Sören. Schmock

Debatten zur Corona-Pandemie und dem Klimawandel zeigen, wie wichtig die zielgruppengerechte und zielgruppenspezifische Kommunikation von Datenanalyseergebnissen für die breite Öffentlichkeit und politische Entscheidungsträger:innen ist. Ziel des Kurses Von der Datenanalyse zur Datengeschichte ist es, Data Storytelling sowohl auf theoretischer als auch auf praktischer Ebene zu vermitteln.

Folgende Themen werden behandelt:

• Einführung in Data Storytelling:
  Ursprung und Bedeutung
• Datenanalyse I & II:
  Grundlagen der Datenaufbereitung
• Datenvisualisierung I & II:
  Techniken zur grafischen Darstellung
• Data Storytelling Theorie:
  Dramaturgien von Datengeschichten
  Zielgruppenorientierung
  Arten und Typen von Data Stories
• Interdisziplinäre Perspektiven:
  Interviews aus Erziehungs- und Geschichtswissenschaft
• Wahrnehmungspsychologische Grundlagen:
  Wie Menschen Daten wahrnehmen und verstehen

Reinforcement Learning (RL) ermöglicht es zu lernen, was zu Durchbrüchen in den Bereichen Gaming und Robotik geführt hat.
Zu den Übungen gehören die Implementierung von Algorithmen, die Feinabstimmung von Hyperparametern und die Bewertung von Agenten.

Folgende Themen werden behandelt:

• Mathematische Grundlagen des Reinforcement Learning (z. B. Markov-Entscheidungsprozesse
• Implementierung von RL-Algorithmen (z. B. Q-Learning, Policy Gradient)
• Deep Reinforcement Learning mit neuronalen Netzen
• Entwurf und Bewertung von Agenten in simulierten Umgebungen

In dem Kurs Deine Zukunft in der KI-Joblandschaft erhältst Du einen praxisnahen Einblick in den rasant wachsenden KI-Arbeitsmarkt. Du lernst, welche Fachkenntnisse und Kompetenzen du brauchst, um in dieser zukunftsweisenden Branche Fuß zu fassen – und erfolgreich zu sein.
Anhand echter Beispiele erfährst Du, wie Experten ihren Karriereweg in der KI-Welt gestaltet haben. Zudem bekommst Du Zugang zu hilfreichen Ressourcen und Weiterbildungsangeboten, die Dir den Einstieg erleichtern und dich auf die Zusammenarbeit mit Fachleuten aus dem KI-Umfeld vorbereiten.

Nach Abschluss des Kurses wirst Du in der Lage sein:

• Grundbegriffe und Konzepte der KI
• Branchen zu identifizieren, in denen Fachkräfte für Künstliche Intelligenz tätig sind
• Die weltweite Nachfrage nach KI-Spezialist:innen auf dem Arbeitsmarkt einzuschätzen
• Zukunftsszenarien und Entwicklungsperspektiven für den Einsatz von KI zu beschreiben
• Typische Aufgabenprofile, Anforderungen und Qualifikationen für Berufe im KI-Bereich zu benennen
• Die zentralen Kompetenzen und Fachkenntnisse zu erfassen, die KI-Expert:innen benötigen
• Wichtige Werkzeuge und Plattformen kennenzulernen, die den Einstieg in eine Karriere im KI-Umfeld erleichtern
• Nützliche Ressourcen zu nutzen, um sich weiterzubilden und in einem sich rasant entwickelnden Technologiefeld auf dem Laufenden zu bleiben

Während des Kurses Introduction to AI and Entrepreneurship lernst Du, was einen Unternehmer ausmacht und welche Aspekte wichtig sind und Dir bei der Gründung helfen können. Die Möglichkeiten, die KI bietet, werden erläutert. Im Idealfall hast Du am Ende dieses Kurses Dein eigenes Business Model Canvas unter Verwendung Deiner KI-gestützten Lösung entwickelt.

Der Kurs vermittelt Grundlagen der Künstlichen Intelligenz (KI) und deren Anwendung im unternehmerischen Kontext. Hier sind die zentralen Inhalte, die sich aus der Kursplattform ergeben:

• Grundbegriffe und Konzepte der KI
• Maschinelles Lernen, neuronale Netze, Deep Learning
• Anwendungsfelder von KI in Wirtschaft und Gesellschaft
• Grundlagen unternehmerischen Denkens
• Effektuation und Lean Startup
• Geschäftsmodell-Innovation mit KI
• Wie KI neue Geschäftsmodelle ermöglicht
• Fallstudien zu KI-Startups und Innovationsprozessen
• Chancen und Herausforderungen bei der Gründung mit KI

Der Kurs Prompt-Labor – generative KI in der Hochschullehre »Anwendungen« liefert Vertiefungen, Empfehlungen und Materialien für eine weiterführende Auseinandersetzung mit Anwendungsszenarien für den Einsatz generativer KI in der Hochschullehre. Er besteht aus mehreren Modulen, die Grundlagen, Anwendungen und vertiefende Aspekte wie Recht, Datenschutz und Qualitätskontrolle abdecken

Der Kurs vermittelt folgende Inhalte:

• Grundlagen des Promptings
• Praktische Anwendungen in der Lehre
• Vertiefung: Recht, Datenschutz und Qualität

Der Kurs Robot Learning auf dem KI-Campus ist ein englischsprachiges Online-Angebot, das die Brücke zwischen Maschinellem Lernen und Robotik schlägt. Schwerpunkt ist der Einsatz von Reinforcement Learning in der Robotik, ergänzt durch praktische Übungen mit Jupyter Notebooks, Quizformate und interaktive Tools.

