Zum Inhalt springen
Alle Auswertungen

Bachelor Maschinenbau

KIT

7 / 55
Module mit KI-Bezug
von allen Modulen des Handbuchs
13 %
KI-Anteil
Modulanteil mit Beleg
33
Belegte KI-Stellen
wörtlich, geprüft
0
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 in 7 von 55 Modulen KI-Bezüge belegt. Es liegen 33 KI-Textstellen vor, davon 14 in Lernzielen und 19 in Inhaltsbeschreibungen; Prüfungs- und Literaturbelege sind nicht dokumentiert. Belegt sind KI als Fachinhalt, KI-Methoden und Algorithmen sowie KI-Anwendungen im Fachkontext.

Kategorienprofil

Kategorie 1 (KI als Fachinhalt) ist mit 3 Belegen in 3 Modulen dokumentiert. Im Modul „Menschzentrierte Produktentwicklung und Produktion“ werden „mobile Roboter, humanoide Roboter, KI und Steuerungen“ genannt. Das Begleitstudium Wissenschaft verweist auf Debatten zu „Digitalisierung/Künstliche Intelligenz“. Im Projekt „Data-Driven Engineering Fundamentals“ wird Erfahrung mit „Beispiele[n] Intelligenter Systeme“ aus Experimenten oder Simulationen als Lernziel beschrieben.

Kategorie 2 (KI-Methoden und Algorithmen) ist mit 17 Belegen in 2 Modulen dokumentiert. Im Modul „Menschzentrierte Produktentwicklung und Produktion“ werden die sechs Phasen des CRISP-DM-Prozesses, Datenquellen, Datenaufnahme, Datentransfer, Datenspeicherung, Datenfilterung, Datenvorverarbeitung sowie Algorithmen und Verfahren zur Implementierung von KI in der Produktion behandelt. Die Lernziele nennen maschinelle Lernverfahren, Daten-Pipelines, Deep-Learning-Verfahren sowie die Auswahl, Beurteilung und theoretische Anwendung von Verfahren des maschinellen Lernens. Außerdem wird die Auswahl oder Kombination von Methoden des maschinellen Lernens, der Optimierung und der Simulation für offene Aufgabenstellungen beschrieben.

Kategorie 3 (KI-Anwendungen im Fachkontext) ist mit 15 Belegen in 2 Modulen dokumentiert. Das Modul „Menschzentrierte Produktentwicklung und Produktion“ beschreibt die Integration von maschinellem Lernen und künstlicher Intelligenz in der Produktion entlang des CRISP-DM-Prozesses, einschließlich Datengenerierung, Datenaufbereitung, Implementierung und Absicherung im industriellen Umfeld. Als Lernziele sind die Beurteilung von Fragestellungen im Produktionskontext, der Aufbau einer Daten-Pipeline für reale Anwendungsfälle sowie die Anwendung der CRISP-DM-Phasen auf Problemstellungen in der Produktion dokumentiert. Zudem werden datengetriebene Lösungen in Produktentwicklung, Produktionssystemen, Logistik und Robotik genannt.

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

Verteilungsmuster

KI-Bezüge sind in 7 von 55 Modulen belegt. Die Kategorien 2 und 3 konzentrieren sich jeweils auf 2 Module; mehrere dokumentierte Inhalte stammen aus dem Modul „Menschzentrierte Produktentwicklung und Produktion“. Inhaltlich beziehen sich die Zitate insbesondere auf maschinelles Lernen, Deep Learning, Daten-Pipelines, den CRISP-DM-Prozess sowie KI-Integration in der Produktion und im industriellen Umfeld.

Gesamteinordnung

Die dokumentierten KI-Bezüge umfassen Fachinhalte, Methoden und Algorithmen sowie Anwendungen im Fachkontext. Die Textstellen beschreiben unter anderem künstliche Intelligenz in der Produktion, maschinelle Lernverfahren, Datenverarbeitung, Deep Learning, Daten-Pipelines, intelligente Systeme und datengetriebene Lösungen. Für eindeutig ableitbare Lernziele sind 4 Nennungen zu analysieren/bewerten, 7 zu anwenden, 1 zu entwickeln/gestalten und 4 zu kennen/verstehen ausgewiesen.

Methodische Grenzen

Die Belege betreffen 7 von 55 Modulen und sind damit nur in einzelnen Modulen dokumentiert. Prüfungs- und Literaturbelege liegen nicht vor.

