Alle Auswertungen

Bachelor Elektrotechnik und Informationstechnik

TU Dortmund

5 / 32

Module mit KI-Bezug

von allen Modulen des Handbuchs

16 %

KI-Anteil

Modulanteil mit Beleg

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 27 KI-bezogene Textstellen in 5 von insgesamt 32 Modulen belegt. Davon entfallen 6 Fundstellen auf Lernziele, 19 auf Inhalte und 2 auf Literatur; Prüfungsbezüge sind nicht belegt. Die dokumentierten Begriffe umfassen unter anderem „machine learning“, „maschinelles lernen“, „klassifikation“, „neuronale netze“, „robotik“ und „robotics“.

Kategorienprofil

Kategorie 1 (KI als Fachinhalt) ist mit 6 Belegen in den Modulen THEORETISCHE GRUNDLAGEN DER INFORMATIONSTECHNIK FÜR ETIT (ETIT-036) und GRUNDLADEN der OPTIMIERUNG und des MASCHINELLEN LERNENS (ETIT-045) dokumentiert. ETIT-036 nennt „Statistische Signalverarbeitung und maschinelles Lernen“. In ETIT-045 werden unter anderem „Grundlagen des maschinellen Lernens“ und „Neuronale Netze“ sowie eine „Einführung in das Machine Learning“ als Inhalte genannt.

Kategorie 2 (KI-Methoden und Algorithmen) ist mit 11 Belegen in zwei Modulen dokumentiert. In ETIT-036 sollen Studierende „grundlegende Methoden der Informationstechnik, der Signalverarbeitung und des maschinellen Lernens einordnen und verstehen können“. ETIT-045 nennt unter anderem „Regression und Klassifikation“, „Verfahren des betreuten Lernens“, „Support-Vector Maschinen“, „Kernel Verfahren“, „Gauss’sche Prozesse“ sowie die „Umsetzung von Maschinellen Lernverfahren mit Hilfe von Matlab oder Python“.

Kategorie 3 (KI-Anwendungen im Fachkontext) ist mit 10 Belegen in vier Modulen dokumentiert. ETIT-045 benennt „deren Nutzung in technischen Anwendungskontexten“ und „Fallstudien aus technischen Anwendungen“. Im Modul GRUNDLAGEN DER MECHATRONIK (ETIT-020) werden „Kinematik mobiler Roboter und robotischer Arme“, die „Steuerung von LEGO Spike Robotern mit Matlab“, „Versuche Linienfolge und reaktive Hindernisvermeidung“ sowie das Entwerfen und Implementieren einfacher Regler für mobile Roboter genannt. Die BACHELORARBEIT (ETIT-198) enthält den Inhalt „LEARNING IN ROBOTICS“.

Kategorie 7 (KI-Literatur) ist mit jeweils einem Literaturbeleg in ETIT-036 und ETIT-045 dokumentiert. Genannt werden D.J.C. MacKays „Information Theory, Inference and Learning Algorithms“ sowie C. M. Bishops „Pattern recognition and machine learning“.

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

Verteilungsmuster

KI-Bezüge sind in 5 von 32 Modulen belegt. Die Kategorien 1 und 2 treten jeweils in zwei Modulen auf, Kategorie 3 in vier Modulen. Inhaltlich beziehen sich die dokumentierten Fundstellen auf maschinelles Lernen, darunter betreutes Lernen, Regression, Klassifikation, Support-Vector Maschinen, Kernel-Verfahren, Gauss’sche Prozesse und neuronale Netze, sowie auf technische Anwendungen und Robotik.

Gesamteinordnung

Die vorgelegten Befunde dokumentieren KI-Bezüge vor allem in den Bereichen maschinelles Lernen, Optimierung, Signalverarbeitung, technische Anwendungskontexte und Robotik. Lernziele nennen das Einordnen und Verstehen grundlegender Methoden des maschinellen Lernens, grundlegende Kenntnisse maschineller Lernverfahren und deren Nutzung in technischen Anwendungskontexten sowie den Entwurf und die Implementierung einfacher Regler für mobile Roboter. Als eindeutig ableitbares Lernzielniveau sind einmal analysieren/bewerten, dreimal anwenden und einmal kennen/verstehen ausgewiesen. Prüfungsbezüge sowie Bezüge zu KI-Regulierung, Ethik, Recht und KI als Lehr- und Lernmethode sind nicht nachgewiesen.

