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


KI-basierte Programmierung

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
KI-basierte Programmierung
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).
Supply Chain Management und Digital Business, Master, SO 01.04.2025
Code: MASCM-DB-521
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.
4VF (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).
6
Studiensemester: 1, 2 oder 3
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Semesterbegleitende Portfolio-Prüfung

[letzte Änderung 09.02.2025]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

MASCM-DB-521 Supply Chain Management und Digital Business, Master, SO 01.04.2025 , 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 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Stefan Selle
Dozent/innen:
Dozierende des Studiengangs


[letzte Änderung 09.02.2025]
Lernziele:
Nach der Teilnahme an diesem Modul sind die Studierenden in der Lage,
 
• die theoretischen Grundlagen von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) zu verstehen und deren Anwendungen in der Softwareentwicklung zu erläutern,
 
• KI-basierte Tools und Frameworks für die Softwareentwicklung praktisch anzuwenden, um die Effizienz und Qualität der Programmierarbeit zu verbessern,
 
• bestehende Codebasen mit Hilfe von KI-Tools zu analysieren und Verbesserungspotenziale zu identifizieren,
 
• KI-integrierte Softwarelösungen zu entwickeln, die sowohl innovative als auch technisch fortgeschritten sind,
 
• die Leistungsfähigkeit und die Grenzen von KI-assistierten Programmierungswerkzeugen zu beurteilen und ethische Überlegungen bei deren Einsatz zu berücksichtigen.

[letzte Änderung 09.02.2025]
Inhalt:
• Grundlegende Programmierkonzepte (Variablen, Datentypen, Operatoren, Bedingungen, Schleifen, Funktionen/Module, Objektorientierung),
 
• KI-Technologien in der Softwareentwicklung (Maschinelles Lernen, Deep Learning, Neuronale Netze, Large Language Models),
 
• Tools und Frameworks für die KI-assistierte Programmierung (z.B. OpenAI Codex, GitHub Copilot, ChatGTP, AlphaCode usw.),
 
• Praktische Anwendungen und Best Practices in der KI-assistierten Programmierung (Code-Generierung bzw. – Vervollständigung, Code-Reviews, Debugging, Refactoring, Unit-Tests usw.),
 
• Ethische Aspekte und Herausforderungen in der KI-assistierten Programmierung.

[letzte Änderung 09.02.2025]
Weitere Lehrmethoden und Medien:
• Interaktive Vorlesungen mit Fallstudien und aktuellen Forschungsergebnissen,
  
• Praxisorientierte Programmierprojekte, die die Integration von KI-Werkzeugen in den Entwicklungsprozess demonstrieren,
 
• Workshops, in denen Studierende KI-Tools in realen Programmieraufgaben einsetzen,
 
• Gastvorträge von Branchenexperten und Entwicklern führender KI-Programmierungstools,
 
• Online-Ressourcen und Tutorials für vertiefendes Selbststudium.


[letzte Änderung 09.02.2025]
Literatur:
• Dörn, S.: Python lernen in abgeschlossenen Lerneinheiten, 2. Auflage, Springer Vieweg, Wiesbaden, 2020
 
• Ertel, W.: Grundkurs Künstliche Intelligenz – Eine praxisorientierte Einführung, 5. Auflage, Springer Vieweg, 5. Auflage, 2021
 
• Sommerville, I.: Modernes Software-Engineering, Pearson, Hallbergmoos, 2020
 
• Dwivedi, A.: CodeMosaic – Learn AI-Driven Development and Modern Best Practices for Enterprise, Apress, Berkeley, 2024
 
• Porter, L.: Learn AI-Assisted Python Programming: With GitHub Copilot and ChatGPT, Manning Publications, New York, 2024
 
• Reder, M. Koska. C: Künstliche Intelligenz und ethische Verantwortung, transcript, Bielefeld, 2024

[letzte Änderung 09.02.2025]
 
[Mon Mar  3 20:32:03 CET 2025, CKEY=skp, BKEY=scmdb, CID=MASCM-DB-521, LANGUAGE=de, DATE=03.03.2025]