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.
WissenWissen konstituiert sich aus Theorien und Methoden. Es wird im Bachelorstudiengang Data Science in folgenden Gebieten erworben:
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.
Die Absolventinnen und Absolventen kennen die Grundlagen und Methoden der Statistik und Wahrscheinlichkeitsrechnung. Sie sind vertraut mit Schätzverfahren und können statistische Tests durchführen.
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.
Die Absolventinnen und Absolventen kennen die grundlegenden Theorien, Zusammenhänge und Methoden von Algorithmen und Datenstrukturen. Sie können diese beschreiben und bezüglich ihrer Komplexität bewerten.
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.
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.
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.
Die Fähigkeit, erlerntes Wissen zur Lösung spezifischer Probleme anzuwenden, wird im Studiengang Data Science auf folgende Weise unterstützt:
Die Absolventinnen und Absolventen können mathematische Aufgabenstellungen aus der Stochastik, der Analysis, der linearen Algebra, und der Numerik mit den erlernten Methoden lösen.
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.
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.
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.
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.
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.
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 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.
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.
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
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.
Die Absolventinnen und Absolventen können selbstorganisiert und -motiviert über längere Zeiträume zielgerichtet an schwierigen Problemstellungen arbeiten.
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 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
|
Fertigkeiten |
Die Studierenden können in ausgewählten Teilbereichen
|
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden sind fähig ,
|
Selbstständigkeit |
Die Studierenden sind in ausgewählten Bereichen in der Lage,
|
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 M1436: Prozedurale Programmierung für Informatiker |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
Modulverantwortlicher | NN |
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 | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Technomathematik: Kernqualifikation: Pflicht |
Lehrveranstaltung L2163: Prozedurale Programmierung für Informatiker |
Typ | Vorlesung |
SWS | 1 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 46, Präsenzstudium 14 |
Dozenten | Prof. Siegfried Rump |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2164: Prozedurale Programmierung für Informatiker |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2165: Prozedurale Programmierung für Informatiker |
Typ | Laborpraktikum |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Modul M1728: Mathematics I (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Daniel Ruprecht |
Zulassungsvoraussetzungen | None |
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 128, Präsenzstudium 112 |
Leistungspunkte | 8 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2771: Analysis I (EN) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2772: Analysis I (EN) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2773: Analysis I (EN) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2774: Linear Algebra I (EN) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2775: Linear Algebra I (EN) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2776: Linear Algebra I (EN) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0561: Diskrete Algebraische Strukturen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Fertigkeiten: Die Studierenden können
|
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 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 M0624: Automata Theory and Formal Languages |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Vertiefung Mechatronics: 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 |
|
Literatur |
|
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 M1729: Mathematics II (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Daniel Ruprecht |
Zulassungsvoraussetzungen | None |
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 128, Präsenzstudium 112 |
Leistungspunkte | 8 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2777: Analysis II (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2778: Analysis II (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2779: Analysis II (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2780: Linear Algebra II (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2781: Linear Algebra II (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2782: Linear Algebra II (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0727: Stochastik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Matthias Schulte |
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 | 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 Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
Lehrveranstaltung L0777: Stochastik |
Typ | Vorlesung |
SWS | 2 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 92, Präsenzstudium 28 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L0778: Stochastik |
Typ | Gruppenübung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1432: Programmierparadigmen |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 Technomathematik: 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 |
|
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 |
|
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 |
|
Literatur | Skript |
Modul M1732: Mathematics III (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
Zulassungsvoraussetzungen | None |
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 128, Präsenzstudium 112 |
