Modulhandbuch

Master

Informatik-Ingenieurwesen

Kohorte: Wintersemester 2016

Stand: 8. Juli 2017

Studiengangsbeschreibung

Inhalt

Ingenieurdisziplinen nutzen Ergebnisse der Informatik- und Mathematikforschung in immer stärkerem Ausmaß, sowohl bei der Entwicklung von Produkten als auch in den Produkten selbst. Dieser Trend wird sich durchaus noch verstärken. Neue Ergebnisse in der Informatik und Mathematik werden so zu einem wichtigen Innovationsfaktor des Ingenieurwesens und sind daher zentrale Kompetenzfelder eines Ingenieurs und einer Technischen Universität und wirken sich auch auf die Ziele des Studiengangs Informatik-Ingenieurwesen aus.

Das wesentliche Ziel des Studiengangs besteht darin, das für den erfolgreichen Einsatz von Ingenieurtechniken in Industrie, Handel und Verwaltung notwendige Wissen und die damit verbundenen Fertigkeiten auf sehr hohem Niveau bereitzustellen, so dass nachhaltig die Produktivität der Absolventen gefördert wird.

Der Masterstudiengang Informatik-Ingenieurwesen vermittelt ein breites, fundiertes und vertieftes Grundlagenwissen auf den Gebieten mathematische Modellbildung in der Informatik, IT-Systeme und Ingenieurwissenschaften. Des Weiteren werden weiterführende Kenntnisse in Betriebswirtschaftslehre und Management sowie nichttechnischen Fächern erworben, um die Kompetenzen für das Bewältigen von umfangreichen ingenieurmäßigen IT-Projekten zu erhöhen. Der Masterstudiengang bereitet sowohl auf praktische Berufsfelder der Informatik als auch auf die Promotion vor.        


Berufliche Perspektiven

Der Studiengang Informatik-Ingenieurwesen bietet durch die vertiefte Ausbildung in den Bereichen Informations- und Kommunikationstechnik, Systemtechnik und Wissenschaftliches Rechnen hervorragende Perspektiven sowohl auf dem industriellen als auch auf dem akademischen Arbeitsmarkt. Der Masterabschluss befähigt die Absolventen zur Promotion.

Lernziele

Die gewünschten Lernergebnisse des Studiengangs richten sich nach den oben aufgeführten Zielsetzungen. Alle aufgelisteten Lernergebnisse stellen Kompetenzen dar, die sowohl im Firmen- als auch im Forschungsumfeld benötigt werden. Die hier aufgeführten Kompetenzen beziehen sich zur Abgrenzung zum IIW-Bachelorprogramm jeweils auf komplexe Problem, auf die Berücksichtigung von Unsicherheit und auf die Arbeit unter unterspezifizierten Bedingungen. Die Lernziele sind im Folgenden eingeteilt in die Kategorien Wissen, Fertigkeiten, Sozialkompetenz und Selbstständigkeit.


Wissen

Das Wissen setzt sich zusammen aus Fakten, Grundsätzen und Theorien in den Fächern Informatik, Mathematik und Ingenieurwesen.

  1. Der Studierende kann neue und fortgeschrittene zur formalen Modellierung von Anwendungsproblemen notwendige Repräsentationssprachen der Informatik und Mathematik wiedergeben, definieren und erläutern (Syntax, Semantik, Entscheidungsprobleme), so dass auch Nicht-Standard-Anwendungsfälle behandelt werden können.
  2. Studierende können fortgeschrittene Daten- und Indexstrukturen für sequentielle und parallele Algorithmen wiedergeben und ihre Vor- und Nachteile für spezielle Aufgaben benennen. Studierende können optimale Algorithmen zur Lösung von Entscheidungsproblemen für formale Modellierungstechniken angeben, so dass (im typischen Fall) ein akzeptables Laufzeitverhalten entsteht.
  3. Studierende wissen, wie Komponenten integriert werden können, so dass sich ein gewünschtes Verhalten ergibt (reduktionistischer und selbstorganisierender Ansatz) und dabei Sicherheits- und Zuverlässigkeits- und Fehlertoleranzaspekte beachtet werden.
  4. Die Studierenden kennen auch nicht-klassische Anwendungsfälle der informatisch-mathematischen Modellierungstechniken im Ingenieurbereich und können diese erläutern.
  5. Die Absolventen und Absolventinnen sind in der Lage, Forschungsziele wiederzugeben, diesbezügliche Planung zu ihrer Erreichung zu erläutern, und die Organisations- und Personalstrukturen in Forschungsprojekten zu benennen.


Fertigkeiten

Die Fähigkeit, erlerntes Wissen anzuwenden, um Aufgaben zu bewältigen und damit Probleme zu lösen, wird in dem Studiengang Informatik-Ingenieurwesen in vielen Facetten unterstützt.

  1. Studierende können formale Repräsentationssprachen komplexe Probleme entwerfen und weiterentwickeln (Syntax, Semantik, Entscheidungsprobleme), und sie können die für spezielle Anwendungen notwendige Ausdrucksstärke einschätzen und bestimmen. Studierende können Entscheidungsprobleme verschiedener ausdruckstarker Formalismen aufeinander abbilden und damit die Ausdrucksstärke von Formalismen vergleichen.
  2. Studierende können Algorithmen für komplexe Entscheidungsprobleme auf Vollständigkeit und Korrektheit bzw. Konvergenzverhalten und Approximationsgüte untersuchen, und sie können darlegen, ob ein Algorithmus optimal ist bzw. für welche Arten von Eingaben der schlimmste bzw. der typische Fall in Bezug auf das Laufzeitverhalten eines Algorithmus auftritt.
  3. Der Studierende kann formale Modellierungstechniken für Ingenieuranwendungen einsetzen, um  robuste Systeme zu erstellen, zu überprüfen oder zu bewerten, um damit nicht-triviale Probleme aus einem Anwendungskontext zu lösen (als Simulation, als Datenmanagement-System, als Applikation usw.).
  4. Studierende können demonstrieren, dass gewünschte Zustände eines komplexen Systems (im wahrscheinlichen Fall) rechtzeitig erreicht werden (Steuerbarkeit, Erreichbarkeit mit Zeiteinschränkungen), und dass ungewünschte Zustände in keinem Fall erreicht werden oder dass deren Erreichung unwahrscheinlich ist (Sicherheits- und Lebendigkeitseigenschaften).
  5. Studierende können Schnittstellen entwerfen, die es gestatten, große und verteilte Systeme aus Modulen aufzubauen, deren Interna angepasst werden können, ohne dass sich die Schnittstellen verändern. Studierende sind in der Lage, Kommunikationsstrukturen anzugeben bzw. zu entwickeln, die gewünschte Eigenschaften aufweisen und die Module in angemessener Weise verbinden.


Sozialkompetenz

Die Fähigkeit und der Wille, zielorientiert mit anderen zusammen zu arbeiten, ihre Interessen und sozialen Situationen zu erfassen, sich zu verständigen und die Arbeits- und Lebenswelt mitzugestalten wird für den Studiengang Informatik-Ingenieurwesen wie folgt aufgeschlüsselt:

  1. Studierende können sich zu Teams zur Lösung von nichttrivialen Problemen unter ggf. vager Aufgabebeschreibung in Gruppen zusammenschließen, Teilaufgaben definieren und verteilen, zeitliche Vereinbarungen treffen, Teillösungen integrieren. Sie sind in der Lage, effizient zu kommunizieren und sozial angemessen zu interagieren.
  2. Studierenden 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
  3. Studierenden beschreiben wissenschaftliche Fragstellungen 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.


Kompetenz zum selbständigen Arbeiten

Das Vermögen und die Bereitschaft, eigenständig und verantwortlich zu handeln, eigenes Handeln und das Handeln anderer zu reflektieren, und auch die eigene Handlungsfähigkeit weiterzuentwickeln, zergliedert sich wie folgt:

  1. Die Studierenden bewerten selbständig Vor- und Nachteile von Repräsentationsformalismen für bestimmte Aufgaben, vergleichen verschiedene Algorithmen und Datenstrukturen sowie Programmiersprachen und Programmierwerkzeuge, und sie wählen eigenverantwortlich die jeweils beste Lösung aus.
  2. Die Absolventen und Absolventinnen erarbeiten sich selbständig ein wissenschaftliches Teilgebiet, können dieses in einer Präsentation vorstellen und verfolgen aktiv die Präsentationen anderer Studierender, so dass ein interaktiver Diskurs über ein wissenschaftliches Thema entsteht.
  3. Studierende integrieren sich selbständig in einen Projektkontext und übernehmen eigenverantwortlich Aufgaben in einem Software- oder Hardware-Entwicklungsprojekt.

Studiengangsstruktur

Das Curriculum des Masterstudiengangs Informatik-Ingenieurwesen ist wie folgt gegliedert:
  • Kernqualifikation - Pflicht: 3 Module, 30 Leistungspunkte (LP), 1. - 3. Semester
  • Kernqualifikation - Wahlpflicht: 2 Module, 12 Leistungspunkte, 1. - 2. Semester
  • Vertiefung: 48 LP, 1. - 3. Semester
  • Masterarbeit: 30 LP, 6. Semester

Damit ergibt sich ein Gesamtaufwand von 120 LP.

Die Pflichtmodule der Kernqualifikation sind teilen sich auf in überfachliche Module:

  • Nichttechnische Ergänzungskurse im Master: 6 LP, 1. - 3. Semester
  • Betrieb & Management: 6 LP, 1. - 3. Semester

und das Forschungsprojekt mit Seminar (18 LP, 3. Semester).

In den Wahlpflichtmodulen der Kernqualifikation werden fachliche Schlüsselqualifikationen vermittelt, die für den weiteren Verlauf des Studiums grundlegend sind. Die Studierenden belegen je nach Schwerpunktlegung zwei Module im Umfang von 12 LP.

In der Vertiefung werden fachliche Schlüsselqualifikationen erworben. Es gibt die folgenden Vertiefungen:

  • Ingenieurwesen
  • Informations- und Kommunikationstechnik
  • Systemtechnik
  • Wissenschaftliches Rechnen

In der Vertiefung Ingenieurwesen wählen die Studierenden ein Modul im Umfang von 6 LP. Sie wählen zudem eine der anderen Vertiefungsrichtungen und belegen darin Module im Umfang von 42 LP. In jeder Vertiefungsrichtung sind genügend Module vorhanden, sodass ausreichend Wahlmöglichkeiten bestehen.

Der Studienplan enthält ein Mobilitätsfenster derart, dass Studierende das dritte Semester im Ausland absolvieren können.

Fachmodule der Kernqualifikation

Modul M0523: Betrieb & Management

Modulverantwortlicher Prof. Matthias Meyer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden sind in der Lage, ausgewählte betriebswirtschaftliche Spezialgebiete innerhalb der Betriebswirtschaftslehre zu verorten.
  • Die Studierenden können in ausgewählten betriebswirtschaftlichen Teilbereichen grundlegende Theorien, Kategorien und Modelle erklären.
  • Die Studierenden können technisches und betriebswirtschaftliches Wissen miteinander in Beziehung setzen.


Fertigkeiten
  • Die Studierenden können in ausgewählten betriebswirtschaftlichen Teilbereichen grundlegende Methoden anwenden.
  • Die Studierenden können für praktische Fragestellungen in betriebswirtschaftlichen Teilbereichen Entscheidungsvorschläge begründen.


Personale Kompetenzen
Sozialkompetenz --
Selbstständigkeit
  • Die Studierenden sind in der Lage, sich notwendiges Wissen durch Recherchen und Aufbereitungen von Material selbstständig zu erschließen.


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 M0524: Nichttechnische Ergänzungskurse im Master

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)

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 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

  • ausgewähltes Spezialgebiete des jeweiligen nichttechnischen Bereiches erläutern,
  • 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).



Fertigkeiten

Die Studierenden können in ausgewählten Teilbereichen

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




Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind fähig ,

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



Selbstständigkeit

Die Studierenden sind in ausgewählten Bereichen in der Lage,

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




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

Modul M0804: Forschungsprojekt und Seminar

Lehrveranstaltungen
Titel Typ SWS LP
Forschungsprojekt (L1761) Projektierungskurs 10 15
Hauptseminar (L0817) Seminar 2 3
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Wissen und Fertigkeiten aus einer der Vertiefungen im Master-Bereich des Studienganges
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden wissen, wie man sich ein Teilgebiet der Informatik (oder in einen angrenzenden Bereich) selbständig erschließt.

Fertigkeiten

Die Studierenden können ein Teilgebiet der Informatik (oder in einem angrenzenden Bereich) selbständig bearbeiten.

Personale Kompetenzen
Sozialkompetenz

Studierenden 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.

Selbstständigkeit

Die Studierenden können ein Teilgebiet in einer Präsentation vorstellen. Sie können aktiv die Präsentationen anderer Studierender verfolgen, so dass evtl. ein interaktiver Diskurs über ein wissenschaftliches Thema entsteht.

Arbeitsaufwand in Stunden Eigenstudium 372, Präsenzstudium 168
Leistungspunkte 18
Prüfung laut FSPO
Prüfungsdauer und -umfang Das Seminar erfordert eine Präsentation über ein aktuelles Forschungsthema (Vortrag 25-30 min und Diskussion 5 min). Das Forschungsprojekt ist eine Projektarbeit im Sinne der ASPO und der einschlägigen FSPO.
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Lehrveranstaltung L1761: Forschungsprojekt
Typ Projektierungskurs
SWS 10
LP 15
Arbeitsaufwand in Stunden Eigenstudium 310, Präsenzstudium 140
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum WiSe
Inhalt

Aktuelle Forschungsthemen aus der gewählten Vertiefungsrichtung. 

