Colloquium¶
This page describes the structure and content of the colloquium session (which is the examination) for the course "Künstliche Intelligenz und Medien" (KIM). Hence, this page is in German.
Ablauf des Kolloquiums¶
Termin¶
Montag, 26.1.2026, 14:00 - 17:00 Uhr im Raum i0.14
Format¶
Ein Kolloquium ist ein Fachgepräch, welches in diesem Fall in der Gruppe durchgeführt wird. Ziel ist es, dass die Studierenden ihr Wissen und ihre Erfahrungen aus dem Kurs reflektieren und diskutieren.
Ablauf¶
Zunächst stellen die Studierenden in kurzen Beiträgen (5+5 Minuten Präsentation + Fragen) ihre wichtigsten Erkenntnisse und Lernerfahrungen aus dem Kurs vor. Dabei sind die Studierenden frei in der Wahl ihrer Themen, aber es wird empfohlen den Fokus auf die erarbeiteten Inhalte zu legen, die bereits im Theorie und Praxisteil behandelt wurden. Der Beitrag kann durch Folien, Bilder oder andere Medien unterstützt werden. Diese müssen jedoch im Vorfeld eingereicht (in FELIX 05-colloquium hochgeladen) werden.
Anschließend folgt eine moderierte Diskussion, in der verschiedene Themen rund um Künstliche Intelligenz und Medien vertieft werden.
Vorbereitung¶
Die Studierenden sollten sich auf das Kolloquium vorbereiten, indem sie ihre Notizen und Materialien aus dem Kurs durchgehen und sich Gedanken über die wichtigsten Themen machen, die sie ansprechen möchten. Es kann hilfreich sein, sich im Vorfeld mit Kommilitonen auszutauschen, um verschiedene Perspektiven zu sammeln. Im Kolloquium kann kein elektronisches Gerät verwendet werden, aber handschriftliche Notizen (maximal eine A4 Seite) sind erlaubt.
Inhalte¶
In der letzten Sitzung wurden die Eingangs gesammelten Themen und Inhalte reflektiert und diskutiert. Diese dienen als Grundlage für die Beiträge im Kolloquium. Die folgenden Fachbegriffe und -themen sollten verstanden sein, so dass sie in der Diskussion verwendet werden können:
- Transformer Modelle
- Large Language Models (LLMs) und ihre Funktionsweise (next word prediction)
- Attention Mechanismus
- Generative Modelle: Diffusionsmodelle und GANs
- CLIP (Contrastive Language-Image Pre-Training)
- Unterscheidung zwischen supervised, unsupervised (self-supervised) und reinforcement learning
Die Geschichte der KI und wichtige Meilensteine sollten bekannt sein, ebenso wie aktuelle Entwicklungen und Herausforderungen im Bereich der Künstlichen Intelligenz und Medien. Zur Orientierung können die Theorieinhalte und die Sitzungszusammenfassungen (2 3 4) herangezogen werden.
Bewertung¶
Es gibt die folgenden Bewertungskriterien:
| Kriterium | Gewichtung | Beschreibung |
|---|---|---|
| Fachliche Kompetenz / Inhalt | 35% | Tiefe, Korrektheit, Belege/Quellen, eigenständige Schlussfolgerungen |
| Argumentation & Diskussion | 25% | Schlüssige Argumente, aktive und konstruktive Beteiligung in der Diskussion |
| Präsentation & Verständlichkeit | 15% | Klarheit, Struktur, Sprechtempo, Medieneinsatz |
| Beispiele & Transfer | 10% | Nennung/Beschreibung geeigneter Beispiele, Transfer in die Praxis |
| Formale Aspekte & Zeitmanagement | 10% | Einhaltung Zeit, Zitation, Formalia, Medienqualität |
| Kooperation & Gruppenrolle | 5% | Kooperation, Einbindung anderer, ... |