Liebe Studierende,
Im Bachelorprojekt „Generative KI-Agenten in der Wissensarbeit“ gestalten Sie aktiv mit, wie Generative KI die digitale Arbeitswelt verändert. Neben der Einführung in die Scrum-Methode lernen Sie, agile Arbeitsweisen in Ihrer eigenen Projektarbeit anzuwenden und Potenziale von Generativer KI in der Wissensarbeit zu identifizieren.
Außerdem bearbeiten Sie in diesem Projektkurs gemeinsam mit anderen Studierenden eine praxisrelevante Challenge – in Kooperation mit einem Industriepartner. Gemeinsam analysieren Sie, wie Wissensarbeit neu verteilt werden kann, identifizieren Aufgaben und Rollen, die an KI-Agenten übergeben werden können, und entwickeln eigene prototypische Lösungen. Ziel ist es, leichtgewichtige Generative KI-Agenten zu konzipieren, die die Zusammenarbeit und Produktivität in der Wissensarbeit unterstützen.
Aktuelle Informationen, Materialien und Ankündigungen finden Sie stets im Moodle-Forum und in den Kursankündigungen. Dort halten wir Sie über alle wichtigen Termine und Hinweise auf dem Laufenden. Nutzen Sie das Forum außerdem gerne für den Austausch untereinander
- Teacher: Amelie Kassing
Abstract:
In this seminar, we will discuss empirical methods in software engineering research such as controlled experiments, case studies, surveys, literature studies and action research.
Objectives:
You will learn how empirical research in software engineering works. This way, you will become prepared to do your own research in post-graduate research, such as MSc and PhD theses. For such research activities, you will need to formulate hypotheses, build theories, analyze data, discuss treats to validity of empirical results, and finally publish the results.
Contents:
We will review representative publications on empirical methods in software engineering research.
Additional prerequisites:
You should be interested in software engineering research.
Examination:
Elaborated seminar paper, peer reviews, scientific presentation.
Kurzfassung:
Basierend auf den Herausforderungen der nebenläufigen Programmierung werden etablierte Entwurfsmuster für parallele und verteilte Systeme vorgestellt. Praktische Softwareentwicklungsaufgaben vertiefen die präsentierten Architekturentwürfe.
Lernziele:
Die Studierenden rekapitulieren typische Herausforderungen in der nebenläufigen Programmierung und lernen den Entwurf und die Implementierung bewährter Entwurfsmuster für parallele und verteilte Systeme in Theorie und Praxis.
Lehrinhalte:
Einführung und Motivation. Nebenläufigkeit als Herausforderung (Abstraktionen, kritischer Abschnitt, Verifikation mit Model Checking, Kanalkommunikation, verteilte Algorithmen mit Nachrichtenkommunikation, generative Kommunikation, Konsensprobleme, CAP-Theorem). Muster für parallele Programmierung (Parallelität finden, Algorithmenstrukturen, unterstützende Strukturen, Implementierungsmechanismen). Muster für verteilte Systeme (Fehlertoleranz, EAI, SOA, Cloud, Big Data, Microservices, Migration).
Weitere Voraussetzungen:
Sehr gute Grundkenntnisse in Softwaretechnik, insbesondere aus den BSc-Modulen Softwaretechnik und Softwareprojekt; Betriebssysteme und verteilte Systeme.