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

Belege je Kategorie

K1 · KI als Fachinhalt
3
K2 · KI-Methoden und Algorithmen
17
K3 · KI-Anwendungen im Fachkontext
15
K4 · Grundlagen mit explizitem KI-Bezug
0
K5 · KI als Lehr- und Lernmethode
0
K6 · KI-Regulierung / Ethik / Recht
0
K7 · KI-Literatur
0

Art der Fundstelle

  • Lernziel 14 (42 %)
  • Inhalt 19 (58 %)

Lernzielniveau

Aus dem Verb abgeleitet; unklare Fälle bleiben bewusst leer.

kennen / verstehen
4
anwenden
7
analysieren / bewerten
4
entwickeln / gestalten
1

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

19 Begriffe, an beliebiger Stelle

clustering data analytics data science datenanalyse deep learning entscheidungsunterstützung intelligente systeme ki künstliche intelligenz künstlichen intelligenz machine learning maschinelles lernen neuronale netze predictive maintenance pytorch robotics robotik smart factory vorausschauende wartung

Nicht nachgewiesene Leitbegriffe

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

computer vision natural language processing reinforcement learning digitaler zwilling generative ki large language model ai act explainable ai

Belegte KI-Stellen

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

Menschzentrierte Produktentwicklung und Produktion

M-MACH-106387 9 Belege
  • Inhalt K1 · KI als Fachinhalt
    „Im Fokus stehen Technologien wie mobile Roboter, humanoide Roboter, KI und Steuerungen.“

    Das Zitat nennt KI ausdrücklich als eine der im Fokus stehenden Technologien.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Das Modul KI in der Produktion soll Studierenden die praxisnahe, ganzheitliche Integration von Verfahren des Maschinellen Lernens und der künstlichen Intelligenz in der Produktion vermitteln. Die Veranstaltung orientiert sich hierbei an den Phasen des CRISP-DM Prozesses mit dem Ziel, ein tiefes Verständnis für die notwendigen Schritte und inhaltlichen Aspekte (Methoden) innerhalb der einzelnen Phasen zu entwickeln. Hierbei liegt der Fokus neben der Vermittlung der praxisrelevanten Aspekte zur Integration der wichtigsten Verfahren des Maschinellen Lernens vor allem auf den notwendigen Schritten zur Datengenerierung und Datenaufbereitung sowie der Implementierung und Absicherung der Verfahren im industriellen Umfeld.“

    Das Zitat behandelt die Integration von KI- und ML-Verfahren in der Produktion und nennt ausdrücklich deren Methoden und Implementierung.

  • Inhalt K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Die Lehrveranstaltung "Künstliche Intelligenz in der Produktion" behandelt hierbei die theoretischen Grundlagen in einem praktischen Kontext. Hierbei werden die sechs Phasen des CRISP-DM Prozesses sequenziell durchlaufen und die notwendigen Grundlagen zur Implementierung der jeweiligen Phasen vermittelt. Die Veranstaltung behandelt zunächst die im Produktionsumfeld vorherrschenden Datenquellen. Daran anschließend werden Möglichkeiten zur zielführenden Datenaufnahme sowie zum Datentransfer und zur Datenspeicherung eingeführt. Möglichkeiten zur Datenfilterung und Datenvorverarbeitung werden diskutiert und auf die produktionsrelevanten Aspekte hingewiesen. Die Veranstaltung behandelt anschließend im Detail die notwendigen Algorithmen und Verfahren zur Implementierung von KI in der Produktion, bevor Techniken und Grundlagen zur Verstetigung der Modelle in der Produktion (Deployment) diskutiert werden.“

    Im Mittelpunkt stehen Algorithmen und Verfahren zur Implementierung von KI, ausdrücklich im Produktionskontext.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Modernes Ingenieurwesen setzt zunehmend auf datengetriebene Lösungen in Bereichen wie Produktentwicklung, Produktionssysteme, Logistik und Robotik.“

    Das Zitat nennt datengetriebene Lösungen in technischen Anwendungsfeldern wie Produktionssystemen, Logistik und Robotik.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Dieser projektbasierte Kurs führt die Studierenden in kleinen Teams an eine datengetriebene Ingenieursaufgabe in einem der genannten Bereiche heran.“

    Der Kurs führt an eine datengetriebene Ingenieursaufgabe in technischen Anwendungsbereichen heran.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Der Schwerpunkt liegt auf der gemeinsamen Strukturierung und Lösung einer offenen Aufgabenstellung, der Organisation der Projektarbeit sowie der Auswahl oder Kombination geeigneter Methoden aus den Bereichen des maschinellen Lernens, der Optimierung und der Simulation.“

    Das Zitat fokussiert die Auswahl und Kombination von Methoden aus maschinellem Lernen, Optimierung und Simulation.

  • Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: entwickeln / gestalten
    „Die Studierenden nutzen moderne Werkzeuge und Softwarebibliotheken für datengetriebene Ingenieuranwendungen (abhängig von der Aufgabe, z. B. Isaac Sim, PyTorch, ROS2, Gymnasium), um eine prototypische Lösung zu entwickeln, umzusetzen und zu evaluieren.“

    Die Werkzeuge und Softwarebibliotheken werden zur Entwicklung einer prototypischen datengetriebenen Ingenieuranwendung eingesetzt.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Die gesammelten Daten werden bspw. mittels Big Data Analytics zur Prozessoptimierung genutzt.“

    Big Data Analytics wird ausdrücklich zur Prozessoptimierung eingesetzt.

