Lernmodule
Reiter
Unsere Lernmodule
Finden Sie Ihre Lernmodule!
-
KI – Einführung in Generative Künstliche Intelligenz - Grundlagen der Generativen KI: ihre Funktionsweise, praktische Anwendungen sowie Chancen und Herausforderungen. Der Kurs bietet einen Einstieg in die Technologie und ihre möglichen Auswirkungen.
Grundlagen
Gefunden in:
-
KI – Human Oversight
- In diesem Modul lernen Sie etwas über menschliche Aufsichtspflicht. Wir konzentrieren uns darauf, was menschliche Aufsicht ist, welche Rolle sie in KI-Systemen spielt und wie sie effektiv umgesetzt werden kann. Nach Abschluss des Kurses wissen Sie, wie man ein sicheres KI-Systeme entwickelt, das sowohl menschliche Fähigkeiten, als auch KI-Fähigkeiten nutzt.
Grundlagen
-
KI – Human-In-The-Loop
- In diesem Modul lernen Sie, wie menschliches Feedback in den KI-Entwicklungsprozess integriert werden kann, warum dies wichtig ist und auf welche praktischen Aspekte man sich konzentrieren sollten. Nach Abschluss dieses Kurses wissen Sie, mit welchen nützlichen Methoden man KI-Systeme entwickeln kann, welche von Nutzern lernen und sich den Nutzern anpassen können.
Grundlagen
Erfahrungsbericht
Erfahrungsbericht
Erfahrungsbericht
Erfahrungsbericht
-
Gaia-X: Grundlagen von Datenräumen
- In diesem Kurs werden die Grundlagen zum Thema Datenräume und Gaia-X aus Perspektive der Projektfamilie Gaia-X 4 Future Mobility vermittelt. Neben der Erläuterung des Konzeptes Datenräume (Data Spaces), sowie der Beschreibung von deren Zielen und Eigenschaften, wird in diesem Modul die Einbettung von Datenräumen im Kontext von Gaia-X vertieft. Anschließend wird das Projekt Gaia-X inhaltlich tiefergehenden vorgestellt, hierbei das Gaia-X Framework näher beleuchtet und abschließend skizziert, wie drei wesentliche Organe von Gaia-X – Gaia-X Association (AISBL), Nationale Hubs und das Netzwerk aus Nutzern und Providern – organisiert sind.
Grundlagen
Gefunden in:
-
KI - Sicherheit
- In diesem Kurs lernen Sie die aktuellen Richtlinien und Herausforderungen der KI Sicherheit kennen. Wir konzentrieren uns auf die wichtigsten Grundsätze einer vertrauenswürdigen KI und die größten Bedrohungen für KI. Am Ende des Moduls werden Sie in der Lage sein, KI-Sicherheitsrisiken zu antizipieren, die sich aus den verschiedenen Ebenen eines KI-Systems ergeben.
Grundlagen
-
KI - Predictive Maintenance
- In diesem Kurs werden Sie erfahren, was Predictive Maintenance ist, wie sie funktioniert, einen praktischen Anwendungsfall betrachten und einen Einblick in die Herausforderungen und Chancen erhalten. Dieser Kurs richtet sich an alle, die sich für Predictive Maintenance in der Automobilindustrie interessieren und die Möglichkeiten dieser Technologie besser verstehen möchten.
Grundlagen
Gefunden in:
-
KI – Von Daten zum validierten Modell
- Dieses Modul vermittelt die Machine Learning Pipeline – den Weg von Rohdaten bis zur produktiven KI-Anwendung. Sie lernen die einzelnen Schritte kennen und verstehen, welche Prozesse erforderlich sind, um ein Machine Learning Modell zu trainieren. So erhalten Sie einen praxisnahen Einblick in die Entwicklung und Anwendung von KI-Modellen.
Grundlagen
Gefunden in:
-
KI – Überblick über maschinelle Lernverfahren
- Anhand praxisnaher Beispiele werden verschiedene Lernverfahren sowie deren Funktionsweise und Anwendung erläutert. Ziel ist es, ein solides Verständnis für maschinelles Lernen zu schaffen, um die Kommunikation und Zusammenarbeit in interdisziplinären KI-Projekten zu erleichtern.
Grundlagen
Gefunden in:
-
KI - Bereitstellung und Betrieb von Machine Learning Modellen
- Dieses Modul vermittelt Grundlagen des Model Deployments und beleuchtet Herausforderungen wie Datenmanagement, Modellversionierung und Model Drift. Zudem lernen Sie Tools und Frameworks kennen, die den kontinuierlichen Betrieb von Machine Learning Modellen unterstützen.
