BDF206: Bedarfsorientierte Mikroprojekte

Projekte

BDF206: Bedarfsorientierte Mikroprojekte

Kurzporträt BDF206: Bedarfsorientierte Mikroprojekte
Worum geht es? Dieses Modul führt in die reflektierte Nutzung Künstlicher Intelligenz im Umfeld der Digitalen Forensik ein. Die Studierenden lernen, Sprachmodelle über Prompts und Agenten gezielt einzusetzen – etwa zum Programmieren, zum Zusammenfassen von Dokumenten oder zur Literaturrecherche – und wenden dies in kleinen praktischen Projektaufgaben an.
Wofür braucht man es? KI-Werkzeuge werden in Studium und forensischer Praxis zunehmend eingesetzt. Das Modul befähigt dazu, sie gezielt zu nutzen, ihre Ergebnisse kritisch zu prüfen und ihre Grenzen zu erkennen.
Wieso ist es interessant? Die Studierenden erarbeiten sich ein aktuelles Themenfeld eigenständig und wenden es unmittelbar in eigenen Mikroprojekten mit forensischem Bezug an – von der Idee bis zur dokumentierten Lösung.
Modulverantwortung

Prof. Dr. Jens Brandt

Lehrperson(en)

Prof. Dr. Jens Brandt

Verwendbarkeit

Bachelor Digitale Forensik

Fächergruppe

Informatik

Modultyp
Pflicht
Sprache

Deutsch

Angebot

Sommersemester

Dauer

1 Semester

Credits

5 ECTS

Benotung

Deutsche Notenskala 1-5

SWS

2 V | - Ü | 2 P | - S

Workload
Präsenzstudium: 45 Std. Selbststudium: 90 Std.
Engl. Titel

Demand-Driven Micro Projects

Empfohlene Voraussetzungen

Keine angegeben.

Lernergebnisse / Kompetenzen
WAS

Die Studierenden können kleine Projektaufgaben aus dem Umfeld der Digitalen Forensik analysieren und sie mit Hilfe von KI – insbesondere Sprachmodellen in Form von Prompts und Agenten – reflektiert und prototypisch lösen.

WOMIT

Die Studierenden erreichen dieses Lernergebnis, indem sie:

  • die zentralen Arten von KI und Lernverfahren (überwachtes, unüberwachtes, bestärkendes Lernen) kennenlernen und einordnen
  • die grundsätzliche Funktionsweise datengetriebener Modelle – mit Fokus auf große Sprachmodelle – nachvollziehen und sie gezielt (etwa durch Prompting) anwenden
  • Prompts und KI-Agenten gezielt formulieren und einsetzen – etwa zum Programmieren, zum Zusammenfassen von Dokumenten, zur Literaturrecherche sowie zur automatisierten Erstellung von Dokumenten und Präsentationen
  • Ergebnisse von KI-Systemen hinsichtlich Qualität und Grenzen kritisch prüfen und bewerten
  • Kenntnisse aus einem vorgegebenen, eng abgegrenzten Themengebiet eigenständig – unterstützt durch KI-Werkzeuge – recherchieren und erarbeiten
  • die erarbeiteten Inhalte mit Inhalten aus anderen Gebieten selbständig verknüpfen und in diesen anwenden
  • praktische Projektaufgaben aus forensischen Anwendungsfällen eigenständig mit KI-Werkzeugen lösen
  • eine persönliche Selbstorganisation und eigene Lernstrategie entwickeln
  • eine Dokumentation des Projektes erstellen und die Projektergebnisse vor einem Fachpublikum präsentieren
WOZU

Damit sie in späteren Modulen, Projekten und beruflichen Aufgaben der Digitalen Forensik KI-Verfahren fundiert beurteilen, geeignete Werkzeuge auswählen und KI-gestützte Lösungen verantwortungsvoll einsetzen können.

Inhalte
  • Begriff und Arten Künstlicher Intelligenz
  • Maschinelles Lernen: überwachtes, unüberwachtes und bestärkendes Lernen
  • Funktionsweise datengetriebener Modelle mit Fokus auf große Sprachmodelle (u. a. neuronale Netze als universelle Approximatoren, Bedeutung und Qualität der Trainingsdaten)
  • Prompt-Techniken und KI-Agenten
  • KI-gestützte Arbeitstechniken: Programmieren, Zusammenfassen von Dokumenten, Literaturrecherche, Erstellung von Dokumenten und Präsentationen
  • Bewertung von KI-Ergebnissen: Gütekriterien, Fehlerquellen (z. B. Halluzinationen), Grenzen
  • KI-Einsatz im Umfeld der Digitalen Forensik (z. B. Text- und Logdateianalyse)
  • Chancen, Risiken und ethische Aspekte des KI-Einsatzes
  • Praktische Mikroprojekte mit KI-Werkzeugen an forensischen Fragestellungen
Prüfungsvorleistung

Testat

Prüfungsleistung

Studien-, Projekt- oder Hausarbeit. Neben der schriftlichen Ausarbeitung sind weitere Projektartefakte (z. B. Programme, Datenauswertungen) abzugeben.

Literatur
  • Ertel, W.: Grundkurs Künstliche Intelligenz. Springer Vieweg, aktuelle Auflage
  • Aktuelle Dokumentationen und Online-Ressourcen der eingesetzten KI-Werkzeuge (themenabhängig)
  • Bereitgestellte Unterlagen zu den Projektinhalten