Informatik 2.0 · Bachelor of Science

Informatics &
AI Engineering.

Du hast die Idee.
Und lernst, sie zu bauen.

Programmiere Anwendungen, verbinde Daten und Modelle und bringe AI in den Alltag. Lerne, wie aus einer guten Idee ein System wird, das Menschen wirklich nutzen können.

Dual oder Vollzeit · Präsenz in Bad Homburg bei Frankfurt

Junge Menschen sitzen bei einer Campusveranstaltung zusammen; ein Student im roten Poloshirt lächelt
In the age of AI. Deine Neugier wird Können.
Abschluss
Bachelor of Science
Dauer
42 Monate · 180 ECTS
Studienstart
Oktober 2027
Hochschule
accadis · Bad Homburg

Informatik trifft Künstliche Intelligenz

Du willst verstehen,
wie es geht.
Und es selbst bauen.

Du möchtest wissen, was hinter einer AI-Anwendung steckt? Wie Code funktioniert, Daten zusammenkommen und ein Modell mit einer echten Aufgabe umgehen kann?

In diesem AI-Engineering-Studium lernst du, Software zu entwickeln, mit Datenbanken zu arbeiten und passende AI-Modelle auszuwählen. Du verbindest einzelne Bausteine und prüfst, ob die gesamte Anwendung zuverlässig funktioniert.

Du denkst vom Code bis zum Betrieb: Informatik 2.0 – mit Software, Daten, AI und ihrer Integration im Mittelpunkt. Anforderungen, Sicherheit und Zusammenarbeit gehören von Anfang an dazu.

Deine Neugier ist ein guter Anfang.

Du musst noch kein Programmierprofi sein. Freude am logischen Denken, Ausprobieren und Dranbleiben hilft dir. Programmieren, Datenbanken und das systematische Finden von Fehlern lernst du im Studium.

Ein Einblick in deine mögliche Arbeit

Was würdest du
mit AI bauen?

Wähle eine Anwendung. Entdecke, wie du Systeme auswählst, Lösungen entwickelst, Bausteine verbindest und das Ergebnis überprüfst.

Situation 01 · Wissensassistent

Viele Dokumente. Eine verlässliche Antwort.

Ein Team möchte internes Wissen schneller finden. Du entwickelst einen Assistenten, der passende Informationen sucht und seine Quellen zeigt.

Deine Aufgabe im AI Engineering

Wie baust du eine Antwort, die sich überprüfen lässt?

  1. 01

    Auswählen

    Du vergleichst Suchverfahren und Sprachmodelle. Qualität, Antwortzeit, Kosten und der Umgang mit vertraulichen Daten zählen.

  2. 02

    Entwickeln

    Du bereitest Dokumente auf, verbindest Suche und Modell und programmierst Antworten mit nachvollziehbaren Quellen.

  3. 03

    Verbinden

    Du bindest den Assistenten über eine Schnittstelle in eine Anwendung ein. Er darf nur Inhalte nutzen, die für die jeweilige Person freigegeben sind.

  4. 04

    Überprüfen

    Du testest richtige, falsche und nicht beantwortbare Fragen. Du protokollierst Fehler und beobachtest Qualität und Kosten im Betrieb.

Daraus kann werden

Ein getesteter Wissensassistent, der Quellen zeigt und fehlendes Wissen erkennbar macht.

Das lernst du zum Beispiel in: Data Engineering and Data Pipelines · AI at Work · IT Security and AI Governance

Situation 02 · Dokumenten-Workflow

Ein Dokument kommt rein. Der Ablauf startet.

Ein Unternehmen überträgt Angaben aus vielen Dokumenten von Hand. Du baust einen Ablauf, der Informationen vorbereitet und dem Team zur Prüfung vorlegt.

Deine Aufgabe im AI Engineering

Wie wird aus AI-Unterstützung ein kontrollierter Prozess?