Literatur

Aktuelle Literatur zu Forschungsthemen aus der gewählten Vertiefungsrichtung.
/
Current literature on research topics of the chosen specialization.

Lehrveranstaltung L0817: Hauptseminar
Typ Seminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Seminarvorträge der teilnehmenden Studierenden über die im Forschungsprojekt durchgeführten Arbeiten
  • Aktive Teilnahme an der Diskussion


Literatur Wird vom Veranstalter bekanntgegeben.

Fachmodule der Vertiefung Informations- und Kommunikationstechnik

Die Vertiefung, in der Sicherheit eine besondere Rolle spielt, bietet einerseits eine umfangreiche Ausbildung für Branchen der Informatik in verschiedenen Ingenieurbereichen wie z.B. Automobilindustrie, Flugzeugindustrie, Industrieautomatisierung, Smart Homes, Smart Ports, Smart Cities usw. Andererseits wird in dieser Vertiefung eine fundierte Ausbildung für eines der gesellschaftlich bedeutsamsten Forschungsgebiete in Informatik und Ingenieurwesen angeboten, so dass Absolventen vielfältige Möglichkeiten zur wissenschaftlichen Weiterqualifikation geboten werden.

Modul M0676: Digitale Nachrichtenübertragung

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Nachrichtenübertragung (L0444) Vorlesung 2 3
Digitale Nachrichtenübertragung (L0445) Hörsaalübung 1 2
Praktikum Digitale Nachrichtenübertragung (L0646) Laborpraktikum 1 1
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik 1-3
  • Signale und Systeme
  • Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Die Studierenden sind in der Lage, moderne digitale Nachrichtenübertragungsverfahren zu verstehen, zu vergleichen und zu entwerfen. Sie sind vertraut mit den Eigenschaften linearer und nicht-linearer digitaler Modulationsverfahren. Sie können die Verzerrungen durch Übertragungskanäle beschreiben sowie Empfänger einschließlich Kanalschätzung und Entzerrung entwerfen und beurteilen. Sie kennen die Prinzipien der Single Carrier- und Multicarrier-Übertragung und die Grundlagen wichtiger Vielfachzugriffsverfahren.
Fertigkeiten

Die Studierenden sind in der Lage, ein digitales Nachrichtenübertragungsverfahren einschließlich Vielfachzugriff zu analysieren und zu entwerfen. Sie sind in der Lage, ein hinsichtlich Übertragungsrate, Bandbreitebedarf, Fehlerwahrscheinlichkeit und weiterer Signaleigenschaften geeignetes digitales Modulationsverfahren zu wählen. Sie können einen geeigneten Detektor einschließlich Kanalschätzung und Entzerrung entwerfen und dabei Eigenschaften suboptimaler Verfahren hinsichtlich Leistungsfähigkeit und Aufwand berücksichtigen. Sie sind in der Lage, ein Single-Carrierverfahren oder ein Multicarrier-Verfahren zu dimensionieren und die Eigenschaften beider Ansätze gegeneinander abzuwägen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in 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 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Pflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Lehrveranstaltung L0444: Digitale Nachrichtenübertragung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Digitale Modulationsverfahren

  • Kohärente und nicht-kohärente Detektion

  • Kanalschätzung und Entzerrung

  • Single-Carrier- und Multicarrierübertragungsverfahren, Vielfachzugriffsverfahren (TDMA, FDMA, CDMA, OFDM)

Literatur

K. Kammeyer: Nachrichtenübertragung, Teubner

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

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

S. Haykin: Communication Systems. Wiley

R.G. Gallager: Principles of Digital Communication. Cambridge

A. Goldsmith: Wireless Communication. Cambridge.

D. Tse, P. Viswanath: Fundamentals of Wireless Communication. Cambridge.

Lehrveranstaltung L0445: Digitale Nachrichtenübertragung
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0646: Praktikum Digitale Nachrichtenübertragung
Typ Laborpraktikum
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt

- DSL-Übertragung

- Stochastische Prozesse

- Digitale Datenübertragung

Literatur

K. Kammeyer: Nachrichtenübertragung, Teubner

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

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

S. Haykin: Communication Systems. Wiley

R.G. Gallager: Principles of Digital Communication. Cambridge

A. Goldsmith: Wireless Communication. Cambridge.

D. Tse, P. Viswanath: Fundamentals of Wireless Communication. Cambridge.

Modul M1244: Technischer Ergänzungskurs I für IIWMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht

Modul M0677: Digital Signal Processing and Digital Filters

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Signalverarbeitung und Digitale Filter (L0446) Vorlesung 3 4
Digitale Signalverarbeitung und Digitale Filter (L0447) Hörsaalübung 1 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Mathematics 1-3
  • Signals and Systems
  • Fundamentals of signal and system theory as well as random processes.
  • Fundamentals of spectral transforms (Fourier series, Fourier transform, Laplace transform)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen The students know and understand basic algorithms of digital signal processing. They are familiar with the spectral transforms of discrete-time signals and are able to describe and analyse signals and systems in time and image domain. They know basic structures of digital filters and can identify and assess important properties including stability. They are aware of the effects caused by quantization of filter coefficients and signals. They are familiar with the basics of adaptive filters. They can perform traditional and parametric methods of spectrum estimation, also taking a limited observation window into account.
Fertigkeiten The students are able to apply methods of digital signal processing to new problems. They can choose and parameterize suitable filter striuctures. In particular, the can design adaptive filters according to the minimum mean squared error (MMSE) criterion and develop an efficient implementation, e.g. based on the LMS or RLS algorithm.  Furthermore, the students are able to apply methods of spectrum estimation and to take the effects of a limited observation window into account.
Personale Kompetenzen
Sozialkompetenz

The students can jointly solve specific problems.

Selbstständigkeit

The students are able to acquire relevant information from appropriate literature sources. They can control their level of knowledge during the lecture period by solving tutorial problems, software tools, clicker system.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Microelectronics Complements: Wahlpflicht
Lehrveranstaltung L0446: Digital Signal Processing and Digital Filters
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum WiSe
Inhalt
  • Transforms of discrete-time signals:

    • Discrete-time Fourier Transform (DTFT)

    • Discrete Fourier-Transform (DFT), Fast Fourier Transform (FFT)

    • Z-Transform

  • Correspondence of continuous-time and discrete-time signals, sampling, sampling theorem

  • Fast convolution, Overlap-Add-Method, Overlap-Save-Method

  • Fundamental structures and basic types of digital filters

  • Characterization of digital filters using pole-zero plots, important properties of digital filters

  • Quantization effects

  • Design of linear-phase filters

  • Fundamentals of stochastic signal processing and adaptive filters

    • MMSE criterion

    • Wiener Filter

    • LMS- and RLS-algorithm

  • Traditional and parametric methods of spectrum estimation

Literatur

K.-D. Kammeyer, K. Kroschel: Digitale Signalverarbeitung. Vieweg Teubner.

V. Oppenheim, R. W. Schafer, J. R. Buck: Zeitdiskrete Signalverarbeitung. Pearson StudiumA. V.

W. Hess: Digitale Filter. Teubner.

Oppenheim, R. W. Schafer: Digital signal processing. Prentice Hall.

S. Haykin:  Adaptive flter theory.

L. B. Jackson: Digital filters and signal processing. Kluwer.

T.W. Parks, C.S. Burrus: Digital filter design. Wiley.

Lehrveranstaltung L0447: Digital Signal Processing and Digital Filters
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0836: Communication Networks I - Analysis and Structure

Lehrveranstaltungen
Titel Typ SWS LP
Analyse und Struktur von Kommunikationsnetzen (L0897) Vorlesung 2 2
Ausgewählte Themen der Kommunikationsnetze (L0899) Problemorientierte Lehrveranstaltung 2 2
Übung Kommunikationsnetze (L0898) Problemorientierte Lehrveranstaltung 1 2
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse
  • Fundamental stochastics
  • Basic understanding of computer networks and/or communication technologies is beneficial
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to describe the principles and structures of communication networks in detail. They can explain the formal description methods of communication networks and their protocols. They are able to explain how current and complex communication networks work and describe the current research in these examples.

Fertigkeiten

Students are able to evaluate the performance of communication networks using the learned methods. They are able to work out problems themselves and apply the learned methods. They can apply what they have learned autonomously on further and new communication networks.

Personale Kompetenzen
Sozialkompetenz

Students are able to define tasks themselves in small teams and solve these problems together using the learned methods. They can present the obtained results. They are able to discuss and critically analyse the solutions.

Selbstständigkeit

Students are able to obtain the necessary expert knowledge for understanding the functionality and performance capabilities of new communication networks independently.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Kolloquium
Prüfungsdauer und -umfang 1,5 Stunden Kolloquium mit je drei Prüflingen, also ca. 30 min je Prüfling. Inhalt des Kolloquiums sind die Poster der vorhergehenden Postersession sowie die Lehrinhalte.
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0897: Analysis and Structure of Communication Networks
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Maciej Mühleisen
Sprachen EN
Zeitraum WiSe
Inhalt
Literatur
  • Skript des Instituts für Kommunikationsnetze
  • Tannenbaum, Computernetzwerke, Pearson-Studium


Further literature is announced at the beginning of the lecture.

Lehrveranstaltung L0899: Selected Topics of Communication Networks
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Maciej Mühleisen
Sprachen EN
Zeitraum WiSe
Inhalt Example networks selected by the students will be researched on in a PBL course by the students in groups and will be presented in a poster session at the end of the term.
Literatur
  • see lecture
Lehrveranstaltung L0898: Communication Networks Excercise
Typ Problemorientierte Lehrveranstaltung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr. Maciej Mühleisen
Sprachen EN
Zeitraum WiSe
Inhalt Part of the content of the lecture Communication Networks are reflected in computing tasks in groups, others are motivated and addressed in the form of a PBL exercise.
Literatur
  • announced during lecture

Modul M0586: Effiziente Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Effiziente Algorithmen (L0120) Vorlesung 2 3
Effiziente Algorithmen (L1207) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Programmieren in Matlab und/oder C

Grundkenntnisse in diskreter Mathematik

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

Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Netzwerkalgorithmen und insbesondere deren Datenstrukturen erklären. Sie können das Rechenzeitverhalten wesentlicher Netzwerkalgorithmen beschreiben und analysieren. Die Studierenden können insbesondere zwischen effizient lösbaren und NP-harten Aufgabenstellungen diskriminieren.

Fertigkeiten

Die Studenten können komplexe Problemstellungen analysieren und die Möglichkeiten der Transformation in Netzwerkalgorithmen bestimmen. Sie können grundlegende Algorithmen und Datenstrukturen der linearen Optimierung und Netzwerktheorie effizient implementieren und mögliche Schwachstellen identifizieren. Sie können die Auswirkung der Nutzung verschiedener effizienter Datenstrukturen selbständig analysieren und jene gegebenenfalls einsetzen.

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0120: Effiziente Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt

- Lineare Optimierung

- Datenstrukturen

- Leftist heaps

- Minimum spanning tree

- Shortest path

- Maximum flow

- NP-harte Probleme via max-cut

Literatur

R. E. Tarjan: Data Structures and Network Algorithms. CBMS 44, Society for Industrial and Applied Mathematics, Philadelphia, PA, 1983.

Wesley, 2011 http://algs4.cs.princeton.edu/home/

V. Chvátal, ``Linear Programming'', Freeman, New York, 1983.

Lehrveranstaltung L1207: Effiziente Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0667: Algorithmische Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmische Algebra (L0422) Vorlesung 3 5
Algorithmische Algebra (L0423) Gruppenübung 1 1
Modulverantwortlicher Dr. Prashant Batra
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Mathe I-III (Reelle Analysis,Rechnen in Vektorräumen, Vollst. Induktion)  Diskrete Mathematik I (Gruppen, Ringe, Ideale, Körper; euklidscher Algorithmus)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern: Smith-Normalform, Chinesischer Restsatz, Gitterpunktsätze, Ganzzahlige Lösung von Ungleichungssystemen.




Fertigkeiten


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, wie beispielsweise bei der Lösung multivariater Gleichungssysteme und in der Gitterpunkttheorie.


Personale Kompetenzen
Sozialkompetenz ,
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0422: Algorithmische Algebra
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt

 Erweiterter Euklidscher Algorithmus, Lösen der Bezout-Gleichung

Teilen mit Rest in Ringen

Schnelle Rechenalgorithmen (Konversion in Zahlformate, Schnelle Multiplikationen)

Diskrete Fourier-Transformation in Ringe

Rechnen mit modularen Resten, Lösen von Restsystemen (Chinesischer Restsatz), Lösbarkeit ganzzahliger 'Gleichungssysteme

Linearisierung polynomialer Gleichungen - Matrizenansatz

Sylvester-Matrix, Elimination

Elimination in Ringen, Elimination mehrer Veränderlicher

Buchberger-Algorithmus, Gröbner-Basis

Minkowskischer Gitterpunktsatz und Ganzzahlige Optimierung

LLL-Algorithmus zum Auffinden 'kurzer' Vektoren in polynomialer Zeit







Literatur von zur Gathen, Joachim; Gerhard, Jürgen

Modern computer algebra. 3rd ed. (English) Zbl 1277.68002
Cambridge: Cambridge University Press (ISBN 978-1-107-03903-2/hbk; 978-1-139-85606-5/ebook).


