htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code


Einführung in die Grundlagen der Künstlichen Intelligenz

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Einführung in die Grundlagen der Künstlichen Intelligenz
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Kommunikationsinformatik, Bachelor, ASPO 01.10.2022
Code: KIB-GKI
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
2V+2S (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
5
Studiensemester: 5
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Klausur, Dauer 90 min.

[letzte Änderung 25.09.2025]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

KIB-GKI Kommunikationsinformatik, Bachelor, ASPO 01.10.2022 , 5. Semester, Wahlpflichtfach
PIB-GKI Praktische Informatik, Bachelor, ASPO 01.10.2022 , 5. Semester, Wahlpflichtfach
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Christoph Tholen
Dozent/innen: Prof. Dr. Christoph Tholen

[letzte Änderung 25.09.2025]
Lernziele:
Nach erfolgreichem Abschluss des Moduls können die Studierenden verschiedene Teilgebiete der Künstlichen Intelligenz benennen und gegeneinander abgrenzen. Sie verstehen die wichtigsten Prinzipien und können einfache Aufgaben aus verschiedenen Teilgebieten selbstständig implementieren. Die Studierenden können geeignete Methoden und Verfahren der Künstlichen Intelligenz identifizieren und in einfachen Anwendungsszenarien praktisch einsetzen. Die Studierenden bearbeiten einfache KI-Systeme eigenständig in kleinen Teams. Die Studierenden diskutieren ethische Fragestellungen, die mit dem Einsatz von KI verbunden sind, umfassend und berücksichtigen diese bei der Gestaltung von KI-Systemen.

[letzte Änderung 25.09.2025]
Inhalt:
Historische Entwicklung der Künstlichen Intelligenz
Aussagenlogik
Prädikatenlogik 1. Stufe
Expertensysteme
Fuzzy Logic
Uninformierte und informierte Suche, Heuristiken
überwachtes und unüberwachtes maschinelles Lernen


[letzte Änderung 25.09.2025]
Weitere Lehrmethoden und Medien:
Folien, Programmierübungen in PROLOG, Python und KNIME

[letzte Änderung 25.09.2025]
Literatur:
Ertel, W.: Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. Springer Fachmedien, Wiesbaden (2021). https://doi.org/10.1007/978-3-658-32075-1
Frochte, J.: Maschinelles Lernen: Grundlagen und Algorithmen in Python. Hanser, München (2019). https://doi.org/10.3139/9783446459977.
Russell, S.J., Norvig, P.: Künstliche Intelligenz: ein moderner Ansatz. Pearson, München, Germany (2012).
Karatas, M.: Eigene KI-Anwendungen programmieren. Rheinwerk Verlag, Bonn (2024). ISBN 978-3-8362-9763-9
Hopgood, A.A.: Intelligent Systems for Engineers and Scientists: A Practical Guide to Artificial Intelligence. CRC Press, Boca Raton (2021). https://doi.org/10.1201/9781003226277.


[letzte Änderung 25.09.2025]
 
[Fri Oct 17 00:50:06 CEST 2025, CKEY=peidgdk, BKEY=ki3, CID=KIB-GKI, LANGUAGE=de, DATE=17.10.2025]