Wissen: Die Studierenden kennen

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

Fertigkeiten: Die Studierenden können

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

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.

Die Studierenden erwerben folgendes Wissen:

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

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

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

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

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

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

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

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

Die Studierenden erwerben folgende Kompetenzen:

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

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

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

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

Der Studienbereich Nichttechnische Wahlpflicht­fächer 

vermittelt 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 Studienbereich“ 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, Nachhaltigkeitsforschung und aus der Fachdidaktik der Ingenieurwissenschaften. Über alle Studiengänge hinweg besteht im Bachelorbereich zusätzlich ab Wintersemester 2014/15 das Angebot, gezielt Betriebswirtschaftliches und Gründungswissen aufzubauen. Das Lehrangebot wird durch soft skill und Fremdsprachkurse ergänzt. Hier werden insbesondere kommunikative Kompetenzen z.B. für Outgoing Engineers gezielt gefördert.

Das Kompetenzniveau

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

Fachkompetenz (Wissen)

Die Studierenden können

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

Die Studierenden können in ausgewählten Teilbereichen

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

Die Studierenden sind fähig ,

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

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

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

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.

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.

• Studierende können die grundlegenden Begriffe der Analysis und Linearen Algebra benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
• Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

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.

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.

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren (z.B. während der Projektwoche).

Studierende können die Grundzüge des Software-Entwurfs wie den Entwurf einer Klassenarchitektur unter Einbeziehung vorhandener Klassenbibliotheken und Entwurfsmuster erklären.

Studierende können grundlegende Datenstrukturen der diskreten Mathematik beschreiben sowie wichtige Algorithmen zum Sortieren und Suchen bezüglich ihrer Komplexität bewerten.

Studierende sind in der Lage,

• Software mit gegebenen Entwurfsmustern, unter Verwendung von Klassenhierarchien und Polymorphie zu entwerfen.
• Softwareentwicklung und Tests unter Verwendung von Versionsverwaltungssystemen und google Test durchzuführen.
• Sortierung und Suche nach Daten effizient durchzuführen.
• die Komplexität von Algorithmen abzuschätzen.

Studierende können in Teams arbeiten und in Foren kommunizieren.

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.

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.

Die Studierenden können...

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

Die Studierenden können

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

Die Studierenden sind in der Lage

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

• Studierende können weitere Begriffe der Analysis und Linearen Algebra benennen und anhand von Beispielen erklären.

• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.

• Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

Der Studierende kann Theorien und Methoden  zur Berechnung der Kräfte in statisch bestimmt gelagerten Systemen starrer Körper und Grundlagen der Elastostatik anwenden.

Der Studierende kann lösungsorientiert in heterogenen Kleingruppen arbeiten und erlernt und vertieft das gegenseitige Helfen.

Studierende können

• numerische Verfahren zur Interpolation, Integration, Lösung von Ausgleichproblemen, Lösung von Eigenwertproblemen und nichtlinearen Nullstellenproblemen benennen und deren Kernideen erläutern,
  

• Konvergenzaussagen zu den numerischen Methoden wiedergeben,
  

• Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.

Studierende sind in der Lage,

• numerische Methoden in MATLAB zu implementieren, anzuwenden und zu vergleichen,
• das Konvergenzverhalten numerischen Methoden in Abhängigkeit vom gestellten Problem und des verwendeten Lösungsalgorithmus zu begründen,
• zu gegebener Problemstellung einen geeigneten Lösungsansatz auszuwählen und durchzuführen.
  

Studierende können

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

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.

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

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

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

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.

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.

• Studierende können die grundlegenden Begriffe aus dem Gebiet der Analysis und Differentialgleichungen benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.

• Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

Der Studierende kann grundlegende Zusammenhänge, Theorien und Methoden zur Berechnung von Kräften und der Bewegung von Systemen starrer Körpern in 3D benennen.

Der Studierende kann Theorien und Methoden zur Berechnung von Kräften und der Bewegung von Systemen starrer Körpern in 3D anwenden.

Der Studierende kann lösungsorientiert in heterogenen Kleingruppen arbeiten und erlernt und vertieft das gegenseitige Helfen.

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.

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.

Die Studierenden können fachspezifische Aufgaben gemeinsam bearbeiten.

