Zum Inhalt springen
IMPULS KI-Kompetenzen in Studium & Arbeitsmarkt
Alle Auswertungen

Bachelor Elektrotechnik und Informationstechnik

KIT

11 / 93
Module mit KI-Bezug
von allen Modulen des Handbuchs
12 %
KI-Anteil
Modulanteil mit Beleg
97
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 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
18
K2 · KI-Methoden und Algorithmen
56
K3 · KI-Anwendungen im Fachkontext
31
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 36 (37 %)
  • Inhalt 61 (63 %)

Lernzielniveau

Aus dem Verb abgeleitet; unklare Fälle bleiben bewusst leer.

kennen / verstehen
8
anwenden
11
analysieren / bewerten
1
entwickeln / gestalten
0

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

Labor für angewandte Machine Learning Algorithmen 6 LP

T-ETIT-109839 5 Belege
  • Lernziel K2 · KI-Methoden und Algorithmen Niveau: analysieren / bewerten
    „Die Studierenden sind in der Lage aktuelle komplexe Probleme des modernen Elektro- und InformationstechnikIngenieurs zu analysieren und die Notwendigkeit für Verfahren des maschinellen Lernens zu beurteilen.“

    Das Zitat bezieht sich auf die Beurteilung der Notwendigkeit von Verfahren des maschinellen Lernens.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Die Studierenden können verschiedene moderne Verfahren des maschinellen Lernens nennen und deren Funktionsweise erklären.“

    Das Zitat nennt moderne Verfahren des maschinellen Lernens und deren Funktionsweise.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Die Studierenden sind in der Lage diese hinsichtlich ihrer Anforderungen (u.a. Trainingszeit, Datenverfügbarkeit, Effizienz, Performance) auszuwählen und erfolgreich mit aktuellen Programmiersprachen und typischen SoftwareFrameworks umzusetzen.“

    Das Zitat beschreibt die Auswahl und Umsetzung von Verfahren des maschinellen Lernens mit Programmiersprachen und Software-Frameworks.

  • Lernziel K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Die Studierenden sind in der Lage passende Implementierungsalternativen (HW/SW-Codesign) im gesamten Prozess zu wählen und umzusetzen.“

    Das Zitat behandelt die Auswahl und Umsetzung von Implementierungsalternativen im HW/SW-Codesign.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Die Studierenden sind in der Lage für eine gegebene Problemstellung systematisch ein geeignetes praxistaugliches Konzept basierend auf Verfahren des maschinellen Lernens zu entwickeln oder gegebene Konzepte zu evaluieren, vergleichen und zu beurteilen.“

    Das Zitat beschreibt die Entwicklung und Evaluierung von Konzepten auf Basis von Verfahren des maschinellen Lernens.

Methoden der Automatisierungstechnik, Regelungstechnik und 6 LP

T-ETIT-112903 6 Belege
  • Lernziel K3 · KI-Anwendungen im Fachkontext
    „Robotik ([Person] und [Person]): Die Studierenden: • können die kinematische und dynamische Modellierung von Robotersystemen herleiten.“

    Das Zitat behandelt die Modellierung von Robotersystemen und damit ein technisches System im Fachkontext.

  • Lernziel K3 · KI-Anwendungen im Fachkontext
    „• können den Entwurf von Positions- und Kraftbasierter-Reglern ableiten.“

    Das Zitat behandelt den Entwurf von Reglern für Robotersysteme als technische Anwendung.

  • Lernziel K3 · KI-Anwendungen im Fachkontext Niveau: kennen / verstehen
    „• kennen Prinzipien der Pfad und Bahnplanung.“

    Das Zitat behandelt Pfad- und Bahnplanung als Bestandteil technischer Robotersysteme.

  • Lernziel K3 · KI-Anwendungen im Fachkontext Niveau: kennen / verstehen
    „• kenne fortgeschrittene Prinzipien der Mensch-Maschine-Kollaboration.“

    Das Zitat behandelt die Mensch-Maschine-Kollaboration im technischen Kontext der Robotik.

  • Lernziel K3 · KI-Anwendungen im Fachkontext Niveau: anwenden
    „• können Risiko-, Sicherheits- und Gefährdungsanalyse im Bereich Robotik durchführen.“

    Das Zitat behandelt Risiko-, Sicherheits- und Gefährdungsanalysen im technischen Bereich der Robotik.

  • Lernziel K3 · KI-Anwendungen im Fachkontext
    „• können einen Roboterarbeitsplatz digital planen und sind in der Lage, VR und AR-Technologien einzusetzen.“

    Das Zitat behandelt die digitale Planung eines Roboterarbeitsplatzes sowie den Einsatz von VR- und AR-Technologien.

