Professionsbachelor - Design og anvendelse af kunstig intelligens - Aalborg Universitet

Optagelse på diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens forudsætter en bestået gymnasial eksamen samt følgende krav:

• Dansk A


• Engelsk B


• Matematik B (med et gennemsnit på minimum 7,0) eller Matematik A

Adgangskravene for uddannelsen følger generelt adgangskravene til beslægtede bacheloruddannelser indenfor det teknisk-videnskabelige hovedområde på AAU. Dog fraviger kravet i gymnasial matematik. På baggrund af en gennemgang af de gymnasiale matematikniveauer, vurderer udviklingsgruppen bag uddannelsen, at færdigheder opnået i Matematik B er tilstrækkelige som indgangsniveau på uddannelsen, der i modsætning til flere beslægtede forskningsbaserede uddannelser fokuserer på anvendelse og drift af kunstig intelligens – og ikke i så høj grad på det matematiske og teoretiske grundlag (jf. også uddannelsens egenskab som en professionsrettet diplomingeniøruddannelse). Det foreslås dog, at adgangskravet Matematik B skærpes med et krav om et gennemsnit på minimum 7, som samtidig kan erstattes af et bestået Matematik A-niveau. Flere argumenter understøtter valget af Matematik B (7) som minimumskrav:

• Matematik B (7) er fagligt set tilstrækkeligt som indgangsniveau. Uddannelsen løfter de optagne i relevant matematik i løbet af uddannelsens første år.


• Avancerede matematikkundskaber efterspørges i lavere grad af de adspurgte aftagere (se figur 2 i dokumentationsrapporten).


• Uddannelsen adskiller sig med sin anvendelsesorientering og erhvervsrettede diplomingeniørprofil og henvender sig med sine komponenter af design thinking, forretningsforståelse og etik til en mere differentieret målgruppe.


• AAU har en målsætning om øget diversitet i optag på tekniske uddannelser, og det vurderes, at et krav om Matematik B bidrager til dette.


• Som det fremgår i dokumentationsrapporten, forventes væsentlig ingeniørmangel i de kommende år. AAU ønsker at bidrage til at løse denne udfordring, og et unødigt højt matematik-krav vil modarbejde dette. Matematik B er obligatorisk i de fleste gymnasiale studieretninger modsat Matematik A, og målgruppen af potentielle ansøgere til uddannelsen er større ved Matematik B (7) som adgangskrav.

Uddannelsen vil kunne give direkte adgang til:

• Kandidatuddannelsen i computerteknologi (AAU, AAL)


• Kandidatuddannelsen i datalogi (it) (AAU, AAL)


• Kandidatuddannelsen i sundhedsteknologi (AAU, AAL)


• Kandidatuddannelsen i medialogi (AAU, AAL)


• Kandidatuddannelsen i medialogi (AAU, KBH)


• Kandidatuddannelsen i service system design (AAU, KBH)


• Kandidatuddannelsen i menneskeorienteret kunstig intelligens (DTU)


• Kandidatuddannelsen i informationsteknologi (DTU)


• Kandidatuddannelsen i data science (ITU)


• Kandidatuddannelsen i computerteknologi (AU)


• Kandidatuddannelsen i software engineering (SDU)

Anvendelse af kunstig intelligens er ifølge flere redegørelser afgørende for små og mellemstore virksomheders udvikling og vækst, men de rette kompetencer mangler. Nærværende uddannelse har derfor til formål at adressere kompetencegabet ved at uddanne diplomingeniører, der med solid forståelse for AI-metoder og -teknologi kan sikre, at potentialet ved tilgængelige teknologier udnyttes bedre. Diplomingeniører fra uddannelsen kombinerer AI-teknologi med design- og ingeniørkompetencer, og kan dermed udvikle bedre, mere relevante og bæredygtige AI-produkter og -services. Uddannelsens særkende er derfor fokus på anvendelsen af AI-teknologi – og i særlig grad udvikling, implementering og drift. Implementeringsevne, forretnings- og kontekstforståelse er afgørende kompetencer for potentielle aftagere, og disse sikres bl.a. via semesterprojekter, med fokus på problemløsning i sektorer såsom sundhed, transport og detail. Derfor ventes diplomingeniører fra uddannelsen at blive særligt attraktive for SMV’er, hvor netop teknologianvendelse og værdiskabelse vægter højt. Uddannelsen vil dermed bistå med at realisere EU’s vision om en digital transformation af den offentlige og private sektor.

Uddannelsens indhold igennem de første fem af syv semestre organiseres i tre søjler: AI-kontekst, anvendelsesorientering samt AI-teori og -metode. Det faglige indhold fra de tre søjler integreres og anvendes igennem de semestervise projektenheder, som rummer deres egen progression i kompleksitet og kontekstfokus. Således møder den studerende undervejs i studiet problemstillinger fra en række forskellige private og offentlige virksomheder og sektorer, der er med til at give den studerende en afgørende kontekstforståelse. De sidste to semestre fokuserer på praktik og afgangsprojekt.

