Spezialisierung Künstliche Intelligenz

Inhalte des Moduls

Im Modul Artificial Intelligence des MBA-Studiengangs erhalten Sie tiefgehende Einblicke in die Grundlagen und Anwendungen der Künstlichen Intelligenz (KI) im betrieblichen Kontext. Sie erlernen, wie KI in die Digitalisierung eingebettet ist und wie künstliche neuronale Netze nach dem Vorbild biologischer Neuronenverbände funktionieren. Wesentliche Unterschiede zwischen Machine Learning, Deep Learning und traditionellen regelbasierten Programmen werden anschaulich dargestellt. Weiterhin behandelt das Modul verschiedene Lernarten wie überwachtes, nicht überwachtes, bestärkendes und selbst-überwachtes Lernen. Ein weiterer Fokus liegt auf Datenqualität und -vorbereitung, sowie auf konkreten Anwendungen wie natürlicher Sprachverarbeitung und Computer Vision. Ergänzend werden Sie mit No-Code-Lösungen vertraut gemacht und erproben den Einsatz von KI-Modellen praktisch in Deep Learning Studio. Zudem analysieren Sie spezifische KI-Anwendungen in Branchen wie der verarbeitenden Industrie, dem Gesundheitswesen, Einzelhandel, Verkehrswesen und weiteren Bereichen. Herausforderungen und Risiken des KI-Einsatzes in Unternehmen werden ebenfalls kritisch reflektiert.

Vermittelte Kompetenzen

Durch dieses Modul erwerben Sie umfangreiche Fachkompetenzen, die es Ihnen ermöglichen, die historische Entwicklung von KI und deren Einfluss auf Automatisierung und Industrie 4.0 zu beschreiben. Sie erlangen die Fähigkeit, KI-Methoden zu verstehen, deren Einsatzmöglichkeiten zu bewerten und anhand konkreter Fallstudien praktisch umzusetzen. Ohne Programmierkenntnisse lernen Sie, künstliche neuronale Netze aufzubauen, zu trainieren und anzuwenden. Ihre Methodenkompetenz befähigt Sie, strategische Entscheidungen zum KI-Einsatz in Industrie, Medizin und Freizeit zu treffen und Geschäftsprozesse KI-gerecht zu gestalten. Sie lernen, Datensätze auszuwählen, vorzubereiten und KI-Systeme strategisch einzusetzen. Ihre Selbstkompetenz wird durch die Entwicklung einer reflektierten Haltung sowie intrinsischer Motivation gestärkt. Zudem trainieren Sie Sozialkompetenzen, um fachliche Diskussionen mit KI-Experten zu führen, Ihre Erkenntnisse wissenschaftlich zu kommunizieren und moderne Kommunikationsmedien effektiv für Recherchen zu nutzen.

Inhalte des Moduls

Das Modul Generative KI: ChatGPT und andere Chatbots im Rahmen des MBA-Studiengangs bietet Ihnen eine fundierte Einführung in die Arbeit mit ChatGPT (OpenAI) und anderen Transformer-basierten Sprachmodellen. Sie lernen sowohl die kostenfreie Version ChatGPT-3.5 als auch die multimodale, kostenpflichtige Version ChatGPT-4 Plus umfassend kennen. Inhalte umfassen Grundlagen und Funktionen von ChatGPT, Prinzipien der maschinellen Sprachverarbeitung, Worteinbettungen und die Arbeitsweise von Transformer-Modellen wie BERT und der GPT-Serie. Besonderer Wert wird auf Prompt Engineering gelegt, wobei Techniken und Methoden vermittelt werden, um effektive und spezifische Ergebnisse von ChatGPT zu erzielen. Sie erfahren, wie ChatGPT-Browser-Erweiterungen, benutzerdefinierte GPTs, ChatGPTVision und DALL·E 3 zielführend eingesetzt werden können. Darüber hinaus widmet sich das Modul praxisnahen Anwendungen, darunter Data Analysis mit ChatGPT sowie ethischen, datenschutzrechtlichen und urheberrechtlichen Aspekten der Nutzung. Ergänzend erhalten Sie einen Überblick über alternative Chatbots wie Gemini und setzen sich kritisch mit deren Möglichkeiten auseinander.

