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.
„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.
„Sie kennen die Charakteristika und Vorgehensweise zur Analyse großer Datenbestände und können diese erklären und durchführen.“
Das Zitat beschreibt die methodische Analyse großer Datenbestände.
„Sie können die Merkmale, Eigenschaften und Komponenten von selbstlernenden Systemen beschreiben, unterscheiden und zuordnen.“
Das Zitat behandelt ausdrücklich die Merkmale und Komponenten selbstlernender Systeme.
„Die Studierenden können Methoden des maschinellen Lernens erklären, unterscheiden und auf neue Probleme anwenden.“
Das Zitat nennt Methoden des maschinellen Lernens und deren Anwendung.
„Sie können zwischen überwachtem und unüberwachtem Lernen differenzieren.“
Das Zitat behandelt die technischen Lernverfahren des überwachten und unüberwachten Lernens.
„Die Studierenden können Datensätze analysieren und mithilfe deskriptiver Statistiken den Datensatz beschreiben.“
Das Zitat beschreibt die methodische Datenanalyse mithilfe deskriptiver Statistiken.
„Sie können Visualisierungsmethoden auf den Datensatz anwenden und dargestellte Zusammenhänge beschreiben.“
Das Zitat behandelt die Anwendung von Visualisierungsmethoden zur Datenanalyse.
„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.
„Sie können unterschiedliche Methoden des Maschinellen Lernens anwenden.“
Das Zitat bezieht sich ausdrücklich auf die Anwendung verschiedener Methoden des maschinellen Lernens.
„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.
„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.
„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.
„Sie kennen die Grundlagen der Verarbeitung natürlicher Sprache.“
Das Zitat nennt ausdrücklich die Grundlagen der Verarbeitung natürlicher Sprache.
„Bedeutung von Prozessen, Methoden und Tools in der industriellen Anwendung, speziell bei maschinellen Lernverfahren (KDD, CRISP)“
Das Zitat ordnet maschinelle Lernverfahren ausdrücklich der industriellen Anwendung zu.
„Grundlagen und Verfahren zur Analyse großer Datenbestände (Big Data / 5 V’s)“
Das Zitat behandelt Verfahren zur Analyse großer Datenbestände und deren Big-Data-Merkmale.
„Grafische Aufbereitung und Anschaulichkeit von Big Data“
Das Zitat beschreibt die grafische Aufbereitung von Big Data als Analyseverfahren.
„Selbstlernende Systeme und überwachtes bzw. unüberwachtes maschinelles Lernen, beispielsweise ClusteringVerfahren und Neuronale Netze“
Das Zitat nennt ausdrücklich selbstlernende Systeme, maschinelles Lernen und neuronale Netze.
„Laden von Daten, Datentypen konvertieren, Deskriptive Statistik, Grafische Methoden, Skalieren, Normalisieren, Standardisieren“
Das Zitat listet technische Verfahren der Datenaufbereitung und statistischen Analyse auf.
„Deskriptive Methoden und graphische Methoden“
Das Zitat nennt deskriptive und graphische Methoden als Analyseverfahren.
„Lernparadigmen und -Methoden“
Das Zitat behandelt Lernparadigmen und -methoden als technische Verfahren.
„Überwachtes und unüberwachtes Lernen anhand von Beispiel-Methoden, Klassifikation, Regression,“
Das Zitat nennt überwachtes und unüberwachtes Lernen sowie Klassifikation und Regression als Methoden.
„Künstliche Neuronale Netze und Deep Learning, Verlustfunktionen“
Das Zitat nennt ausdrücklich künstliche neuronale Netze und Deep Learning.
„Bildverarbeitung mit Convolutional Neural Networks“
Das Zitat beschreibt den Einsatz von Convolutional Neural Networks in der Bildverarbeitung.
„Verarbeitung von natürlicher Sprache mit Maschinellem Lernen“
Das Zitat beschreibt die Anwendung maschinellen Lernens auf die Verarbeitung natürlicher Sprache.