English website

Hörerkreis:

Bachelorstudiengänge Inf 5+6, TInf 3, ITE 5+6, MInf 5+6, CGT 3, WInf 4+5, ECom (ab 14.0), meistens im Wahlblock

Masterstudiengänge Inf, ITS, ITE im Übergangsblock (bei Inf, ITS zur Wahl)

Arbeitsaufwand:

5 ECTS-Punkte

Vorlesungstermin: Mi 12:30 Uhr - 15:15 Uhr mit 15 Minuten Pause dazwischen

Sprache: Die Vorlesung findet wie in den vergangenen Jahren wegen der Beteiligung internationaler Studierender auf Englisch statt. Wegen der Eignung für Erasmus-Austauschstudierende und für den Übergangsblock IT-Engineering ist auch in den kommenden Jahren damit zu rechnen.

Erster Termin: 16.10.2019

Kommen Sie zur Orientierung in ein spannendes Gebiet mit vielen Möglichkeiten für Abschlussarbeiten in unterschiedlichen Anwendungsfeldern!

Diese Vorlesung besteht aus 4 SWS.

Für jede Vorlesungsdoppeleinheit gibt es Übungsaufgaben, die auf dem Handoutserver veröffentlicht werden. Diese können (je nach Aufgabentyp) auch schriftlich abgegeben werden und werden vom Dozenten korrigiert. Die Übungsaufgaben dienen der Vorbereitung auf die Klausur.

Teilnehmer, die noch nicht wissen, ob sie diese Veranstaltung überhaupt und wenn, ob sie diese in diesem Semester belegen wollen, sollten auf jeden Fall zum ersten Termin kommen, wo ein genereller Überblick über das Gebiet und die Möglichkeiten für Ihr Studium gegeben wird.

Unter Künstlicher Intelligenz (KI) versteht man Software, die sich mit komplexen Problemen beschäftigt, wobei die Vorgehensweise der eines Menschen ähnelt. Es gibt leider keine allgemein anerkannte exaktere Definition dieser doch recht schwammigen Charakterisierung.

Seit die Informatik als eigenständige Wissenschaft anerkannt ist, war die KI eine der treibendsten Kräfte bei der Entwicklung innovativer Softwarekonzepte gewesen. Typische Meilensteine sind die Entwicklung neuartiger Programmiersprachen wie Prolog, Lisp (Vorläufer von Haskell) und Smalltalk (als erste objektorientierte Sprache) sowie neuartiger Architekturen wie Expertensysteme, Wissensbasierte Systeme und Multiagentensysteme. Viele Konzepte, die ihren Ursprung in der KI haben, sind inzwischen Allgemeingut geworden wie z.B. die objektorientierte Programmierung und können auch genauso gut mit Nicht-KI-Sprachen realisiert werden (häufig sogar besser).

Das in praktischen Anwendungen erfolgreichste Teilgebiet der KI sind die wissensbasierten Systeme. Diese finden in sehr unterschiedlichen Gebieten, von der Medizin bis zur Technik und Wirtschaft, reale Anwendungsmöglichkeiten.

Wissensbasierte Systeme sind eine systematische Zusammenfassung verschiedener Ansätze, die jeweils unter einem eigenem Namen populär geworden sind: Schon in den 1970er Jahren entstanden die Expertensysteme, die bis heute in vielen Anwendungen noch im Einsatz sind und kontinuierlich weitergepflegt werden. Die KI-Erfolgsmeldungen der jüngeren Zeit verwenden Ansätze des maschinellen Lernens, vor allem Neuronale Netze, welche ebenfalls systematisch zu Wissensbasierten Systemen gehören. Außerdem gibt es noch den allgemein nicht so bekannten Ansatz des modellbasierten Schließens, der vor allem in technischen Anwendungen vorteilhaft ist. 

Algorithmische Techniken der KI werden auch in Verkehr und Logistik eingesetzt. Inzwischen haben diese Techniken auch in Computerspielen ("Spiele-KI") eine immer größere Bedeutung bekommen. Hierzu gab es bereits zwei Seminare (2007 und 2015), aus denen Inhalte hier vorgestellt werden.

Eine bedeutende Rolle spielen die Methoden der KI in Planungswerkzeugen (Stundenplan, Tourenplanung, etc.), insbesondere da konventionell algorithmische Methoden wegen der NP-Vollständigkeit dieser Probleme meistens nicht sinnvoll sind.

In letzter Zeit sind KI-Konzepte auch zunehmend in verteilten Anwendungen zu finden (Agententechnologie, "Verteilte KI"). Für verteilte Anwendungen spielen auch mathematische Überlegungen zur Spieltheorie (z.B. Entscheidungsfindung in Gruppen) eine Rolle.