Der Kurs vermittelt folgende Inhalte:

• Einführung in Maschinelles Lernen und Robotik
• Drei verschiedene Ansätze des Robot Reinforcement Learning
• Problemorientiertes Lernen durch:
- Lernvideos
- Jupyter Notebooks (praktische Programmierübungen)
- Quizformate und Audience-Response-Systeme

Dieser anwendungsorientierter Kurs zum Deep Learning für sequentielle Prozessdaten richtet sich besonders an Interessierte aus dem Ingenieursbereich.
Sequentielle Prozessdaten sind Zeitreihendaten aus dem Bereich der Industrie zu verstehen.
Für diese Art von Daten wird im Wechsel aus theoretischen Grundlagen und anwendungsorientierten Beispielen das notwendige Grundlagenwissen und praktischen Kenntnisse für die eigene Anwendung vermittelt.

Der Kurs vermittelt folgende Inhalte:

• Einblick in die Methoden des Deep Learnings mit Fokus auf Zeitreihendaten und rekurrenten neuronalen Netzen
• Anwendung von rekurrenten Deep Learning Methoden mit TensorFlow


Bei Abschluss des Kurses bist Du in der Lage....

• den Unterschied zwischen Maschinelles Lernen und Deep Learning zu erklären.
• Elemente und Besonderheiten von rekurrenten Neuronalen Netzen zu beschreiben.
• mit verschiedene Layerkonzepten (RNN, LSTM, Dense, Dropout) ein neuronales Netz in TensorFlow aufzubauen und anzuwenden.

In dem Kurs Dr. med. KI - Basics wird gelehrt, wie KI funktioniert und in der Medizin angewendet wird

Der Kurs vermittelt folgende Inhalte:

• Grundlagen von KI & Data Science
• Anwendungen von KI in der Medizin
• Potentiale & Risiken von KI in der Medizin
• Generative KI in der Medizin


Bei Abschluss des Kurses bist Du in der Lage....

• verschiedene Verfahren von Künstlicher Intelligenz zu beschreiben.
• die Bedeutung von Daten und Data Science für die Medizin zu verstehen.
• zwischen verschiedenen Systemen in der KI-Diagnostik zu unterscheiden und konkrete Anwendungsbeispiele zu benennen.
• Deep Learning von Maschinellem Lernen in der Medizin grundlegend zu unterscheiden.
• die Funktion künstlicher neuronaler Netze in grundlegender Form zu beschreiben.
• verschiedene Anwendungsszenarien generativer KI im Bereich der Medizin zu skizzieren.

Der Kurs EU AI Act Essentials vermittelt die Konzepte und Anforderungen des EU AI Acts.

Der Kurs geht auf folgende Lerninhalte und Ziele ein:

• Einführung in den EU AI Act: Ziele, Struktur und Grundprinzipien
• Überblick über verwandte EU-Gesetze und deren Zusammenspiel mit dem AI Act
• Zeitplan und wichtige Meilensteine der Implementierung
• Praktische Beispiele und Use Cases für die verschiedenen Risikoklassen
• Überblick über die zentralen Akteure im AI Act (Provider, Deployer, National Authority)


Gewisses KI-Grundwissen (Anfängerniveau) wird vorausgesetzt.

Der Kurs KI für Alle 1: Einführung in die Künstliche Intelligenz vermittelt dir einen umfassenden Einstieg in die Welt der Künstlichen Intelligenz – und das ganz ohne Vorkenntnisse.

Hier sind die zentralen Lerninhalte und Ziele des Kurses:

• Grundlegende Methoden der KI erklären
  Du lernst, wie KI funktioniert, welche Verfahren es gibt und was heute technisch möglich ist.
• Einfache Anwendungsbeispiele verstehen
  Du erkennst, wo KI im Alltag eingesetzt wird – von Sprachassistenten bis zu Bilderkennung.
• Datenkompetenz aufbauen
  Du lernst verschiedene Datentypen kennen und verstehst, welche Probleme (z. B. Verzerrungen) bei der Datennutzung auftreten können.
• Grundlagen in Python anwenden
  Du führst einfache Python-Befehle aus und bekommst ein Gefühl für Programmierlogik.
• Ethische und rechtliche Aspekte reflektieren
  Du setzt dich mit Fragen zu Verantwortung, Diskriminierung, Transparenz und Datenschutz auseinander.


