Das Streben nach Künstlicher Intelligenz (KI) hat die Menschheit über viele Jahrzehnte hinweg in Atem gehalten und ist seit den 60er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie über moderne Ansätze in der Entwicklung der Künstlichen Intelligenz wie generative KI. Der Kurs gibt eine Einführung in das Reinforcement Learning, einen Prozess, der der Art und Weise ähnelt, wie Menschen und Tiere die Welt erleben: Erkundung der Umgebung und Ableitung der besten Aktion. Der Kurs behandelt auch die Grundsätze der Verarbeitung natürlicher Sprache und des Computer-Visualisierungsverfahrens, beides Schlüsselkomponenten für eine künstliche Intelligenz, die mit ihrer Umgebung interagieren kann.

1. Geschichte der KI
   1. Historische Entwicklung
   2. KI-Winter
   3. Expertensysteme
   4. Bemerkenswerte Fortschritte
2. Moderne KI-Systeme
   1. Schwache KI, starke KI und künstliche Superintelligenz
   2. Anwendungsbereiche
3. Bestärkendes Lernen
   1. Was ist bestärkendes Lernen?
   2. Markov-Entscheidungsprozess und Wertfunktionen
   3. Temporales Differenzlernen und Q-Learning
4. Natural Language Processing (NLP)
   1. Einführung in NLP und Anwendungsbereiche
   2. Grundlegende NLP-Techniken
   3. Daten vektorisieren
   4. Fortschrittliche NLP-Modelle
5. Computer Vision
   1. Einführung in Computer Vision
   2. Bilddarstellung und -Geometrie
   3. Feature Engineering
   4. Semantische Segmentierung
   5. Techniken zur Bildgenerierung

In diesem Kurs erkunden die Studierenden die faszinierende Welt des Prompts in generativen KI-Anwendungen. Sie beteiligen sich an praktischen Übungen, um neue KI-generierte Inhalte wie Texte, Bilder und Videos zu erstellen. Durch diese Übungen lernen die Studierenden, wie sie diese Systeme effektiv nutzen, analysieren und bewerten können, entsprechend ihrem jeweiligen Studienbereich.

Speziell im dualen Fernstudium: Im dualen Fernstudium ist der Theorie-Praxis-Transfer anhand eines realen Projekts, das im Praxisbetrieb umgesetzt werden soll, zu leisten. Im Rahmen des Praxisprojektes bearbeiten die Studierenden eine praxisrelevante Fragestellung ihres Praxisbetriebs unter Betreuung einer:s Lehrenden. Eine Betreuung seitens Praxispartner kann auf Wunsch erfolgen.

• In diesem Kurs arbeiten die Studierenden an einer grundlegenden praktischen Umsetzung eines generativen KI-Anwendungsfalls, indem sie aus einer Auswahl, die in der ergänzenden Richtlinie bereitgestellt wird, wählen. Der Kurs bietet praktische Beispiele als Lernmaterialien und Übungen mit grundlegenden Prompt-Techniken für Open-Source-Text-, Bild- und Video-Generierungsfälle. Die Übungen sollen die Studierenden inspirieren und anleiten, ihren eigenen generativen KI-Anwendungsfall zu bearbeiten, der eine Beschreibung des Anwendungsfalls, ausgewählte Prompt-Techniken, Ergebnisse und kritische Bewertungen aus technischer und ethischer Perspektive umfasst.

Nachhaltiges Wirtschaften spielt zunehmend eine immer größere Relevanz in Wirtschaft und Gesellschaft. Auch Informationstechnologien (IT) stehen vor der Herausforderung ökologische, soziale und ethische Anforderungen bei der Entwicklung und der Nutzung von Systemen zu integrieren. Im Rahmen der Vorlesung werden die wesentlichen Theorien und Konzepte zum Aufbau nachhaltiger IT vorgestellt. Nach der generellen Einführung werden vertiefend soziale, ökologische und ethische Grundlagen und aktuelle Beispiele behandelt, an denen sich aktuelle Fragen und Herausforderungen diskutieren lassen.

1. Einführung zu Ethik und Nachhaltigkeit in der IT
   1. Motivation, Historie und Begriff der Nachhaltigkeit
   2. IT als Problem und Lösung für die Nachhaltigkeit
   3. Ethik in der IT (Robotergesetze nach Asimov)
2. Grundlagen der Ethik
   1. Überblick: Ethik, Moral und soziale Normen
   2. Einführung von Ethik-Paradigmen (Utilitarismus, Tugend- und Pflichtethik)
   3. Ethik-Relevanz für die IT
3. Aufbau einer nachhaltigen IT
   1. Grundlagen und Merkmale
   2. Wirkungskreislauf
   3. Maßnahmen und Umsetzung auf der Prozessebene
   4. Maßnahmenkatalog für grüne IT und IS
4. Soziale Nachhaltigkeit
   1. Einführung in Menschenrechte, Datenschutz und Privatsphäre sowie die sozialen Folgen der Digitalisierung
   2. Grundlagen der Datenschutzverordnung
   3. Anonymisierung von Daten mittels k-Anonymität
   4. Cybersecurity als Teil nachhaltiger Unternehmensführung
5. Ökologische Nachhaltigkeit
   1. Einführung in Green Computing (Power Management, Cloud, Energieeinsparung, Virtualisierung)
   2. Ökologischer Fußabdruck und Trends in der Informationstechnologie
   3. Kreislaufwirtschaft (Circular Economy) der Informationstechnologie: Produktion, Nutzung und Recycling
6. Ethische und nachhaltige Fragestellungen an Fallbeispielen
   1. EU-Leitlinien für eine vertrauenswürdige KI
   2. Bitcoin-Mining und dessen CO2-Ausstoß
   3. Mensch oder Maschine – Der Einsatz von Big Data und KI im Arbeitsalltag
   4. Moral Machine Experiment: Moralische Entscheidungen von Maschinen am Beispiel autonomes Fahren
   5. Roboter zwischen Funktion und Ethik am Beispiel Pflegeroboter in Japan