• Über das Projekt

    Das Interdisziplinäre Lehrprogramm zu Maschinellem Lernen und Künstlicher Intelligenz, kurz InterKI, ist ein im Rahmen der Förderinitiative „Künstliche Intelligenz in der Hochschulbildung“ gefördertes Projekt. Die Laufzeit erstreckt sich von Januar 2022 bis Dezember 2025.

    Ziel des Projekts ist der Aufbau und die Erprobung eines abgestuften universitätsweiten Lehrangebotes zu Maschinellem Lernen (ML) und Künstlicher Intelligenz (KI). KI wird dabei als ein interdisziplinäres Querschnittsthema gelehrt, das vielfältige Einsatzmöglichkeiten in der Grundlagenforschung wie in den Sektoren Wirtschaft und Gesellschaft  besitzt, infolgedessen aber auch gesellschaftliche, ethische und ökologische Herausforderungen aufwirft.

    Das modulare Lehrprogramm soll Studierenden ermöglichen, ihr KI-Wissen aufzubauen, selbstständig anzuwenden und direkt in verschiedene Anwendungsbereiche zu transferieren. Die Lehrveranstaltungen finden dabei in einem weitgesteckten interdisziplinären Kontext statt, d.h., Studierende verschiedener Fachbereiche belegen die Veranstaltungen gemeinsam und arbeiten zusammen an Projekten.

    Das Center for Nonlinear Science (CeNoS) der Universität Münster koordiniert die Umsetzung des Projekts, an dem die Fachbereiche Mathematik und Informatik, Chemie und Pharmazie, Sportwissenschaften und Psychologie, Medizin und Physik sowie verschiedene zentrale Einrichtungen der Universität Münster beteiligt sind. 

    Pressemitteilung der Universität Münster 

  • Aufbau des Lehrprogramms

    Modularer Aufbau des Lehrprogramms
    © CeNoS

    Modul A: Grundlagen

    Das Modul A  bietet  Bachelor- und Master-Studierenden verschiedener Fachrichtungen mit entsprechend heterogenem Vorwissen die Möglichkeit,  grundlegende ML- und KI-Kenntnisse zu erlangen und die Fähigkeit zu entwickeln, erste praktische Anwendungen im eigenen Wissensbereich durchzuführen.

    Die Bausteine dieses Moduls sind (i) Selbstlernkurse zu den mathematischen Voraussetzungen von KI, zum Einstieg in die Programmierung und zur Nutzung zentraler Software-Pakete, (ii) nutzerfreundliche Schnittstellen, (iii) die interdisziplinäre Grundlagenvorlesung "Einführung in das Maschinelle Lernen", (iv) eine umfangreiche Bibliothek von Jupyter Notebooks sowie (i) ein- bis zweiwöchige Praktika (Hackatons).

    Modul B: Komplexe Anwendungen

    Modul B baut auf dem Grundlagenmodul A auf und ist für Master-Studierende und Promovierende geeignet.

    Studierende können hier die Kompetenz erwerben, selbstständig aktuelle Fragestellungen aus den folgenden Forschungfeldern mit KI-Methoden zu bearbeiten: (i) die Analyse komplexer dynamischer Systeme, (ii) die theoretische Analyse molekularer Systeme, (iii) molekulare Anwendungen im Rahmen der Entwicklung funktionaler Moleküle, (iv) die Analyse menschlicher Bewegungen sowie (v) ML-Anwendungen für medizinische Bilddaten.

    Ergänzende praktische Beispiele aus der Wirtschaft befähigen die Studierenden zum Wissenstransfer in das außeruniversitäre Arbeitsumfeld.

    Modul C: Konzeptionelle Vertiefung

    Das fortgeschrittene Modul C richtet sich an Master-Studierende und Promovierende und vermittelt Kenntnisse, die für ein tieferes Verständnis und die Weiterentwicklung von KI-Methoden erforderlich sind.

    Mittels spezifischer Vertiefungen sollen diverse State-of-the-art-Verfahren vermittelt, auf aktuelle Fortschritte der KI-Forschung eingegangen und fortgeschrittene Konzepte aus den zentralen Bereichen der maschinellen Bild- und Sprachverarbeitung (z.B. Attention Mechanismen (inkl. Transformer), Contrastive-Learning-Strategien, Capsule Networks und andere moderne Architekturen) behandelt werden. 

    Theoretische Vertiefungen vermitteln die fortgeschrittenen theoretischen Konzepte und gehen vertiefend auf die mathematischen Hintergründe ein. Es werden z. B. Zusammenhänge zur Mathematik der inversen Probleme sowie Eigenwert- und Sensitivitätsanalyse aufgezeigt und deren Bedeutung im Kontext der neuronalen Netzwerke diskutiert. Dies dient als Basis für weitergehende Analysen, zu denen neben alternativen und experimentellen Trainingsstrategien auch Explainable-AI-Verfahren gehören.

    Die Erweiterung der Fundaments  umfasst Lehrveranstaltungen, die zwar üblicherweise nicht zu den Kernlehrinhalten von KI gezählt werden, aber dennoch hochrelevant für KI sind. Dazu zählt die Bayessche Statistik, die fundamental für alle datengetriebene Methoden ist und von der grundlegende ML-Konzepte abgeleitet werden können, sowie die Nichtlineare Dynamik, welche zunehmend in neue Formen von ML einfließt.

    Modul D: Erweiterung des Horizonts

    Modul D richtet sich an Bachelor- und Master-Studierende sowie Doktoranden. In Zusammenarbeit mit verschiedenen zentralen Einrichtungen der Universität Münster werden Veranstaltungen angeboten, in denen das Thema KI in einem breiteren Kontext beleuchtet und aktuelle Herausforderungen diskutiert werden.

    Dies umfasst die Themenkomplexe (i) Nachhaltigkeit, (ii) KI-basierte Gründungsideen (Start-Ups),  (iii) die Einbindung der Grundideen und gesellschaftlichen Aspekte von KI in die  Lehramtsausbildung sowie (iv) wissenschaftsphilosophische und ethische Fragestellungen.

    Darüber hinaus werden im Zuge einer "Women-in-AI-Initiative" Angebote des Lehrprogramms explizit an (Nachwuchs-)Forscherinnen herangetragen und zusätzlich spezifische Informationsveranstaltungen, z. B. im Rahmen des "Girls Day", angeboten (KI und Gender).