Bachelor Maschinenbau

Im Bachelor Maschinenbau der OvGU Magdeburg sind in 6 von insgesamt 78 Modulen KI-Bezüge belegt. Dokumentiert sind 17 KI-Textstellen, davon 6 in Lernzielen und 11 in Inhalten; Prüfungs- und Literaturbelege liegen nicht vor. Die Belege betreffen KI als Fachinhalt, KI-Methoden und Algorithmen sowie KI-Anwendungen im Fachkontext.

Kategorie 1 (KI als Fachinhalt) ist mit 5 Belegen in 3 Modulen dokumentiert. In „Einführung in die Produktionsplanung und –steuerung“ wird „10 Einführung ins AI Engineering“ genannt. Das Modul „Einführung ins AI Engineering“ behandelt grundlegende Begriffe aus KI und Ingenieurwissenschaften, darunter „Starke / schwache KI, Definition Algorithmus, Intelligenz, Kreativität, Modell, Prozess“, und benennt als Lernziel Kenntnisse darüber, „was KI bedeutet, was ein Algorithmus ist und“ aktuelle Diskussionen zum Einsatz von KI-Methoden. In „Simulation in Produktion und Logistik“ werden „Ereignisdiskrete Simulationsmodelle und maschinelles Lernen“ genannt.

Kategorie 2 (KI-Methoden und Algorithmen) ist mit 9 Belegen in 4 Modulen dokumentiert. Im Modul „Einführung ins AI Engineering“ werden Kenntnisse über den „Entwicklungsprozess von KI-Algorithmen“ und die Modellierungssicht ingenieurtechnischer Probleme genannt. Im Modul „schen Prozessen und Systemen 601433“ beziehen sich Lernziele auf die „Konzeption und Implementierung von KI-basierten Lösungsstrategien für Steuerungs- und Optimierungsprobleme“ sowie auf „Hyperparameter-Optimierung von KI-basierten Lösungsstrategien“; in den Inhalten erscheinen tiefes bestärkendes Lernen, die OpenAI-Gym-Schnittstelle sowie evolutionäre und schwarmbasierte Algorithmen. Das Modul „KI-Verfahren in der Produktionsplanung und -steuerung“ nennt Deep Reinforcement Learning, Metaheuristiken, MDP-Formulierung, State-/ActionSpace-Design, Belohnungsfunktionen sowie DRL-Algorithmen wie Rainbow DQN, PPO und Actor-Critic.

Kategorie 3 (KI-Anwendungen im Fachkontext) ist mit 4 Belegen in 3 Modulen dokumentiert. „Einführung ins AI Engineering“ nennt aktuelle Beispiele für den KI-Einsatz an der Schnittstelle von KI und Ingenieurwesen sowie eine Diskussion über Stärken, Schwächen, Herausforderungen und kritische Entwicklungen von KI. Im Modul „schen Prozessen und Systemen 601433“ werden Deep Reinforcement Learning und die OpenAI-Gym-Schnittstelle „für die Steuerung von technischen Prozessen“ sowie die Integration KI-basierter Lösungsstrategien mit Simulationsmodellen technischer Systeme und Prozesse genannt. Im Modul „KI-Verfahren in der Produktionsplanung und -steuerung“ entwickeln und evaluieren Studierende in einer Projektphase „eigene KI-basierte Lösungen für bestimmte PPS-Probleme“.

Kategorie 4 (Grundlagen mit explizitem KI-Bezug), Kategorie 5 (KI als Lehr- und Lernmethode), Kategorie 6 (KI-Regulierung / Ethik / Recht) und Kategorie 7 (KI-Literatur) sind nicht nachgewiesen.

Die KI-Bezüge sind in 6 von 78 Modulen belegt. Kategorie 1 tritt in 3 Modulen, Kategorie 2 in 4 Modulen und Kategorie 3 in 3 Modulen auf. Inhaltlich beziehen sich die dokumentierten Stellen auf AI Engineering, maschinelles Lernen, Deep Reinforcement Learning, Metaheuristiken, technische Prozesse und Systeme sowie Produktionsplanung und -steuerung.

Die dokumentierten KI-Bezüge umfassen grundlegende KI-Begriffe, Entwicklungsprozesse von KI-Algorithmen, KI-basierte Lösungsstrategien für Steuerungs- und Optimierungsprobleme sowie Anwendungen in technischen Prozessen, Simulationsmodellen und PPS-Problemen. Von den eindeutig ableitbaren Lernzielniveaus entfallen 1 auf anwenden, 1 auf entwickeln/gestalten und 2 auf kennen/verstehen. Im Handbuch vorkommende KI-Begriffe sind ai, clusteranalyse, evolutionäre algorithmen, ki, klassifikation, maschinelles lernen, reinforcement learning, robotics und robotik.

Die Belege liegen nur in 6 von 78 Modulen vor. Prüfungs- und Literaturbelege sind nicht dokumentiert.