  1. 01

    Auswählen

    Du prüfst, welche Schritte feste Regeln brauchen und wo ein AI-Modell hilft. Unklare Eingaben sollen zur menschlichen Prüfung gehen.

  2. 02

    Entwickeln

    Du programmierst das Einlesen, prüfst Datenformate und baust den Ablauf für das Extrahieren und Zuordnen der Angaben.

  3. 03

    Verbinden

    Über eine API verbindest du die Anwendung mit dem Zielsystem. Rechte, Freigaben und der Umgang mit doppelten Einträgen sind festgelegt.

  4. 04

    Überprüfen

    Du testest fehlende Felder, falsche Werte und Ausfälle. Jede Übertragung bleibt nachvollziehbar; sensible Aktionen brauchen eine Freigabe.

Daraus kann werden

Ein nachvollziehbarer Workflow, der Routinen erleichtert und Menschen bei wichtigen Entscheidungen einbezieht.

Das lernst du zum Beispiel in: Agentic AI Designs and Applications · Requirements Engineering · Cloud Computing and DevOps

Situation 03 · Daten & Prognosen

Daten zeigen Muster. Du machst sie nutzbar.

Ein Team möchte seine Planung auf Daten stützen. Du untersuchst, ob ein Modell aus bisherigen Abläufen brauchbare Vorhersagen ableiten kann.

Deine Aufgabe im AI Engineering

Ist dein Modell im Alltag besser als eine einfache Regel?

  1. 01

    Auswählen

    Du klärst die Aufgabe, prüfst vorhandene Daten und legst einen einfachen Vergleichswert fest. Nicht jedes Problem braucht ein komplexes Modell.

  2. 02

    Entwickeln

    Du bereinigst Daten, trennst Trainings- und Testdaten und trainierst ein passendes Modell. Du untersuchst, wo es Fehler macht.

  3. 03

    Verbinden

    Du stellst die Prognose über eine Schnittstelle bereit. Ein Dashboard zeigt Ergebnisse und hilft dem Team, sie einzuordnen.

  4. 04

    Überprüfen

    Du vergleichst Prognosen mit späteren Ergebnissen. Verändern sich die Daten, prüfst du das Modell neu und hältst seine Grenzen fest.

Daraus kann werden

Eine überprüfbare Prognose-Anwendung – mit einem Vergleichsmaßstab und einem Blick auf ihre Grenzen.

Das lernst du zum Beispiel in: Applied Machine Learning · Data Engineering and Data Pipelines · Cloud Computing and DevOps

Beispielhafte Aufgaben zur Orientierung. Welche Lösung sinnvoll ist, hängt vom Unternehmen, den Daten und dem konkreten Problem ab.

Das lernst du im Studium

Daten verstehen.
Systeme verbinden.
AI entwickeln.

Dein Studium verbindet acht IT-Grundlagenmodule mit fünf technischen Schwerpunkten. Programmierung, Daten, Machine Learning und Cloud greifen dabei ineinander.

Deine
Schwerpunkte.

Hier lernst du, wie Daten, Modelle und Software zusammenarbeiten – von der ersten Anwendung bis zum verlässlichen Betrieb.

Studiengang an der Hochschule
01Data Engineering and Data Pipelines

Aus vielen Daten wird eine verlässliche Grundlage.

Du lernst, Datenbanken abzufragen, Daten mit Python aufzubereiten und Datenflüsse aufzubauen. Du prüfst, ob Werte vollständig und plausibel sind – damit deine Anwendung auf brauchbaren Daten aufsetzt.

02Cloud Computing and DevOps

Deine Anwendung findet ihren Weg in den Betrieb.

Du beschäftigst dich mit Cloud-Diensten, Containern und automatisierten Abläufen für Tests und Bereitstellung. Monitoring und Logs helfen dir zu verstehen, wie sich eine Anwendung im laufenden Betrieb verhält.

03Applied Machine Learning

Du machst aus Daten ein Modell – und prüfst es.

