Das Modul KI in der Produktion soll Studierenden die praxisnahe, ganzheitliche Integration von Verfahren des Maschinellen Lernens und der Anwendung von künstlicher Intelligenz in der Produktion vermitteln. Die Veranstaltung orientiert sich hierbei an den Phasen des CRISP-DM Prozesses mit dem Ziel, ein tiefes Verständnis für die notwendigen Schritte und inhaltlichen Aspekte (Methoden) innerhalb der einzelnen Phasen zu entwickeln. Hierbei liegt der Fokus neben der Vermittlung der praxisrelevanten Aspekte zur Integration der wichtigsten Verfahren des Maschinellen Lernens vor allem auf den notwendigen Schritten zur Datengenerierung und Datenaufbereitung sowie der Implementierung und Absicherung der Verfahren im industriellen Umfeld.

Die Lehrveranstaltung "Seminar Anwendung Künstliche Intelligenz in der Produktion" zielt auf die praktische Integration von aktuellen Verfahren des Maschinellen Lernens anhand realitätsnaher industrieller Use-Cases ab. Der inhaltliche Rahmen der Lehrveranstaltung ergibt sich durch die ganzheitliche, praktische Umsetzung eines KI-Projektes in der Produktion. Dabei lösen die Studierenden eine Problemstellung aus dem Produktionskontext mithilfe von Methoden der Datenanalyse, -verarbeitung und des Machine Learnings.

Lernziele:

Die Studierenden

• sind in der Lage, ein praktisches Problem in der Produktion selbstständig hinsichtlich der Anwendung von Verfahren des Maschinellen Lernens zu analysieren.
• können gängige Deep-Learning-Algorithmen selbstständig auf praktische Datensätze anwenden, validieren und die Ergebnisse analysieren.
• verstehen die Herausforderungen bei dem Einsatz von Deep-Learning-Verfahren in der Produktion.
• kennen die wichtigsten Handlungsfelder und offenen Forschungsfragen zur erfolgreichen Implementierung von KI in der Produktion und zur Umsetzung von autonomen Maschinen.
• sind in der Lage, Ergebnisse von gängigen Deep-Learning-Verfahren zu beurteilen und basierend darauf, Lösungsvorschläge (aus dem Bereich des Maschinellen Lernens) praktisch auszuarbeiten und praktisch anzuwenden.

Arbeitsaufwand:

Präsenzzeit: 21 Stunden
Selbststudium: 99 Stunden

Materialien zur Lehrveranstaltung werden über Ilias (https://ilias.studium.kit.edu/) bereitgestellt.

Course materials will be provided onIlias (https://ilias.studium.kit.edu/).

Auftaktveranstaltung am 25.04.2025.
Alle nachfolgenden Termine werden über Ilias (https://ilias.studium.kit.edu/) bekanntgegeben.

Die Teilnehmerzahl für die Lehrveranstaltung ist begrenzt. Infolgedessen wird ein Auswahlprozess stattfinden. Informationen zur Bewerbung und zum Ablauf der Lehrveranstaltung werden auf der Homepage des wbk (http://www.wbk.kit.edu/studium-und-lehre.php) bereitgestellt.

The number of participants for the course is limited. Consequently, a selection process will take place. Information on how to apply and how the course will be run will be provided on the wbk homepage (https://www.wbk.kit.edu/english/education.php).

Zur Vertiefung des im Rahmen der Lehrveranstaltung erworbenen Wissens werden die theoretischen Vorlesungseinheiten durch Praxiseinheiten im Umfeld der Karlsruher Forschungsfabrik (https://www.karlsruher-forschungsfabrik.de) unterstützt.

The theoretical lectures are complemented by practical lectures in the Karlsruhe Research Factory (https://www.karlsruher-forschungsfabrik.de/en.html) to deepen the acquired knowledge.