Formuliert ausschließlich aus den geprüften Zitaten und den im Code berechneten Zahlen, ohne Wertung und ohne Ausprägungsstufen.
Im Modulhandbuch sind 93 Module erfasst; 11 Module weisen belegte KI-Bezüge auf. Dokumentiert sind 97 KI-Textstellen, davon 36 in Lernzielen und 61 in Inhaltsbeschreibungen; Prüfungs- und Literaturbelege sind nicht dokumentiert. Die eindeutig ableitbaren Lernzielniveaus umfassen 1 Beleg für analysieren/bewerten, 11 für anwenden und 8 für kennen/verstehen.
Kategorie 1 (KI als Fachinhalt) ist mit 18 Belegen in 4 Modulen dokumentiert. Im „Praktikum Systems Engineering und KI-Verfahren 2 LP Sax“ werden selbstlernende Systeme, überwachtes und unüberwachtes maschinelles Lernen, Clustering-Verfahren, neuronale Netze, Deep Learning und Verlustfunktionen genannt. Die Lernziele beziehen sich unter anderem auf Merkmale und Komponenten selbstlernender Systeme, den Aufbau künstlicher neuronaler Netze, Convolutional Neural Networks sowie Grundlagen der Verarbeitung natürlicher Sprache. Im „Industriepraktikum 15 LP Hiller“ wird „Software-Entwicklung und Engineering, z.B. auf den Gebieten KI und maschinellem Lernen“ aufgeführt; im „Informationsverarbeitung - Workshop 0 LP Becker, Harbaum“ werden Grundlagen und Anwendungen des maschinellen Lernens im Zusammenhang mit Rechnerarchitekturen und Hardware/Software-Codesign genannt.
Kategorie 2 (KI-Methoden und Algorithmen) ist mit 56 Belegen in 8 Modulen dokumentiert. Der „Informationsverarbeitung - Workshop 0 LP Becker, Harbaum“ enthält „Einführung ML, Klassische ML-Methoden, CNNs“. Im „Labor für angewandte Machine Learning Algorithmen 6 LP Becker, Sax, Stork“ beziehen sich Lernziele auf das Analysieren komplexer Probleme, die Beurteilung der Notwendigkeit maschineller Lernverfahren, das Erklären moderner Verfahren sowie deren Auswahl und Umsetzung anhand von Anforderungen wie Trainingszeit, Datenverfügbarkeit, Effizienz und Performance. Genannt werden außerdem Implementierungsalternativen im HW/SW-Codesign. Weitere dokumentierte Verweise betreffen „Einführung in Systems Engineering und KI-Verfahren“, ein „Labor für angewandte Machine Learning Algorithmen“ sowie das „Praktikum Systems Engineering und KI-Verfahren“.
Kategorie 3 (KI-Anwendungen im Fachkontext) ist mit 31 Belegen in 6 Modulen dokumentiert. Das Modul „Grundlagen der Künstlichen Intelligenz 5 LP Friederich, Neumann“ nennt theoretische und praktische Aspekte der künstlichen Intelligenz, klassische KI, überwachtes und unüberwachtes maschinelles Lernen sowie Anwendungen in Computer Vision, Natural Language Processing und Robotik. Als Inhalte werden unter anderem „Computer Vision, Convolutions, CNNs“ sowie „Natural Language Processing, RNNs, Encoder/Decoder“ aufgeführt. Im „Labor für angewandte Machine Learning Algorithmen 6 LP Becker, Sax, Stork“ wird die Anwendung maschinellen Lernens auf realitätsnahen Problemstellungen genannt; als Anwendungsfelder werden autonomes Fahren und intelligente Stromnetze angeführt. Im Modul „Methoden der Automatisierungstechnik, Regelungstechnik und 6 LP Hohmann“ beziehen sich dokumentierte Lernziele auf die Modellierung von Robotersystemen sowie den Entwurf von Positions- und kraftbasierten Reglern.
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.
KI-Bezüge sind in 11 von 93 Modulen belegt. Die Kategorie 2 ist mit 56 Belegen in 8 Modulen dokumentiert, Kategorie 3 mit 31 Belegen in 6 Modulen und Kategorie 1 mit 18 Belegen in 4 Modulen. Die dokumentierten Inhalte betreffen insbesondere maschinelles Lernen, neuronale Netze und Deep Learning, CNNs, Computer Vision, Natural Language Processing, Robotik sowie Anwendungen wie autonomes Fahren und intelligente Stromnetze.
Die dokumentierten KI-Bezüge umfassen Fachinhalte, Methoden und Algorithmen sowie Anwendungen im Fachkontext. Belege liegen in Lernzielen und Inhaltsbeschreibungen vor; Prüfungsbelege, Literaturbelege sowie Belege zu KI-Grundlagen mit explizitem KI-Bezug, KI als Lehr- und Lernmethode und KI-Regulierung, Ethik oder Recht sind nicht nachgewiesen. Im Handbuch kommen außerdem Begriffe wie „Machine Learning“, „maschinelles Lernen“, „Deep Learning“, „Clustering“, „Computer Vision“, „Natural Language Processing“, „neuronale Netze“, „Reinforcement Learning“, „Robotik“ und „TensorFlow“ vor.