Du lernst ausgewählte Lernverfahren kennen, trainierst Modelle und bewertest ihre Ergebnisse. Dazu gehört, Testdaten sinnvoll zu trennen, Fehler zu verstehen und zu beurteilen, ob ein Modell zur Aufgabe passt.

04Agentic AI Designs and Applications

AI kann Werkzeuge nutzen. Du gestaltest den Rahmen.

Du untersuchst, wie AI-Agenten Informationen aufnehmen, Schritte planen und mit anderen Systemen arbeiten. Ziele, Gedächtnis und Aktionen gehören ebenso dazu wie klare Grenzen für das Handeln.

05AI at Work | Programming Exercise

Aus technischen Bausteinen wird eine Anwendung.

Du verbindest AI-Funktionen mit Python, Dateien, Tabellen, Datenbanken und Web-Schnittstellen. An überschaubaren Aufgaben erprobst du, wie Code, Daten und Modelle zusammenwirken.

Dein gemeinsames IT-FundamentDie acht Grundlagenmodule
  • Introduction to Informatics

    Wie Rechner, Software und Daten zusammenarbeiten.

  • From OOP to Vibe Coding

    Programmieren lernen und AI-Unterstützung beim Entwickeln einordnen.

  • Requirements Engineering

    Aus Bedürfnissen klare, überprüfbare Anforderungen machen.

  • Big Data Analytics and AI

    Daten analysieren, Muster erkennen und Ergebnisse kritisch bewerten.

  • IT Security and AI Governance

    Sicherheit, Risiken und verantwortlichen AI-Einsatz zusammendenken.

  • IT (Project) Management

    IT-Projekte strukturieren und die Zusammenarbeit organisieren.

  • Process Management

    Abläufe verstehen, beschreiben und gezielt verbessern.

  • AI and Hosting Strategy

    AI-Systeme und ihre technische Bereitstellung beurteilen.

Kein eigenständiges Mathematikmodul. Im aktuellen Curriculum ist kein separates Modul Mathematik vorgesehen. Logik, Zahlen und statistisches Verständnis begegnen dir trotzdem – etwa beim Bewerten von Daten und Modellen.

Anwenden

Vom Wissen
ins Projekt.

Im betreuten Projektstudium, in der Praxisphase und in deiner Bachelorarbeit bearbeitest du konkrete Fragestellungen und verbindest die Studieninhalte.

Zusammenarbeiten

Future Skills.
Für deine Wirkung.

Du stärkst Datenkompetenz, den reflektierten Umgang mit AI und die Zusammenarbeit mit anderen. Business English erweitert deine Kommunikationsmöglichkeiten.

Weiterblicken

International
denken lernen.

Auslandsstudium oder ein englischsprachiges Trimester mit internationalen Gastdozierenden am Campus eröffnen zusätzliche Perspektiven. Den Auslandsweg stimmst du im dualen Modell mit deinem Partner ab.

Das klingt nach deiner Richtung?

Starte deine Bewerbung. Deine offenen Fragen nehmen wir mit ins Gespräch.

Bewerbung starten

Zwei Studienformen. Ein Abschluss.

Dein Bachelor.
Dein Studienalltag.

Gleiche Inhalte. Gleiche 180 ECTS. Gleiche 42 Monate. Du entscheidest mit uns, welcher Rahmen zu dir passt.

Mit festem Karrierepartner

Dual 3 plus 2.

Drei Tage im Unternehmen, zwei Tage an der Hochschule – innerhalb derselben Woche. Du überträgst neue Inhalte regelmäßig in die Praxis und bringst Fragen aus dem Arbeitsalltag mit zurück.

  • Dein Karrierepartner übernimmt die Studiengebühren und zahlt ein Gehalt.
  • Du wächst in ein Unternehmen und seine Projekte hinein.
  • Arbeit, Studium und Selbstlernzeit brauchen eine verlässliche Planung.

Passt zu dir, wenn du früh verbindlich im Unternehmen mitarbeiten und Theorie und Praxis eng verbinden möchtest.

