Modulbeschreibung
Key Technologies
Kürzel:
Durchführungszeitraum:
ECTS-Credits:
Arbeitsaufwand (h):
Lernziele:
Dieses Modul vermittelt praxisnahes Wissen über zentrale KI-Konzepte, Einsatzmöglichkeiten und Grenzen. Im Fokus stehen der konkrete Nutzen für Unternehmen, ethische Fragestellungen sowie das Verständnis, wie KI-Projekte entstehen und umgesetzt werden. Ziel ist es, KI kompetent, kritisch und verantwortungsvoll im eigenen Berufsfeld einordnen und nutzen zu können.
Im Zuge der digitalen Transformation gewinnt der Begriff „Künstliche Intel-ligenz“ (KI) zunehmend an Bedeutung, jedoch bleibt seine Anwendung und Wirkung je nach Branche, Anwendungskontext und Zielgruppe vielschichtig und teilweise unscharf. Gerade für nichttechnische Entscheidungsträger ist ein grundlegendes Verständnis über die Funktionsweise, das Potenzial und die Grenzen von KI-Technologien zentral.
Im Modul „Key Technologies (KETE)» sollen grundlegende Konzepte und Anwendungsmöglichkeiten der Künstlichen Intelligenz und des maschinellen Lernens vermittelt werden, mit besonderem Fokus auf den praktischen Nutzen für verschiedene Branchen und Anwendungsfelder. Dabei steht die Wirkung von KI auf Entscheidungsprozesse, Geschäftsmodelle und die Wettbewerbsfähigkeit im Mittelpunkt. Ein weiterer zentraler Aspekt ist das Verständnis dafür, wie neue Technologien, insbesondere KI, in der Praxis entstehen, sich entwickeln und in Unternehmen eingeführt werden. Anhand des Technologie-Lebenszyklus-Modells lernen die Studierenden, wie technologische Innovationen typischerweise verlaufen, von der Forschung über erste Pilotanwendungen bis hin zur breiten Markteinführung. Dieses Verständnis hilft ihnen, die typischen Phasen und Herausforderungen von KI-Projekten einzuordnen und Gemeinsamkeiten mit anderen technologischen Innovationen zu erkennen.
Die Studierenden lernen, was KI ist, wie datenbasierte Modelle funktionie-ren und unter welchen Bedingungen sie zuverlässig eingesetzt werden können. Sie verstehen die wesentlichen Unterschiede zwischen regelbasierten Systemen, klassischen Machine-Learning-Methoden und modernen generativen Modellen (z. B. ChatGPT). Es werden zudem ethische, rechtliche und gesellschaftliche Fragestellungen im Umgang mit KI behandelt. Die Studierenden sind in der Lage, konkrete Anwendungsbeispiele zu analysieren und kritisch zu bewerten. Sie entwickeln ein Verständnis dafür, wie KI in betrieblichen Prozessen eingesetzt werden kann, welche Voraussetzungen notwendig sind (z. B. Datenqualität, Transparenz, Fairness) und welche Risiken (z. B. Bias, Automatisierungsfallen) bestehen.
Neben einer praxisorientierten Einführung in aktuelle KI-Werkzeuge (z. B. No-Code/Low-Code-Plattformen, KI-gestützte Entscheidungsunterstützung) erarbeiten die Studierenden eigene einfache Konzepte für KI-gestützte An-wendungen und reflektieren deren Nutzen und Grenzen für ihr Berufsfeld.
Übergeordnetes Lernziel:
Grundkonzepte, Anwendungen und Grenzen von Künstlicher Intelligenz (KI) verstehen, kritisch einordnen und im beruflichen Kontext gezielt und verantwortungsvoll nutzen können.
Verantwortliche Person:
Standort (angeboten):
Zusätzlich vorausgesetzte Kenntnisse:
Die Studierenden bringen folgende Kenntnisse mit:
- Grundverständnis für digitale Technologien und deren Rolle im wirtschaftlichen und gesellschaftlichen Wandel.
- Erste Erfahrungen im strukturierten Umgang mit komplexen Fragestellungen (z. B. durch Studium oder Beruf).
