Zum Inhalt springen
immatrikulation.org

Künstliche Intelligenz (Artificial Intelligence) an der Universität Hamburg

Hamburg Master

Der M.Sc. Data Science and Artificial Intelligence (DSAI) an der Universität Hamburg ist der konsekutive Masterstudiengang des Fachbereichs Informatik mit direktem KI-Schwerpunkt. Das viersemestrige Programm verbindet theoretische Grundlagen der Datenwissenschaft mit angewandter KI und bereitet auf Forschung sowie datengetriebene Entwicklungsrollen in Industrie und Wissenschaft vor.

Das Curriculum gliedert sich in drei Pflichtbereiche: Mindestens 24 ECTS aus den Grundlagen der Datenwissenschaft und KI (Fundamentals), 18 ECTS aus vertiefenden Themen (Advanced Topics) sowie 24 ECTS aus 2-4 Anwendungsdomänen. Im Fundamentals-Bereich liegen Maschinelles Lernen und Statistische Signalverarbeitung als Kernmodule; der Advanced-Bereich umfasst u. a. Trustworthy Machine Learning, Trustworthy Generative AI und bioinspirierte KI. Die Anwendungsdomänen-Auswahl erlaubt Profilbildung in Bereichen wie Gesundheit, Finanzen, Umwelt oder Medien.

Die Universität Hamburg verfügt über Exzellenzcluster-Infrastruktur und enge Kooperationen mit außeruniversitären Forschungseinrichtungen -- darunter dem Deutschen Elektronensynchrotron (DESY) und Hamburger IT-Unternehmen. Absolventen sind qualifiziert für Rollen als Data Scientist, Machine Learning Engineer oder KI-Forscher in einer breiten Branchenpalette.

Zugangsvoraussetzung ist ein Bachelorabschluss in Informatik (UHH) oder ein vergleichbares Studium mit mindestens 24 ECTS Mathematik (davon 6 ECTS Stochastik/Statistik) und 60 ECTS Informatik; Englischkenntnisse auf C1-Niveau sind nachzuweisen. Bewerbungen erfolgen über das STiNE-Portal (Bewerbungsfenster: 15. Februar bis 31. März).

Module im Studium

  • Maschinelles Lernen
  • Statistische Signalverarbeitung
  • Bioinspirierte Künstliche Intelligenz
  • Trustworthy Machine Learning
  • Trustworthy Generative AI
  • Deep Learning
  • Natural Language Processing
  • Datenbanken und Informationssysteme
  • Data Mining und Wissensextraktion
  • Verteilte Systeme und Cloud Computing
  • Masterarbeit mit Seminar

Was du lernst

  • Komplexe Datensätze mit fortgeschrittenen Analysemethoden erschließen
  • Machine-Learning-Algorithmen entwickeln und evaluieren
  • KI-Systeme verantwortungsvoll und ethisch gestalten
  • Bias-Problematik und Datenschutz in KI-Anwendungen adressieren
  • Selbstständige wissenschaftliche Forschung durchführen

Typische Berufsfelder

  • Data Scientist in Tech und Beratung
  • Machine Learning Engineer
  • KI-Forscher an Universitäten und Instituten
  • Business Analyst mit KI-Fokus
  • Datengetriebene Produktentwicklung

Branchen

IT und SoftwareunternehmenGesundheitswesen und BiomedizinFinanzdienstleistungenForschung und WissenschaftMedien und digitale Wirtschaft

Empfohlene Vorkenntnisse

  • Bachelorabschluss in Informatik oder verwandtem Fach
  • Mind. 24 ECTS Mathematik (davon 6 ECTS Stochastik/Statistik)
  • Mind. 60 ECTS Informatik mit Pflichtmodulinhalten
  • Englischkenntnisse C1 (IELTS 6.5+ oder gleichwertig)
Offizielles Modulhandbuch Offizielle Studienseite
mintdigitalforschung
2 Varianten dieses Studiengangs 2 Einträge
  • Data Science and Artificial Intelligence Master of Science Teilzeit
  • Intelligent Adaptive Systems Master of Science Teilzeit

Studieninhalte & Dokumente

Detaillierte Modulbeschreibungen, Pflichtmodule und Studien- und Prüfungsordnung veröffentlicht die Universität Hamburg auf ihrer Website.

Modulhandbuch zu „Künstliche Intelligenz” an der Universität Hamburg suchen →

Erfahrungsberichte von Studierenden

Falsche Angaben? [email protected]

Lade Beiträge…

Kommentar schreibenanonym

Hier kannst du Erfahrungen teilen oder Fragen stellen, die andere beantworten. Was hätte dir bei deiner Entscheidung geholfen? Oder was willst du aktuell wissen?

0 / 500 Zeichen

Rolle

Bitte schreibe einen Kommentar.

Nach dem Absenden erhältst du eine E-Mail mit einem 6-stelligen Code zur Bestätigung. Keine Kontoanlage, keine Werbung.

Studien-Quiz starten

In 1 bis 4 Minuten zur Empfehlung.