Mit individuell gestalteter Praxis

Vollzeit Individual.

Drei Studientage geben deiner Woche Struktur. Die übrige Zeit gestaltest du mit Selbststudium, Projekten und eigener Praxiserfahrung – beispielsweise in einer Werkstudententätigkeit.

  • Du finanzierst die Studiengebühren selbst.
  • Du kannst unterschiedliche Unternehmen und Arbeitsfelder kennenlernen.
  • Du organisierst Finanzierung, Praxis und Lernzeit eigenständig.

Passt zu dir, wenn du deine Praxiserfahrung flexibel aufbauen möchtest und deine Finanzierung geklärt ist.

Beispielhafte Wochenaufteilung. Die konkreten Wochentage richten sich nach dem Stundenplan und deinen Vereinbarungen. Präsenzstudium in Trimestern; im dualen Modell kein Blockwechsel.

Deine Studienform herausfinden
Zwei junge Studierende begrüßen sich mit einem Handschlag im Seminarraum
Neue Kontakte beim Kennenlernen auf dem Campus.

Dein Studium ist persönlich

Gute Lösungen
entstehen
im Austausch.

An der accadis Hochschule in Bad Homburg studierst du in Präsenz, in kleinen Gruppen und im direkten Austausch.

Du kannst Code gemeinsam durchdenken, Fragen stellen und unterschiedliche Lösungswege ausprobieren. Lehrende begleiten dich. Im Team lernst du, technische Entscheidungen zu erklären und aus Rückmeldungen eine bessere Lösung zu machen.

Du lernst Technologie.
Und die Menschen kennen, mit denen du sie gestaltest.

Deine beruflichen Perspektiven

Wo dein Wissen
etwas bewegt.

Du entwickelst ein technisches Profil für Unternehmen, die AI-Anwendungen aufbauen und betreiben. Zum Beispiel für diese Tätigkeitsfelder:

01

AI
Engineer

Du wählst Modelle aus, entwickelst AI-Funktionen und überprüfst, ob Qualität, Kosten und technische Grenzen zur Aufgabe passen.

02

AI Application
Developer

Du programmierst Anwendungen, bindest Modelle und Daten an und machst ihre Funktionen über verständliche Oberflächen nutzbar.

03

Automation
Engineer

Du verbindest Systeme über Schnittstellen, baust Workflows und entwickelst kontrollierte Abläufe für wiederkehrende Aufgaben.

04

Cloud &
Data Engineer

Du arbeitest an Datenflüssen, stellst Anwendungen bereit und hilfst, ihre Verfügbarkeit und Datenqualität im Blick zu behalten.

Mögliche Tätigkeitsfelder, keine Zusage einer bestimmten Position. Zum Einstieg übernimmst du häufig Teilaufgaben oder eine Junior-Rolle. Verantwortung wächst mit deiner Erfahrung.

Software & Daten · Perspektive bis 2035

AI braucht
Menschen,
die Systeme bauen.

Die US-Arbeitsmarktbehörde BLS erwartet weiteres Wachstum in Software- und Datenberufen. Ein internationaler Anhaltspunkt dafür, welche technischen Fähigkeiten gefragt bleiben könnten.

Das BLS nennt unter anderem AI, vernetzte Geräte und Automatisierung als Treiber für Softwareentwicklung. Entscheidend wird, Anwendungen zu entwerfen, zu integrieren und ihre Qualität zu sichern.

+10%

erwartetes Beschäftigungswachstum bei Softwareentwicklung, Qualitätssicherung und Softwaretests in den USA von 2025 bis 2035.

BLS: Software & Tests ↗
+35%

erwartetes Beschäftigungswachstum bei Data Scientists in den USA im selben Zeitraum. Ein angrenzendes Berufsfeld rund um Daten und Modelle.

BLS: Data Scientists ↗
Globaler Blick bis 2030 · WEF

AI & Machine Learning.
Softwareentwicklung.

