300407 UE KI und interdisziplinäre Forschung (2025S)

Grundlagen, Möglichkeiten und Grenzen

Prüfungsimmanente Lehrveranstaltung

Moodle

Fr 02.05. 16:45-19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Anmeldung von Do 06.02.2025 14:00 bis Do 20.02.2025 18:00
Abmeldung bis Sa 15.03.2025 18:00

Details

max. 20 Teilnehmer*innen

Sprache: Deutsch, Englisch

Lehrende

Dominik Hagmann

Termine (iCal) - nächster Termin ist mit N markiert

In der ersten Sitzung findet die verpflichtende Vorbesprechung statt!

Freitag 07.03. 16:45 - 18:15 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 21.03. 16:45 - 18:15 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 28.03. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
N Freitag 02.05. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 16.05. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 30.05. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 06.06. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 13.06. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 20.06. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
Freitag 27.06. 16:45 - 18:15 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die rasante Entwicklung der Künstlichen Intelligenz (KI) hat in den letzten Jahren nahezu alle Wissenschaftsbereiche beeinflusst und eröffnet zugleich neue interdisziplinäre Perspektiven. Diese interdisziplinäre Lehrveranstaltung widmet sich daher der Anwendung von Artificial Intelligence (AI) beziehungsweise KI in der interdisziplinären Forschung. Ein zentraler Fokus liegt auf der Förderung von digital AI Literacy – also dem Verständnis, der kritischen Reflexion und der kompetenten Anwendung von KI-Technologien in (interdisziplinären) wissenschaftlichen Kontexten. Die Veranstaltung richtet sich insbesondere (aber nicht ausschließlich) an Studierende aus Disziplinen wie Archäologie, Evolutionärer Anthropologie, Botanik, Ökologie, Evolutionärer Genomik und Systembiologie, Naturschutz und Biodiversitätsmanagement, Zoologie sowie der Kognitions-, Verhaltens- und Neurobiologie.

Ziele und Inhalte

Vertiefte Kenntnisse über KI-bezogene Konzepte, Methoden, Ansätze und Applikationen wie zum Beispiel eXplainable AI (XAI) und Human-In-The-Loop (HITL), Machine Learning (ML), Artificial Neuronal Networks (ANN) und Deep Learning (DL), Neural Radiance Fields (NeRFs), Maximum Entropy (MaxEnt) Modeling oder Robotik. Studierende sind zudem eingeladen, spezielle Inputs zu diesen Themen einzubringen.

Fähigkeit zur Durchführung einer Literaturrecherche anhand einer wissenschaftlichen Fragestellung sowie zur Präsentation eines spezifischen Themas.

Kritische Analyse und Diskussion von Forschungsarbeiten zu KI-Anwendungen und deren inter–, trans– und multidisziplinären Einsatz in verschiedenen Wissenschaftsbereichen.

Förderung der interdisziplinären Zusammenarbeit und der wissenschaftlichen Schreibkompetenz.

Methoden

Vorträge der LV-Leitung zur Einführung in zentrale Konzepte.

Angeleitete Lehre in Präsenz und digital via Moodle.

Selbstständige Literaturrecherche, -analyse sowie Studierendenreferate zu spezifischen Themen anhand konkreter Guidelines (PRISMA).

Gruppenarbeiten zu ausgewählten Fachartikeln für eine vertiefte inhaltliche Auseinandersetzung.

Peer-Feedback-Runden zur Verbesserung wissenschaftlicher Arbeiten.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Es müssen folgende Teilleistungen erbracht werden:

Teilnahme am Journal Club

Präsentation zu einem ausgewählten Thema

Verfassung eines Manuskripts zu einem ausgewählten Thema

Aktive Mitarbeit

Mindestanforderungen und Beurteilungsmaßstab

Die Beurteilungskriterien und Mindestanforderungen setzen sich wie folgt zusammen:

Teilnahme am Journal Club: 15%

Präsentation zu einem ausgewählten Thema: 15%

Verfassung eines Manuskripts zu einem ausgewählten Thema als Abschlussarbeit: 60%

Aktive Mitarbeit in der Form von aktiver Interaktion in der LV samt reger Beteiligung an der Diskussion: 10%

Ein Fehlen ist in maximal drei (jeweils zweistündigen) Einheiten erlaubt. Für alle Studierenden gilt, dass ein Fernbleiben unter Angabe von triftigen und nachweisbaren Gründen (z.B. Arztbesuch mit entsprechender Bestätigung) der LV-Leitung rechtzeitig im Vorhinein bekannt zu geben ist.

