Methoden der künstlichen Intelligenz und des künstlichen Lebens zur Lösung betriebswirtschaftlicher Probleme

Modul: Methoden der künstlichen Intelligenz und des künstlichen Lebens zur Lösung betriebswirtschaftlicher Probleme (6 Credits)
Name im Diploma Supplement	Methods of Artificial Intelligence and Artificial Life for the Solution of Problems of Business Administration
Verantwortlich	Prof. Dr. Ute Schmiel
Voraussetzungen	Siehe Prüfungsordnung.
Workload	180 Stunden studentischer Workload gesamt, davon: Präsenzzeit: 60 Stunden Vorbereitung, Nachbereitung: 100 Stunden Prüfungsvorbereitung: 20 Stunden
Dauer	Das Modul erstreckt sich über 1 Semester.
Qualifikationsziele	Die Studierenden beherrschen spezielle Denkweisen bei verschiedenen mathematischen Modellen entwickeln darauf basierend ökonomische Modelle erwerben die Fähigkeit, komplexe ökonomische Probleme mit wissenschaftlichen Arbeitstechniken zu strukturieren, Vorschläge für die Problemlösung zu erarbeiten sowie die Lösungsvorschläge kritisch zu evaluieren trainieren ihre Fähigkeit, die Ergebnisse ihrer Problembearbeitung in Teams und zielgruppenorientiert zu präsentieren sowie in einer Diskussion zu verteidigen
Praxisrelevanz	Hohe Praxisrelevanz, da die behandelten Techniken in vielen Bereichen der Wirtschaft eingesetzt werden.
Prüfungsmodalitäten	Zum Modul erfolgt eine modulbezogene Prüfung, die sich auf folgende Prüfungsformen erstreckt: Die Studierenden entwickeln ein anspruchsvolles Modell mit einer Technik der KI oder des KL, das sie in einer schriftlichen Hausarbeit darstellen und kritisch kommentieren (in der Regel: 15 – 20 Seiten). Das Modell muss einen ökonomischen Bezug aufweisen und wird in sog. Shells implementiert. Die Shells ermöglichen die Implementierung der Modelle, ohne dass die Studierenden über Programmierkenntnisse verfügen müssen. Bei Programmierkenntnissen können die Methoden selbst implementiert werden, auch unter Anwendung von Systemen wie ChatGPT. Weitere Prüfungsmodalitäten werden zu Beginn des Seminars bekannt gemacht.
Verwendung in Studiengängen	BWL EaF Master > Wahlpflichtbereich > 1.-3. FS, Wahlpflicht GOEMIK Master > Wahlpflichtbereich > Bereich Betriebswirtschaftslehre > 1.-3. FS, Wahlpflicht MedMan MedGW Master > Wahlpflichtbereich I > Bereich BWL > 1.-3. FS, Wahlpflicht MedMan WiWi Master > Wahlpflichtbereich II > Bereich BWL > 1.-3. FS, Wahlpflicht MuU Master > Wahlpflichtbereich III > Wahlpflichtbereich III B.: Informationssysteme für Märkte und Unternehmen > 1.-3. FS, Wahlpflicht VWL Master > Wahlpflichtbereich II > 1.-3. FS, Wahlpflicht
Bestandteile	Vorlesung mit integriertem Seminar Methoden der künstlichen Intelligenz und des künstlichen Lebens zur Lösung betriebswirtschaftlicher Probleme (6 Credits)
Modul: Methoden der künstlichen Intelligenz und des künstlichen Lebens zur Lösung betriebswirtschaftlicher Probleme (WIWI‑M0490)

Vorlesung mit integriertem Seminar: Methoden der künstlichen Intelligenz und des künstlichen Lebens zur Lösung betriebswirtschaftlicher Probleme (6 Credits)
Name im Diploma Supplement	Methods of Artificial Intelligence and Artificial Life for the Solution of Problems of Business Administration
Anbieter	Lehrstuhl für Unternehmensbesteuerung
Lehrperson	PD Dr. phil. Christina Klüver
Semesterwochenstunden	4	Sprache	deutsch
Turnus	jedes Semester	maximale Hörerschaft	25
empfohlenes Vorwissen Grundlagen der Betriebswirtschaftslehre
Abstract Die Techniken des Soft Computing mit Methoden der Künstlichen Intelligenz (KI) sowie des Künstlichen Lebens (KL) werden in vielen Bereichen der Wirtschaft und Medizin angewandt. Insbesondere im Zusammenhang mit lernenden Systemen werden unterschiedliche Modelle Neuronaler Netze eingesetzt. In anderen Kontexten werden Evolutionäre Algorithmen zur Optimierung der Prozesse verwendet oder die Datenmengen werden fuzzyfiziert. In der Vorlesung werden diese Methoden erläutert. Darüber hinaus wird die Grundlogik von Zellularautomaten sowie Booleschen Netzen thematisiert. Diese Techniken ermöglichen eine zusätzliche Unterstützung zur Analyse und Simulation komplexer Prozesse, insbesondere dann, wenn soziale oder kognitive Aspekte betrachtet werden sollen oder quantitative und qualitative Daten eine wesentliche Rolle spielen. Somit sollen in dieser Veranstaltung Alternativen zu den Standardalgorithmen kennengelernt bzw. eigene Modelle entwickelt werden. Die kritisch-reflektierte Nutzung generativer KI-Methoden wie ChatGPT kann in verschiedenen Projektphasen geübt werden.
