Software-Engineering-Fortbildung für Studierende und Industrie

Die digitale Transformation aller Lebensbereiche und Industrien ist in vollem Gange und benötigt viele Fachkräfte. Die aktuellen Hochschulabsolvent*innen decken diesen Bedarf bei weitem nicht. Durch Umwälzungen in anderen Bereichen, wie beispielsweise der Elektrifizierung in der Mobilität, werden dagegen andere Kompetenzen nicht mehr gebraucht. Stattdessen sind Kompetenzen in Software und Künstlicher Intelligenz überall gefragt. Dafür werden maßgeschneiderte, flexible Programme zur Fortbildung im Software Engineering benötigt. Diese Keynote berichtet von zwei Beispielen, wie dies realisiert werden kann:

(1) Wir bieten eine modulare Grundausbildung Software Engineering für die Industrie an. Hier werden Mitarbeiter*innen von Unternehmen mit existierender Hochschulbildung auf den Einsatz in Softwareprojekten geschult. Dieses Programm umfasst Vorlesungen und Übungen an ein bis zwei Tagen über ein ganzes Jahr, Abschlussklausuren und zwei Projektphasen. Hier haben bereits knapp 70 Teilnehmende aus der Industrie in vier Jahrgängen das Programm durchlaufen.

(2) Studierende und Promovierende können Microdegrees an der Schnittstelle von Künstlicher Intelligenz, Software Engineering und Anwendungen erwerben. Den Rahmen dazu bietet die Artificial Intelligence Software Academy (AISA) gefördert durch das MWK Baden-Württemberg, das Forschung und Lehre an dieser Schnittstelle verbindet. Es können flexible Microdegrees erworben werden, die diese Kombination von Software Engineering und Künstlicher Intelligenz enthalten und sich insbesondere auch an Nichtinformatiker*innen richten. Damit werden diese Kompetenzen Basisfähigkeiten für alle Fachbereiche, erhöhen die Einsatzmöglichkeiten der Teilnehmenden der Fortbildung und reduzieren den Fachkräfte-Mangel. Dies unterstreicht die praktische Relevanz des Software Engineerings in der Praxis und zeigt den wichtigen Beitrag, den Universitäten hier leisten können.

https://www.aisa.uni-stuttgart.de

Transcript

1. Artificial Intelligence Software Academy
   Stefan Wagner
   
   
   2023-02-23
   Software-Engineering-
   Fortbildung für
   Studierende und
   Industrie
   

   View Slide

2. You can
   copy, share and change,
   film and photograph,
   blog, live-blog and tweet
   this presentation given that you attribute
   
   
   it to its author and respect the rights and
   
   
   licences of its parts.
   based on slides by @SMEasterbrook und @ethanwhite
   

   View Slide

3. View Slide

4. „
   Wir müssen zeitgleich die aktuelle
   Krise bewältigen und den Wandel
   der Arbeitswelt voranbringen. Dafür
   brauchen wir Weiterbildung und
   Qualifizierung. Deutschland muss
   zur Weiterbildungsrepublik werden.
   Hubertus Heil
   

   Bundesminister für Arbeit und Soziales
   

   View Slide

5. Softwarequalifizierung
   für Bosch
   

   View Slide

6. • Qualifizierung nach Bedarf und für die direkte Übernahme neuer Stellen
   
   
   • Seit 2020 mehr als 1000 Beschäftigte für neue Aufgaben oder neue Stellen
   qualifiziert
   
   
   • Weltweit
   
   
   • Drei Bereiche
   
   
   • Elektrifizierung für Ingenieure und Facharbeiter
   
   
   • Softwarequalifizierung
   
   
   • Big Data mit Data Science, -Analysis und -Engineering
   Mission to Move
   Quelle: https://www.bosch-presse.de/pressportal/de/de/transformation-braucht-vielfalt-241997.html
   

   View Slide

7. Softwarequalifizierung
   

   mit der Universität Stuttgart
   Algorithmen und
   Datenstrukturen
   Programmierung und
   Programmierparadigmen
   Verteilte Systeme
   und Betriebssysteme
   Software
   Engineering
   Rechnerarchitektur
   Maschinelles Lernen
   und Künstliche
   Intelligenz
   Modellierung und
   Architektur
   Software-Qualität
   und Test
   Projektwochen I
   Projektwochen II
   

