KursVerteidigung, Militärtechnik & Landsysteme Bewerbungen geöffnet

Ethik beim Deep Learning für ISR – Online-Kurs

Online-Kurs mit 300 Stunden zur Ethik im Deep Learning für ISR. 6 Module zu Zusatzprotokoll I zu den Genfer Abkommen (Art. 36, 48 und 57), der Richtlinie 3000.09 des US-Verteidigungsministeriums und PyTorch. Persönliche Betreuung durch einen Tutor und offene Anmeldung.

Dauer300 h
FormOnline
StarttermineFestgelegt durch das Lehrteam
AbschlussZertifikatsprogramm des SEIUM Institute

Ethik beim Deep Learning für ISR – Online-Kurs — Studium aus der Schweiz

Die Schweizer Verteidigungsindustrie ist klein, aber technologisch anspruchsvoll. Die Armasuisse als zentrale Beschaffungs- und Technologiestelle des Bundes arbeitet mit Unternehmen wie RUAG MRO und Schweizer Zulieferern für Systeme, Fahrzeuge und Munition zusammen. Die Armee nutzt Land- und Logistiksysteme, die in Kooperation mit Forschungseinrichtungen weiterentwickelt werden. Exportkontrollen unterliegen dem Staatssekretariat für Wirtschaft (SECO) als zuständiger Behörde.

Gebühren für die Schweiz: CHF 412 (Schweizer Franken), mit Ratenzahlung und Arbeitgeberunterstützung.

Zuständige Stellen in der Schweiz

  • Armasuisse
  • Staatssekretariat für Wirtschaft (SECO)
  • Gruppe Rüstung des Eidgenössischen Departements für Verteidigung, Bevölkerungsschutz und Sport (VBS)
  • Schweizerischer Verband der Rüstungsindustrie (Swiss Defence & Security Industry Association)

Typische Funktionen

  • Systemingenieur/in Verteidigung
  • Entwicklungsingenieur/in Landsysteme
  • Beschaffungsingenieur/in
  • Qualitätsingenieur/in Wehrtechnik

Fragen aus der Schweiz

Wird ein Abschluss in Defense, Military Engineering & Land Systems in der Schweiz anerkannt?

SEIUM vergibt private Qualifikationen, die nicht staatlich oder akkreditiert sind. Die Anerkennung entscheiden Arbeitgeber und zuständige Stellen. In der Schweiz unterliegen Rüstungsaufgaben strengen Vorgaben, und Stellen im Bereich der Armee oder bundeseigener Betriebe stellen eigene Anforderungen. Klären Sie vorab, welche Nachweise der konkrete Arbeitgeber verlangt.

Welche Arbeitgeber in der Schweiz beschäftigen Fachleute für Landsysteme und Wehrtechnik?

Relevante Arbeitgeber sind das Bundesamt für Rüstung armasuisse, bundesnahe Betriebe und Zulieferer der Industrie. Gefragt sind Kenntnisse in Systemtechnik, Sicherheit und Prüfverfahren. Die Einstellung erfolgt meist nach Berufserfahrung, Sicherheitsüberprüfungen können verlangt werden. Ein privates Zertifikat ergänzt das Profil, ersetzt jedoch keine Praxis.

Wie viel Zeit muss ich einplanen und kann mein Arbeitgeber die Kosten tragen?

Das Studium ist online und auf Englisch, mit einem technischen Tutor. Die Programme umfassen 300 bis 1900 Stunden. Planen Sie realistisch, besonders neben einer Vollzeitstelle. Die Gebühren sind in Raten zahlbar, und Arbeitgeber können die Weiterbildung finanzieren. Für die Teilnahme ist kein Visum nötig, da Sie von zu Hause lernen.

Virtuelles Labor · vor der Einschreibung ausprobieren

Übernehmen Sie die Kontrolle.

Führen Sie einen echten ingenieurtechnischen Zielkonflikt aus diesem Fachgebiet durch. Bewegen Sie die Regler, beobachten Sie die Reaktion des Modells in Echtzeit und meistern Sie die Herausforderung.

