Alle Auswertungen

Bachelor Elektrotechnik und Informationstechnik

KIT

11 / 93

Module mit KI-Bezug

von allen Modulen des Handbuchs

12 %

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 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.

Kategorienprofil

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.

Verteilungsmuster

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.

Gesamteinordnung

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.

Methodische Grenzen

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.

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 36 (37 %)
Inhalt 61 (63 %)

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

25 Begriffe, an beliebiger Stelle

bayes big data bildverarbeitung clustering computer vision convolutional neural datenanalyse deep learning image processing ki klassifikation kognitive systeme künstlichen intelligenz machine learning maschinelles lernen ml natural language processing neuronale netze neuronales netz optimierungsalgorithmen reinforcement learning robotics robotik tensorflow unsupervised learning

Nicht nachgewiesene Leitbegriffe

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

künstliche intelligenz data science 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 36 Inhalt 61

Grundlagen der Künstlichen Intelligenz 5 LP

T-INFO-112194 15 Belege

Inhalt K2 · KI-Methoden und Algorithmen Niveau: anwenden

„Dieses Modul behandelt die theoretischen und praktischen Aspekte der künstlichen Intelligenz, incl. Methoden der klassischen KI (Problem Solving & Reasoning), Methoden des maschinellen Lernens (überwacht und unüberwacht), sowie deren Anwendung in den Bereichen computer vision, natural language processing, sowie der Robotik.“

Das Zitat behandelt ausdrücklich Methoden der klassischen KI und des maschinellen Lernens sowie deren Anwendungen in Computer Vision, Natural Language Processing und Robotik.
Inhalt K1 · KI als Fachinhalt

„• Historischer Überblick und Entwicklungen der KI und des maschinellen Lernens, Erfolge, Komplexität, Einteilung von KIMethoden und Systemen“

Das Zitat behandelt die historische Entwicklung, Erfolge und Einteilung von KI und maschinellem Lernen.
Inhalt K2 · KI-Methoden und Algorithmen

„• Lineare Algebra, Grundlagen, Lineare Regression“

Das Zitat nennt mit der linearen Regression ein konkretes technisches Verfahren.
Inhalt K2 · KI-Methoden und Algorithmen

„• Problem Solving, Search, Knowledge, Reasoning & Planning“

Das Zitat nennt Verfahren der klassischen KI wie Problemlösen, Suche, Schlussfolgern und Planung.
Inhalt K1 · KI als Fachinhalt

„• Symbolische und logikbasierte KI“

Das Zitat nennt ausdrücklich symbolische und logikbasierte KI als Lehrinhalt.
Inhalt K2 · KI-Methoden und Algorithmen

„• Graphische Modelle, Kalman/Bayes Filter, Hidden Markov Models (HMMs), Viterbi“

Das Zitat führt konkrete technische Verfahren wie graphische Modelle, Kalman- und Bayes-Filter sowie HMMs auf.
Inhalt K2 · KI-Methoden und Algorithmen

„• Markov Decision Processes (MDPs)“

Markov Decision Processes sind ein konkretes technisches Verfahren der KI.
Inhalt K2 · KI-Methoden und Algorithmen

„• Klassifikation, Maximum Likelihood, Logistische Regression“

Das Zitat nennt technische Verfahren wie Klassifikation, Maximum Likelihood und logistische Regression.
Inhalt K1 · KI als Fachinhalt

„• Deep Learning, MLPs, Back-Propagation“

Das Zitat nennt ausdrücklich Deep Learning und neuronale Netze in Form von MLPs.
Inhalt K2 · KI-Methoden und Algorithmen

„• Over/Underfitting, Model Selection, Ensembles“

Das Zitat behandelt technische Verfahren und Konzepte der Modellwahl wie Model Selection und Ensembles.
Inhalt K2 · KI-Methoden und Algorithmen

„• Unsupervised Learning, Dimensionalitätsreduktion, PCA, (V)AE, k-means clustering“

Das Zitat nennt konkrete Verfahren des unüberwachten Lernens wie PCA, Autoencoder und k-means-Clustering.
Inhalt K2 · KI-Methoden und Algorithmen

„• Density Estimation, Gaussian Mixture models (GMMs), Expectation Maximization (EM)“

Das Zitat führt technische Verfahren wie Dichteschätzung, Gaussian Mixture Models und Expectation Maximization auf.
Inhalt K2 · KI-Methoden und Algorithmen

„• Computer Vision, Convolutions, CNNs“

Das Zitat nennt technische Verfahren wie Convolutions und CNNs und ordnet sie dem Anwendungsbereich Computer Vision zu.
Inhalt K2 · KI-Methoden und Algorithmen

„• Natural Language Processing, RNNs, Encoder/Decoder“

Das Zitat nennt technische Verfahren wie RNNs und Encoder-Decoder und ordnet sie dem Anwendungsbereich Natural Language Processing zu.
Inhalt K3 · KI-Anwendungen im Fachkontext

„• Robotik, Reinforcement Learning“

Das Zitat nennt Robotik als technischen Anwendungskontext und Reinforcement Learning als KI-Verfahren.

Robotics I - Introduction to Robotics 6 LP

T-INFO-114190 3 Belege

Inhalt K2 · KI-Methoden und Algorithmen

„This includes methods and algorithms for robot modeling, control and motion planning, image processing and robot programming.“

Das Zitat führt Methoden und Algorithmen für Robotermodellierung, Regelung, Bewegungsplanung, Bildverarbeitung und Roboterprogrammierung auf.
Inhalt K2 · KI-Methoden und Algorithmen

„First, mathematical basics and methods for kinematic and dynamic robot modeling, trajectory planning and control as well as algorithms for collision-free motion planning and grasp planning are covered.“

Das Zitat behandelt mathematische Methoden und Algorithmen für Robotermodellierung, Trajektorienplanung, Regelung sowie kollisionsfreie Bewegungs- und Greifplanung.
Inhalt K2 · KI-Methoden und Algorithmen

„Subsequently, basics of image processing, intuitive robot programming especially by human demonstration and symbolic planning are presented.“

Das Zitat nennt Verfahren der Bildverarbeitung, intuitive Roboterprogrammierung durch Demonstration und symbolische Planung.

Practical Course in Robot Programming with Python 4 LP

T-MACH-114083 2 Belege

Inhalt K3 · KI-Anwendungen im Fachkontext

„Das Praktikum vermittelt die Grundlagen der Programmierung von mobilen Robotern.“

Das Zitat behandelt die Programmierung mobiler Roboter und damit eine Anwendung in einem technischen System.
Inhalt K3 · KI-Anwendungen im Fachkontext

„Dieser Roboter verfügt über zahlreiche Sensoren und Motoren, die ausgelesen und angesteuert werden müssen um komplexe Aufgaben lösen zu können.“

Das Zitat beschreibt das Auslesen von Sensoren und die Ansteuerung von Motoren eines Roboters zur Lösung komplexer Aufgaben.