In wirtschaftlichen Anwendungen, insbesondere im e-Commerce, wird großer Wert auf die eindeutige Beschreibung und automatische Erkennung von Semantik gelegt. Auch diesem Thema widmen sich die oben beschriebenen Teilgebiete der KI seit Jahren. Das ist auch ein besonderes Ziel meines Entwicklungsvorhabens Touristeninformationssystem.

Ziel der Veranstaltung ist es, ein grundlegendes Verständnis für die in der KI verwendeten Basistechnologien zu vermitteln. Es soll ein Einblick in möglichst viele Anwendungsbereiche gegeben werden.

Ferner hoffe ich, Teilnehmer motivieren zu können, in diesem Gebiet eine Abschlussarbeit zu schreiben. Das ist für alle Abschlüsse möglich (Bachelor und Master). Entsprechende Firmen können von mir dazu vermittelt werden (siehe meine Angebotsseite).

Aus diesem Grund werden in dieser Vorlesung die inhaltlichen Bezüge zwischen der KI und meinen langfristigen Entwicklungsvorhaben vorgestellt

Die folgenden Anwendungen werden detaillierter vorgestellt:

1. Klassische Routingalgorithmen für Verkehrsanwendungen
2. Neuronale Netze, ihre Typen und Anwendungsmöglichkeiten
3. Ameisenalgorithmen für dynamische Straßennavigation und Logistik
4. Technische Diagnose mit Schwerpunkt Fahrzeugelektronik als Anwendungsbeispiel für die unterschiedlichen Techniken von wissensbasierten System

Die unten angegebenen Foliensätze stammen vom letzten Jahr. Jeder Foliensatz könnte für dieses Semester überarbeitet werden. Auf jeden Fall wird das beim Thema Fallbasierte Systeme / Neuronale Netze geschehen, das ausgeweitet wird. Hier werden die Erkenntnisse von weiteren Abschlussarbeiten einfließen. Das letzte Aktualisierungsdatum wird jeweils hinter dem Foliensatz angegeben.

Außerdem gibt es hier auf dem Handout-Server (nur für Hochschulangehörige der FH Wedel) weitere Materialien. Insbesondere werden im Laufe der Vorlesung kontinuierlich Hausaufgaben gestellt, die der Wiederholung des Stoffes dienen und in den Vorlesungen besprochen werden.

Es gibt auch noch Videos der Vorlesung aus dem WS 2018/2019: Hier ist der Link zum Video-Album. Das Passwort wird in der Vorlesung ausgegeben. Externe erfragen es bitte per email. Dafür sollten sie ihren gegenwärtigen Berufs- oder Ausbildungsstatus (mit Nennung des Ortes) sowie den Grund für ihr Interesse nennen. Wegen der eingeschränkten Kameraperspektive ersetzt das Video aber nicht die Vorlesung, weil das Tafelbild schwer erkennbar ist und weil Sie dann auch keine Zwischenfragen stellen können. Für eine Nachbereitung und zum Lösen der Hausaufgaben wird das aber sicherlich wertvoll sein.

Gliederung:

1. Einführung und Überblick (aktualisiert am 16.10.2019)

2. KI-Logik
    Prolog folder

3. KI-Algorithmik (aktualisiert am 13.11.2019)

4. Wissensbasierte Systeme

4.1 Repräsentation und Klassifikation von Wissen
4.2 Regelbasierte Wissensverarbeitung
4.3 Modelbasierte Wissensverarbeitung
      Details
4.4 Fallbasierte Wissensverarbeitung (Machine Learning) (aktualisiert am 11.12.2019)
4.5 Concluding Comparison of the Different Reasoning Techniques

5. Ant Algorithms and their Applications

    5.1 Natural and Artificial Ant Systems for Dynamic Routing
    5.2: Dynamic Routing: Putting Ant Systems into Practice
    5.3: How Ant Solve Problems of Logistics

6. Ontology Management

    6.1: Motivation and Example with the Tourist Information System
    6.2: Ontologies in the Semantic Web

7. Spiele-KI (aktualisiert am 23.01.2020)

Zusammenfassung mit Klausurabgrenzung

KI allgemein:

Christoph Beierle / Gabriele Kern-Isberner: Methoden wissensbasierter Systeme, Vieweg 2008 (4. Auflage), ISBN 978-3-8348-0504-1

Wolfgang Ertel: Grundkurs Künstliche Intelligenz, Vieweg 2009 (2. Auflage), ISBN 978-3-8348-0783-0

Günter Görz / Claus-Rainer Rollinger / Josef Schneeberger: Handbuch der Künstlichen Intelligenz, Oldenbourg 2000 (3. Auflage), ISBN 3-486-25049-3

Stuart Russell / Peter Norvig: Artificial Intelligence - A modern approach, Pearson 2010 (3. Auflage), ISBN 978-0-13-207148-2
Deutsche Ausgabe: Pearson Studium 2004, ISBN 3-8273-7089-2

zu Machine Learning / Neuronale Netze:

Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning, MIT Press 2016, public link, handout link (nur für Mitglieder der FH Wedel)

Michel Belde: Verbesserung einer Beratungs-App für den Vertrieb durch Einsatz von Bilderkennung, Bachelor Thesis, FH Wedel/akquinet GmbH 2019, Kap. 3.1: Neuronale Netze

Thimo Tollmien: Optimierung von Verspätungsvorhersagen im Öffentlichen Personennahverkehr mittels Deep Learning, Master Thesis, FH Wedel/HBT 2018

zur Modellbasierten Diagnose / ATMS:

Konstantin Ruhmann: Application of an Assumption-based Truth Maintenance System for Model-Based Diagnosis, Master Thesis, FH Wedel 2016

Mugur Tatar: Dependent Defects and Aspects of Efficiency in Model-Based Diagnosis, Dissertation zur Erlangung des Doktorgrads, Universität Hamburg 1997

zu Ameisenverfahren:

Alexander Bertram / Sebastian Iwanowski: Dynamic Routing on OpenStreetMap Using Ant Colonies, 4th International Conference on Computational Logistics, Kopenhagen (DK) 2013, veröffentlicht in: Lecture Notes of Computer Science 8197 (2013), Springer Verlag 2013, Seiten 58 - 72

Christopher Blöcker / Sebastian Iwanowski: Utilising an Ant System for a Competitive Real-Life Planning Scenario, 3rd International Conference on Computational Logics, Algebras, Programming, Tools and Benchmarking, Computational Tools, Nizza (F) 2012, ISBN 978-1-81208-222-8, Seiten 7 - 13

Felix Döppers / Sebastian Iwanowski: E-Mobility Fleet Management Using Ant Algorithms, 15th Meeting of the EURO Working Group on Transportation, Paris (F) 2012, veröffentlicht in: Procedia - Social and Behavioral Sciences 54 (2012), Seiten 1058 - 1067

Marco Dorigo / Thomas Stützle: Ant Colony Optimization, MIT Press 2004, ISBN 0-262-04219-3

Sebastian Iwanowski / Thomas Walther: Dynamic Road Navigation with Ant Algorithms, FH Wedel 2009

Timo Jürgens: Ameisenalgorithmus und Algorithmus von Dijkstra im Vergleich auf OpenStreetMap, Master Thesis, FH Wedel 2016

Dusan Teodorovic: Swarm intelligence systems for transportation engineering: Principles and applications, Transportation Research Part C vol. 16 (2008), pp. 651-667 (download, nur für Hochschulangehörige)

Thomas Walther: Dynamische Fahrzeugnavigation auf Basis von Ameisenkolonien, Masterarbeit WS 2005/2006 (Download, 1,6 MB)

für Semantic Web:

Dean Allemang / Jim Hendler: Semantic Web for the Working Ontologist - Effective Modeling in RDFS and OWL, Morgan Kaufmann 2011 (2nd ed.), ISBN 978-0-12-383965-5

John Hebeler / Matthew Fisher / Ryan Blace / Andrew Perez-Lopez: Semantic Web Programming, Wiley 2009, ISBN 978-0-470-41801-7

Maximilian Herold: State-of-the-Art Semantic Web Services - Evaluation and Advancement in Context of a Tourist Information System, Master's thesis WS 2008/2009 (Download, 2,9 MB)

Tobi Sagaran / Colin Evans / Jamie Taylor: Programming the Semantic Web, O'Reilly 2009, ISBN 978-0-596-15381-6

Liyang Yu :  A Developer's Guide to the Semantic Web , Springer 2011, ISBN 978-3-642-15969-5

für Spiele-KI:

Steve Rabin (Editor): AI Game Programming Wisdom, Charles River Media 2002, ISBN 1-58450-077-8 (mit Companion-Website)

Steve Rabin (Editor): AI Game Programming Wisdom 2, Charles River Media 2004, ISBN 1-58450-289-4 (mit Companion-Website)

Steve Rabin (Editor): AI Game Programming Wisdom 3, Charles River Media 2006, ISBN 1-58450-457-9

Steve Rabin (Editor): AI Game Programming Wisdom 4, Charles River Media 2008, ISBN 978-1-58450-523-5

zu Prolog:

Peter Bothner / Wolf-Michael Kähler: Programmieren in PROLOG, Eine umfassende praxisgerechte Einführung, Vieweg 1991, ISBN 3-528-05158-2

Ivan Bratko: PROLOG, Programming for Artificial Intelligence,

   3rd edition, Pearson 2001, ISBN 978-0-201-40375-6

   4th edition, Adobe Pr. 2011, ISBN 0-321-41746-1

Max Rohde: Eignung logischer Programmiersprachen für Spiele-KI am Beispiel Prolog, FH Wedel, Seminararbeit zur Spiele-KI, 2007, Vortrag und Ausarbeitung