Praktikum Systems Engineering und KI-Verfahren 2 LP

T-ETIT-113146 12 Belege
  • Lernziel K2 · KI-Methoden und Algorithmen
    „Sie kennen die Charakteristika und Vorgehensweise zur Analyse großer Datenbestände und können diese erklären und durchführen.“

    Das Zitat beschreibt die methodische Analyse großer Datenbestände.

  • Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen
    „Sie können die Merkmale, Eigenschaften und Komponenten von selbstlernenden Systemen beschreiben, unterscheiden und zuordnen.“

    Das Zitat behandelt ausdrücklich die Merkmale und Komponenten selbstlernender Systeme.

  • Lernziel K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Die Studierenden können Methoden des maschinellen Lernens erklären, unterscheiden und auf neue Probleme anwenden.“

    Das Zitat nennt Methoden des maschinellen Lernens und deren Anwendung.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Sie können zwischen überwachtem und unüberwachtem Lernen differenzieren.“

    Das Zitat behandelt die technischen Lernverfahren des überwachten und unüberwachten Lernens.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Die Studierenden können Datensätze analysieren und mithilfe deskriptiver Statistiken den Datensatz beschreiben.“

    Das Zitat beschreibt die methodische Datenanalyse mithilfe deskriptiver Statistiken.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Sie können Visualisierungsmethoden auf den Datensatz anwenden und dargestellte Zusammenhänge beschreiben.“

    Das Zitat behandelt die Anwendung von Visualisierungsmethoden zur Datenanalyse.

  • Lernziel K2 · KI-Methoden und Algorithmen Niveau: kennen / verstehen
    „Sie können unterschiedliche Lernparadigmen benennen und Unterschiede erklären. Sie kennen den Unterschied zwischen Regression und Klassifikation.“

    Das Zitat nennt Lernparadigmen sowie die technischen Verfahren Regression und Klassifikation.

  • Lernziel K2 · KI-Methoden und Algorithmen Niveau: anwenden
    „Sie können unterschiedliche Methoden des Maschinellen Lernens anwenden.“

    Das Zitat bezieht sich ausdrücklich auf die Anwendung verschiedener Methoden des maschinellen Lernens.

  • Lernziel K1 · KI als Fachinhalt Niveau: anwenden
    „Sie können erklären, wie ein Künstliches Neuronales Netz aufgebaut ist und bestehende Implementierungen auf ein gegebenes Problem anwenden.“

    Das Zitat behandelt den Aufbau künstlicher neuronaler Netze und nennt diese ausdrücklich.

  • Lernziel K1 · KI als Fachinhalt
    „Sie kennen die Funktionsweise eines Convolutional Neural Networks und können eine bestehende Implementierung auf ein gegebenes Problem anwenden.“

    Das Zitat behandelt ausdrücklich die Funktionsweise Convolutional Neural Networks.

  • Lernziel K2 · KI-Methoden und Algorithmen
    „Sie kennen die Funktion einer Verlustfunktion in einem Neuronalen Netz und können sie zur Lösung eines Problems anwenden.“

    Das Zitat behandelt die Anwendung einer Verlustfunktion als technisches Verfahren in neuronalen Netzen.

  • Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen
    „Sie kennen die Grundlagen der Verarbeitung natürlicher Sprache.“

    Das Zitat nennt ausdrücklich die Grundlagen der Verarbeitung natürlicher Sprache.

Informationsverarbeitung - Workshop 0 LP

T-ETIT-114814 3 Belege
  • Lernziel K1 · KI als Fachinhalt Niveau: anwenden
    „Rechnerarchitekturen und Hardware/Software-Codesign: Grundlagen und Anwendungen im Maschinellen Lernen“

    Das Zitat nennt maschinelles Lernen ausdrücklich als zentralen Inhalt des Moduls.

  • Lernziel K2 · KI-Methoden und Algorithmen Niveau: kennen / verstehen
    „Die Studierenden können moderne Rechner- und Beschleunigerarchitekturen beschreiben und verschiedene moderne Verfahren des maschinellen Lernens nennen und deren Funktionsweise erklären.“

    Es geht sowohl um moderne Verfahren des maschinellen Lernens und deren Funktionsweise als auch um Rechner- und Beschleunigerarchitekturen.

  • Lernziel K3 · KI-Anwendungen im Fachkontext
    „Die Studierenden sind in der Lage Methoden des Hardware/Software-Codesigns anzuwenden und grundlegende Konzepte der HardwareSynthese sowie des maschinellen Lernens in einfachen Beispielen umsetzen.“

    Das Zitat behandelt Hardware/Software-Codesign und HardwareSynthese für technische ML-Systeme sowie grundlegende Konzepte des maschinellen Lernens.