SIM · LIVE ●
Lernergebnisse

Was Sie danach können

01

Die Anwendungen des Deep Learning in Aufklärung, Überwachung und Aufklärung erläutern.

02

Qualität, Repräsentativität und Herkunft von Trainingsdaten beurteilen.

03

Leistungskennzahlen und die Folgen von Fehlern interpretieren.

04

Die anwendbaren Grundsätze der Unterscheidung und der Vorsicht analysieren.

05

Die Risiken automatisierter Überwachung für die Privatsphäre bewerten.

06

Anforderungen an menschliche Aufsicht und Erklärbarkeit formulieren.

07

Eine ethische Bewertung eines ISR-Systems auf Basis von Deep Learning erstellen.

Profil

Für wen es gedacht ist

  • Deep-Learning-Ingenieurinnen und -Ingenieure, die sich auf Ethik im Deep Learning für ISR spezialisieren möchten.
  • Bild- und Fernerkundungsanalystinnen und -analysten, die sich auf Ethik im Deep Learning für ISR spezialisieren möchten.
  • Rechtsberaterinnen und Rechtsberater im humanitären Völkerrecht, die sich auf Ethik im Deep Learning für ISR spezialisieren möchten.
  • Algorithmenprüferinnen und -prüfer, die sich auf Ethik im Deep Learning für ISR spezialisieren möchten.
  • Forschende im Bereich verantwortungsvoller KI, die sich auf Ethik im Deep Learning für ISR spezialisieren möchten.
  • Ingenieurinnen und Ingenieure für Verifikation und Validierung, die sich auf Ethik im Deep Learning für ISR spezialisieren möchten.
  • Absolventinnen und Absolventen der Ingenieur- oder Naturwissenschaften, die in den Verteidigungssektor einsteigen möchten.
Normen & Werkzeuge

Womit Sie arbeiten

  • Zusatzprotokoll I zu den Genfer Abkommen (Art. 36, 48 und 57)
  • Richtlinie 3000.09 des US-Verteidigungsministeriums
  • NATO-Grundsätze für den verantwortungsvollen Einsatz von KI (2021)
  • ISO/IEC TR 24029-1 (Robustheit neuronaler Netze)
  • ISO/IEC TR 24027 (Verzerrungen in KI-Systemen)
  • Europäische Menschenrechtskonvention, Art. 8
  • Richtlinie (EU) 2016/680
Lehrplan

