Search courses

Maschinelles Lernen als Herausforderung für Fachwissen und professionelle Arbeit

Maschinelles Lernen fordert zunehmend jene Arbeitsfelder heraus, in denen Wissen die zentrale Ressource ist. Neben den Wissenschaften sind es vor allem Professionen, von Medizin und Bildungswesen bis zum Ingenieurs- oder Rechtswesen. Professionen sollen dabei den Gegenstand des Seminars bilden. Wir stellen uns die Frage, inwiefern maschinell erzeugte Wissensbestände zur epistemischen Grundlage professioneller Arbeit werden können und welche Spannungen oder Synergien zwischen algorithmischem Lernen und menschlichem Fachwissen entstehen. Das Seminar widmet sich diesen Fragen sowohl aus professions- als auch techniksoziologischer Perspektive.

Im ersten Teil befassen wir uns zunächst mit der Struktur und Funktion professioneller Wissensarbeit: Was kennzeichnet eine Profession, und wie entsteht sowie zirkuliert Fachwissen innerhalb professioneller Gemeinschaften? Welche soziokulturellen und institutionellen Mechanismen sichern seine Autorität und Legitimität? In einem zweiten Schritt wenden wir uns soziologisch dem maschinellen Lernen zu: Welche Herausforderungen werden identifiziert, die diese Form künstlicher Intelligenz für Wissenspraktiken und Wissensstrukturen in professioneller Arbeit aufweist?

Im Anschluss nehmen wir drei konkrete Bereiche professioneller Wissensarbeit enger in den Blick: Radiologie und anschließend Rechtsprechung und (Schul)bildung. Wir diskutieren aktuelle empirische Studien, die die Entwicklung und Implementierung von Systemen maschinellen Lernens in diesem Bereich untersuchen. Ein Schwerpunkt soll darauf liegen, etwaige epistemische Verschiebungen zu diskutieren, die sich durch Entwicklung und Einsatz von maschinellem Lernen in diesen Bereichen professioneller Arbeit ergeben. Wie werden zum Beispiel Entscheidungspraktiken, Zuschreibung von Verantwortlichkeiten und Bewertungsmaßstäbe für die Gültigkeit von Wissensansprüchen durch Prinzipien maschinellen Lernens herausgefordert?

Sodann widmen wir uns aktuellen Ansätzen, diese empirischen Erkenntnisse theoretisch zu fassen. Helfen uns bekannte Ansätze hier weiter, wie ‚Relationalität“ oder „Soziomaterialität“? Müssen wir unseren soziologischen Zugang aktualisieren, zum Beispiel indem die epistemische Agency maschinellen Lernens neu auf den Begriff gebracht wird, die nicht mehr nur am professionellen Entscheiden über einen Fall ansetzt, sondern das Beurteilen eines Falles beeinflusst? Wir werden konzeptionelle Vorschläge diskutieren zu relationaler Expertise, agentialem Realismus, epistemischer Verantwortung und Wissenstechnologien.

Abschließend für das Seminar wird ein Workshop sein, für den am Ende des Seminars einmalig eine Doppelsitzung geplant ist (06.07.). In diesem werden wir das Seminarthema selbstreflexiv auf die eigene Verwendung von ML- und GenAI-Tools im Studium rückbinden und diskutieren, inwiefern die Erkenntnisse aus dem Seminar auf unsere eigene Wissensarbeit als Soziolog:innen und Soziologie-Studierenden zutreffen und wie wir damit umgehen können.

Ein optionaler Teil zur Halbzeit des Seminars wird zudem eine Exkursion zur Weizenbaum Conference „Generative AI and Society: What is at stake?“ am Weizenbaum-Institut (10./11.06., Hardenbergstraße 32, 10623 Berlin) sein.

Bitte melden Sie sich bereits im WiSe 2025/2026 für diesen Kurs an, um wichtige Informationen zu Fristen und Terminen für das SoSe 2026 zu erhalten.

