Die Studierenden lernen wichtige Konzepte aus dem Bereich IT-Sicherheit kennen. Dabei werden sowohl grundlegende Begriffe eingeführt und diskutiert als auch typische Anwendungsfelder und Einsatzgebiete von IT-Sicherheit vorgestellt sowie typische Verfahren und Techniken beschrieben.

1. Begriffsbestimmungen und Hintergründe
   1. Informationstechnik (IT) für die Unterstützung von privaten Aktivitäten
   2. und geschäftlichen Prozessen
   3. Sicherheit und Schutz als Grundbedürfnisse
   4. Datenschutz als Persönlichkeitsrecht
   5. IT-Sicherheit als Qualitätsmerkmal von IT-Verbünden
   6. Abgrenzung Datenschutz und IT-Sicherheit
2. Grundlagen des Datenschutzes
   1. Prinzipien
   2. Rechtliche Vorgaben
   3. Informationelle Selbstbestimmung im Alltag
3. Grundlagen der IT-Sicherheit
   1. Paradigmen der IT-Sicherheit
   2. Modelle der IT-Sicherheit
   3. Rechtliche Vorgaben der IT-Sicherheit
4. Standards und Normen der IT-Sicherheit
   1. Grundlegende Standards und Normen
   2. Spezifische Standards und Normen
5. Erstellung eines IT-Sicherheitskonzeptes auf Basis von IT-Grundschutz
   1. Strukturanalyse
   2. Schutzbedarfsfeststellung
   3. Modellierung (Auswahl der Sicherheitsanforderungen)
   4. IT-Grundschutz-Check
   5. Risikoanalyse
6. Bewährte Schutz- und Sicherheitskonzepte für IT-Geräte
   1. Schutz vor Diebstahl
   2. Schutz vor Schadsoftware (Malware)
   3. Sichere Anmeldeverfahren
   4. Sichere Speicherung von Daten
   5. Sichere Vernichtung von Daten
7. Ausgewählte Schutz- und Sicherheitskonzepte für IT-Infrastrukturen
   1. Objektschutz
   2. Schutz vor unerlaubter Datenübertragung
   3. Schutz vor unerwünschtem Datenverkehr
   4. Schutz durch Notfallplanung

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