BIN105: Capstone Daten und Künstliche Intelligenz

Lernpfad Daten und Künstliche Intelligenz

BIN105: Capstone Daten und Künstliche Intelligenz

Kurzporträt BIN105: Capstone Daten und Künstliche Intelligenz
Worum geht es? Das Modul bündelt die Kompetenzen des Lernpfads Daten und Künstliche Intelligenz in einem abschließenden Projekt. Studierende bearbeiten in Kleingruppen eine offene datengetriebene Problemstellung und entwickeln einen funktionsfähigen Software-Prototypen. Ergänzend reflektieren sie ethische, rechtliche und gesellschaftliche Aspekte des IT- und KI-Einsatzes.
Wofür braucht man es? In der beruflichen Praxis entstehen datengetriebene Lösungen selten durch die isolierte Anwendung einzelner Verfahren. Das Modul trainiert die Verbindung von Datenintegration, Analyse, Maschinellem Lernen, Softwareentwicklung, Dokumentation und verantwortungsvoller Bewertung. Dadurch bereitet es auf Praxisprojekte, Abschlussarbeiten und berufliche Entwicklungsaufgaben vor.
Wieso ist es interessant? Das Capstone-Modul macht sichtbar, wie aus den zuvor erlernten Methoden eine zusammenhängende Anwendung entsteht. Studierende erleben, welche technischen, organisatorischen und gesellschaftlichen Entscheidungen ein KI-Projekt prägen. Besonders reizvoll ist der offene Projektcharakter, in dem eigene Lösungswege entwickelt, begründet und präsentiert werden.
Modulverantwortung

Prof. Dr. Christoph Quix

Lehrperson(en)
  • Prof. Dr. Christoph Quix
  • Prof. Dr. Christoph Dalitz
Verwendbarkeit

Bachelor Informatik

Fächergruppe

Informatik

Modultyp
Pflicht
Sprache

Deutsch

Angebot

Wintersemester

Dauer

1 Semester

Credits

5 ECTS

Benotung

Deutsche Notenskala 1-5

SWS

- V | - Ü | 2 P | 2 S

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

Capstone Data and Artificial Intelligence

Empfohlene Voraussetzungen
  • BIN101: Data Engineering: Datenintegration, Datenaufbereitung, Datenqualität.
  • BIN102: Datenanalyse & Statistik: statistische Analyse, Bewertung von Daten.
  • BIN103: Machine Learning: Modellauswahl, Anwendung, Evaluation.
Zugehörige Lehrveranstaltungsteile
  • BIN105a: Capstone-Projekt Daten und KI: 3 ECTS, 2 P
  • BIN105b: Ethische und gesellschaftliche Aspekte der Informatik: 2 ECTS, 2 S
Lernergebnisse / Kompetenzen
WAS

Mit erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, eine offene datengetriebene Problemstellung durch die eigenständige Entwicklung und Evaluation eines funktionsfähigen Software-Prototyps nachvollziehbar zu bearbeiten und dabei die im Themenbereich Daten und KI erworbenen Kompetenzen zielgerichtet zu integrieren. Ferner können sie ethische Bewertungen durchführen und rechtliche Rahmenbedingungen darlegen.

WOMIT

Die Studierenden erreichen dieses Lernergebnis, indem sie

  • eine praxisnahe Problemstellung analysieren und fachliche sowie technische Anforderungen ableiten (BIN105a),
  • Datenquellen identifizieren, integrieren, aufbereiten und hinsichtlich ihrer Eignung bewerten (BIN105a),
  • geeignete Verfahren der Datenanalyse und des Maschinellen Lernens auswählen, anwenden und begründen (BIN105a),
  • einen funktionsfähigen Software-Prototypen entwickeln, testen und evaluieren (BIN105a),
  • technische Entscheidungen, Annahmen und Arbeitsschritte nachvollziehbar dokumentieren (BIN105a),
  • den Einsatz generativer KI-Werkzeuge transparent dokumentieren und deren Ergebnisse kritisch überprüfen (BIN105a),
  • Auswirkungen der entwickelten Lösung hinsichtlich Datenschutz, Fairness, Transparenz oder anderer ethischer Fragestellungen reflektieren (BIN105a, BIN105b),
  • ethische, rechtliche oder gesellschaftliche Aspekte des IT-Einsatzes recherchieren, präsentieren und schriftlich darstellen (BIN105b),
  • ihre Ergebnisse präsentieren und im Fachgespräch begründen (BIN105a, BIN105b).
WOZU

Die Studierenden nutzen diese Kompetenzen, um datengetriebene Anwendungen und KI-basierte Lösungen in beruflichen Anwendungsfeldern strukturiert zu konzipieren, umzusetzen, kritisch zu bewerten und verantwortungsvoll einzusetzen. Das Modul bereitet darauf vor, Datenquellen, Analyseverfahren, maschinelle Lernverfahren und Softwarekomponenten zu einer nachvollziehbaren und belastbaren Gesamtlösung zu integrieren.

Inhalte

Veranstaltungsteil BIN105a: Capstone-Projekt Daten und KI

  • Bearbeitung einer offenen datengetriebenen Problemstellung in Kleingruppen
  • Anforderungsanalyse und Strukturierung von Daten- und KI-Projekten
  • Datenintegration, Datenaufbereitung und Datenqualität
  • Auswahl, Anwendung und Bewertung von Verfahren der Datenanalyse und des Maschinellen Lernens
  • Entwicklung eines funktionsfähigen Software-Prototyps
  • Dokumentation technischer Entscheidungen und Projektartefakte
  • Nachvollziehbare Nutzung generativer KI-Werkzeuge im Entwicklungsprozess
  • Präsentation, Demonstration und fachliche Diskussion der Ergebnisse

Veranstaltungsteil BIN105b: Ethische und gesellschaftliche Aspekte der Informatik

  • Reflexion ethischer, rechtlicher und gesellschaftlicher Fragestellungen im Zusammenhang der IT-Anwendung
  • Ethische Theorien und ihre Anwendung auf Informatikbeispiele
  • Rechtliche Normen und deren Anwendungsbereiche im IT-Kontext
  • Recherche, Vortrag und schriftliche Darstellung ethischer, rechtlicher oder gesellschaftlicher Aspekte
Prüfungsvorleistung

Bestehen der unbenoteten Studienleistung im Veranstaltungsteil BIN105b: Ethische und gesellschaftliche Aspekte der Informatik durch Vortrag, Bericht und Teilnahme am Seminar.

Prüfungsleistung

Studien- oder Projektarbeit. Das Prüfungskonzept ist als Portfolio mit Präsentation und Fachgespräch im Veranstaltungsteil BIN105a: Capstone-Projekt Daten und KI ausgestaltet. Das Portfolio besteht aus einem funktionsfähigen Software-Prototypen für eine datengetriebene, KI-basierte Anwendung und der zugehörigen Projektdokumentation. Die Projektdokumentation dient der nachvollziehbaren Darstellung der Projektarbeit und der individuellen Beiträge. Bei Teamleistungen müssen die individuellen Beiträge der Studierenden erkennbar und bewertbar sein.

Literatur
  • Foster Provost, Tom Fawcett: Data Science for Business. O’Reilly Media, 2013.
  • Catherine Nelson: Software Engineering for Data Scientists: From Notebooks to Scalable Systems. O’Reilly Media, 2024.
  • Douglas Birsch: Ethical Insights: A Brief Introduction. Mayfield Publishing, 2002.
  • Michael J. Quinn: Ethics for the Information Age. 6th Edition, Pearson, 2015.