Der Kurs ist in 14 Wochenmodule gegliedert.

Der Kurs Sozialverantwortliche KI-Gestaltung ist ein inspirierender Einstieg in die ethische und faire Entwicklung von Künstlicher Intelligenz.
Entwickelt wurde er von der Hochschule Heilbronn unter Leitung von Prof. Dr. Nicola Marsden.

Der Kurs besteht aus fünf Wissensnuggets, die jeweils zentrale Aspekte einer sozialverantwortlichen KI beleuchten:

• Rahmenmodell für sozialverantwortliche KI: Einführung in ein Modell, das Fairness, Diversität und gesellschaftliche Verantwortung in den Mittelpunkt stellt.
• Spiegelbild der Gesellschaft: Warum KI-Systeme oft bestehende gesellschaftliche Ungleichheiten reproduzieren – und wie man das vermeiden kann.
• Rolle von Entwicklungsteams: Wie die Zusammensetzung und Arbeitsweise von Teams die Fairness und Inklusion von KI beeinflussen.
• Diversitätsbewusste Methoden: Praktiken und Ansätze, um Bias zu erkennen und zu reduzieren – von der Datenauswahl bis zur Modellbewertung.
• Zukunftsperspektiven: Wie KI als Werkzeug für das Gemeinwohl gestaltet werden kann – mit Fokus auf Teilhabe und Gerechtigkeit.


Der Kurs ist Teil der Micro-Degree-Reihe „Künstliche Intelligenz sozialverantwortlich gestalten“, die weitere Kurse zu Bias-Reduktion und Teampraktiken umfasst.

Der Kurs „IBM-Grundlagen der Künstlichen Intelligenz“ auf dem KI-Campus bietet einen kompakten Einstieg in die Welt der KI – ideal für Neugierige und Einsteige.

Hier sind einige der Hauptinhalte:

• Geschichte der KI: Von den Anfängen bis zu den heutigen Anwendungen – du lernst, wie sich die KI über drei Entwicklungswellen hinweg entfaltet hat.
• Grundkonzepte und Methoden: Einführung in zentrale Begriffe und Technologien, die heute und zukünftig in der KI verwendet werden.
• Datenanalyse mit KI: Wie KI unstrukturierte Daten erkennt, Muster findet und daraus lernt – auch ohne menschliches Zutun.
• Zukunftsperspektiven: Welche Rolle KI als Werkzeug für den Menschen spielt und wie sie unsere Lebens- und Arbeitswelt beeinflusst.

Die Inhalte des ISTQB® Certified Tester - Specialist Level Testing with Generative AI (CT-GenAI) umfassen verschiedene Aspekte des Akzeptanztests, die für die Zusammenarbeit zwischen Produktverantwortlichen, Business-Analysten und Testern entscheidend sind.

Die Hauptinhalte umfassen:

• Einführung in generative KI für Softwaretests
• Promptes Engineering für wirksame Softwaretests
• Risikomanagement bei generativer KI im Softwaretest
• LLM-gestützte Testinfrastruktur für Softwaretests
• Einsatz und Integration von generativer KI in Testorganisationen


Die Qualifikation Testen mit generativer KI (GenAI) richtet sich an alle, die generative KI für Softwaretests einsetzen.
Dazu gehören Personen in Rollen wie Tester, Testanalysten, Testautomatisierungsingenieure, Testmanager, Benutzerakzeptanztester und Softwareentwickler.
Die Qualifikation Testing with GenAI eignet sich auch für alle, die ein grundlegendes Verständnis für den Einsatz von GenAI für das Testen von Software erlangen möchten, wie z. B. Projektmanager, Qualitätsmanager, Softwareentwicklungsmanager, Business-Analysten, IT-Leiter und Unternehmensberater.

Voraussetzung für die Prüfung zum CTFL Specialist Level Testing with Generative AI (CT-GenAI) ist das erworbene Zertifikat zum ISTQB Certified Tester Foundation Level (CTFL®).

Der ISTQB® Certified Tester - AI Testing (CT-AI) ist eine Zertifizierung, die darauf abzielt, das Verständnis und die Fähigkeiten im Testen von KI-basierten Systemen und der Nutzung von KI im Testen zu erweitern.

Hier sind einige der Hauptinhalte:

• Einführung in Künstliche Intelligenz (KI) und maschinelles Lernen (ML)
• Testen von KI-basierten Systemen und deren spezifischen Qualitätsmerkmalen
• Herausforderungen beim Testen von selbstlernenden und autonomen Systemen
• Nutzung von KI zur Unterstützung von Softwaretests


Diese Zertifizierung richtet sich an Personen in verschiedenen Rollen, wie Tester, Testanalysten, Datenanalysten, Testingenieure, Testberater, Testmanager, Benutzerakzeptanztester und Softwareentwickler.

Um die Zertifizierung zu erlangen, muss man das ISTQB® Certified Tester Foundation Level Zertifikat besitzen.