Alle Auswertungen

Bachelor Elektrotechnik und Informationstechnik

TUM

18 / 186

Module mit KI-Bezug

von allen Modulen des Handbuchs

10 %

KI-Anteil

Modulanteil mit Beleg

190

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 Modulhandbuch sind 186 Module erfasst; 18 Module weisen belegte KI-Bezüge auf. Dokumentiert sind 190 KI-Textstellen, darunter 40 Lernziele, 102 Inhaltsangaben, 21 Prüfungsbezüge und 27 Literaturbezüge. Die Belege betreffen KI-Fachinhalte, KI-Methoden und Algorithmen, Anwendungen, Grundlagen mit explizitem KI-Bezug, Regulierung/Ethik/Recht sowie KI-Literatur.

Kategorienprofil

Kategorie 1 (KI als Fachinhalt) ist mit 32 Belegen in 12 Modulen dokumentiert. Im Modul „Computational Intelligence“ werden unter anderem „Single-Layer Neuronale Netze“, „Multilayer Neuronale Netze und Backpropagation“, „Radial-Basis Function Netze“ und „Rekurrente Neuronale Netze“ behandelt; als Lernziel wird die Anwendung moderner Methoden der Computational Intelligence sowie die Analyse von Anwendungsfällen in Steuerungs- und Regelungstechnik genannt. Die „Projektwoche Natural Language Processing (NLP)“ ordnet NLP als Teilbereich der Künstlichen Intelligenz ein und behandelt transformer-basierte generative Sprachmodelle. „Einführung in Reinforcement Learning“ beschreibt Reinforcement Learning als Ansatz für sequenzielle Entscheidungsfindung und nennt Konzepte, Techniken und Programmierwerkzeuge zur Implementierung von RL-Lösungen.

Kategorie 2 (KI-Methoden und Algorithmen) ist mit 64 Belegen in 10 Modulen dokumentiert. In „Computational Intelligence“ erscheinen Fuzzy- und Neuro-Fuzzy-Verarbeitungstechniken sowie Evolutionsverfahren und genetische Algorithmen zur Optimierung. Die „Projektwoche Natural Language Processing (NLP)“ behandelt Algorithmen zur Interpretation geschriebener oder gesprochener Sprache, syntaktische und statistische NLP-Methoden sowie transformerbasierte Modelle und generative Sprachmodelle. Als Lernziel werden dort grundlegendes Wissen zu NLP und in der Praxis eingesetzten Algorithmen sowie deren Verwendung in Anwendungsbeispielen genannt.

Kategorie 3 (KI-Anwendungen im Fachkontext) ist mit 58 Belegen in 13 Modulen dokumentiert. Im Modul „Computational Intelligence“ wird die Anwendung von Methoden sowie die Analyse von Anwendungsfällen in Steuerungs- und Regelungstechnik genannt. Die „Projektwoche Natural Language Processing (NLP)“ behandelt Anwendungen wie Fragenbeantwortung, automatisierte Zusammenfassung, Textvervollständigung und Textgenerierung; außerdem werden Lösungen für Problemstellungen zur Gewinnung von Erkenntnissen aus Texten, generative Sprachmodelle und Text2Image-Modelle genannt. In „Intelligente Systeme und Machine Learning für Produktionsprozesse“ werden Machine Learning, Agenten in der Automatisierungstechnik und Eingebettete Systeme in einer Prüfungsbeschreibung aufgeführt. „Einführung in Reinforcement Learning“ dokumentiert ein Projekt zur Realisierung einer Aufzugssteuerung, in dem verschiedene Ansätze implementiert und ihre Performanz analysiert werden.

Kategorie 4 (Grundlagen mit explizitem KI-Bezug) ist mit 1 Beleg in 1 Modul dokumentiert. In „Project Week: AI in the Metaverse“ wird im Themenbereich Backend und LLM-Infrastruktur die Programmierung grundlegender Funktionen beziehungsweise des Backends einer virtuellen Umgebung genannt.