Grundlagen
-
KI in der Industrie
- Dieses Modul beschäftigt sich mit der Anwendung von Künstlicher Intelligenz (KI) in der industriellen Produktion. Neben einer Einordnung des Begriffs „Künstliche Intelligenz“ werden in diesem Modul auch die Chancen und Herausforderungen, die mit dem Einsatz von KI im industriellen Kontext verbunden sind, erläutert. Darüber hinaus lernen Sie Anwendungsbeispiele für den erfolgreichen Einsatz von KI in der Industrie kennen. Ziel dieses Moduls ist es, Ihnen einen ersten Einblick in die Anwendungsmöglichkeiten für KI in der Industrie und den damit verbundenen Chancen und Herausforderungen zu geben.
Grundlagen
Gefunden in:
-
KI Beyond the Prototype: PAISE® (Teil 1)
- n diesem Modul lernen Sie PAISE®– das Process Model for AI Systems Engineering – kennen. Dieses Vorgehensmodell wurde am Fraunhofer IOSB entwickelt, um Unternehmen ein Vorgehen für den Einsatz von KI in industriellen Prozessen an die Hand zu geben. Teil 1 des Moduls gibt Ihnen einen ersten Einblick in das Vorgehensmodell und die Disziplin KI-Engineering. Außerdem erhalten Sie einen Überblick über die verschiedenen Phasen des Vorgehens.
Grundlagen
Gefunden in:
-
KI Beyond the Prototype: PAISE® (Teil 2)
- In diesem Modul steigen Sie tiefer in das Process Model for AI Enginering - PAISE® - ein. Sie bekommen einen detaillierten Einblick in die einzelnen Phasen und lernen anhand eines Beispiels, wie diese Phasen in der Praxis umgesetzt werden. Ziel des Moduls ist es, Sie zu befähigen, Paise® auf eigene Problemstellungen anwenden zu können. Sie können die einzelnen Phasen von Paise® erläutern, sowie die Leitfragen für die Bearbeitung der einzelnen Phasen benennen und das Vorgehensmodell auf ihre eigene Problemstellung anwenden.
Grundlagen
Gefunden in:
-
KI-Betriebssicherheit: AI Safety
- In diesem Modul liegt der Fokus auf KI-Betriebssicherheit (AI Safety). Sie lernen die KI-Sicherheitsrichtlinien für reale Anwendungen kennen und die wichtigsten Faktoren, die zu KI-Sicherheitsrisiken führen können. Am Ende des Moduls wissen Sie, wie Sie mit der Entwicklung einer sicheren KI-Anwendung beginnen können.
Grundlagen
Gefunden in:
-
KI-Betriebssicherheit in der Automobilindustrie: AI Safety Automotive
- In diesem Kurs entdecken Sie, wie KI fortgeschrittene Fahrerassistenzsysteme sicherer und effizienter macht. Sie lernen die Herausforderungen der Absicherung kennen und erfahren, wie Gesetze, Normen und der EU AI Act die Entwicklung und den Einsatz sicherheitskritischer KI-Systeme in Fahrzeugen unterstützen.
Grundlagen
Gefunden in:
-
Gaia-X: Grundlagen Data Governance
- In diesem Kurs werden die Grundlagen zum Thema Data Governance im Kontext von „Gaia-X“ vermittelt, exklusive der Vermittlung der Design-Prinzipien von Labeln und Service-bezogener „Data Governance“ mit Ausnahme des „Gaia-X Compliance Service“. Neben der abstrakten Erläuterung zum Gaia-X Betriebsmodell, Trust Framework, Policy-Regeln, Gaia-X Register und Gaia-X Compliance Service, werden Gaia-X Rollen und Verantwortlichkeiten abstrakt vorgestellt und übergeordnete Informationen zum Identitäts- und Zugriffsmanagement gegeben. Anschließend wird die Ausstellung und Verifizierung von Attestierungen abstrakt dargestellt.
Grundlagen
Gefunden in:
-
KI-Sicherheit in der Luftfahrt – AI Safety in Aviation
- In diesem Kurs werden die Grundlagen zum Thema KI-Sicherheit in der Luftfahrt vermittelt. Künstliche Intelligenz (KI) ist heutzutage in kaum einer Branche wegzudenken, so auch nicht in der Luftfahrt. Allerdings ist es häufig schwierig, KI-Anwendungen zu entwickeln, die den hohen Sicherheitsanforderungen der Luftfahrt gerecht werden. Dieser Kurs gibt einen Überblick über wichtige Treiber für die Sicherheit von Künstlicher Intelligenz in der Luftfahrt und wie diese zukünftig sichergestellt werden soll. Ein generelles Verständnis von Künstlicher Intelligenz wird vorausgesetzt, oder kann im Modul "Was ist KI" erarbeitet werden.