Uddannelsen er tilrettelagt med projektmoduler af 15 til 20 ECTS-point på hvert semester for at imødekomme efterspørgslen efter tværfaglige, samarbejdsorienterede og praksisnære færdigheder. I projektmodulerne arbejder de studerende som nævnt ovenfor med virkelige, branchespecifikke problemstillinger baseret på AAU’s model for problembaseret læring (PBL). Aftagervirksomheder efterspørger kompetencer i at arbejde med en problemløsende tilgang samt evnen til at arbejde i teams, at arbejde på tværs af fagligheder og at arbejde selvstændigt. Endelig efterspørges kompetencer i projektledelse.  Disse kompetencer opnås igennem projektarbejdet. Projektarbejdet er fagligt understøttet af et PBL-kursus på uddannelsens 1. semester samt en række workshops på de efterfølgende semestre.

Uddannelsens konstituerende faglige elementer er sorteret efter semester og beskrevet i det følgende:

1. semester
Introduktion til projektarbejde med kunstig intelligens (P0) (projektmodul 5 ECTS): Projektets mål er at introducere de studerende til den problem- og projektorienterede arbejds- og læringsform indenfor en mindre kompliceret AI-kontekst. Projektet indeholder således basale koncepter, teorier og praktiske problemstillinger indenfor kunstig intelligens.

Kunstig intelligens og FNs verdensmål (projektmodul 10 ECTS): Projektets mål er at undersøge og afprøve hvordan kunstig intelligens kan bidrage til løsning af udvalgte verdensmål. Gennem projektet vil den studerende således opnå kompetencer med at forstå, analysere og definere relevante problemstillinger i forholdt til FN’s verdensmål, samt opnå en forståelse for hvordan simple AI løsninger kan formuleres, designes, implementeres og evalueres.

AI-Programmering (kursusmodul 5 ECTS): Kursets mål er at introducere de studerende til programmering af basale AI-systemer. Kurset indeholder således introduktion til et specifikt programmeringssprog, fx Python, og specifikke begreber som kontrolstrukturer, abstraktion med procedurer og funktioner, datastrukturer, fil input-output og implementering af AI algoritmer.

Introduktion til AI-modeller (kursusmodul 5 ECTS): Kursets mål er at introducere de studerende til fundamentale koncepter og modeller indenfor kunstig intelligens samt relevante matematiske koncepter. Kurset indeholder således en beskrivelse af hvad features er, hvordan de udspænder featurerum og hvordan man matematisk kan modellere og genkende forskellige mønstre i sådanne rum. Ydermere introducerer kurset systematiske metoder til evaluering af AI modeller.

Problembaseret læring (kursusmodul 5 ECTS): Kursets mål er at introducere de studerende til de teoretiske og praktiske arbejdsgange, som er tilknyttet problembaseret læring, som fx hvordan kunstig intelligens påvirker og påvirkes af mennesker og samfund.

2. semester
AI-understøttede produkter og services (projektmodul 15 ECTS): Det er projektenhedens mål, at de studerende arbejder med et konkret problem, som kan løses igennem udviklingen af et konkret produkt eller service, der anvender kunstig intelligens af begrænset kompleksitet. Projektet indeholder således en relevant og aktuel problemkontekst fra en udvalgt offentlig eller privat sektor.

AI og data (kursusmodul 5 ECTS): Kursets mål er at give de studerende en grundlæggende forståelse for den rolle data spiller i AI-systemer. Kurset vil introducere forskellige datatyper og data repræsentationer, samt hvordan data kan beskrives matematisk. Der vil være en tæt kobling til kurset ’Grundlæggende AI-metoder’. Anden del af kurset vil omhandle metoder til dels at visualisere data og dets karakteristika samt metoder til at forbedre datakvaliteten.

Grundlæggende AI-metoder (kursusmodul 5 ECTS): Kursets mål er at tilvejebringe de studerende forståelse for forskellige AI-metoder samt relevante matematiske koncepter. Kurset vil bygge videre på viden fra 1. semester ved bl.a. at introducere Bayes regel og sandsynlighedsregning, samt hvordan disse kan bruges i AI-metoder og reduktion af featurerummet. Ydermere vil kurset introducere andre grundlæggende AI-metoder, fx beslutningstræer, der typisk finder stor anvendelse i praktiske problemstillinger.

Design Thinking for AI (kursusmodul 5 ECTS): Kursets mål er at introducere en række metoder og redskaber til at tænke kreativt og eksperimenterende samt at give den studerende en procesforståelse, som understøtter en afprøvende og iterativ tilgang til problemidentifikation og problemløsning (herunder agile metoder). Kurset benytter anvendelsesområder for kunstig intelligens som kontekst for kursets individuelle arbejde.

3. semester
AI og individet (projektmodul 15 ECTS): Projektmodulets mål er at udbygge de studerendes forståelse for anvendelsen af AI til løsning af konkrete problemer. Projektmodulet fokuseres ved at sikre de studerende arbejder indenfor en specifik kontekst, nemlig ’AI og individet’. Dette forstås som AI løsninger målrettet det enkelte individ.

Implementering af AI-systemer (kursusmodul 5 ECTS):  Kursets mål er at sikre en forståelse for, at AI algoritmer og modeller ofte kræver meget regnekraft. Kurset vil have en tæt kobling til ’Deep Learning’ kurset ved at tage udgangspunkt i specifikke algoritmer fra dette kursus. Indholdet vil dels være en teoretisk introduktion til koncepter som scientific-computing og cloud-computing, samt et mere praktisk fokus på effektiv brug af forskellige GPU arkitekturer og AI software biblioteker.

