>


Online-Kurs: KI für Nachhaltigkeit

Dieses Programm wird von der Universität Luxemburg in Partnerschaft mit der Luxemburger KI-Fabrik durchgeführt und soll die Lücke zwischen fortschrittlicher Technologie und ökologischem Übergang schließen.
  • Praktische Fähigkeiten erwerben, um KI auf reale Nachhaltigkeitsherausforderungen anzuwenden
  • Erwerben Sie ein Abschlusszertifikat 
  • Lernen Sie in Ihrem eigenen Tempo mit einem vollständig online, kostenlosen Programm
  • Nutzen Sie eine exklusive Möglichkeit, an einem Bootcamp vor Ort in Luxemburg teilzunehmen

Kursübersicht 

Das Potenzial von KI für Nachhaltigkeit in echte, messbare Wirkung zu verwandeln, erfordert mehr als nur Bewusstsein. Es erfordert die richtigen Fähigkeiten, strenge Methoden und die Fähigkeit, in jeder Phase des Prozesses selbstbewusst mit Daten zu arbeiten.

Dieses Programm begleitet die Lernenden durch den gesamten KI-Lebenszyklus, von der Erfassung und Qualitätsbeurteilung von Rohdaten bis hin zu Modelltraining und vertrauenswürdiger Implementierung. Der Lehrplan legt besonderen Wert auf Datenrealismus: Es bewertet die ökologischen und sozialen Abwägungen, die in KI-Systemen verankert sind, und stellt sicher, dass Modelle robust bleiben, wenn sie auf reale, sich verändernde Bedingungen angewendet werden.

Anstatt bei den Prinzipien zu bleiben, überbrückt der Kurs die Lücke zwischen ethischen Rahmenwerken und der täglichen Ingenieurpraxis. Er endet mit einem eigenen Modul zum Hochleistungsrechnen (HPC), das den Teilnehmern die technische Grundlage gibt, um ihre Lösungen effizient zu skalieren und dabei die Art der Infrastruktur zu nutzen, die durch das Luxembourg AI Factory-Ökosystem verfügbar ist.

Modul 1: Einführung in KI und Nachhaltigkeit 

Dieses Modul legt das Kernvokabular und die Rahmenwerke fest, die erforderlich sind, um KI-Initiativen sowohl aus technischer als auch aus nachhaltiger Perspektive zu bewerten.
  1. Teil 1 - KI im KI-Lebenszyklus verstehen
  2. Teil 3 – KI auf Nachhaltigkeitsherausforderungen anwenden
  3. Teil 4 – KI verantwortungsvoll für nachhaltigen Mehrwert einsetzen

Modul 2: Datengetriebene Nachhaltigkeit 

Dieses Modul untersucht, wie nachhaltige KI erfolgreich ist oder scheitert, je nachdem, wie gut die zugrunde liegenden Daten das reale System, den Entscheidungskontext und die Bedingungen der Implementierung repräsentieren.
  1. Teil 1 – Verständnis von Nachhaltigkeitsdaten
  2. Teil 2 – KI-taugliche räumliche und zeitliche Daten erstellen
  3. Teil 3 – Bewertung der Datenqualität für vertrauenswürdige, nachhaltige KI
  4. Teil 4 - Verantwortungsvolle Implementierung und Skalierung nachhaltiger KI-Arbeitsabläufe

Modul 3: Grundlagen des maschinellen Lernens 

Dieses Modul konzentriert sich auf die Modellierungsschicht und beschreibt, wie Machine-Learning-Probleme gerahmt werden und wie Datensätze für zuverlässiges Lernen vorbereitet werden.
  1. Teil 1 - Verständnis von Problemen des maschinellen Lernens
  2. Teil 2 – Daten für zuverlässiges maschinelles Lernen vorbereiten
  3. Teil 3 - Vorhersage kontinuierlicher und kategorischer Ergebnisse
  4. Teil 4 - Struktur entdecken und über die Zeit vorhersagen
  5. Teil 5 - Verwendung neuronaler Netze und Fundamentmodelle
  6. Teil 6 – Bewertung von Modellen für vertrauenswürdige und effiziente Nutzung

Modul 4: HPC-Grundlagen für KI-Workloads 

Dieses Modul konzentriert sich auf die Ausführungsebene und zeigt, wie gemeinsame HPC-Systeme organisiert sind und wie groß angelegte Workflows verantwortungsvoll durch Green-AI-Praktiken durchgeführt werden können.
  1. Teil 1 – Verständnis von HPC für KI-Workloads
  2. Teil 2 – Durchführung von KI-Workflows auf HPC-Systemen
  3. Teil 3 – Aufbau reproduzierbarer Softwareumgebungen
  4. Teil 4 - Verwaltung der Datenbewegung und -leistung
  5. Teil 5 – HPC nachhaltig und verantwortungsvoll nutzen

  • Spezialisierungsspur: KI für nachhaltigen Raum und Umwelt

Aufbauend auf den georäumlichen Datenkonzepten früherer Module untersucht dieses Modul, wie KI komplexe Eingaben von Satelliten-Erdbeobachtungen und Schwarmkoordination für unbemannte Luftfahrzeuge (UAVs) verarbeitet, um ökologische Veränderungen zu überwachen. Die Lernenden erfahren, wie fortschrittliche Positionssysteme und maschinelles Lernen eingesetzt werden, um kritische Umweltkennzahlen zu verfolgen und natürliche Ressourcen dynamisch zu verwalten.

  • Spezialisierungsspur: KI für Optimierung und Smart Cities

Dieses Modul untersucht, wie maschinelles Lernen und Echtzeit-algorithmische Optimierung die Ressourceneffizienz in der städtischen Infrastruktur steigern und gleichzeitig kritische Datensysteme sichern können. Es verbindet prädiktive Modellierung mit resilienten Abläufen und zeigt, wie KI Energienetze, Mobilitätsnetze und nachhaltige Smart-City-Anlagen sicher verwalten kann.

  • Spezialisierungsrichtung: KI für nachhaltige Finanzen und Cybersicherheit

Indem der gesamte KI-Lebenszyklus auf den Finanzsektor angewendet wird, zeigt dieses Modul, wie heterogene ESG-Daten (Umwelt-, Sozial- und Governance-)Daten verarbeitet werden können, um nachhaltige Investitions- und politische Entscheidungen zu treffen. Die Lernenden nutzen datengetriebene Ansätze, um klimabezogene Finanzrisiken zu bewerten, sodass algorithmische Modelle helfen, das Wirtschaftswachstum mit langfristiger ökologischer Verantwortung in Einklang zu bringen.