Lern fabrik

Themenkomplex BigData / KI Arbeitsaufträge

Grundlagen von Bigdata

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

Übungen

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?

Grundlagen von Bigdata

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

Übungen

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 dem Begriff des "Maschinellen Lernens" ein!
    (c) In der Wissenschaft kursiert oft der Begriffe 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.

Grundlagen von Bigdata - Empfehlungsalgorithmen

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

Übungen

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 ein KI so programmiert werden kann, dass es Menschen "bevorteilt" bzw. "vernachlässigt".

Grundlagen von Bigdata - Bots, Neuronale-Netze,

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

Übungen

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 ein 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) Was müssen Unternehmen und Politiker über KI wissen und was sind die größten Herausforderungen für Unternehmen, Politiker, aber auch generell der Gesellschaft?

Grundlagen von Bigdata

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

Übungen

Aufgabe 5

    (a) Welche Auswirkungen hat Maschinelles Lernen auf Teile unserer Gesellschaft und das Zusammenleben?
    (b) Welche Herausforderungen und Gefahren entstehen für unsere Gesellschaft?
    (c) Beschreiben Sie mögliche Richtlinien zur Vermeidung von Gefahren!
    (d) Wo bleibt die menschliche Intuition und warum sollte die Bequemlichkeit niemals siegen?
    (e) Nehmen Sie Stellung zur folgender Aussage von dem renommierten Autor (Harari): "Algorithmen werden uns besser kennen als wir selbst"
    (f) Nehmen Sie zur folgender Grafik Stellung:

Grundlagen von Bigdata - Lernen als Grundlage

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

Übungen

Aufgabe 6

    (a) Maschinelles Lernen und DEEP LEARNING bilden den Motor für aktuelle Quantensprünge in der KI- Forschung. Warum? Nennen Sie Indikatoren, an denen Sie es persönlich festmachen.
    (b) Wie hängen mathematische Korrelationsberechnungen und Maschinelles Lernen zusammen? Sie können es anhand eines praktischen Beispiels zeigen: (bspw. Wetterprognose oder Schulnoten)
    (c) Graphen-Algorithmen: Erläutern Sie, wie Graphen-Algorithmen in sozialen Netzwerken verwendet werden können. Wie können sie dazu beitragen, Beziehungen zwischen Benutzern und sozialen Interaktionen zu analysieren?
    (d) Sentiment-Analyse: Beschreiben Sie die Sentiment-Analyse und wie sie in sozialen Netzwerken verwendet wird, um die Stimmung und Meinungen von Benutzern zu erkennen. Wie könnten Unternehmen diese Informationen nutzen?
    (e) Netzwerk-Visualisierung: Erklären Sie, wie Netzwerk-Visualisierungstechniken verwendet werden können, um die Struktur sozialer Netzwerke darzustellen. Wie können solche Visualisierungen helfen, Einblicke in die Interaktionen zwischen Benutzern zu gewinnen?

Grundlagen von Bigdata - Medizin

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

Übungen

Aufgabe 7

    (a) Diagnose-Unterstützung: Erklären Sie, wie Künstliche Intelligenz in der Medizin zur Diagnose-Unterstützung eingesetzt wird. Nennen Sie Beispiele von KI-Systemen, die Ärzte bei der Identifizierung von Krankheiten oder Anomalien unterstützen.
    (b) Bilderkennung in der Radiologie: Untersuchen Sie, wie KI-Algorithmen in der Radiologie zur Erkennung von Tumoren, Frakturen und anderen Anomalien in medizinischen Bildern eingesetzt werden. Welche Vorteile bietet der Einsatz von KI in diesem Bereich?
    (c) Medikamentenentwicklung: Diskutieren Sie den Einsatz von Künstlicher Intelligenz in der Medikamentenentwicklung. Wie können KI-Technologien die Suche nach neuen Wirkstoffen beschleunigen und optimieren?
    (d) Robotergestützte Chirurgie: Erklären Sie, wie Robotik und KI in der Chirurgie eingesetzt werden, um präzisere und weniger invasive Eingriffe zu ermöglichen. Nennen Sie Beispiele von robotergestützten Chirurgie Systemen.

Grundlagen von Bigdata - autonomes Fahren

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

Übungen

Aufgabe 9

    (a) Autonome Fahrzeuge: Erläutern Sie den Einsatz von Künstlicher Intelligenz in autonomen Fahrzeugen. Wie können autonome Autos mithilfe von Sensoren und KI-Algorithmen ihre Umgebung wahrnehmen und navigieren?
    (b) Verkehrsflussoptimierung: Diskutieren Sie, wie Künstliche Intelligenz zur Optimierung des Verkehrsflusses in Städten eingesetzt werden kann. Wie können Algorithmen dazu beitragen, Staus zu reduzieren und den Verkehr effizienter zu gestalten?
    (c) Flugzeug-Avionik: Beschreiben Sie den Einsatz von KI und autonomen Systemen in der Luftfahrt, insbesondere in der Flugzeug-Avionik. Wie tragen diese Technologien zur Verbesserung der Sicherheit und Effizienz im Luftverkehr bei?
    (d) Drohnentechnologie: Erklären Sie, wie Künstliche Intelligenz in Drohnen eingesetzt wird, um autonom zu fliegen und komplexe Aufgaben wie Lieferungen oder Inspektionen durchzuführen.