Deep Learning (kursusmodul 5 ECTS): Kursets mål er at give de studerende kompetencer indenfor Kunstige Neurale Netværk inklusive relevante matematiske koncepter. Kurset bygger videre på den grundlæggende forståelse indenfor AI, som er opnået på de to foregående semestre. Udgangspunktet er behandling af billeder, men også andre datatyper kan inkluderes. Indholdet vil både omfatte bagvedliggende teori indenfor fx arkitekturer og loss-funktioner, samt praktiske aspekter fx valg af hyper parameter, transfer learning og XAI.   

Menneskelig perception og intelligens (kursusmodul 5 ECTS): Kursets mål er at give de studerende en forståelse for menneskelig intelligens og relationen til kunstig intelligens. Konkret hvordan mennesker perciperer og fortolker omgivelserne, og hvordan dette relaterer sig til tidligere, nuværende og mulige fremtidige forståelser og definitioner af kunstig intelligens. Kurset vil relatere direkte til koncepterne i ’Deep Learning’ kurset. 

4. semester
AI og byen (projektmodul 15 ECTS): Projektmodulets mål er at give de studerende kompetencer med anvendelsen af AI til løsning af konkrete problemer der involverer tidsserier. Ydermere vil der være et fokus på, hvordan sådanne løsninger kan implementeres i et driftsscenarie. Projektmodulet fokuseres ved at sikre, at de studerende arbejder indenfor en specifik kontekst, nemlig ’AI og Byen’, hvilket forstås som AI løsninger baseret på tidsserier, der er målrettet infrastrukturer og/eller sammenhænge, der involverer mere end det enkelte individ.

Kunstig intelligens i drift (kursusmodul 5 ECTS): Kursets mål er at give en forståelse for hvordan AI systemer kan implementeres og vedligeholdes i et driftsscenarie. Kurset bygger direkte ovenpå ’Implementering af AI systemer’. Kurset vil dels introducere koncepter som Software as a Service, performance vs cost, carbon footprint, og dels praktiske metoder til at monitorere bias i data og concept drift, samt adaptive metoder og human-in-the-loop systemer til vedligeholdelse og sikring af stabil drift over tid. 

Tidsserieanalyse (kursusmodul 5 ECTS): Kursets mål er at give de studerende kompetencer omkring hvordan statistik og AI metoder kan benyttes til at analysere tidsserier. Kurset bygger ovenpå tidligere semestres AI metoder samt udbygger de studerendes forståelse for relevante matematiske koncepter. Kurset vil indeholde introduktion til teoretiske koncepter som outliers, abnormality, trend analyse og forecasting, samt konkrete algoritmer til praktisk analyse af sådanne koncepter.

Brugerinddragelse (kursusmodul 5 ECTS): Kursets mål er dels at give de studerende en forståelse for at AI løsninger ofte involverer brugere, og dels hvordan man systematisk inddrager brugere i udvikling og evaluering af AI løsninger. Kurset bygger ovenpå ’Design Thinking’ og skal sikre, at der er fokus på udvikling af relevante AI løsninger. Kurset vil indeholde koncepter som participatory design, brugerstudier, spørgeskemaer og interviewteknik.

5. semester
AI og samfundet (projektmodul 15 ECTS): Projektmodulets mål er at give de studerende kompetencer med anvendelsen af AI til løsning af konkrete problemer der involverer tekst og sprog data. Ydermere vil der være et fokus på hvordan sådanne løsninger kan skabe værdi for en virksomhed eller offentlig organisation. Projektmodulet fokuseres ved at sikre, at de studerende arbejder indenfor en specifik kontekst, nemlig ’AI og Samfundet’, hvilket forstås som AI løsninger, der involverer mere end det enkelte individ, og har tekst/sprog data som omdrejningspunkt.

AI-forretningsforståelse og -udvikling (kursusmodul 5 ECTS): Kursets mål er at give de studerende en general forretningsforståelse samt indsigt i hvordan AI-teknologi kan skabe værdi i den private og offentlige sektor. Kurset bygger dermed ovenpå kurset ’Design Thinking for AI’ ved at kombinere designprocesforståelse med værdiforståelse indenfor en innovationskontekst.

Tekst og sprogteknologi (kursusmodul 5 ECTS): Kursets mål er at give de studerende kompetencer indenfor brug af AI modeller til behandling af tekst og sprog data. Kurset bygger naturligt ovenpå både ’Deep Learning’ og ’Tidsserie analyse’. Kurset vil give en teoretisk indsigt i AI sprogmodeller samt praktiske erfaringer med specifikke AI algoritmer og applikationer, fx chat bots, recommender systemer, topic modelling, sentiment analysis.

Etiske og regulatoriske kontekster (kursusmodul 5 ECTS): Kursets mål er at tilvejebringe de studerende en forståelse for mulige konsekvenser af AI teknologi i samfundet samt hvilke reguleringer teknologierne er underlagt i forskellige brugsdomæner. Dette inkluderer både teoretisk indføring i etik og moral i forholdt til teknologi, lovgivning, fx GDPR, og praktiske retningslinjer som FAIR.

