Fellowships Hochschullehre: Fellows 2025

Im Zeitalter der Daten und der Künstlichen Intelligenz (KI) ist der geübte und bewusste Umgang mit Daten eine wichtige Fähigkeit, die alle Studierende während ihres Studiums mehr oder weniger explizit erlangen sollen.

In diesem Projekt werden zwei Seiten des datenbasierten Beobachtens, Entdeckens und Analysierens zusammengebracht: die Techniken und Entwicklungen der Datenerhebung/Datenanalyse in komplexen naturwissenschaftlich-technischen Prozessen und die abstrakte mathematische Modellbildung auf Basis von Daten. Beides sind klassische Themen der Lehre in den jeweiligen Fachgebieten, haben aber in den letzten Jahren mit der allgemeinen Entwicklung und Anwendung von KI und der Verfügbarkeit von großen Datenmenge neue Bedeutung und neue Aspekte erlangt.

Konkret soll ein bestehender Versuchsstand im Institut für Thermo- und Fluiddynamik mit modernen, aber kostengünstigen und flexibel und gefahrlos einsetzbaren Kameras ausgestattet werden, um den Prozess zu beobachten. Die benutzte Technik der event-based Kameras erzeugt Daten, die weniger detailgetreu sind (low-fidelity), dafür aber mit wenig Aufwand analysiert und sogar in Echtzeit verfügbar gemacht werden können.

Auf der anderen Seite des Campus, im Institut für Mathematik, werden dann die Daten empfangen, aufbereitet und als Basis für Modelle genutzt, die mit Hilfe von Machine Learning Algorithmen gelernt werden. Durch die direkte Verfügbarkeit der Daten aus der Fluiddynamik können dann die Modelle im Experiment validiert und verbessert werden. Andersherum können die Modelle dazu beitragen, die Phänomene des Versuchs besser zu verstehen. Mit dem Projekt werden vielerlei Kompetenzen der Studierenden gefordert und gefördert, so unter anderem

• Verständnis für Prozesse, Sensortechnik und Datenaggregation – die neue Technik der event-based Kameras bedarf bereits der Auseinandersetzung mit dem Experiment und wie es beobachtet wird
• nachhaltiger Umgang mit Daten – ein Experiment bedeutet immer Aufwand und will mit Blick auf Aussagekraft und Qualität der erhaltenen Daten geplant werden
• Potenzial und Limitierung Künstlicher Intelligenz – ob ein Modell funktioniert, hängt von vielen Faktoren ab, wie in der Rückkopplung mit dem Experiment direkt festgestellt werden kann
• interdisziplinäre Zusammenarbeit – Mathematikerinnen und Mathematiker lernen die Fallstricke der technischen Prozesse kennen und die Ingenieurinnen und Ingenieure, dass mathematische Modellbildung vielfältig und schwierig sein kann, aber immer möglich und oft erfolgsversprechend ist.

An der TU Ilmenau wird das Projekt in der Lehre vor allem als studentische Praktika realisiert. Die Inhalte und Daten werden in die regulären Vorlesungen der Fachgebiete integriert. Sobald die Infrastruktur vorhanden ist – ein gewisser Aufwand fließt in die Bereitstellung der Datenschnittstellen, weiterer in die Ausarbeitung von Lehrinhalten – werden Daten, Modelle und sogar direkter Zugang zum Experiment als Lehrressource verfügbar gemacht.

Projektantrag (PDF)