Verantwortungsvolles Data Engineering ProjektModulbeschreibung #41242 / Version 1
- 9 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #41242 / #1 |
|---|---|
| Gültigkeit | WiSe 2025/26 – SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Schelter, Sebastian |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34353500 FG Management von Data Science-Prozessen (BIFOLD) |
Kontakt
| Sekretariat | Keine Angabe |
|---|---|
| Ansprechpartner*in | Schelter, Sebastian |
| E-Mail-Adresse | schelter@tu-berlin.de |
| Webseite | https://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
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Responsible Data Engineering | Projekt | Winter- und Sommersemester | [en] | 6 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Responsible Data Engineering (Projekt) 1
- Responsible Data Engineering (RDSEM) (Projekt) Termingruppe 1
Arbeitsaufwand und Leistungspunkte
Responsible Data Engineering (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Dokumentation, Präsentation | 1 | 40 h | 40 h |
| Implementierung, Tests, Experimente | 1 | 130 h | 130 h |
| Vorbereitung und Designphase | 1 | 40 h | 40 h |
| Teilnahme an Teammeetings | 20 | 3 h | 60 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
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Lernprozessevaluation) Design und Ausführung der Experimentieranordnung | 20 | praktisch | ca 30 Stunden |
| (Ergebnisprüfung) Analyse der Experimente | 20 | praktisch | ca 30 Stunden |
| (Ergebnisprüfung) Zwischenpräsentation | 10 | mündlich | ca 5-15 Minuten |
| (Ergebnisprüfung) Abschlusspräsentation | 20 | mündlich | ca 10-25 Minuten |
| (Lernprozessevaluation) Prototyp mit Test Cases und Dokumentation | 30 | praktisch | ca 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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| Computer Science (Informatik) StuPO 2015 | WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| SoSe 2026 | Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| Elektrotechnik StuPO 2015 | WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | WiSe 2025/26 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
Sonstiges
Keine Angabe