Neben konkreten IT-Projekten, z. B. die Neuentwicklung eines IT-Systems oder die Einführung einer Standardsoftware, muss für die organisationsweite IT-Infrastruktur – also die Menge aller eingesetzter IT-Hardware und -Softwaresysteme – ein strategisches Management eingesetzt werden.

Diese Leitung obliegt dem IT-Unternehmensarchitekten, der das IT-Architekturmanagement betreibt. Seine Aufgabe ist die strategische Ausrichtung der IT-Infrastruktur an die Geschäfts- und IT-Strategie der Organisation.

Dieser Kurs vermittelt typische Konzepte, Methoden, Vorgehensweisen und Modelle für die Aufgaben im Rahmen des IT-Architekturmanagements.

1. Grundlagen und Begriffe zum Management von IT-Unternehmensarchitekturen
   1. IT-Unternehmensarchitektur
   2. Ziele von Enterprise Architecture Management
   3. Prozesse im Management von IT-Unternehmensarchitekturen
2. IT-Anwendungsportfoliomanagement
   1. Überblick über das IT-Anwendungsportfoliomanagement
   2. Anwendungshandbuch
   3. Portfolioanalyse
   4. Bebauungsplanung
3. Architektur-Governance
   1. Aufbauorganisation
   2. Entwicklung und Durchsetzung von Richtlinien
   3. Projektbegleitung
4. Modellierung von IT-Unternehmensarchitekturen
   1. Modelle im Kontext IT-Architekturmanagement
   2. Dokumentationsformen für Prozesse und Anwendungen
   3. Dokumentationsformen für Systeme und Technologien
5. Frameworks am Beispiel von TOGAF
   1. Grundlagen und Einsatz von IT-Architekturframeworks
   2. Überblick und Kategorien von EAM-Frameworks
   3. The Open Group Architecture Framework (TOGAF)
6. Referenzmodelle und Musterkataloge
   1. Referenzmodelle für Architekturen
   2. Musterkatalog für Gestaltung von EAM

Künstliche Intelligenz (KI), also die Automatisierung von Abläufen, die „Intelligenz“ benötigen, wurde schon in der Frühzeit der Informatik als Vision formuliert und beispielsweise durch den Turing-Test konkretisiert. In den 2010er Jahren gab es erhebliche Fortschritte zur Erreichung dieser Vision, in erster Linie Weiterentwicklungen der neuronalen Netze. Diese Fortschritte haben dazu geführt, dass Techniken der KI in deutlich wachsendem Umfang nicht nur erforscht, sondern praktisch eingesetzt werden. Eng verwandte neuere Forschungsgebiete wie Data Mining und maschinelles Lernen wenden in erheblichem Umfang Techniken der KI an. Ziel dieses Kurses ist es daher, die grundlegenden Konzepte und Techniken der künstlichen Intelligenz sowie deren praktische Anwendung zu vermitteln.

1. Einführung
   1. Grundbegriffe der künstlichen Intelligenz
   2. Geschichte der künstlichen Intelligenz
   3. Agentensysteme
   4. Schwarmsysteme
   5. Künstliche Intelligenz und Wissensmanagement
   6. Unsicheres Wissen
2. Logik-Grundlagen
   1. Aussagenlogik
   2. Prädikatenlogik
   3. Resolution und Unifikation
   4. Hornklauseln und regelbasierte Wissensrepräsentation
   5. Logik-Programmierung mit Prolog
   6. Backtracking, Unifikation und Ablaufsteuerung in Prolog
3. Problemlösung durch Suche
   1. Uninformierte Suche
   2. Informierte (heuristische) Suche
   3. Spiele mit Gegner
   4. Naturanaloge Metaheuristiken
4. Data Mining und maschinelles Lernen
   1. Grundbegriffe
   2. Klassifikation
   3. Clustering
   4. Regression
   5. Decision Tree Learning
   6. K-Nearest Neighbours
   7. Support Vector Machines
5. Neuronale Netze
   1. Das Perzeptron
   2. Backpropagation-Netze
   3. Hopfield-Netze
   4. Convolutional Neural Networks
   5. Recurrent Neural Networks
6. Entwicklung von KI-Anwendungen
   1. Vorgehensweise
   2. Bibliotheken und Dienste
   3. Training neuronaler Netze
7. Ausgewählte Anwendungen der künstlichen Intelligenz
   1. Expertensysteme
   2. Schach und Go
   3. Watson
   4. Zeichenerkennung
   5. Gesichtserkennung
   6. Selbstfahrende Autos
   7. Gesellschaftliche Auswirkungen der KI