Sicherheitsrisiken - Soziale Medien

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

Übungen

Aufgabe 10

    Auf verschiedenen Märkten im Darknet werden gestohlene Daten und kompromittierte Systeme gehandelt. Bspw. blühen der Handel mit gestohlenen Daten, Identitäten oder aber auch mit Kreditkarten generell. Exploit ist eine systemische Möglichkeit, Schwachstellen auszunutzen, die bei der Entwicklung eines Programmes entstanden sind. Ein Exploit kann somit zur Waffe eines Angreifers werden, indem er erfolgreich einbricht.

    (a) Phishing-Angriffe: Erklären Sie, wie Phishing-Angriffe in sozialen Netzwerken funktionieren. Beschreiben Sie, wie Künstliche Intelligenz dazu verwendet werden könnte, personalisierte Phishing-Nachrichten zu erstellen und wie Benutzer sich vor solchen Angriffen schützen können.
    (b) Sicherheit von Benutzerdaten: Diskutieren Sie die Sicherheit von Benutzerdaten in sozialen Netzwerken. Wie können KI und Big Data dazu verwendet werden, um Benutzerprofile zu erstellen und wie können diese Informationen vor unbefugtem Zugriff geschützt werden?
    (c) Deepfakes und Desinformation: Erläutern Sie, wie Künstliche Intelligenz zur Erstellung von Deepfake-Videos und zur Verbreitung von Desinformation eingesetzt werden kann. Welche Gefahren können von Deepfakes ausgehen und wie können Benutzer Fehlinformationen erkennen?
    (d) Social-Bots und Meinungsbildung: Beschreiben Sie, wie Social-Bots in sozialen Netzwerken eingesetzt werden können, um die öffentliche Meinung zu beeinflussen. Welche Auswirkungen können diese Bots auf politische Diskussionen und Entscheidungen haben?
    (e) Personalisierte Werbung: Untersuchen Sie, wie Künstliche Intelligenz und Big Data in sozialen Netzwerken für personalisierte Werbung verwendet werden. Wie können Algorithmen das Verhalten von Benutzern analysieren und gezielte Anzeigen schalten?
    (f) Filterblasen und Algorithmen: Diskutieren Sie, wie Algorithmen in sozialen Netzwerken dazu beitragen können, dass Benutzer in Filterblasen geraten und nur bestimmte Informationen und Meinungen sehen. Wie können Benutzer eine vielfältige Informationsquelle aufrechterhalten?

Autonome Systeme

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

Übungen

Aufgabe 11

    (a) Sicherheitsbedenken bei autonomen Fahrzeugen: Erörtern Sie die Sicherheitsbedenken im Zusammenhang mit autonomen Fahrzeugen und der Möglichkeit, diese Fahrzeuge zu hacken. Wie können autonome Autos vor potenziellen Cyberangriffen geschützt werden?
    (b) Datenschutz in der Medizin: Untersuchen Sie die Datenschutzfragen im Zusammenhang mit KI-Anwendungen in der Medizin. Wie können medizinische Daten vor unbefugtem Zugriff und Missbrauch geschützt werden, wenn sie von KI-Systemen analysiert werden?
    (c) Sicherheit von KI-Modellen: Erklären Sie, wie KI-Modelle vor gezielten Angriffen, sogenannten "Adversarial Attacks", geschützt werden können. Wie können Entwickler die Robustheit von KI-Modellen gegenüber solchen Angriffen verbessern?

KI bei Personalauswahl

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

Übungen

Aufgabe 12

    Recherchieren Sie zum Thema Maschinelles Lernen und KI (Personalauswahl).

    (a) Erstellen Sie ein Modell zur automatischen Analyse von Lebensläufen und Bewerbungsschreiben, um die besten Kandidaten für ein Unternehmen zu identifizieren.
    (b) Diskutieren Sie die Auswirkungen von KI auf den Rekrutierungsprozess. Welche Vor- und Nachteile ergeben sich aus der Automatisierung von Personalbeschaffung und -auswahl?
    (c) Entwickeln Sie ein maschinelles Lernmodell zur Vorhersage der Eignung von Bewerbern für eine spezifische Position in einem Unternehmen. Verwenden Sie historische Daten zur Mitarbeiterleistung und Bewerbungsunterlagen, um das Modell zu trainieren.
    (d) Untersuchen Sie, wie Ethik und Fairness in KI-gestützten Personalbeschaffungsprozessen gewährleistet werden können. Welche Maßnahmen und Praktiken sollten Unternehmen implementieren, um Vorurteile und Diskriminierung zu vermeiden?