Die belegten KI-Bezüge betreffen 11 von 93 Modulen. Die vorgelegten Zitate enthalten für die Kategorien 1 bis 3 jeweils weitere, hier nicht einzeln wiedergegebene Belege.
Grundlage sind ausschließlich die unten aufgeführten, gegen den Rohtext geprüften Belege.
Aus dem Verb abgeleitet; unklare Fälle bleiben bewusst leer.
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.
25 Begriffe, an beliebiger Stelle
Zentrale KI-Begriffe, die an keiner Stelle des Handbuchs vorkommen. Das heißt nicht nachgewiesen, nicht nicht vorhanden.
Jedes Zitat wörtlich aus dem Handbuch, maschinell gegen den Rohtext geprüft.
„Einführung in Systems Engineering und KI-Verfahren“
Das Zitat nennt ausdrücklich eine Einführung in KI-Verfahren und verweist damit auf technische KI-Methoden.
„Teilleistung: Labor für angewandte Machine Learning Algorithmen [TETIT-109839]“
Das Zitat nennt ausdrücklich angewandte Machine-Learning-Algorithmen und bezieht sich damit auf technische KI-Verfahren.
„Praktikum Systems Engineering und KI-Verfahren“
Das Zitat nennt ausdrücklich KI-Verfahren und verweist damit auf technische KI-Methoden.
„In diesem Kurs wird der praktische Umgang mit gängigen Algorithmen und Methoden des maschinellen Lernens projektbezogen und praxisnah vermittelt.“
Das Zitat nennt den praktischen Umgang mit Algorithmen und Methoden des maschinellen Lernens.
„Die Studierenden lernen, gängige Algorithmen und Strukturen (z.B. Clusteringverfahren, Neuronale Netze, Deep Learning) selbständig zu implementieren.“
Das Zitat nennt Clusteringverfahren, neuronale Netze und Deep Learning als selbst zu implementierende Algorithmen und Strukturen.
„Das Labor bietet die Möglichkeit, die Anwendung des Maschinellen Lernens auf realitätsnahen Problemstellungen sowie die Limitierungen der Verfahren kennenzulernen.“
Das Zitat behandelt die Anwendung des maschinellen Lernens auf realitätsnahe Problemstellungen.
„Anwendungsfelder können zum Beispiel autonomes Fahren oder intelligente Stromnetze sein.“
Das Zitat nennt autonomes Fahren und intelligente Stromnetze als Anwendungsfelder.
„Im Mittelpunkt stehen die heute in Industrie und Wissenschaft gebräuchlichen Methoden, Prozesse und Werkzeuge, wie beispielsweise Tensorflow oder NVidia CUDA.“
Das Zitat nennt gebräuchliche Methoden, Prozesse und Werkzeuge wie TensorFlow und NVIDIA CUDA.
„Dabei wird nicht nur auf die Algorithmen, sondern auch auf den kompletten Prozess der Datenanalyse eingegangen.“
Das Zitat erweitert die algorithmische Betrachtung auf den vollständigen Prozess der Datenanalyse.
„Darunter fallen die Problemstellungen des überwachten und unüberwachten Lernens sowie die Herausforderung der Vorverarbeitung und der Visualisierung der Daten.“
Das Zitat nennt überwachtes und unüberwachtes Lernen sowie Datenvorverarbeitung und Visualisierung als methodische Bestandteile.
„Für die systematische Entwicklung und Evaluierung dieser Problemstellungen werden aktuelle Frameworks ausgewählt und appliziert.“
Das Zitat beschreibt die systematische Entwicklung und Evaluierung mithilfe aktueller Frameworks.
„Damit verbunden sind die problemspezifische Auswahl und der Einsatz geeigneter Plattformen und Hardware (zum Beispiel: CPU, GPU, FPGA).“
Das Zitat behandelt die problemspezifische Auswahl und den Einsatz geeigneter Plattformen und Hardware.
„• Direkte Kinematik, Koordinatensysteme, Drehmatrizen“
Das Zitat behandelt Kinematik und Koordinatensysteme als technische Grundlagen von Robotersystemen.
„• Inverse Kinematik“
Das Zitat behandelt die inverse Kinematik als technisches Verfahren in der Robotik.
„• Dynamik, Lagrange Beschreibung“
Das Zitat behandelt die Dynamik und Lagrange-Beschreibung von Robotersystemen.
„• Pfad- und Bahnplanung, Trajektorienplanung“
Das Zitat behandelt Pfad-, Bahn- und Trajektorienplanung in technischen Robotersystemen.
„• Achsregelung“
Das Zitat behandelt Achsregelung als technischen Bestandteil der Robotik.
„• Grundlagen der Mensch-Maschine-Kollaboration am Beispiel Cobots (Kooperation, Kollaboration, Koexistenz)“
Das Zitat behandelt Mensch-Maschine-Kollaboration am Beispiel von Cobots und damit eine technische Robotikanwendung.
„• Einführung in Robot Operating System 2.0“
Das Zitat behandelt die Einführung in das Robot Operating System 2.0 als Software für technische Robotersysteme.
„Software-Entwicklung und Engineering, z.B. auf den Gebieten KI und maschinellem Lernen“
Das Zitat nennt KI und maschinelles Lernen ausdrücklich als Gebiete der Software-Entwicklung und des Engineerings.