AI in ManufacturingModulbeschreibung #51145 / Version 4
- 6 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v6)
| Modul / Version | #51145 / #4 |
|---|---|
| Gültigkeit | SoSe 2026 – SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Krüger, Jörg |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Fachgebiet | 35361400 FG Industrielle Automatisierungstechnik |
Kontakt
| Sekretariat | PTZ 5 |
|---|---|
| Ansprechpartner*in | Altenbuchner, Adam Michael |
| E-Mail-Adresse | a.altenbuchner@tu-berlin.de |
| Webseite | https://www.tu.berlin/iat |
Lernergebnisse
Die Studierenden verfügen nach erfolgreichem Bestehen des Moduls über Fertigkeiten in:
- Abschätzung von Potenzialen verschiedener KI-Methoden und -Modelle für unterschiedliche Anwendungsbereiche der Produktion und Vergleich mit herkömmlichen Methoden.
- Auswahl von KI-Modellen für spezifische Aufgabenstellungen der Produktion.
- Abschätzung erforderlicher Daten für das Training von KI-Modellen.
- Datengewinnung anhand von Beispielprozessen und verfügbaren Online-Datenquellen, Augmentierung von Daten und Bewertung der Datenqualität.
- Training/Finetuning ausgewählter KI-Modelle und Bewertung deren Performance.
- Bewertung förderlicher und einschränkender Rahmenbedingungen für die Nutzung von KI-Modellen in der Produktion.
- Bewertung der zukünftigen Entwicklung des KI-Einsatzes in der Produktion.
- Analyse und Erschließung von KI-Potenzialen in der Produktion anhand relevanter Publikationen zum Stand der Forschung und Technik.
- Abschätzung von Potenzialen verschiedener KI-Methoden und -Modelle für unterschiedliche Anwendungsbereiche der Produktion und Vergleich mit herkömmlichen Methoden.
- Auswahl von KI-Modellen für spezifische Aufgabenstellungen der Produktion.
- Abschätzung erforderlicher Daten für das Training von KI-Modellen.
- Datengewinnung anhand von Beispielprozessen und verfügbaren Online-Datenquellen, Augmentierung von Daten und Bewertung der Datenqualität.
- Training/Finetuning ausgewählter KI-Modelle und Bewertung deren Performance.
- Bewertung förderlicher und einschränkender Rahmenbedingungen für die Nutzung von KI-Modellen in der Produktion.
- Bewertung der zukünftigen Entwicklung des KI-Einsatzes in der Produktion.
- Analyse und Erschließung von KI-Potenzialen in der Produktion anhand relevanter Publikationen zum Stand der Forschung und Technik.
Lehrinhalte
Das Modul vermittelt Technologien und Anwendungen von KI in der Produktion. Dabei werden die Potenziale von KI in unterschiedlichen Schwerpunktbereichen betrachtet wie Produktionsplanung, Prozessoptimierung, Qualitätssicherung, Wartung und Instandhaltung bis zur automatisierten Montage und Demontage.
Anhand von Beispielanwendungen werden die Voraussetzungen und Rahmenbedingungen für eine erfolgreiche Anwendung von KI in der Produktion vermittelt.
Anhand von Beispielanwendungen werden die Voraussetzungen und Rahmenbedingungen für eine erfolgreiche Anwendung von KI in der Produktion vermittelt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| AI in Manufacturing | Seminar | Sommersemester | [en] | 4 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
AI in Manufacturing (Seminar) 1
- AI in Manufacturing (Seminar) Termingruppe 1
Arbeitsaufwand und Leistungspunkte
AI in Manufacturing (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 8 h | 120 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Das Seminar besteht aus:
- einem Einführungsteil
- einer selbstständien Einarbeitung in vorgegebene wiss. Publikationen
- einer mündlichen Rücksprache zu den Publikationen
- einer Präsentation & Diskussion der Publikationen
- Gruppenarbeit: Anwendung auf Fallbeispiele und Darstellung der Ergebnisse in Form eines Abschlussberichts
- einer Abschlussveranstaltung (Abschlussdiskussion und Reflexion)
- einem Einführungsteil
- einer selbstständien Einarbeitung in vorgegebene wiss. Publikationen
- einer mündlichen Rücksprache zu den Publikationen
- einer Präsentation & Diskussion der Publikationen
- Gruppenarbeit: Anwendung auf Fallbeispiele und Darstellung der Ergebnisse in Form eines Abschlussberichts
- einer Abschlussveranstaltung (Abschlussdiskussion und Reflexion)
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Empfohlen: Vorlesung Bildgestützte Automatisierung II, Machine Learning 1, Machine Intelligence 1
Erforderlich: GUTE Englischkenntnisse, Python-Programmierkenntnisse für die praktische Umsetzung der Fallbeispiele.
Erforderlich: GUTE Englischkenntnisse, Python-Programmierkenntnisse für die praktische Umsetzung der Fallbeispiele.
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 |
|---|---|---|---|
| mündliche Rücksprache | 40 | mündlich | 15 Minuten |
| Präsentation | 30 | mündlich | 10 Minuten |
| Abschlussbericht (Gruppenarbeit) | 30 | schriftlich | 15 Seiten |
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 25.
Anmeldeformalitäten
Ein halbseitiges Motivationsschreiben, das die Notwendigkeit und das Interesse an dem Modul darlegt, seine Relevanz für zukünftige berufliche Ziele betont und an die zuständige Kontaktperson des Moduls (a.altenbuchner@tu-berlin.de) adressiert ist.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 | SoSe 2026 | 6. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik |
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 (17.01.2018) | SoSe 2026 | 4. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik |
| Maschinenbau StuPO 2017 | SoSe 2026 | Wahlpflichtmodule › Profilmodule › Produktion |
| Physikalische Ingenieurwissenschaft StuPO 2020 | SoSe 2026 | Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation |
| Physikalische Ingenieurwissenschaft StuPO 2020 | SoSe 2026 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich |
| Produktionstechnik StuPO 2018 (09.05.2018) | SoSe 2026 | 4. Profilmodule › 4.3 Produktionsmanagement |
AI in Manufacturing ist ein Modul, das zur Klasse der freien Wahl zählt und für alle Studiengänge offen ist.
Sonstiges
Keine Angabe