Lernergebnisse: Die Studierenden können aktuelle KI- und Machine-Learning-(ML)-Methoden auf Problemstellungen der Mechanik, Materialmodellierung, Strömungsmechanik und Strukturanalyse anwenden. Sie analysieren technische Datensätze, wählen geeignete Modelle aus, implementieren diese und validieren die Ergebnisse.

Kompetenzen: Die Studierenden können technisch-wissenschaftliche Fragestellungen formulieren, Fachliteratur recherchieren und eigenständige Lösungswege entwickeln. Sie vergleichen Modelle hinsichtlich Genauigkeit, Robustheit, Generalisierungsfähigkeit und physikalischer Plausibilität.

Qualifikationsziele: Die Studierenden können ein forschungsnahes KI-Projekt selbstständig oder in Kleingruppen planen, durchführen, dokumentieren und präsentieren. Sie reflektieren Grenzen, Unsicherheiten und den verantwortungsvollen Einsatz datengetriebener Methoden.

• Vorstellung der Projektthemen und verfügbaren Datensätze
• Auswahl und Konkretisierung der Projektaufgabe
• Technisch-wissenschaftliche Literaturrecherche
• Datenanalyse und Datenaufbereitung
• Auswahl geeigneter KI- und ML-Methoden
• Implementierung und Anwendung der ausgewählten Methoden
• Validierung, Vergleich und physikalische Interpretation der Ergebnisse
• Reproduzierbare Dokumentation von Daten, Methoden, Programmcode und Ergebnissen
• Abschlusspräsentation mit Diskussion

Die Studierenden bearbeiten ein vom Fachgebiet angebotenes Projekt. Alternativ können sie nach Absprache einen eigenen Datensatz verwenden und eigene Methoden vorschlagen. Die Bearbeitung erfolgt einzeln oder in Zweiergruppen.