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

Sprache: Die Vorlesung findet wegen der Beteiligung internationaler Studierender immer auf Englisch statt.

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).

In den letzten Jahren haben die Erfolge des Maschinellen Lernens einen enormen Hype ausgelöst, sodass von der allgemeinen Öffentlichkeit nur noch dieses Teilgebiet der KI wahrgenommen wird. Es ist die Hauptausrichtung der so genannten statistischen KI. Die oben beschriebenen Softwarekonzepte gehören dagegen zur symbolischen KI. Diese wird auch als klassische oder traditionelle KI bezeichnet und unterscheidet sich stark von der statistischen KI, die im gegenwärtigen öffentlichen Fokus steht.

Die in der KI entwickelten Softwarekonzepte sind sowohl struktureller als auch algorithmischer Natur.

Das in praktischen Anwendungen erfolgreichste strukturelle Konzept der KI sowohl in der symbolischen als auch statistischen 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 neuronale Netze, welche eine wichtige Ausprägung des maschinellen Lernens sind und somit die gegenwärtige öffentliche Aufmerksamkeit beherrschen, gehören ebenfalls systematisch zu wissensbasierten Systemen. Außerdem gibt es noch den allgemein nicht so bekannten Ansatz des modellbasierten Schließens, der vor allem in technischen Anwendungen vorteilhaft ist.

Bei den algorithmischen Techniken gibt es keine scharfe Unterscheidung zwischen "herkömmlicher Programmierung" und KI. Die KI hat Suchtechniken beigesteuert, die normalerweise für Probleme verwendet werden, die weder exakt noch effizient gelöst werden können. Typische Anwendungsbereiche dieser Techniken sind Planungswerkzeuge in der Terminplanung und Logistik. Der A*-Algorithmus, der die Grundlage für moderne Wegealgorithmen in Verkehrsanwendungen sowie in Computerspielen ("Game AI") bildet, kann aufgrund seiner Suchstrategie als KI-Technik angesehen werden. Da er aber eine Abwandlung des effizienten Basis-Wegealgorithmus von Dijkstra ist, kann er auch als Standard-Algorithmus (nicht-KI) betrachtet werden.

Inzwischen haben algorithmische Techniken der KI auch in Computerspielen ("Spiele-KI") eine immer größere Bedeutung bekommen.

Für verteilte Anwendungen wurde innerhalb der KI das strukturelle Konzept der Multiagententechnik entwickelt. Die Schwarmintelligenz ist eine spezielle Form davon. Prominentestes Beispiel sind Ameisenalgorithmen, die in Computernetzwerken und in einem Forschungsstadium auch in Verkehrsnetzen eingesetzt werden. Generell findet die Schwarmintelligenz ihren Einsatz in verteilten Systemen mit hochdynamischem Verhalten.

In Geschäftsanwendungen - insbesondere im E-Commerce - sind eindeutige Beschreibungen und automatische Identifikationen von großer Bedeutung. Dies geschieht durch Spracherkennung und semantische Webtechnologien, die ebenfalls zur KI gezählt werden.

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

Der Schwerpunkt bei den Details wird aber auf Verfahren der symbolischen KI sowie statistischen KI außerhalb des maschinellen Lernens gelegt, weil ich vor allem darin meine Anwendungserfahrung gesammelt habe. Es wird insbesondere auch die im Moment nicht so beachtete Technik des modellbasierten Schließens im Detail vorgestellt sowie ihr Potential für technischen Anwendungen.

Natürlich werden die Grundprinzipien des maschinellen Lernens, welche in den Anwendungen der KI gegenwärtig im Vordergrund stehen, ebenfalls vermittelt. In den letzten Jahren sind an der FH Wedel sehr viele Abschlussarbeiten auf diesem Gebiet entstanden, darunter auch unter meiner Betreuung. Diese Anwendungen werden hier vorgestellt. Weitere Veranstaltungen zum maschinellen Lernen werden im Studiengang DSAI angeboten.

Ferner hoffe ich, Teilnehmer motivieren zu können, in einem Gebiet der KI 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 Ziele des Semantic Web werden auch in meinem Entwicklungsvorhaben Touristeninformationssystem widergespiegelt, wozu in den Jahren 2009 - 2011 ein Prototyp entwickelt wurde, der eingeschränkt immer noch funktioniert, aber gerne auf eine Neuaufsetzung durch interessierte Projektteilnehmer wartet.

Zu Anwendungen auf dem Gebiet der Spiele-KI gab es in der Vergangenheit zwei Seminare bei mir (2007 und 2015). Da diese Inhalte inzwischen veraltet sind und ich mich nicht mehr weiter mit diesem Gebiet beschäftigt habe, wird das Gebiet Spiele-KI aus dieser Vorlesung gestrichen, und ich verweise auf Veranstaltungen des Studiengangs Computer Games Technology. Natürlich sind die in dieser Vorlesung vorgestellten Routingalgorithmen auch sehr relevant für Spiele-KI.

Wer noch weitere Anwendungen für das Maschinelle Lernen oder genauere Details dieser Technik kennenlernen möchte, hat die Gelegenheit in mehreren Veranstaltungen im Studiengang DSAI sowie in den Veranstaltungen Softcomputing und Robotik des Masterstudiengangs Informatik. Teilweise sind diese bereits in das Curriculum anderer Studiengänge eingebaut.

Die Foliensätze sind auf Englisch und werden daher auf der englischen Webseite veröffentlicht, wo Sie die jeweils aktuellsten Folien finden. Sie werden im Laufe der Vorlesung schrittweise aktualisiert. 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.

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)

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)

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