Lehrinhalte Begriffsdefinitionen Künstliche Intelligenz / Künstliches Leben / Maschinelles Lernen Zellularautomaten und Boolesche Netze Fuzzy-Expertensysteme Evolutionäre Algorithmen Neuronale Netze Allgemeines Modellierungsschema Die Bedeutung von Theorie für die Konstituierung und Erklärung der Realität Vorstellung verschiedener Modelle und Simulationen, die einen exemplarischen Charakter aufweisen Die konkreten Inhalte der Lehrveranstaltung können im Zeitablauf variieren, um ein flexibles Eingehen auf jeweils aktuelle Fragestellungen aus Wissenschaft und Praxis zu ermöglichen.
Literaturangaben Klüver, C., Klüver, J., Schmidt, J., 2024: Die Modellierung von Komplexität durch naturanaloge Verfahren: Künstliche Intelligenz und Künstliches Leben. Wiesbaden: Springer Vieweg (ab 2025 zusätzlich in englischer Sprache). Klüver, C., Klüver, J., 2025: Neue Algorithmen für praktische Probleme. Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Wiesbaden: Springer Vieweg Weitere Literaturhinweise werden je nach Problemstellung zu Beginn des Semester angegeben Materialien: Tools zu den jeweiligen Techniken der Künstlichen Intelligenz (Neuronale Netze, Fuzzy-Experten-Systeme) und des Künstlichen Lebens (Zellularautomaten, Boolesche Netze, Evolutionäre Algorithmen). Bei den Shells handelt es sich um (Simulations-)Programme, die es ermöglichen, komplexe Modelle halbformal, jedoch ohne Programmierkenntnisse -, zu implementieren.
didaktisches Konzept In der Vorlesung werden die Methoden vermittelt und Anwendungsbeispiele präsentiert. Im Projektseminar finden intensive Diskussions- und Präsentationsübungen statt. Die Studierenden sollen durch ein hohes Ausmaß an Eigenständigkeit unter Beweis stellen, dass sie in der Lage sind, überwiegend unstrukturierte, komplexe, und praxisnahe Probleme mithilfe von naturanalogen Techniken selbstständig zu bearbeiten. Dabei entwickeln die Studierenden ein anspruchsvolles Modell, das einen ökonomischen Bezug aufweist muss und auf wissenschaftlichen Theorien basiert. Alternativ entwickeln die Studierenden ein komparatives Modell. Damit ist gemeint, dass ein ökonomisches Problem, das im Rahmen des Studiums mit anderen Modellierungstechniken gelöst wurde, als Basis genommen wird und die Vorgehensweise sowie die Ergebnisse einem methodischen Vergleich unterzogen werden. Die Veranstaltung entspricht einem Vorlesungsanteil von 2 SWS und einem Seminaranteil von 2 SWS.
Vorlesung mit integriertem Seminar: Methoden der künstlichen Intelligenz und des künstlichen Lebens zur Lösung betriebswirtschaftlicher Probleme (WIWI‑C0923)