Grundlagen
Gefunden in:
-
KI - Large Language Models (LLMs)
- In diesem Modul lernen Sie die grundlegende Funktionsweise von Large Language Models (LLMs) kennen. Sie erfahren, wie diese trainiert werden und können mit diesem Wissen die Vorund Nachteile von LLMs nachvollziehen.
Grundlagen
Gefunden in:
-
KI Engineering
- Hier erfahren Sie, warum Sicherheitsrisikomanagement ein zentraler Bestandteil im KI Engineering ist und wie Sie es erfolgreich in den gesamten Entwicklungsprozess integrieren. Anhand der Norm IEC 61508 lernen Sie, den Sicherheitslebenszyklus zu verstehen, Anforderungen richtig zu definieren und deren Erfüllung zu überprüfen. Sie entdecken, wie automatisierte Tests und kontinuierliche Integration helfen, KI-Systeme auch nach der Einführung sicher und flexibel weiterzuentwickeln.
Grundlagen
Gefunden in:
-
AI-in-the-Loop
- „AI-in-the-Loop“ bezeichnet die fortlaufende Wechselwirkung zwischen Forschenden, KISystemen und der operativen Umgebung auf Grundlage des DevOps-Prinzips, das eine enge Verzahnung von Entwicklung (Development) und Betrieb (Operations) vorsieht. Im Fokus stehen dabei die Sicherheit und Zuverlässigkeit von KI-Anwendungen sowie die Frage, wie sich Anpassungen und Optimierungen effizient und zeitnah in den laufenden Betrieb integrieren lassen. Im Rahmen des Kurses werden die Grundlagen von „AI-in-the-Loop“ anhand eines praxisnahen Anwendungsbeispiels vermittelt. Dabei geht es um einen Roboter, der mithilfe von Kameradaten die Genauigkeit einer KI-gestützten Objekterkennung während des Betriebs kontinuierlich verbessert.
Grundlagen
Gefunden in:
-
Simulation-Enabled Engineering
- Hier lernen Sie, wie Simulationen die Entwicklung von Anwendungen der Künstlichen Intelligenz (KI) unterstützen können. Es wird erläutert, welchen Einfluss Simulationen auf unterschiedliche Anwendungsbereiche der KI haben und welchen Nutzen sie über den gesamten Lebenszyklus hinweg bieten. Darüber hinaus wird gezeigt, welchen Beitrag Simulation für die Entwicklung sicherer KI leisten kann. Zudem wird gezeigt, wie Simulationen helfen können, KI-Funktionen an veränderte Bedingungen in der Einsatzumgebung anzupassen – ein entscheidender Aspekt, um die zuverlässige Funktionsweise auch nach der Bereitstellung sicherzustellen. Abschließend veranschaulicht ein konkretes Beispiel die vorgestellten Konzepte praxisnah.
Grundlagen
Gefunden in:
-
Datenökosysteme – Catalogue
- In diesem Kurs werden die Grundlagen zum Thema Catalogue / Discovery Service vermittelt. Dabei wird die Bedeutung von Catalogue- und Discovery-Services im Kontext des Lernpfads „Datenräume“ erläutert. Neben zentralen Funktionsweisen und Nutzenpotenzialen behandelt das Modul auch technische Aspekte des Federated Catalogue. Zudem wird die Einführung dieser Technologie anhand des XFSC Federated Catalogue Service vorgestellt.
Grundlagen
Gefunden in:
-
Datenökosysteme – Connectoren
- Dieses Modul vermittelt das grundlegende Verständnis von Connectoren, ihren Einsatzmöglichkeiten und ihrer Bedeutung im modernen Datenmanagement. Sie erfahren, was Connectoren sind, welche Funktion sie in der Datenintegration und Datenverarbeitung haben, und wie sie in verschiedenen Anwendungsbereichen eingesetzt werden können. Dabei wird ein umfassender Überblick über die wichtigsten Typen von Connectoren, deren Architektur und die technischen Grundlagen gegeben.
