Di, 06.10.26 : 17.00 - 19.00 Uhr, hybrid in Altena und online
Bild: Reinhold Berlin, erstellt mit ChatGPT, Image 2
Wir sehen uns Trainings- und Simulationstools an, wie Nvidia ISAAK Sim & Lab oder Groot, Google Robotics, huggingface. ISAAK Sim & Lab ist auf der DGX Spark installiert, so dass wir uns den Funktionsumfang im Detail ansehen können.
Weitere Infos folgen
Ort: Kommt noch
Hybrid - Online Teilnahme möglich
Anmeldung ab 1 Monat vorher möglich.
- Einstieg & Motivation
- Grundidee von Machine Learning
- Hauptarten des Lernens
- Typischer ML-Prozess
- Beispiele aus der Praxis
- Chancen und Grenzen
Machine Learning (ML) ist ein Teilgebiet der Künstlichen Intelligenz, bei dem Computer aus Daten lernen, statt ausschließlich durch feste Regeln programmiert zu werden. Ziel ist es, Muster in Daten zu erkennen und daraus Vorhersagen, Entscheidungen oder Empfehlungen abzuleiten.
Ein typisches ML-System wird mit Beispieldaten trainiert. Aus diesen Daten berechnet es ein Modell, das später auf neue, unbekannte Daten angewendet wird. Beispiele sind Spam-Erkennung, Bilderkennung, Sprachverarbeitung, Produktempfehlungen, Betrugserkennung oder Qualitätskontrolle in der Industrie.
Es gibt drei zentrale Lernarten:
Überwachtes Lernen nutzt Daten mit bekannten Ergebnissen. Das Modell lernt zum Beispiel, ob eine E-Mail „Spam“ oder „kein Spam“ ist. Typische Aufgaben sind Klassifikation und Regression.
Unüberwachtes Lernen arbeitet mit Daten ohne vorgegebene Zielwerte. Das System sucht selbstständig Strukturen, etwa Kundengruppen oder ungewöhnliche Muster.
Bestärkendes Lernen basiert auf Belohnung und Bestrafung. Ein System lernt durch Ausprobieren, welche Handlungen langfristig zum besten Ergebnis führen, etwa bei Robotik oder Spielen.
Wichtige ML-Verfahren sind Entscheidungsbäume, Random Forests, Support Vector Machines, neuronale Netze und Deep Learning. Deep Learning ist eine spezielle Form des Machine Learning mit großen neuronalen Netzen, die besonders bei Bildern, Sprache und großen Datenmengen stark ist.
Die Qualität eines ML-Systems hängt stark von den Daten ab. Schlechte, verzerrte oder unvollständige Daten führen oft zu schlechten Ergebnissen. Außerdem besteht die Gefahr von Überanpassung: Das Modell lernt Trainingsdaten zu genau auswendig und funktioniert dann schlecht bei neuen Daten.
Machine Learning ist leistungsfähig, aber kein „magisches Denken“. Es erkennt statistische Zusammenhänge, versteht jedoch nicht automatisch Ursachen oder Bedeutung. Deshalb sind Datenqualität, Modellprüfung, Transparenz und menschliche Kontrolle entscheidend.
Quelle: GPT 5.5:
Ort: Kommt noch
Hybrid - Online Teilnahme möglich
Anmeldung ab August möglich.
Seit Jan. 2026 haben Tools, wie OpenClaw oder Hermes eine extreme Aufmerksamkeit erhalten. Jeweils mehr als 100.000 Sterne auf GitHub. Tausende MAC-Minis wurden gekauft, um die autonomen Tools außerhalb des Produktiv-Rechners 24/7 'arbeiten' zu lassen. Nach einem guten halben Jahr sehen wir uns 2 davon im Detail an:
- NemoClaw (OpenClaw in einer sicherren Nvidia Umgebung)
- Hermes in der Hostinger VPS und auf einem Linux-Laptop und/oder auf einem Raspi.
Die Tools kommen mit bescheidener Hardware aus, da die KI-Arbeit über angedockte LLM's wie Claude erfolgt. Im September können wir ggf. auch lokale LLM's im Tool betrachten.
Weitere Infos folgen.
Save the date
25.09.2026 l 09:30 - 17:00 Uhr
Die VDI Bezirksvereine Lenne, Westfalen und Emscher-Lippe laden gemeinsam mit dem Landesverband NRW und der Fachhochschule Südwestfalen zu einer interdisziplinären Fachtagung rund um die Themen Künstliche Intelligenz, Data Science und intelligente technische Systeme ein. Die Veranstaltung richtet sich an Unternehmen, Organisationen sowie alle Interessierten, die Künstliche Intelligenz bereits einsetzen oder sich künftig mit deren Anwendung befassen möchten. Im Mittelpunkt stehen innovative Forschungsansätze, praxisnahe Anwendungsbeispiele (Use Cases) sowie der Austausch zwischen Wissenschaft und Wirtschaft. Die Fachhochschule Südwestfalen präsentiert dabei ihre kooperativen Forschungsprojekte und ihr wissenschaftliches Knowhow. Ergänzt wird das Programm durch Fachvorträge, Workshops, Demonstrationen sowie vielfältige Networking-Möglichkeiten mit Expertinnen und Experten aus Wissenschaft und Praxis. Weitere Informationen folgen.
Ort: Wilh. Kämper GmbH u. Co KG - Altenaer Str. 184 - 58513 Lüdenscheid
02.06.26 - 17.00 Uhr bis 19.00 Uhr
Hybrid - Max. 10 Teilnehmer in Lüdenscheid, Rest online
Anmeldungen, Stand 28.05 - 18 davon 8 in Lüdenscheid
Gastreferent: Christian Renkes, Nica-Systems GmbH, Düsseldorf
Bild generiert mit Chat GPT Image 2
Bild: Fa. Kämper
Nicht erst seit Claude Mythos ist KI ein wichtiges Thema in der Abwehr von Cyberangriffen. Wir erfahren den aktuellen Stand von Christian Renkes, CEO von Nica Systems GmbH in Düsseldorf, einem Anbieter von spezialisierten IT-Sicherheitslösungen – von Compliance und Strategie bis hin zu Managed Security und Incident Response.
KI-gestützte Cyberangriffe
- Moderne Angriffstrategien
- KI industrialiseiert Cyberangriffe
- KI kennt das Unternehmen besser als viele Mitarbeiter
- Fallbeispiele
- Maßnahmen für echte KI-Resilenz