KI in der Produktion

In diesem vier­tägigen Intensivkurs werden moderne Methoden des maschinellen Lernens und der künstlichen Intelligenz behandelt, die in der industriellen Praxis besonders relevant sind. Die Inhalte reichen von den Grundlagen in Python (inklusive linearer Regression und ersten neuronalen Netzen) über Transfer Learning und Zeitreihenanalyse bis hin zu Bildverarbeitung und Generative KI mit Large Language Models. Abgerundet wird der Kurs durch einen Workshop, in dem die Teilnehmer eigene Use Cases prototypisch umsetzen und die Ergebnisse präsentieren.

Zielgruppe

Dieser Kurs richtet sich an Ingenieure, Technikerinnen und Fachkräfte, die ihre Fähigkeiten im Bereich Machine Learning sowie KI-Anwendungen vertiefen möchten. Besonders angesprochen sind Fachleute aus der Industrie, die ML- und KI-Projekte in ihrem Unternehmen umsetzen oder ausbauen wollen.

Inhalte

Maschinelles Lernen & Python

• Einführung in ML & neuronale Netze
• Supervised Learning (lineare Regression, Feature Engineering, Datenaufbereitung)
• Unsupervised Learning (k-means, SVM), Ausblick auf Semi-Supervised Learning

Transfer Learning & industrielle Anwendungen

• Zeitreihenanalyse (z. B. für Produktionsdaten)
• Thermische Kompensation
• Praktische Übungen und Umsetzungsbeispiele

Bildverarbeitung & Deep Learning

• Grundlagen der Bildverarbeitung und CNNs
• Objekt- und Bilderkennung mit praxisnahen Übungen

Generative AI & Large Language Models

• Einführung in generative KI (z. B. Chatbots, Dokumentenverarbeitung)
• Hands-on mit LLMs, Anwendungsszenarien in Unternehmen

Workshop & Prototyping

• Gemeinsame Ideenfindung und Entwicklung erster Prototypen
• Vorstellung (Pitch) der Projektergebnisse

Ablauf

Tag 0: Vorbereitungskurs (Videos)

• Grundlagen Programmierung
• Einführung in Python, Datentypen
• Praktische Übungen: Bsp. Implementierung lineare Regression

Tag 1: Grundlagen & Erste Anwendungen

• Datentransformation und erste Modellierung
• Supervised und Unsupervised Learning, inkl. Übungen (lineare Regression, k-means, SVM)
• Einführung neuronale Netze, MLP

Tag 2: Transfer Learning & Bildverarbeitung

• Zeitreihenanalyse und Predictive Maintenance
• Transfer Learning für industrielle Anwendungen, praktische Übungen
• Grundlagen der Bildverarbeitung und Einführung in Convolutional Neural Networks (CNNs)

Tag 3: Generative AI

• Einführung in Generative AI und Large Language Models, Chatbot- und Dokumentenverarbeitung

Tag 4: Workshop & Prototyping

• Gemeinsame Ideensammlung (Brainstorming) für unternehmensspezifische oder neue KI-Projekte
• Aufbau erster Prototypen (Hands-on), unterstützt von den Dozierenden
• Präsentation der Ergebnisse (Pitch), Feedback und Abschlussdiskussion

Nutzen

Die Teilnehmer vertiefen ihre theoretischen und praktischen Kenntnisse in verschiedensten Bereichen des maschinellen Lernens und der KI, um diese gezielt in der industriellen Praxis einzusetzen. Sie lernen, ML-Modelle für unterschiedliche Datenarten zu entwickeln und zu evaluieren, von Zeitreihen über Bilddaten bis hin zu generativen Textanwendungen. Im Workshop erstellen sie praxisnahe Prototypen, die direkt als Grundlage für weiterführende Unternehmensprojekte dienen können.

Kursdaten: 3.-4. und 24.-25. November 2025

Kursleiter

Daniel Knüttel, Dr. sc. ETH Zürich

Markus Maier
Dr. sc. ETH Zürich

Francesco Scipione
M.Sc.

Sebastian Lang
M.Sc. ETH Zürich

Voraussetzung, Vorkenntnisse

Vorkurs-Videos zur Vorbereitung