Hands-on Artificial Intelligence Innovative Studienangebote zur praxisorientierten Qualifizierung von Fachkräften

Künstliche Intelligenz wird in den kommenden Jahren ein immer wichtigeres Thema werden und viele unserer Lebensbereiche grundlegend ändern.  Um diesen Veränderungen zu begegnen, stehen Hochschulen vor der Herausforderung Studierende auf diese Entwicklungen vorzubereiten.

Das Projekt KI@MINT an der BTU Cottbus-Senftenberg setzt genau an dieser Stelle an und zielt auf die Entwicklung und Erprobung von zeitgemäßen und innovativen Studienangeboten, die die Studierenden befähigen sich adäquat in einer KI-geprägten (Arbeits-)Welt von morgen zu bewegen.

  • Projektleitung: Professor Dr. Peer Schmidt
  • Projektlaufzeit: 01.22 - 12.25

Kontakt

Prof. Dr. Peer Schmidt

Vizepräsident für Studium und Lehre

+49 (0)355 69 3467

vp-lehre(at)b-tu.de

Zentrale Fragestellungen des Projekts

  • Wie können KI-Inhalte zielgruppengerecht und kompetenzorientiert entwickelt werden?
  • Welche Lehr-Lernmethoden eigenen sich, um Studierenden die KI-technologischen Grundlagen näher zu bringen?
  • Welche KI-Kompetenzen sind für die Arbeitswelt von morgen relevant?
  • Wie können praxisorientierte Lehr- und Weiterbildungsmodule konzipiert werden?

Das Projekt KI@MINT stellt sich vor :

Teilprojekte

TP 1: Innovative Lehr- und Lernformen – didaktische Begleitung und bildungstechnologische Unterstützung

In diesem Teilprojekt werden  die zu entwickelnden innovativen Lehr-/Lernformate durch eine intensive didaktische Begleitung unterstützt. Gemeinsam mit den TP2 - 6 werden sowohl didaktische Prinzipien und Qualitätskriterien als auch didaktische Komponenten auf Modulebene entwickelt und erarbeitet. Darüber hinaus wird ein technologisches Konzept der Lernumgebung entwickelt und umgesetzt. Dazu gehört u.a. die Bereitstellung, Weiterentwicklung und Anpassung der digitalen Plattformen und Tools. Ebenso umfasst das TP die Evaluation, Qualitätssicherung und Transfermaßnahmen.

Teilprojektleitung: Dr. Claudia Börner, Boguslaw Malys
TP 2: KI-Lehrlabor - Algorithmen, Technologien und Methoden: essentiell und nachhaltig

Kernstück dieses Teilprojektes ist der nachhaltige Aufbau eines KI-Lehrlabors. Dazu gehört zunächst der für Lehrzwecke sinnvolle Aufbau entsprechender Technik. Hierbei handelt es sich um Drohnen, Sensorikplattformen sowie einen 3D Drucker. Geeignete KI-Software (TensorFlow, u.a.) soll zur Steuerung der Technik sowie auf weiteren Computerarbeitsplätzen ebenfalls bereitgestellt werden. Die Bereitstellung stellt aufgrund der unterliegenden, oft weitverzweigten Programmbibliotheken und der KI-typischen, rechnerischen Verwendung von Graphikkarten einen erheblichen technischen Aufwand dar. Das Lehrlabor soll ermöglichen, die KI-Anwendungskompetenz zu stärken und KI anfassbar zu machen. Hierzu müssen didaktische Konzepte und Lehrpfade für Praktika u. ä, entwickelt werden. Die Konzepte müssen innerhalb kurzer Zeiträume von einzelnen Studierenden oder in kleinen Gruppen möglichst selbständig umsetzbar sein. 

Teilprojektleitung: Prof. Michael Breuss, Prof. Douglas Cunningham
TP 3: Praxisorientiertes Lehrkonzept mit einer KI-Lernfabrik

Das Teilprojekt „Praxisorientiertes Lehrkonzept mit einer KI-Lernfabrik“ fokussiert auf die praxisorientierten Wissensvermittlung für KI-Lösungen produktionswirtschaftlicher Problemstellungen. Zentral ist dabei die Erweiterung klassischer Lehrmodule um praktische Lernelemente an einer mehrstufigen Produktionsanlage und deren KI-Elementen. Hier können Wechselwirkungen zwischen Prozessen, konkurrierende Zielstellungen von Verbesserungsansätzen und verschiedene Potenziale der KI für Produktionsprozesse besonders anschaulich verdeutlicht werden.

