Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 1

Die zunehmende Bedeutung technischer Intelligenz, die Rolle von Algorithmen und der Siegeszug der digitalen Maschinen, insbesondere das Internet der Dinge, sind prägend. Es ist abzusehen, dass sich diese Entwicklung zukünftig noch verstärken wird. All dies eröffnet neue Chancen für eine nachhaltige Entwicklung, bedroht aber zugleich nicht nur Arbeitsplätze. Das Thema Big Data ist nicht nur erst seit dem Skandal um „Edward Snowden“ und die NSA aktuell. Dort haben auch ganz normale Bürger erfahren, welches Potential und vor allem welche Macht in der großen Anzahl an Daten steckt. Big Data funktioniert nur mit einer Masse an Daten. Historiendaten dienen hier als Parameterinput, auf denen dann Algorithmen Auswertungen jeglicher Art vornehmen können.
(a) Nennen Sie drei Gründe für den Satz: "Daten sind die neue Währung!". Skizzieren Sie eine Verflechtung (von Daten) die diesen Satz untermauern.
(b) Beschreiben Sie kurz & bündig was man unter dem Begriff Big Data versteht?
(c) Beschreiben Sie mit Hilfe einer Grafik das 3V-Modell (Vielfalt, Volume, Geschwindigkeit) nach (Klein et.al).
(d) Recherchieren Sie die Gründe für den enormen Anstieg der Datenmengen im Laufe der Zeit, z. B. im Gesundheitswesen, im Einzelhandel oder in der Finanzbranche.
(e) Erläutern Sie, wie Big Data-Analysen zur Lösung eines realen Problems genutzt werden können, geben Sie dabei ein Beispiel aus der Finanz- oder Einzelhandelsbranche an.
(f) Worin sehen Sie genau die Vorteile beim Einsatz von Big-Data für Unternehmen und wo beeinflussen sie unternehmerische Entscheidungen in der Qualität?

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 2

(a) Was versteht man unter einem Programm und was sind Algorithmen? Zeigen Sie anhand eines Beispiels die Unterschiede auf!
(b) Die künstliche Intelligenz wird oft eng mit dem Begriff "Maschinelles Lernen" verknüpft. Erläutern Sie warum das so ist. Nennen Sie dabei zwei praktische Beispiele! Gehen Sie dabei auch explizit auf den Begriff des "Maschinellen Lernens" ein!
(c) In der Wissenschaft kursiert oft der Begriff des "Turing-Tests". Beschreiben Sie mit Hilfe einer Grafik, wie dieser funktioniert. Was besagt dagegen der Lovelace-Test, wo findet man diesen Test heute wieder?
(d) Nennen Sie Anwendungsgebiete, wo heute De-facto Maschinen, Menschen ersetzen.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 3

(a) Erläutern Sie, welche Potentiale Bigdata heute bietet und wie Empfehlungsalgorithmen in sozialen Netzwerken wie Instagram oder TikTok funktionieren.
(b) Filterblasen und Algorithmen: Diskutieren Sie die Auswirkungen von Algorithmen in sozialen Netzwerken auf die Bildung von Filterblasen. Wie können Empfehlungsalgorithmen dazu führen, dass Benutzer nur bestimmte Informationen und Meinungen sehen?
(c) KI und automatische Moderation: Untersuchen Sie, wie Künstliche Intelligenz in sozialen Netzwerken zur automatischen Moderation von Inhalten eingesetzt wird. Welche Herausforderungen und Kontroversen können bei der Anwendung dieser Technologie auftreten?
(d) Erläutern Sie die Grenzen und Probleme von Big Data im Zusammenhang mit denen von Ihnen ausgearbeiteten Themen!
(e) Skizzieren Sie ein Szenario, wie eine KI so programmiert werden kann, dass sie Menschen "bevorteilt" bzw. "vernachlässigt".

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 4

(a) Beschreiben Sie in eigenen Worten, was man unter dem Begriff der "Künstlichen Intelligenz (KI)" versteht. Nennen Sie dabei zwei Beispiele, wo KI in Ihrem Alltag eine Rolle spielt.
(b) Aus dem Begriff der KI lassen sich einige Disziplinen ableiten, darunter auch die Begriffe: Neuronale Netze, Bots und Deep Learning. Ordnen Sie diese Begriffe ein und untermauern diese mit einer kurzen aber prägnanten Erläuterung.
(c) Neuronale Netze bilden heute die Synapsen der KI. Beschreiben Sie kurz den Aufbau eines neuronalen Netzes, nennen Sie mögliche Einsatzgebiete in der Praxis und versuchen Sie zu erklären, wie neuronale Netze trainiert werden können.
(d) Was versteht man im Zusammenhang mit neuronalen Netzen unter den Begriffen der "Ontologien" und "Semantic-Web"? Erläutern Sie anhand eines Beispiels.
(e) Abschließend skizzieren Sie, was Ihrer Meinung nach in den nächsten 10 Jahren realistisch ist, was das Thema KI angeht.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 5

