Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Wissensgraphen und KI-gesteuerte AnwendungenModulbeschreibung #41261 / Version 1

← Zur Modulseite English version
Modul / Version#41261 / #1
GültigkeitSeit WiSe 2025/26
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rHauswirth, Manfred
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Telekommunikationssysteme
Fachgebiet34332300 FG Open Distributed Systems (ODS)

Kontakt

SekretariatHFT 3
Ansprechpartner*inLe Phuoc, Danh
E-Mail-Adresselehre@ods.tu-berlin.de
WebseiteKeine Angabe

Lernergebnisse

In einer zunehmend datengetriebenen Welt besteht eine zentrale Herausforderung darin, komplexe und miteinander verknüpfte Informationen zu verstehen und nutzbar zu machen - sei es in der Robotik, in Smart Cities, im Automobilbereich oder bei Digitalen Zwillingen. Wissensgraphen haben sich als leistungsstarkes Paradigma zur Strukturierung und zum Schließen über semantische Daten etabliert. Sie ermöglichen intelligenten Systemen, vielfältige Informationsquellen zu integrieren, zu interpretieren und darauf zu reagieren. Dieser Kurs bietet eine umfassende Einführung in die Grundlagen, den Aufbau, die Speicherung und die KI-gestützten Anwendungen von Wissensgraphen. Die Teilnehmenden lernen sowohl theoretische Konzepte als auch praktische Umsetzungen kennen und erwerben die Fähigkeiten, Wissensgraphen in modernen KI-Systemen mit großen Sprachmodellen (LLMs) und Foundation Models effektiv einzusetzen. Anhand praxisnaher Beispiele und Übungen entwickeln sie Kompetenzen zur Erstellung skalierbarer, dynamischer und kontextbewusster Wissenssysteme, die symbolisches Schließen und maschinelles Lernen miteinander verbinden. Zusammenfassend umfassen die Lernziele:

- Kenntnisse über Wissensgraphen demonstrieren.
- Fähigkeiten in der Anwendung von Wissensgraphen in KI-gesteuerten Anwendungen in den Bereichen Robotik, Automobilindustrie und Smart Cities demonstrieren

Lehrinhalte

Die Kursinhalte sind in vier Blöcke unterteilt:

I) Grundlagen für Wissensgraphen
• Zentrale Konzepte und Formalismen
• Abfragesprachen und Verarbeitungsoperatoren
• Wissensgraph-Embeddings

II) Aufbau von Wissensgraphen
• Datenaufnahme und -transformation
• Anreicherung und Angleichung
• Einsatz von LLMs und Foundation Models

III) Speicherung und Verarbeitung von Wissensgraphen
• Speicherdesign für Wissensgraphen
• Verarbeitung von Graphabfragen
• Schließen mit Wissensgraphen
• Streaming-Daten mit dynamischen Wissensgraphen

IV) KI-gesteuerte Anwendungen von Wissensgraphen
• Wissensgraphen in Computer Vision und Robotik
• Wissensgraphen in Gebäuden und Smart Cities
• Wissensgraphen in der Automobilindustrie
• Wissensgraphen in Digitalen Zwillingen

- Aufgaben: alle paar Wochen müssen Studierende eine größere Codebasis abgeben.
- Labor: Im Laufe des Semesters finden Programmierübungen statt, und die Studierenden werden dabei aufgefordert, ihre Arbeit zu erklären und vorzustellen.
- Präsentation (Q&A): Am Ende des Semesters werden die inkrementellen Ergebnisse als eine Projektabgabe zusammengeblendet. Diese wird in einem Vortrag verteidigt.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Knowledge Graphs and AI-driven ApplicationsIntegrierte Veranstaltung Wintersemester[en]4 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Knowledge Graphs and AI-driven Applications (Integrierte Veranstaltung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Knowledge Graphs and AI-driven Applications (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsemzzeit152 h30 h
Vortrag154 h60 h
Übungsaufgaben/ Praxisteil154 h60 h
Gruppenprojekt152 h30 h
180 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Dieser Kurs beinhaltet in integrierter Form: Vorlesungen, Übungen & Labore, Gruppenprojekte

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Dieser Kurs beinhaltet praktische Übungen zur Installation, Konfiguration und Programmierung verschiedener Tools. Es wird empfohlen, dass die Studierenden über Erfahrung mit Programmiersprachen (z. B. Java, Python), relationalen Datenbanksystemen, SQL und Linux verfügen.

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
(Ergebnisprüfung) Aufgaben30flexibelProjektabhängig
(Ergebnisprüfung) Präsentation (Q&A)30mündlich30 mins
(Lernprozesservaluation) Labor40flexibelProjektabhängig

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 25.

Anmeldeformalitäten

Bitte beachten Sie, dass die Teilnahme an der IV ab der ersten Woche verpflichtend ist.

Weitere Informationen finden Sie unter: http://www.ods.tu-berlin.de

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Aidan Hogan,et al (2021) Knowledge Graphs, Synthesis Lectures on Data, Semantics, and Knowledge, No. 22, 1-237, DOI: 10.2200/S01125ED1V01Y202109DSK022, Springer. Online Access: https://kgbook.org/
  • Mayank Kejriwal, Craig A. Knoblock and Pedro Szekely (2021). Knowledge Graphs: Fundamentals, Techniques, and Applications (Adaptive Computation and Machine Learning series). The MIT Press. ISBN: 9780262045094

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
WiSe 2026/27Wahlpflichtbereich › 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
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › 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
WiSe 2026/27Wahlpflichtbereich › 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
WiSe 2026/27Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
Medieninformatik
StuPO 2017
WiSe 2025/26Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Data Science
SoSe 2026Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Data Science
WiSe 2026/27Wahlpflichtbereich › Technische Profilbereiche (A) › Data Science
Medientechnik
StuPO 2022
WiSe 2025/26Wahlpflicht weitere Profibereiche › weiterer Profilbereich Data Science
SoSe 2026Wahlpflichtbereich Profilbereiche › Profilbereich Data Science
WiSe 2026/27Wahlpflichtbereich › Profilbereich › Data Science
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering

Sonstiges

Keine Angabe