Yap, Chee Keng
Fundamental problems of algorithmic algebra. (English) Zbl 0999.68261
Oxford: Oxford University Press. xvi, 511 p. $ 87.00 (2000).


Free download for students from author's website: http://cs.nyu.edu/yap/book/berlin/

Cox, David; Little, John; O’Shea, Donal
Ideals, varieties, and algorithms. An introduction to computational algebraic geometry and commutative algebra. 3rd ed. (English) Zbl 1118.13001
Undergraduate Texts in Mathematics. New York, NY: Springer (ISBN 978-0-387-35650-1/hbk; 978-0-387-35651-8/ebook). xv, 551 p.

eBook: http://dx.doi.org/10.1007/978-0-387-35651-8


Concrete abstract algebra : from numbers to Gröbner bases / Niels Lauritzen
Verfasser: 
Lauritzen, Niels
Ausgabe: 
Reprinted with corr.
Erschienen: 
Cambridge [u.a.] : Cambridge Univ. Press, 2006
Umfang: 
XIV, 240 S. : graph. Darst.
Anmerkung: 
Includes bibliographical references and index
ISBN: 
0-521-82679-9, 978-0-521-82679-2 (hbk.) : GBP 55.00
0-521-53410-0, 978-0-521-53410-9 (pbk.) : USD 39.99

Koepf, Wolfram
Computer algebra. An algorithmic oriented introduction. (Computeralgebra. Eine algorithmisch orientierte Einführung.) (German) Zbl 1161.68881
Berlin: Springer (ISBN 3-540-29894-0/pbk). xiii, 515 p.

springer eBook: http://dx.doi.org/10.1007/3-540-29895-9

Kaplan, Michael
Computer algebra. (Computeralgebra.) (German) Zbl 1093.68148
Berlin: Springer (ISBN 3-540-21379-1/pbk). xii, 391 p.

springer eBook:

http://dx.doi.org/10.1007/b137968



Lehrveranstaltung L0423: Algorithmische Algebra
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0926: Verteilte Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Verteilte Algorithmen (L1071) Vorlesung 2 3
Verteilte Algorithmen (L1072) Hörsaalübung 2 3
Modulverantwortlicher Prof. Volker Turau
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Algorithmen und Datenstrukturen
  • Verteilte Systeme
  • Diskrete Mathematik
  • Graphentheorie
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die wichtigsten Abstraktion von Verteilten Algorithmen erklären (synchrones/asynchrones Model, nachrichtenbasierte und speicherbasierte Kommunikation, Randomisierung). Sie sind in der Lage, komplexitätsmaße für verteilte Algorithmen zu beschreiben (Runden-, Nachrichten- und Speicherkomplexität). Sie können Basisalgorithmen für die wichtigsten verteilten Probleme:  Leader election, wechselseitiger Ausschluss, Graphfärbungen, Spannbäume beschreiben. Sie kennen die wesentlichen Techniken von radomisierten Algorithmen.

Fertigkeiten

Studierende können eigene verteilte Algorithmen entwerfen und der Komplexität analysieren. Sie greifen dabei auf existierende Standardalgorithmen zurück. Sie analysieren die Komplexität randomisierter Algorithmen.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1071: Verteilte Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Leader Election
  • Färbungen & Unabhängige Mengen
  • Algorithmen für Bäume
  • Minimal aufspannende Bäume
  • Randomisierte Verteilte Algorithmen
  • Wechselseitiger Ausschluss
Literatur
  1. David Peleg: Distributed Computing - A Locality-Sensitive Approach. SIAM Monograph, 2000

  2. Gerard Tel: Introduction to Distributed Algorithms, Cambridge University Press, 2nd edition, 2000
  3. Nancy Lynch: Distributed Algorithms. Morgan Kaufmann, 1996
  4. Volker Turau: Algorithmische Graphentheorie. Oldenbourg Wissenschaftsverlag, 3. Auflage, 2004.


Lehrveranstaltung L1072: Verteilte Algorithmen
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0683: Algebraische Statistik für computerorientierte Biologie

Lehrveranstaltungen
Titel Typ SWS LP
Algebraische Statistik für computerorientierte Biologie (L0456) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra. Grundlagen aus Stochastik und Statistik sind hilfreich.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • die wesentlichen Grundkonzepte aus der deskriptiven und schließenden Statistik;
  • das Alignment von Sequenzen, den Needleman-Wunsch-Algorithmus und die parametrisierte Verallgemeinerung;
  • das Hidden-Markov-Modell, den Viterbi-Algorithmus und seine Anwendung auf bioinformatische Aufgabenstellungen;
  • den Expectation-Minimization-Algorithmus und seine Applikation auf statistische Hidden-Modelle;
  • phylogentische Baum-Modelle als Hidden-Modelle, den Felsenstein-Algorithmus und heute in praxi eingesetzte Baummodelle wie etwas das Jukes-Cantor-Modell und seine Verallgemeinerungen;
  • allgemeine algebro-statistische Modelle und Invarianten für solche Modelle;
  • das Divisionsverfahren in multivariaten Polynomringen;
  • Gröbnerbasen und ihre Bedeutung für das Rechnen in multivariaten Polynomringen;
  • das Eliminationsverfahren zur Lösung polynomialer Gleichungssysteme;
  • den Einsatz von geeigneter mathematischer Software zur Lösung von algebro-statistischen Problemen;
  • Markov-Basen und ihre Berechnung anhand von Gröbnerbasen;
  • den Metropolis-Algorithmus für Markov-Modelle;
  • den Einsatz von Markov-Basen für die Auswertung von Kontingenztabellen sowie die Behandlung von Regressionsmodellen und das Hardy-Weinberg-Modell,
  • die Analyse von (partiellen) Rangdaten mithilfe der gewöhnlichen Darstellungstheorie der symmetrischen Gruppen.
Fertigkeiten

Fertigkeiten: Die Studierenden können

  • Alignments von Sequenzen inkl. der notwendigen Parametrisierung berechnen und analysieren;
  • Hidden-Markov-Modelle für algebro-statistische Aufgabenstellungen aufstellen und analysieren;
  • phylogenetische Baum-Modelle für DNA-Sequenzen gegenüberstellen und vergleichen;
  • Gröbnerbasen für algebro-statistische Modelle berechnen und damit Invarianten für derartige Modelle;
  • Markov-Basen für statistische Modelle herleiten und Sampling mithilfe des Metropolis-Algorithmus durchführen;
  • einschlägige mathematische Software (Maple, R, Singular) für die Modellierung von algebro-statistischen Modellen und für Rechnungen in multivariaten Polynomringen einsetzen.
Personale Kompetenzen
Sozialkompetenz

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

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von einschlägiger 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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0456: Algebraische Statistik für computerorientierte Biologie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
Literatur

Modul M0738: Digital Audio Signal Processing

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Audiosignalverarbeitung (L0650) Vorlesung 3 4
Digitale Audiosignalverarbeitung (L0651) Hörsaalübung 1 2
Modulverantwortlicher Prof. Udo Zölzer
Zulassungsvoraussetzungen

None

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

Die Studierenden können die grundlegenden Verfahren und Methoden der digitalen Audiosignalverarbeitung erklären. Sie können die wesentlichen physikalischen Effekte bei der Sprach- und Audiosignalverarbeitung erläutern und in Kategorien einordnen. Sie können einen Überblick der numerischen Methoden und messtechnischen Charakterisierung von Algorithmen zur Audiosignalverarbeitung geben. Sie können die erarbeiteten Algorithmen auf weitere Anwendungen im Bereich der Informationstechnik und Informatik abstrahieren.

Fertigkeiten

The students will be able to apply methods and techniques from audio signal processing in the fields of mobile and internet communication. They can rely on elementary algorithms of audio signal processing in form of Matlab code and interactive JAVA applets. They can study parameter modifications and evaluate the influence on human perception and technical applications in a variety of applications beyond audio signal processing. Students can perform measurements in time and frequency domain in order to give objective and subjective quality measures with respect to the methods and applications.

Personale Kompetenzen
Sozialkompetenz

The students can work in small groups to study special tasks and problems and will be enforced to present their results with adequate methods during the exercise.

Selbstständigkeit

The students will be able to retrieve information out of the relevant literature in the field and putt hem into the context of the lecture. They can relate their gathered knowledge and relate them to other lectures (signals and systems, digital communication systems, image and video processing, and pattern recognition). They will be prepared to understand and communicate problems and effects in the field audio signal processing.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 45 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0650: Digital Audio Signal Processing
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Udo Zölzer
Sprachen EN
Zeitraum WiSe
Inhalt
  • Introduction (Studio Technology,  Digital Transmission Systems, Storage Media, Audio Components at Home)

  • Quantization (Signal Quantization, Dither, Noise Shaping, Number Representation)

  • AD/DA Conversion (Methods, AD Converters, DA Converters, Audio Processing Systems, Digital Signal Processors, Digital Audio Interfaces, Single-Processor Systems, Multiprocessor Systems)

  • Equalizers (Recursive Audio Filters, Nonrecursive Audio Filters, Multi-Complementary Filter Bank)

  • Room Simulation (Early Reflections, Subsequent Reverberation, Approximation of Room Impulse Responses)

  • Dynamic Range Control (Static Curve, Dynamic Behavior, Implementation, Realization Aspects)

  • Sampling Rate Conversion (Synchronous Conversion, Asynchronous Conversion, Interpolation Methods)

  • Data Compression (Lossless Data Compression, Lossy Data Compression, Psychoacoustics, ISO-MPEG1 Audio Coding)

Literatur

- U. Zölzer, Digitale Audiosignalverarbeitung, 3. Aufl., B.G. Teubner, 2005.

- U. Zölzer, Digitale Audio Signal Processing, 2nd Edition, J. Wiley & Sons, 2005.


- U. Zölzer (Ed), Digital Audio Effects, 2nd Edition, J. Wiley & Sons, 2011.


 






Lehrveranstaltung L0651: Digital Audio Signal Processing
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Udo Zölzer
Sprachen EN
Zeitraum WiSe
Inhalt
Literatur

Modul M1245: Technischer Ergänzungskurs II für IIWMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht

Modul M0685: Computerorientierte Algebraische Geometrie

Lehrveranstaltungen
Titel Typ SWS LP
Computerorientierte Algebraische Geometrie (L1759) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse

Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra.

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

Wissen: Die Studierenden werden vertraut gemacht mit folgenden Themen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie

    Einsatz von CAS





Fertigkeiten

Die Studierenden können Rechnungen zu folgenden Themen durchführen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie





  • Algebraische Invariantentheorie und Codierungstheorie
  • Elliptische Kurven und Kryptographie

  • Knotenpolynome und Knotentheorie

  • Homologische Algebra und Sensornetze

  • Garbenkohomologie und globale Daten

    Extensiver Einsatz von CAS.

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 einschlägiger 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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1759: Computerorientierte Algebraische Geometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M0733: Software Analysis

Lehrveranstaltungen
Titel Typ SWS LP
Softwareanalyse (L0631) Vorlesung 2 3
Softwareanalyse (L0632) Gruppenübung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None

Empfohlene Vorkenntnisse
  • Basic knowledge of software-engineering activities
  • Discrete algebraic structures
  • Object-oriented programming, algorithms, and data structures
  • Functional programming or Procedural programming
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the major approaches to data-flow analysis, control-flow analysis, and type-based analysis, along with their classification schemes, and employ abstract interpretation. They explain the standard forms of internal representations and models, including their mathematical structure and properties, and evaluate their suitability for a particular analysis. They explain and categorize the major analysis algorithms. They distinguish precise solutions from approximative approaches, and show termination and soundness properties. 

Fertigkeiten

Presented with an analytical task for a software artifact, students select appropriate approaches from software analysis, and justify their choice. They design suitable representations by modifying standard representations. They develop customized analyses and devise them as safe overapproximations. They formulate analyses in a formal way and construct arguments for their correctness, behavior, and precision.

Personale Kompetenzen
Sozialkompetenz

Students discuss relevant topics in class. They defend their solutions orally. They communicate in English. 

Selbstständigkeit

Using accompanying on-line material for self study, students can assess their level of knowledge continuously and adjust it appropriately.  Working on exercise problems, they receive additional feedback. Within limits, they can set their own learning goals. Upon successful completion, students can identify and precisely formulate new problems in academic or applied research in the field of software analysis. Within this field, they can conduct independent studies to acquire the necessary competencies and compile their findings in academic reports. They can devise plans to arrive at new solutions or assess existing ones. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0631: Software Analysis
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt


  • Modeling: Control-Flow Modeling, Data Dependences, Intermediate Languages)
  • Classical Bit-Vector Analyses (Reaching Definition, Very Busy Expressions, Liveness, Available Expressions, May/Must, Forward/Backward)
  • Monotone Frameworks (Lattices, Transfer Functions, Ascending Chain Condition, Distributivity, Constant Propagation)
  • Theory of Data-Flow Analysis (Tarski's Fixed Point Theorem,  Data-Flow Equations, MFP Solution, MOP Solution, Worklist Algorithm)
  • Non-Classical Data-Flow Analyses
  • Abstract Interpretation (Galois Connections, Approximating Fixed Points, Construction Techniques)
  • Type Systems (Type Derivation, Inference Trees, Algorithm W, Unification)
  • Recent Developments of Analysis Techniques and Applications


Literatur
  • Flemming Nielsen, Hanne Nielsen, and Chris Hankin. Principles of Program Analysis. Springer, 2nd. ed. 2005.
  • Uday Khedker, Amitabha Sanyal, and Bageshri Karkara. Data Flow Analysis: Theory and Practice. CRC Press, 2009.
  • Selected research papers
Lehrveranstaltung L0632: Software Analysis
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0837: Communication Networks II - Simulation and Modeling

Lehrveranstaltungen
Titel Typ SWS LP
Simulation und Modellierung von Kommunikationsnetzen (L0887) Problemorientierte Lehrveranstaltung 5 6
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Knowledge of computer and communication networks
  • Basic programming skills
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to explain the necessary stochastics, the discrete event simulation technology and modelling of networks for performance evaluation.