Dies ist der ISIS-Kurs zum Modul "Praktikum Organische Chemie für Chemieingenieurwesen".

Das Modul ist eine Pflichtveranstaltung für die Studiengänge:

- Chemieingenieurwesen (BSc, PO 2019)

Ziel der Lehrveranstaltung Electronics for Payloads in Space ist es, den Studierenden praktisch anwendbare Inhalte für die Konzeption und Auswahl elektronischer und elektromechanischer Komponenten für Anwendungen in Nutzlasten im Weltraum zu vermitteln. Die Studierenden sollen in die Lage versetzt werden, wissenschaftlich fundiert grundlegende Designentscheidungen bei der Auslegung von Steuerungs-, Mess- und Regelungsschaltungen, sowie der Leistungselektronik für mechatronische Systeme in der Raumfahrt zu treffen. Sie sollen die grundlegenden Konzepte soweit verstanden haben, dass sie sich selbstständig weiter in die Thematik einarbeiten können.

Lernergebnisse:
In diesem Kurs lernt ihr, wie Strom-, Gas- und Wärmenetze gemeinsam zur Wärmeversorgung beitragen können – z.B. durch Wärmepumpen, Wasserstoff oder CO₂-neutrale Wärmequellen. Ihr erwerbt Kenntnisse über diese Netze und setzt sie praktisch mit den Tools pandapipes und pandapower um. Dabei analysiert ihr eine selbst gewählte Beispielregion, z.B. im Kontext der kommunalen Wärmeplanung. 

Das ganze werden wir auch im Kontext und mit den neuen Methoden der generativen KI durchführen. Dazu werden Grundlagen zur künstlichen Intelligenz vermittelt und die Nutzung von GenAI und großen Sprachmodellen zur Texterstellung, Programmierung und wissenschaftlichen Recherche eingeführt. 

Inhalte:
Der Kurs vermittelt euch:

• Grundlagen zu Strom-, Gas- und Wärmenetzen
• Praktische Anwendung durch Python-Programmierung
• Durchführung von Wirtschaftlichkeitsanalysen
• Nutzung offener Daten für die Analyse und Simulation
• Nutzung von generativer KI in der Wissenschaft, insbesondere der Simulation der Energieinfrastrukturen

Typische Fragestellungen:

• Wie ist die bestehende Energieinfrastruktur in der Region aufgebaut?
• Welche energetischen Potenziale gibt es vor Ort?
• Wie kann eine sichere, kostengünstige und CO₂-neutrale Wärmeversorgung bis 2045 erreicht werden?

Course goals

• Understanding the basic concepts of data, including data types and data structures, and real-world data sources 
• Learning concepts and skills in scientific programming and statistical inference using Python
• Identifying and retrieving relevant information from data, analyzing and interpreting it using statistical methods and visualization techniques, critically evaluating results

Contents

This course integrates three key perspectives: inferential thinking, computational thinking, and practical application. It explores methods for analyzing data to gain insights into the underlying processes. Students will learn essential skills in programming and statistical inference while engaging in hands-on analysis of real-world datasets, including indicators, document repositories, geographic data, and social networks.

Components

The course consists of the weekly main lecture (Vorlesung), the weekly lab (Übung), and weekly homework assignments. During the lecture, the foundational concepts for each week are introduced. In the lab sessions, students will be guided in practical programming exercises. Students receive programming homework assignments, to be uploaded at regular deadlines. Homework assignments are graded. The module ends with a portfolio exam consisting of a programming project (including a short presentation), a written exam and the homework grades.

Optimal preconditions for participation

• Sound understanding of written and spoken English
• Basics in statistics

Fundamental of Project Management module - Serious Game Approach
Summer Term 2026
Module Code: 70210 I 6 ECTS I Language: English

You'll step into the role of a project management team, navigating a project from its initial definition through to the task planning phase. Throughout the course, you'll engage with realistic scenarios and complete project-related tasks — all within an interactive serious game environment.

🎥 Check out our video introduction to get a sneak peek!