Kategorie 6 (KI-Regulierung / Ethik / Recht) ist mit 19 Belegen in 3 Modulen dokumentiert. „Grundlagen Autonomer Fahrzeuge“ nennt rechtliche Grundlagen autonomer Fahrzeuge, ethische Überlegungen zu deren Einsatz sowie Datenschutz und Datensicherheit. Im Modul „Maschinelle Intelligenz und Gesellschaft (in Python)“ werden Auswirkungen maschineller Intelligenz auf die Gesellschaft behandelt; als Lernziel ist die grundsätzliche Einschätzung von Chancen, Risiken und Grenzen datenbasierter Technik und künstlicher Intelligenz dokumentiert. „Project Week: AI Ethics Research & Creative Science Communication“ enthält Prüfungsfragen zu KI-Ethik, ethischer Entscheidungsfindung durch KI-Systeme und zur Rolle von ChatGPT bei moralischer Orientierung.

Kategorie 7 (KI-Literatur) ist mit 27 Belegen in 9 Modulen dokumentiert. Genannt werden unter anderem „Fundamentals of Computational Intelligence“, Literatur zu Reinforcement Learning sowie Literatur zu autonomen Fahrzeugen und automatisiertem Fahren. Diese Kategorie beruht auf Literaturangaben.

Kategorie 5 (KI als Lehr- und Lernmethode) ist nicht nachgewiesen.

Verteilungsmuster

Die belegten KI-Bezüge treten in 18 von 186 Modulen auf. Kategorie 3 ist in 13 Modulen, Kategorie 1 in 12 Modulen und Kategorie 2 in 10 Modulen dokumentiert; Kategorie 6 betrifft 3 Module und Kategorie 4 ein Modul. Die meisten Belege entfallen auf KI-Methoden und Algorithmen mit 64 Belegen sowie auf KI-Anwendungen im Fachkontext mit 58 Belegen. Inhaltlich dokumentieren die Zitate insbesondere Computational Intelligence, NLP, Reinforcement Learning, Produktionsprozesse, autonome Fahrzeuge sowie ethische, rechtliche und gesellschaftliche Fragen.

Gesamteinordnung

Die dokumentierten KI-Bezüge umfassen Fachinhalte, Methoden und Algorithmen, fachbezogene Anwendungen, einen einzelnen Grundlagenbezug sowie Themen zu Regulierung, Ethik und Recht. Die Belege enthalten Lernziele zu Anwenden, Analysieren und Bewerten, Entwickeln und Gestalten sowie Kennen und Verstehen; eindeutig ableitbar sind 19 Nennungen für Anwenden, 3 für Analysieren/Bewerten, 3 für Entwickeln/Gestalten und 8 für Kennen/Verstehen. Zusätzlich sind 27 Literaturbelege in 9 Modulen dokumentiert.

Methodische Grenzen

Die Belege betreffen 18 von 186 Modulen. Kategorie 4 ist nur mit einem Beleg in einem Modul dokumentiert. Die 27 Literaturbelege der Kategorie 7 stellen Literaturangaben dar und dokumentieren für sich genommen keine Lernziele, Inhalte oder Prüfungsformen.

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

Belege je Kategorie

K1 · KI als Fachinhalt

K2 · KI-Methoden und Algorithmen

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 40 (21 %)
Inhalt 102 (54 %)
Prüfung 21 (11 %)
Literatur 27 (14 %)

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

37 Begriffe, an beliebiger Stelle

ai ai ethics artificial intelligence autonome fahrzeuge autonomous driving bayes big data bildverarbeitung classification clustering computer vision data science datenanalyse digitaler zwilling fuzzy genetische algorithmen intelligent systems intelligente systeme ki klassifikation künstliche intelligenz künstlichen intelligenz künstlicher intelligenz llm machine learning maschinelles lernen ml natural language processing neuronale netze nlp pytorch reinforcement learning robotics robotik supervised learning textanalyse transformer

