Kurze Einführung (zwei Vorträge) in die ethischen Fragen medizinischer KI-Anwendungen. Wir identifizieren die ethischen Implikationen von KI-Anwendungen in der Medizin, legen den Fokus auf die Datenerhebung und -nutzung, die Risiken künstlicher Intelligenztechnologien sowie Bias und Diskriminierung und befassen uns mit den Auswirkungen automatisierter Entscheidungsfindung in medizinischen KI-Anwendungen. Die Vorträge finden auf Englisch statt und werden online abgehalten.

Dieser Kurs richtet sich an Medizinstudierende, die sich für WissPro 1 und 2 interessieren und sich mit Literaturrecherche befassen. Er umfasst eine Einführungsvorlesung zu Strategien und Best Practices der Literaturrecherche sowie Präsentationen zu den Themen, die von verschiedenen Mitarbeitenden unseres Instituts angeboten werden. Die Arbeit wird nach einem Zeitplan mit mehreren Kontrollpunkten organisiert und endet mit Präsentationen der Teilnehmenden vor Ort.

Künstliche Intelligenz verändert die Medizin bereits grundlegend, aber wie funktionieren die zugrunde liegenden Methoden und welche Chancen und Herausforderungen bieten sie? In dieser Seminarreihe wird in jedem Vortrag ein neues, praxisnahes Thema behandelt, darunter die Grundlagen einiger KI-Methoden, ethische Herausforderungen und mögliche Lösungen. Die Vorträge, die je nach Referent auf Deutsch oder Englisch gehalten werden, sind thematisch miteinander verbunden, aber in sich abgeschlossen.

Dieser Kurs richtet sich an Lebenswissenschaftler, die möchten, dass ihre Daten lange nach Abschluss eines Experiments verständlich, nutzbar und zuverlässig bleiben. Anstatt Management von Forschungsdaten (RDM) als Bürokratie oder Compliance zu behandeln, nähert sich der Kurs diesem als praktischen Bestandteil guter Forschung. Anhand von Beispielen aus den Bereichen Omics, Bildgebung, Mikroskopie und Molekularbiologie erkunden die Teilnehmer, wie alltägliche Entscheidungen – wie Daten benannt, dokumentiert, analysiert und geteilt werden – die Reproduzierbarkeit, Wiederverwendbarkeit und den langfristigen Wert im gesamten Forschungsdatenlebenszyklus beeinflussen.

Lecture introduces the principles and practice of Open Science and the FAIR (Findable, Accessible, Interoperable, Reusable) principles in a clear and accessible way for researchers across disciplines. It explores why transparency, collaboration, and responsible data sharing are becoming central to research, particularly in light of funder requirements under programmes such as Horizon Europe. Participants will gain an overview of key concepts, policy context, and practical steps to integrate Open Science and FAIR principles into their everyday research workflows.

Einführung in die grundlegenden Konzepte der Programmierung in Python, die für die Auswertung von medizinischen und Forschungsdaten erforderlich sind. Die Teilnehmer werden in diesem interaktiven Seminar aus erster Hand lernen, wie sie ihren eigenen Code entwickeln und ausführen können.