Eingebettete Systeme sind Systeme, bei denen eine Informationsverarbeitung in eine Umgebung eingebettet ist. In der Vorlesung werden die Grundzüge solcher Systeme vermittelt. Die Vorlesung behandelt insbesondere eine Einführung in diese Systeme (Begriffsbildung, charakteristische Eigenschaften) und deren Spezifikationssprachen (models of computation, hierarchische Zustandsautomaten, Spezifikation von verteilten Systemen, Task-Graphen, Spezifikation von Realzeit-Anwendungen, Übersetzung zwischen Modellen).

Ein weiterer Abschnitt behandelt Hardware eingebetteter Systeme: Sensoren, A/D- und D/A-Wandler, realzeitfähige Kommunikationshardware, eingebettete Prozessoren, Speicher, Energiebedarf, rekonfigurierbare Logik und Aktuatoren. Zum Modul gehört auch eine Einführung in Realzeit-Betriebssysteme, Middleware und Realzeit-Scheduling. Schließlich wird auf die Implementierung eingebetteter Systeme mittels Hardware/Software Co-Design (Hardware/Software-Partitionierung, high-level Transformationen der Spezifikation, energieeffiziente Realisierungen, Compiler für Eingebettete Prozessoren) eingegangen.

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.

• Studierende können die grundlegenden Begriffe der Graphentheorie und Optimierung benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in heterogen zusammengestellten Teams (mit unterschiedlichem mathematischen Hintergrundwissen und aus unterschiedlichen Studiengängen)  zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
• Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
  
  

• Studierende verstehen, dass Methoden der Informatik und Mathematik anwendungsübergreifend entwickelt werden und dass eine wesentliche Leistung des Informatikers oder Ingenieurs zum Einen in der fachgerechten Anwendung der Methoden liegt und zum Anderen darin besteht, andere (Auftraggeber, Projektpartner, Kollegen, ...) überzeugen zu können, dass eine Methode sich (in einem gewissen Sinne) optimal eignet.
• Studierende erläutern die in einem wissenschaftlichen Aufsatz geschilderten Probleme und die im Aufsatz entwickelten Lösungen in einem Fachgebiet der Informatik oder Mathematik, bewerten die vorgeschlagenen Lösungen in einem Vortrag und reagieren auf wissenschaftliche Nachfragen, Ergänzungen und Kommentare
• Studierende beschreiben wissenschaftliche Fragestellungen in einem Fachgebiet der Informatik, des Ingenieurwesen oder der Mathematik und erläutern in einem Vortrag einen von ihnen entwickelten Ansatz zu dessen Lösung und reagieren dabei angemessen auf Nachfragen, Ergänzungen und Kommentare.

• Studierende können das Verhalten dynamischer Systeme in Zeit- und Frequenzbereich darstellen und interpretieren, und insbesondere die Eigenschaften Systeme 1. und 2. Ordnung erläutern.
• Sie können die Dynamik einfacher Regelkreise erklären und anhand von Frequenzgang und Wurzelortskurve interpretieren.
• Sie können das Nyquist-Stabilitätskriterium sowie die daraus abgeleiteten Stabilitätsreserven erklären.
• Sie können erklären, welche Rolle die Phasenreserve in der Analyse und Synthese von Regelkreisen spielt.
• Sie können die Wirkungsweise eines PID-Reglers anhand des Frequenzgangs interpretieren.
• Sie können erklären, welche Aspekte bei der digitalen Implementierung zeitkontinuierlich entworfener Regelkreise berücksichtigt werden müssen.

• Studierende können Modelle linearer dynamischer Systeme vom Zeitbereich in den Frequenzbereich transformieren und umgekehrt. 
• Sie können das Verhalten von Systemen und Regelkreisen simulieren und bewerten.
• Sie können PID-Regler mithilfe heuristischer Einstellregeln (Ziegler-Nichols) entwerfen.
• Sie können anhand von Wurzelortskurve und Frequenzgang einfache Regelkreise entwerfen und analysieren.
• Sie können zeitkontinuierliche Modelle  dynamischer Regler für die digitale Implementierung zeitdiskret approximieren.
• Sie beherrschen die einschlägigen Software-Werkzeuge (Matlab Control Toolbox, Simulink) für die Durchführung all dieser Aufgaben.

