KI-Grundlagenerweiterung für technische und berufsbildende Schulen

Die KI-Grundlagenerweiterung für technische und berufsbildende Schulen ist kein futuristisches Robotikzentrum – sie ist eine strukturierte Computerumgebung, die folgende Inhalte vermittelt:

• Programmierung für KI

• Grundlagen des maschinellen Lernens

• Umgang mit Daten

• Modelltraining & -bewertung

• Einführung in den KI-Einsatz

Wesentliche Merkmale

• 24 Hochleistungsarbeitsplätze (in Reihen oder U-Form)

• Ausbilderplatz an der Stirnseite

• Großes Display / Projektor

• Eigener Bereich für das Server-Rack

• Whiteboard für mathematische Erläuterungen

• Leistungsstarke Kühlung (KI-Rechenlasten erzeugen Wärme)

Hardwareanforderungen (Grundlagenstufe)

Sie benötigen KEINEN Supercomputer.

Arbeitsplätze für Lernende (24 Einheiten)

Mindestens:

• CPU: i7 / Ryzen 7

• RAM: 32 GB (wichtig für ML-Datensätze)

• Speicher: 1 TB SSD

• GPU: NVIDIA RTX 3060 oder vergleichbar (8–12 GB VRAM)

Warum eine GPU?

„Frameworks für maschinelles Lernen wie TensorFlow und PyTorch nutzen die CUDA-Beschleunigung.“

Bei begrenztem Budget:

• Zunächst ohne GPUs starten

• Cloudbasiertes KI-Training nutzen (AWS, Azure, Google Colab)

KI-Server (optional, aber empfohlen)

Spezifikation: 128 GB RAM, mehrere GPUs (2–4 RTX oder A-Serie), schneller NVMe-Speicher

10-Gbit-Netzwerk (optional)

Zweck: gemeinsames Modelltraining, Abschlussprojekte, Forschungssimulationen

Für eine berufsbildende Schule genügt ein leistungsstarker GPU-Server.

Software-Stack (Kern)

Programmierung & Frameworks

• Python (Hauptsprache)

• Jupyter Notebook, Anaconda, TensorFlow, PyTorch, Scikit-learn, Pandas, NumPy und Matplotlib

Entwicklungswerkzeuge

• VS Code

• Git

• Docker (für Grundlagen der Modellbereitstellung)

Betriebssysteme

• Ubuntu Linux (bevorzugt für KI)

• Windows (optional als Dual-Boot)

Curriculumsstruktur für ein KI-Grundlagenlabor

Schwerpunkt: Praxisübungen im Labor > Theorie.

Stufe 1: Grundlagen

• Programmierung mit Python

• Grundlagen der linearen Algebra

• Statistik für KI

• Datenbereinigung

• Visualisierung

Stufe 2: Kernthemen des maschinellen Lernens

• Überwachtes Lernen

• Regression

• Klassifikation

• Modellbewertung

• Overfitting & Verzerrung (Bias)

Stufe 3: Einführung in Deep Learning

• Neuronale Netze

• Bilderkennung

• NLP-Grundlagen

• Einfache KI-Bereitstellung

Was macht es zu „Grundlagen“?

Ein KI-Grundlagenlabor ist:

• auf die Lehre ausgerichtet, nicht auf Forschungsniveau

• auf angewandtes ML fokussiert

• auf die Entwicklung von Kompetenzen ausgelegt

• rund um das Python-Ökosystem aufgebaut

• mit branchenüblichen Zertifizierungswegen verknüpft

Es ist kein Robotiklabor, kein Humanoidenlabor, keine Roboterfabrik und kein Rechenzentrum!

Upgrade auf eine KI-Grundlagenoption

Kontaktieren Sie uns für ein detailliertes Angebot, wenn Sie Ihren Fachbereich Computer / IT mit einer KI-Grundlagenoption erweitern oder umrüsten möchten.

Ihr DMH-Team!