In „Hot Research Topics in AI for Engineering Applications“ untersuchen wir die Anwendbarkeit hochaktueller Forschungsergebnisse in den Bereichen Maschinelles Lernen und Künstlicher Intelligenz (z.B. LLM Agenten, Reinforcement Learning) auf Anwendungen aus dem Ingenieurwesen (z.B. Optimierung in Produktion und Logistik, Erstellung von CAD-Modellen). Dabei widmen wir uns in jedem Jahr einem anderen methodischen Schwerpunkt (siehe Homepage IMI).

Dazu vermitteln wir zunächst die theoretischen Grundlagen und gehen dann in eine Gruppenarbeitsphase über, in der Studierende eine Anwendung prototypenhaft umsetzen und analysieren. Die Veranstaltung ist an Studierende mit Vorkenntnissen im Bereich maschinelles Lernen und Programmierung gerichtet.

Die Themen des Kurses:

• Theoretische Grundlagen der in dem Jahr betrachteten Methoden (z.B. Deep Learning, Transformer, LLMs)
• Anwendungsmöglichkeiten moderner Technologien im industriellen Kontext
• Herausforderungen bei der Nutzbar-Machung aktueller Forschungsergebnisse für konkrete Problemstellungen und den Produktiveinsatz
• Umsetzung von Lösungen zur Anwendung moderner Technologien auf konkrete Problemstellungen des Ingenieurwesens (i.d.R. Python-basiert, unter Verwendung aktueller Frameworks)
• Eigenständige Durchführung eines Implementierungsprojekts mit aktuellen, thematisch passenden Inhalten (z.B. LLM-Agenten zur Interaktion mit externen Systemen wie Robotern, zur Konstruktion von Algorithmen oder zur Erstellung von 3D-CAD-Modellen o.ä.)
• Technologien und Anwendungen werden jeweils zu Beginn des Semesters angekündigt

Nach Veranstaltungsende sind die Teilnehmer in der Lage:

• Die technischen und algorithmischen Grundlagen hinter den relevanten Forschungsthemen zu benennen und die Funktionsweisen zu erklären
• Anwendungsmöglichkeiten aktueller Forschungsergebnisse und zugehöriger Technologien im industriellen Kontext zu benennen und die dabei entstehenden Herausforderungen zu identifizieren
• In aktuellen Veröffentlichungen vorgeschlagene Lösungen unter Verwendung bestehender Frameworks und Codebasen prototypisch zu implementieren
• Programmierprojekte im Team zu strukturieren und umzusetzen
• Die Ergebnisse von Praxisprojekten zugeschnitten auf die Zuhörerschaft übersichtlich darzustellen und zu präsentieren

Teilnahmevoraussetzungen

Eine Grundlagenveranstaltung zu Machine Learning, Data Science oder Deep Learning, idealerweise mit Anwendung in Python, muss erfolgreich abgeschlossen sein. 

Empfohlene Veranstaltungen sind:

• T-MACH-114078 – Data Science Fundamentals in Engineering
• T-ETIT-109839 – Labor für angewandte Machine Learning Algorithmen
• M-INFO-106014 – Grundlagen der Künstlichen Intelligenz
• T-WIWI-110340 – Angewandte Informatik – Anwendungen der Künstlichen Intelligenz

Ähnliche absolvierte Veranstaltungen können zum Nachweis der erforderlichen Grundkenntnisse herangezogen werden.

Anmerkungen

Die Teilnehmerzahl ist aus Kapazitätsgründen auf 20 Personen begrenzt. Sofern erforderlich, wird ein Auswahlverfahren durchgeführt. Die Plätze werden unter Berücksichtigung des Studienfortschritts der Studierenden vergeben. Details hierzu als auch Informationen zur Bewerbung werden in ILIAS bekanntgegeben.

Organisatorische Hinweise

Weitere Informationen zur Kursorganisation finden Sie unter: lehre.imi.kit.edu und in ILIAS.

Arbeitsaufwand

120 Stunden

Place and time of the course can be found in ILIAS, / Ort und Zeit der Lehrveranstaltung siehe ILIAS