Data Science und Künstliche Intelligenz für industrielle AnwendungenModulbeschreibung #51203 / Version 1
- 6 LP
- Schriftliche Prüfung
- Benotet
- Wintersemester
- Deutsch
| Modul / Version | #51203 / #1 |
|---|---|
| Gültigkeit | Seit SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Fresemann, Carina |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Fachgebiet | 35361500 FG Industrielle Informationstechnik |
Kontakt
| Sekretariat | PTZ 4 |
|---|---|
| Ansprechpartner*in | Fresemann, Carina |
| E-Mail-Adresse | carina.fresemann@tu-berlin.de |
| Webseite | https://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.
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Data Science und Künstliche Intelligenz für industrielle Anwendungen | Vorlesung | Wintersemester | [de] | 4 | WiSe 2026/27 (1) ISIS | |
| Data Science und Künstliche Intelligenz für industrielle Anwendungen | Übung | Wintersemester | [de] | 2 | WiSe 2026/27 (1) 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
Data Science und Künstliche Intelligenz für industrielle Anwendungen (Übung) 1
Arbeitsaufwand und Leistungspunkte
Data Science und Künstliche Intelligenz für industrielle Anwendungen (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Data Science und Künstliche Intelligenz für industrielle Anwendungen (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 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
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Deutsch |
| Dauer/Umfang | 2 |
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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 | WiSe 2026/27 | 5. Ingenieurwissenschaftliche Wahlpflichtmodule › 5.5 Informationstechnik |
| Maschinenbau StuPO 2017 | WiSe 2026/27 | Wahlpflichtmodule › Technische Grundlagen › Informationstechnische Grundlagen |
| Wirtschaftsingenieurwesen StuPO 2015 | WiSe 2026/27 | Ingenieurwissenschaftliche Studienrichtungen › Maschinenbau (MB) › Maschinenbau (Wahlpflicht) |
Sonstiges
Keine Angabe