Seminare

Veranstalter: Prof. Dr. Ulrich Hoffmann

In diesem Seminar wollen wir uns grundlegenden, klassischen Veröffentlichungen widmen, die fundamental für die Entwicklung der Informatik und von Smart Technology waren und sind. Themenbereiche umfassen dabei, Softwareentwicklung, Algorithmen und Datenstrukturen, Künstliche Intelligenz, IT-Sicherheit, Verteilte Systeme, Datenbanken, u.a.

Beschreibung:

Künstliche Intelligenz kann heute beeindruckende Leistungen erbringen – von der automatischen Bildklassifikation bis hin zur natürlichen Sprachverarbeitung. Doch wie laufen in KI-Systemen eigentlich solche “Entscheidungen” ab? Was “verstehen” diese wirklich – und was nicht? In diesem Seminar geht es um Erklärbarkeit: Wie lässt sich nachvollziehen, was Künstliche neuronale Netze "denken"? Wie transparent sind moderne LLMs? Welche Grenzen hat maschinelles “Verstehen”? Und welche Risiken entstehen aus Unsicherheiten in der Modellierung?

Erwartungen: Von jedem Teilnehmer wird erwartet, dass er eine maximal 45-minütige Präsentation mit anschließender Diskussion zu seinem Thema hält und eine 10-seitige schriftliche Version seines Vortrags erstellt. Alle Vorträge des Seminars finden unter Anwesenheitspflicht statt. Von den Teilnehmern wird erwartet, dass sie miteinander kommunizieren, um Themenüberschneidungen zu vermeiden und zu besprechen, wer welches Thema präsentieren wird. Der Abgabetermin für die schriftlichen Abgaben ist eine Woche vor Ihrer Präsentation. Das Dokument muss dem PDF-Dateistandard entsprechen.

Namenskonvention für die schriftliche Abgabe:

Seminar_[Themennummer mit führender Null]_[Semester/Jahr]_[Nachname]_[Titel].pdf

Beispiel: Seminar_04_SS24_Schmidt_Plasmakonverter.pdf

Die schriftliche Abgabe dient der Vorbereitung auf die Bachelorarbeit und sollte daher am wissenschaftlichen Standard orientiert werden. Texte sollten leicht verständlich und sinnvoll illustriert sein. Von den Teilnehmern wird erwartet, dass sie wichtige Quellen und Autoren benennen und Publikationen zitieren. Von den Teilnehmern wird erwartet, dass sie Quellenmaterial verwenden, das wissenschaftlichen Standards entspricht, wie z. B. wissenschaftliche Literatur und andere Formen wissenschaftlicher Veröffentlichungen. Die schriftliche Einreichung darf einen Umfang von 10 Seiten nicht überschreiten, kann diesen allerdings unterschreiten. Hierbei wird jegliche Art und Form einer Seite gezählt, einschließlich beispielsweise Deckblättern oder Inhaltsverzeichnissen. Die Bewertung der Vorträge der Teilnehmer basiert nicht nur auf deren ausgewiesener Fachkompetenz, sondern auch auf der didaktischen Aufbereitung der Präsentation und des schriftlichen Materials. Von den Teilnehmern wird daher erwartet, dass sie ihre inhaltlichen Erklärungen, Darstellungen und Illustrationen sinnvoll vorbereitet haben. Der Bewertungsschwerpunkt liegt auf der Präsentation. Bedenken Sie dabei unbedingt, dass die schriftliche Fassung und die mündliche inhaltlich voneinander abweichen dürfen. Dies ist insbesondere dann sinnvoll, wenn Sie im Vortrag zur besseren Verständlichen Themen vertiefen und zusätzliche Beispiele verwenden.

Ablauf: Das Seminar hat 5 ECTS-Punkte und damit einen vorgesehenen Arbeitsaufwand von 150 Arbeitsstunden. Um jede einzelne Arbeit zu würdigen, wird es maximal zwei Präsentationen pro Termin geben – unter besonderen Umständen möglicherweise drei – was zu voraussichtlich 6 Terminen führt. Die Termine für die Präsentationen könnten bereits am ersten Semestertag beginnen! Dessen müssen sich die Teilnehmer bewusst sein, insbesondere bei der Wahl eines der ersten Themen. Wenn Sie wissen, dass Sie Ihre Präsentation nicht halten werden, informieren Sie uns bitte so früh wie möglich, damit keine Teilnehmer zum Seminar fahren, das nicht stattfindet.

