Dieses Seminar widmet sich Abstraktion und abstraktem Denken sowie deren Anwendung in Prozessen des maschinellen Lernens (Machine Learning, ML). Die Studierenden untersuchen Systeme der Abstraktion, wie sie innerhalb ihrer eigenen kreativen und technischen Arbeitsweisen entstehen, und nutzen maschinelles Lernen sowohl als Gegenstand der Analyse als auch als praktisches Werkzeug.

Der Kurs verbindet praxisorientiertes Experimentieren mit theoretischer Reflexion. Die Studierenden werden in die Grundlagen des maschinellen Lernens eingeführt und setzen sich zugleich kritisch mit dessen Auswirkungen auf Mensch, Gesellschaft und das menschlich-natürliche Ökosystem auseinander. Vor diesem Hintergrund wird Abstraktion sowohl als rechnerischer Vorgang als auch als kultureller, politischer und ökologischer Prozess verstanden. Praktische Übungen im Bereich des maschinellen Lernens werden durch die intensive Lektüre und Diskussion technischer sowie theoretischer Texte ergänzt, um diese Technologien in breitere soziale, historische und ökologische Kontexte einzuordnen.

Um einen informierten und kritischen Standpunkt gegenüber maschinellem Lernen und zeitgenössischen Technologien zu entwickeln, beschäftigen sich die Studierenden mit der „Anatomie“ von ML-Systemen – also mit der Art und Weise, wie Daten abstrahiert, codiert, trainiert und interpretiert werden. Die gemeinsame Lektüre und Diskussion technischer Fachpublikationen in Verbindung mit kritischer Theorie ermöglicht es den Studierenden, disziplinäre Sprachräume zu überbrücken und zu verstehen, wie Gestaltungsentscheidungen, mathematische Modelle und Datensätze soziale und ökologische Auswirkungen haben. Ziel des Kurses ist es nicht, die Studierenden zu Ingenieur:innen auszubilden, sondern eine technische Mündigkeit zu fördern, die es ihnen erlaubt, kompetent und reflektiert mit Akteur:innen zu kommunizieren, die an der Entwicklung und Umsetzung dieser Technologien beteiligt sind.

Das Seminar verfolgt das Ziel, die Studierenden mit einem grundlegenden technischen und konzeptuellen Verständnis von maschinellem Lernen auszustatten und dieses als Ausgangspunkt für kreative, kritische und spekulative Praktiken zu nutzen. Am Ende des Seminars entwickelt jede*r Studierende bzw. jedes Team eine spekulative Vision einer technologischen Zukunft. Diese Projekte müssen nicht vollständig funktionsfähig sein, sondern verstehen sich als experimentelle Entwürfe, die alternative, verantwortungsvollere und imaginativere Zukünfte von Technologie entwerfen.

Die Bewertung setzt sich aus Anwesenheit, aktiver Teilnahme an den Diskussionen sowie einer Abschlusspräsentation zusammen. Die Anwesenheit fließt mit 20 % in die Gesamtnote ein. Die Lektüreaufgaben sowie die aktive Beteiligung an den Seminardiskussionen machen 40 % der Bewertung aus. Die Abschlusspräsentation trägt mit 40 % zur Endnote bei.