Zum Inhalt springen
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
27
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
38
K2 · KI-Methoden und Algorithmen
61
K3 · KI-Anwendungen im Fachkontext
56
K4 · Grundlagen mit explizitem KI-Bezug
1
K5 · KI als Lehr- und Lernmethode
0
K6 · KI-Regulierung / Ethik / Recht
20
K7 · KI-Literatur
27

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
8
anwenden
19
analysieren / bewerten
3
entwickeln / gestalten
3

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.

Introduction to Machine Learning

EI04016 7 Belege
  • Inhalt K2 · KI-Methoden und Algorithmen
    „he course provides an introduction to concepts, methods, best practices, and theoretical foundations of standard machine learning algorithms.“

    Das Zitat behandelt ausdrücklich standardmäßige Machine-Learning-Algorithmen und deren theoretische Grundlagen.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Topics covered include regression, classification, model selection and validation, kernels, nearest neighbor algorithms, clustering, decision trees, ensemble learning, empirical risk minimization and regularization.“

    Das Zitat listet technische Machine-Learning-Verfahren wie Klassifikation, Clustering, Entscheidungsbäume und Ensemble Learning auf.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „The foundations of machine learning and basic machine learning algorithms are introduced and explained during lectures, mostly on the board, but also by showing coding examples and running the algorithms on simple example data during the lectures.“

    Das Zitat nennt die Einführung in die Grundlagen und grundlegenden Algorithmen des Machine Learning einschließlich ihrer Ausführung.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Exercises with both theory and coding problems are handed out every second week, and whenever a new exercise is handed out, solutions for the previous one are distributed.“

    Das Zitat beschreibt Übungen mit Theorie- und Coding-Problemen zu den im Modul behandelten Verfahren.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „The exercises allow the students to gain a deeper understanding of the methods by mathematically deriving properties about them, and by applying them on real data.“

    Das Zitat nennt die mathematische Herleitung von Eigenschaften der Methoden und deren Anwendung auf reale Daten.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „The discussion session has an interactive format in that it is a forum for asking specific questions about the exercises and the methods introduced in the lectures, and discussing certain problems or parts of the lecture in more detail on the board, but only on request by the students during the discussion session.“

    Das Zitat bezieht sich auf die in den Vorlesungen eingeführten Methoden und deren vertiefte Diskussion.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „sometimes code and algorithms are shown with a projector.“

    Das Zitat nennt die Darstellung von Code und Algorithmen.

Maschinelle Intelligenz und Gesellschaft (in Python)

EI04017 2 Belege
  • Inhalt K1 · KI als Fachinhalt
    „Künstliche Intelligenz, Maschinelles Lernen und Neuronale Netze“

    Das Zitat nennt Künstliche Intelligenz, Maschinelles Lernen und Neuronale Netze ausdrücklich als Fachinhalte.

  • Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: anwenden
    „Teamorientiertes Software-Projekt zur Datenanalyse/Künstlichen Intelligenz zur eigenständigen Anwendung der erlernten Konzepte.“

    Das Zitat beschreibt ein Software-Projekt zur Datenanalyse und Künstlichen Intelligenz, in dem die erlernten Konzepte praktisch angewendet werden.

Python for Engineering Data Analysis - From Machine Learning to Visualization

EI04024 4 Belege
  • Inhalt K1 · KI als Fachinhalt
    „Mit dem Erfolg datengetriebener Geschäftsmodelle, die oft auf maschinellem Lernen (ML) und künstlicher Intelligenz (KI) aufbauen, rücken "data science" und "data modeling" in den Blickpunkt vieler Disziplinen.“

    Das Zitat nennt künstliche Intelligenz und maschinelles Lernen ausdrücklich als zentrale Grundlagen datengetriebener Geschäftsmodelle.

  • Inhalt K1 · KI als Fachinhalt
    „Im Zuge dieser Entwiclung werden "data science"-Paradigmen heute als "die neue Methode" in allen wissenschaftlichen und ingenieurstechnischen Disziplinen eingeführt.“

    Das Zitat ordnet Data-Science-Paradigmen als neue Methode in wissenschaftlichen und ingenieurstechnischen Disziplinen ein.

  • Inhalt K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Zusätzlich wird der Zusammenhang zwischen einfachen statistischen Modellen und Methoden des maschinellen Lernens besprochen und ihre Anwendungsmöglichkeiten und Limitierungen diskutiert.“

    Das Zitat behandelt den Zusammenhang und die Anwendungsmöglichkeiten von Methoden des maschinellen Lernens.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „- Einführung in Methoden des maschinellen Lernens.“

    Das Zitat kündigt ausdrücklich eine Einführung in Methoden des maschinellen Lernens an.

Projektpraktikum Multimedia

EI05381 3 Belege
  • Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: anwenden
    „Im Projektpraktikum Multimedia liegt der Fokus auf der Realisierung von multimedialen Anwendungen für verschiedenen Plattformen unter Verwendung von maschinellem Lernen als Backend und Webprogrammierung als Frontend.“

    Das Zitat beschreibt multimediale Anwendungen, die maschinelles Lernen als Backend verwenden, und damit KI in technischen Anwendungen.