Durchführung zu zweit: Als Zweierteam geben Sie weiterhin ein Paper mit maximal 10 Seiten länge ab (es reicht, wenn einer dieses hochlädt) . Die Verantwortung für die Inhalte in dem Paper und der Präsentation tragen beide Seminarpartner gemeinsam. Eine frühzeitige Abstimmung ist daher sehr wichtig. D.h. jedes Projektmitglied muss Fragen zu sämtlichen Paper- und Vortragsinhalten beantworten können. Sobald Sie Probleme mit der Erreichbarkeit oder der Arbeitsweise eines Seminarpartners haben, kontaktieren Sie uns bitte.

Feedback: Das Seminar dient der Vorbereitung auf die Bachelorarbeit. Daher möchten wir Ihnen sowohl zu Ihrer Präsentation, als auch zu Ihrer schriftlichen Arbeit Feedback geben. Wir glauben, dass der Lerneffekt maximiert wird, wenn alle Seminarteilnehmer an diesem Prozess teilhaben. Wenn dies für Sie nicht akzeptabel ist, informieren Sie uns bitte vor Ihrer Präsentation.

01. Architekturbasierte Erklärbarkeit: Wie Layer-Analyse und Feature Tracing Einblick in neuronale Netzwerke geben
Dieser Vortrag untersucht technische Methoden, wie sich durch gezielte Analyse von Aktivierungen einzelner Layer (z. B. in CNNs oder Transformer-Encodern) Rückschlüsse auf das “Entscheidungsverhalten” ziehen lassen. Praktische Tools: z. B. Captum, TorchLens.

02. SHAP und LIME im Vergleich: Theoretische Grundlagen, mathematische Intuition und Limitierungen
Dieser Vortrag behandelt die mathematische Grundlage der populären Post-hoc-Erklärungsverfahren SHAP (Shapley-Werte) und LIME (lokale lineare Approximation). Im Fokus: Implementierung, Komplexität und Anwendbarkeit auf tabellarische, visuelle und textuelle Daten.

03. Attention ist nicht Erklärung? Eine technische Analyse von Attention-Mechanismen in LLMs und Vision-Transformers

 Attention-Maps werden oft als intuitive Erklärungen verwendet. Doch wie verlässlich sind sie? Der Vortrag analysiert empirisch und theoretisch die Aussagekraft von Attention-Gewichten, inklusive aktueller Kritik an der „Attention-as-Explanation“-These.

04. Saliency Maps und Grad-CAM: Funktion, Implementierung und Fehlerquellen visueller Erklärbarkeit
Ein technischer Deep Dive in Saliency-basierte Methoden zur Erklärung von CNNs: mathematische Herleitung, praktische Beispiele, Artefakte (z. B. „grid effects“) und die Grenzen bei Transfer Learning oder adversarialen Beispielen.

05. Counterfactual Explanations: Konzeption, Modellierung und technische Realisierung
Hier geht es um kontrafaktische Erklärungen, z. B.: „Was müsste sich an einem Input ändern, damit das Ergebnis anders wäre?“ Der Fokus liegt auf algorithmischer Generierung solcher Beispiele, Formulierungen als Optimierungsproblem und Modellkompatibilität.

06. Explainability in generativen Modellen: Warum GANs und Diffusionsmodelle schwer erklärbar sind
Dieser Vortrag beleuchtet, warum generative Modelle wie GANs oder Diffusionsmodelle schwer zu interpretieren sind. Diskutiert werden Ansätze wie Latent Space Traversal, Layer-Wise Disentanglement und Inversionstechniken.

