Gruppe 1: Grundlagen & Paradigmen – Was ist Künstliche Intelligenz?

Aufgabenstellung: Definiert den Begriff der Künstlichen Intelligenz, grenzt KI-Software von klassischer Programmierung ab und ordnet die historischen Meilensteine ein.

Kern (Einzelvortrag / Person 1): Begriffsbestimmung, Software-Abgrenzung und KI-Teilbereiche

• Nennt die vier Kernaufgaben von KI (Wahrnehmung, Lernen, Entscheidungsfindung, Sprachverarbeitung) und grenzt schwache KI, starke KI (AGI) sowie Künstliche Superintelligenz an je einem konkreten Beispiel voneinander ab.
• Ordnet KI in die Software-Taxonomie ein (Systemsoftware, Compiler, Middleware, Anwendungssoftware) und stellt traditionelle Software (fester Algorithmus wie beim Taschenrechner) der KI-Software (offene Parameter, Lernen aus Daten) gegenüber.
• Erklärt den Unterschied der zwei KI-Hauptströmungen: Symbolische KI anhand regelbasierter Expertensysteme (z. B. MYCIN, DENDRAL mit festen Wenn-Dann-Abfragen ohne echtes Textverständnis) vs. Maschinelles Lernen.

Zusatz (Doppelvortrag / Person 2): Grundbegriffe und Historie vom Turing-Test zum KI-Winter

• Klärt vorab exakt die sechs Grundbegriffe mit je einem konkreten Beispiel: Hardware, Information, Digital (zählbare Zeichen wie Morsecode), Binär (exakt zwei Zeichen), Daten und Software.
• Stellt den Turing-Test (1950, Chatten zur Prüfung auf „menschliches“ Verhalten) und die Dartmouth-Konferenz (1956, Begriffsprägung durch John McCarthy) als Startschuss der Forschung vor.
• Vergleicht Rosenblatts Perceptron (1958, nur eine Schicht und 400 Gewichte wie ein Fadenwurm) mit dem menschlichen Gehirn (100 Billionen Synapsen, 4–6 Schichten im Sehzentrum) und heutigen Netzen (ca. 1 Billion Synapsen).
• Rechnet die Kosten des ersten KI-Winters (1969) vor: 700 € pro Hardware-Synapse bedeuteten 1,5 Mio. € für das Perceptron und theoretische 700 Billionen € für ein heutiges Netz.

Nicht Teil des Vortrags: Mathematische Berechnungen einzelner Neuronen (folgt in Gruppe 6).

---

Gruppe 2: Wie Maschinen lernen – Trainingsphasen und Lernparadigmen 

Aufgabenstellung: Zeigt den konkreten technischen Entwicklungsablauf einer KI-Software und erklärt, mit welchen Grundstrategien Modelle aus Daten lernen.

Kern (Einzelvortrag / Person 1): Der 3-Phasen-Ablauf und die drei Haupt-Lernarten

• Erklärt die drei Phasen (Programmierung, Training, Anwendung) und exerziert das Zahlenbeispiel „Kreis vs. Rechteck“ mit konkreten Startgewichten (x = 0,3424; y = 0,9723; z = 0,1433), deren Anpassung bei Fehlern und dem Einfrieren nach dem Training durch.
• Erklärt Überwachtes Lernen (Supervised Learning) am Beispiel der Bildklassifikation (Katze vs. Hund) über den Zyklus: Vorhersage → Label-Vergleich → Gewichtsanpassung.
• Erklärt Unüberwachtes Lernen (Unsupervised Learning) als Mustererkennung auf unbeschrifteten Daten durch Abstandsmessung (Gruppen innen ähnlich, außen verschieden).
• Erklärt Bestärkendes Lernen (Reinforcement Learning) am Beispiel einer laufenden Spielfigur und begründet, warum das Feedback hier graduell („X % richtig“ über Punkte/Strafen statt 100 % richtig/falsch) erfolgt.

Zusatz (Doppelvortrag / Person 2): Halbüberwachtes Lernen, Enshittification und Live-Training

• Erklärt Halbüberwachtes Lernen (Kombination weniger beschrifteter mit vielen unbeschrifteten Bildern durch eigene Schätzungen bei hoher Sicherheit).
• Analysiert das Problem der „Enshittification“: Zeigt anhand des Verhältnisses von 1–5 % teurem überwachtem Training zu 95 % billigem unüberwachtem Internet-Training, wie KI durch Training auf eigenen KI-Inhalten in eine Abwärtsspirale gerät.
• Führt ein Live-Training mit „Google Teachable Machine“ für zwei Bildkategorien (z. B. Auto vs. Bus) durch und lässt drei Mitschüler das Modell live mit eigenen Testbildern herausfordern.

Bekannt vorausgesetzt: Grundbegriff KI-Software und offene Parameter (Vortrag 1).

---

Gruppe 3: Überwachtes Lernen in der Praxis – Lineare Regression und Entscheidungsbäume 

Aufgabenstellung: Übertragt das Prinzip des überwachten Lernens auf zwei konkrete mathematisch-algorithmische Verfahren für Zahlenvorhersagen und Klassifikationen.

