Bachelor Elektrotechnik und Informationstechnik

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.