Leistungspunkte | 8 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2790: Analysis III (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2791: Analysis III (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2792: Analysis III (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2793: Differential Equations 1 (Ordinary Differential Equations) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2794: Differential Equations 1 (Ordinary Differential Equations) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2795: Differential Equations 1 (Ordinary Differential Equations) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1592: Statistik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Matthias Schulte |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
Stochastik (oder eine vergleichbare Lehrveranstaltung) |
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 | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
Lehrveranstaltung L2430: Statistik |
Typ | Vorlesung |
SWS | 3 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 78, Präsenzstudium 42 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
Lehrveranstaltung L2431: Statistik |
Typ | Gruppenübung |
SWS | 1 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 46, Präsenzstudium 14 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0662: Numerical Mathematics I |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Sabine Le Borne |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Students are able to
|
Fertigkeiten |
Students are able to
|
Personale Kompetenzen | |
Sozialkompetenz |
Students are able to
|
Selbstständigkeit |
Students are capable
|
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 Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Wahlpflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Wahlpflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Wahlpflicht 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 Engineering Science: Kernqualifikation: Pflicht 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 General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Wahlpflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Maschinenbau: Vertiefung Theoretischer Maschinenbau: Pflicht Maschinenbau: Vertiefung Energietechnik: Wahlpflicht Maschinenbau: Vertiefung Mechatronik: 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 |
|
Literatur |
|
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 | ||||||||||||
|
Modulverantwortlicher | Prof. Matthias Mnich |
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 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 Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Technomathematik: Vertiefung II. Informatik: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
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 |
|
Literatur |
|
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 | ||||||||||||
|
Modulverantwortlicher | Prof. Stefan Schulte |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
Students should have basic knowledge in the following areas:
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
After successful completion of the course, students know:
|
Fertigkeiten |
The students acquire the ability to model a database and to work with it. This comprises especially the application of design methodologies and query and definition languages. Furthermore, students are able to apply basic functionalities needed to run a database. |
Personale Kompetenzen | |
Sozialkompetenz |
Students can work on complex problems both independently and in teams. They can exchange ideas with each other and use their individual strengths to solve the problem. |
Selbstständigkeit |
Students are able to independently investigate a complex problem and assess which competencies are required to solve it. |
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 | Prof. Stefan Schulte |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L1150: Databases |
Typ | Projekt-/problembasierte Lehrveranstaltung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Stefan Schulte |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1595: Maschinelles Lernen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Nihat Ay |
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
|
Fertigkeiten |
Die Studierenden können
|
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 Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
Lehrveranstaltung L2432: Maschinelles Lernen |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Nihat Ay |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L2433: Maschinelles Lernen |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Nihat Ay |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0672: Signale und Systeme |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Pflicht Elektrotechnik: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Maschinenbau: Vertiefung Mechatronik: Wahlpflicht 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 |
|
Literatur |
|
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 | ||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
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 | 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 Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Technomathematik: Vertiefung I. Mathematik: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: 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 |
|
Literatur |
|
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 | ||||||||||||
|
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...
|
Fertigkeiten |
Die Studierenden können
|
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden sind in der Lage
|
Selbstständigkeit |
Die Studierenden sind in der Lage
|
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: 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 Green Technologies: Energie, Wasser, Klima: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Logistik und Mobilität: Kernqualifikation: Pflicht Maschinenbau: Kernqualifikation: Pflicht Mechatronik: Kernqualifikation: Pflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Schiffbau: Kernqualifikation: Pflicht Technomathematik: Kernqualifikation: Pflicht Verfahrenstechnik: Kernqualifikation: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: 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 |