   View Slide

8. Programmierung und Programmierparadigmen
   Grundlegende Einführung in das Programmieren anhand der
   Programmiersprachen C und C++
   
   
   Grundkonzepte prozeduraler Programmiersprachen
   (Anweisungen, Verzweigungen, Schleifen)
   
   
   Funktionen und Routinen, Dekomposition und Modularisierung
   
   
   Variablen, einfache und komplexe Datentypen (u.a. Felder,
   Strukturen, Klassen)
   
   
   Präprozessor, Fehlersuche, Debugging, Build-Werkzeuge
   
   
   Zeiger und Speicherverwaltung
   
   
   Ausblick auf objektorientierte Programmierung
   
   
   Algorithmen und Datenstrukturen
   Grundlegende Einführung in wichtige Algorithmen und
   Datenstrukturen und deren Bewertung Bäume, Graphen
   

   Sortieren, Suchen
   

   Algorithmen auf Graphen
   
   
   Hashing
   

   Komplexitätsbetrachtung und Bewertung von Algorithmen
   
   
   Rechnerarchitektur
   Darstellung von Information in digitalen Rechnern, insb. Zahlen, Zeichen
   

   Grundlagen der Hardware-Technologie, Eigenschaften von digitalen Schaltungen (Fläche, Geschwindigkeit,
   Leistungsverbrauch), arithmetische Schaltungen, arithmetisch-logische Einheit (ALU), Speicherelemente, Register,
   sequentielle Schaltungen
   

   Abstraktionsebenen eines Rechners, Assembler, Abbildung von Software-Konstrukten, Performanz, RISC-V als
   konkretes Beispiel, Überblick über andere Befehlssätze
   

   Aufbau eines Mikroprozessors: Datenpfad, Pipelining und Hazards, Interrupts
   

   Speicherhierarchie: Speichertechnologien, Caches, Virtualisierung
   

   Parallele Architekturen: SIMD (Single Instruction, Multiple Data), Vektorrechner, Multi-threading, Shared Memory
   Architekturen vs. Message Passing, GPU-Architekturen
   
   
   Programmierung ist Grundlage

   für das Verständnis
   Unterbaut Verständnis

   was man programmiert
   1. Halbjahr
   

   View Slide

9. Software Engineering
   Grundbegriffe
   
   
   Analyse und Spezi
   fi
   kation
   
   
   Muster
   
   
   Architektur
   
   
   Feinentwurf
   
   
   Implementierung
   
   
   Build
   
   
   Integration
   
   
   Test
   
   
   Langlebige Software
   
   
   Continuous Deployment und DevOps
   
   
   Metriken
   
   
   Vorgehensmodelle
   
   
   Projekt- und Produktentwicklung
   
   
   Rollen
   
   
   Scrum
   
   
   Risiko
   
   
   Kon
   fi
   gurationsmanagement
   
   
   Aufwandsschätzung
   
   
   Team-Organisation
   
   
   Modellierung und Architektur
   Modellierung
   
   
   Objektbeziehungsbeschreibungen
   
   
   Aktivitätenbeschreibungen
   
   
   Zustandsmodellierung
   
   
   Software-Architektur
   
   
   Software-Architektur-Dokumentation
   
   
   Die Rolle des Software-Architekten
   
   
   Architekturwissen
   
   
   Architekturevaluation
   
   
   Architekturentscheidungs
   fi
   ndung
   
   
   Software-Qualität und -Test
   Software-Qualität
   
   
   (Automatisierte) Unit-Tests
   
   
   Qualitätssicherung
   
   
   Code-Überdeckung, Mutationstesten
   
   
   Reviews
   
   
   Statische Analyse
   
   
   Model Checking
   
   
   Testfallgenerierung und modellbasiertes Testen
   
   
   Funktionale Sicherheit
   
   
   Informationssicherheit
   Vertieft Qualität und Test
   Vertieft Architektur
   Modellierung ist Querschnittsmethode
   
   für Spezi
   fi
   kation, Architektur, Entwurf, …
   Modellierung ist Grundlage
   
   für modellbasierte Tests,
   Model Checking, …
   Direkte
   
   Entwicklungs-
   
   Aktivitäten
   Organis. und
   
   Management-
   
   Aufgaben
   2. Halbjahr
   

   View Slide

10. Universität Stuttgart
    • 40 Wochen netto
    
    
    • 20 Wochen Programmierung und Programmiersysteme, Algorithmen und Datenstrukturen,
    Rechnerarchitektur
    