Kern (Einzelvortrag / Person 1): Lineare Regression und Entscheidungsbäume

• Erklärt die Lineare Regression zur Vorhersage kontinuierlicher Werte (z. B. Wohnfläche → Preis) als Gerade y = w · x + b und zeigt an exakt 4 Datenpunkten im Koordinatensystem, wie Gewicht w und Verschiebung b den Vorhersagefehler minimieren.
• Konstruiert einen konkreten Entscheidungsbaum (Decision Tree) mit mindestens 3 Ebenen (Wurzel, innere Knoten mit Schwellenwert-Fragen, Blätter mit Klassen-Label) anhand einer Beispieltabelle mit 6 Datensätzen (z. B. Kreditvergabe oder Wettervorhersage).
• Zeigt Schritt für Schritt, wie ein neuer, unbekannter Datensatz durch den Baum von oben nach unten bis zur finalen Entscheidung im Blatt geroutet wird.

Zusatz (Doppelvortrag / Person 2): Vergleich mit Expertensystemen und Overfitting

• Stellt die historischen Expertensysteme aus dem Skript (MYCIN/DENDRAL, bei denen Menschen alle Regeln starr einprogrammieren mussten) einem Entscheidungsbaum gegenüber, der seine Schwellenwerte selbstständig aus Trainingsdaten berechnet.
• Demonstriert an einer Grafik das Problem des „Overfittings“ (Auswendiglernen von Ausreißern bei einer Kurve höherer Ordnung bzw. einem zu tiefen Baum) und erklärt, warum ein solches Modell in der Anwendungsphase bei neuen Daten versagt.

Bekannt vorausgesetzt: Prinzip des Überwachten Lernens und 3-Phasen-Ablauf (Vortrag 2).

---

Gruppe 4: Unüberwachtes Lernen in der Praxis – Vektorisierung, K-Means und Vektorquantisierung 

Aufgabenstellung: Zeigt, wie reale Objekte für den Computer in Zahlenvektoren übersetzt und anschließend ohne vorgegebene Labels automatisch gruppiert und komprimiert werden.

Kern (Einzelvortrag / Person 1): Merkmalsvektoren, K-Means-Algorithmus und Vektorquantisierung

• Erklärt die Vektorisierung von Eingabedaten am Skript-Beispiel „Mensch Paul“ (Zerlegung in numerische Attribute wie Männlichkeit x1 = 0,9; Namenslänge x2 = 0,1; Bartlänge x3 = 0,6; Intelligenz x4 = 0,8).
• Erklärt den K-Means-Algorithmus in seinen 4 exakten Einzelschritten: 1. Wahl von k Startzentren, 2. Zuordnung jedes Datenpunkts zum nächstgelegenen Zentrum, 3. Neuberechnung des Schwerpunkts, 4. Wiederholung bis keine Verschiebung mehr auftritt.
• Erklärt die Vektorquantisierung als direkte Anwendung von K-Means: Zeigt am Beispiel der Bildkompression, wie tausende RGB-Farbvektoren durch wenige repräsentative Cluster-Zentren (Palettenfarben) ersetzt werden.

Zusatz (Doppelvortrag / Person 2): Händische Iteration und Live-Farbquantisierung

• Rechnet an der Tafel/Folie für 5 konkrete zweidimensionale Punkte im Koordinatensystem (z. B. P1(1|1), P2(1|2), P3(5|4), P4(6|5), P5(5|5)) und k = 2 Startzentren zwei komplette Runden des K-Means-Algorithmus mit konkreten Mittelwerten vor.
• Zeigt in einem interaktiven Simulator (oder Bildprogramm), wie ein Foto durch Vektorquantisierung auf k = 16, k = 4 und k = 2 Farben reduziert wird und wie sich dabei Dateigröße und Bildqualität verändern.

Bekannt vorausgesetzt: Grundprinzip des Unüberwachten Lernens (Vortrag 2).

---

Gruppe 5: Bestärkendes Lernen & Evolution – Q-Table-Learning und Genetische Algorithmen 

Aufgabenstellung: Erklärt zwei Verfahren, die ohne vorgefertigte Musterlösungen durch Ausprobieren (Trial-and-Error) bzw. biologische Evolution optimale Strategien finden.

Kern (Einzelvortrag / Person 1): Q-Table-Learning und Genetische Algorithmen

• Überträgt das Bestärkende Lernen auf das Q-Table-Learning: Zeichnet ein 3x3-Spielfeld (Start, Hindernis mit -10 Punkten, Ziel mit +10 Punkten) und dazu die passende Q-Tabelle (9 Zeilen für Zustände, 4 Spalten für Aktionen Oben/Unten/Links/Rechts).
• Zeigt anhand von 3 konkreten Spielzügen nachvollziehbar, wie sich die Zahlenwerte in der Q-Tabelle vom Ziel rückwärts aufbauen, sodass die Spielfigur am Ende den optimalen Pfad ablesen kann.
• Erklärt Genetische Algorithmen anhand der 4 Evolutionsschritte an einem konkreten Beispiel (z. B. Rucksackproblem mit 4 Gegenständen als Bitmuster 1010): Initiale Population → Fitnessfunktion → Selektion & Crossover (Rekombination) → Mutation (Bit-Flip).

Zusatz (Doppelvortrag / Person 2): Live-Simulation und Methodenvergleich

• Demonstriert eine Live-Simulation eines genetischen Algorithmus (z. B. 2D-Autos oder laufende Kreaturen) über mindestens 10 Generationen und analysiert, wie Mutation verhindert, dass die Entwicklung in einer Sackgasse steckenbleibt.
• Vergleicht das zufällige/evolutionäre Suchen von Parametern beim Genetischen Algorithmus und Q-Learning mit der zufälligen Gewichtsanpassung aus dem Skript-Beispiel (Kreis vs. Rechteck).

Bekannt vorausgesetzt: Prinzip des Bestärkenden Lernens (Vortrag 2).

