KI@MINT

Institution: Brandenburgische Technische Universität Cottbus-Senftenberg Kategorie: Projekt
Website: https://www.b-tu.de/universitaet/ueber-uns/qualitaet-von-lehre-und-studium/innovative-lehrprojekte/kimint

Kurzbeschreibung

Das KI@MINT-Projekt der BTU Cottbus-Senftenberg entwickelt praxisorientierte Lehrangebote zur Vermittlung von KI-Kompetenzen für Studierende im MINT-Bereich. Zielgruppe sind Studierende, Lehrende und beruflich Qualifizierte, die in der Arbeitswelt von morgen handlungsfähig sein sollen. Hauptnutzen für Hochschulen ist die Schaffung von nachhaltigen, kompetenzorientierten Lernformaten, die durch Lehrlabor- und Lernfabrik-Konzepte sowie digitale Plattformen unterstützt werden.

Allgemeinverständliche Beschreibung

-

Thematische Einordnung

Fachgebiete

-Informatik -Maschinenbau -Bauingenieurwesen -Produktionswirtschaft -Angewandte Mathematik -Technik in Wissenschaft und Philosophie -Fluoreszenzmikroskopie -Industrie 4.0 -Automatisierungstechnik -Objekterkennung -Bildanalyse -Neuronale Netze -Computer Vision -3D-Druck -Drohnensteuerung -Sensorik -Data Science -Algorithmik -Künstliche Intelligenz (KI) -Softwareentwicklung -Graphikkarten-Optimierung -Neural Network Training -Image Processing -Computer-Aided Design (CAD) -Systematische Untersuchung von KI-Modellen -Verarbeitung großer Datenmengen -Praxisnahe Lehrmethoden -Didaktik der KI-Lehre -Interdisziplinäre Forschung -Technologie-Integration in der Lehre -Praktikumsdesign -Produktionsanlagen -Objekterkennung in industriellen Umgebungen -Verkehrs- und Rettungsrobotik -Unterwasser- und Schwimm-Rettungssysteme -Textgeneratoren -ChatGPT-Anwendung -Generative KI -Verstetigung von KI-Modulen in der Hochschulle

Forschungsfelder

• Künstliche Intelligenz (KI)
• Bildanalyse mit schwacher KI
• Objekterkennung (z. B. mit YOLO)
• Neuronale Netze
• KI-basierte Datenverarbeitung
• KI in der Produktionswirtschaft (Industrie 4.0)
• KI in der Ingenieurwissenschaft
• Drohnensteuerung mit KI
• Sensorikplattformen und KI
• KI in der Automatisierungstechnik
• KI in der medizinischen Bildgebung (z. B. CT-, MRT-, Röntgenbilder)
• KI für Such- und Rettungsoperationen (z. B. bei Ertrinkenden)
• KI in der Fluoreszenzmikroskopie
• KI für die Erkennung von Materialien (z. B. Schrauben und Muttern)
• KI für die Temperaturmessung im Gesicht (z. B. bei COVID-19)
• KI für die Erkennung von Hautkarzinomen
• KI für die Früherkennung von grauem Star

Spezialisierungen

• KI-Lehrlabor mit Drohnen, Sensorikplattformen und 3D-Drucker
• Praxisorientiertes Lehrkonzept mit KI-Lernfabrik für produktionswirtschaftliche Problemstellungen
• KI-Kompetenzen im Ingenieurwesen (z. B. Bauingenieurwesen)
• Bildanalyse mit schwacher KI (neuronale Netze, Bilderkennung, Datenvorverarbeitung)
• KI-basierte Objekterkennung in industriellen und medizinischen Anwendungen (z. B. Hautdetektion, Augendetektion, Temperaturmessung, Materialunterscheidung)
• Entwicklung von Lehr- und Lernformen mit didaktischer Begleitung und bildungstechnologischer Unterstützung
• Stärkung der KI-Kompetenzen bei Studieninteressierten, Schülern und beruflich Qualifizierten
• Aufbau einer digitalen KI-Lernumgebung (z. B. Jupiter Notebooks, HAWKI-Zugang)
• Selbstlernkurse zu KI und ChatGPT
• Praxisnahe Vermittlung von KI-Technologien (TensorFlow, YOLO, Transformer Networks)

Schlagworte

• KI@MINT - Künstliche Intelligenz - Lehrlabor - Praxisorientiert - Ingenieurwesen - Bildanalyse - Lernfabrik - Didaktik - Digitale Plattform - Selbstlernkurs

Förderung

Fördergeber: -
Förderprogramm: Bundesministerium für Bildung und Forschung
Förderkennzeichen: BMBF-01ZZ2201
Förderzeitraum: 01.22 - 12.25
Projektvolumen: Das Volumen oder "INSUFFICIENT"

Team & Partner

Projektleitung

Prof. Dr. Peer Schmidt (BTU Cottbus-Senftenberg)

Beteiligte Personen

• Dr. Claudia Börner (Teilprojektleitung TP 1)
• Boguslaw Malys (Teilprojektleitung TP 1)
• Prof. Michael Breuss (Teilprojektleitung TP 2)
• Prof. Douglas Cunningham (Teilprojektleitung TP 2)
• Prof. Ulrich Berger (Teilprojektleitung TP 3)
• Dr. Marc Gebauer (Teilprojektleitung TP 3)
• Prof. Armin Fügenschuh (Teilprojektleitung TP 4)
• Prof. Achim Bleicher (Teilprojektleitung TP 4)
• Prof. Christian Hentschel (Teilprojektleitung TP 5)
• Prof. Silke Michalk (Teilprojektleitung TP 6)
• Heike Bartholomäus (Teilprojektleitung TP 6)
• Stefan Gohrenz (Studiengang Maschinenbau, Bachelorarbeit im Rahmen von TP 2)
• Johannes Höna (Studiengang Künstliche Intelligenz Technologie, Masterarbeit im Rahmen von TP 2)
• Alexander Howel (Studiengang Informatik, Bachelorarbeit im Rahmen von TP 2)
• Patrick Ebert (Studiengang Informatik, Bachelorarbeit im Rahmen von TP 2)
• Dustin Scharf (Studiengang Informatik, Bachelorarbeit im Rahmen von TP 2)
• Slavomíra Schneidereit (Studiengang Maschinenbau, Masterarbeit im Rahmen von TP 2)
• T. Schneid

Beteiligte Einrichtungen

-

Externe Partner

• Polnische Hochschule (im Rahmen eines KI-Workshops mit polnischen Studierenden)
• EUNICE-University (Teilnahme an der EUNICE Staff Week)
• Brandenburger Hochschulen (Austausch im Rahmen von "Lessons Learned" mit anderen Hochschulen in Brandenburg)
• Zentrum der brandenburgischen Hochschulen für Digitale Transformation (ZDT) (Kooperation bei Tagungen und Projekten)
• Bund-Länder-Initiative "KI in der Hochschulbildung" (Projektbeteiligung im Rahmen der Verstetigungsstrategien)

Projektinhalte

Ziele

• Entwicklung und Erprobung zeitgemäßer, innovativer Studienangebote zur praxisorientierten Qualifizierung von Fachkräften in der KI-geprägten Arbeitswelt
• Stärkung der KI-Kompetenzen bei Studierenden durch praxisnahe Lehr- und Lernformate, insbesondere in den MINT-Fächern
• Aufbau eines nachhaltigen KI-Lehrlabors mit technischer Infrastruktur (Drohnen, Sensorik, 3D-Drucker) und geeigneter Software (z. B. TensorFlow)
• Schaffung von praxisorientierten Lehrkonzepten wie der KI-Lernfabrik und der Integration von KI in ingenieurwissenschaftliche Problemstellungen
• Förderung der Durchlässigkeit und Sensibilisierung für KI-Themen bei Studieninteressierten, Schülern und beruflich Qualifizierten