    
    • Dann 1 Projektwoche
    
    
    • 20 Wochen Software Engineering, Modellierung und Architektur, Software-Qualität und
    Test
    
    
    • Am Ende zwei Wochen Abschlussprojekt
    
    
    • Dazwischen können Zusatzmodule belegt werden
    20.01.2016 10
    Aufteilung über ein Jahr
    

    View Slide

11. Universität Stuttgart
    • Nach den 20 Wochen wird für jede der drei Module eine Klausur geschrieben, die
    bestanden werden muss.
    
    
    • Außerdem „erfolgreiche“ Teilnahme an den beiden Projektphasen
    
    
    • Ausweis des Umfangs und äquivalente ECTS
    20.01.2016 11
    Lernfortschrittskontrolle durch Prüfungen
    

    View Slide

12. „
    12
    Für mich war die Teilnahme
    am Programm rückblickend
    ein richtiger „Enabler“, ohne
    den ich in der
    Softwareentwicklung
    vermutlich nicht Fuß gefasst
    hätte.
    Michael Huis
    

    Teilnehmer der Softwarequalifikation
    

    View Slide

13. View Slide

14. AISA
    Microdegrees
    

    View Slide

15. Was ist AISA?
    

    View Slide

16. View Slide

17. View Slide

18. • die Ausbildung kompetenter Arbeitskräfte im Bereich AI-basierter Software und die
    Verknüpfung mit Anwendungen (AI+SE+X), insbesondere auch vor dem Hintergrund
    wachsender Nachfrage nach der Pandemie,
    
    
    • das Vorantreiben exzellenter industrieller und akademischer Forschung unter
    Nutzung innovativer AI- und SE-Methoden,
    
    
    • die Schaffung der Grundlage für innovativste Ausgründungen und für den
    Technologietransfer mit Schwerpunkt AI-basierter Anwendungen,
    
    
    • die Bündelung der Expertise in den Schlüsseldisziplinen AI+SE und in den
    Anwendungsdomänen X, insbesondere in den Ingenieurwissenschaften und
    
    
    • die Bereitstellung einer spezifischen und gut zugänglichen AI- und SE-Infrastruktur
    speziell für Ausbildung und Forschung.
    Ziele
    

    View Slide

19. View Slide

20. Konzept
    AISA Training AISA Research
    AISA
    

    Infrastructure
    

    View Slide

21. Training
    Microcredentials!
    

    View Slide

22. Für wen ist AISA?
    

    View Slide

23. Training
    Studierende
    

    im Master
    Promovierende
    

    View Slide

24. Warum sollte man teilnehmen?
    

    View Slide

25. Training
    Zusätzliche Kompetenzen
    zu KI-Software werden
    überall gebraucht.
    Zusätzliche Qualifikation
    

    und Zertifikat über den
    normalen Abschluss
    hinaus
    Es zeigt, dass man
    

    mehr machen will.
    Es ist kostenlos.
    

    View Slide

26. Welche Microdegrees gibt es?
    

    View Slide

27. 6 ECTS Course
    AISA Study
    Project
    AISA Microcredential
    AISA Study
    Project
    AISA Study
    Project
    12 ECTS Courses
    AISA Certificate of
    

    Advanced Study
    24 ECTS Courses
    AISA Diploma of Advanced Study
    Interdisciplinary
    AI Project
    Critically
    Reflecting …
    Critically
    Reflecting …
    

    View Slide

28. • Software Engineering for AI-based Systems (6 ECTS)
    
    
    • Introduction to AI (6 ECTS)
    
    
    • Machine Learning (6 ECTS)
    Pflichtkatalog
    

    View Slide

29. • Interdisciplinary AI Software Project (6 ECTS) [ab Sommersemester 2023]
    
    
    • Qualitative Analyse von Software Designs (6 ECTS)
    
    
    • Advanced Software Testing and Analysis (6 ECTS)
    
    
    • Simulation Software Engineering (6 ECTS)
    
    
    • Optimierung, Machine Learning und Deep Learning für Architekten und Ingenieure (6 ECTS)
    