Fertigkeiten

Students are able to apply the method of simulation for performance evaluation to different, also not practiced, problems of communication networks. The students can analyse the obtained results and explain the effects observed in the network. They are able to question their own results.

Personale Kompetenzen
Sozialkompetenz

Students are able to acquire expert knowledge in groups, present the results, and discuss solution approaches and results. They are able to work out solutions for new problems in small teams.

Selbstständigkeit

Students are able to transfer independently and in discussion with others the acquired method and expert knowledge to new problems. They can identify missing knowledge and acquire this knowledge independently.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Kolloquium
Prüfungsdauer und -umfang 45-60 Minuten Kolloquium mit zwei Studierenden, also ca. 30 Minuten pro Student.
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Lehrveranstaltung L0887: Simulation and Modelling of Communication Networks
Typ Problemorientierte Lehrveranstaltung
SWS 5
LP 6
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum SoSe
Inhalt

In the course necessary basic stochastics and the discrete event simulation are introduced. Also simulation models for communication networks, for example, traffic models, mobility models and radio channel models are presented in the lecture. Students work with a simulation tool, where they can directly try out the acquired skills, algorithms and models. At the end of the course increasingly complex networks and protocols are considered and their performance is determined by simulation.

Literatur
  • Skript des Instituts für Kommunikationsnetze

Further literature is announced at the beginning of the lecture.

Modul M1318: Wireless Sensor Networks

Lehrveranstaltungen
Titel Typ SWS LP
Ausgewählte Themen Drahtloser Sensornetzwerke (L1819) Problemorientierte Lehrveranstaltung 1 2
Drahtlose Sensornetze (L1815) Vorlesung 2 2
Drahtlose Sensornetze (L1816) Gruppenübung 1 2
Modulverantwortlicher Prof. Bernd-Christian Renner
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 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1819: Selected Topics of Wireless Sensor Networks
Typ Problemorientierte Lehrveranstaltung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt

Selected topics on sensor network research will be researched in a PBL course by the students in groups and will be presented in a poster session at the end of the term. Topics are:

  • Energy-efficient / low-power Medium Access
  • Energy-efficient / low-power Routing (Data Collection and Data Dissemination)
  • Energy Harvesting
  • Intermittently Powered Sensor Nodes
  • Energy-Aware Load Adaptation and Scheduling
  • Additional Topics will be provided on demand / depending on the number of participants
Literatur

Will be provided individually

Lehrveranstaltung L1815: Wireless Sensor Networks
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt
Literatur
Lehrveranstaltung L1816: Wireless Sensor Networks
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1248: Compiler für Eingebettete Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Compiler für Eingebettete Systeme (L1692) Vorlesung 3 4
Compiler für Eingebettete Systeme (L1693) Fachlabor 1 2
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Modul "Eingebettete Systeme"

C/C++ Programmierkenntnisse

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

Die Bedeutung Eingebetteter Systeme steigt von Jahr zu Jahr. Innerhalb Eingebetteter Systeme steigt der Software-Anteil, der auf Prozessoren ausgeführt wird, aufgrund geringerer Kosten und höherer Flexibilität ebenso kontinuierlich. Wegen der besonderen Einsatzgebiete Eingebetteter Systeme kommen hier hochgradig spezialisierte Prozessoren zum Einsatz, die applikationsspezifisch auf ihr jeweiliges Einsatzgebiet ausgerichtet sind. Diese hochgradig spezialisierten Prozessoren stellen hohe Anforderungen an einen Compiler, der Code von hoher Qualität generieren soll. Nach erfolgreichem Besuch der Veranstaltung sind die Studierenden in der Lage,

  • Struktur und Aufbau derartiger Compiler aufzuzeigen,
  • interne Zwischendarstellungen auf verschiedenen Abstraktionsniveaus zu unterscheiden und zu erklären, und
  • Probleme und Optimierungen in allen Compilerphasen zu beurteilen.

Wegen der hohen Anforderungen an Compiler für Eingebettete Systeme sind effektive Optimierungen unerlässlich. Die Studierenden lernen insbes.,

  • welche Arten von Optimierungen es auf Quellcode-Niveau gibt,
  • wie die Übersetzung von der Quellsprache nach Assembler abläuft,
  • welche Arten von Optimierungen auf Assembler-Niveau durchzuführen sind,
  • wie die Registerallokation vonstatten geht, und
  • wie Speicherhierarchien effizient ausgenutzt werden.

Da Compiler für Eingebettete Systeme oft verschiedene Zielfunktionen optimieren sollen (z.B. durchschnittliche oder worst-case Laufzeit, Energieverbrauch, Code-Größe), lernen die Studierenden den Einfluss von Optimierungen auf diese verschiedenen Zielfunktionen zu beurteilen.

Fertigkeiten

Studierende werden in die Lage versetzt, hochsprachlichen Programmcode in Maschinensprache zu übersetzen. Die Studierenden erwerben die Fähigkeit zu beurteilen, welche Art von Code-Optimierung innerhalb eines Compilers am effektivsten auf welchem Abstraktionsniveau (bspw. Quell- oder Assemblercode) durchzuführen ist.

Während der Übungen erwerben die Studierenden die Fähigkeit, einen funktionierenden Compiler mitsamt Optimierungen zu implementieren.

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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten, Inhalte der Vorlesung
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1692: Compiler für Eingebettete Systeme
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Einleitung und Motivation
  • Compiler für Eingebettete Systeme - Anforderungen und Abhängigkeiten
  • Interne Struktur von Compilern
  • Pre-Pass Optimierungen
  • HIR Optimierungen und Transformationen
  • Code-Generierung
  • LIR Optimierungen und Transformationen
  • Register-Allokation
  • WCET-bewusste Code-Generierung
  • Ausblick
Literatur
  • Peter Marwedel. Embedded System Design - Embedded Systems Foundations of Cyber-Physical Systems. 2nd Edition, Springer, 2012.
  • Steven S. Muchnick. Advanced Compiler Design and Implementation. Morgan Kaufmann, 1997.
  • Andrew W. Appel. Modern compiler implementation in C. Oxford University Press, 1998.
Lehrveranstaltung L1693: Compiler für Eingebettete Systeme
Typ Fachlabor
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0673: Informationstheorie und Codierung

Lehrveranstaltungen
Titel Typ SWS LP
Informationstheorie und Codierung (L0436) Vorlesung 3 4
Informationstheorie und Codierung (L0438) Hörsaalübung 1 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik 1-3 
  • Wahrscheinlichkeitsrechnung und Stochastische Prozesse
  •  Grundkenntnisse der Nachrichtentechnik, z.B. aus der Vorlesung "Einführung in die Nachrichtentechnik und deren stochastische Methoden"
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen die grundlegenden Definitionen zur informationstheoretischen Quantifizierung von Information. Sie kennen das Shannonsche Quellencodierungstheorem sowie das Kanalcodierungstheorem und können damit Grenzen der Kompression bzw. der fehlerfreien Datenübertragung bestimmen. Sie verstehen die Grundprinzipien der Datenkompression (Quellencodierung) und der fehlererkennenden und fehlerkorrigierenden Kanalcodierung. Sie sind mit den Prinzipien der Decodierung vertraut, insbesondere mit modernen Verfahren der iterativen Decodierung. Sie kennen grundlegende Codierverfahren, deren Eigenschaften und Decodierverfahren.

Fertigkeiten

Die Studierenden sind in der Lage, die Grenzen der Datenkompression bzw. der Datenübertragungsrate für gestörte Kanäle zu bestimmen und damit ein Übertragungsverfahren zu dimensionieren. Sie sind in der Lage, die Parameter eines fehlererkennenden bzw. fehlerkorrigierenden Kanalcodierungsverfahrens zum Erreichen gegebener Zielvorgaben abzuschätzen. Sie sind in der Lage, die Eigenschaften grundlegender Kanalcodierungs- und Decodierungsverfahren hinsichtlich Fehlerkorrektureigenschaften, Decodierverzögerung und Decodierkomplexität zu vergleichen und ein geeignetes Verfahren auszuwählen. Sie sind in der Lage, grundlegende Codier- und Decodierverfahren in Software zu implementieren.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in 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 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0436: Informationstheorie und Codierung
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlagen der Informationstheorie

    • Selbstinformation, Entropie, Mutual Information

    • Quellencodierungstheorem, Kanalcodierungstheorem

    • Kanalkapazität verschiedener Kanäle

  • Grundlegende Algorithmen der Quellencodierung:

    • Huffman Code, Lempel Ziv Algorithmus

  • Grundlagen der Kanalcodierung

    • Grundlegende Parameter der Kanalcodierung und deren Abschätzung durch obere und untere Schranken

    • Prinzipien der Decodierung: Maximum-A-Posteriori Decodierung, Maximum-Likelihood Decodierung, Hard-Decision-Decodierung und Soft-Decision-Decodierung

    • Bestimmung der Fehlerwahrscheinlichkeit

  • Blockcodes

  • Low Density Parity Check (LDPC) Codes und iterative Decodierung

  • Faltungscodes und Viterbi-Decodierung

  • Turbo Codes und iterative Decodierung

  • Codierte Modulation

Literatur

Bossert, M.: Kanalcodierung. Oldenbourg.

Friedrichs, B.: Kanalcodierung. Springer.

Lin, S., Costello, D.: Error Control Coding. Prentice Hall.

Roth, R.: Introduction to Coding Theory.

Johnson, S.: Iterative Error Correction. Cambridge.

Richardson, T., Urbanke, R.: Modern Coding Theory. Cambridge University Press.

Gallager, R. G.: Information theory and reliable communication. Whiley-VCH

Cover, T., Thomas, J.: Elements of information theory. Wiley.

Lehrveranstaltung L0438: Informationstheorie und Codierung
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0943: Network Security

Lehrveranstaltungen
Titel Typ SWS LP
Netzwerk-Sicherheit (L1105) Vorlesung 3 3
Netzwerk-Sicherheit (L1106) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Discrete Mathematics, Computer Networks (TCP/IP)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can

  • explain the fundamental security services that can be implemented with the methods of modern cryptography, 
  • describe current standardized network security protocols and mechanisms, 
  • follow current methods for the formal analysis of security protocols.
Fertigkeiten

Students are capable of 

  • performing an analysis of network security solutions. 
  • identifying suitable security solutions for given requirements.  
  • recognizing the limitations of existing standard solutions,
  • performing a formal analysis of security protocos.
Personale Kompetenzen
Sozialkompetenz None
Selbstständigkeit Students are capable of acquiring knowledge independently from professional publications, technical  standards, and other sources, and are capable of applying newly acquired knowledge to new problems.
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Lehrveranstaltung L1105: Network Security
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum SoSe
Inhalt
  • Security objectives
  • Security services and cryptographic mechanisms
  • Key establishment: Diffie-Hellman, Kerberos
  • IPsec protocols, mobile IPv6
  • SSL/TLS
  • GSM/UMTS/LTE security protocols
  • WLAN security
  • Firewalls and Intrusion Detection Systems
  • Formal analysis of security protocols
Literatur

W. Stallings: Cryptography and Network Security: Principles and Practice, 6th edition (2013)

A. Menezes, P. van Oorschot, S. Vanstone: Handbook of Applied Cryptography, CRC Press (1997)

D. Gollmann: Computer Security, 3rd edition, Wiley (2011)

V. Niemi, K. Nyberg: UMTS Security, Wiley (2003)

Lehrveranstaltung L1106: Network Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1304: Informationssicherheit in eingebetteten Systemen

Lehrveranstaltungen
Titel Typ SWS LP
Informationssicherheit in eingebetteten Systemen (L1804) Vorlesung 2 3
Informationssicherheit in eingebetteten Systemen (L1805) Gruppenübung 2 3
Modulverantwortlicher Prof. Daniel Ziener
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Technische Informatik

Grundkenntnisse eingebettete Systeme

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

Das Modul besteht aus folgende Inhalte:

  • Einleitung und Motivation
    • Was ist Security?
    • Die Bedeutung von Security für zuverlässige Systeme
    • Klassifikation von Angriffen
    • Entwurf eingebetteter Systeme
  • Angriffsszenarien
    • Beispiele von Angriffsszenarien
    • Kryptographischer Algorithmen als Ziel von Angriffen
  • Angriffe durch Einschleusen von Code (Code Injection Attacks)
    • Welche Arten von Code Injection-Angriffe gibt es?
    • Gegenmaßnahmen
  • Invasive physikalische Angriffe (Invasive Physical Attacks)
    • Microprobing
    • Reverse Engineering
    • Differential Fault Analysis
    • Gegenmaßnahmen
  • Nichtinvasive softwarebasierte Angriffe (Non-Invasive Logical Attacks)
    • Erlangen von nicht autorisiertem Zugriff
    • Gegenmaßnahmen
  • Nichtinvasive physikalische Angriffe (Non-Invasive Physical Attacks)
    • Abhören
    • Seitenkanalangriffe
    • Gegenmaßnahmen
Fertigkeiten
  • Die Studierenden legen die entsprechenden Gegenmaßnahmen dar
  • Die Studierenden nennen verschiedene Sicherheitseinrichtungen und -maßnahmen in eingebetteten Systemen
  • Die Studierenden zeigen den Einfluss von Angriffen und deren Gegenmaßnahmen auf die Verlässlichkeit eines eingebetteten Systems auf
  • Die Studierenden zeigen den zusätzlichen Aufwand (Fläche, Rechenzeit) von Sicherheitseinrichtungen auf
  • Die Studierenden klassifizieren verschiedene Angriffstypen auf eingebettete Systeme


Personale Kompetenzen
Sozialkompetenz
  • Die Studierenden erarbeiten kooperativ in Gruppen Lösungskonzepte und implementieren diese gemeinsam


Selbstständigkeit
  • Die Studierenden erarbeiten sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig
  • Die Studierenden fügen das erworbene Wissen zusammen, um es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1804: Informationssicherheit in eingebetteten Systemen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Daniel Ziener
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt

Der Schutz eingebetteter Systeme gegenüber Angriffe Dritter auf gespeicherte Daten und Implementierungen, stellt eine immer wichtigere, jedoch auch durch zunehmende Vernetzung herausfordernde Aufgabe dar. Der Schutz der eingebetteten Systeme gegenüber bekannten als auch neueren ausgeklügelten Angriffsmöglichkeiten ist Gegenstand dieser Vorlesung. Es wird gezeigt, welche Angriffe existieren, welche Gegenmaßnahmen man ergreifen kann und wie man sichere eingebettete Systeme entwirft.

Die Vorlesung behandelt folgende Inhalte:

  • Einleitung und Motivation
    • Was ist Security?
    • Die Bedeutung von Security für zuverlässige Systeme
    • Klassifikation von Angriffen
    • Entwurf eingebetteter Systeme
  • Angriffsszenarien
    • Beispiele von Angriffsszenarien
    • Kryptographischer Algorithmen als Ziel von Angriffen
  • Angriffe durch Einschleusen von Code (Code Injection Attacks)
    • Welche Arten von Code Injection-Angriffe gibt es?
    • Gegenmaßnahmen
  • Invasive physikalische Angriffe (Invasive Physical Attacks)
    • Microprobing
    • Reverse Engineering
    • Differential Fault Analysis
    • Gegenmaßnahmen
  • Nichtinvasive softwarebasierte Angriffe (Non-Invasive Logical Attacks)
    • Erlangen von nicht autorisiertem Zugriff
    • Gegenmaßnahmen
  • Nichtinvasive physikalische Angriffe (Non-Invasive Physical Attacks)
    • Abhören
    • Seitenkanalangriffe
    • Gegenmaßnahmen
Literatur
  • Catherine H. Gebotys Security in Embedded Devices. Springer 2010.
  • Benoit Badrignans et al. Security Trends for FPGAs. Springer 2011.
  • Daniel Ziener Techniques for Increasing Security and Reliability of IP Cores Embedded in FPGA and ASIC Designs. Dr. Hut 2010.
Lehrveranstaltung L1805: Informationssicherheit in eingebetteten Systemen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Daniel Ziener
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0637: Advanced Concepts of Wireless Communications

Lehrveranstaltungen
Titel Typ SWS LP
Weiterführende Konzepte der drahtlosen Kommunikation (L0297) Vorlesung 3 4
Weiterführende Konzepte der drahtlosen Kommunikation (L0298) Hörsaalübung 1 2
Modulverantwortlicher Dr. Rainer Grünheid
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 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten; Umfang: Inhalt von Vorlesung und Übung
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0297: Advanced Concepts of Wireless Communications
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Dr. Rainer Grünheid
Sprachen EN
Zeitraum SoSe
Inhalt

The lecture deals with technical principles and related concepts of mobile communications. In this context, the main focus is put on the physical and data link layer of the ISO-OSI stack.

In the lecture, the transmission medium, i.e., the mobile radio channel, serves as the starting point of all considerations. The characteristics and the mathematical descriptions of the radio channel are discussed in detail. Subsequently, various physical layer aspects of wireless transmission are covered, such as channel coding, modulation/demodulation, channel estimation, synchronization, and equalization. Moreover, the different uses of multiple antennas at the transmitter and receiver, known as MIMO techniques, are described. Besides these physical layer topics, concepts of multiple access schemes in a cellular network are outlined.

In order to illustrate the above-mentioned technical solutions, the lecture will also provide a system view, highlighting the basics of some contemporary wireless systems, including UMTS/HSPA, LTE, LTE Advanced, and WiMAX.


Literatur

John G. Proakis, Masoud Salehi: Digital Communications. 5th Edition, Irwin/McGraw Hill, 2007

David Tse, Pramod Viswanath: Fundamentals of Wireless Communication. Cambridge, 2005

Bernard Sklar: Digital Communications: Fundamentals and Applications. 2nd Edition, Pearson, 2013

Stefani Sesia, Issam Toufik, Matthew Baker: LTE - The UMTS Long Term Evolution. Second Edition, Wiley, 2011

Lehrveranstaltung L0298: Advanced Concepts of Wireless Communications
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr. Rainer Grünheid
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0924: Software für Eingebettete Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Software für Eingebettete Systeme (L1069) Vorlesung 2 3
Software für Eingebettete Systeme (L1070) Gruppenübung 3 3
Modulverantwortlicher Prof. Volker Turau
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Sehr gute Kenntnisse und Erfahrung in Programmiersprache C
  • Grundkenntnisse in Softwaretechnik
  • Prinzipielles Verständnis von Assembler Sprachen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die grundlegende Prinzipien und Vorgehensweisen für die Erstellung von Software für eingebettete Systeme erklären. Sie sind in der Lage, ereignisbasierte Programmiertechniken mittels Interrupts zu beschreiben. Sie kennen den Aufbau und Funktion eines konkreten Mikrocontrollers. Die Teilnehmer sind in der Lage, Anforderungen an Echtzeitsysteme zu erläutern. Sie können mindestens drei Scheduling Algorithmen für Echzeitbetriebssysteme erläutern (einschließlich Vor- und Nachteile)

Fertigkeiten Studierende erstellen interrupt-basierte Programme für einen konkreten Mikrocontroller. Sie erstellen und benutzen einen preemptiven scheduler. Sie setzen periphere Komponenten (Timer, ADCs, EEPROM) für komplexe Aufgaben eingebetteter System ein. Für den Anschluss externer Komponenten setzen sie serielle Protokolle ein.
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1069: Software für Eingebettete Systeme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • General-Purpose Processors
  • Programming the Atmel AVR
  • Interrupts
  • C für Embedded Systems
  • Standard Single Purpose Processors: Peripherals
  • Finite-State Machines
  • Speicher
  • Betriebssystem für Eingebettete Systeme
  • Echtzeit Eingebettete Systeme
Literatur
  1. Embedded System Design,  F. Vahid and T. Givargis,  John Wiley
  2. Programming Embedded Systems: With C and Gnu Development Tools, M. Barr and A. Massa, O'Reilly

  3. C und C++ für Embedded Systems,  F. Bollow, M. Homann, K. Köhn,  MITP
  4. The Art of Designing  Embedded Systems, J. Ganssle, Newnses

  5. Mikrocomputertechnik mit Controllern der Atmel AVR-RISC-Familie,  G. Schmitt, Oldenbourg
  6. Making Embedded Systems: Design Patterns for Great Software, E. White, O'Reilly

Lehrveranstaltung L1070: Software für Eingebettete Systeme
Typ Gruppenübung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0758: Application Security

Lehrveranstaltungen
Titel Typ SWS LP
Anwendungssicherheit (L0726) Vorlesung 3 3
Anwendungssicherheit (L0729) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Familiarity with Information security, fundamentals of cryptography, Web protocols and the architecture of the Web
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Students can name current approaches for securing selected applications, in particular of web applications
Fertigkeiten

Students are capable of

  • performing a security analysis
  • developing security solutions for distributed applications
  • recognizing the limitations of existing standard solutions  




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 Students are capable of acquiring knowledge independently from professional publications, technical  standards, and other sources, and are capable of applying newly acquired knowledge to new problems. 
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0726: Application Security
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum SoSe
Inhalt
  • Email security 
  • Web Services security
  • Security in Web applications
  • Access control
  • Trust Management
  • Trusted Computing
  • Digital Rights Management
  • Security Solutions for selected applications
Literatur

Webseiten der OMG, W3C, OASIS, WS-Security, OECD, TCG

D. Gollmann: Computer Security, 3rd edition, Wiley (2011)

R. Anderson: Security Engineering, 2nd edition, Wiley (2008)

U. Lang: CORBA Security, Artech House, 2002

Lehrveranstaltung L0729: Application Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1301: Software Testing

Lehrveranstaltungen
Titel Typ SWS LP
Softwaretesten (L1791) Vorlesung 2 3
Softwaretesten (L1792) Problemorientierte Lehrveranstaltung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Software Engineering
  • Higher Programming Languages
  • Algorithms and Data Structures
  • Statistics
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Students explain the different phases of testing, describe fundamental
techniques of different types of testing, and paraphrase the basic
principles of the corresponding test process. They give examples of
software development scenarios and the corresponding test type and
technique. They explain algorithms used for particular testing
techniques and describe possible advantages and limitations.
Fertigkeiten
Students identify the appropriate testing type and technique for a given
problem. They adapt and execute respective algorithms to execute a
concrete test technique properly. They interpret testing results and
execute corresponding steps for proper re-test scenarios. They write and
analyze test specifications. They apply bug finding techniques for
non-trivial problems.
Personale Kompetenzen
Sozialkompetenz

Students discuss relevant topics in class. They defend their solutions orally.
They communicate in English.

Selbstständigkeit

Students can assess their level of knowledge continuously and adjust it appropriately, based on feedback and on self-guided studies. Within limits, they can set their own learning goals. Upon successful completion, students can identify and precisely formulate new problems in academic or applied research in the field of software testing. Within this field, they can conduct independent studies to acquire the necessary competencies and compile their findings in academic reports. They can devise plans to arrive at new solutions or assess existing ones

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Lehrveranstaltung L1791: Software Testing
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Sandro Schulze
Sprachen EN
Zeitraum SoSe
Inhalt
  • Fundamentals of software testing
  • Regression-testing techniques
  • Search-based testing
  • Combinatorial testing
  • Product-line testing
  • Debugging
  • Model-based testing
Literatur
  • M. Pezze and M. Young, Software Testing and Analysis, John Wiley 2008.
  • P. Ammann and J. Offutt, "Introduction to Software Testing", 2nd edition 2015.
  • A. Zeller: "Why Programs Fail: A Guide to Systematic Debugging", 2nd edition 2012.
Lehrveranstaltung L1792: Software Testing
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Sandro Schulze
Sprachen EN
Zeitraum SoSe
Inhalt
  • Fundamentals of software testing
  • Regression-testing techniques
  • Search-based testing
  • Combinatorial testing
  • Product-line testing
  • Debugging
  • Model-based testing
Literatur
  • M. Pezze and M. Young, Software Testing and Analysis, John Wiley 2008.
  • P. Ammann and J. Offutt, "Introduction to Software Testing", 2nd edition 2015.
  • A. Zeller: "Why Programs Fail: A Guide to Systematic Debugging", 2nd edition 2012.

Modul M0556: Computer Graphics

Lehrveranstaltungen
Titel Typ SWS LP
Computer-Grafik (L0145) Vorlesung 2 3
Computer-Grafik (L0768) Projektseminar 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen


Empfohlene Vorkenntnisse

Students are expected to have a solid knowledge of object-oriented programming as well as of linear algebra and geometry.


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

Students have acquired a theoretical basis in computer graphics and have a clear understanding of the process of computer animation.



Fertigkeiten

Students have acquired

  • solid skills in modelling and shading,
  • solid skills in computer animation techniques, and
  • a thorough command of Maya, a first-class animation system.




Personale Kompetenzen
Sozialkompetenz

Students are trained in communicating abstract ideas and are familiar with planning and conducting projects within a small team.




Selbstständigkeit

Students are able to direct complex computer animation projects.





Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Projektarbeit
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: 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
Lehrveranstaltung L0145: Computer Graphics
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt

Computer graphics and animation are leading to an unprecedented visual revolution. The course deals with its technological foundations:

  • Object-oriented Computer Graphics
  • Projections and Transformations
  • Polygonal and Parametric Modelling
  • Illuminating, Shading, Rendering
  • Computer Animation Techniques
  • Kinematics and Dynamics Effects

Students will be be working on a series of mini-projects which will eventually evolve into a final project. Learning computer graphics and animation resembles learning a musical instrument. Therefore, doing your projects well and in time is essential for performing well on this course.

Literatur
Alan H. Watt:
3D Computer Graphics.
Harlow: Pearson (3rd ed., repr., 2009).