6. semester
Diplomingeniørpraktik (30 ECTS): Praktikmodulet sætter kompetencer fra de foregående fem semestre i spil i en reel virksomhedskontekst. Den studerende arbejder med AI-udvikling og -drift i konkrete projekter i en konkret virksomhed, og styrker sin erhvervsforståelse samt indblik i samarbejdsforhold og prioriteringer i praktikvirksomheden,

7. semester
Komplekse AI-systemer (projektmodul 20 ECTS): Projektet fokuserer på en reel og kompleks problemstilling, hvor AI kan anvendes som konkret løsning. Den studerende skal kunne dokumentere kendskab til og overblik over relevante teorier, metoder og begreber inden for teoretisk og anvendt AI. Projektet kan tilknyttes et virkeligt problem, og kan være baseret på samarbejde med en virksomhed eller organisation eller være forskningsbaseret.

Valgfri kurser (der vælges to kurser)
IoT, sensorer og smart produktion (kursusmodul 5 ECTS): Kursets mål er at introducere de studerende til hvordan mere og mere data opsamles via sensorer og data-logging, samt hvordan sådanne data kan bruges til at forbedre/optimere produktionssystemer. Kurset bygger ovenpå den dataforståelse, som de studerende har opnået gennem de forskellige semestre.

Sundhedsteknologi i klinisk praksis (kursusmodul 5 ECTS): Kursets formål er at give de studerende en forståelse for hvordan AI teknologier kan indgå i systemer målrettet sundhedssektoren – med specielt fokus på klinisk praksis. Kurset bygger ovenpå kontekstuelle projektmoduler fra tidligere semestre.

Agile software-teknologier (kursusmodul 5 ECTS): Kursets mål er at introducere de studerende til hvordan softwaresystemer kan udvikles hurtigt og effektivt. Kurset bygger ovenpå den viden om softwareimplementation og drift der undervises i på 3. og 4. semester.

Takst 3: Den ansøgte uddannelse ligger inden for det teknisk-videnskabelige hovedområde.

Behovet for dimittender inden for AI-området er stigende og kan kun dækkes ved at udvide uddannelsesudbuddet i Danmark, idet eksisterende uddannelser ikke har kapacitet til alle ansøgere. Nærværende uddannelse giver endvidere kompetencer indenfor områder, som både Erhvervsstyrelsen og behovsundersøgelsen viser, er essentielle for danske virksomheder, og ikke findes samlet i eksisterende uddannelser. Som diplomingeniøruddannelse er der desuden fokus på hurtigt at omsætte anvendelsen af AI til værdi for virksomheden igennem bred organisatorisk og forretningsmæssig forståelse. Det er således ”T-profiler” med en dyb teknisk viden om kunstig intelligens og en bred organisatorisk og forretningsmæssig forståelse, som efterspørges. Uddannelsens særkende er netop den praksisorienterede tilgang til AI-fagligheden og værdiskabelse igennem erhvervssamarbejde.

Antallet af ubesatte stillinger, hvor der søges AI-kompetencer er steget kraftigt de seneste år. Siden 2009 er antal jobopslag, hvor der søges AI-kompetencer, steget fra 878 til 7167 i 2022, hvilket er mere end en ottedobling. Udviklingen ses også i den nordjyske region, hvor stigningen fra 43 til 489 jobopslag i perioden er endnu mere markant. Arbejdsmarkedet udvikler sig således i en retning, hvor efterspørgslen på AI-kompetente medarbejdere er klart stigende

Behovet for uddannelsen understreges af, at der i behovsundersøgelsen udført af Epinion estimeres en mangel på 100 AI-diplomingeniører i 2025 og 200 i 2030 på baggrund af beregnet efterspørgsel og udbud. 176 virksomheder, der har deltaget i en spørgeskemaundersøgelse, vurderer endvidere, at deres behov for medarbejdere med AI-kompetencer vil stige med ca. 1000 personer frem imod 2025 (s. 17-18 i dokumentationsrapporten)

Erhvervsministeriet udgav i 2021 rapporten Redegørelse om Danmarks digitale vækst. Rapporten viser, at Danmark er et af de mest digitale lande i verden. Men samtidig påpeger den også, at Danmark ligger efter sammenlignelige lande, når det kommer til anvendelsen af mere avanceret digital teknologi, såsom kunstig intelligens, Internet of Things (IoT) mv. Der er tegn på, at sammenlignelige lande er længere fremme på tilgængeligheden af avancerede digitale kompetencer. Generelt kan det siges, at de avancerede teknologier i mindre grad har vundet fodfæste på tværs af OECD-landene, og rapporten peger derfor på, at der således kan være et potentiale for at opnå konkurrencefordele ved at anvende avanceret teknologi i Danmark.