Sprachen | DE |
Zeitraum |
WiSe/ |
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/ |
Inhalt |
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 | ||||||||||||
|
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
|
Fertigkeiten |
Sie sind in der Lage
|
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/EN |
Zeitraum | SoSe |
Inhalt |
|
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/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0953: Introduction to Information Security |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Riccardo Scandariato |
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
|
Fertigkeiten |
Students can
|
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 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 Minuten |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Data Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L1114: Introduction to Information Security |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Riccardo Scandariato |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt |
|
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. Riccardo Scandariato |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1594: Praktikum Data Science |
||||||||
Lehrveranstaltungen | ||||||||
|
Modulverantwortlicher | Prof. Nihat Ay |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
Erfolgreicher Besuch der Vorlesungen:
|
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
|
Fertigkeiten |
Studierende arbeiten im Team an einem größeren Datenprojekt. Dabei werden die benötigten Fertigkeiten erlernt und praktisch angewandt. Dies sind zum Beispiel
|
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 | Prof. Nihat Ay |
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 | ||||||||||||
|
Modulverantwortlicher | Prof. Tobias Knopp |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Die Studierenden kennen
|
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 Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
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 |
|
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 M0834: Computernetworks and Internet Security |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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, Dr.-Ing. Koojana Kuladinithi |
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:
|
Literatur |
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 | ||||||||||||
|
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 Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Green Technologies, Schwerpunkt Regenerative Energien: 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 Green Technologies: Energie, Wasser, Klima: Vertiefung Energiesysteme: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung II. Mathematik & 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 |
|
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 | Gruppenübung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Christian Becker |
Sprachen | DE |
Zeitraum | WiSe |
Inhalt |
|
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 M1615: Einführung in die Datenerfassung und Datenverarbeitung |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 |
|
||||||||||||
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, |
Literatur |
Puente León, Kiencke: Messtechnik, Springer 2012 |
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 M1620: Ethik in der Informationstechnologie |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Die Studierenden können
|
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 |
Computer Science: Kernqualifikation: Wahlpflicht 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:
Seminar:
|
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 M0941: Kombinatorische Strukturen und Algorithmen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
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 | 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 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, Dr. Dennis Clemens |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
|
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 M0959: Mechanik III (Dynamik) |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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
|
Fertigkeiten |
Die Studierenden können
|
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 Energie- und Umwelttechnik: Kernqualifikation: Wahlpflicht Green Technologies: Energie, Wasser, Klima: Vertiefung Energietechnik: Wahlpflicht 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
Kinetik
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 M0731: Functional Programming |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 |
|
||||||||
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 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 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 |
|
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 |
|
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 |
|
Literatur |
Graham Hutton, Programming in Haskell, Cambridge University Press 2007. |
Modul M0833: Grundlagen der Regelungstechnik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 |
|
Fertigkeiten |
|
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 Green Technologies: Energie, Wasser, Klima: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Logistik und Mobilität: Vertiefung Produktionsmanagement und Prozesse: Wahlpflicht Maschinenbau: Kernqualifikation: Pflicht Mechatronik: Kernqualifikation: Pflicht Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht Theoretischer Maschinenbau: Technischer Ergänzungskurs Kernfächer: Wahlpflicht Verfahrenstechnik: Kernqualifikation: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Produktionsmanagement und Prozesse: Wahlpflicht |
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
Regelkreise
Wurzelortskurven
Frequenzgang-Verfahren
Totzeitsysteme
