data Engineerings und der Datenanalyse erfolgreich durchführen.“

Das Zitat bezieht sich auf Projekte in den methodisch-technischen Bereichen Data Engineering und Datenanalyse, nennt jedoch keine konkreten KI-Verfahren.
Inhalt K2 · KI-Methoden und Algorithmen

„Projekt Data Engineering und Analytics“

Der Titel nennt Data Engineering und Analytics als technische Methoden- und Analysebereiche, ohne einen ausdrücklichen KI-Bezug.
Inhalt K2 · KI-Methoden und Algorithmen

„- Methoden des Data Engineering“

Das Zitat nennt ausdrücklich Methoden des Data Engineering, jedoch keine konkreten KI-Algorithmen.
Inhalt K2 · KI-Methoden und Algorithmen

„- Methoden der Datenanalyse“

Das Zitat nennt ausdrücklich Methoden der Datenanalyse, jedoch keine konkreten KI-Algorithmen.
Inhalt K2 · KI-Methoden und Algorithmen

„Berücksichtigt werden dabei die in den vorherigen Modulen gelehrten Inhalte, vor allem aus den Modulen zu Data Engineering sowie Data Analytics.“

Das Zitat verweist auf Inhalte aus Data Engineering und Data Analytics und damit auf technische Methoden- und Analysebereiche, ohne einen ausdrücklichen KI-Bezug.