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

Die Studierenden kennen

• die Grundzüge der Hardware-Programmiersprache VHDL,
• den grundständigen Aufbau von FPGAs,
• Aufbau, Organisation und Verarbeitung in einfachen CPUs,
• die Systemumgebung von FPGA-Schaltungen.
  

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.

Studierende können die POSIX Bibliotheken zur nebenläufigen Programmierung korrekt und effizient einsetzen. Sie sind in der Lage für eine Scheduling Aufgabe unter gegebenen Randbedingungen die Effezienz eines Scheduling-Algorithmus zu beurteilen.

In diesem Modul werden fortgeschrittene Konzepte der Rechnerarchitektur vorgestellt. Am Anfang steht ein breiter Überblick über mögliche Programmiermodelle, wie sie für Universalrechner aber auch für spezielle Maschinen (z.B. Signalprozessoren) entwickelt wurden. Anschließend werden prinzipielle Aspekte der Mikroarchitektur von Prozessoren behandelt. Der Schwerpunkt liegt hierbei insbesondere auf dem sogenannten Pipelining und den in diesem Zusammenhang angewandten Methoden zur Beschleunigung der Befehlsausführung. Die Studierenden lernen Mechanismen zum dynamischen Scheduling, zur Sprungvorhersage, zu superskalaren Architekturen und zu Speicher-Hierarchien kennen.

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.

Studierende können die grundlegenden Begriffe der Rechnergestützten Geoemtrie benennen, mathematisch exakt beschreiben und anhand von Beispielen erklären.

Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.

Studierende können Aufgabenstellungen aus der Rechnergestützten Geometrie mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.

Studierende sind in der Lage, mit den Teilnehmerinnen und Teilnehmer ihre eigenen algorithmischen Vorschläge zur Lösung der vorgestellten Probleme zu erörtern. Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.

Studierende können die wichtigsten Abstraktion von Verteilten Systemen erklären (Marshalling, Proxy, Dienst, Adresse, Entfernter Aufruf, synchrones/asynchrones System). Sie sind in der Lage, die Vor- und Nachteile verschiedener Arten von Interprozesskommunikation zu beschreiben. Sie kennen die wichtigsten Architekturvarianten von Verteilten Systemen einschließlich ihrer Vor- und Nachteile. Die Teilnehmer sind in der Lage, mindestens drei Synchronisationsverfahren zu beschreiben. 

Studierende können auf unterschiedliche Arten verteilte Systeme realisieren. Dabei können sie folgende Methoden verwenden:

• Eigenes Protokoll entwerfen und mittels TCP umsetzen
• HTTP als entfernten Aufruf nutzen
• RMI als Middleware nutzen
  

Die Studierenden kennen den Unterschied zwischen Rechengenauigkeit und Ergebnisgenauigkeit. Für diverse, grundlegende Problemstellungen kennen sie approximative sowie exakte Lösungsmöglichkeiten. Sie können zwischen effizient, nicht effizient und prinzipiell unlösbaren Problemen unterscheiden.

Die Studierenden können komplexe Problemstellungen aus der Mathematik und Informatik analysieren und insbesondere die Empfindlichkeit der Lösung bestimmen. Sie können für diverse Probleme bestmögliche Algorithmen im Hinblick auf die Genauigkeit der Lösung entwerfen.

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren, zum Beispiel während Kleingruppenübungen.

• Studierende können die grundlegenden Begriffe der Kombinatorik und Algorithmik benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
• Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

Die Studierenden können

• die Grundlagen der Halbleiterphysik darstellen,

• die Wirkprinzipien wichtiger Halbleiterbauelemente erklären,

• Bauelementfunktionen und Ersatzschaltbilder angeben sowie ihre Herleitung erläutern und

• die Grenzen der Modelle diskutieren.

Die Studierenden sind in der Lage

• Bauelemente im jeweiligen Grundbetrieb anzuwenden,

• eigenständig physikalische Zusammenhänge zu erkennen und Lösungen für komplexe Aufgabenstellungen zu finden.

Studierende können in Gruppen Versuche planen, durchführen sowie die Ergebnisse präsentieren und vor anderen vertreten.

