Modul im Detail

t.BA.WVK.BW-INTAI-EN.24HS (Blockweek Introduction to AI for Engineers)

Modul: Blockweek Introduction to AI for Engineers

Diese Information wurde generiert am: 27.02.2026

Nr.

t.BA.WVK.BW-INTAI-EN.24HS

Bezeichnung

Blockweek Introduction to AI for Engineers

Veranstalter

T CAI

Credits

Beschreibung

Version: 2.0 gültig ab 01.02.2024

Diese Modulbeschreibung gilt bis zum 31. Juli 2024. Die gültige Modulbeschreibung ist im Intranet unter https://intra.zhaw.ch/departemente/school-of-engineering/bachelorstudium/module im Modulhandbuch abrufbar.

Kurzbeschrieb

Ein unterhaltsame und hoch aktuelle Einführung in ausgewählte Grundlagen der KI und des maschinellen Lernens (ML): Stand der Technik, Problemlösung durch Suche, ML Agenten, Deep Learning, Generative KI (z.B. ChatGPT) etc.

Modulverantwortung

Stadelmann, Thilo (stdm)

Lernziele (Kompetenzen)

Ziel	Kompetenzen	Taxonomiestufen
Sie kennen die Bandbreite der Problemlösungsstrategien von KI und Machine Learning (ML)	D	C1
Sie können die diskutierten Algorithmen und Methoden erklären	F	C2
Sie können im schnelllebigen Bereich der KI zwischen Hype und Realität unterscheiden und haben ein grundlegendes Verständnis für die Möglichkeiten der entsprechenden Methoden	D, M	C3

Modulinhalte

Dies ist ein unterhaltsamer und hoch aktueller Kurs über ausgewählte Grundlagen der KI und des maschinellen Lernens (ML), der einen Überblick, ein Verständnis der Schlüsselkonzepte, und praktische Erfahrungen beim Aufbau eines eigenen KI-Agenten etwa für ein aktuelles Spiel vermitteln soll. Der Kurs richtet sich an alle Studierende der Ingenieurwissenschaften und darüber hinaus, die keine Informatiker sind, und setzt lediglich grundlegende Programmierkenntnisse und eine Basis in Mathematik und Wahrscheinlichkeitsrechnung voraus.

Vorlesungen:

Einführung in die Künstliche Intelligenz (Geschichte und Umfang der Disziplin, Stand der Technik)
Problemlösung durch Suche (klassische KI-Algorithmen, Ideen hinter Meilensteinen wie IBMs Schachprogramm Deep Blue)
Agenten basierend auf maschinellem Lernen (Prinzipien und Methoden)
Deep Learning (tiefe neuronale Netze, Ideen hinter Meilensteinen wie DeepMinds AlphaGo)
Generative KI (Methoden und Anwendungen für Bildsynthese und Texterzeugungssysteme wie ChatGPT)
KI & Gesellschaft (Technologiebewertung, Ethik, Risiken und Chancen)

Praktika:

Bau eines Demonstrators (z. B. zum autonomen Spielen des Spiels "2048")
Präsentation der Ergebnisse

Lehrmittel/Materialien

Vorlesungsfolien
Praktikumsbeschriebe, Codevorlagen, Musterlösung

Ergänzende Literatur

Ausgewählte Kapitel aus Russell & Norvig, “Artificial Intelligence – a Modern Approach», 4th Edition, 2020
Ausgewählte Kapitel aus Simon J.D. Prince, "Understanding Deep Learning", MIT Press, 2023
Pedro Domingos, “The Master Algorithm”, 2017

Zulassungs-voraussetzungen

Praktische Fähigkeiten im Umgang mit einer strukturierten Programmiersprache (idealerweise Python)
Grundlegende Kenntnisse in Mathematik und Wahrscheinlichkeitsrechnung

Unterrichtssprache

( ) Deutsch (X) Englisch

Teil des Internationalen Profils

(X) Ja ( ) Nein

Modulausprägung

(Wird durch die Administration ausgefüllt)

Details siehe unter: T_RL_Richtlinie_Modulauspraegungen_Stundengutschriften

Leistungsnachweise

Bezeichnung	Art	Form	Umfang	Bewertung	Gewichtung
Leistungsnachweise während Studiensemester	Gruppenpräsentation am Ende der Blockwoche, basierend auf der Laborarbeit	mündlich	ca. 15 Minuten	Form & Inhalt	50%
Semesterendprüfung	Schriftlicher Test am Ende der Blockwoche	schriftlich	ca. 30 Minuten	Korrektheit, Breite & Tiefe des Verständnisses	50%

Bemerkungen

Rechtsgrundlage

Die Modulbeschreibung ist neben Rahmenprüfungsordnung und Studienordnung Teil der Rechtsgrundlage. Sie ist verbindlich. Eine in der ersten Unterrichtswoche des Semesters schriftlich festgehaltene und kommunizierte Modulvereinbarung kann die Modulbeschreibung präzisieren. Die Modulvereinbarung ersetzt nicht die Modulbeschreibung.

Kurs: Blockweek Introduction to AI for Engineers - Vorlesung

Nr.

t.BA.WVK.BW-INTAI-EN.24HS.V