Behovsundersøgelsen fra Epinion peger på det samme kompetencegab blandt danske virksomheder. Ifølge analysen vurderer de 240 deltagende virksomheder, at kompetencerelaterede barrierer (eksempelvis mangel på uddannede medarbejdere) er den største begrænsning i forhold til at ibrugtage kunstig intelligens. Som det fremgår i dokumentationsrapporten s. 10, efterspørges særligt medarbejdere med faglige kompetencer indenfor programmering og algoritmer (79%.) samt automatisering (64%). Derudover efterspørger næsten halvdelen af virksomhederne kompetencer indenfor forståelse af AI’s anvendelse i forskellige kontekster (46%) samt analyse, simulering og implementering (46%). En stor andel efterspørger desuden kompetencer indenfor design og brugeroplevelse (36%).

Uddannelsen rammer netop ind i dette særlige kompetencesæt, som således efterspørges i både rapporten fra Erhvervsministeriet og i behovsundersøgelsen fra Epinion. Som kort nævnt ovenfor efterspørges der profiler, som har indsigt i og kan anvende AI-teknologi, men som i høj grad også er i stand til hurtigt at omsætte anvendelsen til reel værdi for virksomheden igennem organisatorisk og forretningsmæssig forståelse for virksomheden, de såkaldte ”T-profiler”. Som diplomingeniøruddannelse adresseres netop behovet for en praksisorienteret tilgang til AI-fagligheden samt opmærksomhed på værdiskabelse igennem erhvervssamarbejde.

Som det også er nævnt ovenfor, ses der jf. antallet af ubesatte stillinger en klar stigning i behovet for kompetencer indenfor kunstig intelligens. Det er således ikke virksomhedernes manglende villighed til at beskæftige sig med og anvende kunstig intelligens, men i høj grad manglen på tilgængelig arbejdskraft med det rette kompetencesæt, der forhindrer virksomhederne i at udfylde deres ansættelser. Dette underbygges i behovsundersøgelsen fra Epinion, som viser, at virksomhederne har svært ved at rekruttere medarbejdere med kompetencer indenfor anvendelse af kunstig intelligens; 47%. svarer, at det er svært eller meget svært. Ses der samlet på de deltagende virksomheder i Epinion’s behovsundersøgelse, tyder det også på, at behovet for medarbejdere med AI-kompetencer stiger de kommende år. Virksomhederne vurderer, at de i dag har 754 medarbejdere ansat, der har kompetencer indenfor anvendelse af AI. Når de spørges til, hvor mange de forventer at have behov for om nogle få år (i 2024), er det sammenlagte tal 1803. Alene baseret på disse 176 virksomheder, forventes behovet for kompetencerne dermed at stige med omkring 1000 personer frem mod 2025. Den samlede nationale efterspørgsel på AI-kompetencer, vurderes dermed langt at overstige det nuværende og fremtidige udbud, idet de beslægtede uddannelser (opgjort i dokumentationsrapportens tabel 10) gennem de seneste fem år kun har været i stand til at uddanne gennemsnitligt ca. 448 dimittender årligt. Dette understøttes desuden af de beslægtede uddannelsers meget lave ledighedsgrader, som i gennemsnit er 3% for dimittendårgangene 2015-2019 (dokumentationsrapporten s. 25).

I forhold til uddannelsens regionale placering i Nordjylland, ses det som også tidligere nævnt, at udviklingen i antal ubesatte stillinger ligefrem overgår den nationale udvikling. Der er således et stærkt stigende behov for AI-relaterede kompetencer i det nordjyske, hvorfor det er naturligt at placere uddannelsen på AAU’s campus i Aalborg i tilknytning til eksisterende AI-forskningsmiljøer og relaterede laboratorier. I redegørelsen fra Erhvervsministeriet lægges der desuden vægt på, at der i Danmark er markante forskelle mellem SMV’er og store virksomheder, når det kommer til at tage digitale teknologier i anvendelse. Det ser ud til, at store virksomheder har et hurtigere optag, når det kommer til mere avancerede teknologier såsom kunstig intelligens. Konkret er forskellen i anvendelsen af avancerede teknologier mellem de små og store virksomheder øget med 7 % mellem 2016 og 2020. Den nordjyske region rummer forholdsmæssigt mange SMV’er, og det vurderes derfor, at der i denne region er et endnu større potentiale i at løfte kompetenceniveauet indenfor de avancerede teknologier, såsom anvendelsen af kunstig intelligens, end i landets øvrige regioner.

Nationalt var der i 1. kvartal 2022 over 7000 jobopslag, hvor der efterspurgtes en eller flere AI-kompetencer – heraf næsten 500 i den nordjyske region. Samtidig ventes den nationale efterspørgsel at stige. Alene blandt de adspurgte virksomheder ventes der de næste tre år mellem en to- og tredobling af antallet af medarbejdere med anvendelsesorienterede AI-kompetencer

Antal ansøgere og optagne på beslægtede uddannelser viser dog, at eksisterende uddannelser ikke kan optage alle ansøgere, og der var således 244 ansøgere i 2020 og 318 ansøgere i 2021, der fik afslag på deres 1. prioritet indenfor fagområdet

Dvs., på trods af et klart stigende behov for AI-kompetencer, uddannes der ikke et tilstrækkeligt antal dimittender. Ses der isoleret på behovet for AI-diplomingeniører med det foreslåede kompetencesæt, vurderes det i en fremskrivning foretaget af Epinion, at der i 2025 vil mangle 100 AI-diplomingeniører med det specifikke kompetencesæt. Et tal, som vil stige til 200 i 2030 (dokumentationsrapporten s. 17-21)