Nicht nachgewiesene Leitbegriffe

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

deep learning predictive maintenance generative ki large language model ai act explainable ai

Belegte KI-Stellen

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

Art: Alle Lernziel 40 Inhalt 102 Prüfung 21 Literatur 27

Computational Intelligence

CIT1330000 6 Belege

Prüfung K2 · KI-Methoden und Algorithmen

„In der schriftlichen Prüfung wird vermitteltes Wissen ohne Hilfsmittel abgerufen, sowie der Transfer gelernter Prinzipien und Algorithmen auf verwandte Aufgaben erfragt.“

Das Zitat nennt den Transfer gelernter Prinzipien und Algorithmen, ohne einen ausdrücklichen KI-Bezug herzustellen.
Inhalt K1 · KI als Fachinhalt Niveau: anwenden

„Einführung in Theorie und Anwendung Neuronaler Netze (Single-Layer Neuronale Netze, Multilayer Neuronale Netze und Backpropagation, Radial-Basis Function Netze, Rekurrente Neuronale Netze)“

Das Zitat behandelt ausdrücklich die Theorie und Anwendung neuronaler Netze.
Inhalt K2 · KI-Methoden und Algorithmen

„Fuzzy- und Neuro-Fuzzy-Verarbeitungstechniken (Grundlagen der Fuzzy Set Theorie, Fuzzy Relations und Fuzzy Logic Inference, T-S fuzzy)“

Das Zitat nennt Fuzzy- und Neuro-Fuzzy-Verarbeitungstechniken sowie Fuzzy Logic Inference als technische Verfahren.
Inhalt K2 · KI-Methoden und Algorithmen

„Evolutionsverfahren und genetische Algorithmen zur Optimierung (Evolutionsbasiertes Rechnen, Evolutionsbasierte Optimierung, Evolutionsbasiertes Lernen und Problemlösung)“

Das Zitat behandelt Evolutionsverfahren und genetische Algorithmen zur Optimierung.
Lernziel K2 · KI-Methoden und Algorithmen

„Nach dem erfolgreichen Abschluss des Moduls sind Studierende in der Lage, moderne Methoden der Computational Intelligence allgemein anzuwenden sowie Anwendungsfälle speziell im Bereich der Steuerungs- und Regelungstechnik zu analysieren.“

Das Zitat nennt die Anwendung moderner Methoden der Computational Intelligence und getrennt davon Anwendungsfälle in der Steuerungs- und Regelungstechnik.
Literatur K7 · KI-Literatur

„Keller, Liu, Fogel: Fundamentals of Computational Intelligence, Wiley 2016.“

Projektwoche Natural Language Processing (NLP)

CIT1330001 14 Belege

Inhalt K1 · KI als Fachinhalt

„Natural Language Processing (NLP) ist ein interdisziplinäres Fachgebiet an der Schnittstelle zwischen der Informatik und der Linguistik sowie mittlerweile ein Teilbereich der Künstlichen Intelligenz.“

Das Zitat bezeichnet NLP ausdrücklich als Teilbereich der Künstlichen Intelligenz.
Inhalt K2 · KI-Methoden und Algorithmen

„Es befasst sich mit Algorithmen, welche die natürliche Sprache des Menschen (geschrieben oder gesprochen) interpretieren, um darüber einen Computer zu befähigen aus dem Inhalt Erkenntnisse zu ziehen.“

Im Mittelpunkt stehen Algorithmen zur Interpretation natürlicher Sprache und zur Erkenntnisgewinnung aus Inhalten.
Inhalt K2 · KI-Methoden und Algorithmen

„So kann man beispielsweise Texte gewissen Themen zuordnen, ähnliche Texte finden, Texte als positiv oder negativ behaftet einstufen.“

Das Zitat nennt technische Verfahren wie Themeneinordnung, Ähnlichkeitssuche und Positiv-Negativ-Klassifikation.
Inhalt K1 · KI als Fachinhalt