6 Module · 300 Std.

  1. 1.1Aufklärung, Überwachung und Aufklärung (ISR): der Nachrichtenzyklus
  2. 1.2Quellen: IMINT, SIGINT, SAR-Bilder und Luftvideos
  3. 1.3Objekterkennung: YOLO und Faster R-CNN
  4. 1.4Segmentierung und Änderungserkennung in Satellitenbildern
  5. 1.5Multisensorische Datenfusion
  6. 1.6Project Maven und seine Kontroverse
  7. 1.7Protest der Google-Belegschaft im Jahr 2018
  8. 1.8Berührte Werte: Sicherheit, Privatsphäre und Leben
  9. 1.9Vom Analysieren zur Zielauswahl
  10. 1.10Fallstudie: Analyse von Project Maven
  1. 2.1Datenkennzeichnung und die Arbeit der Annotatorinnen und Annotatoren
  2. 2.2Datensätze: xView, DOTA und SpaceNet
  3. 2.3Geografische und klassenbezogene Verzerrungen (Bias)
  4. 2.4Synthetische Daten und ihre Validität
  5. 2.5Personenbezogene Daten in hochauflösenden Bildern
  6. 2.6Quellen aus offenen und kommerziellen Angeboten
  7. 2.7Sicherheit von Verschlusssachen
  8. 2.8Datenvergiftung (Data Poisoning)
  9. 2.9Dokumentation mit Datenblättern
  10. 2.10Labor: Bias-Analyse eines Luftbilddatensatzes
  1. 3.1Metriken: Precision, Recall und mAP
  2. 3.2Asymmetrische Kosten falsch positiver Ergebnisse
  3. 3.3Verwechslung von Zivilisten und Kombattanten in Bildern
  4. 3.4Robustheit gegenüber Tarnung und Täuschung
  5. 3.5Physische adversariale Angriffe
  6. 3.6Unsicherheit und Kalibrierung
  7. 3.7Domänenverschiebung zwischen Einsatzgebieten
  8. 3.8Operative im Vergleich zur Laborbewertung
  9. 3.9Red-Team-Tests
  10. 3.10Übung: Bewertung eines Detektors mit einer Konfusionsmatrix
  1. 4.1Unterscheidungsgrundsatz und die Pflicht zur Überprüfung
  2. 4.2Vorsichtsmaßnahmen beim Angriff: Artikel 57 des Zusatzprotokolls I
  3. 4.3Maschinengeschwindigkeit und menschliche Abwägung
  4. 4.4Automation Bias bei Analystinnen und Analysten
  5. 4.5Zielempfehlungssysteme: aktuelle Debatte
  6. 4.6Verantwortung von Analystin bzw. Analyst und Kommandeur
  7. 4.7Rechtliche Prüfung nach Artikel 36
  8. 4.8Entscheidungsprotokolle und Nachvollziehbarkeit
  9. 4.9Untersuchung von Vorfällen mit zivilen Opfern
  10. 4.10Fallstudie: Fehlidentifizierung bei einem Drohnenangriff
  1. 5.1ISR auf dem nationalen Staatsgebiet und seine Grenzen
  2. 5.2Großflächige dauerhafte Überwachung
  3. 5.3Gesichtserkennung und biometrische Fernidentifizierung
  4. 5.4Verfolgung von Bewegungsmustern
  5. 5.5Verhältnismäßigkeit und Erforderlichkeit
  6. 5.6Justizielle und parlamentarische Kontrolle
  7. 5.7Kommerzialisierung von Satellitenbildern
  8. 5.8Risiken für Journalistinnen und Journalisten sowie NGOs
  9. 5.9Einsatz von ISR-Systemen an Grenzen
  10. 5.10Workshop: Verhältnismäßigkeitsprüfung einer ISR-Mission
  1. 6.1Beschreibung des Systems und seines Einsatzzwecks
  2. 6.2Analyse des Datensatzes
  3. 6.3Bewertung von Leistung und Fehlern
  4. 6.4Analyse der anwendbaren Rechtslage
  5. 6.5Bewertung des Datenschutzes
  6. 6.6Gestaltung der menschlichen Aufsicht
  7. 6.7Empfehlungen für den Einsatz
  8. 6.8Prüfplan
  9. 6.9Bericht und Präsentation
  10. 6.10Abschlussprüfung mit dem Tutor
Methodik, Software & Labore

Wie Sie lernen

Vollständig 100 % online auf dem Campus von SEIUM, mit herunterladbarem Material, aufgezeichneten Unterrichtseinheiten und einem persönlichen technischen Tutor. Es gibt keinen festen Stundenplan: Die Studierenden arbeiten innerhalb des Jahrgangs in ihrem eigenen Tempo, sodass sich das Studium gut mit der Berufstätigkeit verbinden lässt.

Jedes Modul verbindet Theorie, angeleitetes Lesen der Originalnormen und praktische Übungen. Eingesetzte Software sind PyTorch, TensorFlow, CVAT, SHAP in kostenlosen, akademischen oder Testversionen. Die Prüfungen orientieren sich an realen Verfahren zur Bewertung der Leistung und Fehler von Bildverarbeitungsmodellen, an Audits von Trainingsdatensätzen und an der Analyse von Überwachungsfällen. Die Bewertung erfolgt laufend pro Modul sowie durch das abschließende integrierende Projekt.