  • Inhalt K1 · KI als Fachinhalt Niveau: kennen / verstehen
    „Während in wöchentlich stattfindenden Lab-Sessions die grundlegenden Kenntnisse des maschinellen Lernens und Python- und Webprogrammierung (basierend auf Kursen und Programmieraufgaben) erarbeitet werden“

    Das Zitat nennt ausdrücklich grundlegende Kenntnisse des maschinellen Lernens sowie Python- und Webprogrammierung; daher liegt sowohl KI als Fachinhalt als auch Programmierung mit explizitem KI-Bezug vor.

  • Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: anwenden
    „in kleinen Teams eine eigene Applikation, z.B. im Bereich der visuellen Navigation oder Objektklassifizierung, zu implementieren.“

    Das Zitat beschreibt die Implementierung eigener Applikationen, etwa zur visuellen Navigation oder Objektklassifizierung, und damit KI-Anwendungen im Fachkontext.

Praktikum Regelung und Automation

EI06631 1 Beleg
  • Inhalt K2 · KI-Methoden und Algorithmen
    „Reglerentwurf, Regelung mobiler Roboter, Steuerung mit Petrinetzen, Steuerung mit SPS und Neuronale Netze“

    Das Zitat nennt mit „Neuronale Netze“ ein technisches KI-Verfahren; die übrigen Inhalte betreffen Steuerungs- und Regelungsverfahren.

Fundamentals of Artificial Intelligence

IN2406 10 Belege
  • Inhalt K1 · KI als Fachinhalt
    „Task environments and the structure of intelligent agents.“

    Das Zitat behandelt intelligente Agenten und deren Aufgabenwelten als grundlegende KI-Konzepte.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Solving problems by searching: breadth-first search, uniform-cost search, depth-first search, depth-limited search, iterative deepening search, greedy best-first search, A* search.“

    Das Zitat nennt verschiedene technische Suchverfahren wie Breitensuche, Tiefensuche und A*-Suche.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Constraint satisfaction problems: defining constraint satisfaction problems, backtracking search for constraint satisfaction problems, heuristics for backtracking search, interleaving search and inference, the structure of constraint satisfaction problems.“

    Das Zitat behandelt Constraint-Satisfaction-Verfahren einschließlich Backtracking und Heuristiken.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Logical agents: propositional logic, propositional theorem proving, syntax and semantics of first-order logic, using first-order logic, knowledge engineering in first-order logic, reducing first-order inference to propositional inference, unification and lifting, forward chaining, backward chaining, resolution.“

    Das Zitat nennt technische Verfahren der logischen Repräsentation und des automatischen Schließens.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Bayesian networks: acting under uncertainty, basics of probability theory, Bayesian networks, inference in Bayesian networks, approximate inference in Bayesian networks.“

    Das Zitat behandelt Bayes-Netze und Verfahren zur probabilistischen Inferenz.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Hidden Markov models: time and uncertainty, inference in hidden Markov models (filtering, prediction, smoothing, most likely explanation), approximate inference in hidden Markov models.“

    Das Zitat behandelt Hidden-Markov-Modelle sowie deren Inferenzverfahren.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Rational decisions: introduction to utility theory, utility functions, decision networks, the value of information, Markov decision processes, value iteration, policy iteration, partially observable Markov decision processes.“

    Das Zitat nennt technische Verfahren der Entscheidungs- und Markov-Entscheidungstheorie.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Learning: types of learning, supervised learning, learning decision trees, reinforcement learning.“

    Das Zitat behandelt maschinelles Lernen mit überwachtem Lernen, Entscheidungsbäumen und Reinforcement Learning.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Introduction to robotics: robot hardware, robotic perception, path planning, planning uncertain movements, control of movements, application domains.“

    Das Zitat behandelt Robotik als technisches Anwendungssystem mit Wahrnehmung, Pfadplanung und Bewegungssteuerung.

  • Inhalt K1 · KI als Fachinhalt
    „As an incentive to create artificial intelligence oneself, we provide programming challenges: if students solve a required number of programming challenges, they obtain a 0.3 grade bonus for their exam.“

    Das Zitat nennt ausdrücklich das eigenständige Erstellen von artificial intelligence im Rahmen von Programmieraufgaben.

Technik und Gesellschaft

MCTS9002 1 Beleg
  • Inhalt K1 · KI als Fachinhalt Niveau: anwenden
    „Beispiele für mögliche Anwendungsfelder sind Future Mobility, Umwelt und Nachhaltigkeit, AI, Digitalisierung, ChatGPT usw.“

    Das Zitat nennt AI und ChatGPT ausdrücklich als mögliche Anwendungsfelder bzw. Inhalte.

Project Week: Sensors and Wearables for Automated Detection of Nutrition, Physical Activit

MHP00002 2 Belege
  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Project Week: Sensors and Wearables for Automated Detection of Nutrition, Physical Activity, and Sleep“

    Das Zitat beschreibt die Anwendung von Sensoren und Wearables zur automatisierten Erkennung von Ernährung, körperlicher Aktivität und Schlaf in technischen Systemen.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „From wearable sensors to visual signals - using video data for PA detection“

    Das Zitat beschreibt die Anwendung visueller Signale und Videodaten zur Erkennung körperlicher Aktivität.