Teilprojektleitung: Prof. Ulrich Berger, Dr. Marc Gebauer
TP 4: KI-Kompetenzen für praxisorientierte Problemstellung im Ingenieurwesen

Im Rahmen des geplanten Projekt-Moduls wird in einer Einführungsveranstaltung ein Projekt aus dem Bereich des Ingenieurwesens vorgestellt. Aus diesem Projekt, welches die teilnehmenden Studierenden gemeinsam bearbeiten, werden für alle Teilnehmer*innen Micro-Projekte herausgelöst, innerhalb derer verschiedene Aufgabentypen zur Anwendung von KI-Algorithmik und Verarbeitung großer Datenmengen in Verbindung mit Problemstellungen aus dem Ingenieurwesen zu bearbeiten sind. Im ersten Durchlauf wird die Projektaufgabe aus dem Bereich des Bauingenieurwesens sein. In weiteren Durchläufen werden neue Projektaufgaben hinzukommen, sodass in späteren Wiederholungen der Veranstaltung eine größere Bandbreite von Projektaufgaben aus unterschiedlichen Bereichen des Ingenieurwesens zur Verfügung stehen wird.

Teilprojektleitung: Prof. Armin Fügenschuh, Prof. Achim Bleicher
TP 5: Bildanalyse mit Hilfe schwacher KI

Ziel des Teilprojektes ist die Erstellung eines Kurses für Verfahren zur Bildanalyse auf Basis künstlicher Intelligenz (schwache KI). Vermittelt wird der Umgang mit neuronalen Netzen für die Bilderkennung. Im Laufe der Zeit könnten Datensätze, welche durch Studierende schon vorverarbeitet wurden, zu einem akkumulierten Datensatz anwachsen, um die Genauigkeit von Netzen stetig verbessern zu können. Denkbar ist die Auswertung von Bilddaten wie Fotos, CT-, MRT- oder Röntgenbildern. Dazu zählen, neben den theoretischen Grundlagen, vor allem die praktische Vorgehensweise zur Erstellung und Vorverarbeitung von Trainings- bzw. Testdaten, das anschließende Anlernen der Neuronalen Netze sowie die Auswertung und Beurteilung der Ergebnisse. Durch die praktische Arbeitsweise werden die Studierenden für die Abschätzung zur Nutzung von KI-Anwendungen im täglichen Leben sowie für die Risiken sensibilisiert. Als praxisorientierte Fallbeispiele dienen unter anderem ein Hautdetektor zur Bestimmung von Karzinomen, die Augendetektion zur Früherkennung von grauem Star, die distanzlose Temperaturmessung im Gesicht (COVID-19). Aber auch klassische Probleme der Automatisierungstechnik, wie das Unterscheiden von Baukomponenten, wie Schrauben und Muttern, stellt einen möglichen Anwendungsfall dar.

Teilprojektleitung: Prof. Christian Hentschel
TP 6: Stärkung der KI-Kompetenzen bei Studien- und Qualifizierungsangeboten

Das Teilprojekt 6 zielt auf die Stärkung der Durchlässigkeit, die Begeisterung und Unterstützung von Studieninteressierten, wie Schülern sowie beruflich qualifizierten Bewerbern mit und ohne Hochschulzugangsberechtigte, ab. Die Auswahl geeigneter Lehrangebote sowie die Sensibilisierung für KI-Module werden unterstützt.

Arbeitsschritte

  • Zielgruppenanalyse und Bedarfserhebung
  • die Entwicklung bzw. Anpassung einzelner oder miteinander kombinierbare Kurse, Studienmodule usw. zur Öffnung für benannte Zielgruppen z.B. im Rahmen der Studienorientierung (ZSB), wissenschaftlichen Weiterbildung (ZWW), der bedarfsgerechten didaktischen Umsetzung und der curricularen Planung für Berufstätige/Berufserfahrene
  • dem Satzungsgebungsverfahren für weiterbildende Studien bzw. der Öffnung zur Verbesserung der Durchlässigkeit
  • der Koordination verschiedener Partner, Zusammenarbeit und Vernetzung sowie
  • der Organisation, Durchführung, Evaluation und wissenschaftlichen Begleitung • Konzeptionelle Vorarbeiten zum Einsatz von semiautomatisierter Unterstützung von Lehren und Lernen
Teilprojektleitung: Prof. Silke Michalk, Heike Bartholomäus

Neuigkeiten

  • 05.24: KI-Symposium: Hochschulöffentlicher Austausch zum Thema KI in der Lehre (tba)
  • 10.23: Projektvorstellung KI@MINT in der AG Qualität der Lehre des MWFK am 27.10.2023
  • 10.23: Erfahrungsaustausch Teil 2 mit BTU Lehrenden zum Thema "KI in der Hochschullehre" in der Veranstaltungsreihe "Digitaler Donnerstag" am 26.10, 10:50 - 11:10 Uhr