Sprachverarbeitung und Generative KI

Dieses Modul öffnet Studierenden die Tür zur Welt der Natural Language Processing (NLP) Technologien und Large Language Models (LLMs). Diese bahnbrechenden Technologien sind dabei, die Kommunikation, Entscheidungsfindung und Interaktion in Unternehmen grundlegend zu verändern und prägen zunehmend auch die Arbeitsweisen der Zukunft. Im Kern des Moduls steht das Erlernen und Anwenden fortschrittlicher NLP-Methoden, die dazu befähigen, aus Textdaten praktisch umsetzbare Erkenntnisse und wertvolle Geschäftsentscheidungen abzuleiten. Die Studierenden erlangen nicht nur technische Kompetenzen zur Entwicklung und Optimierung von Sprachmodellen, sondern erlernen auch, wie diese innovativen Tools branchenübergreifend zur Prozessautomatisierung, zur Verbesserung der Kundenkommunikation und zur Erstellung neuen Contents genutzt werden können. Diese Fertigkeiten öffnen neue Wege zur Automatisierung, Personalisierung und Skalierung von Geschäftsprozessen und bereiten die Studierenden darauf vor, als treibende Kräfte hinter der KI-basierten Transformation in der Wirtschaft zu stehen.

Wissen und Verstehen: Die Studierenden ...

• erwerben fundiertes Wissen über Methoden der natürlichen Sprachverarbeitung (NLP) und generative KI-Modelle.
• verstehen die theoretischen Grundlagen und praktischen Anwendungen von Sprachmodellen und deren Einfluss auf Business-Lösungen.

Anwendung von Wissen und Verstehen: Die Studierenden ...

• können NLP-Techniken und generative KI zur Lösung realer Probleme anwenden.
• sind fähig, spezifische Algorithmen und Modelle zu entwickeln, zu trainieren und zu optimieren.

Urteilen: Die Studierenden ...

• bewerten kritisch die Angemessenheit verschiedener NLP-Methoden und generativer Modelle für spezifische Anwendungsfälle.
• reflektieren über ethische Aspekte beim Einsatz von KI-Technologien.

Kommunikative Fertigkeiten: Die Studierenden ...

• präsentieren Ergebnisse und Prozesse effektiv und verständlich sowohl für technische als auch für nicht technische Anspruchsgruppen.
• arbeiten effizient in Teams, um komplexe Projekte zu realisieren.

Selbstlernfähigkeit: Die Studierenden ...

• zeigen die Fähigkeit, sich kontinuierlich weiterzubilden und neueste Entwicklungen in der schnelllebigen Welt der generativen KI und NLP zu adaptieren.

1. Grundlagen der NLP:

• Textverarbeitung, Analyse, reguläre Ausdrücke, Textnormalisierung, Edit Distance.
• Tokenisierung, Lemmatisierung, Stemming, Sprachmodelle, Textklassifikation.
• Vektorsemantik, Word Embeddings, lexikalische Semantik, TF-IDF, Word2vec.

1. Generative KI:

• Einführung und Historie zu generativer KI (RNNs, LSTMs, Transformer)
• Architektur und Funktionsweise von Transformer-Modellen.
• Textgenerierung, Zusammenfassung, Advanced Transformer-Anwendungen.
• Feintuning und Training von Transformer-Modellen für generative Aufgaben.

1. Business-Anwendungen, Trends und Ethik:

• NLP-Anwendungen wie Named Entity Recognition, maschinelle Übersetzung, Fragebeantwortungssysteme.
• Einsatz generativer Modelle in Marketing und Kundeninteraktion.
• Ethische Überlegungen und Herausforderungen in der Anwendung generativer KI.

Kontaktstudium: Vorlesung, Übung, Präsentation, Gruppenarbeit, Coaching.

Begleitetes Selbststudium: Gruppenarbeit, Projektarbeit.

Folgende Module sollten erfolgreich absolviert sein:

• Einführung in die Künstliche Intelligenz
• Maschinelles Lernen

Es besteht Anwesenheitspflicht (vor Ort).

Note 1-6 (halbe Noten)

Ergänzende Literatur

• Jurafsky, D., & Martin, J. H. (2024). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (Third Edition draft). Verfügbar unter: https://web.stanford.edu/~jurafsky/slp3/
• Tunstall, L., von Werra, L., Wolf, T., & Géron, A. (2023). Natural Language Processing mit Transformern: Sprachanwendungen mit Hugging Face erstellen (M. Fraaß, Trans.; 1. Auflage, Deutsche Ausgabe). O’Reilly.