Anwendungskurse

Verantwortlich: Prof. Dr.-Ing. Bodo Rosenhahn
Institut für Informationsverarbeitung

Zielgruppe: Studierende der Informatik sowie der Elektro- und Informationstechnik

Beschreibung: Ziel ist die Vermittlung der technischen Grundlagen aktueller Bilderfassungssysteme, grundlegender Bildverarbeitungs- und Visualisierungstechniken sowie zentraler Hardware- und Rechenplattformen für bildgebende und bildanalytische Systeme.
Der Lehrplan umfasst:

• Einführung und Motivation
• Optische Bildaufnahmesysteme (Optik, Kameras, formale Bilddefinitionen)
• Bildgebende Verfahren (Röntgen, Ultraschall, MRT, CT, Elektroimpedanztomographie, Terahertz-Bildgebung)
• Grundlagen der Bildverarbeitung (lokale und globale Operatoren, Kontrastverstärkung, Rausch- und Artefaktreduktion usw.)
• Grundlagen der Visualisierung
• Bildsegmentierung
• Kompression medizinischer Bilddaten
• Architekturen für Bildgebungs- und Bildanalysesysteme
• Datenformate in der medizinischen Bildgebung

Leistungspunkte: 5

Sprache: Deutsch

Verantwortlich: Prof. Dr.-Ing. Berend Denkena
Institut für Fertigungstechnik und Werkzeugmaschinen

Zielgruppe: Studierende aus Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen, Produktion und Logistik sowie Informatik

Beschreibung: Der Kurs vermittelt einen praxisnahen Einblick in die Anwendung von Methoden der Künstlichen Intelligenz (KI) in der Produktion. Aufbauend auf einer Einführung in produktionstechnische Prozesse und Fragestellungen lernen die Teilnehmenden anhand konkreter Praxisbeispiele – etwa zur Verschleißerkennung, Anomalieerkennung zur Qualitätssicherung oder adaptiven Prozessplanung – verschiedene Anwendungsfelder von KI kennen.
Die theoretischen Inhalte werden in Form von Blockveranstaltungen vermittelt und durch praktische Übungen ergänzt. In interdisziplinär zusammengesetzten Gruppen entwickeln die Teilnehmenden eigene Lösungsansätze für produktionstechnische Problemstellungen unter Einsatz KI-basierter Methoden.



 

Leistungspunkte: 5

Sprache: Englisch

Verantwortlich: Prof. Dr.-Ing. habil. Monika Sester
Institut für Kartographie und Geoinformatik

Zielgruppe: Alle

Beschreibung: Die Studierenden erwerben grundlegende Konzepte und Methoden zur Analyse räumlicher und raum-zeitlicher Daten. In thematisch gegliederten Modulen erhalten sie vertiefte Einblicke in zentrale Aspekte des Fachgebiets.
Der Abschnitt Räumliche Abfragesprachen führt in räumliche Operatoren und topologische Relationen ein, die für die Analyse räumlicher Datensätze eine zentrale Rolle spielen. Im Modul Multiple Repräsentation wird die Darstellung räumlicher Daten auf unterschiedlichen Maßstabsebenen erläutert und verschiedene Ansätze zur Generalisierung diskutiert.
Ein weiterer Schwerpunkt liegt auf dem Einsatz von Methoden der Künstlichen Intelligenz – insbesondere des Maschinellen Lernens – zur Erkennung räumlicher Muster und zur Lösung komplexer Analyseaufgaben. Ergänzend befasst sich das Thema Raum-zeitliche Analysen mit der Integration der zeitlichen Dimension, um beispielsweise zeitabhängige Muster in Bewegungsdaten zu identifizieren.
In der begleitenden praktischen Übung setzen die Studierenden die theoretischen Inhalte in die Praxis um: Sie implementieren Algorithmen selbstständig und wenden diese auf reale Datensätze an. Diese anwendungsorientierte Herangehensweise fördert ein tiefes Verständnis der Potenziale und Grenzen der behandelten Methoden.

 

Leistungspunkte: 5

Sprache: Englisch

Verantwortlich: apl. Prof. Dr. techn. Franz Rottensteiner
Institut für Photogrammetrie und GeoInformation

Zielgruppe: Studierende der Geodäsie und Geoinformatik

Beschreibung: Die Studierenden erlernen moderne überwachungsbasierte Klassifikationsmethoden für Bild- und Oberflächendaten, mit einem besonderen Fokus auf deren Anwendung zur Erfassung und Aktualisierung von Geodaten sowie in weiteren geoinformatischen Anwendungsfeldern. Neben klassischen Verfahren des maschinellen Lernens werden insbesondere Methoden des Deep Learning behandelt, mit einem Schwerpunkt auf Convolutional Neural Networks (CNN), die theoretisch diskutiert und praktisch angewendet werden.
Ein besonderer Fokus liegt auf Strategien zur Reduktion des Bedarfs an handbeschrifteten Trainingsdaten – insbesondere auf Verfahren der Domänenanpassung (Domain Adaptation) und des Lernens mit fehlerhaften oder verrauschten Labels.
Der Lehrplan umfasst folgende Themen:

• Einführung: Sensoren und Datenerfassung in der Fernerkundung
• Georeferenzierung von Fernerkundungsdaten
• Handkodierte Merkmale in der Bildanalyse
• Maschinelles Lernen und Deep Learning für Bildklassifikation
• Deep Domain Adaptation und Lernen unter Etikettenrauschen
• Topografische Anwendungen von CNN: Klassifikation von Landbedeckung und Landnutzung zur Erfassung und Aktualisierung von Geodatenbanken
• Weitere Anwendungen von CNN in der Bildanalyse – z. B. im autonomen Fahren und in der digitalen Erhaltung des kulturellen Erbes

Leistungspunkte: 5

Sprache: Englisch  

Verantwortlich: Prof. Dr. Sascha Schanze
Institut für Didaktik der Naturwissenschaften

Zielgruppen: Studierende der Lehramtsstudiengänge
 

Beschreibung: Innovative Formen KI-gestützter Lernunterstützung eröffnen neue Möglichkeiten der Bewertung und Diagnose. Lernerdaten sind dabei als „digitale Fußabdrücke“ individueller Lernprozesse zu verstehen, deren Analyse und Interpretation stets mehrdeutig bleibt.
Zentrales Ziel des Moduls ist die Professionalisierung angehender Lehrkräfte im Umgang mit datengestütztem Lernen: Sie sollen entsprechende Verfahren verstehen, kritisch reflektieren und didaktisch sinnvoll in ihre eigene Unterrichtspraxis integrieren können.
Darüber hinaus gibt das Modul Impulse für weiterführende Vertiefungen und unterstützt die Entwicklung anwendungsbezogener Konzepte für den Bildungskontext.













 

Leistungspunkte: 2 (Einführung), 5 (Grundlagen & Spezialisierung)

Sprache: Deutsch

Verantwortlich: Prof. Dr. Steffi Robak
Institut für Berufspädagogik und Erwachsenenbildung

Zielgruppen: Studierende des Master of Education sowie ingenieurwissenschaftlicher Studiengänge

Beschreibung: Das Modul bietet eine Einführung in zentrale Anwendungsfelder der Künstlichen Intelligenz zur Gestaltung innovativer Bildungsprozesse in der Erwachsenen- und Weiterbildung. Es behandelt sowohl technologische als auch pädagogische Fragestellungen, die mit dem Einsatz KI-gestützter Systeme im Bildungskontext verbunden sind.
In einer interdisziplinären Auseinandersetzung wird aufgezeigt, wie der Einsatz solcher Technologien auf impliziten, oft lerntheoretisch geprägten Bildungs- und Lernkonzepten beruht. Dabei geraten auch Kontroll- und Überwachungsphantasien in den Blick, die vor dem Hintergrund eines geforderten Primats der Pädagogik kritisch zu reflektieren sind – insbesondere angesichts der zunehmenden Kompetenzorientierung sowie des Anspruchs auf Autonomie und Selbststeuerung in Lernprozessen, wie sie konstruktivistische Ansätze nahelegen.
Ziel des Moduls ist es, Kompetenzen für die Entwicklung und verantwortungsvolle Nutzung vertrauenswürdiger KI-Systeme zur Förderung lebenslangen Lernens zu vermitteln – sowohl für zukünftige Weiterbildnerinnen und Weiterbildner als auch für Studierende technischer Fachrichtungen.
Lehrplan:

• Intelligente Suchsysteme
• Personalisierte Empfehlungssysteme
• Intelligente Tutoren- und Assistenzsysteme
• Sprachassistenten und Chatbots
• Automatisierte Leistungsbewertung und Balancierung
• Lerntheorien und lernpsychologische Grundlagen

Leistungspunkte: 5

Sprache: Deutsch

Verantwortlich: Prof. Dr.-Ing. Philipp Geyer
Institut für Entwerfen und Konstruieren

Zielgruppe: Masterstudierende der Leibniz-KI-Akademie sowie der Ingenieurwissenschaften, der Landschaftsarchitektur, der Umweltplanung und der Informatik

Beschreibung: Angesichts des wachsenden Bedarfs an nachhaltigem Design und der damit verbundenen Komplexität in Bereichen wie Gebäudetechnik, Automobilbau, Maschinenbau und Bauingenieurwesen stehen Fachleute verschiedener Disziplinen vor der Herausforderung, fundierte und effektive Designentscheidungen zu treffen.
Dieser Kurs vermittelt Kompetenzen im Einsatz von Data Science und Künstlicher Intelligenz zur Unterstützung von Entscheidungsprozessen in komplexen Designkontexten. Auf der Grundlage von Paradigmen des Systems Engineering und der Design Space Exploration (DSE) lernen die Teilnehmenden, moderne datenwissenschaftliche und KI-Methoden – etwa maschinelles Lernen und Clustering – gezielt anzuwenden.
Diese Verfahren werden in Designprojekten genutzt, um Variantenräume systematisch zu untersuchen (DSE), Nachhaltigkeitsaspekte frühzeitig zu integrieren und Entscheidungsprozesse datenbasiert zu unterstützen. Ziel ist es, KI als strategisches Werkzeug zu etablieren, das Ingenieurinnen, Ingenieure und Designer bei der Entwicklung effizienter und nachhaltiger Lösungen unterstützt.

Leistungspunkte: 5

Sprache: Englisch