---

Gruppe 6: Künstliche Neuronale Netze I – Vom biologischen Gehirn zum künstlichen Neuron 

Aufgabenstellung: Zeigt, wie die Funktionsweise einer menschlichen Nervenzelle in eine mathematische Formel und ein berechenbares Software-Netzwerk übersetzt wird.

Kern (Einzelvortrag / Person 1): Mathematisches Modell und komplette Beispielrechnung

• Definiert das künstliche Neuron mit allen Bestandteilen: Eingänge (x1, x2, ...), Synapsen-Gewichte (w1, w2, ...) inkl. dem Skript-Beispiel (x1 = 4, w1 = 0,5 → 2), Summation mit Schwellwert (Bias b) und Aktivierungsfunktion f in der Formel A = f(w1·x1 + w2·x2 + ... + b).
• Stellt die 3-Schichten-Struktur (Eingangsschicht, Verarbeitungsschicht, Ausgangsschicht) vor und rechnet das komplette Netzwerk-Beispiel aus dem Skript (n1 bis n7) nachvollziehbar vor.
• Berechnet live die im Skript noch unausgerechneten Endwerte der beiden Ausgangsneuronen n8 und n9 anhand der dort angegebenen Gewichte, Bias-Werte und Aktivierungsfunktionen.

Zusatz (Doppelvortrag / Person 2): Biologisches Vorbild, Unterschiede und Speicher-Architektur

• Erklärt die Aufgabenteilung der menschlichen Gehirnareale (z. B. visuelles Zentrum, Broca-/Wernicke-Areal, Kleinhirn) sowie die 4 Schritte der Reizweiterleitung am multipolaren Neuron (Dendriten, synaptischer Spalt mit Neurotransmittern, Somahügel mit -55 mV-Schwelle, konstantes 100 mV-Aktionspotential über das Axon).
• Erläutert die zwei konkreten Unterschiede zwischen Biologie und Informatik: 1. Biologische Neuronen haben keine variable Aktivierungsfunktion (feuern immer konstant mit ca. 100 mV), 2. Elektrische Feldeffekte beeinflussen im echten Gehirn Nachbarbahnen.
• Zeigt anhand des Speicher-Abbilds aus dem Skript (Neuron #60 und #61), dass künstliche Neuronen keine Spezial-Hardware sind, sondern als reine Datenblöcke im RAM liegen.

Bekannt vorausgesetzt: Vektorisierung von Eingabedaten (Vortrag 4).

---

Gruppe 7: Künstliche Neuronale Netze II – Deep Learning und Large Language Models (LLMs) 

Aufgabenstellung: Erklärt den Übergang zu mehrschichtigen Netzen (Deep Learning) und entschlüsselt die technische Funktionsweise moderner Sprachmodelle wie ChatGPT.

Kern (Einzelvortrag / Person 1): Deep Learning, Backpropagation und Ein-/Ausgabeschichten

• Definiert Deep Learning als Verbund mehrschichtiger neuronaler Netze (mehrere Hidden Layers zwischen Input und Output Layer) mit enormer Rechenleistung und nennt die Meilensteine AlphaGo (2016) sowie ChatGPT (2022).
• Grenzt exakt ab, welche Größen bei neuronalen Netzen vom Programmierer vorab festgelegt werden (Neuronenanzahl, Verschaltung, Aktivierungsfunktion) und welche beim Training ermittelt werden (Gewichte und Bias).
• Erklärt den Durchbruch ab 1986 durch Backpropagation (Fehlerrückführung als verbesserte „Lehrmethode“ bzw. separater Trainingsalgorithmus) in Kombination mit sinkenden Hardwarekosten.

Zusatz (Doppelvortrag / Person 2): Funktionsweise, Kontext und Nicht-Determinismus bei LLMs

• Erklärt den Unterschied zwischen verlustfreier Vektorisierung (klassische KNNs) und verlustbehafteter, tensorbasierter Vektorisierung bei LLMs sowie die iterative Ausgabeschleife (Ausgabeneuronen liefern Wahrscheinlichkeiten für Buchstaben/Tokens bei LLMs, Pixel bei DALL-E oder Töne bei SUNO).
• Erklärt, warum die Gewichte bei LLMs im Betrieb festgeschrieben sind (Schutz vor „Verdummung“ durch falsche Nutzereingaben) und wie stattdessen ein Gedächtnis sowie Verhaltensregeln über das unsichtbare Anhängen des bisherigen Chat-Kontexts simuliert werden.
• Löst das Rätsel des Nicht-Determinismus (warum gibt ein festes Netz immer andere Antworten?) am Skript-Beispiel der Eingabe „Hey“: Zeigt, wie zwischen den aktivierten Endneuronen („bro“ 80 %, „there“ 60 %, „you“ 40 %, „bye“ 0 %) per gewichtetem Zufall ausgelost wird.

Bekannt vorausgesetzt: Aufbau und Berechnung eines künstlichen Neurons (Vortrag 6).

---

Gruppe 8: KI und Gesellschaft – Quantifizierung, Objektivitätsillusion und Ethik 

Aufgabenstellung: Beurteilt kritisch die gesellschaftlichen Folgen, wenn menschliche Eigenschaften in Zahlen gepresst werden und KI über Menschen entscheidet.