(a) Was wird Ihrer Meinung nach die größte Herausforderung im Umgang mit Big Data in der Zukunft sein? Nennen Sie mindestens drei Punkte!
(b) Stellen Sie eine Verbindung zwischen dem Einfluss von Big Data auf die Gesellschaft und den individuellen Alltag her. Welche Veränderungen sind zu erwarten?
(c) Beschreiben Sie, wie sich Ihrer Meinung nach die Ausbildung im Bereich Data Science und Big Data in den kommenden Jahren entwickeln wird. Welche Kenntnisse und Fähigkeiten werden zunehmend gefragt sein?
(d) Skizzieren Sie die Rolle von Unternehmen im Umgang mit Big Data: Wie können sie von Big Data profitieren und welche ethischen Überlegungen sollten sie dabei anstellen?
(e) Geben Sie eine persönliche Reflexion ab, inwiefern sich Ihre Sichtweise auf Big Data durch das Studium in dieser Woche verändert hat. Was sind Ihre Hauptaussagen?

Aufgabe 6

(a) Erläutern Sie, wie Unternehmen Big Data aus sozialen Medien nutzen, um das Kundenverhalten zu analysieren und ihre Produkte zu verbessern. Geben Sie ein konkretes Beispiel an.
(b) Was versteht man unter „Sentiment Analysis“? Beschreiben Sie, wie diese Technik angewendet wird, um das Kundenfeedback zu verstehen.
(c) Entwickeln Sie ein kurzes Konzept, wie ein Unternehmen Social-Media-Daten analysieren könnte, um seine Zielgruppe besser zu verstehen.
(d) Diskutieren Sie die datenschutzrechtlichen Bedenken bei der Verwendung von Social-Media-Daten in Big-Data-Analysen.
(e) Recherchieren Sie, wie Unternehmen mithilfe von Big Data gezielte Marketingkampagnen auf Social-Media-Plattformen durchführen können.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 7

(a) Erläutern Sie, wie Big Data heute in der Medizin verwendet wird, um Diagnosen zu verbessern. Geben Sie ein Beispiel für eine erfolgreiche Anwendung.
(b) Diskutieren Sie die ethischen und datenschutzrechtlichen Herausforderungen, die bei der Verarbeitung medizinischer Daten entstehen können.
(c) Was versteht man unter „Predictive Analytics“ in der Medizin? Zeigen Sie anhand eines Beispiels, wie Krankheitsprognosen erstellt werden könnten.
(d) Erstellen Sie eine Grafik, die zeigt, wie ein Big-Data-Projekt im Gesundheitswesen von der Datenerfassung bis zur Analyse durchgeführt wird.
(e) Überlegen Sie, wie Big Data und KI für die Forschung neuer Medikamente genutzt werden können. Erläutern Sie die Vorteile dieser Technologie.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 8

(a) Diskutieren Sie, warum Datensicherheit bei Big Data eine Herausforderung ist. Nennen Sie mindestens zwei Bedrohungen und deren mögliche Auswirkungen.
(b) Was versteht man unter „Anonymisierung“ und „Pseudonymisierung“? Zeigen Sie auf, welche Rolle diese beiden Prozesse im Datenschutz spielen.
(c) Warum ist es wichtig, Datensätze regelmäßig auf Anomalien zu überprüfen? Erläutern Sie dies anhand eines praktischen Beispiels.
(d) Welche rechtlichen Vorgaben müssen Unternehmen beachten, wenn sie große Datenmengen speichern? Gehen Sie dabei auf die DSGVO ein.
(e) Entwickeln Sie ein kurzes Konzept, wie Unternehmen Datenschutz bei Big-Data-Projekten gewährleisten können.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 9

(a) Analysieren Sie, wie Big Data zur Verbesserung der Energieeffizienz in Unternehmen beitragen kann. Geben Sie ein konkretes Beispiel.
(b) Welche Möglichkeiten gibt es, mithilfe von Big Data einen Beitrag zur Nachhaltigkeit zu leisten? Erstellen Sie eine Liste mit mindestens drei Aspekten.
(c) Diskutieren Sie die Rolle von Big Data im Bereich der erneuerbaren Energien. Welche Potenziale ergeben sich hierbei?
(d) Beschreiben Sie, wie Big Data bei der Überwachung und Analyse von Emissionen helfen kann. Gehen Sie auf ein Fallbeispiel ein.
(e) Welche Herausforderungen entstehen bei der Nutzung von Big Data im Kontext der Nachhaltigkeit? Erläutern Sie diese kurz.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 10

