Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Start > Leuphana Bachelor (B.A./B.Eng./B.Sc./LL.B.) -> Major Wirtschaftsinformatik (bis Studienbeginn WiSe 19/20) -> Projekt I

Lehrveranstaltungen

Chancen und Risiken für Cybersicherheit durch KI-Systeme (Seminar)

Dozent/in: Christoph Martin, Peter Niemeyer

Inhalt: Einführung in KI und Cybersicherheit - Überblick über KI-Technologien und ihre Bedeutung für die Cybersicherheit - Einführung in Schlüsselkonzepte und Terminologie - Wiederholung von ausgewählten Methoden des maschinellen Lernens - Untersuchung von Prinzipien der Cybersicherheit, Bedrohungen, Abwehrmaßnahmen sowie Übersicht zu neuen Bedrohungsszenarien durch den Einsatz von KI-Systemen Robustheit, Erklärbarkeit und ethische Fragestellungen - Diskussion ethischer Fragen und Herausforderungen beim Alignment von KI-Systemen an menschliche Ziele, Präferenzen oder ethische Grundsätze - Ansätze zur Erklärbarkeit von KI-Systemen - Diskussion von Problemen, wie Datenqualität, Bias, Datenschutz und deren Auswirkungen auf die Leistung und Zuverlässigkeit von KI-Systemen und Bezug zur Sicherheit von KI-Systemen Diskussion von Schwachstellen und Angriffen im Kontext von datengetriebenen Systemen - Untersuchung von spezifischen Schwachstellen in KI-Modellen mit Hinblick auf den Machine Learning Lifecycle (u. a. data poisoning, model stealing, adversarial attacks) - Analyse konkreter Angriffsmethode (z. B. Fast Gradient Sign Attack) - Diskussion von Gegenmaßnahmen Einfluss von KI auf die Cyberbedrohungslandschaft - Diskussion über den Einfluss von (generativer) KI auf existierende Angriffe, wie Social Engineering und Malwaregenerierung Chancen der KI in der Cybersicherheit - Diskussion darüber, wie KI die Cybersicherheit durch automatisierte Bedrohungserkennung, Reaktionssysteme und prädiktive Sicherheitsmaßnahmen verbessern kann

GPU Programming for Business Applications (Seminar)

Dozent/in: Ahmed Mohamed Fathy Mohamed Ahme Elbossily

Termin:
wöchentlich | Dienstag | 09:50 - 12:05 | 13.10.2025 - 30.01.2026 | C 5.111 Seminarraum

Inhalt: Course content: This course introduces Business Informatics students to GPU programming and its applications in business data processing and analytics. While CPUs are the traditional workhorses of computing, many business tasks—such as large-scale data analysis, financial modeling, and real-time simulations—can benefit immensely from the parallel processing power of GPUs. Students will begin with the fundamentals of C++ programming and then transition into GPU programming using CUDA. The course culminates in exploring the architecture of GPUs and how to optimize programs for maximum efficiency. Each module ends with a project focused on real-world business applications, providing students with practical experience that ties directly into their field. Course Modules 1. C++ Fundamentals for Business Applications Students will learn how to write, compile, and execute basic C++ programs, tailored for data-centric tasks. Topics include syntax, variables, control flow, functions, standard containers, memory management, and file I/O. The focus is on processing business-related data efficiently using C++. Project: Build a program that reads structured business data (e.g., customer transactions, sales records), performs statistical computations, and outputs results for reporting. 2. GPU Programming with CUDA This module introduces CUDA and the core principles of GPU programming. Students will learn how to write CUDA kernels, manage memory, and understand the structure of threads and blocks. By transitioning an existing CPU-based program into CUDA, students will directly experience the performance benefits. Project: Implement a GPU-accelerated program that performs heavy data computations (e.g., real-time financial time-series analysis or batch processing of customer data), and compare performance with the CPU version. 3. Advanced GPU Techniques In this module, students will explore key parallel programming techniques that are foundational for high-performance data analysis: Reduction: Used for aggregating data (e.g., total sales, max transaction value). Scan (Prefix Sum): Useful for tasks like cumulative financial calculations or indexing grouped data. Histogram: Ideal for categorizing data distributions (e.g., customer segmentation, sales frequency analysis). Students will learn how to implement these operators using CUDA, understand their parallel execution models, and see how they apply to real-world business datasets. Project: In this project, students will develop a CUDA-accelerated analytics tool that processes a large dataset of business transactions (e.g., sales, customer activity, or stock prices) and computes: Total and maximum transaction values using reduction Daily or weekly cumulative revenue using scan Frequency of sales by category or customer segment using a histogram

KI-Projekt (Seminar)

Dozent/in: Debayan Banerjee, Kai Moltzen, Ricardo Usbeck

Inhalt: Wir werden in dem Projekt u.a. Methoden aus der Vorlesung ‚Einführung in die Künstliche Intelligenz‘ anwenden, um exemplarische Problemstellungen zu lösen. Hierbei kommen auch Methoden aus dem Bereich NLP, insbesondere Large Language Models (!) zum Einsatz. Dabei bearbeiten die Studierenden ein selbstgewähltes Projekt in Gruppen (von bis zu 3 Personen) und erarbeiten sich von den Daten über die Demo bis zum Business Plan mit Hilfe von Mentoring alles selbst.

Künstliche Intelligenz und Social Media (Seminar)

Dozent/in: Antonia Meythaler

Termin:
wöchentlich | Donnerstag | 12:15 - 14:30 | 16.10.2025 - 30.01.2026 | C 40.165 Seminarraum

Inhalt: In den letzten Jahren haben verschiedene digitale Plattformen enorme Popularität erlangt (z. B. Instagram, TikTok, ChatGPT). Ihr Erfolg zeigt sich in Millionen von Nutzer*innen weltweit, die viel Zeit auf diesen Plattformen verbringen. Durch die Veränderung von Kommunikation, Informationsaufnahme, Freizeitgestaltung, Lernen, Arbeiten und Konsum prägen soziale Medien und andere digitale Plattformen unsere Gesellschaft zunehmend. Mögliche Themen sind: — Einsatz von Künstlicher Intelligenz (KI) im Social Media Kontext — Wie verändert sich Social Media durch KI? — Psychologische und andere Auswirkungen: Betrachtung der Folgen der Nutzung, insbesondere des Einflusses von KI auf das individuelle Wohlbefinden (Well-being) Je nach Thema führen die Studierenden Literaturrecherchen, qualitative oder quantitative Studien durch. Eine enge Betreuung wird angeboten. Die Studierenden präsentieren ihre Zwischenergebnisse im Seminar und reichen am Ende eine schriftliche Seminararbeit ein.

Verteilte Anwendungssysteme (Seminar)

Dozent/in: Thomas Slotos

Inhalt: Wie große, verteilte Geschäftsanwendungen, die sich aus mehreren verteilten Subsystemen zusammensetzen, die miteinander kommunizieren, wird mit Hilfe von Technologien aus der Jakarta Enterprise Edition (JEE) sowie dem Spring-Framework an Hand eines konkreten Beispiels gezeigt.