Prüfungsstoff

Es müssen folgende Teilleistungen erbracht werden:

Teilnahme am Journal Club

Präsentation zu einem ausgewählten Thema

Verfassung eines Manuskripts zu einem ausgewählten Thema

Aktive Mitarbeit

Literatur

Im Folgenden finden Sie erste Literaturhinweise zur Lehrveranstaltung:

Bozkurt, A. (2024). Why Generative AI Literacy, Why Now and Why it Matters in the Educational Landscape? Kings, Queens and GenAI Dragons. Open Praxis, 16(3). https://doi.org/10.55982/openpraxis.16.3.739

Caluori, L. (2024). Hey Alexa, Why Are You Called Intelligent? An Empirical Investigation on Definitions of AI. AI & SOCIETY, 39(4), 1905–1919. https://doi.org/10.1007/s00146-023-01643-y

Editorial. (1987). AI & SOCIETY, 1(1), 3–4. https://doi.org/10.1007/BF01905884

Gattiglia, G. (2025). Managing Artificial Intelligence in Archeology. An overview. Journal of Cultural Heritage, 71, 225–233. https://doi.org/10.1016/j.culher.2024.11.020

Henz, P. (2021). Ethical and legal responsibility for Artificial Intelligence. Discover Artificial Intelligence, 1(1), 2.https://doi.org/10.1007/s44163-021-00002-4

Huerta, E. A., et al. (2023). FAIR for AI: An interdisciplinary and international community building perspective. Scientific Data, 10(1), 487. https://doi.org/10.1038/s41597-023-02298-6

Jiang, Y., Li, X., Luo, H., Yin, S., & Kaynak, O. (2022). Quo vadis artificial intelligence? Discover Artificial Intelligence, 2(1), 4. https://doi.org/10.1007/s44163-022-00022-8

Kaynak, O. (2021). The golden age of Artificial Intelligence. Discover Artificial Intelligence, 1(1), 1. https://doi.org/10.1007/s44163-021-00009-x

Kusters, R., et al. (2020). Interdisciplinary Research in Artificial Intelligence: Challenges and Opportunities. Frontiers in Big Data, 3. https://doi.org/10.3389/fdata.2020.577974

Lu, C. (2024). Rethinking artificial intelligence from the perspective of interdisciplinary knowledge production. AI & SOCIETY, 39(6), 3059–3060. https://doi.org/10.1007/s00146-023-01839-2

Nims, R., & Butler, V. L. (2019). Increasing the Robustness of Meta-analysis Through Life History and Middle-Range Models: An Example from the Northeast Pacific. Journal of Archaeological Method and Theory, 26(2), 581–618. https://doi.org/10.1007/s10816-018-9383-1

Pinski, M., & Benlian, A. (2024). AI literacy for users – A comprehensive review and future research directions of learning methods, components, and effects. Computers in Human Behavior: Artificial Humans, 2(1), 100062. https://doi.org/10.1016/j.chbah.2024.100062

Schmallenbach, L., Bärnighausen, T. W., & Lerchenmueller, M. J. (2024). The global geography of artificial intelligence in life science research. Nature Communications, 15(1), 7527. https://doi.org/10.1038/s41467-024-51714-x

Sheikh, H., Prins, C., & Schrijvers, E. (2023). Mission AI: The New System Technology. Springer International Publishing. https://doi.org/10.1007/978-3-031-21448-6

Wang, P. (2019). On Defining Artificial Intelligence. Journal of Artificial General Intelligence, 10, 1–37. https://doi.org/10.2478/jagi-2019-0002

Zheng, M., Andrade, C. H., & Bajorath, J. (2021). Introducing artificial intelligence in the life sciences. Artificial Intelligence in the Life Sciences, 1, 100001. https://doi.org/10.1016/j.ailsci.2021.100001

Weitere Literatur wird auf Moodle zur Verfügung gestellt beziehungsweise gemeinsam erarbeitet.

Zuordnung im Vorlesungsverzeichnis

MAN 3, MAN W5, MEC-9, MBO 7, MNB6, MZO4, MES5, CoBeNe 4

Letzte Änderung: Fr 11.04.2025 09:48