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 Entwicklunge
   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 der sich ständig weiterentwickelnden Welt der Künstlichen Intelligenz (KI) ist es wesentlich geworden, das komplexe Feld der Ethik und Rechtlichkeit rund um KI zu verstehen und zu navigieren. Studierende erlangen Kenntnisse über ethische Überlegungen, die beim Entwickeln und Einsatz von KI von entscheidender Bedeutung sind. Zusätzlich erwerben sie umfassendes Wissen über die in verschiedenen globalen Geschäftsumgebungen geltenden KI-Regelungen, wodurch sie die Einhaltung der Vorschriften sicherstellen und ein Verständnis für die Komplexität bei der Implementierung von KI entwickeln. Die Studierenden lernen nicht nur die Bedeutung der Minimierung von Verzerrungen, deren Milderung und die Förderung von Fairness in KI-Anwendungen kennen, sondern erlangen auch praktisches Verständnis für deren Umsetzung. Sie lernen, Maßnahmen zum Schutz der Privatsphäre zu entwerfen und durchzusetzen, und sichern damit individuelle Datenrechte. Den Studierenden werden Einblicke in die Auswirkungen verschiedener KI-Anwendungen auf gesellschaftlicher und individueller Ebene gegeben, einschließlich der Datenquellen, die zur Schulung von KI-Modellen verwendet werden und wie diese leicht sensible und private Daten umfassen können. Darüber hinaus werden ein detaillierter Überblick und kritische Bewertungen der aktuellen Erklärbarkeitsmethoden von KI bereitgestellt.

1. Umgang mit ethischen Herausforderungen in der KI
   1. Einführung in ethische Aspekte
   2. Erforschung ethischer Dilemmata in der KI
   3. Entwicklung einer ethischen Denkweise
2. Entschlüsselung von Vorschriften und Compliance in der KI
   1. Überblick über internationale KI-Vorschriften
   2. Rollen und Verantwortlichkeiten bei der Compliance
3. Verantwortungsvolle KI in der Praxis
   1. Techniken zur Minimierung und Milderung von Bias
   2. Fairness in KI-Anwendungen
   3. Reale Szenarien für verantwortungsvolle KI
4. Wahrung von Datenschutz in KI-Systemen
   1. Überblick über Maßnahmen zum Datenschutz
   2. Implementierung von Sicherheitskontrollen
   3. Entstehende Herausforderungen und Fortschritte im Datenschutz von KI
5. Die ethischen Implikationen verschiedener KI-Anwendungen
   1. Untersuchung von KI-Anwendungen
   2. Bewertung ethischer und sozioökonomischer Konsequenzen
6. Verständnis und Bewertung von KI-Erklärbarkeit
   1. Definition von KI-Erklärbarkeit und deren Bedeutung
   2. Verständnis des menschlichen Faktors in der Erklärbarkeit
   3. Kritische Bewertung aktueller Erklärbarkeitsmethoden

Die zunehmende Verfügbarkeit generativer KI-Systeme verändert akademisches und berufliches Arbeiten grundlegend. Das Modul versteht KI nicht als Ersatz menschlicher Kognition, sondern als Werkzeug innerhalb einer verantwortungsvollen Mensch–KI-Kollaboration. Ziel ist die Entwicklung epistemischer Steuerungskompetenz: Studierende lernen, generative KI gezielt einzusetzen, kritisch zu prüfen und bewusst zu begrenzen. Der Fokus liegt nicht auf technischer Systementwicklung, sondern auf reflektierter Anwendung, Urteilsfähigkeit und eigenverantwortlicher Ergebnisvertretung.

• Der Kurs vermittelt die grundlegenden Konzepte und Anwendungsfelder generativer KI und strukturiert diese entlang eines kompetenzorientierten Lernpfads. Zunächst werden zentrale KI-Toolkategorien (Text-, Bild-, Code- und Analysemodelle) sowie das Prinzip der aufgabenorientierten Toolauswahl eingeführt. Darauf aufbauend erlernen die Studierenden die systematische Gestaltung wirkungsvoller Prompts, insbesondere mithilfe strukturierter Prompt-Frameworks. Ein weiterer Schwerpunkt liegt auf der kritischen Analyse von KI-Outputs hinsichtlich Faktentreue, Verzerrungen, Qualität und Kontextangemessenheit. Im Verlauf des Kurses wird die KI-Nutzung in komplexere Arbeitsprozesse integriert, einschließlich mehrstufiger Mensch-KI-Kollaboration, Qualitätssicherung und bewusster Nichtnutzung. Ergänzend werden ethische, rechtliche und verantwortungsbezogene Fragestellungen behandelt, sodass die Studierenden ein reflektiertes und praxistaugliches Rahmenwerk für den professionellen Einsatz generativer KI entwickeln.