Künstliche Intelligenz

MIT WELCHEN INHALTEN BEFASST SICH DAS THEMENGEBIET "KÜNSTLICHE INTELLIGENZ"?

In der Künstlichen Intelligenz (KI) werden Verfahren entwickelt, die Maschinen (Computer) zu ähnlich intelligentem Verhalten wie Menschen befähigen. Bausteine dieser Intelligenz sind: wahrnehmen, erfahren, schließen, planen, optimieren und lernen. Unter anderem bilden die Algorithmen der Künstlichen Intelligenz das Herzstück sämtlicher Big Data Anwendungen. Sie ermöglichen das Erlernen von Nutzerprofilen und das Vorhersagen von Kaufverhalten, die Personalisierung von Suchmaschinen, die Erkennung von Objekten und Gesichtern in Bildern oder das maschinelle Verstehen und Erzeugen von Sprache. Digitale Assistenten, Autonome Fahrzeuge und intelligente Roboter sind ohne künstliche Intelligenz nicht denkbar.

WELCHE PRAXISBEZÜGE BIETEN SIE IN IHREM STUDIENFACH AN?

Zunächst lernen die Studierende in der Vorlesung Künstliche Intelligenz die Theorie der Algorithmen. Mit diesem Wissen können dann im Data Mining Praktikum intelligente Anwendungen von den Studierenden selbst implementiert werden. Die Programmierübungen umfassen u.a. Empfehlungssysteme, Nachrichtenklassifikation, Gesichtserkennung und Verkehrsschildererkennung. Neben dem Data Mining Praktikum bauen zahlreiche andere KI-bezogene Lehrveranstaltungen auf der genannten Grundlagenvorlesung auf. Eine Übersicht des gesamten KI-Veranstaltungsangebot an der HdM liefert die Homepage des Institute for Applied Artificial Intelligence (IAAI). Mit dem in diesen Veranstaltungen vermittelte WIssen sind die Studierenden dann bestens gerüstet intelligente Systeme in der Praxis zu entwickeln. Es bestehen zahlreiche Kontakte, u.a. zu namhaften Unternehmen wie Daimler, Porsche, Bosch oder BMW, die regelmäßig interessante KI-Aufgaben in Form von Praktika, Abschlussarbeiten und Festanstellungen anbieten.

WAS SIND DIE BESONDERHEITEN, DIE BEI "KÜNSTLICHER INTELLIGENZ" ZU BEACHTEN SIND?

Die Algorithmen der Künstlichen Intelligenz benötigen in der Regel den Zugang zu großen Datenbeständen. Die Daten werden zum Erlernen von Modellen benötigt. Die gelernten Modelle ermöglichen dann die Extraktion des interessierenden Wissens aus großen Datenbeständen. Der Entwickler muss also zum einen in der Lage sein, Schnittstellen für den effizienten Datenzugriff und die effiziente Verarbeitung sehr großer Datenmengen zu programmieren. Noch wichtiger ist aber das Verständnis und die Entwicklung der Algorithmen selbst. Dies ist nur möglich, wenn die den Algorithmen zugrundeliegende Mathematik verstanden wird. Studierende müssen bereit sein sich intensiv mit Statistik, linearer Algebra und Analysis auseinanderzusetzen.

Prof. Dr.-Ing. Johannes Maucher