Digitale Regelung
Software-Werkzeuge
|
Literatur |
|
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 M0730: Technische Informatik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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:
|
||||||||
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 |
|
||||||||
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 Bauingenieurwesen: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: 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 Biomechanik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Wahlpflicht Elektrotechnik: Kernqualifikation: Pflicht General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: 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 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 |
|
Literatur |
|
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 M0675: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
Modulverantwortlicher | Prof. Gerhard Bauch |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
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 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 |
|
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 M1598: Bildverarbeitung |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Die Studierenden können
|
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 Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: 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 |
|
Literatur |
Bredies/Lorenz, Mathematische Bildverarbeitung, Vieweg, 2011 |
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 M1070: Simulation von Transport- und Umschlagssystemen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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…
|
||||||||
Fertigkeiten |
Die Studierenden sind in der Lage…
|
||||||||
Personale Kompetenzen | |||||||||
Sozialkompetenz |
Die Studierenden können…
|
||||||||
Selbstständigkeit |
Die Studierenden sind fähig…
|
||||||||
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 | ||||||||
Leistungspunkte | 6 | ||||||||
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 Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: 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 M1597: Seminare Data Science |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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/ |
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/ |
Inhalt | |
Literatur |
Modul M1730: Mathematics IV (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
Zulassungsvoraussetzungen | None |
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 68, Präsenzstudium 112 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Wahlpflicht Engineering Science: Kernqualifikation: Pflicht Engineering Science: Vertiefung Elektrotechnik: Pflicht Engineering Science: Vertiefung Mechatronics: Wahlpflicht |
Lehrveranstaltung L2783: Differential Equations 2 (Partial Differential Equations) (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 2, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2784: Differential Equations 2 (Partial Differential Equations) (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2785: Differential Equations 2 (Partial Differential Equations) (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2786: Complex Functions (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 2, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2787: Complex Functions (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2788: Complex Functions (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0715: Solvers for Sparse Linear Systems |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Sabine Le Borne |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Students can
|
Fertigkeiten |
Students are able to
|
Personale Kompetenzen | |
Sozialkompetenz |
Students are able to
|
Selbstständigkeit |
Students are capable
|
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 Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht Technomathematik: Vertiefung I. Mathematik: Wahlpflicht |
Lehrveranstaltung L0583: Solvers for Sparse Linear Systems |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Sabine Le Borne |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L0584: Solvers for Sparse Linear Systems |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Sabine Le Borne |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1005: Vertiefende Grundlagen der Werkstoffwissenschaften |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 |
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 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 2. Pulverherstellung Einteilung der
Pulversyntheseverfahren Pulveraufbereitung Mahltechnik 3. Formgebung Arten der Formgebung 4. Sintern Triebkraft des Sinterns 5. Mechanische Eigenschaften von Keramiken Elastisches und plastisches
Materialverhalten 6. Elektrische Eigenschaften von Keramiken Ferroelektische Keramiken Piezo-, ferroelektrische
Materialeigenschaften Keramische Ionenleiter Ionische Leitfähigkeit Ziele des Vorlesungsteils sind:
1. Kunststoffe im Ingenieurwesen Eine kurze Geschichte der Kunststoffe Wieso Kunststoffe? Kunststoffindustrie Leichtbau durch Kunststoffe 2. Aufbau des Makromoleküls Konstitution 3. Synthese, Rheologie Polymerisation 4. Kunststoffverarbeitung Zusammenhänge von Viskosität und
Verarbeitung von Kunststoffen 5. Verbundwerkstoffe Kurzfaserverstärkt und Spritzguss 6. Mechanische Eigenschaften Verstehen des Werkstoffverhaltens
von Polymeren unter mechanischer Last 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 Kunststoffphysik Werkstoffkunde
Kunststoffe Kunststoff-Kompendium |
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 |
Sprachen | DE |
Zeitraum | SoSe |
Inhalt |
Vertiefende Kenntnisse zu Metallen: Weichmagnetische Werkstoffe und ihre Anwendungen |
Literatur |
- Vorlesungsskript - W.D. Callister, „Materialwissenschaften und Werkstofftechnik “, Wiley-VCH 2012 - Carl H. Hamann, Wolf Vielstich, "Elektrochemie", Wiley-VCH; 4. Auflage 2005 - Kurzweil, Dietlmeier,
"Elektrochemische Speicher"
Springer Vieweg (2015) - B. D.