Uddannelsen begrænses til 60 studerende pr. år og forventes at uddanne ca. 50 dimittender årligt, og dermed bidrage til at mindske det udækkede behov nationalt og regionalt

Epinion har i 2021 udarbejdet en behovsundersøgelse for AAU, hvori i alt 240 aftagervirksomheder deltog i en spørgeskemaundersøgelse. I 2022 er der foretaget en opfølgende undersøgelse blandt disse, hvor i alt 73 aftagervirksomheder deltog. Hertil har repræsentanter fra 12 virksomheder deltaget i kvalitative dybdeinterviews foretaget af Epinion. Deltagerne i disse undersøgelser kom fra virksomheder inden for bl.a. it og kommunikation, softwareudvikling, offentlige forvaltning, sundhedsvæsen, mv, samt en række andre relevante brancher.

Derudover har udviklingsgruppen bag uddannelsen præsenteret og diskuteret uddannelsesoplægget med de institutvise aftagerpaneler på hhv. Institut for Datalogi og Institut for Arkitektur & Medieteknologi ved AAU, hvor samlet set ni potentielle aftagervirksomheder var repræsenteret.

AAU har desuden på dekanatniveau udsendt høringsbrev om uddannelsen til institutioner med beslægtede uddannelser (DTU, KU, ITU og SDU og AU), for at skabe god dialog og sikre et godt fremtidigt samarbejde om uddannelsesområdet. Der har ikke været nogen indsigelser til uddannelsen fra de adspurgte institutioner.

På baggrund af aftagernes input er der justeret i uddannelsen for at sikre, at kompetenceprofilen matcher aftagernes behov (se kompetenceprofil i bilag 1). Fx er der foretaget tilpasninger, så der er større fokus på forretningsforståelse, design thinking og vedligeholdelse af AI-systemer. Ud fra dialog med aftagere er der ændret i uddannelsens opbygning, således at dimittenderne opnår større kontekstforståelse både i forhold til industrier og sektorer, men også i forhold til AI-løsningers værditilbud for virksomheder og brugere

Undersøgelsen viser, at virksomhederne er positive over for uddannelsen, og at hhv. 76 og 96% af de som anvender AI i dag, vurderer, at de har behov for medarbejdere med kompetencer inden for området i dag og om tre år. Det fremgår også, at der er stort behov for netop det anvendelsesorienterede fokus, som uddannelsen tilbyder, frem for et mere teoretisk

På møderne med aftagerpanelerne fandt deltagere det relevant at ansætte diplomingeniørerne, og var enige i, at behovet for kompetencerne kun vil være endnu større om 4 år, hvor de første forventes at dimittere fra uddannelsen

Det er således AAU’s vurdering, at uddannelsens indhold matcher aftagernes behov

10 kompetenceområder, som opnås via uddannelsen (se nedenfor), er sammenlignet med kompetencer, der opnås på 14 beslægtede uddannelser. Uddannelsen vurderes tættest beslægtet med hhv. bachelor i datavidenskab og machine learning (AAU) samt bachelor i kunstig intelligens og data (DTU). Begge vurderes at give kompetencer indenfor tre til seks af de 10 områder. Herudover vurderes bl.a. bachelor i machine learning og data science (KU) beslægtet på 2-4 områder og bacheloruddannelserne i datalogi (hhv. AAU, SDU og AU) på 1-4 områder. Ingen er dog sammenfaldende indenfor AI-drift og vedligeholdelse (MLOps), Design Thinking og forretningsforståelse og -udvikling. Dertil kommer, at uddannelsen har et mere erhvervsrettet og anvendelsesorienteret fokus. Derfor er uddannelsen den eneste, som samlet giver de kompetencer, der her er efterspurgt af aftagerne (dokumentationsrapporten s. 23).

Dimittenderne forventes at anvende kompetencerne i udvikling, implementering og vedligeholdelse af AI-produkter og services i jobs i private og offentlige organisationer i et spektrum af sektorer såsom sundhed, trafik, handel og undervisning.

Som nævnt ovenfor har AAU undervejs i udviklingen af uddannelsen gennemført en analyse af en række eksisterende uddannelser baseret på deres indhold og erhvervssigte for at sikre, at den ansøgte uddannelse dels bidrager til øget sammenhæng i det danske uddannelsessystem, dels ikke resulterer i forringelser af vilkårene for de beslægtede uddannelser. I analysen er alle de beslægtede uddannelser sammenlignet med 10 kompetenceområder for diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens. Disse er:

a) grundlæggende AI-metoder, b) deep learning, c) tidsserieanalyse, d) tekst- og sprogteknologi, e) AI-implementering, f) AI-drift og vedligeholdelse, g) design thinking, h) brugerinddragelse, i) etik og lovgivning og j) forretningsforståelse og -udvikling. I dokumentationsrapporten (tabel 9) vises en sammenligning af beslægtede uddannelser med kompetenceområderne a)-j), samt i hvilken grad disse har sammenfaldende kernekompetencer med diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens.