Datenbereinigung - Daten trainieren

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

Übungen

Aufgabe 13

    Big Data und die Bedeutung - Datenbereinigung
    (a) Erläutern Sie den Begriff "Big Data" und warum er für die KI so wichtig ist. Nennen Sie Beispiele, wie große Datenmengen in der KI-Analyse verwendet werden können.
    (b) Datenbereinigung: Beschreiben Sie die Herausforderungen bei der Verwendung großer Datensätze in der KI. Warum ist die Datenbereinigung ein entscheidender Schritt, bevor man ein Modell trainiert?
    (c) Überwachtes vs. Unüberwachtes Lernen: Erklären Sie den Unterschied zwischen überwachtem und unüberwachtem Lernen in der KI. Geben Sie Beispiele für Anwendungen von beiden Lernmethoden.
    (d) Deep Learning und neuronale Netze: Diskutieren Sie die Rolle von Deep Learning und neuronalen Netzen in der KI. Welche Vorteile bieten sie im Vergleich zu traditionellen Algorithmen?

Verbrechensbekämpfung mit KI

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

Übungen

Aufgabe 14

    Recherchieren Sie zum Thema Verbrechensbekämpfung mit Hilfe von KI...
    (a) Entwickeln Sie ein Vorhersage-Modell, das die Wahrscheinlichkeit von Verbrechen anhand von historischen Verbrechensdaten und sozioökonomischen Faktoren in bestimmten Stadtvierteln vorhersagt. Nutzen Sie fiktive Daten.
    (b) Untersuchen Sie, wie Gesichtserkennungstechnologien in der Kriminalitätsbekämpfung eingesetzt werden können. Welche ethischen und rechtlichen Fragen sind mit ihrem Gebrauch verbunden, und wie können sie bewältigt werden?

Kreditvergabe mit KI

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

Übungen

Aufgabe 15

    Banken nutzen bspw. bis zu 1000 Indikatoren als Prüfvorgabe bevor bei Online-Kredite vergeben werden. Einige Indikatoren sind: Kontoüberziehungen, Bilanzen älter > 24 Monate, Antrag auf Stundung von Zinsen und Tilgung, Wiederholte Rückgabe von Zahlungsaufträgen mangels Deckung, Verzögerung bei Kapitaldienstraten, Verweigerung zugesagter Informationen bzw. Unterlagen, Außerordentliche Marktentwicklungen, Kreditkündigung oder Fälligstellung bei einer anderen Bank, Bekanntwerden von schwerwiegenden Betrugsfällen, Falsche Bewertungsansätze in der Bilanz!

    (a) Untersuchen Sie, wie maschinelles Lernen genutzt werden kann, um das Kreditrisiko von Bankkunden genauer zu bewerten. Entwickeln Sie ein Modell, das Faktoren wie Einkommen, Kreditverlauf und Wirtschaftsindikatoren berücksichtigt.
    (b) Erörtern Sie die Rolle von Chatbots und virtuellen Assistenten in der Kundenbetreuung von Banken. Wie können diese Technologien eingesetzt werden, um Kundenerfahrungen zu verbessern und gleichzeitig die Datensicherheit zu gewährleisten?
    (c) Ethik in der KI und Big Data: Erörtern Sie die ethischen Überlegungen und Herausforderungen im Zusammenhang mit der Verwendung von KI und Big Data. Wie können wir sicherstellen, dass KI-Modelle fair und verantwortungsvoll eingesetzt werden?

Prompting

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

Übungen

Aufgabe 16

    Analyse von Prompts
    (a) Untersuche eine Auswahl von Prompts (Zu einem Thema Ihrer Wahl), die für Chatbots verwendet werden können.
    (b) Analysiere deren Struktur, Ton und beabsichtigte Verwendungszwecke.
    (c) Vergleiche verschiedene Arten von Prompts, z.B. Fragen, Aufforderungen zur Handlung, Begrüßungen usw.
    Anpassung von Prompts
    (d) Erstelle Varianten eines bestimmten Prompts, die unterschiedliche Reaktionen oder Informationen von den Benutzern generieren sollen.
    (e) Berücksichtige dabei den Tonfall, die Höflichkeit und die Klarheit der Botschaft.
    (f) Diskutiere ethische Fragen im Zusammenhang mit der Verwendung von Prompts in Chatbots, z. B. Datenschutz, Manipulation oder Verantwortung.
    (g) Entwickle Richtlinien für den verantwortungsvollen Einsatz von Prompts, die die Privatsphäre und das Wohlbefinden der Benutzer respektieren.

Prompting

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

Übungen

Aufgabe 17

    (a) Entwickle eine Liste von Prompts für einen bestimmten Chatbot-Zweck (z. B. Kundensupport, Unterhaltung, Bildung).
    Berücksichtige dabei die Zielgruppe des Chatbots und deren potenzielle Bedürfnisse oder Fragen. (b) Experimentiere mit verschiedenen Formulierungen, um die Effektivität der Prompts zu maximieren.
    (c) Erforsche innovative Wege, um Prompts in Chatbot-Interaktionen einzubinden, z. B. durch den Einsatz von Humor, Storytelling oder personalisierten Nachrichten.
    (d) Experimentiere mit fortschrittlichen Techniken wie kontextsensitiven Prompts, die auf vorherige Interaktionen oder Benutzerpräferenzen reagieren.