Diese Berufsgruppen gehören im Future of Jobs Report 2025 zu den prozentual am schnellsten wachsenden Rollen.WEF: Future of Jobs ↗

Einordnung: BLS-Projektionen 2025–2035 für den US-Arbeitsmarkt; WEF-Erwartungen 2025–2030 aus einer globalen Arbeitgeberbefragung. Die Berufsgruppen sind breiter als dieser Studiengang. Die Zahlen beschreiben keine offenen Stellen in Deutschland und sind keine individuelle Jobzusage. Quellen geprüft: September 2026.

Der nächste Horizont · Physical AI

Wenn dein Code
die Welt bewegt.

Gemini Robotics bei Google DeepMind

Mit Gemini Robotics zeigt Google DeepMind, wie AI-Modelle Wahrnehmung, Aufgabenplanung und Roboteraktionen verbinden. Dafür müssen Daten, Modelle und technische Systeme zusammenarbeiten.

Dein Blick im AI Engineering: Wie kommen Umgebungsdaten ins System? Wie wird eine Modellentscheidung weitergegeben? Wie prüft man Verhalten und Grenzen? Solche Fragen zeigen, wohin du dein technisches Fundament später vertiefen kannst.

Ein Ausblick auf ein angrenzendes Entwicklungsfeld. Das Studium hat keinen ausgewiesenen Robotikschwerpunkt; Robotik erfordert zusätzliche Kenntnisse, etwa in Regelungstechnik und Hardware.

Direkt bei den AI-Anbietern einsteigen

Neugierig?
Fang schon mal an.

Vom ersten Verständnis bis zur eigenen Anwendung: Vier externe Lernimpulse für deinen Weg ins AI Engineering. Du musst sie vor dem Studium nicht absolviert haben.

MicrosoftMicrosoft Learn · Azure

Get started with AI applications and agents on Azure

Erkunde, wie AI-Anwendungen und Agenten mit Microsoft Foundry entstehen – etwa für Texte, Bilder und die Informationssuche. Für die Praxisübungen helfen dir Grundlagen in Informatik und Python.

Lernpfad ansehen
GoogleGoogle for Developers

Introduction to Machine Learning

Ein kompakter Einstieg: Was bedeutet es, wenn ein Modell aus Beispielen lernt? Welche Arten von Machine Learning gibt es? Dieser Überblick erklärt Konzepte und kommt ohne Programmierübungen aus.

Einstieg entdecken
OpenAIOpenAI Academy

Build with AI

Der Bereich für Entwicklerinnen und Entwickler bündelt Lernangebote zum Entwerfen, Bauen, Evaluieren und Bereitstellen von AI-Lösungen mit Codex und der OpenAI API. Im Kurskatalog findest du den passenden Einstieg.

Builder-Angebote ansehen
AnthropicClaude Academy

Building with the Claude API

Für deinen nächsten Lernschritt: Claude in Anwendungen einbinden, eigene Werkzeuge anbinden und Agenten entwickeln. Der Kurs setzt Python, Grundkenntnisse in JSON und einen API-Zugang voraus.

Kurs entdecken

Freiwillige externe Angebote, keine Studienvoraussetzung und kein zugesicherter Bestandteil des Curriculums. Zugang, Sprache und mögliche Kosten findest du beim jeweiligen Anbieter. Die Verlinkung begründet keine Partnerschaft oder Zertifizierungszusage. Microsoft und Azure sind Marken der Microsoft-Unternehmensgruppe. Links geprüft: September 2026.

Gut zu wissen

Deine Fragen.
Klare Antworten.

Du musst dich noch nicht auf alles festlegen. Wir sortieren deine Möglichkeiten mit dir.

Muss ich schon programmieren können?

Du musst noch kein Programmierprofi sein. Du lernst die Grundlagen im Studium: von Programmierlogik und Code über Datenbanken bis zu AI-Anwendungen. Neugier, logisches Denken und die Bereitschaft, Probleme geduldig zu untersuchen, sind ein guter Anfang.

Wie viel Mathematik steckt in AI Engineering?

