Dozentin:
PD Dr. Christina Klüver

Tutor:
Prof. Dr. Jürgen Klüver

Universität Duisburg-Essen
Forschungsgruppe Computer Based Analysis of Social Complexity (COBASC)
www.cobasc.de

Turnus & Dauer:
Sommersemester / 1 Semester

Einordnung:
Modelle und Methoden zur Entscheidungsunterstützung

Sprache:
Deutsch

Dieses Modul steht exklusiv den Studierenden des VAWi-Studiengangs zur Verfügung.

Lehr- & Medienformen

Für dieses Modul steht eine internetbasierte Lernumgebung für die Durchführung der Lehr-/Lernprozesse und der Lernunterstützungsprozesse zur Verfügung. Dabei erfolgt die Betreuung der Studierenden durch die Lehrenden über asynchrone (Foren, E-Mail) und synchrone (Chat, Telefon, Online-Konferenzen) Kommunikationswerkzeuge. Diese stehen auch für die Kommunikation der Studierenden untereinander zur Verfügung.

Die Studierenden werden beim Wissenserwerb durch folgende elektronische Selbstlernmedien unterstützt:
Skript.

Zudem wird der Aufbau von Fertigkeiten und Kompetenzen insbesondere gefördert durch:
Übungen/Transferaufgaben zur Selbstkontrolle, Fallbeispiele, tutoriell betreute Aufgabenbearbeitung, Gruppenarbeit, Toolunterstützung (Shells für eigene Simulationen).

Die Studierenden werden mit den unterschiedlichen Methoden vertraut gemacht und intensivieren das erworbene Wissen anhand von Übungen. Fortgeschrittene Studierende können auf der Basis der benannten mathematischen Modelle eigene Programme entwickeln, die unter anderem wirtschaftswissenschaftliche Problemstellungen enthalten sollen. Dadurch wird die Praxisrelevanz gewährleistet. Für die Modellentwicklung und Simulationen (auch) im Rahmen der Transferaufgaben stehen für Nichtprogrammierer Shells zur Verfügung.

Arbeitsaufwand:
135-150 h: Selbststudium, Aufgabenbearbeitung & Abschlussprüfung

ECTS-Credits:
5

Zuordnung:
5 % Wirtschaftswissenschaften
50 % Informatik
20 % Kerngebiete der Wirtschaftsinformatik
25 % Allg. Grundlagen & Schlüsselqualifikationen

Voraussetzungen

• Programmierkenntnisse in einer gebräuchlichen Sprache, z.B. C#, JAVA, R, Python
• Interesse an Modellbildung

Angestrebte Lernergebnisse

Die Studierenden haben einen umfassenden Überblick über die Grundlagen und Methoden aus dem Bereich Artificial Intelligence und Artificial Life und können diese Kenntnisse durch eigene Modelle und/oder Programme konkretisieren sowie auf komplexe Problemstellungen aus ihrem beruflichen Kontext anwenden.

fachliche Kompetenzen: Die Studierenden sind dazu in der Lage, komplexe Sachverhalte zu verstehen, Lösungspotenziale der Methoden der Artificial Intelligence und Artificial Life in unterschiedlichen Anwendungsbereichen zu identifizieren und eigene Modelle/Lösungen unter Nutzung ausgewählter Methoden zu entwickeln.

soziale Kompetenzen: kommunikative Kompetenzen, Teamarbeit

Studienempfehlungen

• Kontinuierliche Auseinandersetzung mit den Inhalten und Implementierung bzw. Modellierung der Aufgaben bis zu den angegebenen Orientierungsterminen.

Inhalte & Gliederung

Im Modul " Artificial Intelligence und Artificial Life " werden formale Methoden behandelt, die möglichst eng an Vorbildern aus der biologischen, physikalischen und sozialen Realität orientieren. Dazu gehören vor allem die Berücksichtigung von Unschärfen und adaptiven Anwendungsbeispielen sowie die Kombinationen verschiedener Methoden (hybride Systeme).

• Zellularautomaten und Boolesche Netze
• Fuzzy-Mengenlehre und Fuzzy-Expertensysteme
  
• Evolutionäre Algorithmen
• Künstliche Neuronale Netze

Studien- & Prüfungsleistungen

• Hausarbeit [90 Punkte / 100 %]
• Ggf. Bonus durch eine nachgewiesene optionale Studienleistung [18 Punkte / 20 %]

Der Bonus kann nur angerechnet werden, wenn in der Hausarbeit mindestens 45 Punkte erreicht sind und die optionale semesterbegleitende Studienleistung durch Abgabe / Einreichen der Lösung zur Aufgabenbearbeitung nachgewiesen ist. Die Bestnote (1,0) kann ohne den Bonus erreicht werden.

