Vorlesung: Trustworthy Artificial Intelligence - Details

Allgemeine Informationen

Veranstaltungsname	Vorlesung: Trustworthy Artificial Intelligence
Veranstaltungsnummer	INF-3049, INF-0229
Semester	WS 2025/26
Aktuelle Anzahl der Teilnehmenden	83
Heimat-Einrichtung	Softwaremethodik für verteilte Systeme
Veranstaltungstyp	Vorlesung in der Kategorie Lehre
Nächster Termin	Donnerstag, 08.01.2026 10:00 - 11:30, Ort: (1058-N)
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Ja
Hauptunterrichtssprache	deutsch

Lehrende

• Prof.Dr. Bernhard Bauer
• Sonja Lautenbacher
• Dr. Fabian Stieler
• Tamara Krafft
• Benjamin Weigell

Räume und Zeiten

(1058-N)

Donnerstag: 10:00 - 11:30, wöchentlich (14x)

Studienbereiche

• Fakultät für Angewandte Informatik

Modulzuordnungen

• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 15. Version gültig ab WS 2025/26 > Wahlbereich Informatik und Multimedia > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Wirtschaftsinformatik Masterstudiengang Wirtschaftsinformatik (PO 2017), 18. Version gültig ab WS 2025/26 > Modulgruppe C: Minor Informatik > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Informatik M.Sc. Informatik, PO 2018, 15. Version gültig ab WS 2025/26 > Praktische Informatik > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Ingenieurinformatik M.Sc. Ingenieurinformatik, PO 2016, 19. Version gültig ab WS 2025/26 > M.Sc. Ingenieurinformatik - Software und Systems Engineering > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 15. Version gültig ab WS 2025/26 > Praktische Informatik > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Wirtschaftsinformatik Masterstudiengang Wirtschaftsinformatik (PO 2017), 18. Version gültig ab WS 2025/26 > Modulgruppe D: Major Informatik > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Informatik M.Sc. Informatik, PO 2018, 15. Version gültig ab WS 2025/26 > Wahlbereich Informatik > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Medizinische Informatik M.Sc. Medizinische Informatik, PO 2021, 9. Version gültig ab WS 2025/26 > Wahlbereich > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Ingenieurinformatik M.Sc. Ingenieurinformatik, PO 2016, 19. Version gültig ab WS 2025/26 > M.Sc. Ingenieurinformatik - Wahlbereich Software und Systems Engineering / Technische Informatik und Adaptive Systeme > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Data Science Master's Programme Data Science, 1. Version gültig ab WS 2025/26 > B. Advanced Data Science Methods > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Medizinische Informatik M.Sc. Medizinische Informatik, PO 2021, 9. Version gültig ab WS 2025/26 > Informatik > INF-3049 - Trustworthy Artificial Intelligence > Trustworthy Artificial Intelligence (Vorlesung)
• Geoinformatik Master Geoinformatik, 4. Version gültig ab WS 2022/23 > MScGI_Module > INF-0229 (=MScGI_SE) - Software Engineering (für M.Sc. Geoinformatik) > Vorlesung mit Übung aus dem Bereich Software Engineering

Kommentar/Beschreibung

Die Studierenden erwerben Kenntnisse über zentrale Konzepte und Prinzipien vertrauenswürdiger KI,
einschließlich ethischer, rechtlicher und gesellschaftlicher Rahmenbedingungen sowie technischer
Anforderungen. Sie verstehen, wie vertrauenswürdige KI-Systeme gestaltet, bewertet und dokumentiert
werden können, und sind in der Lage, diese theoretischen Grundlagen auf praxisnahe Fragestellungen zu
übertragen.

Im Rahmen der Veranstaltung werden Methoden und Ansätze vorgestellt, die Transparenz, Erklärbarkeit,
Fairness, Sicherheit, Robustheit und Datenschutz in KI-Systemen gewährleisten können. Dazu gehören
beispielsweise Methoden des interpretierbaren Maschinellen Lernens. Die Studierenden lernen, typische
Herausforderungen wie Bias, Sicherheitsrisiken und Datenschutzfragen zu identifizieren und geeignete
Lösungsansätze zu entwickeln. Dies umfasst auch Cybersecurity im Kontext von KI-Systemen, wobei die
Studierenden spezifische Angriffszenarien kennenlernen und geeignete Schutzmechanismen
konzeptionell erarbeiten.

Darüber hinaus erhalten die Studierenden vertiefte Einblicke in das Software Engineering für KI-Systeme.
Hierbei werden zentrale Konzepte wie Machine Learning Operations (MLOps), KI-Lifecycle-Management
sowie Grundsätze wie Reproduzierbarkeit, Automatisierung und Skalierbarkeit vermittelt. Weitere
Schwerpunkte umfassen Aspekte des Betriebs von KI-Systemen in Produktivumgebungen einschließlich
den Aspekten Infrastruktur, Monitoring sowie Concept Drift.

Weiterhin werden den Studierenden organisatorische und technische Maßnahmen zur Sicherstellung von
Verantwortlichkeit, Nachvollziehbarkeit und Governance vermittelt. Sie lernen relevante Standards und
Verfahren im Bereich Audit, Zertifizierung und Risikomanagement von KI-Systemen kennen sowie
Ansätze zu einer nachhaltigen und verantwortungsbewussten Entwicklung von KI-Systemen.