Følgende eksisterende beslægtede bachelor- og diplomingeniøruddannelser har været inddraget i analysen: 

AAU: Bacheloruddannelserne i hhv. cyber- og computerteknologi, software (Aal), datalogi samt datavidenskab og machine learning.
DTU: Bacheloruddannelsen i kunstig intelligens og data, bacheloruddannelsen i softwareteknologi samt diplomingeniøruddannelsen i softwareteknologi. 
ITU: Bacheloruddannelsen i data science. 
KU: Bacheloruddannelsen i machine learning og data science. 
SDU: Bacheloruddannelserne i hhv. robotteknologi og datalogi samt diplomingeniøruddannelsen i softwareteknologi
AU: Bacheloruddannelsen i datalogi og diplomingeniøruddannelsen i softwareteknologi. 

Analysen viser, at bacheloruddannelserne i cyber- og computerteknologi, software og datalogi (AAU), bachelor og diplomingeniøruddannelserne i softwareteknologi (DTU), bacheloruddannelsen i data science (ITU), bacheloruddannelserne i robotteknologi og datalogi (SDU) samt datalogi og diplomingeniøruddannelsen i softwareteknologi (AU) har vægt på kernekompetencer som programmering og softwareudvikling. Uddannelserne giver imidlertid ikke i væsentlig grad det kompetencesæt, som findes i de identificerede kompetenceområder for diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens. Bacheloruddannelserne i hhv. datavidenskab og machine learning (AAU) og kunstig intelligens og data (DTU) giver helt eller delvist kompetencer i mellem 3 og 6 af de i alt 10 kompetenceområder, og machine learning og data science (KU) i mellem 2 og 4.

Generelt adskiller alle de eksisterende uddannelser sig dog overordnet set fra den ansøgte uddannelse i deres faglige fokus. Bacheloruddannelsen i kunstig intelligens og data (DTU) har, med udgangspunkt i matematik, fokus på fysik, statistik, kognition og computer science, at arbejde med data og AI-metoder, herunder at beherske værktøjer, der danner baggrund for AI. Bacheloruddannelsen i softwareteknologi (DTU) har, med udgangspunkt i datalogiske begreber og matematisk baserede teknikker, fokus på at udvikle og designe pålidelige it-løsninger. Diplomingeniøruddannelsen i softwareteknologi (DTU) har fokus på udvikling af softwaresystemer og brugen af forskellige værktøjer til udvikling og testning af dem. Bacheloruddannelsen i data science har fokus på håndtering og analyse af data – Big Data. Bacheloruddannelsen i machine learning og datavidenskab (KU) har fokus på analyse af store datamængder og at give et stærkt teoretisk fundament inden for statistik, matematik og datalogi. Bacheloruddannelsen i datalogi (SDU) har fokus på en grundlæggende datalogisk viden og samspil mellem datalogi og matematik og opnåelse af viden inden for centrale datalogiske emner, som computerarkitektur, cybersikkerhed, operativsystemer, data mining og maskinlæring. Bacheloruddannelsen i robotteknologi (SDU) har fokus på udvikling af fremtidens robot- og droneteknologi via kendskab og viden om alle aspekter af moderne informationsteknologi. Diplomingeniøruddannelsen i softwareteknologi (SDU) har fokus på udvikling og vedligeholdelse af software. Diplomingeniøruddannelsen i softwareteknologi (AU) har fokus på at designe og implementere systemsoftware og få teoretisk og praktisk forståelse for softwareudvikling og digitale teknologier. Bacheloruddannelsen i datalogi (AU) har fokus på udvikling og design af fremtidens it-løsninger og læring om bl.a. machine learning, Big Data, kunstig intelligens, interaktionsdesign m.m.

Analysen viser, at ingen af de beslægtede uddannelser uddanner dimittender med tilsvarende kompetencer som diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens. Alle uddannelser har basiselementer særligt inden for programmering, men ingen af de beslægtede uddannelser rummer samtlige kompetenceområder, som er indeholdt i diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens. Nærværende uddannelse kan derfor betegnes som en ny profil, der ikke er i det danske uddannelsessystem for nuværende. 

I forhold til de organisatoriske kompetencer, adskiller diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens sig fra de beslægtede uddannelser uden for AAU. Uddannelsens opbygning med problembaseret læring giver dimittender fra AAU særligt stærke kompetencer inden for problemløsende tilgange til at samarbejde i teams, til at kommunikere mundtligt og skriftligt, projektledelse mm. Det er alle kompetencer, som virksomhederne i behovsundersøgelsen gav udtryk for, at deres ansatte i særlig grad bør have. 

Det er også i særlig grad nogle af disse organisatoriske kompetencer, der adskiller uddannelsen fra en traditionel it-uddannelse. Således rummer uddannelsen kompetencer indenfor design thinking, forretningsforståelse og -udvikling samt det etiske og lovgivningsmæssige grundlag for anvendelsen af avancerede teknologier som kunstig intelligens.

I behovsundersøgelsen fremgår det, at kompetencerne i den foreslåede diplomingeniøruddannelse i design og anvendelse af kunstig intelligens er efterspurgte og relevante for aftagervirksomheder – særligt i de virksomheder, som allerede i dag anvender kunstig intelligens. I alt siger 66% af disse, at de i meget høj grad, i høj grad eller i nogen grad opfatter kompetencerne for design og anvendelse af kunstig intelligens for relevante.