    
    • Data Processing for Engineers and Scientists (6 ECTS)
    
    
    • Mathematical Foundations of (Post-Quantum) Cryptography (6 ECTS)
    
    
    • Post-Quantum Secure Cryptography (6 ECTS)
    
    
    • Introduction to Modern Cryptography (6 ECTS)
    
    
    • Security and Privacy (6 ECTS)
    
    
    • System and Web Security (6 ECTS)
    
    
    • Data Engineering (6 ECTS)
    Wahlkatalog
    

    View Slide

30. Wir bedanken uns für die Förderung durch das Ministerium für
    Wissenschaft, Forschung und Kunst Baden-Württemberg!
    https://aisa.uni-stuttgart.de/
    

    View Slide

31. KI B3 - Berufliche
    Bildung
    

    View Slide

32. 32
    KI B3 - Künstliche Intelligenz in die Berufliche Bildung bringen
    

    View Slide

33. 33
    Entwicklung von Bildungsabschlüssen
    Entwicklung und Etablierung von drei neuen hoheitlichen Bildungsabschlüssen zu
    Künstlicher Intelligenz und Maschinellem Lernen.
    • Bachelor Professional:
    

    auf Meister-/Techniker-Niveau mit
    

    min. 1.200 Lernumfang à 60 Minuten
    

    • Geprüfte*r Berufsspezialist*in:
    

    min. 400 Lernumfang à 60 Minuten
    

    • Branchenübergreifende
    Zusatzqualifikation (ZQ) für
    Auszubildende:
    

    100 Lernumfang à 45 Minuten
    Bachelor Professional in
    
    
    KI und maschinelles Lernen
    Berufsspezialist für
    
    
    KI und maschinelles Lernen
    ZQ für KI und
    
    
    maschinelles Lernen
    2020 2024
    

    View Slide

34. 34
    Beispielhafte Themen aus DQR 5/6
    Grundbegriffe von KI und maschinellem Lernen
    • Regression und Klassi
    fi
    kation
    • Daten als Repräsentation von Wissen
    • Training und maschinelles Lernen
    • Einsatz von KI-Modellen
    • Arten von maschinellem Lernen
    • Algorithmen
    • Typische Anwendungsbeispiele
    Chancen und Herausforderungen der KI
    • Algorithmischen Bias
    • Erklärbarkeit
    • Ressourcenknappheit
    • Robustheit von neuronalen Netzen
    Grundkenntnisse Programmierung und KI-Systementwicklung
    • Grundzüge der Programmierung mit Python
    • Datenanalyse und Modelltraining mit Python
    • Grundlagen der Entwicklung von KI-Systemen
    

    View Slide

35. Herausforderungen
    und Chancen
    

    View Slide

36. • Wie geht das „nebenher“?
    
    
    • Welche organisatorischen und Vergütungsstrukturen sind geeignet?
    
    
    • Wie mache ich das bekannt? Professionelles Marketing?
    
    
    • Was sind eigentlich Microdegrees und welche sollte eine Uni für was vergeben?
    
    
    • Angebote für Quereinsteiger, aber trotzdem „Uni-Niveau“
    Herausforderungen
    

    View Slide

37. • Förderung der leistungsstarken Studierenden
    
    
    • Verknüpfung und Weiterführung von Themen, die nicht einfach in Studienpläne
    passen
    
    
    • Tragen von Themen der Informatik und des Software Engineerings in die Breite
    
    
    • Neue Bedeutung von Universitäten für die Industrie
    
    
    • Neue Finanzquellen für Universitäten
    
    
    • Menschen durch berufliche Bildung mit der Universität in Berührung bringen
    
    
    • Durchlässigkeit und Anrechenbarkeit erhöhen
    Chancen
    

    View Slide

38. Prof. Dr. Stefan Wagner
    e-mail stefan.wagner@iste.uni-stuttgart.de
    
    
    phone +49 (0) 711 685-88455
    
    
    WWW www.iste.uni-stuttgart.de
    
    
    www.stefan-wagner.software
    
    
    Mastodon @stefanwagner@mastodon.acm.org
    
    
    ORCID 0000-0002-5256-8429
    
    
    arXiv http://arxiv.org/a/wagner_s_1
    Institute of Software Engineering
    

    View Slide