Cullity, C.D. Graham,
"Introduction to magnetic materials",
John Wiley & Sons, 2011 - D. Jiles, "Introduction to magnetism and magnetic materials", CRC press, 2015 |
Modul M0777: Halbleiterschaltungstechnik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
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:
|
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:
|
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 M0634: Einführung in Medizintechnische Systeme |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
Modulverantwortlicher | Prof. Alexander Schlaefer | ||||||||||||
Zulassungsvoraussetzungen | Keine | ||||||||||||
Empfohlene Vorkenntnisse |
Grundlagen Mathematik (Algebra, Analysis) |
||||||||||||
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 |
|
||||||||||||
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 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 |
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 |
Literatur |
Wird in der Veranstaltung bekannt gegeben. |
Modul M0562: Berechenbarkeit und Komplexität |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Fertigkeiten: Die Studienden können
|
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 |
Fachmodule der Vertiefung Elektrotechnik
Modul M0743: Elektrotechnik I: Gleichstromnetzwerke und elektromagnetische Felder |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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:
|
||||||||
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 |
|
||||||||
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 |
|
Literatur |
|
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 |
|
Literatur |
|
Modul M0547: Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 |
|
||||||||
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: Verkehrssysteme und Umschlagtechnik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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: - die Begriffe und deren Bedeutung in der Transport- und Umschlagtechnik zu erläutern und einzuordnen; - aktuelle politische Rahmenbedingungen und technische Entwicklungen in der Transport- und Umschlagtechnik wiederzugeben; - Akteure und deren Aufgabenbereiche in der maritimen Transportkette (Vorlauf, Hauptlauf, Nachlauf) zu identifizieren; -
Einsatzmöglichkeiten und Zweckmäßigkeitsbereiche der Transport- und
Umschlagtechniken zu benennen, zu vergleichen und zuzuordnen basierend auf den
Fragen: Was soll transportiert
werden? Worauf soll transportiert werden? Wo soll umgeschlagen werden? Womit
soll umgeschlagen werden? |
||||||||
Fertigkeiten |
Studierende können auf Basis des erlernten Wissens: - Key Perfomance Indicators (z. B. Transportzeiten, Lagerkosten, etc.) in der maritimen Transportkette identifizieren und bewerten; - für definierte Transport- und Umschlagaufgaben geeignete Techniken auswählen und dimensionieren sowie Lösungsansätze kritisch bewerten; - 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: - erfolgreich und respektvoll in Kleingruppen Forschungsaufgaben im Rahmen einer umfangreichen schriftlichen Ausarbeitung im Semesterablauf zu diskutieren und zu organisieren sowie gemeinschaftlich verständlich darzustellen und zu vertreten; - 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); - fachspezifische Diskussionen zu Themen aus der Transport- und Umschlagtechnik zu führen. |
||||||||
Selbstständigkeit |
Studierende sind nach Abschluss des Moduls fähig: - sich Wissen über Teile des Themengebiets eigenständig zu erarbeiten sowie das erworbene Wissen zur Lösung von neuen Fragestellungen anzuwenden; - eine systematische Literaturrecherche durchzuführen und diese in einem wissenschaftlichen Text festzuhalten; - die Ergebnisse ihrer eigenen Ausarbeitung kritisch zu reflektieren. |
||||||||
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 | ||||||||
Leistungspunkte | 6 | ||||||||
Studienleistung |
|
||||||||
Prüfung | Klausur | ||||||||
Prüfungsdauer und -umfang | 90 Minuten | ||||||||
Zuordnung zu folgenden Curricula |
Data Science: Vertiefung Logistik: Pflicht Logistik und Mobilität: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Pflicht Logistik und Mobilität: Vertiefung Produktionsmanagement und Prozesse: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Produktionsmanagement und Prozesse: Wahlpflicht |
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 |
In der Lehrveranstaltung Transport- und Umschlagtechnik werden Grundlagen, Einsatzmöglichkeiten und Zweckmäßigkeitsbereiche der Transport- und Umschlagtechniken vermittelt. Die Studierenden werden befähigt, für definierte Transport- und Umschlagaufgaben geeignete Techniken auszuwählen, zu bewerten und zu dimensionieren. Zudem wird ein Grundwissen zu den einschlägigen Richtlinien und Normen vermittelt. Die Vorlesung ist Bestandteil des Bachelor-Studiengangs „Logistik und Mobilität“ und richtet sich insbesondere an Studierende des dritten Semesters. Ziel ist die Vermittlung von Grundlagen, Einsatzmöglichkeiten und Zweckmäßigkeit der verschiedenen Transport- und Umschlagtechniken. 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. Inhalte der Vorlesung
|
Literatur |
Clausen, Uwe; Geiger, Christiane (2013). Verkehrs- und Transportlogistik. Conrady, Roland; Fichert, Frank; Sterzenbach, Rüdiger (2019). Luftverkehr: Betriebswirtschaftliches Lehr- und Handbuch. Gleißner, Harald; Femerling, Christian (2012). Logistik: Grundlagen - Übungen - Fallbeispiele. Kranke, Andre; Schmied, Martin; Schön, Andrea D. (2011). CO2-Berechnung in der Logistik: Datenquellen, Formeln, Standards. Pachl, Jörn (2018). Systemtechnik des Schienenverkehrs: Bahnbetrieb planen, steuern und sichern. Rodrigue, Jean-Paul (2020). Geography of Transport Systems. |
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 |
Die Übung besteht aus zwei Teilen. In dem ersten Teil werden die in der Vorlesung vorgestellten Themen anhand von geleiteten quantitativen Gruppenübungen vertieft. Im zweiten Teil der Übung bearbeiten die Studierenden ein Thema über das ganze Semester im Rahmen des forschenden Lernens. Dies erfolgt im sogenannten forschenden Lernen: „Forschendes Lernen zeichnet sich […] dadurch aus, dass die Lernenden den Prozess eines Forschungsvorhabens, das auf die Gewinnung von auch für Dritte interessanten Erkenntnissen gerichtet ist, in seinen wesentlichen Phasen - von der Entwicklung der Fragen und Hypothesen über die Wahl und Ausführung der Methoden bis zur Prüfung und Darstellung der Ergebnisse in selbstständiger Arbeit oder in aktiver Mitarbeit in einem übergreifenden Projekt - (mit)gestalten, erfahren und reflektieren“ (Huber 2009, S.11). Die Studierenden wenden ihre erlernten Kenntnisse im Rahmen von zwei schriftlichen Ausarbeitungen an. Diese schriftlichen Ausarbeitungen werden als Gruppenarbeiten durchgeführt. Die Inhalte der schriftlichen Ausarbeitungen beschäftigen sich bspw. mit der Darstellung der gesamten maritime Supply Chain von unterschiedlichen Güterarten, wie z.B. Container, Rohöl, Projektladung oder RoRo. Hierbei können die Studierenden bis zu 10% insgesamt für die Bearbeitung beider schriftlicher Ausarbeitungen erreichen. |
Literatur |
Biebig , Peter; Althof, Wolfgang.; Wagener, Norbert (2008) Seeverkehrswirtschaft : Kompendium. 4. Auflage. Geisler, Alexander; Johns, Dirk Max (2018): See Schiff Ladung: Fachbuch für Schifffahrtskaufleute: von Praktikern für Praktiker, 2. Auflage. Bänsch, Axel; Alewell, Dorothea; Moll, Tobias (2020): Wissenschaftliches Arbeiten, 12. Auflage. Voss, Rüdiger (2019): Wissenschaftliches Arbeiten: … leicht verständlich. 6. Auflage. |
Modul M1004: Logistikmanagement |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
||||||||
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, |
||||||||
Arbeitsaufwand in Stunden | Eigenstudium 110, Präsenzstudium 70 | ||||||||
Leistungspunkte | 6 | ||||||||
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 Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Kernqualifikation: Pflicht |
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 |
|
Lehrveranstaltung L1221: Logistikwirtschaft |
Typ | Projekt-/problembasierte Lehrveranstaltung |
SWS | 3 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 78, Präsenzstudium 42 |
Dozenten | Dr. Meike Schröder |
Sprachen | DE |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Fachmodule der Vertiefung Materialwissenschaft
Modul M0933: Grundlagen der Werkstoffwissenschaften |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 Schiffbau: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht Data Science: Vertiefung Materialwissenschaft: Pflicht Digitaler Maschinenbau: Kernqualifikation: Pflicht Energie- und Umwelttechnik: Kernqualifikation: Pflicht Green Technologies: Energie, Wasser, Klima: Vertiefung Energietechnik: Wahlpflicht Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht Logistik und Mobilität: Vertiefung Produktionsmanagement und Prozesse: Wahlpflicht Maschinenbau: Kernqualifikation: Pflicht Mechatronik: Kernqualifikation: Pflicht Schiffbau: Kernqualifikation: Pflicht Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Produktionsmanagement und Prozesse: 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 |
|
Literatur |
Für den Elektromagnetismus:
Für die Atomphysik:
Für die Materialphysik und Elastizität:
|
Modul M0934: Moderne Werkstoffe |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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. |
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden können Lösungen gegenüber Spezialisten präsentieren und Ideen weiterentwickeln. |
Selbstständigkeit |
Die Studierenden können ...
|
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, 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 |
|
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. Patrick Huber, 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 | ||||||||||||||||
|
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
|
Fertigkeiten |
Die Studierenden können
|
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 Bioverfahrenstechnik: Kernqualifikation: Pflicht Data Science: Vertiefung Mechanik: Pflicht Digitaler Maschinenbau: Kernqualifikation: Pflicht Elektrotechnik: Kernqualifikation: Wahlpflicht Green Technologies: Energie, Wasser, Klima: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht Logistik und Mobilität: Kernqualifikation: Pflicht Maschinenbau: Kernqualifikation: Pflicht Mechatronik: Kernqualifikation: Pflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Schiffbau: Kernqualifikation: Pflicht Technomathematik: Kernqualifikation: Pflicht Verfahrenstechnik: Kernqualifikation: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: 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 |
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 | ||||||||||||||||
|
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 |
Nach erfolgreichen Absolvieren des Moduls kennen und verstehen die Studierenden die Grundkonzepte der Kontinuumsmechanik und Elastostatik, insbesondere Spannung, Verzerrung, Materialgesetze, Dehnung, Biegung, Torsion, Festigkeitsrechnung, Energiemethoden und Stabilitätsversagen. |
Fertigkeiten |
Nach erfolgreichen Absolvieren des Moduls sind die Studierenden in der Lage, |
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 Bioverfahrenstechnik: Kernqualifikation: Pflicht Data Science: Vertiefung Mechanik: Pflicht Digitaler Maschinenbau: Kernqualifikation: Pflicht Elektrotechnik: Kernqualifikation: Wahlpflicht Green Technologies: Energie, Wasser, Klima: Kernqualifikation: Pflicht Logistik und Mobilität: Kernqualifikation: Pflicht Maschinenbau: Kernqualifikation: Pflicht Mechatronik: Kernqualifikation: Pflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Schiffbau: Kernqualifikation: Pflicht Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht Verfahrenstechnik: Kernqualifikation: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: 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:
|
Literatur |
|
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 | ||||||||
|
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
|
Fertigkeiten |
Die Studierenden können
|
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 |
|
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 | ||||||||
|
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 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
|
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 | ||||||||
|
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 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 |
|
Modul M1280: MED II: Einführung in die Physiologie |
||||||||
Lehrveranstaltungen | ||||||||
|
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
|
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 |
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 |
Thesis
Modul M-001: Bachelorarbeit |
||||
Lehrveranstaltungen | ||||
|
Modulverantwortlicher | Professoren der TUHH |
Zulassungsvoraussetzungen |
|
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 360, Präsenzstudium 0 |
Leistungspunkte | 12 |
Studienleistung | Keine |
Prüfung | Abschlussarbeit |
Prüfungsdauer und -umfang | laut ASPO |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften: Abschlussarbeit: Pflicht 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: Abschlussarbeit: Pflicht General Engineering Science (7 Semester): Abschlussarbeit: Pflicht Green Technologies: Energie, Wasser, Klima: 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 Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Abschlussarbeit: Pflicht |