Dariush Derakhshani:
Introducing Autodesk Maya 2014.
New York, NY : Wiley (2013).

Lehrveranstaltung L0768: Computer Graphics
Typ Projektseminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0711: Numerische Mathematik II

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik II (L0568) Vorlesung 2 3
Numerische Mathematik II (L0569) Gruppenübung 2 3
Modulverantwortlicher Prof. Blanca Ayuso Dios
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse
  • Numerische Mathematik 1
  • MATLAB Kenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • weiterführende 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,

  • Konvergenzbeweise skizzieren,
  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
Fertigkeiten

Studierende sind in der Lage,

  • vertiefende 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 und auf verwandte Problemstellungen zu übertragen
  • zu gegebener Problemstellung einen geeigneten Lösungsansatz zu entwickeln, gegebenenfalls durch Zusammensetzen mehrerer Algorithmen, diesen durchzuführen und die Ergebnisse kritisch auszuwerten.
Personale Kompetenzen
Sozialkompetenz

Studierende können

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

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0568: Numerische Mathematik II
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Fehler und Stabilität: Begriffe und Abschätzungen
  2. Interpolation: Rationale und trigonometrische Interpolation
  3. Quadratur: Gauß-Quadratur, Orthogonalpolynome
  4. Lineare Systeme: Perturbationstheorie von Zerlegungen, strukturierte Matrizen
  5. Eigenwertaufgaben: LR-, QD-, QR-Algorithmus
  6. Krylovraum-Verfahren: Arnoldi-, Lanczos-Verfahren
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer
Lehrveranstaltung L0569: Numerische Mathematik II
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1089: Integrierte Instandhaltung und Ersatzteillogistik

Lehrveranstaltungen
Titel Typ SWS LP
Ersatzteillogistik (L1403) Vorlesung 1 2
Instandhaltungslogistik (L1401) Vorlesung 2 2
Übung zu integrierte Instandhaltung und Ersatzteillogistik (L1405) Gruppenübung 1 2
Modulverantwortlicher Ingo Martens
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlegende Kenntnisse logistischer Prozesse


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können Grundbegriffe der Instandhaltungs- und Ersatzteillogistik erklären und voneinander abgrenzen.
  • Studierende können wichtige Ansätze und Konzepte der Instandhaltungs- und Ersatzteillogistik erklären, in einem theoretischen Kontext verorten und praktische Anwendungsfälle darstellen.


Fertigkeiten
  • Studierende können im Bereich der Instandhaltungs- und Ersatzteillogistik Prozesse, Techniken und Organisationsformen planen bzw. bewerten.
  • Studierende können Planungsmethoden der Instandhaltungs- und Ersatzteillogistik auf Praxisbeispiele anwenden.
  • Studierende können Kennzahlensysteme entwickeln und anwenden sowie Bestandsanalysen durchführen.


Personale Kompetenzen
Sozialkompetenz
  • Studierende können eigene fachliche Standpunkte und Arbeitsergebnisse gegenüber Lehrenden und anderen Studierenden in angemessener Weise vertreten.
  • Studierende können im Team zu sachlich richtigen Arbeitsergebnissen kommen.


Selbstständigkeit
  • Studierende können Fachwissen selbständig erschließen und das erworbene Wissen auch auf neue Fragestellungen transferieren.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2 Stunden
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Logistik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Logistik: Wahlpflicht
Logistik, Infrastruktur und Mobilität: Vertiefung Produktion und Logistik: Wahlpflicht
Lehrveranstaltung L1403: Ersatzteillogistik
Typ Vorlesung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Ingo Martens
Sprachen DE
Zeitraum SoSe
Inhalt
  • Einführung: Logistische Ersatzteilbewirtschaftung, Einflussgrößen auf den Ersatzteilbedarf, Anforderungen an die Ersatzteillogistik, Integration von Ersatzteillogistik und Instandhaltungslogistik
  • Methoden: Analyse der Ersatzteilbestände, Differenzierung der Ersatzteilstrategie, Prognose von Ersatzteilbedarfen, Prozessketten
  • Planung: Vorplanung, Konzeptplanung und Realisierung, Planungsinstrumente und Tools
  • Praxisbeispiele zu den Themen: Optimierung von Ersatzteilzentren, Optimierung der weltweiten Ersatzteildistribution, Performance Based Logistics, neue Geschäftsmodelle in der Ersatzteillogistik


Literatur

Scripts and text documents to be handed out during the course.


Lehrveranstaltung L1401: Instandhaltungslogistik
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Ingo Martens
Sprachen DE
Zeitraum SoSe
Inhalt
  • Einführung: Entwicklungen und Trends der integrierten Instandhaltung und Ersatzteillogistik, Bausteine der integrierten Instandhaltung, Begriffe „Instandhaltung“ und „Instandhaltungslogistik“, Handlungsbedarf und „Dilemma der Instandhaltung“, Maßnahmen der Instandhaltungsplanung
  • Grundlagen der integrierten Instandhaltung: Instandhaltungstechnik, Aufbau- und Ablauforganisation, Controlling der Instandhaltung, Integration der Mitarbeiter und Führungskräfte
  • Wissenbasierte Betriebsführung und Instandhaltung: Produktion und Instandhaltung, Zustandswissen und Diagnose, Strategie der Betriebsführung, Management, Motivation und Erfolg
  • Ziele- und Kennzahlensysteme: Entwicklung von Zielsystemen, Anforderungen an Kennzahlen, Kennzahlenanalyse, Stärken-Schwächen-Analyse, Potentialanalyse, Kennzahlenmodelle, Monitoring (IH-Cockpit)
  • Methoden der Instandhaltung: Make-or-buy vs. Outsourcing, Total Productive Maintenance, Differenzierung von Logistikstrategien
  • Planung der Instandhaltung: Konzeptplanung und Realisierung, Aufgaben und Schritte der Konzeptplanung, Ergänzung der Planungsgrundlagen, Teilkonzepte „Technik“ und „Organisation“, Gesamtkonzept „Integrierte Instandhaltungs- und Ersatzteillogistik“
  • Praxisbeispiele u.a. zu den Themen: Energieeffiziente Anlagenwirtschaft, Instandhaltungsstrategien in hochautomatisierten Warenverteilzentren, Ferndiagnose und Wartungsmanagement bei Windenergieanlagen, Wertstromanalyse in der Instandhaltung


Literatur

Skripte und Textdokumente, die während der Vorlesung herausgegeben werden.

Scripts and text documents to be handed out during the course.


Lehrveranstaltung L1405: Übung zu integrierte Instandhaltung und Ersatzteillogistik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Ingo Martens
Sprachen DE
Zeitraum SoSe
Inhalt Die Studierenden sollen ein tieferes Verständnis für Methoden zur Analyse, Bewertung und Optimierung von Instandhaltungs- und Ersatzteillogistik entwickeln. Es werden Methodenschulungen und eine gemeinsame Anwendung der Methoden an ausgewählten Fallbeispielen durchgeführt.
Literatur Es wird die in den Vorlesungen "Instandhaltungdslogistik" und "Ersatzteillogistik" verwendete Literatur empfohlen.

Modul M1307: Kryptographie

Lehrveranstaltungen
Titel Typ SWS LP
Kryptographie (L1806) Vorlesung 2 3
Kryptographie (L1807) Gruppenübung 2 3
Modulverantwortlicher Prof. Chris Brzuska
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Einführung in die Informationssicherheit, Grundlagen der Berechenbarkeit und Komplexität
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Kenntnis von kryptographischen Primitiven wie One-Way-Funktionen, digitalen Signaturen, Verschlüsselungsverfahren, key exchange, Zero-Knowledge Beweise etc. sowie die Relationen zwischen den Primitiven, Kenntnis formaler Sicherheitsdefinitionen von kryptographischen Bausteine, Zusammenhänge zwischen Kryptographie und Komplexitätstheorie, insbesondere zu der Frage, ob NP in P enthalten ist.

Fertigkeiten Fähigkeit, Sicherheitsmodelle für kryptographische Primitive zu beurteilen und zu entwickeln. Reduktionen zwischen kryptographischen Primitiven konstruieren und Fähigkeit, zu beurteilen, ob kleine Veränderungen ein kryptographisches Primitiv unsicher machen können.
Personale Kompetenzen
Sozialkompetenz Fähigkeit, Verfahren und Methoden, die intuitiv sicher erscheinen, kritisch zu hinterfragen.
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1806: Kryptographie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Chris Brzuska
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Content:
This course is about the foundations of cryptography. We introduce cryptographic security models and concepts and understand the relations between them. We then apply the learnt concepts and techniques to real-world problems. In particular, we cover:
- One-way functions
- Pseudorandomness
- Pseudorandom generators
- Pseudorandom functions
- symmetric encryption
- asymmetric encryption
- message authentication codes
- signature schemes
- secure channels
- recent attacks on real-life protocols such as TLS, IPsec,...

Literatur

Literatur:

- Foundations of Cryptography: Volume 1, Basic Tools, Oded Goldreich, Cambridge University Press 2007, ISBN-10: 0521035368, ISBN-13: 978-0521035361

- Foundations of Cryptography: Volume 2, Basic Applications, Oded Goldreich, Cambridge University Press 2009, ISBN-10: 052111991X, ISBN-13: 978-0521119917

Lehrveranstaltung L1807: Kryptographie
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Chris Brzuska
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Literatur:

- Foundations of Cryptography: Volume 1, Basic Tools, Oded Goldreich, Cambridge University Press 2007, ISBN-10: 0521035368, ISBN-13: 978-0521035361

- Foundations of Cryptography: Volume 2, Basic Applications, Oded Goldreich, Cambridge University Press 2009, ISBN-10: 052111991X, ISBN-13: 978-0521119917

Modul M0913: CMOS Nanoelectronics with Practice

Lehrveranstaltungen
Titel Typ SWS LP
CMOS-Nanoelektronik (L0764) Vorlesung 2 3
CMOS-Nanoelektronik (L1063) Laborpraktikum 2 2
CMOS-Nanoelektronik (L1059) Gruppenübung 1 1
Modulverantwortlicher NN
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Fundamentals of MOS devices and electronic circuits
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain the functionality of very small  MOS transistors and explain the problems occurring due to scaling-down the minimum feature size.
  • Students are able to explain the basic steps of processing of very small MOS devices.
  • Students can exemplify the functionality of volatile and non-volatile memories und give their specifications.
  • Students can describe the limitations of advanced MOS technologies.
  • Students can explain measurement methods for MOS quality control.


Fertigkeiten
  • Students can quantify the current-voltage-behavior of very small MOS transistors and list possible applications.
  • Students can describe larger electronic systems by their functional blocks.
  • Students can name the existing options for the specific applications and select the most appropriate ones.


Personale Kompetenzen
Sozialkompetenz
  • Students can team up with one or several partners who may have different professional backgrounds
  • Students are able to work by their own or in small groups for solving problems and answer scientific questions.


Selbstständigkeit
  • Students are able to assess their knowledge in a realistic manner.
  • The students are able to draw scenarios for estimation of the impact of advanced mobile electronics on the future lifestyle of the society.


Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Microelectronics and Microsystems: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0764: CMOS Nanoelectronics
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt
  • Ideal and non-ideal MOS devices
  • Threshold voltage, Parasitic charges, Work function difference
  • I-V behavior
  • Scaling-down rules
  • Details of very small MOS transistors
  • Basic CMOS process flow
  • Memory Technology, SRAM, DRAM, embedded DRAM
  • Gain memory cells
  • Non-volatile memories, Flash memory circuits
  • Methods for Quality Control, C(V)-technique, Charge pumping, Uniform injection
  • Systems with extremely small CMOS transistors
Literatur
  • S. Deleonibus, Electronic Device Architectures for the Nano-CMOS Era, Pan Stanford Publishing, 2009.
  • Y. Taur and T.H. Ning, Fundamentals of Modern VLSI Devices, Cambridge University Press, 2nd edition.
  • R.F. Pierret, Advanced Semiconductor Fundamentals, Prentice Hall, 2003.
  • F. Schwierz, H. Wong, J. J. Liou, Nanometer CMOS, Pan Stanford Publishing, 2010.
  • H.-G. Wagemann und T. Schönauer, Silizium-Planartechnologie, Grundprozesse, Physik und Bauelemente
    Teubner-Verlag, 2003, ISBN 3519004674


Lehrveranstaltung L1063: CMOS Nanoelectronics
Typ Laborpraktikum
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1059: CMOS Nanoelectronics
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0839: Traffic Engineering

Lehrveranstaltungen
Titel Typ SWS LP
Seminar Traffic Engineering (L0902) Seminar 2 2
Traffic Engineering (L0900) Vorlesung 2 2
Traffic Engineering Übung (L0901) Gruppenübung 1 2
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Fundamentals of communication or computer networks
  • Stochastics
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to describe methods for planning, optimisation and performance evaluation of communication networks.

Fertigkeiten

Students are able to solve typical planning and optimisation tasks for communication networks. Furthermore they are able to evaluate the network performance using queuing theory.