- Interesse an datengetriebenen Ansätzen und ein grundlegendes Verständnis technologischer Trends, auch ohne eigene Programmierkenntnisse.
- Fähigkeit zum kritischen Denken, insbesondere zur reflektierten Auseinandersetzung mit Chancen, Grenzen und Auswirkungen neuer Technologien.
Modultyp:
Bemerkungen:
- Studienmodel Mo+
Workload[h]
Kontaktstudium: 18
Begleitetes Selbststudium: 30
Unbegleitetes Selbststudium: 42
- Studienmodel Sa+
Workload[h]
Kontaktstudium: 9
Begleitetes Selbststudium: 60
Unbegleitetes Selbststudium: 21
ECTS-Credits pro Kategorie
Modulbewertung
Bewertungsart:
Leistungsbewertung
Während der Prüfungssession:
Bemerkungen zur Prüfung:
open book, Mix aus Freitext- und Multiple Choice Fragen
Während des Semesters:
- Schriftliche Gruppenarbeit, Gewichtung 70%
Bewertungsart:
Gewichtung:
- Online-Test: 30%
- Projektarbeit (Einzel- oder Gruppenarbeit mit max. 2 Teilnehmern): 70%
Bemerkungen:
Projektarbeit (Konzeption und prototypische Umsetzung eines KI-gestützten Anwendungsfalls im eigenen beruflichen oder gesellschaftlichen Kontext.)
- Beschreibung:
Die Studierenden erarbeiten allein oder in Zweiergruppen eine konkrete Idee, wie eine KI-Anwendung in einem realistischen Szenario (z. B. aus dem Arbeitsumfeld, Studium oder Alltag) genutzt werden könnte. Sie erstellen:
- eine konzeptionelle Beschreibung des Use Cases (Problemstellung, Ziel, Nut-zen),
- eine kritische Reflexion über die technischen, ethischen und organisatorischen Anforderungen,
- sowie einen einfachen Prototyp oder Mockup, z. B. mit einem No-Code-Tool, einem ChatGPT-Workflow oder einer Visualisierung.
- Abgabeformat:
- 5/8-seitiges Dokument mit Konzept, Screenshots/Mockups, Reflektion
- 5-Minuten-Video (z. B. aufgezeichnet mit PowerPoint)
- Bewertungskriterien:
- Verständlichkeit und Struktur des Konzepts (Nachvollziehbarkeit und Klarheit des Konzepts, Relevanz und realitätsnähe des Use Cases, Eigenständigkeit und Kreativität der Lösungsidee, Reflexion der Chancen, Risiken und Grenzen der KI-Anwendung, Qualität und Verständlichkeit von Visualisierungen oder Mockups, Sorgfalt und Detailtiefe in der Ausarbeitung, Verwendung und korrekte Zitierung externer Quellen (Literatur, Tools, Frameworks etc.), Wissenschaftlicher Stil (Struktur, Argumentation, Sprache), Formale Qualität (Formatierung, Rechtschreibung, Einheitlichkeit), Logische Stringenz und roter Faden der Darstellung).
- Realitätsbezug und kreative Anwendungsidee.
- Kritische Auseinandersetzung mit Chancen und Grenzen.
- Verständliche Visualisierung oder Prototyp-Nachweis.
Kurse in diesem Modul
Key Technologies
Kürzel:
Semester:
Lernziele:
Ausgangskompetenzen / Grobziele
Die Studierenden…
- Verstehen zentrale Konzepte, Funktionsweisen und Einsatzbereiche von Künstlicher Intelligenz (insbesondere maschinelles Lernen und generative Modelle).
- Können den Nutzen, die Grenzen und die Risiken von KI-Technologien im beruflichen und gesellschaftlichen Kontext kritisch einordnen.
- Sind in der Lage, einfache KI-gestützte Anwendungsideen zu entwickeln und prototypisch umzusetzen.
- Reflektieren ethische, rechtliche und soziale Fragestellungen im Umgang mit KI (z. B. Fairness, Transparenz, Verantwortung).