Grundlagen
Gefunden in:
-
Datenökosysteme – Contracts
- Neben der Erläuterung der Bedeutung von Contracts im Rahmen von Datenökosystemen sowie der wichtigsten Funktionsweisen und Nutzenpotenzialen werden in diesem Modul technische Aspekte beleuchtet sowie die Vorgehensweise zur Einführung der Technologie vorgestellt.
Grundlagen
Gefunden in:
-
Datenökosysteme – Marketplaces
- Neben der Erläuterung der Bedeutung des Marketplace Layers im Rahmen von Dataspace- Lernpfaden sowie der wichtigsten Funktionsweisen und Nutzenpotenziale werden in diesem Modul technische und wirtschaftliche Aspekte beleuchtet sowie die Vorgehensweise zur Einführung dieser Marktschicht vorgestellt.
Grundlagen
Gefunden in:
-
Datenökosysteme – Application Layer
- Neben der Erläuterung der Bedeutung der Anwendungsschicht im Rahmen von Application → Sub Services → Data sowie der wichtigsten Funktionsweisen und Nutzenpotenziale werden in diesem Modul technische und Application Patterns & Generic Application Foundation‑Aspekte beleuchtet sowie die Vorgehensweise zur Einführung exemplarischer Lösungen vorgestellt.
Grundlagen
Gefunden in:
-
Datenökosysteme – Rollen im Datenraum
- Alle wichtigen Rollen in einem Datenraum werden in diesem Modul beschrieben, sowie deren Funktion erläutert.
Grundlagen
Gefunden in:
-
Datenökosysteme – Identity
- Neben der Erläuterung der Bedeutung von Identity im Rahmen von Datenökosystemen sowie der wichtigsten Funktionsweisen und Nutzenpotenzialen werden in diesem Modul technische und technische Aspekte beleuchtet sowie die Vorgehensweise zur Einführung der Technologie vorgestellt.
Grundlagen
Gefunden in:
-
Base-X: Grundlagen
- Sie erfahren, was Base-X genau ist, welche Hilfe es in der Datenintegration und - verarbeitung haben, und wie damit Anwendungen in den unterschiedlichsten Bereichen entwickelt werden. Dabei wird Ihnen ein umfassender Überblick über die wichtigsten Technologien von Base-X, deren Architektur und deren Kontext gegeben.
Grundlagen
Gefunden in:
-
Was ist Künstliche Intelligenz?
- In diesem Lernmodul erfahren Sie, was künstliche Intelligenz ausmacht und wie Maschinen durch Lernen aus Beispielen intelligent werden. Sie lernen die zentralen Voraussetzungen moderner KI kennen – darunter hohe Rechenleistung, große Datenmengen und kognitive Ansätze. Zudem wird vermittelt, wie Machine Learning-Modelle (ML-Modelle) mithilfe von Trainings- und Testdatensätzen entwickelt werden und welche Rolle gelabelte Daten bei der Wahl zwischen überwachtem und unüberwachtem Lernen spielen. Ein weiterer Fokus liegt auf Deep Learning (DL) mit mehrschichtigen neuronalen Netzwerken sowie auf der Bewertung von KI-Modellen.
Grundlagen
Gefunden in:
-
KI in der Robotik
- In diesem Lernmodul erfahren Sie, wie Künstliche Intelligenz (KI) die Fähigkeiten von Robotern erweitert und warum ihr Einsatz besonders in dynamischen und sich wandelnden Umgebungen sinnvoll ist. Sie lernen, wie KI-Roboter durch Wahrnehmung, Interaktion und Lernen komplexe Aufgaben in verschiedensten Branchen übernehmen können – etwa in der Industrie, Landwirtschaft oder Medizin – und somit dem Fachkräftemangel entgegenwirken.
Grundlagen
Gefunden in:
-
Validierung und Verifikation in der KI-Sicherheit
- Automatisierte Systeme wie autonome Fahrzeuge und Industrieroboter agieren zunehmend in komplexen, unvorhersehbaren Umgebungen. Da sie dabei auf KI für Wahrnehmung und Entscheidungen angewiesen sind, wird ihre Sicherheit schwerer zu gewährleisten. Sensorrauschen und Umweltveränderungen erschweren die Vorhersagbarkeit ihres Verhaltens. Deshalb sind Validierung und Verifikation essenziell, um sicherzustellen, dass Sicherheitsanforderungen definiert, erfüllt und durch Tests bestätigt werden. Das Modul behandelt die Rolle von V&V zur Absicherung KI-basierter Systeme, besonders in sicherheitskritischen Anwendungen.
Grundlagen
Gefunden in: