Studiengangsbeschreibung

Inhalt

Die Digitalisierung hat seit der Einführung des Internets unseren Alltag massiv verändert. Meilensteine waren die Erfindung der digitalen Fotografie und die Entwicklung des modernen Smartphones, welche unsere Kommunikationswege und Formen grundlegend verändert haben. Das Gebiet Data Science hat sich aufgrund dieser gesellschaftlichen Entwicklungen aus der mathematischen Statistik und der Informatik entwickelt und ist heute in der Wissenschaft, der Industrie und im Alltag der meisten Menschen zu einer Schlüsseltechnologie geworden.

Data Science hat das Ziel, Merkmalen und Wissen aus großen Datenmengen zu extrahieren. Daraus entsteht ein datengetriebenes Modell, welches nicht auf physikalischen Gleichungen beruht, sondern direkt aus den Daten abgeleitet wird. Um dies zu erreichen, sind drei Wissenschaftsgebiete nötig. Die Statistik stellt die entsprechenden mathematischen Werkzeuge bereit. Die Informatik ermöglicht die Umsetzung der mathematischen Modelle durch effiziente Algorithmen, und sorgt für die Darstellung, Verarbeitung, Bereitstellung und Speicherung der Daten. Das dritte Wissenschaftsgebiet ist das sogenannte Domänenwissen, welches die Anwendung beschreibt, in der Data Science angewendet wird. So ist es zum Beispiel für Anwendungen in der Medizin notwendig, über Kenntnisse in Anatomie oder regulatorische Nebenbedingungen wie die Vertraulichkeit von Patientendaten zu verfügen. Der Data Scientist ist somit permanent mit dem Schutz von Daten und der Sicherheit von Daten konfrontiert und muss sich sowohl mit rechtlichen als auch ethischen Fragestellungen befassen.

Der Bachelorstudiengang Data Science bietet ein wissenschaftlich fundiertes, grundlagenorientiertes Studium. Er ist im Kern als Informatikstudium angelegt und enthält dementsprechend den in Deutschland üblichen Kanon (Mathematik, Programmierung, Algorithmenentwicklung) ab. Bei der mathematischen Ausbildung wird neben der linearen Algebra und der Analysis ein verstärkter Fokus auf die Stochastik gelegt. In der zweiten Hälfte des Studiums werden Data Science spezifische Inhalte wie zum Beispiel das maschinelle Lernen vermittelt. Neben dem Studium der mathematischen und informatorischen Methoden werden sich die Studierenden auch mit ethischen Fragestellungen auseinandersetzen, um die gelernten Fertigkeiten verantwortungsbewusst im späteren Beruf einsetzen zu können. Eine Wahlmöglichkeit wird bei den Vertiefungsrichtungen geboten, bei denen sie sich eine Data-Science-Anwendungsdomäne gezielt aussuchen können.


Berufliche Perspektiven

Die Absolventinnen und Absolventen werden durch den Bachelorstudiengang Data Science sowohl auf eine berufliche Tätigkeit in der Industrie als auch auf ein einschlägiges Masterstudium vorbereitet. Aufgrund der zunehmenden Digitalisierung werden die Kompetenzen branchenübergreifend benötigt, sodass den Absolventen ein breites Berufsspektrum eröffnet wird.

Ein Data Scientist arbeitet typischerweise in einem Umfeld, in dem große Datenmengen entstehen und ist dafür verantwortlich, diese zu bewerten, algorithmisch zu verarbeiten und aus ihnen Merkmale zu extrahieren. Er lernt sich das Wissen seiner Domäne an und kann so in einem interdisziplinären Team mit Anwendungsexperten zusammenarbeiten. Der Data Scientist arbeitet forschungsnah und ist somit immer auf dem neuesten Stand über neue Entwicklungen in dem sich rasant entwickelnden Feld. Aufgrund des hohen Informatik-Anteils in dem Studium sind die Absolventinnen und Absolventen des Studiengangs mit allen Regeln des Softwareentwurfs vertraut, sodass ihnen ein großer Teil der Berufsmöglichkeiten von klassischen Informatikern offenstehen.

Ein erfolgreicher Abschluss des Bachelorstudiums Data Science an der TUHH ermöglicht die Aufnahme eines Masterstudiums in Data Science, oder auch - nach individueller Abstimmung der Wahlpflichtmodule - in  Informatik oder angewandter Mathematik.


Lernziele

Das Bachelorstudium Data Science soll die Studierenden sowohl auf eine berufliche Tätigkeit als auch auf ein einschlägiges Masterstudium vorbereiten. Die hierfür notwendigen Fertigkeiten und das nötige Wissen werden im Rahmen des Studiums erworben. Die Lernziele des Studiengangs werden durch ein Zusammenspiel von grundlegenden und weiterführenden Modulen aus Data Science, Mathematik und Informatik erreicht. Die Lernziele sind im Folgenden eingeteilt in die Kategorien Wissen, Fertigkeiten, Sozialkompetenz und Selbstständigkeit.

Wissen

Wissen konstituiert sich aus Theorien und Methoden. Es wird im Bachelorstudiengang Data Science in folgenden Gebieten erworben:

  1. Die Absolventinnen und Absolventen kennen die Grundlagen und Methoden der linearen Algebra, der Differentialrechnung in einer und in mehreren Veränderlichen, der höheren Analysis, und der Numerik. Sie können diese beschreiben und ihre Beweise skizzieren.

  2. Die Absolventinnen und Absolventen kennen die Grundlagen und Methoden der Statistik und Wahrscheinlichkeitsrechnung. Sie sind vertraut mit Schätzverfahren und können statistische Tests durchführen.

  3. Die Absolventinnen und Absolventen kennen die Grundlagen und Methoden der Programmierung. Sie kennen verschiedene Programmierparadigmen (z.B. prozedurale, funktionale, generische und objektorientierte Programmierung) und sind mit den Grundlagen der Softwareentwicklung vertraut.

  4. Die Absolventinnen und Absolventen kennen die grundlegenden Theorien, Zusammenhänge und Methoden von Algorithmen und Datenstrukturen. Sie können diese beschreiben und bezüglich ihrer Komplexität bewerten.

  5. Die Absolventinnen und Absolventen kennen Methoden zum Erheben, Aufbereiten, Analysieren und Visualisieren von kleinen und großen sowie homogenen und heterogenen Datenmengen. Sie können diese durch geeignete Datenstrukturen behandeln und sind mit dem Umgang von Datenbanksystemen vertraut.

  6. Aufbauend auf den oben angeführten Grundlagenkenntnissen kennen die Absolventinnen und Absolventen die fortgeschrittenen Theorien und Methoden von ausgesuchten Teildisziplinen in den Gebieten Data Science, Mathematik, Informatik und den Ingenieurwissenschaften. Sie sind in der Lage, Zusammenhänge zwischen den Konzepten der einzelnen Fächer zu diskutieren und können erklären, wie diese Konzepte innerhalb des Gebietes Data Science zusammengeführt werden.

  7. Die Studierenden können die Grundlagen und Methoden der Betriebswirtschaftslehre wiedergeben und können einen Überblick über die relevanten sozialen, ethischen, ökologischen und ökonomischen Randbedingungen ihres Faches geben.

Fertigkeiten

Die Fähigkeit, erlerntes Wissen zur Lösung spezifischer Probleme anzuwenden, wird im Studiengang Data Science auf folgende Weise unterstützt:

  1. Die Absolventinnen und Absolventen können mathematische Aufgabenstellungen aus der Stochastik, der Analysis, der linearen Algebra, und der Numerik mit den erlernten Methoden lösen.

  2. Die Absolventinnen und Absolventen können aus einer Problemstellung heraus Algorithmen entwerfen und die Korrektheit sowie das Laufzeitverhalten und den Speicherplatzbedarf abschätzen. Bei numerischen Algorithmen können sie die Approximationsgüte untersuchen und darlegen, ob ein Algorithmus optimal ist bzw. für welche Arten von Eingaben der Worst Case in Bezug auf das Laufzeitverhalten eines Algorithmus auftritt.

  3. Die Absolventinnen und Absolventen sind mit den Regeln der Softwareentwicklung vertraut und können von der Spezifikation über die Implementierung bis zu der Testung des Systems alle Schritte selbstständig sowie in Abstimmung eines Teams umsetzen.

  4. Die Absolventinnen und Absolventen können ein gegebenen Datenkollektiv analysieren und durch Anwenden von Data-Science-Methoden Strukturen in den Daten feststellen. Insbesondere können Sie gemeinsame Muster in einem Datensatz durch Anwenden einer Cluster-Analyse identifizieren. Sie können die Gültigkeit von Aussagen durch statistische Tests untersuchen.

  5. Die Absolventinnen und Absolventen können für eine konkrete Anwendungsdomäne ein Konzept für ein datengetriebenes Model erstellen. Hierzu gehört die Spezifikation, welche Daten für das Modell erhoben werden sollen, das Erheben der eigentlichen Daten, das Aufbereiten der Daten, sowie das Trainieren eines maschinellen Lernverfahrens. Sie können die Daten in Trainings- und Testdaten aufteilen und so die Genauigkeit des trainierten Modells untersuchen. Die Absolventen können Methoden der Erklärbarkeit (englisch: Explainability) anwenden und können so den Anwendern direktes Feedback über die Wirkweise eines Models liefern.

  6. Die Absolventinnen und Absolventen können ethische Grundpositionen in Bezug auf die Informationsverarbeitung und Data Science anwenden. Sie können ethische Konflikte bezüglich der Erhebung und der Verarbeitung von Daten erkennen und beschreiben, ihr eigenes Handeln bei der Erfassung, Verarbeitung und Analyse von Daten und die dessen Folgen reflektieren und Datenschutzrichtlinien berücksichtigen und die Konformität von Softwaresystemen mit Datenschutzrichtlinien bewerten.

  7. Die Absolventinnen und Absolventen sind in der Lage, sich Zusammenhänge zwischen den kennengelernten Data-Science-Konzepten selbstständig zu erschließen und können diese verifizieren und bewerten. Sie können Aufgabenstellungen aus den Data-Science-Anwendungsgebieten mit Hilfe der kennengelernten Konzepte selbstständig formulieren, geeignete Lösungsansätze entwickeln und verfolgen, die Ergebnisse kritisch auswerten und den Lösungsweg geeignet dokumentieren.

Sozialkompetenz
  1. Sozialkompetenz umfasst die individuelle Fähigkeit und den Willen, zielorientiert mit anderen zusammenzuarbeiten, die Interessen der anderen zu erfassen, sich zu verständigen und die Arbeits- und Lebenswelt mitzugestalten.
  2. Die Absolventinnen und Absolventen können Data-Science-Konzepte schriftlich und mündlich adressatengerecht kommunizieren. Sie sind in der Lage das Verständnis der Gesprächspartner anhand von Beispielen zu vertiefen und können auf Nachfragen, Ergänzungen und Kommentare geeignet reagieren.

  3. Die Absolventinnen und Absolventen können in fachlich homogenen und heterogenen Teams zusammenarbeiten. Sie beherrschen die Mathematik und Informatik als gemeinsame Sprache und können diese gegebenenfalls auch anderen vermitteln. Sie sind in der Lage Teilaufgaben zu definieren, zu verteilen und zu integrieren. Sie können Vereinbarungen treffen und sozial interagieren

Selbstständigkeit

Personale Kompetenzen umfassen neben der Kompetenz zum selbstständigen Handeln auch die System- und Lösungskompetenzen, allgemeine Problemstellungen auf spezifische Teilprobleme abzubilden sowie die Auswahl und das Beherrschen geeigneter Methoden und Verfahren zur Problemlösung.

  1. Die Absolventinnen und Absolventen können selbstorganisiert und -motiviert über längere Zeiträume zielgerichtet an schwierigen Problemstellungen arbeiten.

  2. Die Absolventinnen und Absolventen können sich selbstständig ein eingegrenztes Data-Science-Teilgebiet der erschließen. Sie sind dabei insbesondere in der Lage, notwendige Informationen zu beschaffen und in den Kontext ihres Wissens zu setzen. Sie können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.


Studiengangsstruktur

Das Curriculum des Bachelorstudiengangs Data Science ist wie folgt gegliedert:

Kernqualifikation (insg. 156 LP)

Sie enthält Pflichtmodule aus den Grundlagen der Mathematik (Lineare Algebra, Analysis, Numerik, Stochastik; insg. 54 LP), der Informatik (Programmierung, Algorithmen und Datenstrukturen, Automatentheorie, Datenbanken, Informationssicherheit; insg. 42 LP), dem Data-Science-Kerngebiet (Maschinelles Lernen, Data Mining, Praktikum Data Science, Signalverarbeitung, Ethik; insg. 30 LP) sowie zwei Wahlpflichtmodulen (insg.  12 LP).

Die Kernqualifikation enthält außerdem noch Seminare (insg. 6 LP) sowie die überfachlichen Pflichtmodule zur Betriebswirtschaftslehre und zu nichttechnischen Ergänzungskursen (je 6 LP).  

Vertiefungen (insg. 12 LP)

Die Studierenden haben in den ersten beiden Studiensemestern die Möglichkeit eine Anwendungsdomäne zu wählen, um sich gezielt in einem Data-Science-Anwendungsgebiet Domänenwissen anzueignen. Die Domänen sind als Vertiefungsrichtung umgesetzt und sollen primär am Anfang des Studiums stattfinden. Es sind die folgenden Vertiefungen mit jeweils 12 LP und fest vorgegebenen Lehrveranstaltungen wählbar:

  • Vertiefung Elektrotechnik

  • Vertiefung Logistik

  • Vertiefung Materialwissenschaft

  • Vertiefung Mechanik

  • Vertiefung Medizin

In dem Wahlpflichtbereich der Kernqualifikation können sich die Studierenden in einer Domäne weiter vertiefen.

Bachelorarbeit (12 LP, 6. Semester)

Das Studium schließt mit der Bachelorarbeit ab, die einen Umfang von 12 LP umfasst und im 6. Semester angefertigt wird.

Fachmodule der Kernqualifikation

Modul M0575: Prozedurale Programmierung

Lehrveranstaltungen
Titel Typ SWS LP
Prozedurale Programmierung (L0197) Vorlesung 1 2
Prozedurale Programmierung (L0201) Hörsaalübung 1 1
Prozedurale Programmierung (L0202) Laborpraktikum 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Elementare Handhabung eines PC

Elementare Mathematikkenntnisse

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden erwerben folgendes Wissen:

  • Sie kennen elementare Sprachelemente der Programmiersprache C. Sie kennen die grundlegenden Datentypen und wissen um ihre Einsatzgebiete.

  • Sie haben ein Verständnis davon, was die Aufgaben eines Compilers, des Präprozessors und der Entwicklungsumgebung sind und wie diese interagieren.

  • Sie beherrschen die Einbindung und Verwendung externer Programm-Bibliotheken zur Erweiterung des Funktionsumfangs.

  • Sie wissen, wie man Header-Dateien verwendet und Funktionsschnittstellen festlegt, um größere Programmierprojekte kreieren zu können.

  • Sie haben ein Verständnis dafür, wie das implementierte Programm mit dem Betriebssystem interagiert. Dies befähigt Sie dazu, Programme zu entwickeln, welche Eingaben des Benutzers, Betriebseingaben oder auch entsprechende Dateien verarbeiten und gewünschte Ausgaben erzeugen.

  • Sie haben mehrere Herangehensweisen zur Implementierung häufig verwendeter Algorithmen gelernt.

Fertigkeiten
  • Die Studierenden sind in der Lage, die Komplexität eines Algorithmus zu bewerten und eine effiziente Implementierung vorzunehmen.

  • Die Studierenden können Algorithmen für eine Vielzahl von Funktionalitäten modellieren und programmieren. Zudem können Sie die Implementierung an eine vorgegebene API anpassen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden erwerben folgende Kompetenzen:

  • Sie können in Kleingruppen Aufgaben gemeinsam lösen, Programmfehler analysieren und beheben und ihr erzieltes Ergebnis gemeinsam präsentieren.

  • Sie können sich Sachverhalte direkt am Rechner durch einfaches Ausprobieren gegenseitig klar machen.

  • Sie können in Kleingruppen gemeinsam eine Projektidee und -planung erarbeiten.

  • Sie müssen den betreuenden Tutoren ihre eigenen Lösungsansätze verständlich kommunizieren und ihre Programme präsentieren.

Selbstständigkeit
  • Die Studierenden müssen in Einzeltestaten sowie einer abschließenden Prüfung ihre Programmierfertigkeiten unter Beweis stellen und selbständig ihr erlerntes Wissen zur Lösung neuer Aufgabenstellungen anwenden.

  • Die Studierenden haben die Möglichkeit, ihre erlernten Fähigkeiten beim Lösen einer Vielzahl von Präsenzaufgaben zu überprüfen.

  • Zur effizienten Bearbeitung der Aufgaben des Praktikums teilen die Studierenden innerhalb ihrer Gruppen die Übungsaufgaben auf. Jeder Studierende muss zunächst selbständig eine Teilaufgabe lösen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Mechatronik: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Technomathematik: Kernqualifikation: Pflicht
Lehrveranstaltung L0197: Prozedurale Programmierung
Typ Vorlesung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt
  • elementare Datentypen (Integer, Gleitpunktformat, ASCII-Zeichen) und ihre Abhängigkeiten von der Architektur
  • höhere Datentypen (Zeiger, Arrays, Strings, Strukturen, Listen)

  • Operatoren (arithmetische Operationen, logische Operationen, Bit-Operationen)

  • Kontrollflussstrukturen (bedingte Verzweigung, Schleifen, Sprünge)

  • Präprozessor-Direktiven (Makros, bedingte Kompilierung, modulares Design)

  • Funktionen (Funktionsdefinition/-interface, Rekursion, "call by value" versus "call by reference", Funktionszeiger)

  • essentielle Standard-Bibliotheken und -Funktionen (stdio.h, stdlib.h, math.h, string.h, time.h)

  • Dateikonzept, Streams

  • einfache Algorithmen (Sortierfunktionen, Reihenentwicklung, gleichverteilte Permutation)

  • Übungsprogramme zur Vertiefung der Programmierkenntnisse

Literatur

Kernighan, Brian W (Ritchie, Dennis M.;)
The C programming language
ISBN: 9780131103702
Upper Saddle River, NJ [u.a.] : Prentice Hall PTR, 2009

Sedgewick, Robert 
Algorithms in C
ISBN: 0201316633
Reading, Mass. [u.a.] : Addison-Wesley, 2007 

Kaiser, Ulrich (Kecher, Christoph.;)
C/C++: Von den Grundlagen zur professionellen Programmierung
ISBN: 9783898428392
Bonn : Galileo Press, 2010

Wolf, Jürgen 
C von A bis Z : das umfassende Handbuch
ISBN: 3836214113
Bonn : Galileo Press, 2009

Lehrveranstaltung L0201: Prozedurale Programmierung
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0202: Prozedurale Programmierung
Typ Laborpraktikum
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0736: Linear Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Lineare Algebra (L0642) Vorlesung 4 4
Lineare Algebra (L0643) Hörsaalübung 2 2
Lineare Algebra (L0645) Gruppenübung 2 2
Modulverantwortlicher Prof. Daniel Ruprecht
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse None
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can name the basic concepts in linear algebra. They are able to explain them using appropriate examples.
  • Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
  • They know proof strategies and can reproduce them.


Fertigkeiten
  • Students can model problems in linear algebra with the help of the concepts studied in this course. Moreover, they are capable of solving them by applying established methods.
  • Students are able to discover and verify further logical connections between the concepts studied in the course.
  • For a given problem, the students can develop and execute a suitable approach, and are able to critically evaluate the results.


Personale Kompetenzen
Sozialkompetenz

- Students are able to work together (e.g. on their regular home work) in heterogeneously composed teams (i.e., teams from different study programs and background knowledge)  and to present their results appropriately (e.g. during exercise class).

Selbstständigkeit

- Students are capable of checking their understanding of complex concepts on their own. They can specify open questions precisely and know where to get help in solving them.

- Students can put their knowledge in relation to the contents of other lectures.

- Students have developed sufficient persistence to be able to work for longer periods in a goal-oriented manner on hard problems.

Arbeitsaufwand in Stunden Eigenstudium 128, Präsenzstudium 112
Leistungspunkte 8
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
Lehrveranstaltung L0642: Linear Algebra
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Dr. Julian Großmann
Sprachen EN
Zeitraum WiSe
Inhalt

Preliminaries

Vector spaces

Matrices and linear systems of equations

Scalar products and orthogonality

Basis transformation

Determinants

Eigen values


Literatur

Strang: Linear Algebra

Beutelsbacher: Lineare Algebra

Lehrveranstaltung L0643: Linear Algebra
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Julian Großmann, Jan Meichsner
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0645: Linear Algebra
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Julian Großmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0561: Diskrete Algebraische Strukturen

Lehrveranstaltungen
Titel Typ SWS LP
Diskrete Algebraische Strukturen (L0164) Vorlesung 2 3
Diskrete Algebraische Strukturen (L0165) Gruppenübung 2 3
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Abiturkenntnisse in Mathematik.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • zahlentheoretische und funktionsbasierte Modelle der Kryptographie sowie Grundlagen der linearen Codes;
  • den Aufbau und Struktur von Restklassenringen (Euklidische Ringe) und endlichen Körpern;
  • den Aufbau und die Struktur von Unter-, Summen- und Faktorstrukturen in algebraischen Gebilden sowie Homomorphismen zwischen diesen Strukturen;
  • den Aufbau und die Abzählung von elementaren kombinatorischen Strukturen;
  • die wichtigsten Beweiskonzepte der modernen Mathematik;
  • den Aufbau der höheren Mathematik basierend auf mathematischer Logik und Mengenlehre;
  • grundlegende Aspekte des Einsatzes von mathematischer Software (Computeralgebrasystem Maple) zur Lösung von algebraischen oder kombinatorischen Aufgabenstellungen.
Fertigkeiten

Fertigkeiten: Die Studierenden können

  • in Restklassenringen (Euklischen Ringen) rechnen;
  • Unter-, Summen- und Faktorstrukturen in algebraischen Gebilden aufstellen und in ihnen rechnen sowie algebraische Strukturen durch Homomorphismen aufeinander beziehen;
  • elementar-kombinatorische Strukturen identifizieren und abzählen;
  • die Sprache der Mathematik, basierend auf Mathematischer Logik und Mengenlehre, dienstbar verwenden;
  • einfache, im Kontext stehende mathematische Aussagen beweisen;
  • einschlägige mathematische Software (Computeralgebrasystem Maple) zielgerichtet einsetzen.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachbüchern selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0164: Diskrete Algebraische Strukturen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
Literatur
Lehrveranstaltung L0165: Diskrete Algebraische Strukturen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0577: Nichttechnische Angebote im Bachelor

Modulverantwortlicher Dagmar Richter
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Nichttechnischen Angebote (NTA) 

vermitteln die in Hinblick auf das Ausbildungsprofil der TUHH nötigen Kompetenzen, die ingenieurwissenschaftliche Fachlehre fördern aber nicht abschließend behandeln kann: Eigenverantwortlichkeit, Selbstführung, Zusammenarbeit und fachliche wie personale Leitungsbefähigung der zukünftigen Ingenieurinnen und Ingenieure. Er setzt diese Ausbildungsziele in seiner Lehrarchitektur, den Lehr-Lern-Arrangements, den Lehrbereichen und durch Lehrangebote um, in denen sich Studierende wahlweise für spezifische Kompetenzen und ein Kompetenzniveau auf Bachelor- oder Masterebene qualifizieren können. Die Lehrangebote sind jeweils in einem Modulkatalog Nichttechnische Ergänzungskurse zusammengefasst. 

Die Lehrarchitektur

besteht aus einem studiengangübergreifenden Pflichtstudienangebot. Durch dieses zentral konzipierte Lehrangebot wird die Profilierung der TUHH Ausbildung auch im Nichttechnischen Bereich gewährleistet.

Die Lernarchitektur erfordert und übt eigenverantwortliche Bildungsplanung in Hinblick auf den individuellen Kompetenzaufbau ein und  stellt dazu Orientierungswissen zu thematischen Schwerpunkten  von Veranstaltungen bereit.

Das über den gesamten Studienverlauf begleitend studierbare Angebot kann ggf. in ein-zwei Semestern studiert werden. Angesichts der bekannten, individuellen Anpassungsprobleme beim Übergang von Schule zu Hochschule in den ersten Semestern und um individuell geplante Auslandsemester zu fördern, wird jedoch von einer Studienfixierung in konkreten Fachsemestern abgesehen.

Die Lehr-Lern-Arrangements

sehen für Studierende - nach B.Sc. und M.Sc. getrennt - ein semester- und fachübergreifendes voneinander Lernen vor. Der Umgang mit Interdisziplinarität und einer Vielfalt von Lernständen in Veranstaltungen wird eingeübt - und in spezifischen Veranstaltungen gezielt gefördert.

Die Lehrbereiche

basieren auf Forschungsergebnissen aus den wissenschaftlichen Disziplinen Kulturwissenschaften, Gesellschaftswissenschaften, Kunst, Geschichtswissenschaften, Kommunikationswissenschaften, Migrationswissenschaften, Nachhaltigkeitsforschung und aus der Fachdidaktik der Ingenieurwissenschaften. Über alle Studiengänge hinweg besteht im Bachelorbereich zusätzlich ab Wintersemester 2014/15 das Angebot, gezielt Betriebswirtschaftliches und Gründungswissen aufzubauen. Das Lehrangebot wird durch soft skill und Fremdsprachkurse ergänzt. Hier werden insbesondere kommunikative Kompetenzen z.B. für Outgoing Engineers gezielt gefördert.

Das Kompetenzniveau

der Veranstaltungen in den Modulen der nichttechnischen Ergänzungskurse unterscheidet sich in Hinblick auf das zugrunde gelegte Ausbildungsziel: Diese Unterschiede spiegeln sich in den verwendeten Praxisbeispielen, in den - auf unterschiedliche berufliche Anwendungskontexte verweisende - Inhalten und im für M.Sc. stärker wissenschaftlich-theoretischen Abstraktionsniveau. Die Soft skills für Bachelor- und für Masterabsolventinnen/ Absolventen unterscheidet sich an Hand der im Berufsleben unterschiedlichen Positionen im Team und bei der Anleitung von Gruppen.

Fachkompetenz (Wissen)

Die Studierenden können

  • ausgewählte Spezialgebiete innerhalb der jeweiligen nichttechnischen Mutterdisziplinen verorten,
  • in den im Lehrbereich vertretenen Disziplinen grundlegende Theorien, Kategorien, Begrifflichkeiten, Modelle,  Konzepte oder künstlerischen Techniken skizzieren,
  • diese fremden Fachdisziplinen systematisch auf die eigene Disziplin beziehen, d.h. sowohl abgrenzen als auch Anschlüsse benennen,
  • in Grundzügen skizzieren, inwiefern wissenschaftliche Disziplinen, Paradigmen, Modelle, Instrumente, Verfahrensweisen und Repräsentationsformen der Fachwissenschaften einer individuellen und soziokulturellen Interpretation und Historizität unterliegen,              
  • können Gegenstandsangemessen in einer Fremdsprache kommunizieren (sofern dies der gewählte Schwerpunkt im nichttechnischen Bereich ist).


Fertigkeiten

Die Studierenden können in ausgewählten Teilbereichen

  • grundlegende Methoden der genannten Wissenschaftsdisziplinen anwenden.
  • technische Phänomene, Modelle, Theorien usw. aus der Perspektive einer anderen, oben erwähnten Fachdisziplin befragen.
  • einfache Problemstellungen aus den behandelten Wissenschaftsdisziplinen erfolgreich bearbeiten,
  • bei praktischen Fragestellungen in Kontexten, die den technischen Sach- und Fachbezug übersteigen, ihre Entscheidungen zu Organisations- und Anwendungsformen der Technik begründen.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind fähig ,

  • in unterschiedlichem Ausmaß kooperativ zu lernen
  • eigene Aufgabenstellungen in den o.g. Bereichen in adressatengerechter Weise in einer Partner- oder Gruppensituation zu präsentieren und zu analysieren,
  • nichttechnische Fragestellungen einer Zuhörerschaft mit technischem Hintergrund verständlich darzustellen
  • sich landessprachlich kompetent, kulturell angemessen und geschlechtersensibel auszudrücken (sofern dies der gewählte Schwerpunkt im NTW-Bereich ist) .


Selbstständigkeit

Die Studierenden sind in ausgewählten Bereichen in der Lage,

  • die eigene Profession und Professionalität im Kontext der lebensweltlichen Anwendungsgebiete zu reflektieren,
  • sich selbst und die eigenen Lernprozesse zu organisieren,
  • Fragestellungen vor einem breiten Bildungshorizont zu reflektieren und verantwortlich zu entscheiden,
  • sich in Bezug auf ein nichttechnisches Sachthema mündlich oder schriftlich kompetent auszudrücken.
  • sich als unternehmerisches Subjekt zu organisieren,   (sofern dies ein gewählter Schwerpunkt im NTW-Bereich ist).


Arbeitsaufwand in Stunden Abhängig von der Wahl der Lehrveranstaltungen
Leistungspunkte 6
Lehrveranstaltungen
Die Informationen zu den Lehrveranstaltungen entnehmen Sie dem separat veröffentlichten Modulhandbuch des Moduls.

Modul M0624: Automata Theory and Formal Languages

Lehrveranstaltungen
Titel Typ SWS LP
Automatentheorie und Formale Sprachen (L0332) Vorlesung 2 4
Automatentheorie und Formale Sprachen (L0507) Gruppenübung 2 2
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Participating students should be able to

- specify algorithms for simple data structures (such as, e.g., arrays) to solve computational problems 

- apply propositional logic and predicate logic for specifying and understanding mathematical proofs

- apply the knowledge and skills taught in the module Discrete Algebraic Structures

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain syntax, semantics, and decision problems of propositional logic, and they are able to give algorithms for solving decision problems. Students can show correspondences to Boolean algebra. Students can describe which application problems are hard to represent with propositional logic, and therefore, the students can motivate predicate logic, and define syntax, semantics, and decision problems for this representation formalism. Students can explain unification and resolution for solving the predicate logic SAT decision problem. Students can also describe syntax, semantics, and decision problems for various kinds of temporal logic, and identify their application areas. The participants of the course can define various kinds of finite automata and can identify relationships to logic and formal grammars. The spectrum that students can explain ranges from deterministic and nondeterministic finite automata and pushdown automata to Turing machines. Students can name those formalism for which nondeterminism is more expressive than determinism. They are also able to demonstrate which decision problems require which expressivity, and, in addition, students can transform decision problems w.r.t. one formalism into decision problems w.r.t. other formalisms. They understand that some formalisms easily induce algorithms whereas others are best suited for specifying systems and their properties. Students can describe the relationships between formalisms such as logic, automata, or grammars.



Fertigkeiten

Students can apply propositional logic as well as predicate logic resolution to a given set of formulas. Students analyze application problems in order to derive propositional logic, predicate logic, or temporal logic formulas to represent them. They can evaluate which formalism is best suited for a particular application problem, and they can demonstrate the application of algorithms for decision problems to specific formulas. Students can also transform nondeterministic automata into deterministic ones, or derive grammars from automata and vice versa. They can show how parsers work, and they can apply algorithms for the language emptiness problem in case of infinite words.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Engineering Science: Vertiefung Mechatronics: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0332: Automata Theory and Formal Languages
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt
  1. Propositional logic, Boolean algebra, propositional resolution, SAT-2KNF
  2. Predicate logic, unification, predicate logic resolution
  3. Temporal Logics (LTL, CTL)
  4. Deterministic finite automata, definition and construction
  5. Regular languages, closure properties, word problem, string matching
  6. Nondeterministic automata: 
    Rabin-Scott transformation of nondeterministic into deterministic automata
  7. Epsilon automata, minimization of automata,
    elimination of e-edges, uniqueness of the minimal automaton (modulo renaming of states)
  8. Myhill-Nerode Theorem: 
    Correctness of the minimization procedure, equivalence classes of strings induced by automata
  9. Pumping Lemma for regular languages:
    provision of a tool which, in some cases, can be used to show that a finite automaton principally cannot be expressive enough to solve a word problem for some given language
  10. Regular expressions vs. finite automata:
    Equivalence of formalisms, systematic transformation of representations, reductions
  11. Pushdown automata and context-free grammars:
    Definition of pushdown automata, definition of context-free grammars, derivations, parse trees, ambiguities, pumping lemma for context-free grammars, transformation of formalisms (from pushdown automata to context-free grammars and back)
  12. Chomsky normal form
  13. CYK algorithm for deciding the word problem for context-free grammrs
  14. Deterministic pushdown automata
  15. Deterministic vs. nondeterministic pushdown automata:
    Application for parsing, LL(k) or LR(k) grammars and parsers vs. deterministic pushdown automata, compiler compiler
  16. Regular grammars
  17. Outlook: Turing machines and linear bounded automata vs general and context-sensitive grammars
  18. Chomsky hierarchy
  19. Mealy- and Moore automata:
    Automata with output (w/o accepting states), infinite state sequences, automata networks
  20. Omega automata: Automata for infinite input words, Büchi automata, representation of state transition systems, verification w.r.t. temporal logic specifications (in particular LTL)
  21. LTL safety conditions and model checking with Büchi automata, relationships between automata and logic
  22. Fixed points, propositional mu-calculus
  23. Characterization of regular languages by monadic second-order logic (MSO)
Literatur
  1. Logik für Informatiker Uwe Schöning, Spektrum, 5. Aufl.
  2. Logik für Informatiker Martin Kreuzer, Stefan Kühling, Pearson Studium, 2006
  3. Grundkurs Theoretische Informatik, Gottfried Vossen, Kurt-Ulrich Witt, Vieweg-Verlag, 2010.
  4. Principles of Model Checking, Christel Baier, Joost-Pieter Katoen, The MIT Press, 2007

Lehrveranstaltung L0507: Automata Theory and Formal Languages
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0737: Mathematical Analysis

Lehrveranstaltungen
Titel Typ SWS LP
Mathematische Analysis (L0647) Vorlesung 4 4
Mathematische Analysis (L0648) Hörsaalübung 2 2
Mathematische Analysis (L0649) Gruppenübung 2 2
Modulverantwortlicher Prof. Daniel Ruprecht
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse None
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can name the basic concepts in analysis. They are able to explain them using appropriate examples.
  • Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
  • They know proof strategies and can reproduce them.


Fertigkeiten
  • Students can model problems in analysis with the help of the concepts studied in this course. Moreover, they are capable of solving them by applying established methods.
  • Students are able to discover and verify further logical connections between the concepts studied in the course.
  • For a given problem, the students can develop and execute a suitable approach, and are able to critically evaluate the results.


Personale Kompetenzen
Sozialkompetenz

- Students are able to work together (e.g. on their regular home work) in heterogeneously composed teams (i.e., teams from different study programs and background knowledge)  and to present their results appropriately (e.g. during exercise class).

Selbstständigkeit

- Students are capable of checking their understanding of complex concepts on their own. They can specify open questions precisely and know where to get help in solving them.

- Students can put their knowledge in relation to the contents of other lectures.

- Students have developed sufficient persistence to be able to work for longer periods in a goal-oriented manner on hard problems.

Arbeitsaufwand in Stunden Eigenstudium 128, Präsenzstudium 112
Leistungspunkte 8
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
Lehrveranstaltung L0647: Mathematical Analysis
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Dr. Julian Großmann
Sprachen EN
Zeitraum SoSe
Inhalt

Convergence, sequences, and series

Continuity

Elementary functions

Differential calculus

Integral calculus

Sequences of functions

Literatur

Königsberger: Analysis

Forster: Analysis


Lehrveranstaltung L0648: Mathematical Analysis
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Julian Großmann
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0649: Mathematical Analysis
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Julian Großmann
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0727: Stochastik

Lehrveranstaltungen
Titel Typ SWS LP
Stochastik (L0777) Vorlesung 2 4
Stochastik (L0778) Gruppenübung 2 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Analysis
  • Aussagenlogik
  • Diskrete Algebraische Strukturen (Kombinatorik)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain the main definitions of probability, and they can give basic definitions of modeling elements (random variables, events, dependence, independence assumptions) used in discrete and continuous settings (joint and marginal distributions, density functions). Students can describe characteristic notions such as expected values, variance, standard deviation, and moments. Students can define decision problems and explain algorithms for solving these problems (based on the chain rule or Bayesian networks). Algorithms, or estimators as they are caller, can be analyzed in terms of notions such as bias of an estimator, etc. Student can describe the main ideas of stochastic processes and explain algorithms for solving decision and computation problem for stochastic processes. Students can also explain basic statistical detection and estimation techniques.

Fertigkeiten Students can apply algorithms for solving decision problems, and they can justify whether approximation techniques are good enough in various application contexts, i.e., students can derive estimators and judge whether they are applicable or reliable.
Personale Kompetenzen
Sozialkompetenz

- Students are able to work together (e.g. on their regular home work) in heterogeneously composed teams (i.e., teams from different study programs and background knowledge)  and to present their results appropriately (e.g. during exercise class).

Selbstständigkeit

- Students are capable of checking their understanding of complex concepts on their own. They can specify open questions precisely and know where to get help in solving them.

- Students can put their knowledge in relation to the contents of other lectures.

- Students have developed sufficient persistence to be able to work for longer periods in a goal-oriented manner on hard problems.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0777: Stochastik
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Dr. Christian Seifert
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Grundbegriffe der Wahrscheinlichkeitstheorie

  • Wahrscheinlichkeitsdefinitionen, bedingte Wahrscheinlichkeiten
  • Zufallsvariablen, Abhängigkeit und Unabhängigkeit von Wahrscheinlichkeiten
  • Rand- und Verbundwahrscheinlichkeiten
  • Verteilungs- und Dichtefunktion
  • Kenngrößen: Erwartungswert, Varianz, Standardabweichung, Momente

Repräsentationsformen für Verbundwahrscheinlichkeiten

  • Bayessche Netzwerke
  • Semantik, Entscheidungsprobleme, exakte und approximative Algorithmen

Stochastische Prozesse

  • Stationarität und Ergodizität
  • Korrelationen
  • Stochastische Signale
  • Warteschlangen

Detektion & Estimation

  • Detektoren
  • Schätzregeln und -verfahren
  • Hypothesen und Verteilungstests
  • Stochastische Regression
Literatur
  1. Methoden der statistischen Inferenz, Likelihood und Bayes, Held, L., Spektrum 2008
  2. Stochastik für Informatiker, Dümbgen, L., Springer 2003
  3. Statistik: Der Weg zur Datenanalyse, Fahrmeir, L., Künstler R., Pigeot, I, Tutz, G., Springer 2010
  4. Stochastik, Georgii, H.-O., deGruyter, 2009
  5. Probability and Random Processes, Grimmett, G., Stirzaker, D., Oxford University Press, 2001
  6. Programmieren mit R, Ligges, U., Springer 2008
Lehrveranstaltung L0778: Stochastik
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Christian Seifert
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1432: Programmierparadigmen

Lehrveranstaltungen
Titel Typ SWS LP
Programmierparadigmen (L2169) Vorlesung 2 2
Programmierparadigmen (L2170) Hörsaalübung 1 1
Programmierparadigmen (L2171) Laborpraktikum 2 3
Modulverantwortlicher NN
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Veranstaltung Prozedurale Programmierung oder gleichwertige Programmierkenntnisse in imperativer Programmierung


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studenten haben ein grundlegendes Verständnis über die objektorientierte und die generische Programmierung erworben und können diese in eigenen Programmierprojekten umsetzen. Sie können eigene Klassenhierarchien erstellen und verschiedene Formen der Vererbung unterscheiden. Sie haben ein grundlegendes Verständnis des Polymorphismus und können zwischen Laufzeit- und Compilierzeit-Polymorphismus unterschieden. Die Studenten sind mit dem Konzept der Datenkapselung vertraut und können Schnittstellen in private und öffentliche Methoden unterteilen. Sie können mit Exceptions umgehen und nutzen generische Programmierung um Datenstrukturen zu verallgemeinern. Die Studenten können die Vor- und Nachteile der beiden Programmierparadigmen

Fertigkeiten

Die Studenten können eine mittelgroße Problemstellung in Teilprobleme zerlegen und darauf aufbauend eigene Klassen in einer objektorientierten Programmiersprache erstellen. Sie können dabei ein öffentliche und private Schnittstellen entwerfen und die Implementierung durch Abstraktion generisch und erweiterbar umsetzen. Sie können verschiedene Sprachkonstrukte einer modernen Programmiersprache unterscheiden und diese geeignet in der Implementierung nutzen. Sie können Unit Tests entwerfen und implementieren.

Personale Kompetenzen
Sozialkompetenz

Studierende können in Teams arbeiten und in Foren kommunizieren.

Selbstständigkeit

In Programmierpraktikum lernen die Studenten unter Aufsicht die objektorientierte Programmierung. In Übungen entwickeln sie individuell und unabhängig Lösungen und erhalten Feedback. 

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L2169: Programmierparadigmen
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlegende Idee der Objetorientierten Programmierung
  • Klassen und Objekte
  • Vererbung (einfach, mehrfach)
  • Schnittstellen (Interfaces)
  • Datenkapselung (private / public usw.)
  • Ausnahmebehandlung (Exceptions)
  • Generische Programmierung und deren Umsetzung im Compiler
  • Exkurs in die Programmierung mit dynamisch getypten Programmiersprachen
Literatur Skript
Lehrveranstaltung L2170: Programmierparadigmen
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlegende Idee der Objetorientierten Programmierung
  • Klassen und Objekte
  • Vererbung (einfach, mehrfach)
  • Schnittstellen (Interfaces)
  • Datenkapselung (private / public usw.)
  • Ausnahmebehandlung (Exceptions)
  • Generische Programmierung und deren Umsetzung im Compiler
  • Exkurs in die Programmierung mit dynamisch getypten Programmiersprachen
Literatur Skript
Lehrveranstaltung L2171: Programmierparadigmen
Typ Laborpraktikum
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlegende Idee der Objetorientierten Programmierung
  • Klassen und Objekte
  • Vererbung (einfach, mehrfach)
  • Schnittstellen (Interfaces)
  • Datenkapselung (private / public usw.)
  • Ausnahmebehandlung (Exceptions)
  • Generische Programmierung und deren Umsetzung im Compiler
  • Exkurs in die Programmierung mit dynamisch getypten Programmiersprachen
Literatur Skript

Modul M1592: Fortgeschrittene Stochastik

Lehrveranstaltungen
Titel Typ SWS LP
Fortgeschrittene Stochastik (L2430) Vorlesung 2 4
Fortgeschrittene Stochastik (L2431) Gruppenübung 2 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Stochastik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende können die wesentlichen Konzepte und Definitionen der deskriptiven Statistik, des statistischen Testens, robuster Tests und der Zeitreihenanalyse erklären.
Fertigkeiten Studierende können geeignete Algorithmen, insbesondere mittels der gängigen Statistik-Software, auf die obigen Probleme anwenden.
Personale Kompetenzen
Sozialkompetenz Studierende können in heterogen zusammengesetzten Teams (z.B. an Hausaufgaben) zusammenarbeiten und ihre Ergebnisse vor der Gruppe präsentieren.
Selbstständigkeit Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen. Studierende können ihr Wissen mit den Inhalten anderer Veranstaltungen in Verbindung bringen. Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Pflicht
Lehrveranstaltung L2430: Fortgeschrittene Stochastik
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • deskriptive Statistik
  • statistische Software
  • Schätzen und Testen
  • Nichtparametrik
  • Robuste Schätzer
  • Zeitreihenanalyse
Literatur
Lehrveranstaltung L2431: Fortgeschrittene Stochastik
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0853: Mathematik III

Lehrveranstaltungen
Titel Typ SWS LP
Analysis III (L1028) Vorlesung 2 2
Analysis III (L1029) Gruppenübung 1 1
Analysis III (L1030) Hörsaalübung 1 1
Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen) (L1031) Vorlesung 2 2
Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen) (L1032) Gruppenübung 1 1
Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen) (L1033) Hörsaalübung 1 1
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathematik I + II

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe aus dem Gebiet der Analysis und Differentialgleichungen benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.
Fertigkeiten
  • Studierende können Aufgabenstellungen aus dem Gebiet der Analysis und Differentialgleichungen 
    mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.
Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.

  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.

  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 128, Präsenzstudium 112
Leistungspunkte 8
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 60 min (Analysis III) + 60 min (Differentialgleichungen 1)
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Bau- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Digitaler Maschinenbau: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Schiffbau: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Lehrveranstaltung L1028: Analysis III
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt

Grundzüge der Differential- und Integralrechnung mehrerer Variablen:

  • Differentialrechnung mehrerer Veränderlichen
  • Mittelwertsätze und Taylorscher Satz
  • Extremwertbestimmung
  • Implizit definierte Funktionen
  • Extremwertbestimmung bei Gleichungsnebenbedinungen
  • Newton-Verfahren für mehrere Variablen
  • Bereichsintegrale
  • Kurven- und Flächenintegrale
  • Integralsätze von Gauß und Stokes
Literatur
  • http://www.math.uni-hamburg.de/teaching/export/tuhh/index.html


Lehrveranstaltung L1029: Analysis III
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1030: Analysis III
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1031: Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen)
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt

Grundzüge der Theorie und Numerik gewöhnlicher Differentialgleichungen

  • Einführung und elementare Methoden
  • Existenz und Eindeutigkeit bei Anfangswertaufgaben
  • Lineare Differentialgleichungen
  • Stabilität und qualitatives Lösungsverhalten
  • Randwertaufgaben und Grundbegriffe der Variationsrechnung
  • Eigenwertaufgaben
  • Numerische Verfahren zur Integration von Anfangs- und Randwertaufgaben
  • Grundtypen bei partiellen Differentialgleichungen
Literatur
  • http://www.math.uni-hamburg.de/teaching/export/tuhh/index.html


Lehrveranstaltung L1032: Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen)
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1033: Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen)
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0662: Numerical Mathematics I

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik I (L0417) Vorlesung 2 3
Numerische Mathematik I (L0418) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Mathematik I + II for Engineering Students (german or english) or Analysis & Linear Algebra I + II for Technomathematicians
  • basic MATLAB knowledge
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to

  • name numerical methods for interpolation, integration, least squares problems, eigenvalue problems, nonlinear root finding problems and to explain their core ideas,
  • repeat convergence statements for the numerical methods,
  • explain aspects for the practical execution of numerical methods with respect to computational and storage complexitx.


Fertigkeiten

Students are able to

  • implement, apply and compare numerical methods using MATLAB,
  • justify the convergence behaviour of numerical methods with respect to the problem and solution algorithm,
  • select and execute a suitable solution approach for a given problem.
Personale Kompetenzen
Sozialkompetenz

Students are able to

  • work together in heterogeneously composed teams (i.e., teams from different study programs and background knowledge), explain theoretical foundations and support each other with practical aspects regarding the implementation of algorithms.
Selbstständigkeit

Students are capable

  • to assess whether the supporting theoretical and practical excercises are better solved individually or in a team,
  • to assess their individual progess and, if necessary, to ask questions and seek help.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Computermathematik: Wahlpflicht
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht
Data Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Wahlpflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Maschinenbau: Vertiefung Theoretischer Maschinenbau: Wahlpflicht
Maschinenbau: Vertiefung Theoretischer Maschinenbau: Pflicht
Maschinenbau: Vertiefung Energietechnik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs Kernfächer: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0417: Numerical Mathematics I
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen EN
Zeitraum WiSe
Inhalt
  1. Error analysis: Number representation, error types, conditioning and stability
  2. Interpolation: polynomial and spline interpolation
  3. Numerical integration and differentiation: order, Newton-Cotes formula, error estimates, Gaussian quadrature, adaptive quadrature, difference formulas
  4. Linear systems: LU and Cholesky factorization, matrix norms, conditioning
  5. Linear least squares problems: normal equations, Gram.Schmidt and Householder orthogonalization, singular value decomposition, regularization
  6. Eigenvalue problems: power iteration, inverse iteration, QR algorithm
  7. Nonlinear systems of equations: Fixed point iteration, root-finding algorithms for real-valued functions, Newton and Quasi-Newton methods for systems
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer


Lehrveranstaltung L0418: Numerical Mathematics I
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne, Dr. Jens-Peter Zemke
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1423: Algorithmen und Datenstrukturen

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmen und Datenstrukturen (L2046) Vorlesung 4 4
Algorithmen und Datenstrukturen (L2047) Gruppenübung 1 2
Modulverantwortlicher Prof. Matthias Mnich
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Diskrete Algebraische Strukturen
  • Mathematik I
  • Mathematik II
  • Prozedurale Programming
  • Objectorientierte Programmierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe des Algorithmenentwurfs, der Algorithmenanalyse und Problemreduktionen benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.
Fertigkeiten
  • Studierende können diskrete Entscheidungsprobleme, Such- und Optimierungsprobleme mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.  
  • Studierende sind in der Lage, sich weitere einfache logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.
Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
  • Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 60 min
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L2046: Algorithmen und Datenstrukturen
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Sortieren durch Einfügen
  • Registermachinen
  • Asymptotische Analyse, Landau Notation
  • Polynomialzeit Algorithmen and NP-Vollständgikeit
  • Divide-and-conquer, Merge sort
  • Strassens Algorithmus
  • Greedy Algorithmen
  • Dynamische Programmierung
  • Quicksort
  • AVL-trees, B-trees
  • Hashing
  • Tiefensuche und Breitensuche 
  • Kürzeste Wege
  • Fluss Probleme, Ford-Fulkerson Algorithmus
Literatur
  • T. Cormen, Ch. Leiserson, R. Rivest, C. Stein: Introduction to Algorithms. MIT Press, 2013
  • S. Skiena: The Algorithm Design Manual. Springer, 2008
  • J. M. Kleinberg and É. Tardos. Algorithm Design. Addison-Wesley, 2005.
Lehrveranstaltung L2047: Algorithmen und Datenstrukturen
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0625: Databases

Lehrveranstaltungen
Titel Typ SWS LP
Datenbanken (L0337) Vorlesung 4 5
Datenbanken (L1150) Projekt-/problembasierte Lehrveranstaltung 1 1
Modulverantwortlicher NN
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Students should habe basic knowledge in the following areas:

  • Discrete Algebraic Structures
  • Procedural Programming
  • Logic, Automata, and Formal Languages
  • Object-Oriented Programming, Algorithms and Data Structures
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain the general architecture of an application system that is based on a database. They describe the syntax and semantics of the Entity Relationship conceptual modeling languages, and they can enumerate basic decision problems and know which features of a domain model can be captured with ER and which features cannot be represented. Furthermore, students can summarize the features of the relational data model, and can describe how ER models can be systematically transformed into the relational data model. Student are able to discuss dependency theory using the operators of relational algebra, and they know how to use relational algebra as a query language. In addition, they can sketch the main modules of the architecture of a database system from an implementation point of view. Storage and index structures as well as query answering and optimization techniques can be explained. The role of transactions can be described in terms of ACID conditions and common recovery mechanisms can be characterized. The students can recall why recursion is important for query languages and describe how Datalog can be used and implemented.They demonstrate how Datalog can be used for information integration. For solving ER decision problems the students can explain description logics with their syntax and semantics, they describe description logic decision problems and explain how these problems can be mapped onto each other. They can sketch the idea of ontology-based data access and can name the main complexity measure in database theory. Last but not least, the students can describe the main features of XML and can explain XPath and XQuery as query languages.

Fertigkeiten

Students can apply ER for describing domains for which they receive a textual description, and students can transform relational schemata with a given set of functional dependencies into third normal form or even Boyce-Codd normal form. They can also apply relational algebra, SQL, or Datalog to specify queries. Using specific datasets, they can explain how index structures work (e.g., B-trees) and how index structures change while data is added or deleted. They can rewrite queries for better performance of query evaluation. Students can analyse which query language expressivity is required for which application problem. Description logics can be applied for domain modeling, and students can transform ER diagrams into description logics in order to check for consistency and implicit subsumption relations.  They solve data integration problems using Datalog and LAV or GAV rules. Students can apply XPath and Xquery to retrieve certain patterns in XML data.

Personale Kompetenzen
Sozialkompetenz Students develop an understanding of social structures in a company used for developing real-world products. They know the responsibilities of data analysts, programmers, and managers in the overall production process.
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0337: Databases
Typ Vorlesung
SWS 4
LP 5
Arbeitsaufwand in Stunden Eigenstudium 94, Präsenzstudium 56
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt
  • Architecture of database systems, conceptual data modeling with the Entity Relationship (ER) modeling language
  • Relational data model, referential integrity, keys, foreign keys, functional dependencies (FDs), canonical mapping of entity types and relationship into the relational data model, anomalies
  • Relational algebra as a simple query language
  • Dependency theory, FD closure, canonical cover of FD set, decomposition of relational schemata, multivalued dependencies, normalization, inclusion dependencies
  • Practical query languages and integrity constraints w/o considering a conceptual domain model: SQL 
  • Storage structures, database implementation architecture
  • Index structures
  • Query processing
  • Query optimization
  • Transactions and recovery
  • Query languages with recursion and consideration of a simple conceptual domain model: Datalog
  • Semi-naive evaluation strategy, magic sets transformation
  • Information integration, declarative schema transformation (LAV, GAV), distributed database systems
  • Description logics, syntax, semantics, decision problems, decision algorithms for Abox satisfiability
  • Ontology based data access (OBDA), DL-Lite for formalizing ER diagramms
  • Complexity measure: Data complexity
  • Semistructured databases and query languages: XML and XQuery
Literatur
  1. A. Kemper, A. Eickler, Datenbanksysteme - n. Auflage, Oldenbourg, 2010
  2. S. Abiteboul, R. Hull, V. Vianu, Foundations of Databases, Addison-Wesley, 1995
  3. Database Systems, An Application Oriented Approach, Pearson International Edition, 2005
  4. H. Garcia-Molina, J.D. Ullman, J. Widom, Database Systems: The Complete Book, Prentice Hall, 2002

Lehrveranstaltung L1150: Databases
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1595: Maschinelles Lernen

Lehrveranstaltungen
Titel Typ SWS LP
Maschinelles Lernen (L2432) Vorlesung 2 3
Maschinelles Lernen (L2433) Gruppenübung 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Lineare Algebra, Analysis, Grundlagen der Programmierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen

  • Grundlegende Prinzipien maschineller Lernverfahren: überwachtes/unüberwachtes Lernen, generative/deskriptives Lernen, parametrischer/nicht-parametrisches Lernen
  • verschiedeneLernmethoden: Neuronale Netze, Support-Vektor-Maschinen, Clusterung, Dimensionsreduzierung, Kernel-Methoden
  • Grundlagen der statistischen Lerntheorie
  • Fortgeschrittene Techniken wie Transfer Learning, Bestärkendes Lernen, Generative Adversarial Networks und Adaptive Control
Fertigkeiten

Die Studierenden können

  • maschinelle Lernverfahren auf konkrete Probleme anwenden
  • für konkrete Problemstellungen geeignete Verfahren auswählen und bewerten
  • die Güte eines trainierten datengetriebenen Modells evaluieren
  • mit bekannten Softwareframeworks für das maschinelle Lernen umgehen
  • bei neuronalen Netzen die Architektur und Kostenfunktion an konkrete Problemstellungen anpassen
  • die Grenzen maschineller Lernverfahren aufzeigen
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in sowohl selbstständig als auch in Teams an komplexen Problemen arbeiten. Sie können sich untereinander austauschen und ihre individuellen Stärken zur Lösung des Problems einbringen.

Selbstständigkeit

Die Studierenden sind in der Lage ein komplexes Problem eigenständig zu untersuchen und einzuschätzen, welche Kompetenzen zur Lösung des Problems benötigt werden. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Pflicht
Lehrveranstaltung L2432: Maschinelles Lernen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Techniken des überwachten Lernens (generative/deskriptives Lernen, parametrischer/nicht-parametrisches Lernen, neuronale Netze, Support-Vektor-Maschinen)
  • Techniken des nichtüberwachten Lernens (Clusterung, Dimensionsreduzierung, Kernel-Methoden)
  • Grundlagen der statistischen Lerntheorie
  • Fortgeschrittene Techniken wie Transfer Learning, Bestärkendes Lernen, Generative Adversarial Networks und Adaptive Control
Literatur
  • An Introduction to Statistical Learning, James, Witten, Hastie, Tibshirani
  • Pattern Recognition and Machine Learning, Bishop
Lehrveranstaltung L2433: Maschinelles Lernen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0672: Signale und Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Signale und Systeme (L0432) Vorlesung 3 4
Signale und Systeme (L0433) Gruppenübung 2 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathematik 1-3

Das Modul führt in das Thema der Signal- und Systemtheorie ein. Sicherer Umgang mit grundlegenden  mathematschen Methoden, wie sie in den Modulen Mathematik 1-3 vermittelt werden, wird erwartet. Darüber hinaus sind  Vorkenntnisse in Grundlagen von Spektraltransformationen (Fourier-Reihe, Fourier-Transformation, Laplace-Transformation) zwar nützlich, aber keine Voraussetzung.


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können Signale und lineare zeitinvariante (LTI) Systeme im Sinne der Signal- und Systemtheorie klassifizieren und beschreiben. Sie beherrschen die grundlegenden Integraltransformationen zeitkontinuierlicher und zeitdiskreter deterministischer Signale und Systeme. Sie können deterministische Signale und Systeme in Zeit- und Bildbereich mathematisch beschreiben und analysieren. Sie verstehen elementare Operationen und Konzepte der Signalverarbeitung und können diese in Zeit- und Bildbereich beschreiben. Insbesondere verstehen Sie die mit dem Übergang vom zeitkontinuierlichen zum zeitdiskreten Signal bzw. System einhergehenden Effekte in Zeit- und Bildbereich.

Fertigkeiten

Die Studierenden können deterministische Signale und lineare zeitinvariante Systeme mit den Methoden der Signal- und Systemtheorie beschreiben und analysieren. Sie können einfache Systeme hinsichtlich wichtiger Eigenschaften wie Betrags- und Phasenfrequenzgang, Stabilität, Linearität etc. analysieren und entwerfen. Sie können den Einfluß von LTI-Systemen auf die Signaleigenschaften in Zeit- und Frequenzbereich beurteilen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können fachspezifische Aufgaben gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0432: Signale und Systeme
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Einführung in die Signal- und Systemtheorie
  • Signale
    • Klassifikation von Signalen
      • Zeitkontinuierliche und zeitdiskrete Signale
      • Analoge und digitale Signale
      • Deterministische und zufällige Signale
    • Beschreibung von LTI-Systemen durch Differentialgleichungen bzw. Differenzengleichungen
    • Grundlegende Eigenschaften von Signalen und grundlegende Operationen
    • Elementare Signale
    • Distributionen
    • Leistung und Energie von Signalen
    • Korrelationsfunktionen deterministischer Signale
      • Autokorrelationsfunktion
      • Kreuzkorrelationsfunktion
      • Orthogonale Signale
      • Anwendungen der Korrelation
  • Lineare zeitinvariante Systeme (linear time-invariant (LTI) systems)
    • Linearität
    • Zeitinvarianz
    • Beschreibung von LTI-Systemen durch Impulsantwort und Übertragungsfunktion
    • Faltung
    • Faltung und Korrelation
    • Eigenschaften von LTI-Systemen
    • Kausale Systeme
    • Stabile Systeme
    • Gedächtnislose Systeme
  • Fourier-Reihe und Fourier-Transformation
    • Fourier-Transformation zeitkontinuierlicher, zeitdiskreter, periodischer und nicht-periodischer Signale
    • Eigenschaften der Fourier-Transformation
    • Fourier-Transformation einiger elementarer Signale
    • Parsevalsches Theorem
  • Analyse von LTI-Systemen und Signalen im Frequenzbereich
    • Übertragungsfunktion, Betragsfrequenzgang, Phasengang
    • Übertragungsfaktor, Dämpfung, Gewinn
    • Frequenzselektive und nicht-frequenzselektive LTI-Systeme
    • Bandbreite-Definitionen
    • Grundlegende Typen von Systemen (Filtern): Tiefpass, Hochpass, Bandpass, Bandsperre
    • Phasenlaufzeit und Gruppenlaufzeit
    • Linearphasige Systeme
    • Verzerrungsfreie Systeme
    • Spektralanalyse mit begrenztem Beobachtungsfenster: Leck-Effekt
  • Laplace-Transformation
    • Zusammenhang von Fourier-Transformation und Laplace-Transformation
    • Eigenschaften der Laplace-Transformation
    • Laplace-Transformation einiger elementarer Signale
  • Analyse von LTI-Systemen im s-Bereich
    • Übertragungsfunktion von LTI-Systemen
    • Zusammenhang von Laplace-Transformation, Betragsfrequenzgang und Phasengang
    • Analyse von LTI-Systemen mit Pol-Nullstellen-Diagrammen
    • Allpass-Filter
    • Minimalphasige, maximalphasige und gemischtphasige Filter
    • Stabile Systeme
  • Abtastung
    • Abtasttheorem
    • Rekonstruktion des zeitkontinuierlichen Signals in Frequenz- und Zeitbereich
    • Überabtastung
    • Aliasing
    • Abtastung mit Pulsen endlicher Dauer, Sample and Hold
    • Dezimierung und Interpolation
  • Zeitdiskrete Fourier-Transformation (Discrete-Time Fourier Transform (DTFT))
    • Zusammenhang zwischen Fourier-Transformation und DTFT
    • Eigenschaften der DTFT
  • Diskrete Fourier-Transformation (Discrete Fourier Transform (DFT))
    • Zusammenhang zwischen DTFT und DFT
    • Zyklische Eigenschaften der DFT
    • DFT-Matrix
    • Zero-Padding
    • Zyklische Faltung
    • Schnelle Fourier-Transformation (Fast Fourier Transform (FFT))
    • Anwendung der DFT: Orthogonal Frequency Division Multiplex (OFDM)
  • Z-Transformation     
    • Zusammenhang zwischen Laplace-Transformation, DTFT, und z-Transformation
    • Eigenschaften der z-Transformation
    • Z-transform einiger elementarer zeitdiskreter Signale
  • Zeitdiskrete Systeme, Digitale Filter

    • FIR und IIR Filter
    • Z-Transformation digitaler Filter
    • Analyse zeitdiskreter Systeme mit Pol-Nullstellen-Diagrammen im z-Bereich
    • Stabilität
    • Allpass-Filter
    • Minimalphasige, maximalphasige und gemischtphasige Filter
    • Linearphasige Filter
Literatur
  • T. Frey , M. Bossert , Signal- und Systemtheorie, B.G. Teubner Verlag 2004

  • K. Kammeyer, K. Kroschel, Digitale Signalverarbeitung, Teubner Verlag.

  • B. Girod ,R. Rabensteiner , A. Stenger , Einführung in die Systemtheorie, B.G. Teubner, Stuttgart, 1997

  • J.R. Ohm, H.D. Lüke , Signalübertragung, Springer-Verlag 8. Auflage, 2002

  • S. Haykin, B. van Veen: Signals and systems. Wiley.

  • Oppenheim, A.S. Willsky: Signals and Systems. Pearson.

  • Oppenheim, R. W. Schafer: Discrete-time signal processing. Pearson.

Lehrveranstaltung L0433: Signale und Systeme
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0852: Graphentheorie und Optimierung

Lehrveranstaltungen
Titel Typ SWS LP
Graphentheorie und Optimierung (L1046) Vorlesung 2 3
Graphentheorie und Optimierung (L1047) Gruppenübung 2 3
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Diskrete Algebraische Strukturen

  • Mathematik I
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Graphentheorie und Optimierung benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.
Fertigkeiten
  • Studierende können Aufgabenstellungen der Graphentheorie und Optimierung mit Hilfe der kennengelernten Konzepte mathematisch modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere einfache logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.
Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in heterogen zusammengestellten Teams (mit unterschiedlichem mathematischen Hintergrundwissen und aus unterschiedlichen Studiengängen)  zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
  • Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1046: Graphentheorie und Optimierung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Graphen, Durchlaufen von Graphen, Bäume
  • Planare Graphen
  • Kürzeste Wege
  • Minimale Spannbäume
  • Maximale Flüsse und minimale Schnitte
  • Sätze von Menger, König-Egervary, Hall
  • NP-vollständige Probleme
  • Backtracking und Heuristiken
  • Lineare Programmierung
  • Dualität
  • Ganzzahlige lineare Programmierung
Literatur
  • M. Aigner: Diskrete Mathematik, Vieweg, 2004
  • T. Cormen, Ch. Leiserson, R. Rivest, C. Stein: Algorithmen - Eine Einführung, Oldenbourg, 2013
  • J. Matousek und J. Nesetril: Diskrete Mathematik, Springer, 2007
  • A. Steger: Diskrete Strukturen (Band 1), Springer, 2001
  • A. Taraz: Diskrete Mathematik, Birkhäuser, 2012
  • V. Turau: Algorithmische Graphentheorie, Oldenbourg, 2009
  • K.-H. Zimmermann: Diskrete Mathematik, BoD, 2006
Lehrveranstaltung L1047: Graphentheorie und Optimierung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0829: Grundlagen der Betriebswirtschaftslehre

Lehrveranstaltungen
Titel Typ SWS LP
Betriebswirtschaftliche Übung (L0882) Gruppenübung 2 3
Grundlagen der Betriebswirtschaftslehre (L0880) Vorlesung 3 3
Modulverantwortlicher Prof. Christoph Ihl
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Schulkenntnisse in Mathematik und Wirtschaft
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können...

  • grundlegende Begriffe und Kategorien aus dem Bereich Wirtschaft und Management benennen und erklären
  • grundlegende Aspekte wettbewerblichen Unternehmertums beschreiben (Betrieb und Unternehmung, betrieblicher Zielbildungsprozess)
  • wesentliche betriebliche Funktionen erläutern, insb. Funktionen der Wertschöpfungskette (z.B. Produktion und Beschaffung, Innovationsmanagement, Absatz und Marketing) sowie Querschnittsfunktionen (z.B. Organisation, Personalmanagement, Supply Chain Management, Informationsmanagement) und die wesentlichen Aspekte von Entrepreneurship-Projekten benennen
  • Grundlagen der Unternehmensplanung (Entscheidungstheorie, Planung und Kontrolle) wie auch spezielle Planungsaufgaben (z.B. Projektplanung, Investition und Finanzierung) erläutern
  • Grundlagen des Rechnungswesens erklären (Buchführung, Bilanzierung, Kostenrechnung, Controlling)

Fertigkeiten

Die Studierenden können

  • Unternehmensziele definieren und in ein Zielsystem einordnen sowie Zielsysteme strukturieren
  • Organisations- und Personalstrukturen von Unternehmen analysieren
  • Methoden für Entscheidungsprobleme unter mehrfacher Zielsetzung, unter Ungewissheit sowie unter Risiko zur Lösung von entsprechenden Problemen anwenden
  • Produktions- und Beschaffungssysteme sowie betriebliche Informationssysteme analysieren und einordnen
  • Einfache preispolitische und weitere Instrumente des Marketing analysieren und anwenden
  • Grundlegende Methoden der Finanzmathematik auf Invesititions- und Finanzierungsprobleme anwenden
  • Die Grundlagen der Buchhaltung, Bilanzierung, Kostenrechnung und des Controlling erläutern und Methoden aus diesen Bereichen auf einfache Problemstellungen anwenden.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind in der Lage

  • sich im Team zu organisieren und ein Projekt aus dem Bereich Entrepreneurship gemeinsam zu bearbeiten und einen Projektbericht zu erstellen
  • erfolgreich problemlösungsorientiert zu kommunizieren
  • respektvoll und erfolgreich zusammenzuarbeiten
Selbstständigkeit

Die Studierenden sind in der Lage

  • Ein Projekt in einem Team zu bearbeiten und einer Lösung zuzuführen
  • unter Anleitung einen Projektbericht  zu verfassen
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang mehrere schriftliche Leistungen über das Semester verteilt
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Bau- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Bau- und Umweltingenieurwesen: Vertiefung Bauingenieurwesen: Wahlpflicht
Bau- und Umweltingenieurwesen: Vertiefung Wasser und Umwelt: Wahlpflicht
Bau- und Umweltingenieurwesen: Vertiefung Verkehr und Mobilität: Wahlpflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Schiffbau: Kernqualifikation: Pflicht
Technomathematik: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Lehrveranstaltung L0882: Betriebswirtschaftliche Übung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Christoph Ihl, Katharina Roedelius, Tobias Vlcek
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt

In der betriebswirtschaftlichen Horsaalübung werden die Inhalte der Vorlesung durch praktische Beispiele und die Anwendung der diskutierten Werkzeuge vertieft.

Bei angemessener Nachfrage wird parallel auch eine Problemorientierte Lehrveranstaltung angeboten, die Studierende alternativ wählen können. Hier bearbeiten die Studierenden in Gruppen ein selbstgewähltes Projekt, das sich thematisch mit der Ausarbeitung einer innovativen Geschäftsidee aus Sicht eines etablierten Unternehmens oder Startups befasst. Auch hier sollen die betriebswirtschaftlichen Grundkenntnisse aus der Vorlesung zum praktischen Einsatz kommen. Die Gruppenarbeit erfolgt unter Anleitung eines Mentors.

Literatur Relevante Literatur aus der korrespondierenden Vorlesung.
Lehrveranstaltung L0880: Grundlagen der Betriebswirtschaftslehre
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Christoph Ihl, Prof. Thorsten Blecker, Prof. Christian Lüthje, Prof. Christian Ringle, Prof. Kathrin Fischer, Prof. Cornelius Herstatt, Prof. Wolfgang Kersten, Prof. Matthias Meyer, Prof. Thomas Wrona
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt
  • Die Abgrenzung der BWL von der VWL und die Gliederungsmöglichkeiten der BWL
  • Wichtige Definitionen aus dem Bereich Management und Wirtschaft
  • Die wichtigsten Unternehmensziele und ihre Einordnung sowie (Kern-) Funktionen der Unternehmung
  • Die Bereiche Produktion und Beschaffungsmanagement, der Begriff des Supply Chain Management und die Bestandteile einer Supply Chain
  • Die Definition des Begriffs Information, die Organisation des Informations- und Kommunikations (IuK)-Systems und Aspekte der Datensicherheit; Unternehmensstrategie und strategische Informationssysteme
  • Der Begriff und die Bedeutung von Innovationen, insbesondere Innovationschancen, -risiken und prozesse
  • Die Bedeutung des Marketing, seine Aufgaben, die Abgrenzung von B2B- und B2C-Marketing
  • Aspekte der Marketingforschung (Marktportfolio, Szenario-Technik) sowie Aspekte der strategischen und der operativen Planung und Aspekte der Preispolitik
  • Die grundlegenden Organisationsstrukturen in Unternehmen und einige Organisationsformen
  • Grundzüge des Personalmanagements
  • Die Bedeutung der Planung in Unternehmen und die wesentlichen Schritte eines Planungsprozesses
  • Die wesentlichen Bestandteile einer Entscheidungssituation sowie Methoden für Entscheidungsprobleme unter mehrfacher Zielsetzung, unter Ungewissheit sowie unter Risiko
  • Grundlegende Methoden der Finanzmathematik
  • Die Grundlagen der Buchhaltung, der Bilanzierung und der Kostenrechnung
  • Die Bedeutung des Controlling im Unternehmen und ausgewählte Methoden des Controlling
  • Die wesentlichen Aspekte von Entrepreneurship-Projekten

Neben der Vorlesung, die die Fachinhalte vermittelt, erarbeiten die Studierenden selbstständig in Gruppen einen Business-Plan für ein Gründungsprojekt. Dafür wird auch das wissenschaftliche Arbeiten und Schreiben gezielt unterstützt.

Literatur

Bamberg, G., Coenenberg, A.: Betriebswirtschaftliche Entscheidungslehre, 14. Aufl., München 2008

Eisenführ, F., Weber, M.: Rationales Entscheiden, 4. Aufl., Berlin et al. 2003

Heinhold, M.: Buchführung in Fallbeispielen, 10. Aufl., Stuttgart 2006.

Kruschwitz, L.: Finanzmathematik. 3. Auflage, München 2001.

Pellens, B., Fülbier, R. U., Gassen, J., Sellhorn, T.: Internationale Rechnungslegung, 7. Aufl., Stuttgart 2008.

Schweitzer, M.: Planung und Steuerung, in: Bea/Friedl/Schweitzer: Allgemeine Betriebswirtschaftslehre, Bd. 2: Führung, 9. Aufl., Stuttgart 2005.

Weber, J., Schäffer, U. : Einführung in das Controlling, 12. Auflage, Stuttgart 2008.

Weber, J./Weißenberger, B.: Einführung in das Rechnungswesen, 7. Auflage, Stuttgart 2006. 


Modul M1586: Wissenschaftliche Programmierung

Lehrveranstaltungen
Titel Typ SWS LP
Wissenschaftliche Programmierung (L2405) Vorlesung 3 4
Wissenschaftliche Programmierung (L2406) Gruppenübung 2 2
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Prozedurale Programmierung, Lineare Algebra
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden  

  • können wissenschaftliche Probleme in einer modernen Programmiersprache effizient lösen.
  • sind mit dem Konzept der reproduzierbaren Wissenschaft vertraut.
  • können mit mehrdimensionalen Arrays, sparse Arrays, Data Frames (tabellenförmige Daten) und Missing Data umgehen. Sie kennen sie Vor- und Nachteile spezifischer Datenstrukturen.
  • kennen verschiedene Möglichkeiten um Daten, Datenbeziehungen und Fehlermaße geeignet darzustellen. Sie kennen bekannte Datenformate zur Speicherung von wissenschaftlichen Daten und können für spezifische Daten ein geeignetes Format auswählen.
Fertigkeiten

Sie sind in der Lage 

  • komplexe Probleme aus einer mathematischen Formulierung in eine geeignetes Programm zu übersetzen.
  • ein komplexes Problem in Teilprobleme aufzuteilen welche modular umgesetzt werden können.
  • numerische Standardprobleme zu identifizieren und hierfür geeignete Standardalgorithmen nutzen, die in Bibliotheken vorhanden sind.
  • wartbaren Programmcode zu schreiben, dessen Korrektheit durch geeignete Tests überprüft wird.
  • die Laufzeit von Programmen zu messen, Flaschenhalse zu identifizieren und geeignete Beschleunigungstechniken anzuwenden.
Personale Kompetenzen
Sozialkompetenz Die Studierenden können in sowohl selbstständig als auch in Teams an komplexen Problemen arbeiten. Sie können sich untereinander austauschen und ihre individuellen Stärken zur Lösung des Problems einbringen.
Selbstständigkeit

Die Studierenden sind in der Lage ein komplexes Problem eigenständig zu untersuchen und einzuschätzen, welche Kompetenzen zur Lösung des Problems benötigt werden. 

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L2405: Wissenschaftliche Programmierung
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Tobias Knopp
Sprachen DE
Zeitraum SoSe
Inhalt
  • Elementare Datentypen und der Zusammenhang zur Mathematik
  • Wissenschaftliche Datentypen: Mehrdimensionale Arrays, sparse Arrays, Data Frames, Missing Data
  • Multiple Dispatch als effizientes Paradigma für die wissenschaftliche Programmierung
  • Literate Programming
  • Profiling und Benchmarks
  • Beschleunigungstechniken: Caching, Multi-threading, SIMD, GPGPU
  • Wissenschaftliche Datenformate: CSV, TOML, HDF5, und ausgewählte Beispiele
  • Datenvisualisierung
  • Numerische Standardtechniken und effiziente Programmbibliotheken (BLAS, LAPACK, FFTW, ...)
  • Tests, Codeverwaltung, Dokumentation
  • Reproduzierbare Wissenschaft
Literatur

Ben Lauwens, Allen Downey: Think Julia: How to Think Like a Computer Scientist

Lehrveranstaltung L2406: Wissenschaftliche Programmierung
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0953: Introduction to Information Security

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Informationssicherheit (L1114) Vorlesung 3 3
Einführung in die Informationssicherheit (L1115) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Basics of Computer Science
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can 

  • name the main security risks when using Information and Communication Systems and name the fundamental security mechanisms, 
  • describe commonly used methods for risk and security analysis,  
  • name the fundamental principles of data protection.
Fertigkeiten

Students can

  • evaluate the strenghts and weaknesses of the fundamental security mechanisms and of the commonly used methods for risk and security analysis, 

  • apply the fundamental principles of data protection to concrete cases.

Personale Kompetenzen
Sozialkompetenz Students are capable of appreciating the impact of security problems on  those affected and of the potential responsibilities for their resolution. 
Selbstständigkeit None
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Lehrveranstaltung L1114: Introduction to Information Security
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt
  • Fundamental concepts
  • Passwords & biometrics
  • Introduction to cryptography
  • Sessions, SSL/TLS
  • Certificates, electronic signatures
  • Public key infrastructures
  • Side-channel analysis
  • Access control
  • Privacy
  • Software security basics
  • Security management & risk analysis
  • Security evaluation: Common Criteria




Literatur

D. Gollmann: Computer Security, Wiley & Sons, third edition, 2011

Ross Anderson: Security Engineering, Wiley & Sons, second edition, 2008


Lehrveranstaltung L1115: Introduction to Information Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1594: Praktikum Data Science

Lehrveranstaltungen
Titel Typ SWS LP
Praktikum Data Science (L2436) Laborpraktikum 8 6
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Erfolgreicher Besuch der Vorlesungen:

  • Wissenschaftliche Programmierung
  • Algorithmen und Datenstrukturen
  • Maschinelles Lernen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende lernen Werkzeuge kennen, die von Entwicklungsteams eingesetzt werden, um

  • Entwicklungsabläufe zu planen
  • Daten zu sammeln, zu verarbeiten und zu analysieren
  • Lernplattformen zu implementieren und zu validieren
  • Softwaretechnische Aspekte umzusetzen
Fertigkeiten

Studierende arbeiten im Team an einem größeren Datenprojekt. Dabei werden die benötigten Fertigkeiten erlernt und praktisch angewandt. Dies sind zum Beispiel

  • die Projektspezifikation durch nutzerseitige Anforderungen
  • die Erstellung einer datenorientierten Software-Architektur
  • das Sammeln und Vorbearbeiten und Analysieren von großen Datensätzen
  • das gemeinsame Implementieren einer Lernplattform
  • der Vergleich verschiedener Lernmethoden
  • die Durchführung statistischer Tests
Personale Kompetenzen
Sozialkompetenz

Die Teamarbeit birgt eigene Herausforderungen einerseits hinsichtlich der Interaktionen im Team andererseits auch in Bezug auf die notwendigen Absprachen bei der gemeinsamen Entwicklung von Software. Im Rahmen des Projektes erlernen Studierende die hierfür notwendigen Kompetenzen und erleben die praktischen Aspekte.

Selbstständigkeit

Bei der Teamarbeit ist es notwendig, die eigene Position zu vertreten, sowie die zugeteilten Aufgaben selbstständig zu übernehmen und später auch im Team vorzustellen. Ebenso müssen offene Punkte identifiziert und in das Team zurückgetragen werden, die eine gemeinsame Absprache erfordern.

Arbeitsaufwand in Stunden Eigenstudium 68, Präsenzstudium 112
Leistungspunkte 6
Studienleistung Keine
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang abhängig von der Aufgabenstellung + Vortrag
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Pflicht
Lehrveranstaltung L2436: Praktikum Data Science
Typ Laborpraktikum
SWS 8
LP 6
Arbeitsaufwand in Stunden Eigenstudium 68, Präsenzstudium 112
Dozenten NN
Sprachen DE/EN
Zeitraum WiSe
Inhalt

Im Rahmen des Praktikums wird ein Projekt aus dem ganzen Anwendungsbereich der Data Science bearbeitet. Die konkrete Aufgabenstellung wird von den jeweiligen DozentInnen bestimmt. Die teilnehmenden Studierenden erarbeiten die Lösung im Team. Dabei wird ein typischer Projektablauf wie er auch in der späteren Berufspraxis vorkommt durchlaufen. Dies umfasst die Anforderungsanalyse, die Implementierung und die Testung eines datenorientierten Software-Systems. Je nach Projekt sind die zu nutzenden Daten zunächst zu sammeln und aufzubereiten, sodass sie im Rahmen eines maschinellen Lernverfahrens genutzt werden können. Die Projektplanung und die Aufgabenteilung werden von den Studierenden übernommen. Während des Projektes werden die gängigen Entwurfswerkzeuge zur Unterstützung bei Planung, Verwaltung und Realisierung eingesetzt.


Literatur

Wird durch die jeweiligen DozentInnen zur Verfügung gestellt.

Supplied by the respective lecturer.

Modul M1593: Data Mining

Lehrveranstaltungen
Titel Typ SWS LP
Data Mining (L2434) Vorlesung 2 3
Data Mining (L2435) Gruppenübung 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Datenbanken
  • Maschinelles Lernen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen

  • verschiedene Formen der Wissensdarstellung
  • verschiedenen Verfahren zur Clusteranalyse und Klassifizierung
  • Methoden zur Datenvorverarbeitung
  • Tools zur Visualisierung von großen Datenmengen
  • Methoden zur Bewertung von Daten
  • Assoziationsregeln
  • Text-, Web- und Stream Mining; Zeitserienanalyse
Fertigkeiten

Die Studierenden sind in der Lage große, heterogene Daten zu analysieren und nutzen dabei Methoden der Clusterung und Klassifizierung. Sie können die Daten vorverarbeiten, sodass ein datengetriebenes Modell mit homogenen Daten trainiert werden kann. Die Studierenden sind in der Lage große Datenmengen und ihre internen Strukturen zu visualisieren und die Daten zu bewerten.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in sowohl selbstständig als auch in Teams an komplexen Problemen arbeiten. Sie können sich untereinander austauschen und ihre individuellen Stärken zur Lösung des Problems einbringen.

Selbstständigkeit

Die Studierenden sind in der Lage ein komplexes Problem eigenständig zu untersuchen und einzuschätzen, welche Kompetenzen zur Lösung des Problems benötigt werden. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Pflicht
Lehrveranstaltung L2434: Data Mining
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Wissensdarstellung
  • Clustering
  • Klassifizierung
  • Vorverarbeitung (Auswahl von Merkmalsuntergruppen, Diskretisierung, Abtastung, Datenbereinigung)
  • Text-, Web- und Stream-Mining; Zeitserienanalyse
  • Assoziationsregeln
  • Visualisierung 
  • Datenbewertung
Literatur

Data Mining and Analysis: Fundamental Concepts and Algorithms, Mohammed J. Zaki  and Wagner Meira Jr

Lehrveranstaltung L2435: Data Mining
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1598: Bildverarbeitung

Lehrveranstaltungen
Titel Typ SWS LP
Bildverarbeitung (L2443) Vorlesung 2 4
Bildverarbeitung (L2444) Gruppenübung 2 2
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Signal und Systeme
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen

  • Visuelle Wahrnehmung
  • Mehrdimensionale Signalverarbeitung
  • Abtastung und Abtasttheorem
  • Filterung
  • Bildverbesserung
  • Kantendetektion
  • Mehrfachauflösende Verfahren: Gauss- und Laplace-Pyramide, Wavelets
  • Bildkompression
  • Segmentierung
  • Morphologische Bildverarbeitung
Fertigkeiten

Die Studierenden können

  • multidimensionale Bilddaten analysieren, bearbeiten, verbessern
  • einfache Kompressionsalgorithmen implementieren
  • eigene Filter für konkrete Anwendungen entwerfen
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in sowohl selbstständig als auch in Teams an komplexen Problemen arbeiten. Sie können sich untereinander austauschen und ihre individuellen Stärken zur Lösung des Problems einbringen.

Selbstständigkeit

Die Studierenden sind in der Lage ein komplexes Problem eigenständig zu untersuchen und einzuschätzen, welche Kompetenzen zur Lösung des Problems benötigt werden. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L2443: Bildverarbeitung
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Visuelle Wahrnehmung
  • Mehrdimensionale Signalverarbeitung
  • Abtastung und Abtasttheorem
  • Filterung
  • Bildverbesserung
  • Kantendetektion
  • Mehrfachauflösende Verfahren: Gauss- und Laplace-Pyramide, Wavelets
  • Bildkompression
  • Segmentierung
  • Morphologische Bildverarbeitung
Literatur

Bredies/Lorenz, Mathematische Bildverarbeitung, Vieweg, 2011
Pratt, Digital Image Processing, Wiley, 2001
Bernd Jähne: Digitale Bildverarbeitung - Springer, Berlin 2005

Lehrveranstaltung L2444: Bildverarbeitung
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0731: Functional Programming

Lehrveranstaltungen
Titel Typ SWS LP
Funktionales Programmieren (L0624) Vorlesung 2 2
Funktionales Programmieren (L0625) Hörsaalübung 2 2
Funktionales Programmieren (L0626) Gruppenübung 2 2
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Discrete mathematics at high-school level 
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the principles, constructs, and simple design techniques of functional programming. They demonstrate their ability to read Haskell programs and to explain Haskell syntax as well as Haskell's read-eval-print loop. They interpret warnings and find errors in programs. They apply the fundamental data structures, data types, and type constructors. They employ strategies for unit tests of functions and simple proof techniques for partial and total correctness. They distinguish laziness from other evaluation strategies. 

Fertigkeiten

Students break a natural-language description down in parts amenable to a formal specification and develop a functional program in a structured way. They assess different language constructs, make conscious selections both at specification and implementations level, and justify their choice. They analyze given programs and rewrite them in a controlled way. They design and implement unit tests and can assess the quality of their tests. They argue for the correctness of their program.

Personale Kompetenzen
Sozialkompetenz

Students practice peer programming with varying peers. They explain problems and solutions to their peer. They defend their programs orally. They communicate in English.

Selbstständigkeit

In programming labs, students learn  under supervision (a.k.a. "Betreutes Programmieren") the mechanics of programming. In exercises, they develop solutions individually and independently, and receive feedback. 

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 15 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
Data Science: Technischer Ergänzungskurs: Wahlpflicht
Engineering Science: Vertiefung Mechatronics: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0624: Functional Programming
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions
  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics
Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Lehrveranstaltung L0625: Functional Programming
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions

  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics

Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Lehrveranstaltung L0626: Functional Programming
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions

  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics

Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Modul M0941: Kombinatorische Strukturen und Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Kombinatorische Strukturen und Algorithmen (L1100) Vorlesung 3 4
Kombinatorische Strukturen und Algorithmen (L1101) Gruppenübung 1 2
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I + II
  • Diskrete Algebraische Strukturen
  • Graphentheorie und Optimierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Kombinatorik und Algorithmik benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.


Fertigkeiten
  • Studierende können Aufgabenstellungen aus der Kombinatorik und Algorithmik mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Computer Science: Vertiefung Computermathematik: Wahlpflicht
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht
Data Science: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1100: Kombinatorische Strukturen und Algorithmen
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Zählprobleme 
  • Strukturelle Graphentheorie
  • Analyse von Algorithmen
  • Extremale Kombinatorik
  • Zufällige diskrete Strukturen

Literatur
  • M. Aigner: Diskrete Mathematik, Vieweg, 6. Aufl., 2006
  • J. Matoušek & J. Nešetřil: Diskrete Mathematik - Eine Entdeckungsreise, Springer, 2007
  • A. Steger: Diskrete Strukturen - Band 1: Kombinatorik, Graphentheorie, Algebra, Springer, 2. Aufl. 2007
  • A. Taraz: Diskrete Mathematik, Birkhäuser, 2012.
Lehrveranstaltung L1101: Kombinatorische Strukturen und Algorithmen
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0730: Technische Informatik

Lehrveranstaltungen
Titel Typ SWS LP
Technische Informatik (L0321) Vorlesung 3 4
Technische Informatik (L0324) Gruppenübung 1 2
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse der Elektrotechnik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Dieses Modul vermittelt Grundkenntnisse der Funktionsweise von Rechensystemen. Abgedeckt werden die Ebenen von der Assemblerprogrammierung bis zur Gatterebene. Das Modul behandelt folgende Inhalte:

  • Einführung
  • Kombinatorische Logik: Gatter, Boolesche Algebra, Schaltfunktionen, Synthese von Schaltungen, Schaltnetze
  • Sequentielle Logik: Flip-Flops, Schaltwerke, systematischer Schaltwerkentwurf
  • Technologische Grundlagen
  • Rechnerarithmetik: Ganzzahlige Addition, Subtraktion, Multiplikation und Division
  • Grundlagen der Rechnerarchitektur: Programmiermodelle, MIPS-Einzelzyklusmaschine, Pipelining
  • Speicher-Hardware: Speicherhierarchien, SRAM, DRAM, Caches
  • Ein-/Ausgabe: I/O aus Sicht der CPU, Prinzipien der Datenübergabe, Point-to-Point Verbindungen, Busse
Fertigkeiten

Die Studierenden fassen ein Rechensystem aus der Perspektive des Architekten auf, d.h. sie erkennen die interne Struktur und den physischen Aufbau von Rechensystemen. Die Studierenden können analysieren, wie hochspezifische und individuelle Rechner aus einer Sammlung gängiger Einzelkompenenten zusammengesetzt werden. Sie sind in der Lage, die unterschiedlichen Abstraktionsebenen heutiger Rechensysteme - von Gattern und Schaltungen bis hin zu Prozessoren - zu unterscheiden und zu erklären.

Nach erfolgreichem Besuch der Veranstaltung sind die Studierenden in der Lage, die Wechselwirkungen zwischen einem physischen Rechensystem und der darauf ausgeführten Software beurteilen zu können. Insbesondere sollen sie die Konsequenzen der Ausführung von Software in den hardwarenahen Schichten von der Assemblersprache bis zu Gattern erkennen können. Sie sollen so in die Lage versetzt werden, Auswirkungen unterer Schichten auf die Leistung des Gesamtsystems abzuschätzen und geeignete Optionen vorzuschlagen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, ähnliche Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 10 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten, Inhalte der Vorlesung und Übungen
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0321: Technische Informatik
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Einführung
  • Kombinatorische Logik
  • Sequentielle Logik
  • Technologische Grundlagen
  • Zahlendarstellungen und Rechnerarithmetik
  • Grundlagen der Rechnerarchitektur
  • Speicher-Hardware
  • Ein-/Ausgabe
Literatur
  • A. Clements. The Principles of Computer Hardware. 3. Auflage, Oxford University Press, 2000.
  • A. Tanenbaum, J. Goodman. Computerarchitektur. Pearson, 2001.
  • D. Patterson, J. Hennessy. Rechnerorganisation und -entwurf. Elsevier, 2005.
Lehrveranstaltung L0324: Technische Informatik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0834: Computernetworks and Internet Security

Lehrveranstaltungen
Titel Typ SWS LP
Rechnernetze und Internet-Sicherheit (L1098) Vorlesung 3 5
Rechnernetze und Internet-Sicherheit (L1099) Gruppenübung 1 1
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Basics of Computer Science

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to explain important and common Internet protocols in detail and classify them, in order to be able to analyse and develop networked systems in further studies and job.

Fertigkeiten

Students are able to analyse common Internet protocols and evaluate the use of them in different domains.

Personale Kompetenzen
Sozialkompetenz


Selbstständigkeit

Students can select relevant parts out of high amount of professional knowledge and can independently learn and understand it.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
Engineering Science: Vertiefung Mechatronics: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1098: Computer Networks and Internet Security
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Prof. Andreas Timm-Giel, Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt

In this class an introduction to computer networks with focus on the Internet and its security is given. Basic functionality of complex protocols are introduced. Students learn to understand these and identify common principles. In the exercises these basic principles and an introduction to performance modelling are addressed using computing tasks and (virtual) labs.

In the second part of the lecture an introduction to Internet security is given.

This class comprises:

  • Application layer protocols (HTTP, FTP, DNS)
  • Transport layer protocols (TCP, UDP)
  • Network Layer (Internet Protocol, routing in the Internet)
  • Data link layer with media access at the example of Ethernet
  • Multimedia applications in the Internet
  • Network management
  • Internet security: IPSec
  • Internet security: Firewalls
Literatur


  • Kurose, Ross, Computer Networking - A Top-Down Approach, 6th Edition, Addison-Wesley
  • Kurose, Ross, Computernetzwerke - Der Top-Down-Ansatz, Pearson Studium; Auflage: 6. Auflage
  • W. Stallings: Cryptography and Network Security: Principles and Practice, 6th edition



Further literature is announced at the beginning of the lecture.


Lehrveranstaltung L1099: Computer Networks and Internet Security
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Andreas Timm-Giel, Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1235: Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme

Lehrveranstaltungen
Titel Typ SWS LP
Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme (L1670) Vorlesung 3 4
Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme (L1671) Hörsaalübung 2 2
Modulverantwortlicher Prof. Christian Becker
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen der Elektrotechnik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können einen Überblick über die konventionelle und moderne elektrische Energietechnik geben. Technologien der elektrischen Energieerzeugung, -übertragung, -speicherung und -verteilung sowie Integration von Betriebsmitteln können detailliert erläutert und kritisch bewertet werden. 

Fertigkeiten

Mit Abschluss dieses Moduls sind die Studierenden in der Lage, das erlernte Fachwissen in Aufgabenstellungen zur Auslegung, Integration oder Entwicklung elektrischer Energiesysteme angemessen anzuwenden und die Ergebnisse einzuschätzen und zu beurteilen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können fachspezifische und fachübergreifende Diskussionen führen, Ideen weiterentwicklen und ihre eigenen Arbeitsergebnissen vor anderen vertreten. 

Selbstständigkeit

Die Studierenden können sich selbstständig Quellen über die Schwerpunkte der Vorlesung erschließen und das darin enthaltene Wissen aneignen. 

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 - 150 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Wahlpflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
Energie- und Umwelttechnik: Vertiefung Energietechnik: Wahlpflicht
Energietechnik: Vertiefung Energiesysteme: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Regenerative Energien: Kernqualifikation: Pflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Energietechnik: Wahlpflicht
Lehrveranstaltung L1670: Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Christian Becker
Sprachen DE
Zeitraum WiSe
Inhalt
  • Aufbau und Entwicklungstendenzen der elektrischen Energieversorgung 
  • Aufgaben und historische Entwicklung
  • symmetrische Drehstromsysteme
  • Grundlagen und Modellierung von Netzen
    • Leitungen
    • Transformatoren
    • Synchronmaschinen
    • Asynchronmaschinen
    • Lasten und Kompensation
    • Netzaufbau und Schaltanlagen
  • Grundlagen der Energieumwandlung
    • Elektromechanische Energiewandlung
    • Thermodynamische Grundlagen
    • Kraftwerkstechnik
    • Regenerative Energieumwandlung
  • Netzberechnung
    • Netzmodellierung
    • Lastflussrechnung
    • Ausfallkriterium
  • Symmetrische Kurzschlussberechnung, Kurzschlussleistung
  • Netz- und Kraftwerksregelung
  • Netzschutz
  • Grundlagen der Netzplanung
  • Grundlagen der elektrischen Energiewirtschaft und -märkte
Literatur

K. Heuck, K.-D. Dettmann, D. Schulz: "Elektrische Energieversorgung", Vieweg + Teubner, 9. Auflage, 2013

A. J. Schwab: "Elektroenergiesysteme", Springer, 5. Auflage, 2017

R. Flosdorff: "Elektrische Energieverteilung" Vieweg + Teubner, 9. Auflage, 2008

Lehrveranstaltung L1671: Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Christian Becker
Sprachen DE
Zeitraum WiSe
Inhalt
  • Aufbau und Entwicklungstendenzen der elektrischen Energieversorgung 
  • Aufgaben und historische Entwicklung
  • symmetrische Drehstromsysteme
  • Grundlagen und Modellierung von Netzen
    • Leitungen
    • Transformatoren
    • Synchronmaschinen
    • Asynchronmaschinen
    • Lasten und Kompensation
    • Netzaufbau und Schaltanlagen
  • Grundlagen der Energieumwandlung
    • Elektromechanische Energiewandlung
    • Thermodynamische Grundlagen
    • Kraftwerkstechnik
    • Regenerative Energieumwandlung
  • Netzberechnung
    • Netzmodellierung
    • Lastflussrechnung
    • Ausfallkriterium
  • Symmetrische Kurzschlussberechnung, Kurzschlussleistung
  • Netz- und Kraftwerksregelung
  • Netzschutz
  • Grundlagen der Netzplanung
  • Grundlagen der elektrischen Energiewirtschaft und -märkte
Literatur

K. Heuck, K.-D. Dettmann, D. Schulz: "Elektrische Energieversorgung", Vieweg + Teubner, 9. Auflage, 2013

A. J. Schwab: "Elektroenergiesysteme", Springer, 5. Auflage, 2017

R. Flosdorff: "Elektrische Energieverteilung" Vieweg + Teubner, 9. Auflage, 2008

Modul M0675: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Nachrichtentechnik und ihre stochastischen Methoden (L0442) Vorlesung 3 4
Einführung in die Nachrichtentechnik und ihre stochastischen Methoden (L0443) Hörsaalübung 1 1
Einführung in die Nachrichtentechnik und ihre stochastischen Methoden (L2354) Gruppenübung 1 1
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik 1-3
  • Signale und Systeme

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen und verstehen die grundlegenden Funktionseinheiten eines Nachrichtenübertragungssystems. Sie können die einzelnen Funktionsblöcke mit Hilfe grundlegender Kenntnisse der Signal- und Systemtheorie sowie der Theorie stochastischer Prozesse beschreiben und analysieren. Sie kennen die entscheidenden Resourcen und Bewertungskriterien der Nachrichtenübertragung und können ein elementares nachrichtentechnisches System entwerfen und beurteilen.  

Fertigkeiten

Die Studierenden sind in der Lage, ein elementares nachrichtentechnisches System zu entwerfen und zu beurteilen.  Insbesondere können Sie den Bedarf an Resourcen wie Bandbreite und Leistung abschätzen. Sie sind in der Lage, wichtige Beurteilungskriterien wie die Bandbreiteneffizienz oder die Bitfehlerwahrscheinlichkeit elementarer Nachrichtenübertragungssysteme abzuschätzen und darauf basierend ein Übertragungsverfahren auszuwählen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können fachspezifische Aufgaben gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Computer Science: Vertiefung Computermathematik: Wahlpflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0442: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Grundlagen stochastischer Prozesse

  • Einführung in die Nachrichtentechnik

  • Quadraturamplitudenmodulation

  • Beschreibung hochfrequenter Nachrichtenübertragung im äquivalenten Basisband

  • Übertragungskanäle, Kanalmodelle

  • Analog-Digital-Wandlung: Abtastung, Quantisierung, Pulsecodemodulation (PCM)

  • Grundlagen der Informationstheorie, Quellencodierung und Kanalcodierung

  • Digitale Basisbandübertragung: Pulsformung, Augendiagramm, 1. und 2. Nyquist-Bedingung, Matched-Filter, Detektion, Fehlerwahrscheinlichkeit

  • Grundlagen digitaler Modulationsverfahren

Literatur

K. Kammeyer: Nachrichtenübertragung, Teubner

P.A. Höher: Grundlagen der digitalen Informationsübertragung, Teubner.

M. Bossert: Einführung in die Nachrichtentechnik, Oldenbourg.

J.G. Proakis, M. Salehi: Grundlagen der Kommunikationstechnik. Pearson Studium.

J.G. Proakis, M. Salehi: Digital Communications. McGraw-Hill.

S. Haykin: Communication Systems. Wiley

J.G. Proakis, M. Salehi: Communication Systems Engineering. Prentice-Hall.

J.G. Proakis, M. Salehi, G. Bauch, Contemporary Communication Systems. Cengage Learning.






Lehrveranstaltung L0443: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L2354: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1615: Einführung in die Datenerfassung und Datenverarbeitung

Lehrveranstaltungen
Titel Typ SWS LP
Datenerfassung und Datenverarbeitung (L2445) Projektseminar 2 2
Messtechnik und Messdatenverarbeitung (L0779) Vorlesung 2 3
Messtechnik und Messdatenverarbeitung (L0780) Gruppenübung 1 1
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen Mathematik

Gute Programmierkenntnisse

Grundkenntnisse Elektrotechnik / Physik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können die Aufgaben von Messsystemen sowie das Vorgehen bei Messdatenerfassungen und -verarbeitungen erklären. Die dafür relevanten Aspekte der Wahrscheinlichkeitstheorie und der Messfehlerbehandlung sowie das Vorgehen bei Messungen stochastischer Signale können wiedergegeben werden. Methoden zur Beschreibungen gemessener Signale und zur Digitalisierungen von Signalen sind den Studierenden bekannt und können erläutert werden. Die Verarbeitungskette von der Erfassung von Messwerten bis zur Auswertung der Daten mit Klassifikations- und Regressionsverfahren kann im Zusammenhang beschrieben werden.

Fertigkeiten

Die Studierenden sind in der Lage messtechnische Fragestellungen zu erklären und Methoden zur Beschreibung und Verarbeitung von Messdaten anzuwenden.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden lösen Übungsaufgaben in Kleingruppen. Eine praktische Aufgabenstellung wird von der Datenerfassung bis zur Datenverarbeitung in Gruppenarbeit gelöst.

Selbstständigkeit

Die Studierenden können ihren Wissensstand einschätzen und die von Ihnen erzielten Ergebnisse kritisch bewerten.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja Keiner Referat
Ja 10 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L2445: Datenerfassung und Datenverarbeitung
Typ Projektseminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum WiSe
Inhalt

Im Rahmen eines praxisnahen Projektes werden wesentliche Fragestellungen der Erfassung und Verarbeitung von Daten betrachtet, u.a.

- Datenerfassung (z.B. Bilddaten, Sensordaten)

- Datenvorverarbeitung (z.B. Filtern)

- Datenanalyse (z.B. Regressions- und Klassifikationsaufgaben mit maschinellen Lernverfahren)

- Evaluierung und Interpretation der Ergebnisse


Literatur

Wird in der Veranstaltung bekannt gegeben.

Lehrveranstaltung L0779: Messtechnik und Messdatenverarbeitung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum WiSe
Inhalt

Einführung, Messsysteme und Messfehler, Wahrscheinlichkeitstheorie, Messung stochastischer Signale, Beschreibung gemessener Signale,
Erfassung analoger Signale, Praktische Messdatenerfassung

Literatur

Puente León, Kiencke: Messtechnik, Springer 2012
Lerch: Elektrische Messtechnik, Springer 2012

Weitere Literatur wird in der Veranstaltung bekanntgegeben.

Lehrveranstaltung L0780: Messtechnik und Messdatenverarbeitung
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0959: Mechanik III (Dynamik)

Lehrveranstaltungen
Titel Typ SWS LP
Mechanik III (Dynamik) (L1134) Vorlesung 3 3
Mechanik III (Dynamik) (L1135) Gruppenübung 2 2
Mechanik III (Dynamik) (L1136) Hörsaalübung 1 1
Modulverantwortlicher Prof. Robert Seifried
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Module Mathematik I, II, Mechanik I (Stereostatik). Parallel zum Modul Mechanik III sollte das Modul Mathematik III besucht werden.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können

  • die axiomatische Vorgehensweise bei der Erarbeitung der mechanischen Zusammenhänge beschreiben;
  • wesentliche Schritte der Modellbildung erkläutern;
  • Fachwissen aus der Hydrostatik, der Kinematik und der Kinetik präsentieren.
Fertigkeiten

Die Studierenden können

  • die wesentlichen Elemente der mathematischen / mechanischen Analyse und Modellbildung anwenden und im Kontext eigener Fragestellung umsetzen;
  • grundlegende Methoden der Hydrostatik, der Kinematik und der Kinetik auf Probleme des Ingenieurwesens anwenden;
  • Tragweite und Grenzen der eingeführten Methoden der Statik abschätzen, beurteilen und sich weiterführende Ansätze erarbeiten.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in Gruppen zu Arbeitsergebnissen kommen und sich gegenseitig bei der Lösungsfindung unterstützen. 

Selbstständigkeit

Die Studierenden sind in der Lage, ihre eigenen Stärken und Schwächen einzuschätzen und darauf basierend ihr Zeit- und Lernmanagement zu organisieren.

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
Digitaler Maschinenbau: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Schiffbau: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L1134: Mechanik III (Dynamik)
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Robert Seifried
Sprachen DE
Zeitraum WiSe
Inhalt

Kinematik

  • Punktbewegungen, einachsig, eben, räumlich, natürliche Koordinaten, Zylinderkoordinaten
  • Räumliche Bewegungen von Punktsytemen
  • Ebene Kinematik des starren Körpers
  • Räumliche Kinematik des starren Körpers
  • Räumliche Relativbewegung

Kinetik

  • Grundbegriffe
  • Grundgleichungen der Kinetik
  • Herleitung Impuls- und Drallsatz (räumlich) für starre Körper
  • Trägheitstensor
  • Kinetik des starren Körpers im Raum
  • Kreiseltheorie
  • Rotordynamik
  • Räumliche Relativkinetik
  • Systeme mit veränderlicher Masse

Schwingungen

Literatur K. Magnus, H.H. Müller-Slany: Grundlagen der Technischen Mechanik. 7. Auflage, Teubner (2009).
D. Gross, W. Hauger, J. Schröder, W. Wall: Technische Mechanik 3 und 4. 11. Auflage, Springer (2011).
Lehrveranstaltung L1135: Mechanik III (Dynamik)
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Robert Seifried
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1136: Mechanik III (Dynamik)
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Robert Seifried
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1620: Ethik in der Informationstechnologie

Lehrveranstaltungen
Titel Typ SWS LP
Ethik in der Informationstechnologie (L2450) Vorlesung 2 3
Ethik in der Informationstechnologie (L2451) Seminar 2 3
Modulverantwortlicher NN
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen

  • Ethische Grundpositionen 
  • Bedeutungen des Informationsbegriffs und ihren historischen Wandel 
  • Ethische Grundprobleme der Informationstechnologie (Entscheidungsautonomie von Algorithmen und künstlicher Intelligenz; Macht durch Zugang und Nutzen von Daten etc.)
  • Auswirkungen einer zunehmenden Erhebung und Analyse von Daten auf Individuen und moderne Gesellschaften
  • Datenschutzrichtlinien im Allgemeinen und in spezifischen Anwendungsgebieten (Beispiel: medizinische Daten)
  • Auswirkungen von Fehlern in Softwaresystemen
  • Die ethischen Leitlinien der Deutschen Gesellschaft für Informatik und die Empfehlungen zur Guten wissenschaftlichen Praxis der DFG
Fertigkeiten

Die Studierenden können

  • ethische Grundpositionen in der Analyse von Beispielen aus der Geschichte und Gegenwart der Informatik und Data Science anwenden.
  • ethische Konflikte bezüglich dem Sammeln und der Verarbeitung von Daten erkennen und beschreiben
  • ihr eigenes Handeln bei der Erfassung, Verarbeitung und Analyse von Daten und die dessen Folgen reflektieren 
  • Datenschutzrichtlinien berücksichtigen und die Konformität von Softwaresystemen mit Datenschutzrichtlinien bewerten.
  • die Auswirkung von Softwarefehlern in einem konkreten Anwendungsgebiet einschätzen und geeignete Maßnahmen zur Minimierung von Fehlern umsetzen
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in der Gruppe zu bearbeiten und geeignet zu präsentieren. 

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang -
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Pflicht
Lehrveranstaltung L2450: Ethik in der Informationstechnologie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE/EN
Zeitraum WiSe
Inhalt

Vorlesung:

  • Einführung in ethische Grundpositionen an Fallbeispielen aus der Informationstechnologie
  • Was sind Informationen? Definitionen des Informationsbegriffs und ihr historisches Wandel 
  • Besondere Probleme der Ethik der Informationstechnologie: Entscheidungsautonomie von KI; Verantwortung für und Auswirkungen von Software-Fehler etc. 
  • Einführung in grundlegende Positionen der Techniksoziologie an Fallbeispielen aus der Informationstechnologie (Datafizierung; Digitalisiertes Selbst etc.)
  • Datenschutzrichtlinien und Anwendungsbeispiele 
  • Inhalte und Probleme ethischer Leitlinien für Informatikerinnen und Informatiker (Deutsche Gesellschaft für Informatik, DFG etc.)

Seminar:

  • Vertiefung ausgewählter Aspekte der Vorlesung
  • Diskussion aktueller Entwicklungen in der Ethik der Informationstechnologie 
Literatur

Wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Lehrveranstaltung L2451: Ethik in der Informationstechnologie
Typ Seminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1070: Simulation von Transport- und Umschlagssystemen

Lehrveranstaltungen
Titel Typ SWS LP
Simulation von Transport- und Umschlagsystemen (L1352) Vorlesung 1 2
Simulation von Transport- und Umschlagsystemen (L1818) Gruppenübung 3 4
Modulverantwortlicher Prof. Carlos Jahn
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Vorlesung Transport- und Umschlagtechnik erfolgreich bestanden

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können…

  • den Aufbau und die Funktionsweise der geläufigsten außerbetrieblichen Logistiksysteme erläutern.
  • die Vorteile der Nutzung von Simulationssoftware in Abhängigkeit von der Ausgangssituation erklären.
  • Verschiedene, weit verbreitete Simulationsprogramme und -arten vorstellen und ihre Charakteristika erläutern.


Fertigkeiten

Die Studierenden sind in der Lage…

  • die elementaren Bausteine eines Logistiksystems zu erkennen, zu analysieren und zu einem Modell zusammenzufügen.
  • komplexe außerbetriebliche Logistikprozesse mit der Simulationssoftware Plant Simulation® abzubilden.
  • Rückschlüsse aus den Ergebnissen der Simulation zu ziehen, diese auf die Realität zu übertragen und daraus Handlungsempfehlungen abzuleiten.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können…

  • im Team komplexe Aufgabenstellungen lösen und diese entsprechend dokumentieren.
  • verschiedene Rollen während der Teamarbeit wahrnehmen und sich im Team dafür angemessenes Feedback geben.
  • die relevanten Ergebnisse ihres Projektes vor Fachpersonen vorzustellen und vertreten.


Selbstständigkeit

Die Studierenden sind fähig…

  • sich eigenständig in eine unbekannte Software einzuarbeiten und damit komplexe Aufgabenstellungen zu lösen.
  • selbstständig Arbeitsschritte zu definieren und das dafür notwendige Wissen zu beschaffen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 20 % Fachtheoretisch-fachpraktische Studienleistung
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang Simulationsstudie und Bericht mit ca. 15 Seiten pro Person
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Wahlpflicht
Logistik und Mobilität: Vertiefung Logistik und Mobilität: Wahlpflicht
Lehrveranstaltung L1352: Simulation von Transport- und Umschlagsystemen
Typ Vorlesung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Carlos Jahn
Sprachen DE
Zeitraum WiSe
Inhalt

Die Vorlesung thematisiert die Simulation außerbetrieblicher Logistiksysteme. Der Fokus liegt somit auf der Betrachtung logistischer Abläufe zwischen Unternehmen oder auf Umschlagssystemen, wie zum Beispiel Häfen oder einzelnen Terminals.

Im ersten Teil der Vorlesung werden den Studierenden zunächst Grundkenntnisse über außerbetriebliche Logistiksysteme und die Vorteile der Nutzung von Simulationen zu deren Darstellung vermittelt. Anschließend werden ein Überblick über bestehende Simulationsarten und -programme gegeben und Beispiele für existierende Simulationsmodelle logistischer Systeme in Wissenschaft und Praxis gezeigt. Dazu werden einige Simulationsmodelle exemplarisch vorgeführt.

Im zweiten Teil der Vorlesung erlernen die Studierenden selbstständig den grundsätzlichen Umgang mit der Simulationssoftware Plant Simulation®. Dafür erhalten sie theoretische Erläuterungen der allgemeinen Funktionsweise des Simulationstools, welche durch den Einsatz von online-Tutorials weiter anwendungsnah vertieft werden. Parallel bieten drei aufeinander aufbauende Übungsaufgaben den Studierenden die Möglichkeit, erlernte Vorlesungsinhalte in Kleingruppen umzusetzen. Die Aufgaben können sowohl während der betreuten Vorlesungszeiten als auch zu anderen Zeitpunkten bearbeitet werden.

Diese erlernten Kenntnisse sind im dritten Teil im Zuge einer Gruppenarbeit anzuwenden. Die Studierenden werden in Gruppen aufgeteilt, die anschließend jeweils eine relevante Problemstellung aus dem Bereich der (außerbetrieblichen) logistischen Systeme mittels Simulation bearbeiten sollen. Für die Bearbeitung ist den Studierenden ein definierter Zeitraum vorgegeben. Während dieser Zeit steht zu den Vorlesungsterminen immer mindestens eine Person für Fragen und Anregungen zur Verfügung. Die Ergebnisse der Gruppenarbeit sind in einem Simulationsbericht zu dokumentieren und nach Beendigung der Bearbeitungszeit abzugeben. Abschließend stellen die einzelnen Gruppen die von ihnen bearbeiteten Problemstellungen und ihre Ergebnisse im Rahmen einer Präsentation vor.

Literatur

Bangsow, Steffen (2011): Praxishandbuch Plant Simulation und SimTalk. Anwendung und Programmierung in über 150 Beispiel-Modellen. München: Hanser Verlag.

Eley, Michael (2012): Simulation in der Logistik. Einführung in die Erstellung ereignisdiskreter Modelle unter Verwendung des Werkzeuges "Plant Simulation". Berlin, Heidelberg: Springer.

Engelhardt-Nowitzki, Corinna; Nowitzki, Olaf; Krenn, Barbara (2008): Management komplexer Materialflüsse mittels Simulation. State-of-the-Art und innovative Konzepte. Wiesbaden: Deutscher Universitäts-Verlag / GWV Fachverlage GmbH, Wiesbaden.

Rabe, Markus; Spieckermann, Sven; Wenzel, Sigrid (2008): Verifikation und Validierung für die Simulation in Produktion und Logistik. Vorgehensmodelle und Techniken. Berlin, Heidelberg: Springer.

Sargent, Robert G. (2010): Verification and Validation of Simulation Models. In: B. Johansson, S. Jain, J. Montoya-Torres, J. Hugan, and E. Yücesan, eds.: Proceedings of the 2010 Winter Simulation Conference.

VDI‐Richlinie: VDI 3633. Simulation von Logistik‐, Materialfluß‐und Produktionssystemen

Wenzel, Sigrid; Rabe, Markus; Spieckermann, Sven (2006): Verifikation und Validierung für die Simulation in Produktion und Logistik. Vorgehensmodelle und Techniken. 1. Aufl. Berlin: Springer Berlin.

Lehrveranstaltung L1818: Simulation von Transport- und Umschlagsystemen
Typ Gruppenübung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Carlos Jahn
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0833: Grundlagen der Regelungstechnik

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen der Regelungstechnik (L0654) Vorlesung 2 4
Grundlagen der Regelungstechnik (L0655) Gruppenübung 2 2
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse der Behandlung von Signalen und Systemen im Zeit- und Frequenzbereich und der Laplace-Transformation.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können das Verhalten dynamischer Systeme in Zeit- und Frequenzbereich darstellen und interpretieren, und insbesondere die Eigenschaften Systeme 1. und 2. Ordnung erläutern.
  • Sie können die Dynamik einfacher Regelkreise erklären und anhand von Frequenzgang und Wurzelortskurve interpretieren.
  • Sie können das Nyquist-Stabilitätskriterium sowie die daraus abgeleiteten Stabilitätsreserven erklären.
  • Sie können erklären, welche Rolle die Phasenreserve in der Analyse und Synthese von Regelkreisen spielt.
  • Sie können die Wirkungsweise eines PID-Reglers anhand des Frequenzgangs interpretieren.
  • Sie können erklären, welche Aspekte bei der digitalen Implementierung zeitkontinuierlich entworfener Regelkreise berücksichtigt werden müssen.
Fertigkeiten
  • Studierende können Modelle linearer dynamischer Systeme vom Zeitbereich in den Frequenzbereich transformieren und umgekehrt. 
  • Sie können das Verhalten von Systemen und Regelkreisen simulieren und bewerten.
  • Sie können PID-Regler mithilfe heuristischer Einstellregeln (Ziegler-Nichols) entwerfen.
  • Sie können anhand von Wurzelortskurve und Frequenzgang einfache Regelkreise entwerfen und analysieren.
  • Sie können zeitkontinuierliche Modelle  dynamischer Regler für die digitale Implementierung zeitdiskret approximieren.
  • Sie beherrschen die einschlägigen Software-Werkzeuge (Matlab Control Toolbox, Simulink) für die Durchführung all dieser Aufgaben.
Personale Kompetenzen
Sozialkompetenz Studierende können in kleinen Gruppen fachspezifische Fragen gemeinsam bearbeiten und ihre Reglerentwürfe  experimentell testen und bewerten
Selbstständigkeit Studierende können sich Informationen aus bereit gestellten Quellen (Skript, Software-Dokumentation, Versuchsunterlagen) beschaffen und für die Lösung gegebener Probleme verwenden.

Sie können ihren Wissensstand mit Hilfe wöchentlicher On-Line Tests kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern

 
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Computer Science: Vertiefung Computermathematik: Wahlpflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs Kernfächer: Wahlpflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Lehrveranstaltung L0654: Grundlagen der Regelungstechnik
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen DE
Zeitraum WiSe
Inhalt

Signale und Systeme

  • Lineare Systeme, Differentialgleichungen und Übertragungsfunktionen
  • Systeme 1. und 2. Ordnung, Pole und Nullstellen, Impulsantwort und Sprungantwort
  • Stabilität

Regelkreise

  • Prinzip der Rückkopplung: Steuerung oder Regelung
  • Folgeregelung und Störunterdrückung
  • Arten der Rückführung, PID-Regelung
  • System-Typ und bleibende Regelabweichung
  • Inneres-Modell-Prinzip

Wurzelortskurven

  • Konstruktion und Interpretation von Wurzelortskurven
  • Wurzelortskurven von PID-Regelkreisen

Frequenzgang-Verfahren

  • Frequenzgang, Bode-Diagramm
  • Minimalphasige und nichtminimalphasige Systeme
  • Nyquist-Diagramm, Nyquist-Stabilitätskriterium, Phasenreserve und Amplitudenreserve
  • Loop shaping, Lead-Lag-Kompensatoren
  • Frequenzgang von PID-Regelkreisen

Totzeitsysteme

  • Wurzelortskurve und Frequenzgang von Totzeitsystemen
  • Smith-Prädiktor

Digitale Regelung

  • Abtastsysteme, Differenzengleichungen
  • Tustin-Approximation, digitale PID-Regler

Software-Werkzeuge

  • Einführung in Matlab, Simulink, Control Toolbox
  • Rechnergestützte Aufgaben zu allen Themen der Vorlesung
Literatur
  • Werner, H., Lecture Notes „Introduction to Control Systems“
  • G.F. Franklin, J.D. Powell and A. Emami-Naeini "Feedback Control of Dynamic Systems", Addison Wesley, Reading, MA, 2009
  • K. Ogata "Modern Control Engineering", Fourth Edition, Prentice Hall, Upper Saddle River, NJ, 2010
  • R.C. Dorf and R.H. Bishop, "Modern Control Systems", Addison Wesley, Reading, MA 2010
Lehrveranstaltung L0655: Grundlagen der Regelungstechnik
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1597: Seminare Data Science

Lehrveranstaltungen
Titel Typ SWS LP
Seminar Data Science I (L2441) Seminar 2 3
Seminar Data Science II (L2442) Seminar 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Referat
Prüfungsdauer und -umfang Pro Seminar erfolgt der Scheinerwerb durch Präsentation (Seminarvortrag 20 min und Diskussion 5 min)
Zuordnung zu folgenden Curricula Data Science: Kernqualifikation: Pflicht
Lehrveranstaltung L2441: Seminar Data Science I
Typ Seminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt
Literatur
Lehrveranstaltung L2442: Seminar Data Science II
Typ Seminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt
Literatur

Modul M0715: Löser für schwachbesetzte lineare Gleichungssysteme

Lehrveranstaltungen
Titel Typ SWS LP
Löser für schwachbesetzte lineare Gleichungssysteme (L0583) Vorlesung 2 3
Löser für schwachbesetzte lineare Gleichungssysteme (L0584) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I + II für Ingenieurstudierende (deutsch oder englisch) oder Analysis & Lineare Algebra I + II für Technomathematiker
  • Programmierkenntnisse in C
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • klassische und moderne Iterationsverfahren und deren Zusammenhänge untereinander benennen,
  • Konvergenzaussagen zu Iterationsverfahren wiedergeben,

  • Aspekte der effizienten Implementierung von Iterationsverfahren erklären.
Fertigkeiten

Studierende sind in der Lage,

  • Iterationsverfahren zu implementieren, anzuwenden und zu vergleichen,
  • das Konvergenzverhalten von Iterationverfahren zu analysieren und gegebenenfalls Konvergenzraten zu berechnen.


Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten, sich theoretische Grundlagen erklären sowie bei praktischen Implementierungsaspekten der Algorithmen unterstützen.
Selbstständigkeit

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • mit ausreichender Ausdauer komplexe Problemstellungen über längere Zeiträume zu bearbeiten,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 20 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computermathematik: Wahlpflicht
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht
Data Science: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L0583: Löser für schwachbesetzte lineare Gleichungssysteme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Schwachbesetzte Matrizen: Anordnungen und Speicherformate, direkte Löser
  2. Klassische Iterationsverfahren: Grundbegriffe, Konvergenz
  3. Projektionsverfahren
  4. Krylovraumverfahren
  5. Präkonditionierung (z.B ILU)
  6. Mehrgitterverfahren
Literatur
  1. Y. Saad, Iterative methods for sparse linear systems
Lehrveranstaltung L0584: Löser für schwachbesetzte lineare Gleichungssysteme
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0634: Einführung in Medizintechnische Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in Medizintechnische Systeme (L0342) Vorlesung 2 3
Einführung in Medizintechnische Systeme (L0343) Projektseminar 2 2
Einführung in Medizintechnische Systeme (L1876) Hörsaalübung 1 1
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen Mathematik (Algebra, Analysis)
Grundlagen Stochastik
Grundlagen Programmierung, R/Matlab

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können Funktionsprinzipien ausgewählter medizintechnischer Systeme (beispielsweise bildgebende Systeme, Assistenzsysteme im OP, medizintechnische Informationssysteme) erklären. Sie können einen Überblick über regulatorische Rahmenbedingungen und Standards in der Medizintechnik geben.

Fertigkeiten

Die Studierenden sind in der Lage, die Funktion eines medizintechnischen Systems im Anwendungskontext zu bewerten.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in Gruppen ein medizintechnisches Thema als Projekt beschreiben, in Teilaufgaben untergliedern und gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden können ihren Wissensstand einschätzen und ihre Arbeitsergebnisse dokumentieren.  Sie können die erzielten Ergebnisse kritisch bewerten und in geeigneter Weise präsentieren.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 10 % Schriftliche Ausarbeitung
Ja 10 % Referat
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0342: Einführung in Medizintechnische Systeme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum SoSe
Inhalt

- Bildgebende Systeme
- Assistenzsysteme im OP
- Medizintechnische Sensorsysteme
- Medizintechnische Informationssysteme
- Regulatorische Rahmenbedingungen
- Standards in der Medizintechnik
Durch problembasiertes Lernen erfolgt die Vertiefung der Methoden aus der Vorlesung. Dies erfolgt in Form von Gruppenarbeit. 

Literatur

Wird in der Veranstaltung bekannt gegeben.

Lehrveranstaltung L0343: Einführung in Medizintechnische Systeme
Typ Projektseminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1876: Einführung in Medizintechnische Systeme
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum SoSe
Inhalt

- Bildgebende Systeme
- Assistenzsysteme im OP
- Medizintechnische Sensorsysteme
- Medizintechnische Informationssysteme
- Regulatorische Rahmenbedingungen
- Standards in der Medizintechnik
Durch problembasiertes Lernen erfolgt die Vertiefung der Methoden aus der Vorlesung. Dies erfolgt in Form von Gruppenarbeit. 

Literatur

Wird in der Veranstaltung bekannt gegeben.

Modul M0777: Halbleiterschaltungstechnik

Lehrveranstaltungen
Titel Typ SWS LP
Halbleiterschaltungstechnik (L0763) Vorlesung 3 4
Halbleiterschaltungstechnik (L0864) Gruppenübung 1 2
Modulverantwortlicher Prof. Matthias Kuhl
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen der Elektrotechnik

Elementare Grundlagen der Physik, besonders Halbleiterphysik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die Funktionsweisen von verschiedenen MOS-Bauelementen in unterschiedlichen Schaltungen erklären.
  • Studierende können die Funktionsweise von Analogschaltungen und deren Anwendungen erklären.
  • Studierende können die Funktionsweise grundlegender Operationsverstärker erklären und Kenngrößen angeben.
  • Studierende sind in der Lage, grundlegende digitale Logik-Schaltungen zu benennen und ihre Vor- und Nachteile zu diskutieren.
  • Studierende sind in der Lage Speichertypen zu benennen, deren Funktionsweise zu erklären und Kenngrößen anzugeben.
  • Studierende können geeignete Anwendungsbereiche von Bipolartransistoren benennen.


Fertigkeiten
  • Studierende können Kenngrößen von verschiedenen MOS-Bauelementen berechnen und Schaltungen dimensionieren.
  • Studierende können logische Schaltungen mit unterschiedlichen Schaltungstypen entwerfen und  dimensionieren.
  • Studierende können MOS-Bauelemente und Operationsverstärker sowie bipolare Transistoren in speziellen Anwendungsbereichen einsetzen.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in heterogen (aus unterschiedlichen  Studiengängen) zusammengestellten Teams zusammenzuarbeiten.
  • Studierende können in kleinen Gruppen Rechenaufgaben lösen und Fachfragen beantworten.


Selbstständigkeit
  • Studierende sind in der Lage, ihren eigenen Lernstand einzuschätzen.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Engineering Science: Vertiefung Elektrotechnik: Pflicht
Engineering Science: Vertiefung Mechatronics: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mechatronics: Pflicht
Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht
Maschinenbau: Vertiefung Mechatronik: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0763: Halbleiterschaltungstechnik
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Matthias Kuhl
Sprachen DE
Zeitraum SoSe
Inhalt

Inhalt:

  • Wiederholung Halbleiterphysik und Dioden
  • Funktionsweise und Kennlinien von bipolaren Transistoren
  • Grundschaltungen mit bipolaren Transistoren
  • Funktionsweise und Kennlinien von MOS-Transistoren
  • Grundschaltungen mit MOS-Transistoren für Verstärker
  • Operationsverstärker und ihre Anwendungen
  • Typische Anwendungsfälle in der digitalen und analogen Schaltungstechnik
  • Realisierung logischer Funktionen
  • Grundschaltungen mit MOS-Transistoren für kombinatorische Logikgatter
  • Schaltungen für die Speicherung von binären Daten
  • Grundschaltungen mit MOS-Transistoren für sequentielle Logikgatter
  • Grundkonzepte von Analog-Digital- sowie Digital-Analog-Wandlern
Literatur

U. Tietze und Ch. Schenk, E. Gamm, Halbleiterschaltungstechnik, Springer Verlag, 14. Auflage, 2012, ISBN 3540428496

R. J. Baker, CMOS - Circuit Design, Layout and Simulation, J. Wiley & Sons Inc., 3. Auflage, 2011, ISBN: 047170055S

H. Göbel, Einführung in die Halbleiter-Schaltungstechnik, Berlin, Heidelberg Springer-Verlag Berlin Heidelberg, 2011, ISBN: 9783642208874 ISBN: 9783642208867

URL: http://site.ebrary.com/lib/alltitles/docDetail.action?docID=10499499

URL: http://dx.doi.org/10.1007/978-3-642-20887-4

URL: http://ebooks.ciando.com/book/index.cfm/bok_id/319955

URL: http://www.ciando.com/img/bo


Lehrveranstaltung L0864: Halbleiterschaltungstechnik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Matthias Kuhl, Weitere Mitarbeiter
Sprachen DE
Zeitraum SoSe
Inhalt

Inhalt:

  • Grundschaltungen und Kennlinien von bipolaren Transistoren
  • Grundschaltungen und Kennlinien von MOS-Transistoren für Verstärker
  • Realisierung und Dimensionierung von Operationsverstärkern 
  • Realisierung logischer Funktionen
  • Grundschaltungen mit MOS-Transistoren für kombinatorische und sequentielle Logikgatter
  • Schaltungen für die Speicherung von binären Daten
  • Schaltungen für Analog-Digital- sowie Digital-Analog-Wandler
  • Dimensionierung beispielhafter Schaltungen


Literatur

U. Tietze und Ch. Schenk, E. Gamm, Halbleiterschaltungstechnik, Springer Verlag, 14. Auflage, 2012, ISBN 3540428496

R. J. Baker, CMOS - Circuit Design, Layout and Simulation, J. Wiley & Sons Inc., 3. Auflage, 2011, ISBN: 047170055S

H. Göbel, Einführung in die Halbleiter-Schaltungstechnik, Berlin, Heidelberg Springer-Verlag Berlin Heidelberg, 2011, ISBN: 9783642208874 ISBN: 9783642208867

URL: http://site.ebrary.com/lib/alltitles/docDetail.action?docID=10499499

URL: http://dx.doi.org/10.1007/978-3-642-20887-4

URL: http://ebooks.ciando.com/book/index.cfm/bok_id/319955

URL: http://www.ciando.com/img/bo


Modul M0562: Berechenbarkeit und Komplexität

Lehrveranstaltungen
Titel Typ SWS LP
Berechenbarkeit und Komplexität (L0166) Vorlesung 2 3
Berechenbarkeit und Komplexität (L0167) Gruppenübung 2 3
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Diskrete Algebraische Strukturen sowie Automatentheorie, Logik und Formale Sprachen.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • maschinennahe Modelle der Berechenbarkeit;
  • abstrakte funktionale Modelle der Berechenbarkeit;
  • das Konzept der universellen Berechenbarkeit und seine Beschreibung durch partiell-rekursive Funktionen;
  • das Konzept der Gödelisierung von Berechnungen sowie die Sätze von Kleene, Rice und Rice-Shapiro;
  • die Konzepte der entscheidbaren und semientscheidbaren Probleme;
  • die Wortprobleme in Semi-Thue-Systemen, Thue-Systemen, Halbgruppen und Post-Korrespondenz-Systemen;
  • Hilberts zehntes Problem;
  • die Komplexitätsklassen P und NP und deren Unterscheidung;
  • das Konzept der NP-Vollständigkeit sowie den Satz von Cook.

Fertigkeiten

Fertigkeiten: Die Studienden können

  • maschinennahe und abstrakte Modelle der Berechenbarkeit beschreiben;
  • Beziehungen zwischen den einzelnen Berechenbarkeitsbegriffen herstellen; 
  • die grundlegenden Sätze von Kleene und Rice rekapitulieren und beweisen;
  • das Konzept der universellen Berechenbarkeit darlegen;
  • entscheidbare und semientscheidbare Probleme identifizieren und deren Bezug zu ähnlichen Problemen durch Reduktion herstellen;
  • die Komplexitätsklassen P und NP beschreiben;
  • NP-vollständige Probleme lokalisieren.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachbüchern und anderweitiger Literatur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 60 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0166: Berechenbarkeit und Komplexität
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur
Lehrveranstaltung L0167: Berechenbarkeit und Komplexität
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M1005: Vertiefende Grundlagen der Werkstoffwissenschaften

Lehrveranstaltungen
Titel Typ SWS LP
Vertiefung: Keramische Werkstoffe und Kunststoffe (L1233) Vorlesung 2 2
Vertiefung: Keramische Werkstoffe und Kunststoffe (L1234) Hörsaalübung 1 1
Vertiefung: Metalle (L1086) Vorlesung 2 3
Modulverantwortlicher Prof. Gerold Schneider
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Modul "Grundlagen der Werkstoffwissenschaften"

Modul "Materialwissenschaftliches Praktikum"

Modul "Moderne Werkstoffe"



Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können bei polymeren, metallischen und keramischen Materialien über den atomaren Bindungen, Kristallstrukturen und amorphe Strukturen,  Defekte, elektrische und Massentransportprozesse, Gefüge und Phasendiagramme einen vertieften Überblick geben und die dazugehörigen Fachbegriffe erklären.


Fertigkeiten

Studierende sind in der Lage die in den oben genannten Bereichen angewandten physikalischen und chemischen Methoden in einem angegebenen Kontext anzuwenden.


Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit

Studierende sind fähig, eigenständig die Struktur und Eigenschaften von polymeren, metallischen und keramischen
Materialien zu erfassen. Dabei sollten sie in der Lage sein, das Niveau und die Tiefe ihres Wissens einzuschätzen.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 180 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
Maschinenbau: Vertiefung Materialien in den Ingenieurwissenschaften: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L1233: Vertiefung: Keramische Werkstoffe und Kunststoffe
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Gerold Schneider, Prof. Robert Meißner
Sprachen DE/EN
Zeitraum SoSe
Inhalt

1. Einführung

Natürliche „Keramiken“ - Steine
„Künstliche“ Keramik - vom Porzellan bis zur Hochleistungskeramik  Anwendungen von Hochleistungskeramik

2. Pulverherstellung

Einteilung der Pulversyntheseverfahren
Der Bayer-Prozess zur Al2O3-Herstellung
Der Acheson-Prozess zur SiC-Herstellung
Chemical Vapour Deposition

    Pulveraufbereitung

Mahltechnik
Sprühtrockner

3. Formgebung

Arten der Formgebung
Pressen (0 - 15 % Feuchte)
Gießen (> 25 % Feuchte)
Plastische Formgebung (15 - 25 % Feuchte)

4. Sintern

Triebkraft des Sinterns
Effekt von gekrümmten Oberflächen und Diffusionswegen
Sinterstadien des isothermen Festphasensinterns
Herring scaling laws
Heißisostatisches Pressen

5. Mechanische Eigenschaften von Keramiken

Elastisches und plastisches Materialverhalten
Bruchzähigkeit - Linear-elastische Bruchmechanik
Festigkeit - Festigkeitsstreuung

6. Elektrische Eigenschaften von Keramiken

Ferroelektische Keramiken

Piezo-, ferroelektrische Materialeigenschaften
Anwendungen

Keramische Ionenleiter

Ionische Leitfähigkeit
Dotiertes Zirkonoxid in der Brennstoffzelle und Lambdasonde


Ziele des Vorlesungsteils sind:

  • Kennen der wesentlichen Eigenschaften von Kunststoffen
  • Verständnis über Verarbeitung und Gebrauch der Kunststoffe
  • Fähigkeit Kunststoffe zu bewerten und für Anwendungen auszuwählen mit entsprechender Fertigungsmethode
  • Kenntnisse über Faserverbundwerkstoffe Herstellung, Verarbeitung und Eigenschaften

1. Kunststoffe im Ingenieurwesen

Eine kurze Geschichte der Kunststoffe

Wieso Kunststoffe?

Kunststoffindustrie

Leichtbau durch Kunststoffe

2. Aufbau des Makromoleküls

Konstitution
Kettenkonfiguration
Kettenkonformation
Potentiale
Bindungen

3. Synthese, Rheologie

Polymerisation
Polyaddition
Polykondensation
Molekulargewicht und Verteilung
Vernetzung
Einsatztemperaturen und Verarbeitung
Prüfmethoden DSC /DMTA

4. Kunststoffverarbeitung

Zusammenhänge von Viskosität und Verarbeitung von Kunststoffen
Die wesentlichen Fertigungstechnologien und Verarbeitungsparameter: Extrudieren, Spritzgießen, Kalandrieren, Blasfolien, Blasformen, Streckblasen
Welche Produkte mit welcher Fertigungsmethode hergestellt werden können

5. Verbundwerkstoffe

Kurzfaserverstärkt und Spritzguss
Faserarten und Festigkeit
Elastische Eigenschaften von FKV und Anisotropie

6. Mechanische Eigenschaften

Verstehen des Werkstoffverhaltens von Polymeren unter mechanischer Last
Wissen das Kunststoffe ein stark zeitabhängiges Verformungsverhalten besitzen und kenne der Gründe.

Messverfahren zur Bestimmung des Lastverhaltens (Zugversuch, Kriech- oder Relaxationsversuch)

7. Kunststoffe und Umwelt

Verstehen der Vor- und Nachteile von Polymeren in Hinsicht auf Umweltaspekte

Wissen das Kunststoffe auf verschiedenen Wegen verwertet werden können

Innovative Ansätze zur Verbesserung der Ökobilanz kennen

Literatur

D R H Jones, Michael F. Ashby, Engineering Materials 1, An Introduction to Properties, Applications and Design, Elesevier

D.W. Richerson, Modern Ceramic Engineering, Marcel Decker, New York, 1992

W.D. Kingery, Introduction to Ceramics, John Wiley & Sons, New York, 1975

D.J. Green, An introduction to the mechanical properties of ceramics”, Cambridge University Press, 1998

D. Munz, T. Fett, Ceramics, Springer, 2001


Polymerwerkstoffe
Struktur und mechanische Eigenschaften G.W.Ehrenstein;
Hanser Verlag; ISBN 3-446-12478-0; ca. 20  €

Kunststoffphysik
W.Retting, H.M.Laun; Hanser Verlag; ISBN 3446162356; ca. 25 €

Werkstoffkunde Kunststoffe
G.Menges; Hanser Verlag; ISBN 3-446-15612-7; ca. 25 €

Kunststoff-Kompendium
A.Frank, K. Biederbick; Vogel Buchverlag; ISBN 3-8023-0135-8; ca.30 €

Lehrveranstaltung L1234: Vertiefung: Keramische Werkstoffe und Kunststoffe
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Gerold Schneider, Prof. Robert Meißner
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1086: Vertiefung: Metalle
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Jörg Weißmüller, Prof. Patrick Huber
Sprachen DE
Zeitraum SoSe
Inhalt

Vertiefende Kenntnisse zu Metallen: 

  • Einführung in die phänomenologische Thermodynamik
  • Elastizität
  • Thermisches Materialverhalten (Wärmekapazität, thermische Ausdehnung)
  • Leiter, Halbleiter und Isolatoren: Leitungsmechanismen und Bandstruktur
  • Supraleiter
  • Trockene Korrosion
  • Elektrochemie in der Materialwissenschaft
  • Nasskorrosion
  • Legierungskorrosion
  • Korrosionsschutz
  • Edelstahl
  • Batteriematerialien
  • Superkondensatoren
  • Brennstoffzelle
  • Materialien für die Wasserstoffspeicherung
  • Magnetismus: Phänomenologie, Messverfahren, Atomistik, Mikromagnetismus
  • Magnetmaterialien
  • Magnetismus: Anwendungen
Literatur

Vorlesungsskript

 


Fachmodule der Vertiefung Elektrotechnik

Modul M0743: Elektrotechnik I: Gleichstromnetzwerke und elektromagnetische Felder

Lehrveranstaltungen
Titel Typ SWS LP
Elektrotechnik I: Gleichstromnetzwerke und elektromagnetische Felder (L0675) Vorlesung 3 5
Elektrotechnik I: Gleichstromnetzwerke und elektromagnetische Felder (L0676) Gruppenübung 2 1
Modulverantwortlicher Prof. Matthias Kuhl
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen die grundlegenden Theorien, Zusammenhänge und Methoden der Gleichstromnetzwerke, sowie elektrischer und magnetischer Felder. Hierzu gehören insbesondere:  

  • die Kirchhoffschen Regeln,
  • das Ohmsche Gesetz,
  • Methoden zur Vereinfachung und Analyse von Gleichstromnetzwerken,
  • die Beschreibung elektrischer und magnetischer Felder mit vektoriellen Feldgrößen,
  • grundlegende Materialbeziehungen,
  • das Gauss'sche Gesetz,
  • das Ampère'sche Gesetz,
  • das Induktionsgesetz,
  • die Maxwell'schen Gleichungen in Integralform,
  • die Begriffe und Definition des Widerstands, der Kapazität und der Induktivität.
Fertigkeiten

Die Studierenden können die Beziehungen zwischen Strömen und Spannungen in einfachen Gleichstromnetzwerken aufstellen, die Größen berechnen und Schaltungen dimensionieren. Sie können die Grundgesetze des elektrischen und magnetischen Felds anwenden und die Beziehung zwischen Feldgrößen aufstellen und auswerten. Widerstände, Kapazitäten und Induktivitäten einfacher Anordnungen können berechnet werden.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten. Sie können Konzepte erklären und anhand von Beispielen das eigene oder das Verständnis anderer überprüfen und vertiefen.

Selbstständigkeit

Die Studierenden sind in der Lage, sich Teilbereiche des Fachgebietes anhand der Grundlagenliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen. Die Studierenden entwickeln die Ausdauer, um auch schwierigere Problemstellungen zu bearbeiten.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 10 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Data Science: Vertiefung Elektrotechnik: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0675: Elektrotechnik I: Gleichstromnetzwerke und elektromagnetische Felder
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Prof. Matthias Kuhl
Sprachen DE
Zeitraum WiSe
Inhalt
  1. Grundlagen der Widerstandsnetzwerke
  2. Vereinfachung von Widerstandsnetzwerken
  3. Netzwerkanalyse
  4. Elektrostatisches Feld in isolierenden Medien
  5. Das elektrostatische Feld
  6. Stationäre Ströme in leitfähigen Medien
  7. Statisches magnetisches Feld
  8. Induktion und zeitabhängige Felder
Literatur
  1. M. Kasper, Skript zur Vorlesung Elektrotechnik 1, 2013
  2. M. Albach: Grundlagen der Elektrotechnik 1, Pearson Education, 2004
  3. F. Moeller, H. Frohne, K.H. Löcherer, H. Müller: Grundlagen der Elektrotechnik, Teubner, 2005
  4. A. R. Hambley: Electrical Engineering, Principles and Applications, Pearson Education, 2008
Lehrveranstaltung L0676: Elektrotechnik I: Gleichstromnetzwerke und elektromagnetische Felder
Typ Gruppenübung
SWS 2
LP 1
Arbeitsaufwand in Stunden Eigenstudium 2, Präsenzstudium 28
Dozenten Prof. Matthias Kuhl
Sprachen DE
Zeitraum WiSe
Inhalt
  1. Spannungs- und Stromquellen
  2. Ohmsches Gesetz
  3. Kirchhoff'sche Regeln, Strom- und Spannungsteiler
  4. Ersatzquellen
  5. Netzwerkanalyse
  6. Superpositionsprinzip
  7. Elektrisches Feld, Coulomb'sches Gesetz
  8. Stationäre Ströme, Widerstandsberechnung
  9. Elektrische Flussdichte, Kapazitätsberechnung
  10. Stetigkeitsbedingungen, Spannung am Kondensator
  11. Ampèresches Gesetz, Magnetischer Kreis
  12. Kräfte im Magnetfeld
  13. Induktion, Selbst- und Gegeninduktivität
Literatur
  1. Übungsaufgaben zur Elektrotechnik 1, TUHH, 2013
  2. Ch. Kautz: Tutorien zur Elektrotechnik, Pearson Studium, 2010

Modul M0547: Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente

Lehrveranstaltungen
Titel Typ SWS LP
Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente (L0178) Vorlesung 3 5
Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente (L0179) Gruppenübung 2 1
Modulverantwortlicher Prof. Christian Becker
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Elektrotechnik I

Mathematik I

Gleichstromnetzwerke, komplexe Zahlen


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können die grundlegende Theorien, Zusammenhänge und Methoden der Wechselstromlehre erklären. Sie können das Verhalten von linearen Netzwerken mit Hilfe der komplexen Notation von Spannungen und Strömen beschreiben.  Sie können einen Überblick über die Anwendungen der Wechselstromlehre im Bereich der elektrischen Energietechnik geben. Sie können das Verhalten einfacher passiver und aktiver Bauelemente sowie deren Anwendung in einfachen Schaltungen erläutern.


Fertigkeiten

Die Studierenden können einfache Wechselstrom-Netzwerke mit Hilfe der komplexen Notation von Spannungen und Strömen berechnen. Sie können einschätzen, welche prinzipiellen Effekte in einem Wechselstrom-Netzwerk auftauchen können. Sie können einfache Schaltkreise wie Schwingkreise, Filter und Anpassnetzwerke quantitativ analysieren und dimensionieren. Sie können die wesentlichen Elemente eines elektrischen Energieversorgungssystems (Übertrager, Leitung, Blindleistungskompensation, Mehrphasensystem) in ihrer Sinnhaftigkeit begründen und in ihren Grundzügen planen.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren.


Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (Online-Tests, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern. Sie können ihr erlangtes Wissen mit den Inhalten anderer Lehrveranstaltungen (z.B. Elektrotechnik I und Mathematik) verknüpfen.


Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 10 % Midterm
Prüfung Klausur
Prüfungsdauer und -umfang 90 - 150 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Data Science: Vertiefung Elektrotechnik: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0178: Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Prof. Christian Becker
Sprachen DE
Zeitraum SoSe
Inhalt

- Netzwerkverhalten bei allgemeinen Zeitabhängigkeiten

- Darstellung und Eigenschaften von Sinussignalen

- RLC-Elemente bei Wechselstrom/Wechselspannung

- RLC-Elemente in komplexer Darstellung

- Leistung in Wechselstrom-Netzwerken, Blindleistungskompensation

- Ortskurven und Bode-Diagramme

- Wechselstrommesstechnik

- Schwingkreise, Filter, elektrische Leitungen

- Übertrager, Drehstrom, Energiewandler

- Einfache nichtlineare und aktive Bauelemente


Literatur

- M. Albach, "Elektrotechnik", Pearson Studium (2011)

- T. Harriehausen, D. Schwarzenau, "Moeller Grundlagen der Elektrotechnik", Springer (2013)  

- R. Kories, H. Schmidt-Walter, "Taschenbuch der Elektrotechnik", Harri Deutsch (2010)

- C. Kautz, "Tutorien zur Elektrotechnik", Pearson (2009)

- A. Hambley, "Electrical Engineering: Principles and Applications", Pearson (2013)

- R. Dorf, "The Electrical Engineering Handbook", CRC (2006)


Lehrveranstaltung L0179: Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente
Typ Gruppenübung
SWS 2
LP 1
Arbeitsaufwand in Stunden Eigenstudium 2, Präsenzstudium 28
Dozenten Prof. Christian Becker
Sprachen DE
Zeitraum SoSe
Inhalt

- Netzwerkverhalten bei allgemeinen Zeitabhängigkeiten

- Darstellung und Eigenschaften von Sinussignalen

- RLC-Elemente bei Wechselstrom/Wechselspannung

- RLC-Elemente in komplexer Darstellung

- Leistung in Wechselstrom-Netzwerken, Blindleistungskompensation

- Ortskurven und Bode-Diagramme

- Wechselstrommesstechnik

- Schwingkreise, Filter, elektrische Leitungen

- Übertrager, Drehstrom, Energiewandler

- Einfache nichtlineare und aktive Bauelemente


Literatur

- M. Albach, "Elektrotechnik", Pearson Studium (2011)

- T. Harriehausen, D. Schwarzenau, "Moeller Grundlagen der Elektrotechnik", Springer (2013)  

- R. Kories, H. Schmidt-Walter, "Taschenbuch der Elektrotechnik", Harri Deutsch (2010)

- C. Kautz, "Tutorien zur Elektrotechnik", Pearson (2009)

- A. Hambley, "Electrical Engineering: Principles and Applications", Pearson (2013)

- R. Dorf, "The Electrical Engineering Handbook", CRC (2006)


Fachmodule der Vertiefung Logistik

Modul M1013: Transport- und Umschlagtechnik

Lehrveranstaltungen
Titel Typ SWS LP
Transport- und Umschlagtechnik (L0715) Vorlesung 2 3
Transport- und Umschlagtechnik (L0718) Gruppenübung 2 3
Modulverantwortlicher Prof. Carlos Jahn
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende sind in der Lage…

- in Richtlinien und Normen fixierte Begrifflichkeiten zur Transport- und Umschlagtechnik wiederzugeben und zu diskutieren (z.B. Abgrenzung zwischen Verkehrs- und Fördermittel oder Ladeeinheit und Transportmittel).

- geeignete Techniken zu bestimmen, zu vergleichen, auszuwählen und zuzuordnen basierend auf den Fragen:

(1) Was soll transportiert werden? (Bsp. Transportgüter, Ladeeinheiten)

(2) Worauf soll transportiert werden? (Bsp. LKW, Bahnwagen, Binnenschiff, Seeschiff, Flugzeug)

(3) Wo soll umgeschlagen werden? (Bsp. Güterverkehrszentrum, Umschlagbahnhof, Hafen, Flughafen)

(4) Womit soll umgeschlagen werden? (Bsp. Kran, Stapler).

Fertigkeiten

Studierende können…

- sich Zugang zu einschlägigen Richtlinien und Normen verschaffen und diese auf den Anwendungsfall übertragen (z.B. auf Entladungstechnologien im Schüttgutschienenverkehr),

- Transport- und Umschlagtechnologien differenzieren und evaluieren (z.B. anhand der Berechnung von CO2-Bilanzen, Transportdauern und -kosten für unterschiedliche Verkehrsträger sowie von Point-to-Point bzw. Hub-and-Spoke Güterverkehren in der Luftfahrt).


Personale Kompetenzen
Sozialkompetenz

Studierende sind im Stande…

- in Kleingruppen umfangreiche Forschungsaufgaben zu diskutieren und zu organisieren (Formierung von kurzfristigen Kleingruppen während der Vorlesungs- und Übungseinheiten und im Rahmen einer umfangreichen schriftlichen Ausarbeitung im Semesterablauf),

- gemeinsam Problemstellungen zu beschreiben, zu unterscheiden und zu bewerten (z. B. bei der gemeinsamen Zusammenstellung von Faktenwissen zu Themen wie Slow Steaming in der Containerschifffahrt oder dem Aufbau unterschiedlicher Maritimer Supply Chains (z.B. Container, RoRo, flüssiges Massengut oder Projektladung).



Selbstständigkeit

Studierende sind fähig…

- Fachliteratur, insbesondere Normen und Richtlinien, zu recherchieren und auszuwählen,

- eigene Anteile an einer umfangreichen schriftlichen Ausarbeitung in Kleingruppen fristgerecht einzureichen und innerhalb eines festen Zeitrahmens gemeinschaftlich zu präsentieren,

- sich auf eine Fachexkursion vorzubereiten und angemessen im Dialog mit Praxispartnern aufzutreten,

- erworbenes Wissen auf neue Fragestellungen anzuwenden.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Data Science: Vertiefung Logistik: Pflicht
Logistik und Mobilität: Kernqualifikation: Pflicht
Lehrveranstaltung L0715: Transport- und Umschlagtechnik
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Carlos Jahn
Sprachen DE
Zeitraum WiSe
Inhalt

Ziel der Lehrveranstaltung ist die Vermittlung von Grundlagen, Einsatzmöglichkeiten und Zweckmäßigkeit der verschiedenen Transport- und Umschlagtechnologien Die Studierenden sollen befähigt werden, für definierte Transport- und Umschlagaufgaben geeignete Techniken auszuwählen, zu bewerten und zu dimensionieren. Neben den Transportgütern und Ladeeinheiten spielen die verschiedenen Transportmittel, Umschlagterminals und das erforderliche Equipment eine besondere Rolle. Darüber hinaus wird ermöglicht, ein Grundwissen zu den einschlägigen Richtlinien und Normen aufzubauen. Neben den Verkehrswegen Straße, Schiene, Wasser (Binnenschifffahrt und Seeschifffahrt), Luft wird auch der Kombinierte Verkehr thematisiert.

Literatur

Arnold (2008) Handbuch Logistik 3, Springer, Berlin

Buchholz (1998) Handbuch der Verkehrslogistik, Springer, Berlin

Clausen und Geiger (2013) Verkehrs- und Transportlogistik, 2. Auflage, Springer, Berlin (u.a.) DIN 250003, DIN 30781, DIN 30800, DIN 30801, DIN 30802, DIN CENTS 13853, DIN EN 15011, DIN EN 15056, DIN EN 15528, DIN EN 283, DIN EN 284, DIN EN 452, DIN EN ISO 6346, DIN EN ISO 6346A3, DIN ISO 1161, DIN ISO 668

Gleißner, Femerling (2008) Logistik, Gabler, Wiesbaden Kranke, Schmied, Schön (2011) CO2-Berechnung in der Logistik, Verlag Heinrich Vogel, München

Martin (2016) Transport- und Lagerlogistik: Systematik, Planung, Einsatz und Wirtschaftlichkeit, Springer, Berlin 

(u.a.) VDI 2360, VDI 2518, VDI 3302, VDI 3586

Lehrveranstaltung L0718: Transport- und Umschlagtechnik
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Carlos Jahn
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1004: Logistikmanagement

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Produktionslogistik (L1222) Vorlesung 2 2
Logistikwirtschaft (L1221) Projekt-/problembasierte Lehrveranstaltung 2 4
Modulverantwortlicher Prof. Wolfgang Kersten
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen der Betriebswirtschaftslehre


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können

  • zwischen Produktionslogistik und Logistikdienstleistungen differenzieren;
  • interne und externe Gestaltungsfelder des Logistikmanagements beschreiben;
  • den Unterschied zwischen den Beteiligten in einer Supply Chain erläutern;
  • die aktuellen Herausforderungen an das Produktions- und Logistikmanagement wiedergeben und erläutern.


Fertigkeiten Die Studierenden sind auf Basis des erlernten Wissens in der Lage,
-    logistische Fragestellungen und Einflussgrößen in Unternehmen zu analysieren,
-    für die Lösung praktischer Probleme geeignete Methoden und Werkzeuge auszuwählen,
-    Methoden und Werkzeuge des Logistikmanagements auch für standardisierte Fragestellungen anzuwenden.

Personale Kompetenzen
Sozialkompetenz Die Studierenden sind nach Abschluss des Moduls in der Lage,
-    an Diskussionen und Teamsitzungen aktiv teilzunehmen,
-    in Gruppen zu Arbeitsergebnissen zu kommen und diese zu dokumentieren,
-    in fachlich gemischten Teams gemeinsame Lösungen zu erarbeiten und diese vor anderen zu vertreten.
Selbstständigkeit

Studierende sind fähig, 
- mit Hilfe von Hinweisen eigenständig Arbeitsschritte zur Lösung logistischer Probleme durchzuführen
- angeleitet durch Lehrende ihren jeweiligen Lernstand konkret zu beurteilen und auf dieser Basis weitere Arbeitsschritte zu
definieren.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 20 % Fachtheoretisch-fachpraktische Studienleistung
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Data Science: Vertiefung Logistik: Pflicht
Logistik und Mobilität: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L1222: Einführung in die Produktionslogistik
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Yong Lee
Sprachen DE
Zeitraum SoSe
Inhalt

Produktion und Logistik lassen sich im heutigen Zeitwettbewerb nicht mehr gesondert betrachten, sondern bedingen sich als strategische Wettbewerbsfaktoren gegenseitig.

Die Vorlesung „Einführung in die Produktionslogistik“ gibt einen umfassenden Einblick in die Teilgebiete der Produktionslogistik:

- Die Entwicklung vom Kosten-, Qualitäts- zum Zeitwettbewerb

- Grundlagen der Produktion und Logistik,

- Phasen- bzw. verrichtungsspezifische Subsysteme der Produktionslogistik,

- Planung und Steuerung,

- Analyse und Optimierung (Schwerpunkt: Lean Management),

- Produktionslogistik-Controlling und Supply-Chain-Management in Produktionsnetzwerken.

Ausgewählte Fallbeispiele sowie Gastvorträge aus der Praxis ergänzen die theoretischen Grundlagen.

Die Studierenden haben nach Besuch der Vorlesung ein fundiertes Verständnis über die Teildisziplinen der Produktionslogistik und deren Zusammenhänge.
Literatur
  • Der Vorlesung zugrunde liegende Literatur (Auswahl):

    - Beer, Stafford (1988): Diagnosing the system for organizations. John Wiley & Sons. Chichester, New York, Brisbane, Toronto 1988.
    - Ferdows, Kasra; De Meyer, Arnoud (1990): Lasting Improvements in Manufacturing Performance   In Search of a New Theory. In: Journal of Operations Management, Vol. 9 (2), 1990, S. 365-384.
    - Gudehus, Timm (2010): Logistik. Grundlagen - Strategien - Anwendungen. 4. aktual. Aufl. Springer Verlag. Heidelberg/Berlin 2010.
    - Günther, Hans-Otto/Tempelmeier, Horst (2012): Produktion und Logistik. 9., akt. u. erw. Aufl. Springer Verlag. Berlin/Heidelberg 2012.
    - Hayes, Robert H.; Schmenner, Roger (1978): How Should You Organize Ma-nufacturing?. In: Harvard Business Review, Vol. 56 (1), 1978, S. 105-118.
    - Krafcik, John F. (1988): Triumph of the lean production system. In: Sloan Management Review, Vol. 30 (1), S. 41-52.
    - Maskell, Brian H. (1989a): Performance Measurement for World Class Manu­facturing. Part I. Manufacturing Systems, Vol. 7, 1989, S. 62-64.
    - Pawellek, Günther (2007): Produktionslogistik - Planung - Steuerung - Controlling. Carl Hanser Verlag. München 2007.
    - Nyhuis, Peter (2008): Beiträge zu einer Theorie der Logistik. Springer Verlag. Berlin/Heidelberg 2008.
    - Pfohl, Hans-Christian (2010): Logistiksysteme. Betriebswirtschaftliche Grundlagen. 8., neu bearb. u. aktual. Aufl. Springer Verlag. Berlin/Heidelberg 2010.
    - Schuh, Günther (1988): Gestaltung und Bewertung von Produktvarianten. Ein Beitrag zur systematischen Planung von Serienprodukten. Dissertation. RWTH Aachen 1988.
    - Takeda, Hitoshi (2012): Das synchrone Produktionssystem. Just-in-time für das ganze Unternehmen. 7. Aufl. Verlag Franz Vahlen. München 2012.
    - Ten Hompel, Michael/Sadowsky, Volker/Beck, Maria (2011): Kommissionierung. Materialflusssysteme 2 - Planung und Berechnung der Kommissionierung in der  Logistik. Springer Verlag. Berlin/Heidelberg 2011.
    - Wannenwetsch, Helmut (2007): Integrierte Materialwirtschaft und Logistik. Beschaffung, Logistik, Materialwirtschaft und Produktion.3., akt. Aufl. Springer Verlag. Berlin/Heidelberg 2007.
    - Wiendahl, Hans-Peter/Reichardt, Jürgen/Nyhuis, Peter (2014): Handbuch Fabrikplanung. Konzept, Gestaltung und Umsetzung wandlungsfähiger Produktionsstätten. 2., überarb. u. erw. Aufl. Carl Hanser Verlag. München/Wien 2014.
    - Wildemann, Horst (1997): Fertigungsstrategien - Reorganisation für eine schlanke Produktion und Zulieferung. 3. Aufl. TCW Transfer-Centrum-Verlag. München 1997.
    - Wildemann, Horst (2008): Produktionssysteme. Leitfaden zur methoden-gestützten Reorganisation der Produktion. 6. Aufl. 2008, TCW München.
    - Wildemann, Horst (2009): Logistik Prozeßmanagement. 4. Aufl. TCW Transfer-Centrum-Verlag. München 2009.
    - Zäpfel, Günther (2001): Grundzüge des Produktions- und Logistikmanagement. 2., unwesentlich veränd. Aufl. R. Oldenbourg Verlag. München/Wien 2001.
Lehrveranstaltung L1221: Logistikwirtschaft
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Dr. Meike Schröder, Dr. Meike Schröder
Sprachen DE
Zeitraum SoSe
Inhalt
  • Erläuterung und Abgrenzung logistischer Grundbegriffe und Darstellung des logistischen Aufgabenfelds sowie Identifikation globaler logistischer Zusammenhänge
  • Akteure: Aufzeigen der verschiedenen Arten von Logistikdienstleistern, Charakterisierung von Dienstleistungen logistischer Unternehmensberatung
  • Strategie: Einfluss von Unternehmensstrategien auf die Logistik
  • Outsourcing: Entscheidungsprozesse, Möglichkeiten und Risiken des Outsourcing von Logistikdienstleistungen
  • Wirtschaftsraum: Logistikmarkt in Deutschland, Bedeutung der Logistik für den Standort Hamburg
  • Forschung: Einführung in aktuelle Forschungsthemen, sowie ergänzende Managementmethoden in der Logistik


Literatur
  • Arnold, D.; Isermann, H.; Kuhn, A.; Tempelmeier, H. (2008): Handbuch Logistik, Berlin: Springer, 2008, ISBN: 3-540-72928-3
  • Ballou, R. H. (2004): Business logistics, supply chain management: planning, organizing, and controlling the supply chain, 5. ed., internat. ed., Upper Saddle River, NJ: Pearson Prentice Hall, 2004, ISBN: 0-13-123010-7
  • Bretzke, W.-R. (2008): Logistische Netzwerke, Springer, Berlin, 2008
  • Gleißner, H.; Femerling, C. (2008): Logistik - Grundlagen, Übungen, Fallbeispiele, Wiesbaden: Gabler, 2008, ISBN: 978-3-8349-0296-2
  • Kersten, W.; Hohrath, P.; Koch, J. (2007): Innovative logistics services : Advantage and Disadvantages of Outsourcing Complex Service Bundles, in: Key Factors for Successful Logistics, Berlin: Erich Schmidt Verlag GmbH & Co. KG, 2007
  • Kersten, W.; Koch, J. (2007): Motive für das Outsourcing komplexer Logistikdienstleistungen, in: Handbuch Kontraktlogistik : Management komplexer Logistikdienstleistungen, Weinheim
  • Schulte, C. (2009): Logistik: Wege zur Optimierung der Supply Chain, 5. überarb. und erw. Aufl., München: Vahlen, 2009, ISBN: 3-8006-3516-X
  • Wildemann, H. (1997): Logistik Prozessmanagement - Organisation und Methoden, München: TCW Transfer‐Centrum Verlag, 1997, ISBN: 3‐931511‐17‐0


Fachmodule der Vertiefung Materialwissenschaft

Modul M0933: Grundlagen der Werkstoffwissenschaften

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen der Werkstoffwissenschaft I (L1085) Vorlesung 2 2
Grundlagen der Werkstoffwissenschaft II (Keramische Hochleistungswerkstoffe, Kunststoffe und Verbundwerkstoffe) (L0506) Vorlesung 2 2
Physikalische und Chemische Grundlagen der Werkstoffwissenschaften (L1095) Vorlesung 2 2
Modulverantwortlicher Prof. Jörg Weißmüller
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Physik, Chemie und Mathematik der gymnasialen Oberstufe.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studenten verfügen über grundlegende Kenntnisse zu Metallen, Keramiken und Polymeren und können diese verständlich wiedergeben. Grundlegende Kenntnisse betreffen dabei insbesondere die Fragen nach atomarem Aufbau, Gefüge, Phasendiagrammen, Phasenumwandlungen, Korrosion und mechanischen Eigenschaften. Die Studenten kennen die wichtigsten Aspekte der Methodik bei der Untersuchung von Werkstoffen und können methodische Zugänge zu gegebene Eigenschaften benennen.


Fertigkeiten

Die Studenten sind in der Lage, Materialphänomene auf die zu Grunde liegenden physikalisch-chemischen Naturgesetze zurückführen. Mit Materialphänomenen sind hier mechanische Eigenschaften wie Festigkeit, Duktilität und Steifigkeit gemeint, sowie chemische Eigenschaften wie Korrosionsbeständigkeit und Phasenumwandlungen wie Erstarrung, Ausscheidung, oder Schmelzen. Die Studenten können die Beziehung zwischen den Verarbeitungsbedingungen und dem Gefüge erklären und sie können die Auswirkungen des Gefüges auf das Materialverhalten darstellen.


Personale Kompetenzen
Sozialkompetenz

-

Selbstständigkeit

-

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 180 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Data Science: Vertiefung Materialwissenschaft: Pflicht
Digitaler Maschinenbau: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Schiffbau: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L1085: Grundlagen der Werkstoffwissenschaft I
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Jörg Weißmüller
Sprachen DE
Zeitraum WiSe
Inhalt

Grundlegende Kenntnisse zu Metallen: Atomarer Aufbau, Gefüge, Phasendiagramme, Phasenumwandlungen, Erholungsvorgänge, Mechanische Prüfung, Mechanische Eigenschaften, Konstruktionswerkstoffe

1. Einleitung

a. Materialwissenschaften - was ist das?

b. Relevanz für den Ingenieur

2. Aufbau von Werkstoffen

a. Gefüge

b. Kristallaufbau

c. Kristallsymmetrie und anisotrope Materialeigenschaften

d. Gitterfehlordnung

e. Atomare Bindungen und Bauprinzipien für Kristalle

3. Phasendiagramme und Kinetik

a. Phasendiagramme

b. Phasenumwandlungen

c. Keimbildung und Kristallisation

d. Zeit-Temperatur-Umwandlungsdiagramme; Ausscheidungshärtung

e. Diffusion

f. Erholung, Rekristallisation und Kornwachstum; Kalt- und Warmumformung

4. Mechanische Eigenschaften

a. Phänomenologie des Zugversuchs

b. Prüfverfahren

c. Grundlagen der Versetzungsplastizität

d. Härtungsmechanismen

5. Konstruktionswerkstoffe: Stahl und Gusseisen

a. Phasendiagramm Fe-C

b. Härtbarkeit von Stählen

c. Martensitumwandlung

d. Unlegierte (Kohlenstoff-) und legierte Stähle

e. Rostfreie Stähle

f. Gusseisen

g. Wie macht man Stahl?

In der Vorlesung werden Funk-Abstimmungsgeräte („Clicker“) eingesetzt, um die Studierenden aktiv an der Vorlesung teilhaben zu lassen. Außerdem können die Studierenden mit Hilfe von Anschauungsmaterial (Bauteile, Formen usw.) die theoretischen Vorlesungsinhalte unmittelbar nachvollziehen.

Literatur

Vorlesungsskript

W.D. Callister: Materials Science and Engineering - An Introduction. 5th ed., John Wiley & Sons, Inc., New York, 2000, ISBN 0-471-32013-7

P. Haasen: Physikalische Metallkunde. Springer 1994


Lehrveranstaltung L0506: Grundlagen der Werkstoffwissenschaft II (Keramische Hochleistungswerkstoffe, Kunststoffe und Verbundwerkstoffe)
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Bodo Fiedler, Prof. Gerold Schneider
Sprachen DE
Zeitraum SoSe
Inhalt

Grundlegende Kenntnisse zu Keramiken, Kunststoffen und Verbundwerkstoffen: Herstellung, Verarbeitung, Struktur und Eigenschaften

Vermittlung von grundlegenden Kenntnissen und Methoden; Grundkenntnisse zum Aufbau und Eigenschaften von Keramiken, Kunststoffen und Verbundwerkstoffen; Vermittlung von Methodik bei der Untersuchung von Werkstoffen.

Literatur

Vorlesungsskript

W.D. Callister: Materials Science and Engineering -An Introduction-5th ed., John Wiley & Sons, Inc., New York, 2000, ISBN 0-471-32013-7

Lehrveranstaltung L1095: Physikalische und Chemische Grundlagen der Werkstoffwissenschaften
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Stefan Müller
Sprachen DE
Zeitraum WiSe
Inhalt
  • Motivation: „Atome im Maschinenbau?“
  • Grundbegriffe: Kraft und Energie
  • Die elektromagnetische Wechselwirkung
  • „Detour“: Mathematische Grundlagen (komplexe e-Funktion etc.)
  • Das Atom: Bohrsches Atommodell
  • Chemische Bindung
  • Das Vielteilchenproblem: Lösungsansätze und Strategien
  • Beschreibung von Nahordnungsphänomene mittels statistischer Thermodynamik
  • Elastizitätstheorie auf atomarer Basis
  • Konsequenzen des atomaren Verhaltens auf makroskopische Eigenschaften: Diskussion von Beispielen (Metalllegierungen, Halbleiter, Hybridsysteme)
Literatur

Für den Elektromagnetismus:

  • Bergmann-Schäfer: „Lehrbuch der Experimentalphysik“, Band 2: „Elektromagnetismus“, de Gruyter

Für die Atomphysik:

  • Haken, Wolf: „Atom- und Quantenphysik“, Springer

Für die Materialphysik und Elastizität:

  • Hornbogen, Warlimont: „Metallkunde“, Springer


Modul M0934: Moderne Werkstoffe

Lehrveranstaltungen
Titel Typ SWS LP
Moderne Methoden der Werkstoffuntersuchung (L1087) Vorlesung 2 2
Moderne Werkstoffentwicklung (L1091) Vorlesung 2 2
Moderne Werkstoffentwicklung (L1092) Hörsaalübung 2 2
Modulverantwortlicher Prof. Patrick Huber
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Grundlagen der Materialwissenschaften (I and II)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können die Eigenschaften von modernen Hochleistungswerkstoffen sowie deren Einsatz in der Technik erläutern. Sie können die werkstoffwissenschaftliche Bedeutung und Anwendung von metallischen Werkstoffen, Keramiken, Polymeren, Halbleitern sowie von modernen Kompositmaterialien (insbesondere Biomaterialien) und Nanomaterialien beschreiben.

Fertigkeiten

Die Studierenden sind nach dem Erlernen grundlegender Prinzipien des Materialdesigns in der Lage, selbst neue Materialkonfigurationen mit gewünschten Eigenschaften zusammenzustellen.
Die Studierenden können einen Überblick über moderne Werkstoffe geben und optimale Werkstoffkombinationen für vorgegebene Anwendungen zusammenstellen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können Lösungen gegenüber Spezialisten präsentieren und Ideen weiterentwickeln.


Selbstständigkeit

Die Studierenden können ...

  • ihre eigenen Stärken und Schwächen ermitteln.
  • benötigtes Wissen aneignen.
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau: Wahlpflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Data Science: Vertiefung Materialwissenschaft: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau: Wahlpflicht
Maschinenbau: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L1087: Moderne Methoden der Werkstoffuntersuchung
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Patrick Huber
Sprachen DE
Zeitraum SoSe
Inhalt
  • Optische Mikroskopie
  • Tomographie
  • Rastersondenmikroskopie (Rastertunnel- und Rasterkraftmikroskopie)
  • Röntgendiffraktion (Weitwinkeldiffraktion, Kleinwinkeldiffraktion, oberflächensensitive Röntgenstreuung)
  • Materialforschung mit Neutronen (elastische und inelastische Neutronenstreuung, Neutronenradiographie)

Literatur

William D. Callister und David G. Rethwisch, Materialwissenschaften und Werkstofftechnik, Wiley&Sons, Asia (2011).

William D. Callister, Materials Science and Technology, Wiley& Sons, Inc. (2007).



Lehrveranstaltung L1091: Moderne Werkstoffentwicklung
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Bodo Fiedler, Prof. Stefan Müller, Prof. Patrick Huber, Prof. Gerold Schneider, Prof. Jörg Weißmüller
Sprachen DE/EN
Zeitraum SoSe
Inhalt

• Poröse Festkörper - Präparation, Charakterisierung und Funktionalitäten

• Herstellung von Bauteilen aus Faserverbundwerkstoffen

• Eigenschaften und Anwendungen von Faserverbundwerkstoffen

• Fluidik mit nanoporösen Membranen

• Mechanische Eigenschaften von Biomaterialien

• Werkstoffmodellierung auf quantenmechanischer Basis

• Eigenschaftsoptimierung von Kunststoffen durch Nanopartikel

• Keramische Verbundwerkstoffe

• Muskeln aus Metall und andere nanoskalige Funktionsmaterialien

• Plastizität von Nanomaterialien

• Röntgenbeugung in der Mikrostrukturanalyse

• Demonstrationsversuche zu porösen Festkörpern und Nanomaterialien


Literatur Vorlesungsunterlagen
Lehrveranstaltung L1092: Moderne Werkstoffentwicklung
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Bodo Fiedler, Prof. Stefan Müller, Prof. Patrick Huber, Prof. Gerold Schneider, Prof. Jörg Weißmüller
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Fachmodule der Vertiefung Mechanik

Modul M0889: Mechanik I (Stereostatik)

Lehrveranstaltungen
Titel Typ SWS LP
Mechanik I (Stereostatik) (L1001) Vorlesung 2 3
Mechanik I (Stereostatik) (L1002) Gruppenübung 2 2
Mechanik I (Stereostatik) (L1003) Hörsaalübung 1 1
Modulverantwortlicher Prof. Robert Seifried
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Gefestigte und tiefgehende Schulkentnisse in Mathematik und Physik. Als gute Auffrischung der Mathematikkenntnisse  ist der Mathematikvorkurs empfehlenswert. Parallel zum Modul Mechanik I sollte das Modul Mathematik I besucht werden.



Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können

  • die axiomatische Vorgehensweise bei der Erarbeitung der mechanischen Zusammenhänge beschreiben;
  • wesentliche Schritte der Modellbildung erkläutern;
  • Fachwissen aus dem Bereich der Stereostatik präsentieren.
Fertigkeiten

Die Studierenden können

  • die wesentlichen Elemente der mathematischen / mechanischen Analyse und Modellbildung anwenden und im Kontext eigener Fragestellung umsetzen;
  • grundlegende Methoden der Statik auf Probleme des Ingenieurwesens anwenden;
  • Tragweite und Grenzen der eingeführten Methoden der Statik abschätzen, beurteilen und sich weiterführende Ansätze erarbeiten.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in Gruppen zu Arbeitsergebnissen kommen und sich gegenseitig bei der Lösungsfindung unterstützen.

Selbstständigkeit

Die Studierenden sind in der Lage, ihre eigenen Stärken und Schwächen einzuschätzen und darauf basierend ihr Zeit- und Lernmanagement zu organisieren.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Bau- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Data Science: Vertiefung Mechanik: Pflicht
Digitaler Maschinenbau: Kernqualifikation: Pflicht
Logistik und Mobilität: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Schiffbau: Kernqualifikation: Pflicht
Lehrveranstaltung L1001: Mechanik I (Stereostatik)
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Robert Seifried
Sprachen DE
Zeitraum WiSe
Inhalt
  • Aufgaben der Mechanik
  • Modelbildung und Modelelemente
  • Kraftwinder, Vektorrechnung
  • Räumliche Kräftesysteme und Gleichgewicht
  • Lagerung von Körpern, Charakterisierung der Lagerung gebundener Systeme
  • Ebene und räumliche Fachwerke
  • Schnittkräfte am Balken und in Rahmentragwerken, Streckenlasten, Klammerfunktion
  • Gewichtskraft und Schwerpunkt, Volumen-, Flächen- und Linienmittelpunkte
  • Mittelpunktsberechnung über Integrale, Zusammengesetzte Körper
  • Haft- und Gleitreibung
  • Seilreibung

In der Mechanik I wird eine e-Learning Plattform mit interaktiven Videos von Experimenten entwickelt. Hierdurch wird eine Verbindung von Theorie und Anwendung erzeugt. Außerdem wurde eine enge Verzahnung mit der Mathematik I vorgenommen und die Inhalte der beiden Lehrveranstaltungen aufeinander abgestimmt.

Literatur K. Magnus, H.H. Müller-Slany: Grundlagen der Technischen Mechanik. 7. Auflage, Teubner (2009).
D. Gross, W. Hauger, J. Schröder, W. Wall: Technische Mechanik 1. 11. Auflage, Springer (2011).
Lehrveranstaltung L1002: Mechanik I (Stereostatik)
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Robert Seifried
Sprachen DE
Zeitraum WiSe
Inhalt Kräftesysteme und Gleichgewicht
Lagerung von Körpern
Fachwerke
Gewichtskraft und Schwerpunkt
Reibung

Innere Kräfte und Momente am Balken


In der Mechanik I wird eine e-Learning Plattform mit interaktiven Videos von Experimenten entwickelt. Hierdurch wird eine Verbindung von Theorie und Anwendung erzeugt. Außerdem wurde eine enge Verzahnung mit der Mathematik I vorgenommen und die Inhalte der beiden Lehrveranstaltungen aufeinander abgestimmt.

Literatur K. Magnus, H.H. Müller-Slany: Grundlagen der Technischen Mechanik. 7. Auflage, Teubner (2009).
D. Gross, W. Hauger, J. Schröder, W. Wall: Technische Mechanik 1. 11. Auflage, Springer (2011).
Lehrveranstaltung L1003: Mechanik I (Stereostatik)
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Robert Seifried
Sprachen DE
Zeitraum WiSe
Inhalt Kräftesysteme und Gleichgewicht
Lagerung von Körpern
Fachwerke
Gewichtskraft und Schwerpunkt
Reibung

Innere Kräfte und Momente am Balken

In der Mechanik I wird eine e-Learning Plattform mit interaktiven Videos von Experimenten entwickelt. Hierdurch wird eine Verbindung von Theorie und Anwendung erzeugt. Außerdem wurde eine enge Verzahnung mit der Mathematik I vorgenommen und die Inhalte der beiden Lehrveranstaltungen aufeinander abgestimmt.

Literatur K. Magnus, H.H. Müller-Slany: Grundlagen der Technischen Mechanik. 7. Auflage, Teubner (2009).
D. Gross, W. Hauger, J. Schröder, W. Wall: Technische Mechanik 1. 11. Auflage, Springer (2011).

Modul M0696: Mechanik II: Elastostatik

Lehrveranstaltungen
Titel Typ SWS LP
Mechanik II (L0493) Vorlesung 2 2
Mechanik II (L0494) Gruppenübung 2 2
Mechanik II (L1691) Hörsaalübung 2 2
Modulverantwortlicher Prof. Christian Cyron
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Grundkenntnisse der Statik (Mechanik I)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Die Studierenden können die grundlegenden Begriffe und Gesetze der Elastostatik, wie z.B. Spannungen, Verzerrungen, lineares Hookesches Materialgesetz benennen.
 
Fertigkeiten

Nach dem erfolgreichen Absolvieren dieses Kurses sind die Studierenden in der Lage, 

• die wesentlichen Elemente der mathematisch / mechanischen Analyse und Modellbildung im Kontext eigener Fragestellungen umzusetzen.
• Grundlegende Methoden der Elastostatik auf Probleme des Ingenieurwesens
anzuwenden.
• Tragweite und Grenzen der eingeführten Methoden der Elastostatik abzuschätzen, zu beurteilen und

sich hieran anschließend weiterführende Ansätze zu erarbeiten.

Personale Kompetenzen
Sozialkompetenz -
Selbstständigkeit -
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Bau- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Data Science: Vertiefung Mechanik: Pflicht
Digitaler Maschinenbau: Kernqualifikation: Pflicht
Logistik und Mobilität: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Orientierungsstudium: Kernqualifikation: Wahlpflicht
Schiffbau: Kernqualifikation: Pflicht
Lehrveranstaltung L0493: Mechanik II
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Christian Cyron
Sprachen DE
Zeitraum SoSe
Inhalt

          Schwerpunkte der Vorlesung sind:

  • Spannungen und Dehnungen in elastischen Körpern
  • Zug und Druck
  • Schubverformung
  • Torsion
  • Biegung
  • Knicken
  • Energiemethoden

    Themen der Vorlesung:

    Die Grundlagenvorlesung Mechanik II führt die fundamentalen Konzepte der Spannung und Dehnung ein und lehrt, wie diese im Rahmen der sogenannten Elastostatik dazu genutzt werden können, um die elastische Verformung mechanischer Körper unter Belastung zu beschreiben.




Literatur
  • Gross, D., Hauger, W., Schröder, J., Wall, W.A.: Technische Mechanik 1, Springer
  • Gross, D., Hauger, W., Schröder, J., Wall, W.A.: Technische Mechanik 2 Elastostatik, Springer


Lehrveranstaltung L0494: Mechanik II
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Christian Cyron
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1691: Mechanik II
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Christian Cyron, Dr. Konrad Schneider
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Fachmodule der Vertiefung Medizin

Modul M1279: MED II: Einführung in die Biochemie und Molekularbiologie

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Biochemie und Molekularbiologie (L0386) Vorlesung 2 3
Modulverantwortlicher Prof. Hans-Jürgen Kreienkamp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Keine. Das Modul deckt fachspezifische Lehrinhalte des Mediziningenieurwesens ab und erlaubt Studenten, die nicht Mediziningenieurwesen im Bachelor vertieft haben, den Master Mediziningenieurwesen zu belegen.


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Die Studierenden können
  • grundlegende Biomoleküle beschreiben;
  • erklären wie genetische Information in DNA kodiert wird; 
  • den Zusammenhang zwischen DNA und Protein erläutern.
Fertigkeiten Die Studierenden können
  • die Bedeutung molekularer Parameter für ein Krankheitsgeschehen erkennen;
  • ausgewählte molekular-diagnostische Verfahren beschreiben; 
  • die Bedeutung dieser Verfahren für einige Krankheiten erläutern
Personale Kompetenzen
Sozialkompetenz

Die Studerenden können aktuelle Diskussionen in Forschung und Medizin auf fachlicher Ebene führen.

Selbstständigkeit

Die Studierenden können Themengebiete der LVs eigenständig aus der Fachliteratur erarbeiten.

Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Leistungspunkte 3
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Data Science: Vertiefung Medizin: Pflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Maschinenbau: Vertiefung Biomechanik: Pflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0386: Einführung in die Biochemie und Molekularbiologie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Hans-Jürgen Kreienkamp
Sprachen DE
Zeitraum WiSe
Inhalt
  • Proteine - Struktur und Funktion
  • Enzyme
  • Nukleinsäuren: Struktur und Bedeutung
  • DNA; Replikation
  • RNA; Proteinbiosynthese
  • Gentechnologie; PCR; Klonierung
  • Hormone; Signaltransduktion
  • Energie-Stoffwechsel: Kohlehydrate; Fette
  • Stoffwechselregulation
  • Krebs; molekulare Ursachen
  • Genetische Erkrankungen
  • Immunologie; Viren (HIV)


Literatur

Müller-Esterl, Biochemie, Spektrum Verlag, 2010; 2. Auflage

Löffler, Basiswissen Biochemie, 7. Auflage, Springer, 2008




Modul M1277: MED I: Einführung in die Anatomie

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Anatomie (L0384) Vorlesung 2 3
Modulverantwortlicher Prof. Udo Schumacher
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können grundlegende Struktur und Funktion der inneren Organe und des Bewegungsapparates beschreiben. Sie können die Grundlagen der Makroskopie und der Mikroskopie dieser Systeme darstellen.

Fertigkeiten

Die Studierenden können die Bedeutung anatomischer Gegebenheiten für ein Krankheitsgeschehen erkennen; sowie die Bedeutung von Struktur und Funktion bei einigen Volkskrankheiten erläutern.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können aktuelle Diskussionen in Forschung und Medizin auf fachlicher Ebene verfolgen.

Selbstständigkeit

Die Studierenden können in diesem Bereich eine fachliche Konversation führen und sich das dafür benötigte Wissen selbstständig erarbeiten.

Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Leistungspunkte 3
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Data Science: Vertiefung Medizin: Pflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Maschinenbau: Vertiefung Biomechanik: Pflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0384: Einführung in die Anatomie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Lange
Sprachen DE
Zeitraum SoSe
Inhalt

Allgemeine Anatomie

  1.     Woche: Die eukaryote Zelle
  2.     Woche: Die Gewebe
  3.     Woche: Zellteilung, Grundzüge der Entwicklung
  4.     Woche: Bewegungsapparat
  5.     Woche: Herz-Kreislaufsystem
  6.     Woche: Atmungssystem
  7.     Woche: Harnorgane, Geschlechtsorgane
  8.     Woche: Immunsystem
  9.     Woche: Verdauungsapparat I
  10. Woche: Verdauungsapparat II
  11. Woche: Endokrines System
  12. Woche: Nervensystem
  13. Woche: Abschlussprüfung



Literatur

Adolf Faller/Michael Schünke, Der Körper des Menschen, 17. Auflage, Thieme Verlag Stuttgart, 2016

Modul M1278: MED I: Einführung in die Radiologie und Strahlentherapie

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Radiologie und Strahlentherapie (L0383) Vorlesung 2 3
Modulverantwortlicher Prof. Ulrich Carl
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Diagnose

Die Studierenden können die Geräte, die derzeitig in der Strahlentherapie verwendet werden bezüglich ihrer Einsatzgebiete unterscheiden.

Die Studierenden können die Therapieabläufe in der Strahlentherapie erklären. Die Studierenden können die Interdisziplinarität mit anderen Fachgruppen (z. B. Chirurgie/Innere Medizin) nachvollziehen.

Die Studierenden können den Durchlauf der Patienten vom Aufnahmetag bis zur Nachsorge skizzieren.

Diagnostik

Die Studierenden können die technische Basiskonzeption der Projektionsradiographie einschließlich Angiographie und Mammographie sowie der Schnittbildverfahren (CT, MRT, US) darstellen.

Der Student kann den diagnostischen sowie den therapeutisch interventionellen Einsatz der bildgebenden Verfahren erklären sowie das technische Prinzip der bildgebenden Verfahren erläutern.

Patientenbezogen kann der Student in Abhängigkeit von der klinischen Fragestellung das richtige Verfahren auswählen.

Gerätebezogenene technische Fehler sowie bildgebenden Resultate kann der Student erklären.

Basierend auf den bildgebenden Befunden bzw. dem Fehlerprotokoll kann der Student die richtigen Schlussfolgerungen ziehen.

Fertigkeiten Therapie

Der Student kann kurative und palliative Situationen abgrenzen und außerdem begründen, warum er sich für diese Einschätzung der Situation entschieden hat.

Der Student kann Therapiekonzepte entwickeln, die der Situation angemessen sind und dabei strahlenbiologische Aspekte sauber zuordnen.

Der Student kann das therapeutische Prinzip anwenden (Wirkung vs. Nebenwirkung)

Der Student kann die Strahlenarten für die verschiedenen Situationen (Tumorsitz) unterscheiden, auswählen und dann die entsprechende Energie wählen, die in der Situation angezeigt ist (Bestrahlungsplan).

Der Student kann einschätzen, wie ein psychosoziales Hilfsangebot individuell aussehen sollte [ z. B. Anschlussheilbehandlung (AHB), Sport, Sozialhilfegruppen, Selbsthilfegruppen, Sozialdienst, Psychoonkologie]

Diagnostik

Nach entsprechender Fehleranalyse kann der Student Lösungsvorschläge zur Reparatur von bildgebenden Einheiten unterbreiten. Aufgrund seiner Kenntnisse der Anatomie, Pathologie und Pathophysiologie kann er bildgebende Befunde in die zugehörigen Krankheitsgruppen einordnen.

Personale Kompetenzen
Sozialkompetenz Die Studierenden können die besondere soziale Situation vom Tumorpatienten erfassen und ihnen professionell begegnen.

Die Studierenden sind sich dem speziellen häufig angstdominierten Verhalten von kranken Menschen im Rahmen von diagnostischen und therapeutischen Eingriffen bewusst und können darauf angemessen reagieren.

Selbstständigkeit Die Studierenden können erlerntes Wissen und Fertigkeiten auf einen konkreten Therapiefall anwenden.

Die Studierenden können am Ende ihrer Ausbildung jüngere Studierende ihres Fachgebiets an den klinischen Alltag heranführen.

Die Studierenden können in diesem Bereich kompetent eine fachliche Konversation führen und sich das dafür benötigte Wissen selbstständig erarbeiten.

Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Leistungspunkte 3
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten - 20 offene Fragen
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Data Science: Vertiefung Medizin: Pflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Maschinenbau: Vertiefung Biomechanik: Pflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0383: Einführung in die Radiologie und Strahlentherapie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Ulrich Carl, Prof. Thomas Vestring
Sprachen DE
Zeitraum SoSe
Inhalt

Den Studenten sollen die technischen Möglichkeiten im Bereich der bildgebenden Diagnostik, interventionelle Radiologie und Strahlentherapie/Radioonkologie nahe gebracht werden. Es wird davon ausgegangen, dass der Student zu Beginn der Veranstaltung bestenfalls das Wort "Röntgenstrahlen" gehört hat. Es wird zwischen zwei Armen: - die diagnostische (Prof. Dr. med. Thomas Vestring) und die therapeutische (Prof. Dr. med. Ulrich M. Carl) Anwendung von Röntgenstrahlen differenziert.

Beide Arme sind auf spezielle Großgeräte angewiesen, die einen vorgegebenen Ablauf in den jeweiligen Abteilungen bedingen.

  

Literatur
  • "Technik der medizinischen Radiologie"  von T. + J. Laubenberg –

    7. Auflage – Deutscher Ärzteverlag –  erschienen 1999

  • "Klinische Strahlenbiologie" von Th. Herrmann, M. Baumann und W. Dörr –

    4. Auflage - Verlag Urban & Fischer –  erschienen 02.03.2006

    ISBN: 978-3-437-23960-1

  • "Strahlentherapie und Onkologie für MTA-R" von R. Sauer –

             5. Auflage 2003 - Verlag Urban & Schwarzenberg – erschienen 08.12.2009

             ISBN: 978-3-437-47501-6

  • "Taschenatlas der Physiologie" von S. Silbernagel und A. Despopoulus‑                

    8. Auflage – Georg Thieme Verlag - erschienen 19.09.2012

    ISBN: 978-3-13-567708-8

  • "Der Körper des Menschen " von A. Faller  u. M. Schünke -

    16. Auflage 2004 – Georg Thieme Verlag –  erschienen 18.07.2012

    ISBN: 978-3-13-329716-5

  • „Praxismanual Strahlentherapie“ von Stöver / Feyer –

    1. Auflage - Springer-Verlag GmbH –  erschienen 02.06.2000



Modul M1280: MED II: Einführung in die Physiologie

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Physiology (L0385) Vorlesung 2 3
Modulverantwortlicher Dr. Roger Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Keine. Das Modul deckt fachspezifische Lehrinhalte des Mediziningenieurwesens ab und erlaubt Studenten, die nicht Mediziningenieurwesen im Bachelor vertieft haben, den Master Mediziningenieurwesen zu belegen.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Die Studierenden können
  • Physiologische Zusammenhänge in ausgewählten Kernfeldern von Muskel-, Herz/Kreislauf- sowie Neuro- & Sinnesphysiologie darstellen.
  • Grundzüge des Energiestoffwechsels beschreiben;
Fertigkeiten Die Studierenden können die Wirkprinzipien grundlegender Körperfunktionen (Sinnesleistungen, Informationsweiterleitung und Verarbeitung, Kraftentwicklung und Vitalfunktionen) darstellen und sie in Relation zu ähnlichen technischen Systemen setzen.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können Diskussionen in Forschung und Medizin auf fachlicher Ebene führen.

Die Studierenden können in Kleingruppen Probleme im Bereich physiologischer Fragestellungen analysieren und messtechnische Lösungen finden.

Selbstständigkeit

Die Studierenden können Fragen zu Themengebieten der Vorlesung oder weitergehende physiologische Themen eigenständig aus der Fachliteratur erarbeiten.

Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Leistungspunkte 3
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Data Science: Vertiefung Medizin: Pflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Engineering Science: Vertiefung Mediziningenieurwesen: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Wahlpflicht
Maschinenbau: Vertiefung Biomechanik: Pflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0385: Einführung in die Physiology
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Gerhard Engler, Dr. Gerhard Engler
Sprachen DE
Zeitraum SoSe
Inhalt

Beginnend bei den Mechanismen zur elektrischen oder biochemischen Übertragung von Information wird eingegangen auf die Funktion von Rezeptoren für die verschiedenen Sinneseindrücke sowie der spezifischen Weiterleitung und Verarbeitung dieser afferenten Reize. Efferente Signale steuern den Körper in einer sich dynamisch verändernden Umgebung: Dazu werden Informationen aus dem körpereigenen System der Selbstwahrnehmung mit aktuellen afferenten Reizen verbunden um über Gehirn und Rückenmark gezielt Kraft auf die betreffenden Muskeln zu dosieren. Der unmittelbar zur Erhaltung dieser Funktionen notwendige Stoffwechsel wird durch das System: Herz, Lunge und Blutgefäße bereitgestellt. Auch dieses System paßt sich an wechselnden Bedarf bzw. sich ändernde Lastverhältnisse anhand biochemisch und bioelektrisch gesteuerter Regelmechanismen an. Neben den physiologischen Grundlagen wird anhand von Beipielen auch das Versagen dieser Systeme im Falle von Erkrankungen mit einigen typischen Erscheinungsbildern dargestellt.

Literatur

Taschenatlas der Physiologie, Silbernagl Despopoulos, ISBN 978-3-135-67707-1, Thieme

Repetitorium Physiologie, Speckmann, ISBN 978-3-437-42321-5, Elsevier

Ergänzungsmodule

Modul M0731: Functional Programming

Lehrveranstaltungen
Titel Typ SWS LP
Funktionales Programmieren (L0624) Vorlesung 2 2
Funktionales Programmieren (L0625) Hörsaalübung 2 2
Funktionales Programmieren (L0626) Gruppenübung 2 2
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Discrete mathematics at high-school level 
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the principles, constructs, and simple design techniques of functional programming. They demonstrate their ability to read Haskell programs and to explain Haskell syntax as well as Haskell's read-eval-print loop. They interpret warnings and find errors in programs. They apply the fundamental data structures, data types, and type constructors. They employ strategies for unit tests of functions and simple proof techniques for partial and total correctness. They distinguish laziness from other evaluation strategies. 

Fertigkeiten

Students break a natural-language description down in parts amenable to a formal specification and develop a functional program in a structured way. They assess different language constructs, make conscious selections both at specification and implementations level, and justify their choice. They analyze given programs and rewrite them in a controlled way. They design and implement unit tests and can assess the quality of their tests. They argue for the correctness of their program.

Personale Kompetenzen
Sozialkompetenz

Students practice peer programming with varying peers. They explain problems and solutions to their peer. They defend their programs orally. They communicate in English.

Selbstständigkeit

In programming labs, students learn  under supervision (a.k.a. "Betreutes Programmieren") the mechanics of programming. In exercises, they develop solutions individually and independently, and receive feedback. 

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 15 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
Data Science: Kernqualifikation: Wahlpflicht
Data Science: Technischer Ergänzungskurs: Wahlpflicht
Engineering Science: Vertiefung Mechatronics: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0624: Functional Programming
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions
  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics
Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Lehrveranstaltung L0625: Functional Programming
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions

  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics

Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Lehrveranstaltung L0626: Functional Programming
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions

  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics

Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Thesis

Modul M-001: Bachelorarbeit

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Professoren der TUHH
Zulassungsvoraussetzungen
  • Laut ASPO § 21 (1):

    Es müssen mindestens 126 Leistungspunkte im Studiengang erworben worden sein. Über Ausnahmen entscheidet der Prüfungsausschuss.

Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die wichtigsten wissenschaftlichen Grundlagen ihres Studienfaches (Fakten, Theorien und Methoden) problembezogen auswählen, darstellen und nötigenfalls kritisch diskutieren.
  • Die Studierenden können ausgehend von ihrem fachlichen Grundlagenwissen anlassbezogen auch weiterführendes fachliches Wissen erschließen und verknüpfen.
  • Die Studierenden können zu einem ausgewählten Thema ihres Faches einen Forschungsstand darstellen.
Fertigkeiten
  • Die Studierenden können das im Studium vermittelte Grundwissen ihres Studienfaches zielgerichtet zur Lösung fachlicher Probleme einsetzen.
  • Die Studierenden können mit Hilfe der im Studium erlernten Methoden Fragestellungen analysieren, fachliche Sachverhalte entscheiden und Lösungen entwickeln.
  • Die Studierenden können zu den Ergebnissen ihrer eigenen Forschungsarbeit kritisch aus einer Fachperspektive Stellung beziehen.
Personale Kompetenzen
Sozialkompetenz
  • Studierende können eine wissenschaftliche Fragestellung für ein Fachpublikum sowohl schriftlich als auch mündlich strukturiert, verständlich und sachlich richtig darstellen.
  • Studierende können in einer Fachdiskussion auf Fragen eingehen und sie in adressatengerechter Weise beantworten. Sie können dabei eigene Einschätzungen und Standpunkte überzeugend vertreten.
Selbstständigkeit
  • Studierende können einen umfangreichen Arbeitsprozess zeitlich strukturieren und eine Fragestellung in vorgegebener Frist bearbeiten.
  • Studierende können notwendiges Wissen und Material zur Bearbeitung eines wissenschaftlichen Problems identifizieren, erschließen und verknüpfen.
  • Studierende können die wesentlichen Techniken des wissenschaftlichen Arbeitens in einer eigenen Forschungsarbeit anwenden.


Arbeitsaufwand in Stunden Eigenstudium 360, Präsenzstudium 0
Leistungspunkte 12
Studienleistung Keine
Prüfung Abschlussarbeit
Prüfungsdauer und -umfang laut ASPO
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Abschlussarbeit: Pflicht
Bau- und Umweltingenieurwesen: Abschlussarbeit: Pflicht
Bioverfahrenstechnik: Abschlussarbeit: Pflicht
Computer Science: Abschlussarbeit: Pflicht
Data Science: Abschlussarbeit: Pflicht
Digitaler Maschinenbau: Abschlussarbeit: Pflicht
Elektrotechnik: Abschlussarbeit: Pflicht
Energie- und Umwelttechnik: Abschlussarbeit: Pflicht
Engineering Science: Abschlussarbeit: Pflicht
General Engineering Science (7 Semester): Abschlussarbeit: Pflicht
Informatik-Ingenieurwesen: Abschlussarbeit: Pflicht
Logistik und Mobilität: Abschlussarbeit: Pflicht
Maschinenbau: Abschlussarbeit: Pflicht
Mechatronik: Abschlussarbeit: Pflicht
Schiffbau: Abschlussarbeit: Pflicht
Technomathematik: Abschlussarbeit: Pflicht
Teilstudiengang Lehramt Elektrotechnik-Informationstechnik: Abschlussarbeit: Pflicht
Teilstudiengang Lehramt Metalltechnik: Abschlussarbeit: Pflicht
Verfahrenstechnik: Abschlussarbeit: Pflicht