Kern (Einzelvortrag / Person 1): Quantifizierung der Welt, Objektivitätsillusion und Werteorientierung

• Analysiert das Problem der „Quantifizierung der Welt“: Zeigt am Vektorisierungsbeispiel „Mensch Paul“ (x1 = Männlichkeit 0,9; x4 = Intelligenz 0,8), welche Verkürzungen entstehen, wenn komplexe menschliche Eigenschaften auf eindimensionale Zahlenwerte reduziert werden.
• Erklärt das Lehrplan-Konzept „Wahrnehmung subjektiver Modellierungsansätze als objektive Tatsachen“: Begründet anhand eines Fallbeispiels (z. B. Bewerber-KI), warum subjektive Trainingsdaten-Auswahl und das Black-Box-Problem (fehlende Fehlersuche bei abstrakten Gewichten) Vorurteile wie objektive Mathematik aussehen lassen.
• Diskutiert die Werteorientierung und ethische Grenze aus dem Skript: Warum Entscheidungen über menschliches Leben oder Schicksal (z. B. Medizin, Justiz, autonome Waffen) niemals vollständig an eine KI abgegeben werden dürfen.

Zusatz (Doppelvortrag / Person 2): Einsatzziele, AGI-Strategien und gesellschaftliche Gefahren

• Stellt die drei Haupteinsatzziele von KI (Automatisierung von Entscheidungen, Prozessoptimierung in Logistik/Medizin/Finanzen, Erweiterung menschlicher Fähigkeiten) sowie die drei Forschungsansätze zur AGI (neuroinspiriert, architektonisch unabhängig, hybrid) mit ihren jeweiligen Grenzen vor.
• Analysiert die drei gesellschaftlichen Gefahren aus dem Skript im Detail: 1. De-facto-Zwang und Anbieterabhängigkeit durch Wettbewerbsdruck, 2. „Erlernte Hilflosigkeit“ (physiologischer Abbau ungenutzter Synapsen im Gehirn zum Energiesparen, der durch Abstinenz umkehrbar ist), 3. Arbeitsplatzverlust durch die Kombination aus KI und Robotik.

Bekannt vorausgesetzt: Vektorisierung (Vortrag 4) sowie Black-Box-Eigenschaft und Training neuronaler Netze (Vorträge 1, 2 und 7).

Leitfaden für eine gute Reflexion nach dem Vortrag

(Bitte in ganzen Sätzen und mit nachvollziehbarer Struktur ausformulieren. Ziel ist keine Nacherzählung, sondern eine kritische Auseinandersetzung mit dem Prozess und dem Ergebnis.)

---

1. Vorbereitung und Arbeitsprozess

➤ Was habt ihr konkret gemacht, um das Thema zu erarbeiten?
➤ Wie gut hat eure Zeitplanung funktioniert?
➤ Gab es Schwierigkeiten – und wie seid ihr damit umgegangen?

Was sollte vorkommen:

• Recherche- und Arbeitsmethoden

• Umgang mit Informationsflut oder Verständnisproblemen

• Zielgerichtetes Arbeiten oder unnötiger Leerlauf

• Umgang mit Korrekturen / Lehrerfeedback im Prozess

---

2. Teamarbeit und Aufgabenverteilung

➤ Wie wurde die Arbeit im Team verteilt?
➤ War die Verteilung gerecht und effizient?
➤ Wie gut hat die Zusammenarbeit funktioniert – sachlich und menschlich?

Was sollte vorkommen:

• Wer hat was gemacht – und warum?

• Gab es Konflikte oder Missverständnisse?

• Wie habt ihr eure Stärken genutzt?

• Was würdet ihr beim nächsten Mal anders machen?

---

3. Der Vortrag / Die Videoaufnahme

➤ Wie zufrieden seid ihr mit eurer Präsentation (Inhalt, Sprache, Auftreten)?
➤ Was lief gut – was lief nicht gut?
➤ Wie wirkt die Aufnahme auf euch selbst (Körpersprache, Verständlichkeit, Fachlichkeit)?

Was sollte vorkommen:

• Selbstkritische Beobachtungen zur eigenen Performance

• Wirkung der Präsentationsmedien (PowerPoint, Tafel, etc.)

• Umgang mit Nervosität oder technischen Problemen

• Einschätzung der Wirkung auf das Publikum

---

4. Fremdeinschätzung durch die Lehrkraft

(Auslassen, wenn Feedback durchgehend positiv)

➤ Welche Punkte in der Lehrerbewertung habt ihr nachvollziehen können – und warum?
➤ Wart ihr überrascht von bestimmten Bewertungen?
➤ In welchen Punkten seht ihr euch ungerecht oder besonders treffend beurteilt?

Was sollte vorkommen:

• Konkreter Bezug zur Lehrerbewertung (nicht nur "fand ich gerecht" oder "war okay")

• Reflexion über Lücken zwischen Selbstbild und Fremdwahrnehmung

• Offenheit für Kritik – aber auch begründete Gegenposition möglich

---

5. Fazit und Ausblick

➤ Was habt ihr aus dem Projekt gelernt – inhaltlich und methodisch?
➤ Was würdet ihr beim nächsten Mal konkret anders machen?
➤ Was nehmt ihr für zukünftige Präsentationen mit?

Was sollte vorkommen:

• Echte Erkenntnisse (nicht nur „mehr vorbereiten“ o. Ä.)