Das vorliegende Curriculum enthält kein eigenständiges Mathematikmodul. Du arbeitest dennoch mit Zahlen, Daten und statistischen Zusammenhängen – zum Beispiel, um Modellfehler und Vorhersagen zu beurteilen. Du musst kein Mathematik-Genie sein, solltest aber bereit sein, diese Werkzeuge zu verstehen und anzuwenden.

Warum nennt ihr das Informatik 2.0?

Du lernst die Grundlagen von Informatik und Softwareentwicklung und verbindest sie mit AI, Daten, Cloud und modernen Anwendungen. „Informatik 2.0“ beschreibt dieses Profil. Der Abschluss heißt Informatics & AI Engineering B.Sc. Es geht darum, technische Systeme zu verstehen, auszuwählen, zu entwickeln und zuverlässig zu integrieren.

Was unterscheidet AI Engineering von AI Management?

AI Engineering vertieft die technische Entwicklung: Code, Daten, Modelle, Schnittstellen und Betrieb. AI Management konzentriert sich auf Use Cases, wirtschaftlichen Nutzen, Prozesse und Veränderungen im Unternehmen. Beide Wege teilen ein IT-Fundament. In der Study-Orientierung kannst du deine Interessen einordnen.

Welche Voraussetzungen gelten für die Zulassung?

Die accadis Hochschule prüft deine Hochschulzugangsberechtigung und führt das Aufnahmeverfahren durch. Grundlage kann etwa das Abitur, die Fachhochschulreife oder eine gleichwertige Qualifikation sein. Im dualen Weg kommt die Vereinbarung mit einem passenden Karrierepartner hinzu. Deinen konkreten Bildungsweg klären wir mit dir im Bewerbungsprozess.

Wie finanziere ich das Studium?

Im dualen Modell übernimmt dein Karrierepartner die Studiengebühren und zahlt dir ein Gehalt; die konkreten Bedingungen stehen in deinem Vertrag. Im Vollzeitmodell trägst du die Gebühren selbst. Eine Werkstudententätigkeit kann Finanzierung und Praxiserfahrung ergänzen, muss aber mit Lernzeit und Prüfungen vereinbar sein. Über die aktuellen Gebühren und deine Möglichkeiten sprechen wir mit dir in der Beratung.

Muss ich mich vor der Bewerbung schon für dual oder Vollzeit entscheiden?

Du kannst dich bewerben, während du noch abwägst. Es gibt einen gemeinsamen Einstieg ins Hochschulportal. In der persönlichen Beratung besprechen wir Studiengang, Studienform und im dualen Weg mögliche Karrierepartner. Auch mehrere Gespräche sind möglich.

Wann beginnt das Studium und wo findet es statt?

Der nächste hier vorgestellte Studienstart ist Oktober 2027. Du studierst 42 Monate in Präsenz an der accadis Hochschule in Bad Homburg bei Frankfurt am Main. In beiden Studienformen erwirbst du 180 ECTS und denselben Bachelor of Science.

In the age of AI.

Dein Interesse
ist der Anfang.
Mach etwas draus.

AI Engineering könnte zu dir passen?
Dann lernen wir dich gern kennen.

Bewerbung starten

Du wechselst ins Bewerbungsportal der accadis Hochschule. Ein gemeinsamer Einstieg für alle Studiengänge und beide Studienformen.

So finden wir deinen Weg

  1. 01

    Hochschulportal

    Grunddaten und Hochschulzugangsberechtigung digital hinterlegen.

  2. 02

    Assessment

    Deine Fähigkeiten und Arbeitsweise näher kennenlernen.

  3. 03

    Unterlagen ergänzen

    Mit Lebenslauf und persönlichen Angaben deinen Weg sichtbar machen.

  4. 04

    Persönlich beraten

    Gemeinsam Studiengang, Studienform und im dualen Weg mögliche Partner besprechen – auch in mehreren Gesprächen.

Den Bewerbungsweg kennenlernen