  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Predictive Maintenance, also die vorausschauende Wartung, hilft, Ausfälle zu vermeiden, während KI-gestützte Entscheidungsunterstützung die Effizienz und Flexibilität der Produktionsprozesse erhöht.“

    Das Zitat nennt Predictive Maintenance und KI-gestützte Entscheidungsunterstützung als Anwendungen in Produktionsprozessen.

Anmeldung zur Zertifikatsausstellung - Begleitstudium Wissenschaft, 0 LP

T-FORUM-113587 1 Beleg
  • Inhalt K1 · KI als Fachinhalt
    „Die Lehrveranstaltungen im Gegenstandsbereich geben Einblicke in aktuelle Debatten zu gesellschaftlichen Großthemen wie Nachhaltigkeit, Digitalisierung/Künstliche Intelligenz oder Geschlechtergerechtigkeit/soziale Gerechtigkeit/Bildungschancen.“

    Das Zitat nennt Künstliche Intelligenz ausdrücklich als gesellschaftliches Großthema, zu dem aktuelle Debatten behandelt werden.

Gruppenarbeit zu IT und Data Science 1 LP

T-MACH-113410 1 Beleg
  • Inhalt Niveau: anwenden
    „Programmierumgebung Jupyter Notebook/Anaconda für Python, Python-Bibliotheken für Maschinenbau und Data Science, ITGrundlagen, Grundlegende Konzepte der Programmierung, Objekte, Klassen, Methoden, Objektorientierung, Algorithmisches Denken, Grundlagen/Anwendung von Data Science im Maschinenbau. Programmieraufgaben Einzel und in Gruppen.“

Project: Data-Driven Engineering Fundamentals 4 LP

T-MACH-115010 8 Belege
  • Inhalt K3 · KI-Anwendungen im Fachkontext
    „Maschinelle Intelligenz eröffnet Maschinen neuartige Fähigkeiten und definiert zunehmend den Nutzen und die Kundenzufriedenheit von Maschinen.“

    Das Zitat beschreibt den Nutzen maschineller Intelligenz für Maschinen und deren Kundenzufriedenheit.

  • Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: kennen / verstehen
    „Das Fachgebiet „Intelligente Systeme“ betrachtet den sogenannten Perception-Action Loop, das heißt die Wirkkette von der sensoriellen Wahrnehmung der Umgebung über das Verstehen des Lagebilds bis hin zur Verhaltensplanung und dessen Regelung mithilfe der Aktoren.“

    Das Zitat beschreibt mit dem Perception-Action Loop die technische Wirkkette intelligenter Systeme.

  • Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: anwenden
    „Das Fachgebiet beinhaltet Anwendungsfelder Intelligenter Systeme ebenso wie mathematische Modelle und Methoden für die Realisierung des Perception-Action Loops.“

    Das Zitat nennt ausdrücklich Anwendungsfelder intelligenter Systeme und zusätzlich mathematische Modelle und Methoden für deren Realisierung.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Methodisch werden neben etablierten Verfahren, wie der Wahrnehmung mithilfe probabilistischer Modelle und regelbasierter Planung, zunehmend datengetriebene Ansätze der künstlichen Intelligenz (KI), wie Tiefe Neuronale Netze eingesetzt.“

    Das Zitat behandelt datengetriebene KI-Verfahren wie tiefe neuronale Netze neben probabilistischen und regelbasierten Verfahren.

  • Inhalt K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Diese zeigen in weiten Anwendungsfeldern gegenüber etablierten Verfahren eine oft höhere Performanz.“

    Das Zitat vergleicht die Performanz datengetriebener KI-Ansätze mit etablierten Verfahren.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Häufig wird dabei die Architektur des Neuronalen Netzes an die Wirkweise entsprechender probabilistischer oder regelbasierter Verfahren angelehnt, so dass Wissen aus beiden Domänen vorteilhaft ist.“

    Das Zitat behandelt die Architektur neuronaler Netze sowie deren Verbindung mit probabilistischen und regelbasierten Verfahren.

  • Inhalt K2 · KI-Methoden und Algorithmen
    „Außerdem besitzen KI Ansätze in aller Regel black box Charakter, d.h. es ist schwer oder gar nicht möglich, gewisse Verhaltenseigenschaften zuzusichern.“

    Das Zitat beschreibt eine charakteristische Einschränkung von KI-Ansätzen, nämlich ihren Black-Box-Charakter und die erschwerte Zusicherung von Verhaltenseigenschaften.

  • Inhalt K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Daher werden in sicherheitskritischen Anwendungen häufig Kombinationen von KI-Methoden mit etablierten Verfahren eingesetzt.“

    Das Zitat behandelt die Kombination von KI-Methoden mit etablierten Verfahren in sicherheitskritischen Anwendungen.