(a) Erläutern Sie den Einsatz von KI in autonomen Fahrzeugen. Wie können diese mithilfe von Sensoren und KI-Algorithmen ihre Umgebung wahrnehmen und navigieren?
(b) Diskutieren Sie, wie KI zur Optimierung des Verkehrsflusses in Städten beitragen kann.
(c) Beschreiben Sie den Einsatz von KI und autonomen Systemen in der Flugzeug-Avionik.
(d) Erklären Sie den Einsatz von KI in Drohnen für autonome Flüge und komplexe Aufgaben.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 11

(a) Erläutern Sie, wie Phishing-Angriffe in sozialen Netzwerken funktionieren und wie KI personalisierte Phishing-Nachrichten erstellen kann.
(b) Diskutieren Sie die Sicherheit von Benutzerdaten und deren Schutz in sozialen Netzwerken.
(c) Erläutern Sie die Gefahren und Erkennungsmöglichkeiten von Deepfakes.
(d) Beschreiben Sie den Einsatz von Social-Bots zur Beeinflussung der öffentlichen Meinung.
(e) Untersuchen Sie den Einsatz von KI zur Erstellung personalisierter Werbung.
(f) Diskutieren Sie die Rolle von Algorithmen bei der Entstehung von Filterblasen.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 12

• (a) Erklären Sie die Anwendung von Natural Language Processing (NLP) in Chatbots und deren Fähigkeit, menschliche Sprache zu verstehen und darauf zu reagieren.
• (b) Diskutieren Sie die Methoden, mit denen Chatbots personalisierte Antworten generieren können.
• (c) Welche Techniken der maschinellen Lernens werden eingesetzt, damit Chatbots aus Nutzerinteraktionen lernen?
• (d) Beschreiben Sie die Herausforderungen bei der Gestaltung von Chatbots, die in emotional aufgeladenen Gesprächen agieren.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 13

• (a) Erklären Sie die Rolle von Big Data bei der Bestandsverwaltung und Nachfragevorhersage im Einzelhandel.
• (b) Wie kann Big Data genutzt werden, um das Einkaufserlebnis durch Personalisierung zu verbessern?
• (c) Diskutieren Sie die Verwendung von Kundenanalysen und Verhaltensdaten zur Optimierung von Werbekampagnen.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 14

• (a) Erläutern Sie die Herausforderungen des Datenschutzes bei der Sammlung und Analyse von Big Data.
• (b) Welche Risiken bestehen durch Big Data im Hinblick auf die Privatsphäre von Nutzern?
• (c) Erklären Sie den Einsatz von Verschlüsselungstechniken, um die Sicherheit von Big Data zu gewährleisten.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 15

• (a) Wie kann Big Data verwendet werden, um Zielgruppen genauer zu definieren und Kampagnen effizienter zu gestalten?
• (b) Diskutieren Sie die Rolle von Big Data in der Erfolgsmessung von Marketingkampagnen.
• (c) Welche Herausforderungen bestehen bei der Integration von Big Data in Marketingstrategien?

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 16

• (a) Erläutern Sie, wie Big Data zur Optimierung des öffentlichen Verkehrs in Smart Cities genutzt werden kann.
• (b) Diskutieren Sie die Anwendung von Big Data zur Verbesserung der Infrastruktur in Städten.
• (c) Welche Herausforderungen gibt es bei der Implementierung von Big Data in Smart Cities?

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 17

• (a) Erläutern Sie die Nutzung von Big Data zur Verbesserung der Patientenversorgung und Prävention.
• (b) Diskutieren Sie den Einsatz von Big Data zur Überwachung und Analyse von Krankheitsausbrüchen.
• (c) Welche Datenschutzbedenken gibt es bei der Verwendung von Big Data im Gesundheitswesen?

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.

Aufgabe 18

• (a) Erklären Sie, wie Big Data zur Steigerung der Effizienz und Produktivität in der Landwirtschaft beitragen kann.
• (b) Diskutieren Sie die Anwendung von Big Data zur Optimierung der Ressourcenverwendung, beispielsweise Wasser und Dünger.
• (c) Beschreiben Sie den Einsatz von Big Data zur Überwachung und Analyse von Wetterdaten und deren Einfluss auf die Landwirtschaft.

Hinweis: Alle Ergebnisse und Zwischenergebnisse müssen in Moodle abgegeben werden.