Methodische Grenzen

Die dokumentierten KI-Bezüge betreffen 5 von 32 Modulen und sind damit auf einzelne Module konzentriert. Zwei der 27 Textstellen sind Literaturbezüge; diese dokumentieren Literaturangaben, nicht eigenständig curriculare Inhalte oder Lernziele.

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 6 (22 %)
Inhalt 19 (70 %)
Literatur 2 (7 %)

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

8 Begriffe, an beliebiger Stelle

ai klassifikation machine learning maschinelles lernen neuronale netze pattern recognition robotics robotik

Nicht nachgewiesene Leitbegriffe

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

künstliche intelligenz deep learning data science computer vision natural language processing reinforcement learning predictive maintenance 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.

Art: Alle Lernziel 6 Inhalt 19 Literatur 2

GRUNDLAGEN DER MECHATRONIK ETIT-020

14 5 Belege

Inhalt K3 · KI-Anwendungen im Fachkontext

„Kinematik mobiler Roboter und robotischer Arme“

Das Zitat behandelt die Kinematik robotischer Systeme und damit eine technische Robotikanwendung.
Inhalt K3 · KI-Anwendungen im Fachkontext

„Steuerung von LEGO Spike Robotern mit Matlab“

Das Zitat beschreibt die Steuerung von Robotern als Anwendung in einem technischen System.
Inhalt K3 · KI-Anwendungen im Fachkontext

„Versuche Linienfolge und reaktive Hindernisvermeidung“

Linienfolge und reaktive Hindernisvermeidung sind Funktionen mobiler beziehungsweise autonomer Robotersysteme.
Lernziel K3 · KI-Anwendungen im Fachkontext

„mit einer Fokussierung auf die Robotik“

Das Zitat nennt ausdrücklich eine Fokussierung auf die Robotik als technischen Anwendungskontext.
Lernziel K3 · KI-Anwendungen im Fachkontext

„einfache Regler für mobile Roboter zu entwerfen und zu implementieren“

Das Zitat behandelt den Entwurf und die Implementierung von Reglern für mobile Roboter.

THEORETISCHE GRUNDLAGEN DER INFORMATIONSTECHNIK FÜR ETIT ETIT-036

17 3 Belege

Inhalt K1 · KI als Fachinhalt

„5. Statistische Signalverarbeitung und maschinelles Lernen“

Das Zitat nennt maschinelles Lernen ausdrücklich als Lehrinhalt des Moduls.
Lernziel K2 · KI-Methoden und Algorithmen Niveau: kennen / verstehen

„Sie sollen verschiedene grundlegende Methoden der Informationstechnik, der Signalverarbeitung und des maschinellen Lernens einordnen und verstehen können.“

Das Zitat bezieht sich ausdrücklich auf das Einordnen und Verstehen grundlegender Methoden des maschinellen Lernens.
Literatur K7 · KI-Literatur

„D.J.C. MacKay: Information Theory, Inference and Learning Algorithms. Cambridge Univ. Press 2007“

BACHELORARBEIT ETIT-198

27 1 Beleg

Inhalt K3 · KI-Anwendungen im Fachkontext

„LEARNING IN ROBOTICS“

Das Zitat bezieht sich auf Lernverfahren im technischen Fachkontext der Robotik.

GRUNDLADEN der OPTIMIERUNG und des MASCHINELLEN LERNENS ETIT-045

35 17 Belege

Inhalt K1 · KI als Fachinhalt

„Einführung in das Machine Learning Vorlesung 080330 V 3 2“

Das Zitat nennt ausdrücklich eine Einführung in das maschinelle Lernen als Lehrinhalt.
Inhalt K1 · KI als Fachinhalt

„Einführung in das Machine Learning Übung 080331 Ü 1,5 1“

Das Zitat bezeichnet die Übung ausdrücklich als Einführung in das maschinelle Lernen.
Inhalt K2 · KI-Methoden und Algorithmen

„Numerische Optimierung ist omnipräsent in technischen Systemen. Sie ist elementar für die Automatisierungstechnik, die Produktionsplanung, die Logistik oder das maschinelle Lernen.“

