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 Qualifizierung von Studierenden in Künstlicher Intelligenz. Zielgruppe sind Studierende der MINT-Fächer sowie beruflich Qualifizierte. Der Hauptnutzen für Hochschulen liegt in der Schaffung von nachhaltigen, kompetenzorientierten Lernumgebungen, die durch Lehrlaboratorien, eine KI-Lernfabrik und digitale Tools die Anwendung von KI in realen ingenieurwissenschaftlichen Kontexten ermöglichen.

Allgemeinverständliche Beschreibung

-

Thematische Einordnung

Fachgebiete

-Informatik -Maschinenbau -Bauingenieurwesen -Produktionswirtschaft -Angewandte Mathematik -Technik in Wissenschaft und Philosophie -Fluoreszenzmikroskopie -Automatisierungstechnik -Neurologie (implizit durch medizinische Bildanalyse) -Physik (implizit durch Sensorik und 3D-Druck)

Forschungsfelder

• Künstliche Intelligenz (KI)
• Bildanalyse mit schwacher KI
• Neuronale Netze
• Objekterkennung (z. B. mit YOLO)
• KI-basierte Bilderkennung
• KI in der Produktionswirtschaft (Lernfabrik)
• KI in der Ingenieurwissenschaft (Bauingenieurwesen)
• Drohnensteuerung mit KI
• Sensorikplattformen und KI
• 3D-Druck und KI
• KI für automatisierte Prozesse in Industrie 4.0
• KI für Such- und Rettungsoperationen (z. B. bei Ertrinkenden)
• KI für medizinische Bildanalyse (CT-, MRT-, Röntgenbilder)
• KI für Hautdetektion (Karzinome)
• KI für Augendetektion (graue Star)
• KI für distanzlose Temperaturmessung
• KI für Materialerkennung (z. B. Schrauben und Muttern)
• KI für Fluoreszenzmikroskopie (Plastiden-Cluster)
• KI für Prozessoptimierung in Lernfabriken
• KI für Flugbahnplanung und bildbasierte Lokalisierung
• KI für die Verarbeitung großer Datenmengen
• KI für adaptive neuronale Domänenverfeinerung (zeitabhängige Differentialgleichungen)

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)
• KI-basierte Objekterkennung in industriellen und medizinischen Anwendungen (z. B. Hautdetektion, Augendetektion, Temperaturmessung)
• KI-Methoden in der Automatisierungstechnik (z. B. Unterscheidung von Bauteilen)
• Entwicklung von Lehr- und Lernformen mit didaktischer Begleitung und bildungstechnologischer Unterstützung
• Stärkung der KI-Kompetenzen bei Studieninteressierten und beruflich Qualifizierten
• Nutzung von KI-Software (z. B. TensorFlow) und technologischen Plattformen (z. B. Jupiter Notebooks, HAWKI)
• Praxisnahe Vermittlung von KI-Grundlagen und -Anwendungen in MINT-Studiengängen

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: Nicht verfügbar

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. Schneidereit (Autor Publikation im Rahmen von TP 2)
• S. Gohrenz (Autor Publikation im Rahmen von TP 2)
• M. Khan Mohammadi (

Beteiligte Einrichtungen

-

Externe Partner

• Polnische Hochschule (im Rahmen eines KI-Workshops mit polnischen Studierenden)
• EUNICE-University (Teilnahme an der EUNICE Staff Week)
• Zentrum der brandenburgischen Hochschulen für Digitale Transformation (ZDT) (Kooperation bei Tagungen und Projekten)
• Bund-Länder-Initiative "KI in der Hochschulbildung" (Kooperation im Rahmen der Veranstaltung "KI-Lunch")

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 im Ingenieurwesen und in der Produktionswirtschaft
• Aufbau und Nutzung eines nachhaltigen KI-Lehrlabors mit technischen Plattformen (Drohnen, Sensorik, 3D-Drucker) und KI-Software (z. B. TensorFlow)
• Förderung der Durchlässigkeit und Begeisterung für KI-Themen bei Studieninteressierten, Schülern und beruflich Qualifizierten
• Entwicklung und Umsetzung von didaktisch fundierten, kompetenzorientierten Lehrkonzepten mit Fokus auf Bildanalyse, Algorithmen und Anwendung in realen Problemstellungen

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 Lehrpfaden für Praktika und selbstständige Umsetzung in kleinen Gruppen
• Praxisorientiertes Lehrkonzept mit einer KI-Lernfabrik (mehrstufige Produktionsanlage)
• Integration von KI-Elementen in klassische Lehrmodule zur Produktionswirtschaft
• Einführungsveranstaltung mit anschließenden Micro-Projekten aus dem Ingenieurwesen
• Anwendung von KI-Algorithmen und Datenverarbeitung in ingenieurwissenschaftlichen Problemstellungen
• Bildanalyse mit schwacher KI (neuronale Netze) für Bilderkennung
• Praktische Vorgehensweise zur Erstellung und Vorverarbeitung von Trainings- und Testdaten
• Anlernen und Auswertung von neuronalen Netzen
• Sensibilisierung für Risiken und Einsatzmöglichkeiten von KI im Alltag
• Praxisorientierte Fallbeispiele (z. B. Hautdetektor, Augendetektion, Temperaturmessung, Materialunterscheidung)
• Entwicklung und Anpassung von Kursen für verschiedene Zielgruppen (Schüler, Berufstätige, Bewerber)
• Zielgruppenanalyse und Bedarfserhebung
• Förderung der Durchlässigkeit und Begeisterung für K

Erwartete Ergebnisse

• Entwicklung und Erprobung zeitgemäßer, innovativer Studienangebote zur praxisorientierten Qualifizierung von Fachkräften in der KI-geprägten Arbeitswelt
• Aufbau eines nachhaltigen KI-Lehrlabors mit Drohnen, Sensorikplattformen und 3D-Druckern sowie Bereitstellung von KI-Software (z. B. TensorFlow)
• Etablierung einer KI-Lernfabrik zur praxisorientierten Vermittlung von KI-Lösungen in produktionswirtschaftlichen Problemstellungen
• Implementierung eines praxisnahen Lehrmoduls im Ingenieurwesen mit Mikroprojekten zur Anwendung von KI-Algorithmen und Datenanalyse
• Schaffung eines Kurses zur Bildanalyse mit schwacher KI, inklusive praktischer Anwendung von neuronalen Netzen zur Bilderkennung und Datenauswertung
• Stärkung der KI-Kompetenzen bei Studien- und Qualifizierungsangeboten für verschiedene Zielgruppen (Schüler:innen, beruflich Qualifizierte, Berufstätige)
• Erhöhung der Durchlässigkeit und Begeisterung für MINT-Studiengänge durch gezielte Öffnung und Sensibilisierung für KI-Module
• Entwicklung und Umsetzung von didaktischen Konzepten, Lehr-Lernmethoden und digitalen Plattformen zur Unterstützung des KI-Lernprozesses
• Qualitäts- und Evaluationsprozesse zur Sicherstellung der Wirksamkeit und Weiterentwicklung der Lehrangebote
• Verstetigung der Projektergebnisse durch Transfermaßnahmen und Integration in den regulären Lehrbetrieb der BTU Cottbus

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