• Konkrete Vorhaben für künftige Projekte

• Mögliche Veränderungen im Arbeitsverhalten oder Präsentationsstil

---

Formale Hinweise

• Umfang: ca. 1 – 1½ Seiten

• Schreibform: ganze Sätze, keine Stichpunkte

• Stil: sachlich, reflektierend, ehrlich

• Sprache: korrektes Deutsch (aber kein gestelztes Lehrbuchdeutsch)

---

✅ Checkliste zur Selbstkontrolle

Nachfolgend findet ihr die Vortragsaufträge für eure Präsentationen rund um die CMOS-Technologie. Bitte wählt ein Thema, das euch interessiert. Jeder Vortrag ist auf 20 Minuten ausgelegt und baut idealerweise auf den Grundlagen der CMOS-Technologie auf, die im ersten Vortrag (Gruppe 1) behandelt werden. Die späteren Vorträge müssen nicht erneut tief in die Funktionsweise von NMOS und PMOS einsteigen, sondern können von den in Gruppe 1 und 2 vermittelten Grundlagen ausgehen. Unten findet ihr außerdem das vollständige Bewertungsraster.

Die Vorträge beginnen im nächsten Jahr.

Die Quote aller Bewertungskategorien geht zu gleichen Teilen in die Gesamtnote ein. Das bedeutet, dass die Punkte der Kategorien auf 5 Punkte hochskaliert werden, bevor sie kategorieübergreifend verrechnet werden.

---

Allgemeine Hinweise für alle Vorträge

• Bekanntes Wissen (wird nicht erneut erläutert):

  • Die Grundlagen der Aussagenlogik, die Funktionsweise von UND, ODER, NICHT, Implikation und Äquivalenz sowie das Erstellen von Wahrheitstabellen sind euch bereits bekannt und müssen nicht Teil eurer Präsentation sein.
  • Grundlagen, die in Gruppe 1 und 2 behandelt werden (z. B. wie NMOS und PMOS in einer CMOS-Schaltung zusammenwirken), müssen von den nachfolgenden Vorträgen nur kurz angerissen werden, falls nötig.

• Unbedingt zu behandeln:

  • Jeder Vortrag muss einen Bezug zur praktischen Umsetzung in der CMOS-Technologie haben.
  • Nutzt Simulationen oder anschauliche Beispiele, um eure Erklärungen zu untermauern.
  • Achtet auf eine klare, übersichtliche und fehlerfreie Dokumentation eurer Inhalte.

• Zeitmanagement:

  • Eure Präsentation muss in 20 Minuten abgehalten werden. Plant eure Inhalte entsprechend!

• Vorbereitung auf Nachfragen:

  • Bereitet euch darauf vor, mindestens 5 Rückfragen kompetent zu beantworten.

• Reflexion:

  • Nach dem Vortrag erfolgt eine umfassende Reflexion des Vortrags.

---

Vortragsaufträge

Gruppe 0 (Einzelvortrag): Grundlagen logischer Schaltungen und Überblick über Transistortypen (Tobias)

Aufgabenstellung:
Erarbeitet eine Präsentation, die die historische Entwicklung und die grobe Funktionsweise logisch schaltender Bauteile behandelt.

• Zu behandeln:
  • Historienabriss von Hardwarebauteilen, die logische Schaltungen realisieren konnten + grobe Funktionsweisenerklärung
  • Überblick Transistortypen und ihre Funktionsweise/Einsatzgebiete

---

Gruppe 1 (Doppelvortrag): Grundlagen der CMOS-Technologie (Tito + Milan) (Mia + Anoop + Amira)

Aufgabenstellung:
Erarbeitet eine Präsentation, die die grundlegenden Bausteine der CMOS-Technologie erklärt.

• Zu behandeln:
  • NMOS- und PMOS-Transistoren:
    • Erklärt, wie ein NMOS- bzw. PMOS-Transistor arbeitet (Schaltverhalten: NMOS leitet bei HIGH, PMOS leitet bei LOW).
    • Beschreibt kurz, was Dotierung bewirkt – ohne zu tief in die physikalischen Details zu gehen.
  • Das CMOS-Prinzip:
    • Erläutert, warum NMOS und PMOS komplementär eingesetzt werden.
    • Nenne die Vorteile der CMOS-Technologie (z. B. geringer Stromverbrauch im statischen Zustand, hohe Integrationsdichte).
  • Beispielschaltung – CMOS-Inverter:
    • Zeigt den Aufbau eines CMOS-Inverters anhand eines Schaltplans.
    • Nutzt eine Simulation (z. B. mit Falstad, CircuitVerse oder Logisim) zur Veranschaulichung.
• Nicht Teil des Vortrags:
  • Eine detaillierte Erklärung der Aussagenlogik (Wahrheitstabellen für UND, ODER etc.) muss nicht erfolgen.

---

Gruppe 2 (Doppelvortrag): Der CMOS-Inverter im Detail (Marvin) + Ausblick auf das XNOR-Gatter (MinThri + Gia Bao)

Aufgabenstellung:
Fokussiert euch auf den CMOS-Inverter als zentrales Element digitaler Schaltungen.

• Zu behandeln:
  • Aufbau des CMOS-Inverters:
    • Detaillierte Zeichnung mit Kennzeichnung von NMOS und PMOS.
    • Erklärung, wie der Wechsel zwischen den beiden Transistoren die Logikfunktion ermöglicht.
  • Funktionsweise anhand einer Wahrheitstabelle:
    • Zeigt, wie der Ausgang (HIGH oder LOW) in Abhängigkeit vom Eingang zustande kommt.
  • Simulation:
    • Demonstriert die Funktionsweise des Inverters mithilfe einer Simulation.
• Bekannt vorausgesetzt:
  • Grundkenntnisse der CMOS-Technologie aus Gruppe 1.
• Nicht Teil des Vortrags:
  • Wiederholung der grundlegenden Aussagenlogik.

---

Gruppe 3 (Doppelvortrag): Das CMOS-AND-Gatter (verpflichtend) und optional das NAND-Gatter (Linas + Noel) (Inga)

Aufgabenstellung:
Euer Vortrag fokussiert sich verpflichtend auf die Realisierung des CMOS-AND-Gatters.