Die Studierenden kennen

• Stellenwertsysteme,
• Boolesche Funktionen und Schaltnetze,
• Aufbau, Organisation und Arbeitsweise des von-Neumann-Rechners,
• Assembler und Maschinenprogramme,
  
• Grundzüge der blockstrukturierten Programmierung.
  

Die Studierenden können

• Stellenwertsysteme beschreiben und in Stellenwertsystemen rechnen,
• Boolesche Funktionen spezifizieren und analysieren,
• kombinatorische Schaltungen (Rechenwerk) entwerfen,
• den Ablauf von Programmen in einem von-Neumann-Rechner beschreiben,
• in Assembler einfache Beispiele programmieren,
• in einer blockstrukturieren Sprache einfache Beispiele programmieren,
• algorithmisch denken.
  

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.

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

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

Students explain the workings of a compiler and break down a compilation task in different phases. They apply and modify the major algorithms for compiler construction and code improvement. They can re-write those algorithms in a programming language, run and test them. They choose appropriate internal languages and representations and justify their choice. They explain and modify implementations of existing compiler frameworks and experiment with frameworks and tools. 

Students design and implement arbitrary compilation phases. They integrate their code in existing compiler frameworks. They organize their compiler code properly as a software project. They generalize algorithms for compiler construction to algorithms that analyze or synthesize software. 

Students develop the software in a team. They explain problems and solutions to their team members. They present and defend their software in class. They communicate in English.

• Studierende können die Funktionsweisen von verschiedenen MOS-Bauelementen in unterschiedlichen Schaltungen erklären.
• Studierende sind in der Lage, grundlegende digitale Logik-Schaltungen zu benennen und ihre Vor- und Nachteile zu diskutieren.
• Studierende können aktuelle Speichertypen benennen, deren Funktionsweise erklären und Kenngrößen angeben.
• Studierende können die Funktionsweise von Analogschaltungen und deren Anwendungen erklären.
• Studierende können geeignete Anwendungsbereiche von Bipolartransistoren benennen.

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

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

Cyber-Physical Systems (CPS) stehen über Sensoren, A/D- und D/A-Wandler und Aktoren in enger Verbindung mit ihrer Umgebung. Wegen der besonderen Einsatzgebiete kommen hier hochgradig spezialisierte Sensoren, Prozessoren und Aktoren zum Einsatz, die applikationsspezifisch auf ihr jeweiliges Einsatzgebiet ausgerichtet sind. Dementsprechend existiert - im Gegensatz zum klassischen Software Engineering - eine Vielzahl unterschiedlicher Techniken zur Spezifikation von CPS.

In Form von rechnergestützten Versuchen mit Roboterbausätzen werden in dieser Veranstaltung die Grundzüge der Spezifikation und Modellierung von CPS vermittelt. Das Labor behandelt die Einführung in diese Systeme (Begriffsbildung, charakteristische Eigenschaften) und deren Spezifikationssprachen (models of computation, hierarchische Zustandsautomaten, Datenfluss-Modelle, Petri-Netze, imperative Techniken). Da CPS häufig Steuerungs- und Regelungsaufgaben erfüllen, wird das Labor praxisnah einfache Anwendungen aus der Regelungstechnik vermitteln. Die Versuche nutzen gängige Spezifikationswerkzeuge (MATLAB/Simulink, LabVIEW, NXC), um hiermit Cyber-Physical Systems zu modellieren, die über Sensoren und Aktoren mit ihrer Umwelt interagieren.

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.

Die Studierenden können die Funktionen von medizintechnischen Systemen wie beispielsweise bildgebenden Systemen, Assistenzsystemen im OP, medizintechnischen Sensorsystemen und medizintechnischen Informationssystemen erklären. Sie können einen Überblick über Regulatorische Rahmenbedingungen und Standards in der Medizintechnik geben.

Die Studierenden sind in der Lage ihr grundlegendes Verständnis von medizintechnischen Systemem auf praxisrelevante Problemstellungen anzuwenden.

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

Studierende können

• klassische und moderne Iterationsverfahren und deren Zusammenhänge untereinander benennen,

• Konvergenzaussagen zu Iterationsverfahren wiedergeben,
  

• Aspekte der effizienten Implementierung von Iterationsverfahren erklären.
  

Studierende sind in der Lage,

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

Studierende können

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

• Studierende können die grundlegenden Begriffe der Mathematischen Statistik benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
• Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.