I behovsundersøgelsen gives der blandt aftagerne også udtryk for at uddannelsens særlige profil, som rummer ikke-traditionelle it-kompetencer såsom design thinking, har en høj relevans i forhold til det eksisterende uddannelsesudbud. Dette ses blandt andet i bemærkninger fra dybdeinterviews udført af Epinion:

”De tre overordnede elementer i kompetenceprofilen rammer hovedet lige på sømmet. Stærke metodiske AI og data kompetencer understøttet af design thinking og især en grundig kontekstforståelse sikrer, at dimittenden får en uvurderlig forståelse for, hvad man rent faktisk forsøger at løse, men samtidigt også forholder sig til de begrænsninger og muligheder, AI tilbyder. Jeg synes, uddannelsen har rigtigt godt fat i alt dette, og det er uden tvivl en virkelig spændende og attraktiv uddannelse! Jeg står gerne klar til at aftage den første.” (Chief Specialist & Design Owner, Plant & Hybrid Modelling & Analytics, Vestas)

“Jeg tror, at vinklen i forhold til design thinking er god. Det handler om at forstå forretningen, før man begynder at bygge for meget. Så man får sorteret alt det væk, som ingen har brug for, eller er villige til at betale for, i stedet for at bruge energi på nogle suveræne algoritmer, som ikke er andet end suveræne. Det tror jeg, er sindssygt vigtigt, og det er en god vinkel.” (CTO, Enversion)

På baggrund af sammenligningen med relevante beslægtede uddannelser og aftagernes vurdering af kompetenceprofilen kan det konkluderes, at dimittenderne fra uddannelsen i design og anvendelse af kunstig intelligens har et relevant og godt erhvervssigte, hvor der er behov for dem. På grund af den nuværende og fremtidige mangel på ingeniører og it-specialister bidrager den ansøgte uddannelse således med en kompetenceprofil, som virksomhederne efterspørger, og som er unik i forhold til beslægtede uddannelser. 

Det ventes, at uddannelsen rekrutterer studerende med interesse for teknologi og ingeniørkundskab og med baggrund i STX eller HTX uddannelser. Der er allerede et uudnyttet optagelsespotentiale, fx blev 318 ansøgere til beslægtede uddannelser ikke optaget på deres 1. prioritet i 2021. Disse har potentielt samme profil som ansøgere til denne uddannelse.

Dog forventes elementer som design thinking, forretningsforståelse og -udvikling samt etik og brugerinddragelse at øge diversiteten og kønsbalancen blandt ansøgere og at der derfor i højere grad end for sammenlignelige uddannelser, vil være søgning fra studerende med fx samfunds- og designfaglig interesse.

Der vurderes derfor at være grundlag for optag af 60 kvalificerede ansøgere uden negativ indflydelse på optaget på beslægtede uddannelser.

I afsnittet ”Rekrutteringsgrundlag” er der redegjort for, hvem uddannelsen henvender sig til, og er  (videre-) uddannelsesmulighed for. 

Dimittender fra diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens kan vælge at videreuddanne sig via et kandidatforløb regionalt og nationalt på eksempelvis: 

• Kandidatuddannelsen i computerteknologi (AAU, AAL)


• Kandidatuddannelsen i datalogi (it) (AAU, AAL)


• Kandidatuddannelsen i sundhedsteknologi (AAU, AAL)


• Kandidatuddannelsen i medialogi (AAU, AAL)


• Kandidatuddannelsen i medialogi (AAU, KBH)


• Kandidatuddannelsen i service system design (AAU, KBH)


• Kandidatuddannelsen i menneskeorienteret kunstig intelligens (DTU)


• Kandidatuddannelsen i informationsteknologi (DTU)


• Kandidatuddannelsen i data science (ITU)


• Kandidatuddannelsen i computerteknologi (AU)


• Kandidatuddannelsen i software engineering (SDU)

Diplomingeniøruddannelsen i design og anvendelse af kunstig intelligens er grundet sit uddannelsesformat i udpræget grad erhvervsrettet og anvendelsesorienteret, hvorfor de fleste dimittender fra uddannelsen forventes at overgå direkte til erhvervsarbejde i en privat eller offentlig organisation.

Uddannelsen forventes udbudt fra september 2023, og vil være adgangsbegrænset til 60 studerende.

Det forventes, at det i høj grad er muligt at etablere praktikaftaler med relevante virksomheder til praktikforløbet på uddannelsens 6. semester. 58% af de adspurgte respondenter i Epinion’s behovsundersøgelse som besvarede spørgsmål omkring relevans af praktiksamarbejde, svarede, at det enten i meget høj grad, i høj grad eller i nogen grad er relevant for deres virksomhed at indgå praktikaftaler med uddannelsen.  

Flere medlemmer af aftagerpanelerne har allerede givet mundtligt tilsagn om praktikaftaler, herunder Søren Rex Jensen, Senior Vice President, CTO i Nykredit og Lars Yde, Civilingeniør i Tele2.

Det vurderes derfor sandsynligt, at der kan etableres et passende antal praktikaftaler med relevante virksomheder.

Intet at bemærke.