Vorlesung: Trustworthy Artificial Intelligence - Details

Vorlesung: Trustworthy Artificial Intelligence - Details

Allgemeine Informationen

Veranstaltungsname Vorlesung: Trustworthy Artificial Intelligence
Veranstaltungsnummer INF-3049, INF-0229
Semester WS 2026/27
Aktuelle Anzahl der Teilnehmenden 110
Heimateinrichtung Softwaremethodik für verteilte Systeme
Veranstaltungstyp Vorlesung in der Kategorie Lehre
Nächster Termin Mittwoch, 11.11.26, 17:30 - 19:00 Uhr 1058N
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile Ja
Hauptunterrichtssprache deutsch

Räume und Zeiten

1058N

  • Mittwoch, 17:30 - 19:00, Wöchentlich (ab dem 14.10.26)

Modulzuordnungen

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.