• Zu behandeln:
  • CMOS-AND-Gatter:
    • Erstellt ein Schaltbild des CMOS-AND-Gatters und erklärt, wie die Transistoren (NMOS und PMOS) so angeordnet werden, dass das logische AND-Verhalten entsteht.
    • Zeigt die dazugehörige Wahrheitstabelle.
    • Nutzt eine Simulation, um die Funktionsweise anschaulich darzustellen.
  • Optional (Good-to-have):
    • Ergänzt euren Vortrag mit einer kurzen Darstellung des CMOS-NAND-Gatters als Vergleich, falls es der Zeitrahmen zulässt.
• Bekannt vorausgesetzt:
  • Grundlagen aus Gruppe 1 (CMOS-Prinzip) und die Funktionsweise des CMOS-Inverters aus Gruppe 2.
• Nicht Teil des Vortrags:
  • Eine erneute tiefgehende Einführung in die Eigenschaften von NMOS und PMOS.

---

Gruppe 4 (Doppelvortrag): Das CMOS-OR- und NOR-Gatter (Justin + Gia Long) (Quiana + Isabelle)

Aufgabenstellung:
Erarbeitet eine Präsentation zu einem der folgenden Themen:

• Option 1: Das CMOS-OR-Gatter
• Option 2: Das CMOS-NOR-Gatter
• Oder: Vergleicht beide, wenn euer Umfang es zulässt.
• Zu behandeln:
  • Schaltungsaufbau:
    • Zeichnet die CMOS-Schaltung(en) und erklärt die Anordnung der NMOS- und PMOS-Transistoren (seriell bzw. parallel) und warum diese Konfiguration gewählt wurde.
  • Logische Funktionsweise:
    • Stellt die Wahrheitstabelle dar und erläutert, wie die Logikfunktion entsteht.
  • Simulation:
    • Nutzt eine Simulation, um den praktischen Ablauf zu demonstrieren.
  • Trivia:
    • Erwähnt interessante Anwendungen oder Besonderheiten (z. B. energetische Effizienz).
• Bekannt vorausgesetzt:
  • Grundlagen der CMOS-Technologie und die Prinzipien aus den Vorträgen Gruppe 1 und 2.
• Nicht Teil des Vortrags:
  • Eine detaillierte Wiederholung der Transistor-Grundlagen.

---

Gruppe 5 (Doppelvortrag): Das CMOS-XOR-Gatter (Matea + David) (Rema + Romy)

Aufgabenstellung:
Erarbeitet einen Vortrag zum CMOS-XOR-Gatter, das aufgrund seiner komplexeren Implementierung eine besondere Herausforderung darstellt.

• Zu behandeln:
  • Schaltungsaufbau:
    • Erstellt ein Schaltbild des CMOS-XOR-Gatters. Erklärt, wie zusammengesetzte Grundgatter (wie Inverter, AND, OR) zur Realisierung des XOR genutzt werden.
  • Logikfunktion:
    • Zeigt die Wahrheitstabelle und erklärt, warum das XOR-Gatter in der digitalen Logik eine besondere Rolle spielt.
  • Simulation:
    • Demonstriert den Betrieb des XOR-Gatters mittels einer Simulation.
  • Trivia:
    • Erklärt praxisnahe Herausforderungen und interessante technische Fakten rund um das XOR-Gatter.
• Bekannt vorausgesetzt:
  • Grundlagen aus den Vorträgen Gruppe 1 bis 4.
• Nicht Teil des Vortrags:
  • Eine erneute tiefgehende Erklärung von NMOS und PMOS.

---

Gruppe 6 (Doppelvortrag): Das CMOS-XNOR-Gatter

Aufgabenstellung:
Stellt das CMOS-XNOR-Gatter vor, das als logische Umkehrung des XOR dient.

• Zu behandeln:
  • Schaltungsaufbau:
    • Zeichnet die CMOS-Schaltung des XNOR-Gatters und erläutert, wie die Kombination der Transistoren die XNOR-Funktion ermöglicht.
  • Vergleich zum XOR:
    • Stellt kurz dar, inwiefern das XNOR strukturell und funktional dem XOR ähnlich oder unterschiedlich ist.
  • Simulation:
    • Führt eine Simulation durch, die die Funktionsweise des XNOR-Gatters veranschaulicht.
  • Trivia:
    • Nennt Anwendungsbeispiele und diskutiert besondere Herausforderungen in der Realisierung.
• Bekannt vorausgesetzt:
  • Grundlagen der CMOS-Technologie sowie die Inhalte der Vorträge zu XOR (Gruppe 5) und den Basisvorträgen.
• Nicht Teil des Vortrags:
  • Wiederholung der grundlegenden Transistoren-Funktionsweisen.

---

Gruppe 7 (Einzelvortrag – Optional): Praktische CMOS-Simulationen und Beispiele (Lea)

Aufgabenstellung:
Dieser Vortrag bietet einen praxisorientierten Einblick in die Simulation und den experimentellen Aufbau von CMOS-Schaltungen.

• Zu behandeln:
  • Vorstellung von Simulationswerkzeugen:
    • Zeigt, wie Tools wie Falstad, CircuitVerse oder Logisim genutzt werden können, um CMOS-Schaltungen zu simulieren.
  • Praktische Beispiele:
    • Demonstriert anhand eines oder mehrerer Beispiele (z. B. Inverter, AND, XOR), wie die Theorie in der Simulation umgesetzt wird.
  • Tipps und Tricks:
    • Gebt Hinweise auf häufige Fehlerquellen und wie man diese erkennt bzw. behebt.
• Bekannt vorausgesetzt:
  • Die grundlegenden CMOS-Konzepte aus den Pflichtvorträgen.
• Nicht Teil des Vortrags:
  • Eine tiefergehende Diskussion der theoretischen CMOS-Grundlagen (diese wurden bereits behandelt).

