Die frühen Phasen der Softwareentwicklung sind maßgeblich davon gekennzeichnet, dass fachliche und technische Anforderungen (Requirements) an das IT-System zu ermitteln sind. Die Anforderungsermittlung muss äußerst umsichtig betrieben werden, weil alle folgenden Aktivitäten im SW-Entwicklungsprozess auf der Grundlage der dokumentierten Anforderungen geplant und durchgeführt werden.

In diesem Kurs werden Vorgehensweisen, Methoden und Modelle vermittelt, die eine strukturierte und methodische Ermittlung und Dokumentation von Anforderungen an betriebliche Informationssysteme ermöglichen.

1. Grundlagen und Begriffe des Requirements Engineering
   1. Requirements Engineering im Softwareprozess
   2. Kernaktivitäten im Requirements Engineering
   3. Was ist eine Anforderung?
2. Ermittlung von Anforderungen
   1. Bestimmung des Systemkontextes
   2. Bestimmung der Quellen von Anforderungen
   3. Ausw.hlen der geeigneten Ermittlungstechniken
   4. Anforderungen unter Einsatz der Techniken ermitteln
3. Ausgewählte Ermittlungstechniken
   1. Kreativitätstechniken
   2. Befragungstechniken
   3. Beobachtungstechniken
   4. Prototyping
4. Dokumentation von Anforderungen
   1. Aktivitäten zur Dokumentation von Anforderungen
   2. Typische Elemente der Anforderungsdokumentation
   3. Dokumentationsformen
5. Modellierung von Prozessen
   1. Grundlagen und Begriffe
   2. Modellierung mit der Business Process Model and Notation
   3. Modellierung mit Ereignisgesteuerten Prozessketten
6. Modellierung von Systemen
   1. Grundlagen Unified Modeling Language
   2. UML-Use Case-Diagramm
   3. UML-Aktivitätsdiagramm
   4. UML-Klassendiagramm
   5. UML-Zustandsdiagramm
7. Prüfen und Abstimmen von Anforderungen
   1. Aktivitäten zum Prüfen und Abstimmen von Anforderungen
   2. Prüfkriterien
   3. Prüfprinzipien
   4. Prüftechniken
   5. Abstimmen von Anforderungen
8. Management von Anforderungen und Techniken zur Priorisierung
   1. Verwalten von Anforderungen
   2. Techniken zur Priorisierung von Anforderungen

Das Streben nach Künstlicher Intelligenz (KI) hat die Menschheit über viele Jahrzehnte hinweg in Atem gehalten und ist seit den 60er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie über moderne Ansätze in der Entwicklung der Künstlichen Intelligenz wie generative KI. Der Kurs gibt eine Einführung in das Reinforcement Learning, einen Prozess, der der Art und Weise ähnelt, wie Menschen und Tiere die Welt erleben: Erkundung der Umgebung und Ableitung der besten Aktion. Der Kurs behandelt auch die Grundsätze der Verarbeitung natürlicher Sprache und des Computer-Visualisierungsverfahrens, beides Schlüsselkomponenten für eine künstliche Intelligenz, die mit ihrer Umgebung interagieren kann.

1. Geschichte der KI
   1. Historische Entwicklunge
   2. KI-Winter
   3. Expertensysteme
   4. Bemerkenswerte Fortschritte
2. Moderne KI-Systeme
   1. Schwache KI, starke KI und künstliche Superintelligenz
   2. Anwendungsbereiche
3. Bestärkendes Lernen
   1. Was ist bestärkendes Lernen?
   2. Markov-Entscheidungsprozess und Wertfunktionen
   3. Temporales Differenzlernen und Q-Learning
4. Natural Language Processing (NLP)
   1. Einführung in NLP und Anwendungsbereiche
   2. Grundlegende NLP-Techniken
   3. Daten vektorisieren
   4. Fortschrittliche NLP-Modelle
5. Computer Vision
   1. Einführung in Computer Vision
   2. Bilddarstellung und -Geometrie
   3. Feature Engineering
   4. Semantische Segmentierung
   5. Techniken zur Bildgenerierung