- Erkennen, wie KI-Projekte in der Praxis ablaufen und welche technischen und organisatorischen Voraussetzungen erforderlich sind.
Fachkompetenz
Die Studierenden…
- Verstehen grundlegende Konzepte und Begriffe der Künstlichen Intelligenz, insbesondere maschinelles Lernen, neuronale Netze und generative Modelle (z. B. ChatGPT, co-pilot, Claude).
- Unterscheiden zwischen regelbasierten Systemen, klassischen Machine-Learning-Ansätzen und modernen generativen KI-Modellen.
- Kennen typische Einsatzbereiche von KI in verschiedenen Branchen (z. B. Verwaltung, Industrie, Bildung, Gesundheit) und können deren Nutzen und Grenzen einschätzen.
- Verstehen den Technologie-Lebenszyklus und können die Entwicklung, Reife und Einführung neuer KI-Technologien in diesen Kontext einordnen.
- Können zentrale Phasen eines KI-Projekts benennen (Problemdefinition, Daten, Modellwahl, Evaluation, Deployment) und deren Anforderungen beschreiben.
- Erkennen zentrale Einflussfaktoren auf die Qualität von KI-Systemen wie Datenqualität, Fairness, Bias und Transparenz.
- Kennen zentrale Herausforderungen und Implikationen beim Einsatz von KI in der Praxis, u. a. im Hinblick auf Datenschutz, Automatisierung und ethische Fragestellungen.
Methodenkompetenz
Die Studierenden…
- Kennen grundlegende Konzepte, Phasen und Methoden zur Entwicklung KI-gestützter Anwendungen.
- Verstehen die Prinzipien von datengetriebenem Arbeiten, inkl. Datenaufbereitung, Modelltraining und Modellbewertung.
- Können einfache Werkzeuge zur Umsetzung von KI-Prototypen (z. B. AutoML, No-Code/Low-Code-Tools) anwenden.
- Kennen Vorgehensweisen zur Integration von KI-Lösungen in bestehende Prozesse und Systeme (z. B. über Cloud-Plattformen oder APIs).
- Verstehen die Rolle von Datenqualität, Fairness und Transparenz beim Einsatz von KI-Modellen.
Sozial- und Selbstkompetenz
Die Studierenden…
- Sind sich der gesellschaftlichen, ethischen und sozialen Auswirkungen des Einsatzes von Künstlicher Intelligenz bewusst.
- Verstehen die Chancen und Risiken von KI-Anwendungen im Kontext von Arbeitswelt, Datenschutz, Diskriminierung und sozialer Gerechtigkeit.
- Können den verantwortungsvollen und reflektierten Umgang mit KI-Technologien in interdisziplinären Teams und Organisationen mitgestalten.
- Erkennen die Bedeutung von Transparenz, Fairness und Nachvollziehbarkeit im Umgang mit KI und können diese Aspekte in Diskussionen einbringen.
Unterrichtssprache:
Lehr- und Lernmethoden:
Kontaktstudium
- Dialogorientierter Unterricht mit integrierten Übungen
- Tutorials zur Ergänzung und Unterstützung der Projektarbeit
Selbststudium/Selbstlern-phase (Sa+-Modell)
- Einzel- oder Gruppenarbeit (z.B. Technologie Fallstudie, Technologie Proof of Concept/Prototype) zur Vertiefung des Lerninhaltes bzw. zur selbständigen Erarbeitung neuer Inhalte.
- Die Studierenden erhalten gezielte Materialien (Texte), mit denen sie sich zwischen den Modulen eigenständig vertieft mit den Inhalten auseinandersetzen. Dabei steht die kritische Reflexion über die Potenziale und Grenzen von KI-Anwendungen im Vordergrund. Die Materialien dienen zudem als Grundlage für Diskussionen und praktische Aufgaben in den Präsenzveranstaltungen.
Bibliographie:
Wird zu Beginn des Semesters bekannt gegeben.
Kursart:
Durchführung gemäss Stundenplan
Bemerkungen:
Präsenzpflicht: Ja