Praktische Arbeitmit branchenüblicher Software, Simulationen, realen Fallstudien und angeleiteten praktischen Übungen.
Evidenzorientiertes Abschlussprojekt:Safety Case, Testplan, Compliance-Dossier und operative Grenzen.
Mentoring aus der Industrie:Lehrkräfte mit Berufserfahrung im Fachgebiet und in realen Industrieprojekten.
Flexibles Format(100 % online), internationale Kohorten und Unterstützung durch die SEIUM Career Services.
Ethik und Sicherheit:einen Safety-by-Design-Ansatz sowie Cybersicherheit und regulatorische Compliance als tragende Säulen.
Abschlussprojekt

Von Anfang bis Ende umsetzen

Ihr Abschlussprojekt folgt dem realen Ingenieursablauf Schritt für Schritt und wird von Ihrem Tutor begleitet und geprüft.

Systembeschreibung und seine Aufgabe

Erläutern Sie die Anwendungen des Deep Learning in der Aufklärung, Überwachung und Aufklärung (ISR).

Datensatzanalyse

Bewerten Sie die Qualität, Repräsentativität und Herkunft der Trainingsdaten.

Bewertung von Leistung und Fehlern

Interpretieren Sie Leistungskennzahlen und die Folgen von Fehlern.

Analyse des anwendbaren Rechts

Analysieren Sie die anwendbaren Grundsätze der Unterscheidung und der Vorsorge.

Datenschutzbewertung

Bewerten Sie die Datenschutzrisiken automatisierter Überwachung.

Berufliche Perspektiven

Wohin es Sie führt

Ingenieur für Deep LearningAnalyst für Bildauswertung und FernerkundungRechtsberater im humanitären VölkerrechtAlgorithmenprüfer/inForscher für verantwortungsvolle KIIngenieur für Verifikation und Validierung
Zulassung & Stipendien

Voraussetzungen

  • Keine formale Vorqualifikation erforderlich.
  • Internetverbindung und ein Computer, auf dem die Software des Programms lauffähig ist.
  • Ausreichende Englischkenntnisse, um technische Regelwerke zu verstehen.

Bereit zu starten?

Senden Sie noch heute Ihre Bewerbung. Unser Zulassungsteam antwortet Ihnen innerhalb von 72 Stunden mit Ihrem Studienplan und den Finanzierungsmöglichkeiten.

Häufige Fragen

Häufig gestellte Fragen

Das Programm umfasst insgesamt 300 Stunden, verteilt auf 3 bis 5 Monate. Das entspricht durchschnittlich 10 bis 15 Stunden pro Woche und ist mit einer Vollzeitbeschäftigung vereinbar.

Der Kurs arbeitet mit PyTorch, TensorFlow, CVAT und SHAP. Es werden kostenlose, akademische oder Testversionen verwendet, und der Tutor nennt die kostenlose Alternative, sofern eine existiert.

Ein hauseigenes Zertifikatsprogramm des SEIUM Institute nach Bestehen der kontinuierlichen Bewertung und des abschließenden integrierenden Projekts. Es handelt sich um eine interne Weiterbildung, nicht um einen offiziellen staatlichen Abschluss des Ministeriums.

Ja. Module, die in einem Kurs oder Aufbaudiplom im selben Bereich bestanden wurden, werden im weiterführenden Programm anerkannt. Prüfen Sie die Anerkennungsregelung bei der Einschreibung.

Ethik beim Deep Learning für ISR – Online-KursEinschreiben
Nach oben scrollen
SEIUM – Institut für fortgeschrittene Ingenieurwissenschaften
Datenschutzübersicht

Diese Website verwendet Cookies, damit wir Ihnen die bestmögliche Nutzererfahrung bieten können. Cookie-Informationen werden in Ihrem Browser gespeichert und erfüllen Funktionen wie das Wiedererkennen, wenn Sie auf unsere Website zurückkehren, und helfen unserem Team zu verstehen, welche Bereiche der Website Sie am interessantesten und nützlichsten finden.