Künstliche Intelligenz und Maschinelles Lernen (B.Sc.)

Überblick

Ein KI-Bachelor steht vor einem Dilemma: Wer nur Modelle trainiert, ohne Informatik zu verstehen, wird von der nächsten Bibliotheksversion überholt; wer nur Informatik lernt, kommt beim maschinellen Lernen nicht über Grundlagen hinaus. Die WBH löst es mit einem vollständigen Informatik-Grundstudium – Grundlagen der Informatik, Software Engineering, Java, Datenbanken, Digital- und Mikrorechentechnik –, in das die KI vom ersten Semester an eingewoben ist: Einführung und Anwendung der KI, Methoden des maschinellen Lernens, KI-Programmierung in Python und R, Description Logic als Fundament der Wissensrepräsentation. Im Kernstudium folgen Big Data und Data Science, Datenvisualisierung, Computer Vision und Natural Language Processing mit Deep Learning sowie ein eigenes Modul zu KI-Anwendung und Ethik. Zwei Wahlpflichtbereiche – ein überfachliches Modul aus sieben und zwei Informatik-Module aus sechzehn, von Kryptografie bis Web Development – erlauben ein eigenes Profil. Sechs Semester, 180 Leistungspunkte, zwölf Punkte Berufspraxis; das Register nennt elf Tage Präsenzunterricht und zwanzig Wochenstunden. Ehrlich gesagt gehört dazu: Mathematik ist hier kein Beiwerk. Lineare Algebra, Statistik und Optimierung tragen alles, was Deep Learning heißt, und die WBH empfiehlt ihren Vorkurs Mathematik nicht ohne Grund. Wer die Datenanalyse-Seite stärker gewichten will als die Algorithmik, findet im Data-Science-Bachelor derselben Hochschule die Schwesterrichtung.

Inhalte

• Grundlagenstudium (90 CP): Einführung in das Informatik-Studium, Grundlagen der Informatik, Einführung und Anwendung der künstlichen Intelligenz, Mathematik I, Agiles Projektmanagement
• Software Engineering, Methoden des maschinellen Lernens, KI-Programmierung (Python und R), Coding I (Java), Betriebswirtschaftslehre
• Datenbanken, Description Logic, Quantitative Entscheidungsinstrumente, IT-Management und Recht, Wahlpflichtbereich I (überfachliche Kompetenzen, 1 von 7)
• Kern- und Vertiefungsstudium (90 CP): Informationssysteme und Business Intelligence, Digital- und Mikrorechentechnik, Big Data und Data Science – Methoden und Technologien, KI-Anwendung und Ethik
• Datenvisualisierung und -tools, Computer Vision und NLP mit Deep Learning, Kommunikation und Führung, Projektarbeit
• Wahlpflichtbereich II (2 von 16 Informatik-Modulen, u. a. Kryptografie, Verteilte Systeme, Web Development, App-Entwicklung, Coding II C/C++), Digitale Produktion
• Berufspraktische Phase (12 CP, 4.–5. Semester), Bachelorarbeit inkl. Kolloquium (12 CP)

Karriere

Zugangsvoraussetzungen

Allgemeine oder fachgebundene Hochschulreife, Fachhochschulreife oder eine vom Hessischen Ministerium für Wissenschaft und Kunst als gleichwertig anerkannte Berechtigung; ohne Abitur mit Meister-, Fachwirt- oder Technikerabschluss direkt, mit dreijähriger Ausbildung (Note 2,5) und zwei Jahren Berufspraxis über die Hochschulzugangsprüfung nach zwei Leistungssemestern

Informatik zuerst, KI durchgehend – warum der Aufbau trägt und wo die Hürde liegt

Der Studiengang ist als Informatik-Bachelor mit KI-Schwerpunkt angelegt, nicht als KI-Anwenderkurs. Das erkennt man an Modulen, die in reinen Data-Programmen fehlen: Digital- und Mikrorechentechnik, Betriebssysteme und Rechnerarchitektur als Wahl, Description Logic, Coding in Java und optional C/C++. Diese Breite ist das Argument für den Abschluss: Sie macht Absolvent:innen unabhängig von einzelnen Frameworks und anschlussfähig für Master in Informatik, KI oder Data Science – die WBH selbst bietet mit KI und Data Science einen konsekutiven Master an. Die Hürde ist die Mathematik. Mathematik I, Quantitative Entscheidungsinstrumente und die Methodenmodule setzen sicheres Schulwissen voraus; wer Analysis und Vektoren länger nicht gesehen hat, sollte den Vorkurs Mathematik vor dem ersten Semester einplanen, sonst wird das zweite Semester zäh. Zur Praxis: Die berufspraktische Phase fällt ins vierte und fünfte Semester, eine passende Berufstätigkeit zählt dafür. Elf Präsenztage laut Register liegen über dem WBH-Üblichen und gehören in die Zeitplanung. Zur Einordnung des Arbeitsmarkts: Der Bedarf an ML-Kompetenz ist real, aber Einstiegsstellen verlangen zunehmend Portfolio und Projekterfahrung; Projektarbeit, Wahlmodule und die berufspraktische Phase sind die Stellen, an denen du dieses Portfolio im Studium aufbaust. Förderung: Aufstiegs-BAföG greift bei Bachelorstudiengängen nicht, wohl aber Studienkredite, Arbeitgeberbeteiligung und die WBH-Anrechnungsgutschrift je anerkanntem Leistungspunkt.

Verwandte Studiengänge

• Data Science (B.Sc.)
• Angewandte Informatik (B.Sc.)
• KI und Data Science (M.Sc.)

Zusätzliche Informationen

Kostenlose Verlängerung der Studienzeit um 18 Monate; Vorkurs Mathematik der WBH empfohlen; SAP-Praxis über das SAP University Competence Center in den BI- und Big-Data-Modulen; Anrechnung von Vorleistungen mit Gutschrift je ECTS-Punkt.

Häufige Fragen

Wie unterscheidet sich der Studiengang vom Data-Science-Bachelor der WBH?

KI und Maschinelles Lernen legt den Schwerpunkt auf Algorithmen, Deep Learning und KI-Programmierung; Data Science auf Datenarchitektur, Analyse und Visualisierung. Das Informatik-Fundament ist ähnlich.

Brauche ich Programmierkenntnisse zum Start?

Nein, Java und Python werden im Studium gelehrt. Solides Schulmathematik-Wissen ist wichtiger; die WBH empfiehlt dafür ihren Vorkurs Mathematik.

Wie viel Präsenz ist vorgesehen?

Das Register nennt elf Tage Präsenzunterricht plus fakultative Seminare. Klausuren werden an Prüfungsstandorten oder online geschrieben.

Ähnliche Studiengänge

• Angewandte Künstliche Intelligenz (B.Sc.)IU
• AI in Business (B.Sc.)IU
• Data Science (B.Sc.)IU
• Business Intelligence (B.Sc.)IU
• Informatik (B.Sc.)WBH