Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Verantwortungsvolles Data Engineering ProjektModulbeschreibung #41242 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Modul / Version#41242 / #1
GültigkeitWiSe 2025/26 – SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte9
Modulverantwortliche*rSchelter, Sebastian
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34353500 FG Management von Data Science-Prozessen (BIFOLD)

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inSchelter, Sebastian
E-Mail-Adresseschelter@tu-berlin.de
Webseitehttps://deem.berlin

Lernergebnisse

In diesem Projektkurs lernen die Studierenden, eine aktuelle Fragestellung im Responsible Data-Engineering-Bereich systematisch zu analysieren und im Team eine problemorientierte Lösung zu entwickeln und umzusetzen. Die Studierenden lernen, als Team zusammenzuarbeiten, zur Projektorganisation, Qualitätssicherung und Dokumentation beizutragen und die Qualität ihrer Lösung durch Analysen, systematische Experimente und Testfälle zu bewerten. Nach dem Kurs sind die Studierenden in der Lage, die Architektur großer Datensysteme zu verstehen und verantwortungsorientierte Probleme beim End-to-End-Design, der Implementierung, dem Testen und dem Einsatz großer datengesteuerter Systeme zu lösen. Sie werden in der Lage sein, Lösungen zu entwerfen und umzusetzen, um solche Probleme in einem kollaborativen Team besser anzugehen.

Lehrinhalte

Dieser technische Projektkurs befasst sich mit den Themen Ethik und Verantwortung in Data Science, einschließlich Rechtskonformität, Datenqualität, algorithmischer Fairness und Transparenz. Data Science verspricht, das Leben der Menschen zu verbessern, wissenschaftliche Innovationen zu beschleunigen und positive gesellschaftliche Veränderungen herbeizuführen. Doch wenn dieselbe Technologie nicht verantwortungsvoll - im Einklang mit ethischen und moralischen Normen sowie rechtlichen und politischen Erwägungen - eingesetzt wird, kann sie Schaden in beispiellosem Ausmaß anrichten. Algorithmische Einstellungspraktiken können beispielsweise stillschweigend und in großem Umfang gegen Gleichstellungsgesetze verstoßen, Unternehmen mit Klagen belasten und die Rückkopplungsschleifen verstärken, die zu einem Mangel an Diversität führen, der sowohl gesellschaftlich unerwünscht ist als auch sich negativ auf die Leistung von Organisationen auswirken kann.
Bei der Entwicklung und dem Einsatz von Data-Science-Methoden und -Systemen sind wir gezwungen, über die Auswirkungen dieser Methoden auf Einzelpersonen, Bevölkerungsgruppen und die Gesellschaft insgesamt nachzudenken und die Verantwortung entlang bestehender und künftiger regulatorischer Rechtsrahmen zu operationalisieren. Dieser Projektkurs bietet den Studierenden die konkrete Arbeit an einem verantwortungsorientierten Projekt, basierend auf aktuellen Forschungsarbeiten im Bereich Responsible Data Engineering

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Responsible Data EngineeringProjekt Winter- und Sommersemester[en]6 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Responsible Data Engineering (Projekt) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Responsible Data Engineering (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Dokumentation, Präsentation140 h40 h
Implementierung, Tests, Experimente1130 h130 h
Vorbereitung und Designphase140 h40 h
Teilnahme an Teammeetings203 h60 h
270 h

Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Angeleitete und selbstständige Projektarbeit.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Abgeschlossene Grundkurse zu angewandtem maschinellem Lernen, Datenmanagement und verteilten Systemen

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Lernprozessevaluation) Design und Ausführung der Experimentieranordnung20praktischca 30 Stunden
(Ergebnisprüfung) Analyse der Experimente20praktischca 30 Stunden
(Ergebnisprüfung) Zwischenpräsentation10mündlichca 5-15 Minuten
(Ergebnisprüfung) Abschlusspräsentation20mündlichca 10-25 Minuten
(Lernprozessevaluation) Prototyp mit Test Cases und Dokumentation30praktischca 60 Stunden

Prüfungsbeschreibung (Abschluss des Moduls)

Die Gesamtnote gemäß § 68 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 24.

Anmeldeformalitäten

Details zur Registrierung werden auf der ISIS Seite bekannt gegeben.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Project specific literature will be announced in the first lecture.

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Computer Science (Informatik)
StuPO 2015
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
SoSe 2026Studiengebiete › Data and Software Engineering / Data and Software Engineering
Elektrotechnik
StuPO 2015
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
WiSe 2025/26Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering

Sonstiges

Keine Angabe