Students are able to apply independently what they have learned to other and new problems. They can present their results in front of experts and discuss them.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit

Students are able to acquire the necessary expert knowledge to understand the functionality and performance of new communication networks independently.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Lehrveranstaltung L0902: Seminar Traffic Engineering
Typ Seminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum WiSe
Inhalt Selected applications of methods for planning, optimization, and performance evaluation of communication networks, which have been introduced in the traffic engineering lecture are prepared by the students and presented in a seminar.
Literatur
  • U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Vieweg + Teubner
  • further literature announced in the lecture
Lehrveranstaltung L0900: Traffic Engineering
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum WiSe
Inhalt

Network Planning and Optimization
• Linear Programming (LP)
• Network planning with LP solvers
• Planning of communication networks
Queueing Theory for Communication Networks
• Stochastic processes
• Queueing systems
• Switches (circuit- and packet switching)
• Network of queues

Literatur

Literatur:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
Weitere Literatur wird in der Lehrveranstaltung bekanntgegeben
/
 Literature:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
further literature announced in the lecture

Lehrveranstaltung L0901: Traffic Engineering Exercises
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum WiSe
Inhalt

Accompanying exercise for the traffic engineering course

Literatur

Literatur:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
Weitere Literatur wird in der Lehrveranstaltung bekanntgegeben / Literature:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
further literature announced in the lecture

Modul M0919: Praktischer Schaltungsentwurf analog und digital

Lehrveranstaltungen
Titel Typ SWS LP
Praktischer Schaltungsentwurf analog (L0692) Laborpraktikum 2 3
Praktischer Schaltungsentwurf digital (L0694) Laborpraktikum 2 3
Modulverantwortlicher NN
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Grundkenntnisse von Halbleiterbauelementen und in der Halbleiterschaltungstechnik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain the structure and philosophy of the software framework for circuit design.
  • Students can determine all necessary input parameters for circuit simulation.
  • Students know the basics physics of the analog behavior.
  • Students are able to explain the functions of the logic gates of their digital design.
  • Students can explain the algorithms of checking routines.
  • Students are able to select the appropriate transistor models for fast and accurate simulations.


Fertigkeiten
  • Students can activate and execute all necessary checking routines for verification of proper circuit functionality.
  • Students are able to run the input desks for definition of their electronic circuits.
  • Students can define the specifications of the electronic circuits to be designed.
  • Students can optimize the electronic circuits for low-noise and low-power.
  • Students can develop analog circuits for mobile medical applications.
  • Students can define the building blocks of digital systems.


Personale Kompetenzen
Sozialkompetenz
  • Students are trained to work through complex circuits in teams.
  • Students are able to share their knowledge for efficient design work.
  • Students can help each other to understand all the details and options of the design software.
  • Students are aware of their limitations regarding circuit design, so they do not go ahead, but they involve experts when required.
  • Students can present their design approaches for easy checking by more experienced experts.


Selbstständigkeit
  • Students are able to realistically judge the status of their knowledge and to define actions for improvements when necessary.
  • Students can break down their design work in sub-tasks and can schedule the design work in a realistic way.
  • Students can handle the complex data structures of their design task and document it in consice but understandable way.
  • Students are able to judge the amount of work for a major design project.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Microelectronics and Microsystems: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0692: Praktischer Schaltungsentwurf analog
Typ Laborpraktikum
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE
Zeitraum WiSe
Inhalt
  • Input desk for circuits
  • Algorithms for simulation
  • MOS transistor model
  • Simulation of analog circuits
  • Placement and routing     
  • Generation of layouts
  • Design checking routines
  • Postlayout simulations



Literatur Handouts to be distributed
Lehrveranstaltung L0694: Praktischer Schaltungsentwurf digital
Typ Laborpraktikum
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE
Zeitraum SoSe
Inhalt
  • Definition of specifications
  • Architecture studies
  • Digital simulation flow
  • Philosophy of standard cells
  • Placement and routing of standard cells
  • Layout generation
  • Design checking routines


Literatur Handouts will be distributed

Modul M0910: Fortgeschrittener Entwurf von Chip-Systemen (Praktikum)

Lehrveranstaltungen
Titel Typ SWS LP
Fortgeschrittener Entwurf von Chip-Systemen (L1061) Problemorientierte Lehrveranstaltung 3 6
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Erfolgreiche Teilnahme am praktischen FPGA-Labor des Moduls "Rechnerarchitektur" ist zwingende Voraussetzung.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

In diesem Modul werden fortgeschrittene Konzepte der Rechnerarchitektur praxisorientiert vermittelt. Mit Hilfe der Hardware-Beschreibungssprache VHDL und rekonfigurierbarer FPGA-Hardware lernen Studierende, wie komplexe Rechensysteme (sog. Systems-on-Chip, SoCs), wie sie insbesondere im Bereich der eingebetteten Systeme anzutreffen sind, in Hardware zu entwerfen sind.

Ausgehend von einer einfachen Prozessor-Architektur lernen Studierende, die Verarbeitung von Befehlen durch eine Maschine nach dem Pipelining-Prinzip zu realisieren. Sie implementieren verschiedene Formen Cache-basierter Speicher-Hierarchien, untersuchen Ansätze zum dynamischen Scheduling von Maschinenbefehlen und zur Sprungvorhersage, und konstruieren letztlich ein komplexes MPSoC-System (multi-processor system-on-chip), das aus mehreren Kernen besteht, die über einen gemeinsamen Bus verbunden sind.

Fertigkeiten

Die Studierenden können analysieren, wie hochspezifische und individuelle Rechner aus einer Sammlung gängiger Einzelkomponenten zusammengesetzt werden. Sie sind in der Lage, die Wechselwirkungen zwischen einem physischen Rechensystem und der darauf ausgeführten Software beurteilen zu können. Sie sollen so in die Lage versetzt werden, Auswirkungen hardwarenaher Entwurfsentscheidungen auf die Leistung des Gesamtsystems abzuschätzen, zu beurteilen 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 in konkrete Implementierungen komplexer Hardware-Strukturen zu überführen und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 138, Präsenzstudium 42
Leistungspunkte 6
Prüfung Projektarbeit
Prüfungsdauer und -umfang VHDL-Code und FPGA-basiere Implementierungen
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1061: Fortgeschrittener Entwurf von Chip-Systemen
Typ Problemorientierte Lehrveranstaltung
SWS 3
LP 6
Arbeitsaufwand in Stunden Eigenstudium 138, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Einführung in grundlegende Technologien (FPGAs, MIPS Einzelzyklus-Maschine)
  • Fließband-Befehlsverarbeitung
  • Cache-basierte Speicher-Hierarchien
  • Busse und Bus-Arbitrierung
  • Multi-Prozessor Chip-Systeme
  • Optional: Fortgeschrittene Fließband-Konzepte (Dynamisches Scheduling, Sprungvorhersage)
Literatur
  • D. Patterson, J. Hennessy. Rechnerorganisation und -entwurf. Elsevier, 2005.
  • A. Tanenbaum, J. Goodman. Computerarchitektur. Pearson, 2001.
  • A. Clements. The Principles of Computer Hardware. 3. Auflage, Oxford University Press, 2000.

Fachmodule der Vertiefung Systemtechnik - Robotik

Die Vertiefung, in der intelligentes Handeln und Verhalten eine besondere Rolle spielt, bietet einerseits eine umfangreiche Ausbildung für Anwendungen der Informatik in Medizinbereichen, wie z.B. medizinische Bildverarbeitung, oder auch Ingenieurbereichen, wie z.B. Automobilindustrie, Industrieautomatisierung, Smart Homes, Smart Ports, Smart Cities usw. Andererseits wird in dieser Vertiefung eine fundierte Ausbildung für eines der gesellschaftlich bedeutsamsten Forschungsgebiete in Informatik und Ingenieurwesen angeboten, so dass Absolventen vielfältige Möglichkeiten zur wissenschaftlichen Weiterqualifikation geboten werden.

Modul M0623: Intelligent Systems in Medicine

Lehrveranstaltungen
Titel Typ SWS LP
Intelligente Systeme in der Medizin (L0331) Vorlesung 2 3
Intelligente Systeme in der Medizin (L0334) Projektseminar 2 2
Intelligente Systeme in der Medizin (L0333) Gruppenübung 1 1
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • principles of math (algebra, analysis/calculus)
  • principles of stochastics
  • principles of programming, Java/C++ and R/Matlab
  • advanced programming skills
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

The students are able to analyze and solve clinical treatment planning and decision support problems using methods for search, optimization, and planning. They are able to explain methods for classification and their respective advantages and disadvantages in clinical contexts. The students can compare  different methods for representing medical knowledge. They can evaluate methods in the context of clinical data  and explain challenges due to the clinical nature of the data and its acquisition and due to privacy and safety requirements.

Fertigkeiten

The students can give reasons for selecting and adapting methods for classification, regression, and prediction. They can assess the methods based on actual patient data and evaluate the implemented methods.

Personale Kompetenzen
Sozialkompetenz

The students discuss the results of other groups, provide helpful feedback and can incoorporate feedback into their work.

Selbstständigkeit

The students can reflect their knowledge and document the results of their work. They can present the results in an appropriate manner.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: 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
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0331: Intelligent Systems in Medicine
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum WiSe
Inhalt

- methods for search, optimization,  planning,  classification, regression and prediction in a clinical context
- representation of medical knowledge
- understanding challenges due to clinical and patient related data and data acquisition
The students will work in groups to apply the methods introduced during the lecture using problem based learning.


Literatur

Russel & Norvig: Artificial Intelligence: a Modern Approach, 2012
Berner: Clinical Decision Support Systems: Theory and Practice, 2007
Greenes: Clinical Decision Support: The Road Ahead, 2007
Further literature will be given in the lecture


Lehrveranstaltung L0334: Intelligent Systems in Medicine
Typ Projektseminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0333: Intelligent Systems in Medicine
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1244: Technischer Ergänzungskurs I für IIWMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht

Modul M0563: Robotics

Lehrveranstaltungen
Titel Typ SWS LP
Robotik: Modellierung und Regelung (L0168) Vorlesung 3 3
Robotik: Modellierung und Regelung (L1305) Gruppenübung 2 3
Modulverantwortlicher Prof. Uwe Weltin
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

Fundamentals of electrical engineering

Broad knowledge of mechanics

Fundamentals of control theory

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Students are able to describe fundamental properties of robots and solution approaches for multiple problems in robotics.
Fertigkeiten

Students are able to derive and solve equations of motion for various manipulators.

Students can generate trajectories in various coordinate systems.

Students can design linear and partially nonlinear controllers for robotic manipulators.

Personale Kompetenzen
Sozialkompetenz Students are able to work goal-oriented in small mixed groups.
Selbstständigkeit

Students are able to recognize and improve knowledge deficits independently.

With instructor assistance, students are able to evaluate their own knowledge level and define a further course of study.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
International Production Management: Vertiefung Produktionstechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Produktentwicklung und Produktion: Wahlpflicht
Mechanical Engineering and Management: Kernqualifikation: Pflicht
Mechatronics: Kernqualifikation: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktentwicklung: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktion: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Werkstoffe: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Produktentwicklung und Produktion: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0168: Robotics: Modelling and Control
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Uwe Weltin
Sprachen EN
Zeitraum WiSe
Inhalt

Fundamental kinematics of rigid body systems

Newton-Euler equations for manipulators

Trajectory generation

Linear and nonlinear control of robots

Literatur

Craig, John J.: Introduction to Robotics Mechanics and Control, Third Edition, Prentice Hall. ISBN 0201-54361-3

Spong, Mark W.; Hutchinson, Seth;  Vidyasagar, M. : Robot Modeling and Control. WILEY. ISBN 0-471-64990-2


Lehrveranstaltung L1305: Robotics: Modelling and Control
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Uwe Weltin
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0846: Control Systems Theory and Design

Lehrveranstaltungen
Titel Typ SWS LP
Theorie und Entwurf regelungstechnischer Systeme (L0656) Vorlesung 2 4
Theorie und Entwurf regelungstechnischer Systeme (L0657) Gruppenübung 2 2
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Introduction to Control Systems
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain how linear dynamic systems are represented as state space models; they can interpret the system response to initial states or external excitation as trajectories in state space
  • They can explain the system properties controllability and observability, and their relationship to state feedback and state estimation, respectively
  • They can explain the significance of a minimal realisation
  • They can explain observer-based state feedback and how it can be used to achieve tracking and disturbance rejection
  • They can extend all of the above to multi-input multi-output systems
  • They can explain the z-transform and its relationship with the Laplace Transform
  • They can explain state space models and transfer function models of discrete-time systems
  • They can explain the experimental identification of ARX models of dynamic systems, and how the identification problem can be solved by solving a normal equation
  • They can explain how a state space model can be constructed from a discrete-time impulse response

Fertigkeiten
  • Students can transform transfer function models into state space models and vice versa
  • They can assess controllability and observability and construct minimal realisations
  • They can design LQG controllers for multivariable plants
  •  They can carry out a controller design both in continuous-time and discrete-time domain, and decide which is  appropriate for a given sampling rate
  • They can identify transfer function models and state space models of dynamic systems from experimental data
  • They can carry out all these tasks using standard software tools (Matlab Control Toolbox, System Identification Toolbox, Simulink)

Personale Kompetenzen
Sozialkompetenz

Students can work in small groups on specific problems to arrive at joint solutions. 

Selbstständigkeit

Students can obtain information from provided sources (lecture notes, software documentation, experiment guides) and use it when solving given problems.

