Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Data Science und Künstliche Intelligenz für industrielle AnwendungenModulbeschreibung #51203 / Version 1

← Zur Modulseite English version
Modul / Version#51203 / #1
GültigkeitSeit SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rFresemann, Carina
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Fachgebiet35361500 FG Industrielle Informationstechnik

Kontakt

SekretariatPTZ 4
Ansprechpartner*inFresemann, Carina
E-Mail-Adressecarina.fresemann@tu-berlin.de
Webseitehttps://www.tu.berlin/iit

Lernergebnisse

Das Modul vermittelt eine Grund- und Anwendungskompetenz zum Umgang mit ML- und KI-Algorithmen sowie für Daten, die beispielsweise in cyberphysikalischen oder autonomen (Produktions)-systemen erzeugt und verarbeitet werden (Data Literacy).

Studierende sollen:
• Kompetenzen erwerben, um Datenquellen und Daten von cyberphysikalischen oder autonomen technischen Systemen identifizieren, bereitzustellen, zu analysieren und verwenden zu können.
• Fertigkeiten erwerben, um gängige Konzepte und Prinzipien der künstlichen Intelligenz (KI) in unterschiedlichen Ausprägungsstufen zu erklären, zugehörige Methoden anzuwenden, Ergebnisse darzustellen, interdisziplinär zu kommunizieren und zu beurteilen.
• Kenntnisse von rechtlichen und ethischen Randbedingungen und Auswirkungen zur Nutzung von Daten, dem Maschinellen Lernen und der Künstlichen Intelligenz für technische Anwendungen erwerben.

Durch die erworbenen Fertigkeiten können Studierende am Ende eines Semesters Data Analytics, KI & ML Anwendungen im Kontext maschinenbaulicher Anwendungen verstehen, einordnen und darüber interdisziplinär und industrietauglich kommunizieren.

Lehrinhalte

Studierende erhalten einen Überblick über Applikationen von künstlicher Intelligenz und maschinellem Lernen entlang der Produktentwicklung und der Nutzungsphase technischer Systeme. Studierende erlernen den Umgang mit Daten aus unterschiedlichen maschinenbautypischen Anwendungen. Dabei werden Prinzipien, Funktionen und Mechanismen von Daten Pipelines, Feature Engineering, und Data Analytics für diverse Datenquellen, -formate und -typen vermittelt. Weiterhin werden diverse Methoden und Verfahren des Maschinellen Lernens und der künstlichen Intelligenz inkl. Deep Learning vorgestellt und an Beispielen mit industriellem Bezug angewendet, sowie Vorgehensweisen zur Visualisierung der Ergebnisse und Bewertungsprinzipien genutzt. Zusätzlich werden rechtliche und ethische Grundprinzipien, wie Datensouveränität, IP-Schutz, der European DataAct, etc. vorgestellt.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Data Science und Künstliche Intelligenz für industrielle AnwendungenVorlesung Wintersemester[de]4 ISIS
Data Science und Künstliche Intelligenz für industrielle AnwendungenÜbung Wintersemester[de]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Data Science und Künstliche Intelligenz für industrielle Anwendungen (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Data Science und Künstliche Intelligenz für industrielle Anwendungen (Übung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Data Science und Künstliche Intelligenz für industrielle Anwendungen (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Data Science und Künstliche Intelligenz für industrielle Anwendungen (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

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

Beschreibung der Lehr- und Lernformen

Das Modul besteht aus einer VL (Frontalunterricht), die den theoretischen Hintergrund vermittelt; Seminaren im Rahmen der VL, das die Kommunikationsfähigkeit vermittelt, sowie Übungen die das praktische Implementieren vermittelt.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Das Modul setzt für die Teilnahme Kenntnisse einer höheren Programmiersprache (Python, C) voraus.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheDeutsch
Dauer/Umfang2

Prüfungsbeschreibung (Abschluss des Moduls)

Voraussetzung für die Teilnahme an der schriftlichen Prüfung ist die erfolgreiche Abgabe von Hausaufgaben in der Übung.

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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

über Moses

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar – Bereitstellung über ISIS

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018
WiSe 2026/275. Ingenieurwissenschaftliche Wahlpflichtmodule › 5.5 Informationstechnik
Maschinenbau
StuPO 2017
WiSe 2026/27Wahlpflichtmodule › Technische Grundlagen › Informationstechnische Grundlagen
Wirtschaftsingenieurwesen
StuPO 2015
WiSe 2026/27Ingenieurwissenschaftliche Studienrichtungen › Maschinenbau (MB) › Maschinenbau (Wahlpflicht)

Sonstiges

Keine Angabe