Das Zitat behandelt numerische Optimierung als technisches Verfahren und nennt deren Bedeutung für maschinelles Lernen.
Inhalt K1 · KI als Fachinhalt

„Lehrinhalte der Elemente 3 und 4 ([Person])“

Das Zitat verweist auf Lehrinhalte, ohne deren konkrete Inhalte näher zu benennen.
Inhalt K1 · KI als Fachinhalt

„Grundlagen des maschinellen Lernens“

Das Zitat nennt ausdrücklich die Grundlagen des maschinellen Lernens als Lehrinhalt.
Inhalt K2 · KI-Methoden und Algorithmen

„Regression und Klassifikation“

Regression und Klassifikation werden als technische Verfahren des maschinellen Lernens genannt.
Inhalt K2 · KI-Methoden und Algorithmen

„Verfahren des betreuten Lernens“

Das Zitat behandelt Verfahren des betreuten Lernens.
Inhalt K2 · KI-Methoden und Algorithmen

„Support-Vector Maschinen“

Support-Vector-Maschinen werden als konkretes maschinelles Lernverfahren genannt.
Inhalt K2 · KI-Methoden und Algorithmen

„Kernel Verfahren“

Kernel-Verfahren werden als technische Verfahren des maschinellen Lernens genannt.
Inhalt K2 · KI-Methoden und Algorithmen

„Gauss’sche Prozesse“

Gauss'sche Prozesse werden als konkretes Verfahren des maschinellen Lernens genannt.
Inhalt K1 · KI als Fachinhalt

„Neuronale Netze“

Neuronale Netze werden als expliziter Lehrinhalt aus dem Bereich der KI genannt.
Inhalt K2 · KI-Methoden und Algorithmen

„Umsetzung von Maschinellen Lernverfahren mit Hilfe von Matlab oder Python“

Das Zitat behandelt die praktische Umsetzung maschineller Lernverfahren mit Matlab oder Python.
Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: anwenden

„Fallstudien aus technischen Anwendungen“

Das Zitat nennt Fallstudien aus technischen Anwendungen des maschinellen Lernens.
Literatur K7 · KI-Literatur

„Bishop, C. M. Pattern recognition and machine learning. Springer, 2006.“
Lernziel K3 · KI-Anwendungen im Fachkontext

„Weiterhin besitzen die Studierenden nach erfolgreicher Teilnahme am Modul grundlegende Kenntnisse maschineller Lernverfahren und deren Nutzung in technischen Anwendungskontexten.“

Das Zitat verbindet Kenntnisse maschineller Lernverfahren mit deren Nutzung in technischen Anwendungskontexten.
Lernziel K2 · KI-Methoden und Algorithmen Niveau: analysieren / bewerten

„Hinsichtlich der numerischen Lösung der Trainingsprobleme sind die Studierenden mit grundlegenden algorithmischen Strukturen und Verfahren vertraut, so dass sie Lösungen aus Software-Werkzeuge interpretieren und beurteilen können.“

Das Zitat nennt algorithmische Strukturen und Verfahren zur numerischen Lösung von Trainingsproblemen.
Lernziel K3 · KI-Anwendungen im Fachkontext Niveau: anwenden

„Anhand ingenieurstechnischer Beispiele haben die Studierenden darüber hinaus einen Einblick in die vielfältigen Anwendungsmöglichkeiten des maschinellen Lernens erlangt, so dass sie diese Methoden im weiteren Studienverlauf zielführend einsetzen können.“

Das Zitat stellt die vielfältigen Anwendungsmöglichkeiten des maschinellen Lernens anhand ingenieurstechnischer Beispiele heraus.

Elektrotechnik und Informationstechnik – Wegbereiter für eine nachhaltige

50 1 Beleg

Inhalt K3 · KI-Anwendungen im Fachkontext Niveau: anwenden

„werden Aspekte der Klimaforschung, Klimaökonomie, Energieffizienz sowie intelligenter Anwendungen in den Bereichen Strom, Wärme und Mobilität betrachtet.“

Das Zitat nennt intelligente Anwendungen in technischen Bereichen wie Strom, Wärme und Mobilität und ordnet sie damit KI-Anwendungen im Fachkontext zu.