Prof. Dr. Tilo Mentler: Einrichtung einer Laborumgebung zur praktischen Auseinandersetzung mit KI-spezifischen Themen. Insbesondere wird KI für Studierende der Hochschule Trier „erlebbar“, indem sie über die reine Verwendung von Software-Frameworks hinaus Aufgabenstellungen bearbeiten, die hardware-nahe und gestalterische Aspekte aufweisen. Dazu werden in Demonstratoren und einzelnen Partnerprojekten die KI-Methodenkompetenzen mit Anwendungskompetenzen gepaart und so eine überfachliche Lehr- und Lernstruktur aufgebaut.
31. JANUAR 2022
Das Ziel des Teilprojektes ist es, verschiedene Aspekte der Thematik „Künstliche Intelligenz“ hardwarenah zu vermitteln. Die Studierenden sollen KI anhand konkreter und praktischer Aufgabenstellungen kennenlernen. Dabei werden sowohl fachbezogene Formate für unterschiedliche Fachbereiche als auch interdisziplinäre Anwendungsszenarien geschaffen, um dieses Thema für verschiedene Studiengänge erlebbar zu machen.
Ein Lehrformat für Studierende der Informatik besteht darin, mit einer am Handgelenk getragenen Smartwatch Ziffern (0-9) in die Luft zu „zeichnen“ und dabei die entsprechenden Beschleunigungsdaten mit den in der Uhr verbauten Sensoren aufzuzeichnen. Im Anschluss wird ein Klassifikationsmodell trainiert, das die Ziffern anhand der Muster in den erfassten Daten klassifiziert. Abschließend werden die Vorhersagen des Modells live getestet.
Eine weitere Anwendung von KI mit therapeutischem Bezug ist die Vorhersage biomechanischer Parameter, die teilweise eine Bedeutung für das Verletzungsrisiko haben und/oder im Rahmen von Rehabilitationsprozessen Aufschlüsse über Veränderungen des Bewegungsmusters von Patienten geben können. Hierfür benötigte Messmethoden sind aus Kosten- und Platzgründen jedoch kaum verbreitet. Die Vorhersage solcher biomechanischen Parameter mittels Videodaten und KI könnte komplexere Bewegungsanalysen deutlich zugänglicher machen.
Eine solche KI-Anwendung wird im Rahmen des Projektes umgesetzt. Für die Videos von Laufbewegungenwird mittels KI ein sogenannter Keypoint-Datensatz generiert, wobei diese Keypoints „Schlüsselpunkten“ des Körpers zugewiesen werden und so das Skelett bzw. dessen Bewegung vereinfacht repräsentieren. Auf Basis dieser Keypoint-Daten können mit weiteren KI-Modellen interessierende Parameter vorhergesagt werden.
Hierbei können verschiedene Aspekte betrachtet, bearbeitet und bewertet werden: Studierende der Informatik sollen die Umsetzung der entsprechenden KI beispielsweise im Rahmen einer Übung optimieren oder während einer Projektarbeit deutlich erweitern und damit die Praxistauglichkeit steigern. Studierende der Therapiewissenschaften erhalten Einblicke in die Umsetzung und bewerten die Ergebnisse der KI bezüglich ihrer Genauigkeit und damit Einsetzbarkeit in der therapeutischen Praxis.
Studierende der Informatik erhalten durch eine Vielzahl an praxisorientierten, hardwarebezogenen Aufgaben die Möglichkeit, verschiedene Aspekte der Künstlichen Intelligenz zu erlernen und zu vertiefen.
Ein Aspekt konzentriert sich auf das Erheben und Verarbeiten von Rohdaten, die direkt von der Projekt-Hardware stammen. Dies ermöglicht es den Studierenden, den Umgang mit realen Daten zu schulen – sei es das Auswerten von Beschleunigungsdaten von Smartwatches oder die Verarbeitung von Videomaterial.
Eine weitere vermittelte Kompetenz besteht darin, bestehende KI-Modelle anzuwenden und in eigene Projekte zu integrieren. Studierende können unkompliziert Pose Estimation Modelle, Bildklassifikatoren, Objekterkennungsmodelle und viele weitere Arten von Machine Learning Modellen ausprobieren und für ihre eigenen Anwendungen nutzen.
Besonderes Augenmerk liegt auf der wichtigsten Kompetenz: dem eigenständigen Entwickeln von Modellen. Hierbei können Studierende beispielsweise biomechanische Parameter vorhersagen oder Beschleunigungsdaten klassifizieren. Der Fokus liegt dabei stets auf dem praktischen Anwendungsbezug.
Studierenden der Therapiewissenschaften werden praxisrelevante Anwendungen von KI demonstriert. Sie werden dazu angeregt, entsprechende Anwendungen eigenständig zu nutzen und deren Potenziale und Limitationen und damit die Verwendbarkeit in der therapeutischen Praxis kritisch zu reflektieren und zu diskutieren.
KI-generierte Daten und Ergebnisse werden evaluiert und validiert, um Stärken und Schwächen sowie Verbesserungsbedarfe zu identifizieren.
Ein starkes Augenmerk liegt dabei auf der biomechanischen Analyse von Bewegung.
Sie verlassen die offizielle Website der Hochschule Trier
