AI Engineering 1. Einführung in die KI-Ingenieurwissenschaften: Definition und Anwendungen von KI in der Ingenieurwissenschaft, Übersicht über wichtige KI-Technologien, Rollen eines KI-Ingenieurs im Projektverlauf 2. Datenanalyse und Datenvorbereitung: Methoden zur Datensammlung und -aufbereitung, Techniken zur Datenvisualisierung, Verwendung von Datenanalysetools 3. Entwicklung von KI-Modellen: Überblick über verschiedene KI-Modelle, Trainingsmethoden und Hyperparameter-Tuning, Evaluierung von Modellen und deren Performance 4. Implementierung und Integration von KI-Lösungen: Integration von KI-Modellen in bestehende Systeme, Verwendung von Cloud-Services für KI-Anwendungen, Sicherheitsaspekte bei der Implementierung 5. Ethik und gesellschaftliche Auswirkungen der KI: Ethische Herausforderungen in der KI-Entwicklung, Gesetzliche Rahmenbedingungen und Standards, Fallstudien zur Auswirkung von KI auf die Gesellschaft 6. Fortgeschrittene Technologien in der KI-Entwicklung: Deep Learning und seine Anwendungen, Reinforcement Learning im Ingenieurwesen, Verwendung von KI in der Robotik 7. Praxisprojekt: Bau einer KI-Lösung: Entwicklung eines eigenen KI-Prototyps, Präsentation des Projekts und der Ergebnisse, Feedback und Verbesserungsvorschläge 8. Zukunft der KI im Ingenieurwesen: Zukünftige Trends in der KI-Technologie, Vorbereitung auf Veränderungen im Berufsfeld, Netzwerk- und Weiterbildungsmöglichkeiten