Lehrinhalte
Das Modul vermittelt die Grundlagen von AI Agenten und digitaler Privatsphäre .
Die Vorlesung „AI Agents“ beginnt mit einer Einführung in die Konzepte, Architekturen und Anwendungsfelder intelligenter Agentensysteme mit besonderem Fokus auf moderne Entwicklungen im Bereich der Large Language Models (LLMs). Sie beginnt mit der Einführung grundlegender Begriffe und Definitionen, Agententype wie reaktive, deliberative und hybride Agenten, klassische und moderne Agentenarchitekturen sowie Kommunikations- und Interaktionsschnittstellen. Ziel ist es, ein solides Verständnis der strukturellen und funktionalen Grundlagen von KI-Agenten zu schaffen. Darauf aufbauend widmet sich die Vorlesung speziell den technischen Grundlagen LLM-basierter Agentensysteme. Im Zentrum stehen Konzepte wie Prompt Engineering, Function Calling, Retrieval-Augmented Generation, Multimodalität und Chain-of-Thought Reasoning zur schrittweisen Problemlösung. Die Rolle von Reinforcement Learning in der Entscheidungsfindung, insbesondere im Zusammenspiel mit LLMs, wird ebenso behandelt wie Fragen der Belohnungsmodellierung, Handlungsplanung und Anpassung an dynamische Umgebungen. Ein weiterer Schwerpunkt liegt auf der Integration und Steuerung von KI-Agenten über Schnittstellen und Protokolle wie das Model Context Protocol (MCP) oder die OpenAI-API. In einem eigenen Themenblock werden Kooperations- und Koordinationsmechanismen in Multi-Agentensystemen behandelt, die es mehreren KI-Agenten ermöglichen, arbeitsteilig zu planen, Wissen auszutauschen und gemeinsam komplexe Aufgaben zu lösen. Die Vorlesung ist praxisorientiert und wird durch konkrete Beispiele und Übungen begleitet. Dabei kommen aktuelle Entwickler- und Ausführungsplattformen wie LangChain, AutoGen, CrewAI und Semantic Kernel zum Einsatz. Anhand dieser Werkzeuge lernen die Studierenden, wie KI-Agentensysteme modelliert, implementiert und getestet werden können. Auch bestehende Umsetzungen wie AutoGPT oder BabyAGI werden analysiert, miteinander verglichen und hinsichtlich ihrer Architektur, Leistungsfähigkeit und praktischen Relevanz eingeordnet. Neben den technischen Inhalten werden auch übergreifende Themen behandelt, die für die Entwicklung und den Einsatz von KI-Agenten in der Praxis von zentraler Bedeutung sind. Dazu zählen Fragen der Erklärbarkeit und Transparenz von Entscheidungen, ebenso wie sicherheitsrelevante Aspekte wie die Identitätsverwaltung von KI-Agenten. Ergänzt wird dies durch eine kritische Auseinandersetzung mit ethischen und gesellschaftlichen Fragestellungen, insbesondere im Kontext autonomer Entscheidungen, Verantwortung und Vertrauen in KI-Agentensysteme. Auch Aspekte wie die Skalierbarkeit und Ressourcennutzung, etwa im Hinblick auf Rechenleistung, API-Kosten oder Energieeffizienz, sowie Überlegungen zur Softwarearchitektur und zum Deployment werden thematisiert.
Im Bereich der digitalen Privatsphäre werden rechtliche Rahmenbedingen für das Verarbeiten von personenbezogenen Daten vermittelt. Insbesondere rechtliche Bestimmungen der Datenschutz-Grundverordnung (DSGVO) werden hierzu in Betracht gezogen. Zur Vorstellung von Mechanismen und Lösungen zur Datenerhebungen wird ein Schwerpunkt auf verschiedene Trackingmethoden im Kontext von Web- und mobilen Anwendungen gelegt. Es folgt eine Vorstellung von verschiedenen Ansätzen (Privacy-by-Design, Privacy-by-Default, etc.) zur Implementierung von Prinzipien und Techniken zur Verbesserung der digitalen Privatsphäre. Darüber hinaus werden diverse Verfahren zur Anonymisierung persönlicher Daten vorgestellt und Metriken (k-Anonymität, L-Diversität, T-Closeness, etc.) zur Quantifizierung dieser vermittelt.
