Modul:IAM (SPO 2018):Künstliche Intelligenz für Computerspiele

Studiengang	Interaktive Medien (IAM (SPO 2018))
Studienabschnitt	Spezialisierungssphase
Modulkatalog	Informatik
Name	Künstliche Intelligenz für Computerspiele
Name (englisch)	Artificial Intelligence
Kürzel	KICS.WP
Unterrichtssprache	Deutsch
Voraussetzungen	Grundlagen der Informatik des Grundstudiums und Vertrautheit mit einer Programmiersprache (z.B. Java, Python, C++)
Verwendbarkeit	Bachelorstudiengang Interaktive Medien, Bachelorstudiengang Informatik (FWP), Bachelorstudiengang Wirtschaftsinformatik (FWP), Bachelorstudiengang Technische Informatik (FWP)
Turnus	Üblicherweise im Jahreszyklus; die Lehrveranstaltung wird nur angeboten, wenn sich genügend Teilnehmer anmelden.
Modulart:	Wahlpflichtmodul
Wird gehalten:	Sommersemester
Studiensemester	IAM 4
Dauer	1 Semester
Lehrformen	Seminaristischer Unterricht, Praktikum
Credits	8
SWS	6 (Lehre: 2, Praktikum: 4)
Workload	Präsenzstudium: 90 h (durchschnittlich 6 h pro Woche) Eigenstudium: 110 – 150 h (durchschnittlich 7.3 – 10 h pro Woche)
Modulkoordinator(en)	Thomas Rist
Lehrende(r)

Die Prüfung wird in diesem Semester angeboten.

Prüfungsnr. B. A.	1918032
Prüfungsnr. B. Sc.	1918129
Prüfer	Thomas Rist
Zweitprüfer	Christian Märtin
Prüfungsart	Studienarbeit
Prüfungsdetails	Dauer: 110 – 150 h Gewichtung der Einzelleistungen: Werkstück der Studienarbeit: 70% Dokumentation der Studienarbeit: 20% Präsentation der Studienarbeit: 10%
Hilfsmittel
Zeugnisgewichtung	100 %
Benotung	Kommanote

Anmerkungen

Seminaristischer Unterricht zur Vermittlung theoretischer Grundlagen konzeptioneller Lösungsansätze, die anhand ausgewählter Problemstellungen mit den Studierenden gemeinsam bearbeitet werden.

In einem begleitenden Praktikum bearbeiten die Teilnehmer selbst-ständig eine konkrete Anwendungsaufgabe (z.B. aus dem Bereich Maschinelles Lernen und Data Mining, Robotik, Expertensystem,Spiele-KI).

Lernergebnisse/Qualifikationsziele

Teilnehmer

• verfügen über einen fundierten Überblick zu gängigen KI Methoden und KI-Techniken,
• kennen typische Anwendungsfelder, in denen KI-Techniken zum Einsatz kommen,
• sind in die Lage, ausgewählte Problemstellungen mit dafür passenden KI-Methoden zu bearbeiten.

Inhalte

Grundlagen

• KI-Begriff aus wissenschaftlicher, technischer und gesellschaftlicher Perspektive
• starke versus schwache KI
• Modellierung intelligenter Fähigkeiten in technischen Systemen

Problemlösung als Suchaufgabe

• Modellierung von Anwendungsproblemen
• Suchverfahren (u.a. A*, MinMax, Strategiespiele)
• Modellierung mit Constraints und Constraint Solver

Wissensbasierte Systeme

• Regelsysteme, Expertensysteme
• Logisches Schlussfolgern, Logik-Kalküle, SAT-Solver
• Wissensrepräsentation, ontologisches Modellieren
• Verfahren zur Handlungsplanung
• Probabilistisches Schließen, Bayes-Netzte, Fuzzy-Inferenz

Lernfähige Systeme, Maschinelles Lernen und Data Mining

• Grundbegriffe: überwachtes/unüberwachtes Lernen, symbolische/nicht-symbolische Ansätze
• Clustering, Klassifikation, Knowledge-Discovery
• Reinforcement Learning
• Neurocomputing und künstliche Neuronale Netze
• Ansätze zum Deep Learning

Ausblick auf aktuelle und sich abzeichnende Forschungsfelder

Zu den behandelten Themenstellungen werden Software-Werkzeuge bzw. Bibliotheken vorgestellt, mit denen praktische Problemstellungen bearbeitet werden können.

Literatur

• Stuart Russel, Peter Norvig: Künstliche Intelligenz Pearson Studium – IT, Gebundene Ausgabe, 2012.
• Wolfgang Ertel: Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. 4. Auflage, Springer Verlag, 2016.
• Jürgen Cleve, Uwe Lämmel: Data Mining. De Gruyter Studium,Taschenbuch, 2014.
• Peter Buxmann, Holger Schmidt (Hrsg.): Künstliche Intelligenz:Mit Algorithmen zum wirtschaftlichen Erfolg, Springer Gabler, 2018.

Weitere Literatur (darunter aktuelle Fachpublikationen) wird jeweils passend zu den besprochenen Themen während der Vorlesung empfohlen.