htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code


Grundlagen und Anwendung von KI-Systemen in Elektrischen Energiesystemen

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Grundlagen und Anwendung von KI-Systemen in Elektrischen Energiesystemen
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Elektro- und Informationstechnik, Master, ASPO 01.04.2019
Code: E2940
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P211-0317
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
4PA (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
5
Studiensemester: laut Wahlpflichtliste
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Projektarbeit

[letzte Änderung 17.07.2024]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

E2940 (P211-0317) Elektro- und Informationstechnik, Master, ASPO 01.04.2019 , Wahlpflichtfach
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Michael Igel
Dozent/innen: Prof. Dr. Michael Igel

[letzte Änderung 17.07.2024]
Lernziele:
1. Methoden zur Analyse von Problemstellungen aus dem Arbeitsgebiet der Elektrischen Energiesysteme in Hinblick auf den Einsatz von KI-Systemen
2. Auswahl eines geeigneten Softwarewerkzeugs zu Konzeption, Training und Prüfung von KI-Systemen
3. Verstehen der mathematischen und algorithmischen Grundlagen moderner KI Verfahren, insbesondere künstlicher neuronaler Netze
4. Analyse und Modellierung elektrischer Energiesysteme als Grundlage für den Einsatz datengetriebener Methoden.
5. Auswahl geeigneter KI Methoden (z. B. Regression, Klassifikation, Deep Learning, Reinforcement Learning) für spezifische Aufgaben in Netzbetrieb
6. Erstellung, Aufbereitung und Bewertung von Trainingsdaten mit einem Netzberechnungsprogram
7. Entwicklung und Training von KI Modellen mit Künstlichen Neuronalen Netzen zur Lösung typischer Aufgaben wie Lastprognose, Fehlererkennung, Zustandsabschätzung
8. Integration von KI Systemen in technische Infrastrukturen, einschließlich REST-API, IP-basierter Kommunikation und Edge/Cloud Architektur.
9. Bewertung der Leistungsfähigkeit, Robustheit und Generalisierungsfähigkeit von KI Modellen anhand geeigneter Metriken und Testverfahren.
10. Vergleich KI basierter Verfahren mit klassischen mathematisch algorithmischen Methoden


[letzte Änderung 20.04.2026]
Inhalt:
Die Studierenden erwerben die Kompetenz, KI Systeme auf Basis künstlicher neuronaler Netze systematisch zu konzipieren, zu trainieren und zu validieren, um etablierte mathematisch algorithmische Verfahren in elektrischen Energiesystemen zu substituieren oder zu erweitern. Sie entwickeln modelladäquate KNN Architekturen, erzeugen und kuratieren qualitätsgesicherte Trainingsdatensätze, implementieren Trainingsprozesse in Python und realisieren Softwarekomponenten zur Speicherung und Weiterverarbeitung der Daten in SQL Datenbanken innerhalb eines IKT Systems. Zur Funktions- und Leistungsbewertung setzen sie Netzberechnungsprogramme sowie mathematische Analyseverfahren ein und erstellen Visualisierungen, die die erzielte Modellgüte transparent darstellen.

[letzte Änderung 20.04.2026]
Weitere Lehrmethoden und Medien:
- Verwendung eines Netzberechnungsprogramms

[letzte Änderung 20.04.2026]
Literatur:


[noch nicht erfasst]
 
[Tue Apr 28 23:50:38 CEST 2026, CKEY=eguavki, BKEY=eim, CID=E2940, LANGUAGE=de, DATE=28.04.2026]