„Neueste Sprachmodelle, die auf künstlicher Intelligenz beruhen, können in Texten Antworten auf Fragen finden, Texte automatisiert zusammenfassen, sie vervollständigen und selbst vollkommen neue Texte generieren.“

Das Zitat behandelt auf künstlicher Intelligenz beruhende Sprachmodelle und ihre Fähigkeiten.
Lernziel K1 · KI als Fachinhalt

„Ziel des Projektpraktikums Natural Language Processing ist die Vermittlung von grundlegendem Wissen zu Natural Language Processing und aktuell in der Praxis eingesetzten Algorithmen, sowie die Vermittlung von praktischen Kenntnissen zur Interpretation von Texten und Verwendung in Anwendungsbeispielen.“

Das Zitat nennt grundlegendes Wissen zu Natural Language Processing sowie praktisch eingesetzte Algorithmen.
Inhalt K2 · KI-Methoden und Algorithmen

„- Syntaktische und statistische NLP Methoden“

Syntaktische und statistische NLP-Methoden sind technische Verfahren zur Sprachverarbeitung.
Inhalt K1 · KI als Fachinhalt

„- Transformerbasierte Modelle, generative Sprachmodelle“

Transformerbasierte Modelle und generative Sprachmodelle werden als zentrale NLP-Inhalte aufgeführt.
Inhalt K1 · KI als Fachinhalt

„- Text2Image Modelle“

Text2Image-Modelle werden als expliziter Inhalt des NLP-Projektpraktikums genannt.
Lernziel K3 · KI-Anwendungen im Fachkontext

„Möglichkeiten und konkrete Anwendungen für Natural Language Processing zu erkennen und zu verstehen“

Das Zitat zielt auf das Erkennen und Verstehen konkreter Anwendungen für NLP.
Lernziel K2 · KI-Methoden und Algorithmen Niveau: kennen / verstehen

„Systematisch Lösungsansätze zu Aufgabenstellungen im Bereich des Verstehens und Generierens von Texten zu finden“

Das Zitat beschreibt das systematische Finden von Lösungsansätzen für das Verstehen und Generieren von Texten.
Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen

„Aktuelle Herausforderungen und Diskussionen im Bereich NLP und speziell transformer-basierter generativer Sprachmodelle zu kennen und nachvollziehen zu können, Überlegungen zu aktuellen Herausforderungen anzustellen“

Das Zitat behandelt aktuelle Herausforderungen im Bereich NLP und generativer Sprachmodelle.
Lernziel K1 · KI als Fachinhalt

„Am Ende des Kurses werden die Studierenden ein grundsätzliches Verständnis von verschiedenen Ansätzen im Bereich Natural Language Processing haben.“

Das Lernziel ist ein Verständnis verschiedener Ansätze im Bereich Natural Language Processing.
Lernziel K2 · KI-Methoden und Algorithmen

„Sie werden praktische Kenntnisse zur Implementierung von NLP-Algorithmen erworben haben, von syntaktischen und semantischen Analysen über neueste Transformer-basierte generative Sprachmodelle hin zur automatischen Generierung von Bildern aus kurzen Text-Prompts über Text2Image Modelle.“

Das Zitat nennt die Implementierung von NLP-Algorithmen und zusätzlich Transformer-, generative Sprach- sowie Text2Image-Modelle.
Inhalt K1 · KI als Fachinhalt Niveau: entwickeln / gestalten

„Der inhaltliche und praktische Teil des Projektpraktikums, gepaart mit Informationen zu aktuellen Diskussionen um das Thema, erlaubt den Studierenden, selbständig Lösungen für Problemstellungen zur Gewinnung von Erkenntnissen aus Texten zu entwickeln und sich mit den neuesten Entwicklungen in dem spannenden Bereich generativer Sprachmodelle und Text2Image Modelle auseinanderzusetzen.“

Das Zitat thematisiert die neuesten Entwicklungen generativer Sprachmodelle und Text2Image-Modelle.