---

Gruppe 8 (Optional): Reflexion und Ausblick – Trends und Herausforderungen in der CMOS-Technologie (Tetiana + Natalie) (Ksenia + Oxana)

Aufgabenstellung:
Erarbeitet einen kurzen Vortrag, der über den reinen Gatterbau hinausblickt und aktuelle Herausforderungen sowie Zukunftstrends in der CMOS-Technologie beleuchtet.

• Zu behandeln:
  • Aktuelle Herausforderungen:
    • Diskutiert Themen wie Miniaturisierung, Leistungsaufnahme, Geschwindigkeit und thermische Probleme.
  • Zukunftstrends:
    • Gebt einen Ausblick auf fortschrittliche Technologien wie FinFETs (als „Goodie“ am Rande).
  • Reflexion:
    • Reflektiert, wie diese Entwicklungen den praktischen Gatterbau beeinflussen könnten.
• Bekannt vorausgesetzt:
  • Grundlegende CMOS-Konzepte, wie in den Pflichtvorträgen vermittelt.
• Nicht Teil des Vortrags:
  • Eine erneute detaillierte Erklärung der CMOS-Basisarchitektur.

---

Diese Auftragsformulierungen sollen euch einen klaren Rahmen an die Hand geben. Wählt bitte euer Thema und beachtet dabei, dass ihr in euren Vorträgen nur die Inhalte vertieft, die über das bereits vermittelte Basiswissen (Gruppe 1 und 2) hinausgehen. So wird sichergestellt, dass auch bei Ausfall der optionalen Vorträge das Grundverständnis der CMOS-Technologie und deren praktische Umsetzung vermittelt wird.

Bewertungsraster
1. Präsentationsdokument (insgesamt 6 Punkte):

• Lesbarkeit/Schriftgröße: 1 Punkt

• Übersichtlichkeit/Struktur: 1 Punkt

• Vollständigkeit (das Dokument erklärt das Thema ohne Logiklücken): 1 Punkt

• Fehlerfreiheit: 3 Punkte

• 3 Punkte: keine Fehler

• 2 Punkte: 1–2 Fehler

• 1 Punkt: 3–5 Fehler

• 0 Punkte: mehr als 5 Fehler

2. Präsentationsweise (insgesamt 4 Punkte):

• Klare Ausdrucksweise/Verständlichkeit: 1 Punkt

• Angemessene Lautstärke/Geschwindigkeit: 1 Punkt

• Motivationsfähigkeit: 1 Punkt

• Kompetenzausstrahlung/Selbstsicherheit: 1 Punkt

3. Nachfragensicherheit (insgesamt 5 Punkte):

• Es werden nach dem Vortrag mindestens 5 Fragen gestellt, die hinreichend kompetent beantwortet werden müssen (maximal 5 Punkte).

4. Reflexion (insgesamt 3 Punkte):

• 3 Punkte: Eigene Schwächen und Stärken realistisch erkannt

• 2 Punkte: Eigene Schwächen erkannt, eigene Stärken nicht erkannt

• 1 Punkt: Eigene Stärken erkannt, Schwächen nicht erkannt

• 0 Punkte: komplette Fehleinschätzung

Die Quote aller Bewertungskategorien geht zu gleichen Teilen in die Gesamtnote ein. Das bedeutet, dass die Punkte der Kategorien auf 5 Punkte hochskaliert werden, bevor sie kategorieübergreifend verrechnet werden.

Erklärung: Zeitlich dürfen die 3. Welle-Vorträge erst nach den 2.-Welle und die 
wiederum erst nach den 1. Welle-Vorträgen gehalten werden. Die X.-Welle-Vorträge 
sind zeitlich unabhängig und können immer gehalten werden.

OSI/ISO-Schichtenmodell (1. Welle)

• Erklärung und visuelle Simulation (schematisch)
• Beispielsimulation für 3 verschiedene Sender-Empfänger-Anwendungsfälle
• z.B.:
  • VPN-Verkehr zwischen Host und Client
  • Signal-Nachrichten zwischen zwei Clients
  • FPS-Gaming zwischen Client und Server

UDP/TCP (2. Welle)

• Einführung UDP inkl. anschaulicher Simulation
• Einführung TCP inkl. anschaulicher Simulation
• Erklären der Unterschiede zwischen UDP und TCP
• Ausblick auf QUIC (Quick UDP Internet Connections) -> Nur Vorteile gegenüber TCP/UDP?

