Seminar über künstliche Intelligenz für biomedizinische AnwendungenModulbeschreibung #41212 / Version 1
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v2)
| Modul / Version | #41212 / #1 |
|---|---|
| Gültigkeit | WiSe 2024/25 – SoSe 2025 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Jadaun, Priyamvada |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Hochfrequenz und Halbleiter-Systemtechnologien |
| Fachgebiet | 34321400 FG Halbleiterbauelemente und Mikroelektroniksysteme |
Kontakt
| Sekretariat | TIB 4/2-1 |
|---|---|
| Ansprechpartner*in | Krahn, Sandra |
| E-Mail-Adresse | sekretariat@tmp.tu-berlin.de |
| Webseite | http://www.tu.berlin/sam |
Lernergebnisse
In den letzten Monaten hat das Interesse an künstlicher Intelligenz (KI), insbesondere an großen Sprachmodellen (engl. large language models, LLM) wie GPT, Gemini, Llama usw., explosionsartig zugenommen. Diese leistungsstarken Modelle versprechen, die Wirtschaft zu verändern, stehen aber vor erheblichen Herausforderungen, wie z. B. ihrem enormen Energiebedarf. Im Gegensatz dazu gelingt es dem Gehirn, diese LLMs an Intelligenz zu übertreffen, während es gleichzeitig unglaublich energieeffizient ist. In Anlehnung an die Biologie entwickeln Wissenschaftler eine potenziell bahnbrechende Technologie namens "neuromorphes RComputing", die darauf abzielt, KI zu implementieren, indem sie die Funktionsweise eines biologischen Gehirns nachahmt.
Neuromorphe Computer sind mit künstlichen Gehirnen vergleichbar, da die Schaltkreise dieser Chips den neuronalen Schaltkreisen im Gehirn ähneln. Aufgrund ihrer Fähigkeit, große Datenmengen mit hoher Geschwindigkeit und geringem Stromverbrauch zu verarbeiten, könnten diese vom Gehirn inspirierten Chips für die personalisierte Medizin, tragbare Gesundheitstracker, tragbare Diagnosegeräte, tragbare Gehirnscanner, tragbare Gehirn-Computer-Schnittstellen usw. von großem Nutzen sein.
Dieser Kurs vermittelt den Studierenden ein einführendes Verständnis für das hochmoderne Gebiet des neuromorphen Computings (KI-Hardware) und seine vielversprechenden Anwendungen in der Biomedizin. Die Studierenden werden die neuesten und wichtigsten Forschungsarbeiten auf dem Gebiet der KI-Hardware und Biomedizin lesen und diskutieren. Sie werden mit den wichtigen Problemen, den jüngsten Durchbrüchen und den zukünftigen Zielen bei der Entwicklung von KI-Hardware, die das Gehirn imitiert, vertraut gemacht. Außerdem lernen sie neue Technologien und weitreichende Ideen in den Bereichen Biomedizin, personalisierte Medizin, Neurotechnologie, tragbare Geräte und Bio-Imaging kennen. Dieses Wissen soll den Studierenden helfen, sich auf eine Wirtschaft vorzubereiten, die durch KI verändert werden könnte.
Zusätzlich zu den oben genannten Themen werden die Studierenden auch allgemeine wissenschaftliche Fähigkeiten erwerben. So lernen sie zum Beispiel, wie man wissenschaftliche Arbeiten liest, wie man sie kritisch analysiert, wie man mit Kollegen über eine Arbeit diskutiert und wie man die positiven und negativen Merkmale einer Arbeit feststellt. Diese Fähigkeiten sind für jeden Wissenschaftler oder Ingenieur sehr wichtig.
Neuromorphe Computer sind mit künstlichen Gehirnen vergleichbar, da die Schaltkreise dieser Chips den neuronalen Schaltkreisen im Gehirn ähneln. Aufgrund ihrer Fähigkeit, große Datenmengen mit hoher Geschwindigkeit und geringem Stromverbrauch zu verarbeiten, könnten diese vom Gehirn inspirierten Chips für die personalisierte Medizin, tragbare Gesundheitstracker, tragbare Diagnosegeräte, tragbare Gehirnscanner, tragbare Gehirn-Computer-Schnittstellen usw. von großem Nutzen sein.
Dieser Kurs vermittelt den Studierenden ein einführendes Verständnis für das hochmoderne Gebiet des neuromorphen Computings (KI-Hardware) und seine vielversprechenden Anwendungen in der Biomedizin. Die Studierenden werden die neuesten und wichtigsten Forschungsarbeiten auf dem Gebiet der KI-Hardware und Biomedizin lesen und diskutieren. Sie werden mit den wichtigen Problemen, den jüngsten Durchbrüchen und den zukünftigen Zielen bei der Entwicklung von KI-Hardware, die das Gehirn imitiert, vertraut gemacht. Außerdem lernen sie neue Technologien und weitreichende Ideen in den Bereichen Biomedizin, personalisierte Medizin, Neurotechnologie, tragbare Geräte und Bio-Imaging kennen. Dieses Wissen soll den Studierenden helfen, sich auf eine Wirtschaft vorzubereiten, die durch KI verändert werden könnte.
