Artificial Intelligence & Data Science

Intelligente Systeme sind bereits tief in unserem Leben verankert: Generative KI erstellt Texte, Bilder und Codes; Chatbots und virtuelle Assistenten interagieren auf natürliche Weise mit Benutzern; autonome Systeme steuern Autos und Drohnen; und intelligente Geräte koordinieren vernetzte Haushalte. In Wissenschaft und Medizin sagen KI-Modelle Proteinstrukturen voraus, beschleunigen die Arzneimittelentwicklung und unterstützen die Diagnostik durch groß angelegte Bild- und Datenanalysen.

Die FH Technikum Wien bietet einen aktualisierten KI-Masterstudiengang für Fachleute mit technischem oder analytischem Hintergrund, die ihr Fachwissen in den Bereichen KI und datengesteuerte Technologien vertiefen möchten. Die Studierenden lernen, Daten und Entscheidungsfindung miteinander zu verknüpfen und KI-Lösungen zu entwickeln, die einen echten Mehrwert für Wirtschaft, Technologie und Gesellschaft schaffen. Der Lehrplan vermittelt fundierte Kenntnisse über KI-Algorithmen und Berechnungsmethoden, sodass die Studierenden intelligente Systeme aufbauen oder modernste Frameworks anwenden können. In praktischen Projekten beschäftigen sich die Studierenden mit realen Herausforderungen in den Bereichen Automatisierung, Analytik und intelligente Entscheidungsfindung und entwickeln gleichzeitig Führungs- und Innovationskompetenzen für globale KI-gesteuerte Umgebungen.

Lehrveranstaltungen am Abend, kleine Gruppen und enge Verbindungen zu Industriepartnern sorgen dafür, dass Ihr Studium relevant, praxisnah und zukunftsorientiert bleibt.

1. Semester – Grundlagen und Methodik

Im ersten Semester erwerben die Studierenden die technischen und methodischen Grundlagen für die fortgeschrittenen Lehrveranstaltungen in den späteren Semestern. Sie lernen Kernmethoden des maschinellen Lernens, der statistischen Modellierung und der Datenvorverarbeitung kennen. Ergänzende Lehrveranstaltungen in Software-Engineering vermitteln die Fähigkeiten, die für die Entwicklung reproduzierbarer und wartbarer ML-Systeme erforderlich sind.

2. Semester – Spezialisierung und zwei Wahlfächer

Im zweiten Semester vertiefen die Studierenden ihre Kenntnisse und wenden sie in praxisorientierten Projekten an. Neben fortgeschrittenen Methoden des maschinellen Lernens (Deep-Learning-Architekturen, Ensemble-Lernen usw.) und dem Research Paper Seminar wählen die Studierenden für jedes der beiden Wahlmodule eine von drei Optionen.

Elective 1:

a) Natural Language Processing AI: Sprachmodelle, Textverständnis, semantische Analyse

b) Evolutionary and Logic-Based AI: symbolische und evolutionäre KI-Methoden

c) Data Warehouse & Business Intelligence: analytische Datenarchitekturen, Entscheidungsunterstützung

Elective 2:

a) Computer Vision AI: Bildverarbeitung, visuelle Erkennung

b) Big Data Analytics: verteilte Datenverarbeitung, skalierbare Analytik

c) Predictive Maintenance: datengesteuerte Zuverlässigkeits- und Prognosemodelle

Parallel dazu arbeiten die Studierenden in PBL-Projekten an realen KI- und Datenanwendungen und lernen, Forschungsergebnisse kritisch zu interpretieren und praktisch umzusetzen.

3. Semester – Integration und zwei weitere Wahlfächer

Das dritte Semester konzentriert sich auf die professionelle Anwendung und Integration fortgeschrittener KI- und Datensysteme. Zusätzlich zu den Kernmodulen zu MLOps, KI- und Datenrecht, KI- und Datenethik sowie speziellen Kapiteln in KI und Datenwissenschaft wählen die Studierenden zwei weitere Spezialisierungen.

Elective 3:

a) Machine Learning Engineering: skalierbare, produktionsreife ML-Systeme

b) Autonome KI-Systeme & RFL: Entscheidungsfindung und verstärktes Lernen

c) Data Science mit R: Datenanalyse und statistische Modellierung in R

Elective 4:

a) Robotik-KI: autonome Systeme und Robotik

b) Erklärbare und vertrauenswürdige KI / KI-Sicherheit: erklärbare, sichere und faire KI

c) KI-gesteuertes Marketing: datengesteuerte Strategien und KI-Anwendungen im Marketing

4. Semester – Abschlussarbeit

Im letzten Semester liegt der Schwerpunkt auf der Masterarbeit. Die Studierenden entwerfen und führen ein eigenständiges Forschungs- oder Entwicklungsprojekt durch, dokumentieren ihre Ergebnisse wissenschaftlich und verteidigen ihre Abschlussarbeit.

Der vollständige Studienplan findet sich hier:

Zugangsvoraussetzungen

Fachliche Zugangsvoraussetzung ist ein abgeschlossener facheinschlägiger Bachelor-Studiengang oder ein gleichwertiges Studium mit mindestens 180 ECTS-Punkte – exemplarisch:

Wenn die Gleichwertigkeit grundsätzlich gegeben ist und nur einzelne Ergänzungen auf die volle Gleichwertigkeit fehlen, ist die Studiengangsleitung berechtigt, die Feststellung der Gleichwertigkeit mit der Auflage von Prüfungen während des Studiums zu verbinden. Dafür sollten aus folgenden Kernfachbereichen mindestens ca. 60 ECTS mitgebracht werden:

Fundierte Programmierkenntnisse sind jedenfalls eine zwingende Voraussetzung um die Zulassungsvoraussetzungen zu erfüllen.

News aus dem Studium

FAQ zum Master-Studium an der FH Technikum Wien

Kontakt