Modernes Ingenieurwesen setzt zunehmend auf datengetriebene Lösungen in Bereichen wie Produktentwicklung, Produktionssysteme, Logistik und Robotik. Dieser projektbasierte Kurs führt die Studierenden in kleinen Teams an eine datengetriebene Ingenieursaufgabe in einem der genannten Bereiche heran.

Der Schwerpunkt liegt auf der gemeinsamen Strukturierung und Lösung einer offenen Aufgabenstellung, der Organisation der Projektarbeit sowie der Auswahl oder Kombination geeigneter Methoden aus den Bereichen des maschinellen Lernens, der Optimierung und der Simulation. Die Studierenden nutzen moderne Werkzeuge und Softwarebibliotheken für datengetriebene Ingenieuranwendungen (abhängig von der Aufgabe, z. B. Isaac Sim, PyTorch, ROS2, Gymnasium), um eine prototypische Lösung zu entwickeln, umzusetzen und zu evaluieren. Die Ergebnisse werden dokumentiert und über Präsentationen sowie über geeignete Medienformate kommuniziert.

Der Kurs ist als Präsenzprojekt konzipiert, das regelmäßige persönliche Zusammenarbeit und Betreuung ermöglicht. Gute Kenntnisse in Python werden dringend empfohlen. Die Studierenden sollten bereit sein, sich mit Betriebssystemen und Werkzeugen wie Linux, Docker und Git auseinanderzusetzen und Neues zu lernen.

Lernziele

Nach erfolgreichem Abschluss des Kurses können die Studierenden:

• Offene ingenieurtechnische Fragestellungen als datengetriebene Aufgaben analysieren, formulieren und geeignete Methoden aus maschinellem Lernen, Optimierung und Simulation auswählen.
• Einen teamorientiertes Projekt planen, umsetzen und koordinieren, einschließlich der Aufgabenverteilung, der Meilensteinplanung und der effektiven Teamkommunikation, unter Einsatz moderner Werkzeuge und Softwarebibliotheken für datengetriebene Ingenieuranwendungen.
• Projektergebnisse klar und zielgerichtet aufbereiten und präsentieren, z. B. in technischen Präsentationen, Pitch-Formaten oder kurzen Projektvideos.

Anmerkungen

Die Teilnehmerzahl ist begrenzt. Informationen zur Bewerbung in ILIAS.

Organisatorische Hinweise

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

Arbeitsaufwand

120 Stunden

See ILIAS for time and location / Zeit und Ort siehe ILIAS