Zusätzlich zu den oben genannten Themen werden die Studierenden auch allgemeine wissenschaftliche Fähigkeiten erwerben. So lernen sie zum Beispiel, wie man wissenschaftliche Arbeiten liest, wie man sie kritisch analysiert, wie man mit Kollegen über eine Arbeit diskutiert und wie man die positiven und negativen Merkmale einer Arbeit feststellt. Diese Fähigkeiten sind für jeden Wissenschaftler oder Ingenieur sehr wichtig.
Lehrinhalte
Dieser Kurs, der die Kluft zwischen künstlicher und biologischer Intelligenz überbrückt, führt die Studenten in das aufstrebende Gebiet des Brain-Inspired Computing und seine Anwendungen in der Biomedizin ein. Der Kurs wird als typischer Seminarkurs durchgeführt und jede Woche werden 1-2 wichtige Forschungsarbeiten auf diesem Gebiet besprochen. Die Arbeiten werden je nach den neuesten Veröffentlichungen ausgewählt, decken aber die folgenden Themen ab:
1. Eine kurze Einführung in die neuromorphe Technik: Der Kurs wird die Studenten in die Ideen einführen, die hinter der Entwicklung von Computerchips stehen, die das Gehirn nachahmen
2. Neuromorphe Anwendungen in der Krankheitsdiagnose: Die Erkennung und Diagnose von Krankheiten wie Krebs, Netzhautschäden (Augen) durch Diabetes, innere Blutungen (Hämorrhagie), abnorme Wucherungen wie Polypen können von hardwarebasierter KI erheblich profitieren.
3. Neuromorphe Anwendungen für die Analyse biologischer Signale: Der menschliche Körper sendet eine Vielzahl von biologischen Signalen und Markern aus, die überwacht und analysiert werden können, um die menschliche Gesundheit zu unterstützen. Dazu gehören Transpiration, Atmung, Elektrokardiogramm (EKG), Elektroenzephalogramm (EEG) usw. Hardwarebasierte KI-Geräte können Ärzten helfen, diese Signale bei Patienten in Echtzeit und unter realen Bedingungen zu überwachen. Solche Geräte können dazu beitragen, Leben zu retten, indem sie drohende Herzinfarkte und Schlaganfälle vorhersagen und abmildern helfen.
4. Individualisierte Medizin: Neuromorphe Chips können persönliche Gesundheitsgeräte antreiben und die Ära der personalisierten Medizin einläuten. Bei diesem Thema geht es um den Einsatz von KI zur Entwicklung von Therapien, die auf die spezifischen genetischen, umweltbedingten und lebensstilbezogenen Faktoren eines Patienten zugeschnitten sind.
5. Neuromorphe tragbare Systeme: Das Aufkommen neuromorpher Chips, die an der Schnittstelle, d. h. auf persönlichen Geräten wie Smartphones und Smartwatches, eingesetzt werden, hat das Potenzial, die Biomedizin zu verändern. Wearable Health Tracker werden in der Lage sein, eine kontinuierliche Gesundheitsüberwachung zu unterstützen, während Sensoren wie ein künstliches Auge oder Ohr den Patienten immense Vorteile bieten könnten.
6. Neuromorphe Anwendungen in neuronalen Schnittstellen: Einige der spannendsten Anwendungen neuromorpher Schaltkreise liegen im Bereich der Neurotechnologie. Fortgeschrittene intelligente Geräte könnten Gehirnsignale analysieren und interpretieren, um die tiefgreifenden Geheimnisse der Gehirnfunktion zu entschlüsseln. Hier erhalten die Studierenden einen Einblick in die mögliche Konvergenz der Bereiche Neurowissenschaften und Informatik.
7. Herausforderungen bei der Integration von neuromorphen Chips und Biomedizin: Die Studierenden lernen einige kritische Herausforderungen auf dem Gebiet der neuromorphen Datenverarbeitung kennen, darunter Hardware-Design, Skalierbarkeit, Anpassungsfähigkeit und optimale Algorithmen.
1. Eine kurze Einführung in die neuromorphe Technik: Der Kurs wird die Studenten in die Ideen einführen, die hinter der Entwicklung von Computerchips stehen, die das Gehirn nachahmen
2. Neuromorphe Anwendungen in der Krankheitsdiagnose: Die Erkennung und Diagnose von Krankheiten wie Krebs, Netzhautschäden (Augen) durch Diabetes, innere Blutungen (Hämorrhagie), abnorme Wucherungen wie Polypen können von hardwarebasierter KI erheblich profitieren.
