Hochschule München

Technische Systeme, Prozesse und Kommunikation (FK 05)

Modulbeschreibung

Stand: SoSe 2026

Name	Künstliche Intelligenz
Katalog-Nummer	HM\|FK 05\|TKB\|TKB-634.M
Zugehörigkeit zu Curriculum	Technische Kommunikation \| 621.DM \| 5 Leistungspunkte
Modulverantwortung	Prof. Florian Nafz
Lehrende
Prüfung(en)
Lehr- und Lernform(en)	Lehrveranstaltung \| 4 SWS \| SU - wird nicht angeboten
Arbeitsaufwand	Präsenzzeit: 0 Stunden Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
Voraussetzungen	Keine (es sind keine Programmierkenntnisse notwendig)
Verwendbarkeit
Inhalt / Lernziele	In der Lehrveranstaltung werden die Grundlagen und Methoden der künstlichen Intelligenz (KI) vorgestellt. Neben einem allgemeinen Überblick über die Methoden und Einsatzgebiete von KI, wird vor allem maschinellen Lernens näher betrachtet und vertieft. Hierzu werden verschiedene Lernmethoden der KI, wie neuronale Netze oder Transformer näher beleuchtet und vorgestellt. Der Fokus liegt hierbei im Bereich der generativen KI, insbesondere das Verarbeiten von natürlicher Sprache (Natural Language Processing), aber auch der Bildgenerierung. Es werden Aufbau und Funktion von Large Language Models (GPT, Bard) betrachtet. Ergänzend wird ein Blick auf das Prompt Engineering geworfen. Aller Lerninhalte werden durch praktische Beispiele und Experimente vertieft. Darüber hinaus werden die Herausforderungen für den Einsatz von künstlicher Intelligenz, sowie deren Chancen und Risiken diskutiert. Fachkompetenz Die Studierenden ... Können die Methoden und Felder im Bereich der KI abgrenzen und einordnen. Können die Funktionsweise und die unterschiedlichen Arten von neuronalen Netzen beschreiben und unterscheiden. Können die KI-Methoden zur Verarbeitung von natürlicher Sprache beschreiben und anwenden. Können die Funktionsweise und Bestandteile der aktuellen Large Language Models beschreiben und erklären. Können sich mit dem Thema KI kritisch auseinandersetzen und die Herausforderungen des Einsatzes von KI bewerten. Methodenkompetenz Die Studierenden ... Können Fallbeispiele klassifizieren und die passenden Methoden zu ordnen. Können eine interaktive Anwendung auf Basis von KI (z.B: Chatbot) planen und konzipieren. Können ein neuronales Netz beschreiben und erklären. Können für eine Frage geeignete Prompts formulieren und ggf. anpassen. Selbstkompetenz Die Studierenden .... Können durch Kurzvorträge, Präsentationsfähigkeit und Diskussionsfähigkeit üben Literatur Russel, Norvig: Künstliche Intelligenz: Ein moderner Ansatz; Pearson Studium; 3., aktualisierte Edition (4. Juni 2012) Willmott: Grundkurs Machine Learning, Rheinwerk (2020) Papp, et al.: Handbuch Data Science und KI; 2. Auflage, Hanser Verlag (2022) Hobson Lane, Cole Howard, Hannes Max Hapke: Natural Language Processing in Action: Understanding, Analyzing, and generating text; Manning Verlag (2021)