GenAI & Knowledge based Models
Niveau
2. Studienzyklus, Master
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• können Wissensrepräsentationen (Knowledge Graphs, Ontologien, Taxonomien, Regelwerke) erklären und deren Einsatzgebiete analysieren
• können Hybride KI-Architekturen entwerfen und die GenAI mit symbolischen und strukturierten Wissensmodellen verbinden
• können RAG- und KGQA-Systeme planen, entwickeln und evaluieren
• können Ontologien und Knowledge Graphs als strukturelles Rückgrat für GenAI-basierte Anwendungen entwerfen
• können Prototypische Lösungen entwickeln
• können Wissensrepräsentationen (Knowledge Graphs, Ontologien, Taxonomien, Regelwerke) erklären und deren Einsatzgebiete analysieren
• können Hybride KI-Architekturen entwerfen und die GenAI mit symbolischen und strukturierten Wissensmodellen verbinden
• können RAG- und KGQA-Systeme planen, entwickeln und evaluieren
• können Ontologien und Knowledge Graphs als strukturelles Rückgrat für GenAI-basierte Anwendungen entwerfen
• können Prototypische Lösungen entwickeln
Voraussetzungen der Lehrveranstaltung
nicht zutreffend
Lehrinhalte
- Einführung in wissensbasierte KI: Repräsentationsformen, Ontologien, Knowledge Graphs
- Herausforderungen statistischer Modelle (Halluzination, fehlende Konsistenz, Kontextgrenzen)
- Retrieval-Augmented Generation (RAG): Architekturen, Indexing, Embeddings, Pipelines
- Knowledge Graphs: Aufbau, Querying (SPARQL), Reasoning, Semantische Technologien
- Hybrid-AI-Ansätze: Verbindung von GenAI, klassischen KI-Verfahren und Symbolic Reasoning
- Ontology-Guided Prompting & Constraint-based Prompting
- Evaluationsmethoden: Knowledge Grounding, Fact-Checking, Consistency Metrics
- Herausforderungen statistischer Modelle (Halluzination, fehlende Konsistenz, Kontextgrenzen)
- Retrieval-Augmented Generation (RAG): Architekturen, Indexing, Embeddings, Pipelines
- Knowledge Graphs: Aufbau, Querying (SPARQL), Reasoning, Semantische Technologien
- Hybrid-AI-Ansätze: Verbindung von GenAI, klassischen KI-Verfahren und Symbolic Reasoning
- Ontology-Guided Prompting & Constraint-based Prompting
- Evaluationsmethoden: Knowledge Grounding, Fact-Checking, Consistency Metrics
Empfohlene Fachliteratur
- Russell, S., Norving, P. (2021): Artificial Intelligence: A Modern Approach
- Allemang, D., Hendler, J. (2020): Semantic Web for the Working Ontologist
- Allemang, D., Hendler, J. (2020): Semantic Web for the Working Ontologist
Bewertungsmethoden und -Kriterien
Portfolioprüfung
Unterrichtssprache
Deutsch
Anzahl der zugewiesenen ECTS-Credits
6
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vortrag, Gruppenarbeit, Präsentation und Diskussion von Aufgaben
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
3