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.