Vermittelte Kompetenzen

Im Modul erwerben Sie tiefgehende Fachkompetenzen, die es Ihnen ermöglichen, die grundlegenden Funktionen und Mechanismen von ChatGPT sowie anderen Transformer-Sprachmodellen zu verstehen und gezielt einzusetzen. Sie entwickeln ausgeprägte Fähigkeiten im Prompt Engineering, um effektive und passgenaue Ergebnisse aus der Interaktion mit KI-Modellen zu generieren. Praktisch lernen Sie, vielfältige Anwendungen und Erweiterungen von ChatGPT – darunter ChatGPTVision, DALL·E 3 und diverse Plugins – für spezifische Aufgabenstellungen professionell anzuwenden. Durch die Entwicklung eigener GPT-Instruktionsagenten erweitern Sie Ihre methodischen Fertigkeiten erheblich. In Ihrer Selbstkompetenz stärken Sie das Bewusstsein für ethische und datenschutzrechtliche Implikationen beim Einsatz von KI-Sprachmodellen und lernen, verantwortungsbewusst mit Themen wie Urheberrechten und Datenschutz umzugehen. Zudem verbessern Sie Ihre Sozialkompetenzen, indem Sie komplexe Konzepte klar kommunizieren, effektiv in Teams zusammenarbeiten und innovative KI-basierte Lösungen in interdisziplinären Projekten entwickeln und umsetzen.

Inhalte des Moduls

Dieses Modul vermittelt Ihnen die Grundlagen des Machine Learning und konzentriert sich dabei auf nicht-neuronale Modelle. Sie lernen, theoretische Konzepte des maschinellen Lernens zu verstehen und anzuwenden. Dabei spielen sowohl strukturierte als auch unstrukturierte Daten eine zentrale Rolle. Ein besonderer Fokus liegt auf Methoden zur Datenbeschaffung und -qualität, da diese essenziell für das erfolgreiche Trainieren und Testen von ML-Modellen sind.

Darüber hinaus werden verschiedene Prozesse und Vorgehensmodelle im Machine Learning behandelt, die den gesamten Entwicklungsprozess eines Modells strukturieren. In der praktischen Anwendung lernen Sie, mit Machine Learning Tools & Frameworks wie SciKit, XGBoost oder H2O.ai umzugehen. Eine zentrale Transferaufgabe besteht darin, ein eigenes Modell – beispielsweise eine Support Vector Machine (SVM) – zu entwickeln und in einer Technologieplattform zu implementieren. Die Lerninhalte werden über Online-Vorlesungen, Video- und Audio-Podcasts vermittelt und durch eine abschließende Online-Prüfung abgefragt.

Vermittelte Kompetenzen

Nach Abschluss des Moduls können Sie die wichtigsten ML-Modelle fundiert beschreiben und deren Anwendungsbereiche analysieren. Sie verstehen die Vor- und Nachteile verschiedener Datenbanktechnologien wie SQL, NoSQL oder Hadoop und sind in der Lage, relevante öffentliche Datenquellen für Trainings- und Testzwecke zu identifizieren.

Im praktischen Teil lernen Sie, für spezifische Fragestellungen den optimalen ML-Ansatz auszuwählen und mit geeigneten Datenquellen zu arbeiten. Sie sind in der Lage, die Datenqualität zu bewerten und geeignete Visualisierungstools wie das Google What-If-Tool zu nutzen, um Daten verständlicher zu machen.

Neben der technischen Expertise erwerben Sie analytische Kompetenzen, die Ihnen helfen, komplexe Zusammenhänge zu erkennen und eigenständig auf dem Gebiet des Machine Learning weiterzulernen. Zudem entwickeln Sie Fähigkeiten zur kommunikativen Steuerung von Erwartungen an ML-Lösungen und zur interdisziplinären Zusammenarbeit in Teams.