Transportverschlüsselung (3. Welle)

• Einblick gewähren in den schematischen Ablauf folgender Verfahren:
  • HTTPS-Verfahren
  • TLS-Verfahren
  • Open-VPN-/Wireguard-Verfahren 
• Simulation eines der Verfahren an einem realistischen Beispiel

DNS im Detail (3. Welle)

• Erklärung und Simulation von DNS-Abfragen von Personal Computern zu DNS-Servern:
  • DNS
  • DNS over HTTPS
• Veranschaulichung des Updates zwischen DNS-Servern:
  • AXFR
  • IXFR
  • NOTIFY

IP-Adressierung und IP-Zuweisung über DHCP (2. Welle)

• Netzwerkanteil/Hostanteil in IP-Adressen (IPV4 / IPV6 mit Beispielkonfiguartion für ein Beispielnetzwerk)
• Netzwerkpräfix vs. Netzmaske (IPv6 vs IPv4)
• Funktionsweise von DHCP inkl. einfache Filius-Simulation
• Unterschied DHCP (IPv4 und IPv6) vs SLAAC (IPv6)

(Internet-)Routing (Router) (3. Welle)

• Funktionsweise von Routern bei IPv4 (NAT-Prinzip bei öffentlichter/privater IP-Adresse)
• Nachempfindung/Visualisierung des Weges eines Datenpakets über das Internet modellhaft
• Simulation inkl. Gruppenübung mit Filius (LAN 1 (Webbrowser) -> Router 1 (mit LAN/WAN-IP) -> Router 2 (mit LAN/WAN-IP) -> LAN 2 (Webserver))

Modems (X. Welle)

• Erklärung des Begriffs
• Überblick über Funktionsweisen, Unterschiede und Einsatzzwecke verschiedener populärer Modemtypen:
  • DSL-Modem
  • Kabelmodem
  • LTE/5G-Modem
  • Glasfaser (ONT) - Modem
  • Satellitenmodem 
• Simulation eines realistischen Netzwerkverkehrbeispiels über ein oder mehrere dieser Modemarten

Authentifizierungsfaktoren (X. Welle)

• Übersicht und Vergleich verschiedener Multifaktorauthentifikationsverfahren hinsichtlich ihrer Sicherheit:
  • Biometrische (Fingerabdruck, Face-ID, Retina)
  • Wissensbasierte (Passwörter, PINs, Sicherheitsfragen)
  • Besitzbasierte (Passkeys, Hardware-Token, USB-Keys, SMS-Codes, E-Mail-Codes)

HTML/CSS/JS/PHP (X. Welle)

• Übersicht über die Funktionsweise und das Ineinandergreifen der folgenden Website-Sprachen:
  • HTML: Kurze Beispiele, ggf. Präsentation über Element-Inspektor
  • CSS: Einbindungsmethoden in HTML, kurze Beispiele, ggf. Präsentation über Element-Inspektor
  • JS: Einbindung in HTML, Zeitlicher Ablauf beim Laden einer Seite mit JS-Anteil
  • PHP (Serverseitige HTML-Generierung)
  • Kurze schematische Visualisierung einer modellhaften Website, die über PHP generiert wird, und auf ein externes JS-Script sowie ein externes CSS-Script zugreift um einen Countdown anzuzeigen (Nicht selbst programmieren, sondern zeigen, wie die Scripts dabei örtlich und zeitlich ineinandergreifen)
• Vorstellen der Schwachstellen der o.g. Sprachen, die Hacker nutzen könnten

Einstiegsaufgabe zur Wiederholung:

Erstelle ein Entity-Relationship-Diagramm (ER-Diagramm) für das Studio. Berücksichtige dabei folgende Anforderungen der Geschäftsleitung:

• Mitglieder & Verträge: Von jedem Mitglied werden Name, Vorname, Geburtsdatum und eine eindeutige Mitgliedsnummer gespeichert. Jedes Mitglied schließt genau einen Vertrag ab (z. B. "Basic", "Premium", "Student"). Ein Vertragstyp kann natürlich von vielen Mitgliedern genutzt werden.
• Trainer: Das Studio beschäftigt verschiedene Trainer (Name, Spezialisierung, Personalnummer).
• Kursangebot: Es werden Kurse angeboten (z. B. "Yoga", "Crossfit", "Zumba"). Ein Kurs hat einen Namen, einen Raum und eine feste Uhrzeit.

Zuweisungen:

• Jeder Kurs wird von genau einem Trainer geleitet. Ein Trainer kann jedoch mehrere verschiedene Kurse leiten.
• Mitglieder können sich für Kurse einschreiben. Ein Mitglied kann viele Kurse besuchen, und in einem Kurs können viele Mitglieder angemeldet sein.

Zusatz-Challenge (Optional): Jedes Mitglied bekommt einen festen Spind für die Dauer seines Aufenthalts. Ein Spind gehört immer nur zu einem Mitglied, und ein Mitglied nutzt (zeitgleich) nur einen Spind.

Praxisaufgabe: "YouTube Reverse Engineering"

Situationsbeschreibung:

Die Struktur der Plattform YouTube soll rekonstruiert werden. Das passiert in der Realität häufig, z.B. für Pentesting oder Konkurrenz-Entwicklung. Du sollst nur das modellieren, was ein nicht eingeloggter (anonymer) Nutzer auf der Webseite sehen kann.

Aufgabe:

Analysiere die YouTube-Oberfläche (Startseite, Kanalseite, Videoseite) und erstelle ein ER-Diagramm.

Berücksichtige dabei folgende Entitäten und Informationen:

• Videos: Welche Daten sind direkt unter oder im Video sichtbar? (Titel, Aufrufe, etc.)
• Kanäle: Ein Video wird immer von einem Kanal hochgeladen. Welche Informationen hat ein Kanal?
• Playlists: Videos können in Playlists gruppiert sein.
• Kommentare: Unter dem Video finden sich Kommentare. (Hinweis: Ignoriere die Antwort-Funktion auf Kommentare für die erste Version).

Zusatzfragen zur Modellierung:

• Welche Kardinalität besteht zwischen Kanal und Video?
• Wie sieht die Beziehung zwischen Video und Playlist aus? (Ein Video kann in vielen Playlists sein, eine Playlist enthält viele Videos).

Skript Technische Informatik