3. Neuromorphe Anwendungen für die Analyse biologischer Signale: Der menschliche Körper sendet eine Vielzahl von biologischen Signalen und Markern aus, die überwacht und analysiert werden können, um die menschliche Gesundheit zu unterstützen. Dazu gehören Transpiration, Atmung, Elektrokardiogramm (EKG), Elektroenzephalogramm (EEG) usw. Hardwarebasierte KI-Geräte können Ärzten helfen, diese Signale bei Patienten in Echtzeit und unter realen Bedingungen zu überwachen. Solche Geräte können dazu beitragen, Leben zu retten, indem sie drohende Herzinfarkte und Schlaganfälle vorhersagen und abmildern helfen.
4. Individualisierte Medizin: Neuromorphe Chips können persönliche Gesundheitsgeräte antreiben und die Ära der personalisierten Medizin einläuten. Bei diesem Thema geht es um den Einsatz von KI zur Entwicklung von Therapien, die auf die spezifischen genetischen, umweltbedingten und lebensstilbezogenen Faktoren eines Patienten zugeschnitten sind.
5. Neuromorphe tragbare Systeme: Das Aufkommen neuromorpher Chips, die an der Schnittstelle, d. h. auf persönlichen Geräten wie Smartphones und Smartwatches, eingesetzt werden, hat das Potenzial, die Biomedizin zu verändern. Wearable Health Tracker werden in der Lage sein, eine kontinuierliche Gesundheitsüberwachung zu unterstützen, während Sensoren wie ein künstliches Auge oder Ohr den Patienten immense Vorteile bieten könnten.
6. Neuromorphe Anwendungen in neuronalen Schnittstellen: Einige der spannendsten Anwendungen neuromorpher Schaltkreise liegen im Bereich der Neurotechnologie. Fortgeschrittene intelligente Geräte könnten Gehirnsignale analysieren und interpretieren, um die tiefgreifenden Geheimnisse der Gehirnfunktion zu entschlüsseln. Hier erhalten die Studierenden einen Einblick in die mögliche Konvergenz der Bereiche Neurowissenschaften und Informatik.
7. Herausforderungen bei der Integration von neuromorphen Chips und Biomedizin: Die Studierenden lernen einige kritische Herausforderungen auf dem Gebiet der neuromorphen Datenverarbeitung kennen, darunter Hardware-Design, Skalierbarkeit, Anpassungsfähigkeit und optimale Algorithmen.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Artificial Intelligence for Biomedical Applications | Seminar | Wintersemester | [en] | 4 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Artificial Intelligence for Biomedical Applications (Seminar) 1
Arbeitsaufwand und Leistungspunkte
Artificial Intelligence for Biomedical Applications (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| Presentation | 15 | 4 h | 60 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Es handelt sich um einen klassischen Seminarkurs, in dem die Studierenden wichtige Forschungsarbeiten auf diesem Gebiet besprechen. Für jeden Semartermin werden den Studierenden 1-2 Forschungsarbeiten zum Studium vorgegeben. Während des Seminars werden diese Arbeiten diskutiert, analysiert und untersucht. Die Studierenden werden ermutigt, ihre Ansichten, ihre Erkenntnisse und ihre Fragen zu den Arbeiten mitzuteilen.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Gute bis sehr gute Kenntnisse der englischen Sprache. Grundkenntnisse in Informatik und Künstlicher Intelligenz
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Präsentation | 60 | mündlich | 20 minutes |
| (Punktuelle Leistungsabfrage) Mündlicher Test | 40 | mündlich | 30 minutes |
Prüfungsbeschreibung (Abschluss des Moduls)
Gegen Ende des Kurses wird jeder Teilnehmende gebeten, eine Präsentation über ein Unterthema in diesem Bereich zu halten. Jede Präsentation dauert 15-20 Minuten, und die Studierenden werden nach dem Inhalt ihrer Präsentation sowie nach ihren Kommunikationsfähigkeiten benotet. Am Ende des Seminars findet eine mündliche Prüfung statt.
Die Abschlussnote basiert auf der mündlichen Prüfung (60%) und der Präsentation (40%).
Die Abschlussnote basiert auf der mündlichen Prüfung (60%) und der Präsentation (40%).
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 15.
Anmeldeformalitäten
Bitte melden Sie sich per E-Mail für das Modul an. Bei mehr Interessenten als Plätzen erfolgt die Zulassung nach Eingangsdatum.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – Lecture notes will be provided in ISIS
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Elektronik, Photonik und Integrierte Systeme / Electronics, Photonics and Integrated Systems |
| Computer Science (Informatik) StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| Medientechnik StuPO 2022 | SoSe 2025 | Wahlpflicht weitere Profibereiche › weiterer Profilbereich Elektronik, Photonik und Integrierte Systeme |
Sonstiges
Keine Angabe