07. Interpretable Surrogate Models: Decision Trees als Erklärmodelle für Black-Box-Systeme
Dieser Vortrag stellt vor, wie komplexe Modelle durch approximierende, intrinsisch erklärbare Modelle wie Entscheidungsbäume ersetzt werden können. Dabei wird die mathematische Formulierung der Approximation sowie die Aussagekraft untersucht.

08. Feature Attribution bei großen Sprachmodellen: Techniken zur Ursachenanalyse bei Token-Entscheidungen
Im Zentrum stehen Methoden zur Attribution von Tokenentscheidungen in LLMs, etwa Integrated Gradients, Attention Flow oder neuronale Feature Attribution. Fokus: Wie identifiziere ich, welche Teile des Inputs die Vorhersage dominieren?

09. Unsicherheitsquantifizierung mit Bayesian Deep Learning: Von epistemischer zu aleatorischer Unsicherheit

Dieser Vortrag zeigt, wie sich Unsicherheiten in neuronalen Netzwerken mit Bayesschen Methoden quantifizieren lassen. Es werden konkrete Verfahren behandelt wie MC-Dropout, Deep Ensembles und Variational Inference.

10. XAI in adversarialen Kontexten: Robustheit vs. Interpretierbarkeit in Computer Vision
Wie wirken sich Angriffe (z. B. adversariale Beispiele) auf erklärbare Verfahren wie Grad-CAM oder SHAP aus? Eine technische Analyse der Fragilität von XAI gegenüber manipulierten Eingaben und potenzieller Gegenmaßnahmen.

11. Grenzen maschinellen „Verstehens“: Strukturelle Fehlschlüsse in Deep Learning
Ein analytisch fundierter Vortrag über bekannte Fehlinterpretationen in CV-Modellen (z.B. Zeige mir ein Rotweinglas, dass bis zum Rand voll ist). Es wird gezeigt, wie neuronale Netze Korrelation statt Kausalität lernen – mit konkreten Benchmarks und Techniken zur Erkennung solcher Fehlschlüsse.

12. Methodenvergleich zur erklärbaren Unsicherheitsdarstellung: Confidence Calibration, Abstimmung, Entropie & Visualisierung
Wie lassen sich Unsicherheiten in Modellen konkret darstellen? Besprochen werden verschiedene Ansätze zur Visualisierung (z. B. Predictive Entropy, Calibration Plots, Confidence Histograms), inklusive einer praktischen Einordnung ihrer Aussagekraft.

Themenvergabe: 11.07.2023 um 12:30-13:25
SR06

Dieses Seminar wird als Hauptinhalt die Aufarbeitung von Literatur und aktuellen Onlinequellen zu den Themen haben. Das Ziel ist es, dass jede Seminararbeit einen Überblick über den aktuellen Stand von Forschung und Anwendung in dem Bereich im Sommer 2025 gibt. Daher ist es klar, dass in die Themen nicht unendlich tief eingestiegen werden kann. Es geht eher darum, im Rahmen einer strukturierten Literaturrecherche mit Hilfe z.B. einer Konzeptmatrix die relevanten Quellen ausfindig zu machen und diese sauber gegliedert und zusammengefasst zu einer Überblicksarbeit von maximal 15-20 Seiten zu gestalten.

Die maximale Teilnehmerzahl des Seminars entspricht der Anzahl der Themen, jedes Thema wird also nur einmal vergeben. Dies sind die Themen:

• Was sind Software-Startups? Wie relevant sind sind für Wirtschaft?
• In welchen Phasen entwickeln sich Software-Startups, wie sind diese charakterisiert?
• Was sind die Erfolgsfaktoren in der frühen Gründungsphase (vor Produkt-Market-Fit)?
• Was sind die Erfolgsfaktoren in der Phase der initialen Skalierung?
• Was sind die Erfolgsfaktoren in späteren Phasen (Skalierung bis IPO/Exit)?
• Welche Geschäftsmodelle gibt es bei Software-Startup (Ein Überblick)?
• Das Software-as-a-Service-Modell (Saas)
• Das Modell der Auftragsentwicklung von Software
• Das Modell der sozialen Medien-Startups
• Das Modell von Systemhäusern (Verkauf und Anpassung von Branchensoftware)
• Die Zukunft von Software-Startups im Licht der explosiven Entwicklung von GenAi

Es wird am Ende der Vorlesungszeit ein Vorbereitungstreffen zur Themenvergabe und zur Klärung der Organisation geben. Alle, die an diesem Seminar teilnehmen möchten, müssen zwingend vorher in diesem Kurs eingeschrieben sein und persönlich zu diesem Termin kommen. Dieser Termin wird wahrscheinlich am 8.7. (Verfügungstag) stattfinden.