Arbeitspakete

• TP 1: Innovative Lehr- und Lernformen – didaktische Begleitung und bildungstechnologische Unterstützung
• TP 2: KI-Lehrlabor – Algorithmen, Technologien und Methoden: essentiell und nachhaltig
• TP 3: Praxisorientiertes Lehrkonzept mit einer KI-Lernfabrik
• TP 4: KI-Kompetenzen für praxisorientierte Problemstellung im Ingenieurwesen
• TP 5: Bildanalyse mit Hilfe schwacher KI
• TP 6: Stärkung der KI-Kompetenzen bei Studien- und Qualifizierungsangeboten

Methoden

• Praxisorientierte Lehr- und Lernformen
• Didaktische Begleitung und bildungstechnologische Unterstützung
• Aufbau eines KI-Lehrlabors mit Drohnen, Sensorikplattformen und 3D-Drucker
• Einsatz von KI-Software (z. B. TensorFlow) zur Steuerung technischer Systeme
• Entwicklung von didaktischen Konzepten und Lehrpfaden für Praktika
• Nutzung einer mehrstufigen Produktionsanlage zur praxisnahen Vermittlung von KI-Lösungen
• Einführung von Micro-Projekten im Ingenieurwesen zur Anwendung von KI-Algorithmik
• Bildanalyse mit neuronalen Netzen (schwache KI) für Anwendungen wie Hautdetektion, Augendetektion, Temperaturmessung
• Praktische Vorgehensweise zur Erstellung und Vorverarbeitung von Trainings- und Testdaten
• Anlernen und Auswertung von neuronalen Netzen
• Entwicklung von Selbstlernkursen (z. B. Pythonkurs, KI in der Hochschullehre, ChatGPT)
• Nutzung von Jupiter Notebooks als BTU-eigene KI-Umgebung für Lehrveranstaltungen
• Einführung von semiautomatisierter Unterstützung von Lehren und Lernen
• Durchführung von Weiterbildungsreihen (z. B. KI-Werkstatt) für Hochschulmitarbeitende
• Organisation von KI-Symposien und KI-Mai-Veranstaltungen für die Hochschulöffentlichkeit
• Durchführung von KI-Workshops mit internationalen Studierenden

Erwartete Ergebnisse

• Entwicklung und Erprobung zeitgemäßer, innovativer Studienangebote zur praxisorientierten Qualifizierung von Fachkräften in der KI-geprägten Arbeitswelt
• Schaffung einer nachhaltigen KI-Lernumgebung durch den Aufbau eines KI-Lehrlabors mit Drohnen, Sensorikplattformen und 3D-Druckern
• Implementierung praxisorientierter Lehr- und Lernformate, insbesondere durch die KI-Lernfabrik und die Integration von KI in ingenieurwissenschaftliche Problemstellungen
• Stärkung der KI-Kompetenzen bei Studierenden und beruflich Qualifizierten durch modular aufgebaute, anwendungsnahe Lehrangebote
• Erstellung und Bereitstellung von Kursen zur Bildanalyse mit schwacher KI, einschließlich praktischer Anwendung von neuronalen Netzen und Datenaufbereitung
• Verbesserung der Durchlässigkeit und Attraktivität von Studienangeboten für Schülern, beruflich Qualifizierte und Studieninteressierte durch gezielte Öffnung und Sensibilisierung für KI-Module
• Entwicklung eines technologischen und didaktischen Konzepts für digitale Lernplattformen und Tools zur Unterstützung des KI-Lernprozesses
• Sicherstellung der Qualität und Nachhaltigkeit der Lehrangebote durch Evaluation, Qualitätssicherung und Transfermaßnahmen
• Förderung der wissenschaftlichen und praktischen Weiterbildung von Hochschulmitarbeitenden im Bereich KI in der Lehre
• Schaffung eines offenen Austauschraums für KI-Themen in der Hochschullehre durch Veranstaltungen wie KI-Werkstatt, KI-Mai und K

Kontakt

Ansprechperson: Prof. Dr. Peer Schmidt
E-Mail: vp-lehre@b-tu.de
Projekt-Website: https://www.b-tu.de/universitaet/ueber-uns/qualitaet-von-lehre-und-studium/innovative-lehrprojekte/kimint

Erfasst: 2026-01-11
Quelle: https://www.b-tu.de/universitaet/ueber-uns/qualitaet-von-lehre-und-studium/innovative-lehrprojekte/kimint