Literatur

Basisliteratur (im Kurs enthalten)

• Klüver, C., Klüver, J., Schmidt, J., 2021: Modellierung komplexer Prozesse durch naturanaloge Verfahren. Künstliche Intelligenz und Künstliches Leben. Springer Vieweg, Wiesbaden. 3. erweiterte und aktualisierte Auflage. link.springer.com/book/10.1007/978-3-658-35276-9
  
• Klüver, J., Schmidt, J., Stoica, C. 2012: Mathematisch-logische Grundlagen der Informatik. Von der Aussagenlogik zur Komplexitätstheorie. Bochum-Herdecke: w3l 2. Erweiterte Auflage
• Schmidt, J., Klüver, C., Klüver, J. 2010: Programmierung naturanaloger Verfahren. Soft Computing verwandte Methoden: Wiesbaden: Vieweg+Teubner 
  

Zellularautomaten:

• Gerhard, M., Schuster, H., 1995: Das digitale Universum. Zelluläre Automaten als Modelle der Natur. Wiesbaden: Vieweg

Boolsche Netze:

• Kauffman, S., 1995: Der Öltropfen im Wasser. München: Piper Verlag

Fuzzy-Logik:

• Traeger, D.H., 1994: Einführung in die Fuzzy-Logik. Stuttgart: Teubner Verlag

Evolutionäre Algorithmen:

• Schöneburg, E., Heinzmann, E., Feddersen, S., 1994: Genetische Algorithmen und Evolutionsstrategien. Eine Einführung in Theorie und Praxis der simulierten Evolution. Bonn: Addison-Wesley

Neuronale Netze:

• Schöneburg, E., Hansen, N., Gawelczyk, A., 1992: Neuronale Netzwerke: Einführung, Überblick und Anwendungsmöglichkeiten. München: Markt & Technik

Weiterführende Literatur:

• Klüver, C., Klüver, J., (eds.), 2021: Neue Algorithmen für praktische Probleme. Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Wiesbaden: Springer Vieweg. link.springer.com/book/10.1007/978-3-658-32587-9
• Klüver, C., Klüver, J., 2018: Erste Schritte zur Künstlichen Intelligenz: Die Kunst des Modellierens. BookBoon.com https://bookboon.com/de/erste-schritte-zur-knstlichen-intelligenz-ebook. Zugehörige Videos: https://www.youtube.com/playlist?list=PLBF2ZbCsc2a0KRWIyWvvr1v8ZmQ1eDoD8
• Braun, A., Frommknecht, A., Glitzner, M., Günther, M., Hasna, G., Heizmann, M., Hüttel, M, Klüver, C., Krauß, J., Krooß, J., Marquardt, E., Müller-ter Jung, M., Nagel, T., Overdick, M., Reusch, P., Ulrich, M. (2020): Maschinelles Lernen in KMU. Künstliche Intelligenz im eigenen Unternehmen nutzen. VDI Statusreport November 2020. VDI / VDE-H Gesellschaft Mess- und Automatisierungstechnik.  https://www.vdi.de/ueber-uns/presse/publikationen/details/maschinelles-lernen-in-kmu
• Braun, A., Günther, M., Hasna, G., Heizmann, M., Hüttel, M., Klüver, C., Lay, R., Marquardt, E., Overdick, M., Ulrich, M.: Maschinelles Lernen. Künstliche Intelligenz mit neuronalen Netzen in optischen Mess- und Prüfsystemen. VDI Statusreport November 2019. VDI / VDE-H Gesellschaft Mess- und Automatisierungstechnik. https://www.vdi.de/ueber-uns/presse/publikationen/details/kuenstliche-intelligenz-mit-neuronalen-netzen-in-optischen-mess-und-pruefsystemen

• Bandemer, H., Gottwald, S. 2022: Einführung ın FUZZY-Methoden. In Einführung ın FUZZY-Methoden. De Gruyter.
  
• Lehmann-Waffenschmidt, M., Peneder, M. (Eds.), 2022: Evolutorische Ökonomik: Konzepte, Wegbereiter und Anwendungsfelder. Springer Fachmedien Wiesbaden GmbH. https://link.springer.com/book/10.1007/978-3-658-34287-6
  
• Posthoff, C. 2023: Computer und Künstliche Intelligenz: Vergangenheit-Gegenwart-Zukunft. Wiesbaden: Springer Fachmedien Wiesbaden. https://link.springer.com/book/10.1007/978-3-658-37768-7
  

Hinweise

Das Modul Artificial Intelligence und Artificial Life ersetzt das Modul Soft Computing, das im SS2017 letztmalig angeboten wurde. Diese sind äquivalent und ECTS-Credits können nur aus einem der beiden Module / Kurse erworben werden.