Das Seminar selbst wird eine Blockveranstaltung im Wintersemester sein, wahrscheinlich an einem Verfügungstag.

Veranstalter: THORSTEN GIERSCH

Angebotene Themen:

1)    Automatisierung im Servicesektor und Kundenerlebnis

2)    State of the Art der Kundenzufriedenheitsbefragung

3)    Hat autonomes Fahren als Dienstleistungsangebot im Nahverkehr eine Chance?

4)    Digitale Transformation in der Versicherungswirtschaft

5)    Arbeitnehmerüberlassung und Fachkräftemangel im Servicesektor

6)    Digital Leadership im Servicemanagement

7)   Eigene Themenvorschläge

Weitere Informationen zur Veranstaltung:

• Themenvorstellung am 1.07. 12:30 in R.114 (1. Stock Altbau). Nachfolgende Themeneinschreibung über Moodle ist ab dem 02.07.2025 freigeschaltet.

• Das Exposé ist spätestens bis zum 04.09.2025 vorzustellen.

• Die Hausarbeit ist spätestens bis zum 20.11.2025 abzugeben.

• Die Referate werden als Blockseminar Anfang Januar 2026 vorgestellt.

Liebe Kommilitonen und Kommilitoninnen,

Je nach Nachfrage vergebe ich Seminarthemen. Grundsätzlich werden die Themen werden dabei direkt mit mir abgestimmt. Falls Sie besonderes Interesse an einer Fragestellung haben, die Sie gerne im Rahmen eines Seminar bearbeiten möchten, sind Sie herzlich aufgefordert eigene Themenvorschläge hierzu zu formulieren. Ansonsten finden Sie auf der Seite des jeweiligen Semester auch Themenvorschläge von mir.

Von mir betreute Themen können sich insbesondere auf folgende Themenbereiche beziehen:

• Controlling
• Unternehmensführung
• Strategisches Management
• Organisationstheorie
• Risikomanagement
• Banking / Bankmanagement
• Statistik und Ökonometrie
• Data Analytics

Wie im Bachelor ist auch im Master neben der eigenständigen Anfertigung und Abgabe der Hausarbeit ein Vortrag obligatorisch. In der Regel finden die Vorträge jeweils gegen Ende des Semesters in einer Blockveranstaltung statt. Je nach Fallzahl findet die Blockveranstaltung auch für mehrere Dozenten gemeinsam statt.

Termine:

• verbindliche Anmeldung: jederzeit bis 11.7. 2025 (Schicken Sie mir eine Email (fbo@fh-wedel.de) oder kontaktieren Sie mich via MS Teams.)
• Abgabe der Hausarbeit: spätestens bis zum 20.11.25
• Präsentationen: Ende Dezember 2025/ Anfang Januar 2026

Viele Grüße, ich freue mich auf Ihre Themen, Franziska Bönte

Lecturer: Prof. Dr. Beuster

For this seminar, you give a talk of 60 minutes about a paper from the Proceedings of the 20th International Conference on Cyber Warfare and Security. In addition to your talk, you prepare a seminar paper. The seminar paper must be finished for your talk. It will be published on this web page. By joining the seminar you agree that your paper will be published here. This seminar is primarily for students in our Master program on IT Security. Master and Bachelor students from related fields of study, e.g. computer science, IT engineering, and E-Commerce, are welcome as well. There are 12 spots available in the seminar. If more students want to participate, priority will be given to students in IT Security. The seminar will be in English.

We will have a preliminary meeting on July 7 at 09:30 am in HS01. Spots in the seminar are assigned at this meeting. If you want to participate in the seminar, you must come to the meeting.