Universität Wien

300407 UE KI und interdisziplinäre Forschung (2026S)

Grundlagen, Möglichkeiten und Grenzen

3.00 ECTS (2.00 SWS), SPL 30 - Biologie
Prüfungsimmanente Lehrveranstaltung
Moodle
Fr 12.06. 16:45-19:00 Hörsaal 3, Biologie Djerassiplatz 1, 0.005, Ebene 0

An/Abmeldung

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

Details

max. 20 Teilnehmer*innen
Sprache: Deutsch, Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

In der ersten Sitzung findet die verpflichtende Vorbesprechung statt!

  • Freitag 06.03. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 13.03. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 20.03. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 27.03. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 17.04. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 24.04. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 08.05. 16:45 - 19:00 Seminarraum 1.4, Biologie Djerassiplatz 1, 1.013, Ebene 1
  • Freitag 15.05. 16:45 - 19:00 Hörsaal 3, Biologie Djerassiplatz 1, 0.005, Ebene 0
  • Freitag 22.05. 16:45 - 19:00 Hörsaal 3, Biologie Djerassiplatz 1, 0.005, Ebene 0
  • Freitag 29.05. 16:45 - 19:00 Hörsaal 3, Biologie Djerassiplatz 1, 0.005, Ebene 0
  • Freitag 05.06. 16:45 - 19:00 Hörsaal 3, Biologie Djerassiplatz 1, 0.005, Ebene 0
  • Freitag 19.06. 16:45 - 19:00 Hörsaal 3, Biologie Djerassiplatz 1, 0.005, Ebene 0
  • Freitag 26.06. 16:45 - 19:00 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 vergangenen Jahren de facto alle Wissenschaftsbereiche nachhaltig beeinflusst und zugleich neue interdisziplinäre Perspektiven eröffnet. Die vorliegende interdisziplinäre Lehrveranstaltung widmet sich daher der Anwendung von Artificial Intelligence (AI) bzw. KI in der fachübergreifenden Forschung. Im Zentrum steht die Förderung einer fundierten Digital AI Literacy, verstanden als reflektiertes Verständnis, kritische Einordnung und kompetente Anwendung KI-gestützter Methoden in interdisziplinären wissenschaftlichen Kontexten.

Die Lehrveranstaltung richtet sich insbesondere – jedoch nicht ausschließlich – an Studierende der Archäologie, Evolutionären Anthropologie, Botanik, Ökologie, Evolutionären Genomik und Systembiologie, des Naturschutzes und Biodiversitätsmanagements, der Zoologie sowie der Kognitions-, Verhaltens- und Neurobiologie.

Neben eigenständig von den Studierenden erarbeiteten Beiträgen wird dieser Schwerpunkt in der Lehrveranstaltung durch gemeinsame Diskussionen, die praktische Erprobung ausgewählter AI-Tools sowie durch Einblicke in das seit 01.02.2026 laufende interdisziplinäre KI-Projekt „LEGION – Machine LEarninG-enabled Identification of archaeological Objects in the middle daNube river basin“ (Heritage_2024-12_LEGION; Förderprogramm Heritage Science Austria 2.0 der Österreichischen Akademie der Wissenschaften – ÖAW) vertieft. Im Rahmen dieses Projekts werden in Kooperation zwischen dem Österreichischen Archäologischen Institut (ÖAI) der ÖAW und dem Computer Vision Lab (CVL) der TU Wien Machine-Learning (ML)-Verfahren mit eXplainable-AI (XAI)- und Human-in-the-Loop (HITL)-Ansätzen kombiniert. Ziel ist die methodisch kontrollierte Analyse von zehntausenden Alltagskeramikfunden aus der antiken Metropole Carnuntum (Niederösterreich), Teil der UNESCO-Welterbestätte "Donaulimes".

Ziele und Inhalte

  • Vertiefte Kenntnisse über KI-bezogene Konzepte, Methoden, Ansätze und Applikationen wie zum Beispiel Generative AI (GenAI), XAI und HITL, 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

• 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
• Dwivedi, Y. K., Hughes, L., Ismagilova, E., et al. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002
• 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
• Hagmann, D. (2025). Home is Where my Villa Is: A Machine Learning-based Predictive Suitability Map for Roman Features in Northern Noricum (ca. 50–500 CE/Lower Austria/AUT). Journal of Maps, 21(1). https://doi.org/10.1080/17445647.2025.2487444
• 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
• Hughes, L., Dwivedi, Y. K., Malik, T., et al. (2025). AI Agents and Agentic Systems: A Multi-Expert Analysis. Journal of Computer Information Systems, 65(4), 489–517. https://doi.org/10.1080/08874417.2025.2483832
• Jiang, Y., Li, X., Luo, H., et al. (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: Mi 13.05.2026 13:47