They can assess their knowledge in weekly on-line tests and thereby control their learning progress.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Pflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Kernqualifikation: Pflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Pflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Lehrveranstaltung L0656: Control Systems Theory and Design
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt

State space methods (single-input single-output)

• State space models and transfer functions, state feedback 
• Coordinate basis, similarity transformations 
• Solutions of state equations, matrix exponentials, Caley-Hamilton Theorem
• Controllability and pole placement 
• State estimation, observability, Kalman decomposition 
• Observer-based state feedback control, reference tracking 
• Transmission zeros
• Optimal pole placement, symmetric root locus 
Multi-input multi-output systems
• Transfer function matrices, state space models of multivariable systems, Gilbert realization 
• Poles and zeros of multivariable systems, minimal realization 
• Closed-loop stability
• Pole placement for multivariable systems, LQR design, Kalman filter 

Digital Control
• Discrete-time systems: difference equations and z-transform 
• Discrete-time state space models, sampled data systems, poles and zeros 
• Frequency response of sampled data systems, choice of sampling rate 

System identification and model order reduction 
• Least squares estimation, ARX models, persistent excitation 
• Identification of state space models, subspace identification 
• Balanced realization and model order reduction 

Case study
• Modelling and multivariable control of a process evaporator using Matlab and Simulink 
Software tools
• Matlab/Simulink

Literatur
  • Werner, H., Lecture Notes „Control Systems Theory and Design“
  • T. Kailath "Linear Systems", Prentice Hall, 1980
  • K.J. Astrom, B. Wittenmark "Computer Controlled Systems" Prentice Hall, 1997
  • L. Ljung "System Identification - Theory for the User", Prentice Hall, 1999
Lehrveranstaltung L0657: Control Systems Theory and Design
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0550: Digital Image Analysis

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Bildanalyse (L0126) Vorlesung 4 6
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

System theory of one-dimensional signals (convolution and correlation, sampling theory, interpolation and decimation, Fourier transform, linear time-invariant systems), linear algebra (Eigenvalue decomposition, SVD), basic stochastics and statistics (expectation values, influence of sample size, correlation and covariance, normal distribution and its parameters), basics of Matlab, basics in optics

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

Students can

  • Describe imaging processes
  • Depict the physics of sensorics
  • Explain linear and non-linear filtering of signals
  • Establish interdisciplinary connections in the subject area and arrange them in their context
  • Interpret effects of the most important classes of imaging sensors and displays using mathematical methods and physical models.


Fertigkeiten

Students are able to

  • Use highly sophisticated methods and procedures of the subject area
  • Identify problems and develop and implement creative solutions.

Students can solve simple arithmetical problems relating to the specification and design of image processing and image analysis systems.

Students are able to assess different solution approaches in multidimensional decision-making areas.

Students can undertake a prototypical analysis of processes in Matlab.


Personale Kompetenzen
Sozialkompetenz


Selbstständigkeit

Students can solve image analysis tasks independently using the relevant literature.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung und Materialien im StudIP
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: 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
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0126: Digital Image Analysis
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum WiSe
Inhalt
  • Image representation, definition of images and volume data sets, illumination, radiometry, multispectral imaging, reflectivities, shape from shading
  • Perception of luminance and color, color spaces and transforms, color matching functions, human visual system, color appearance models
  • imaging sensors (CMOS, CCD, HDR, X-ray, IR), sensor characterization(EMVA1288), lenses and optics
  • spatio-temporal sampling (interpolation, decimation, aliasing, leakage, moiré, flicker, apertures)
  • features (filters, edge detection, morphology, invariance, statistical features, texture)
  • optical flow ( variational methods, quadratic optimization, Euler-Lagrange equations)
  • segmentation (distance, region growing, cluster analysis, active contours, level sets, energy minimization and graph cuts)
  • registration (distance and similarity, variational calculus, iterative closest points)
Literatur

Bredies/Lorenz, Mathematische Bildverarbeitung, Vieweg, 2011
Wedel/Cremers, Stereo Scene Flow for 3D Motion Analysis, Springer 2011
Handels, Medizinische Bildverarbeitung, Vieweg, 2000
Pratt, Digital Image Processing, Wiley, 2001
Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1989

Modul M0881: Mathematische Bildverarbeitung

Lehrveranstaltungen
Titel Typ SWS LP
Mathematische Bildverarbeitung (L0991) Vorlesung 3 4
Mathematische Bildverarbeitung (L0992) Gruppenübung 1 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Analysis: partielle Ableitungen, Gradient, Richtungsableitung
  • Lineare Algebra: Eigenwerte, lineares Ausgleichsproblem
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können

  • Klassen von Diffusionsgleichungen charakterisieren und vergleichen
  • elementare Methoden der Bildverarbeitung erklären
  • Methoden zur Segmentierung und Registrierung erläutern
  • funktionalanalytische Grundlagen skizzieren und gegenüberstellen
Fertigkeiten

Die Studierenden können 

  • elementare Methoden der Bildverarbeitung implementieren und anwenden  
  • moderne Methoden der Bildverarbeitung erklären und anwenden
Personale Kompetenzen
Sozialkompetenz

Studierende können in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten und sich theoretische Grundlagen erklären.

Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0991: Mathematische Bildverarbeitung
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Elementare Methoden der Bildverarbeitung 
  • Glättungsfilter
  • Grundlagen der Diffusions- bzw. Wärmeleitgleichung
  • Variationsformulierungen in der Bildverarbeitung
  • Kantenerkennung
  • Segmentierung
  • Registrierung
Literatur Bredies/Lorenz: Mathematische Bildverarbeitung
Lehrveranstaltung L0992: Mathematische Bildverarbeitung
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0586: Effiziente Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Effiziente Algorithmen (L0120) Vorlesung 2 3
Effiziente Algorithmen (L1207) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Programmieren in Matlab und/oder C

Grundkenntnisse in diskreter Mathematik

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

Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Netzwerkalgorithmen und insbesondere deren Datenstrukturen erklären. Sie können das Rechenzeitverhalten wesentlicher Netzwerkalgorithmen beschreiben und analysieren. Die Studierenden können insbesondere zwischen effizient lösbaren und NP-harten Aufgabenstellungen diskriminieren.

Fertigkeiten

Die Studenten können komplexe Problemstellungen analysieren und die Möglichkeiten der Transformation in Netzwerkalgorithmen bestimmen. Sie können grundlegende Algorithmen und Datenstrukturen der linearen Optimierung und Netzwerktheorie effizient implementieren und mögliche Schwachstellen identifizieren. Sie können die Auswirkung der Nutzung verschiedener effizienter Datenstrukturen selbständig analysieren und jene gegebenenfalls einsetzen.

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0120: Effiziente Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt

- Lineare Optimierung

- Datenstrukturen

- Leftist heaps

- Minimum spanning tree

- Shortest path

- Maximum flow

- NP-harte Probleme via max-cut

Literatur

R. E. Tarjan: Data Structures and Network Algorithms. CBMS 44, Society for Industrial and Applied Mathematics, Philadelphia, PA, 1983.

Wesley, 2011 http://algs4.cs.princeton.edu/home/

V. Chvátal, ``Linear Programming'', Freeman, New York, 1983.

Lehrveranstaltung L1207: Effiziente Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0667: Algorithmische Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmische Algebra (L0422) Vorlesung 3 5
Algorithmische Algebra (L0423) Gruppenübung 1 1
Modulverantwortlicher Dr. Prashant Batra
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Mathe I-III (Reelle Analysis,Rechnen in Vektorräumen, Vollst. Induktion)  Diskrete Mathematik I (Gruppen, Ringe, Ideale, Körper; euklidscher Algorithmus)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern: Smith-Normalform, Chinesischer Restsatz, Gitterpunktsätze, Ganzzahlige Lösung von Ungleichungssystemen.




Fertigkeiten


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, wie beispielsweise bei der Lösung multivariater Gleichungssysteme und in der Gitterpunkttheorie.


Personale Kompetenzen
Sozialkompetenz ,
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0422: Algorithmische Algebra
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt

 Erweiterter Euklidscher Algorithmus, Lösen der Bezout-Gleichung

Teilen mit Rest in Ringen

Schnelle Rechenalgorithmen (Konversion in Zahlformate, Schnelle Multiplikationen)

Diskrete Fourier-Transformation in Ringe

Rechnen mit modularen Resten, Lösen von Restsystemen (Chinesischer Restsatz), Lösbarkeit ganzzahliger 'Gleichungssysteme

Linearisierung polynomialer Gleichungen - Matrizenansatz

Sylvester-Matrix, Elimination

Elimination in Ringen, Elimination mehrer Veränderlicher

Buchberger-Algorithmus, Gröbner-Basis

Minkowskischer Gitterpunktsatz und Ganzzahlige Optimierung

LLL-Algorithmus zum Auffinden 'kurzer' Vektoren in polynomialer Zeit







Literatur von zur Gathen, Joachim; Gerhard, Jürgen

Modern computer algebra. 3rd ed. (English) Zbl 1277.68002
Cambridge: Cambridge University Press (ISBN 978-1-107-03903-2/hbk; 978-1-139-85606-5/ebook).


Yap, Chee Keng
Fundamental problems of algorithmic algebra. (English) Zbl 0999.68261
Oxford: Oxford University Press. xvi, 511 p. $ 87.00 (2000).


Free download for students from author's website: http://cs.nyu.edu/yap/book/berlin/

Cox, David; Little, John; O’Shea, Donal
Ideals, varieties, and algorithms. An introduction to computational algebraic geometry and commutative algebra. 3rd ed. (English) Zbl 1118.13001
Undergraduate Texts in Mathematics. New York, NY: Springer (ISBN 978-0-387-35650-1/hbk; 978-0-387-35651-8/ebook). xv, 551 p.

eBook: http://dx.doi.org/10.1007/978-0-387-35651-8


Concrete abstract algebra : from numbers to Gröbner bases / Niels Lauritzen
Verfasser: 
Lauritzen, Niels
Ausgabe: 
Reprinted with corr.
Erschienen: 
Cambridge [u.a.] : Cambridge Univ. Press, 2006
Umfang: 
XIV, 240 S. : graph. Darst.
Anmerkung: 
Includes bibliographical references and index
ISBN: 
0-521-82679-9, 978-0-521-82679-2 (hbk.) : GBP 55.00
0-521-53410-0, 978-0-521-53410-9 (pbk.) : USD 39.99

Koepf, Wolfram
Computer algebra. An algorithmic oriented introduction. (Computeralgebra. Eine algorithmisch orientierte Einführung.) (German) Zbl 1161.68881
Berlin: Springer (ISBN 3-540-29894-0/pbk). xiii, 515 p.

springer eBook: http://dx.doi.org/10.1007/3-540-29895-9

Kaplan, Michael
Computer algebra. (Computeralgebra.) (German) Zbl 1093.68148
Berlin: Springer (ISBN 3-540-21379-1/pbk). xii, 391 p.

springer eBook:

http://dx.doi.org/10.1007/b137968



Lehrveranstaltung L0423: Algorithmische Algebra
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0955: Matrixtheorie

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Analysis und Matrixtheorie (L0123) Vorlesung 2 3
Numerische Analysis und Matrixtheorie (L1209) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in diskreter Mathematik

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 Matrixtheorie. Darüber hinaus kennen sie die Verbindung einzelner Elemente der Matrixtheorie und anderen Teilgebieten der Mathematik, Informatik und Ingenieurwissenschaften.

Fertigkeiten

Die Studierenden können komplexe Problemstellungen aus der Matrixtheorie analysieren und auch unorthodoxe Lösungsmöglichkeiten anwenden.

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0123: Numerische Analysis und Matrixtheorie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Ausgewählte Kapitel aus der Matrixtheorie
Literatur

R.A. Horn and Ch. Johnson, Matrix Analysis. Cambridge University Press, 1985

M. Fiedler: Special matrices and their applications in numerical mathematics. Martinus Nijhoff Publishers, Dordrecht, 1986
 

G.H. Golub, Ch. Van Loan: Matrix Computations. third edition. Johns Hopkins University Press, Baltimore, 1996

Lehrveranstaltung L1209: Numerische Analysis und Matrixtheorie
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1245: Technischer Ergänzungskurs II für IIWMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht

Modul M0685: Computerorientierte Algebraische Geometrie

Lehrveranstaltungen
Titel Typ SWS LP
Computerorientierte Algebraische Geometrie (L1759) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse

Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra.

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

Wissen: Die Studierenden werden vertraut gemacht mit folgenden Themen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie

    Einsatz von CAS





Fertigkeiten

Die Studierenden können Rechnungen zu folgenden Themen durchführen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie





  • Algebraische Invariantentheorie und Codierungstheorie
  • Elliptische Kurven und Kryptographie

  • Knotenpolynome und Knotentheorie

  • Homologische Algebra und Sensornetze

  • Garbenkohomologie und globale Daten

    Extensiver Einsatz von CAS.

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 einschlägiger 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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1759: Computerorientierte Algebraische Geometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M1302: Angewandte Humanoide Robotik

Lehrveranstaltungen
Titel Typ SWS LP
Humanoide Robotik (L1794) Problemorientierte Lehrveranstaltung 6 6
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Objektorientierte Programmierung, Algorithmen und Datenstrukturen
  • Grundlagen der Regelungstechnik
  • Control systems theory and design
  • Mechanik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden können Eigenschaften der humanoiden Robotik nennen und erläutern.
  • Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Vorwärts- & Rückwärtskinematik von humanoiden Robotersystemen erklären.
  • Die Studierenden können Regelkonzepte für verschiedene Aufgaben der Humanoiden Robotik anwenden.
Fertigkeiten
  • Die Studierenden können die Modelle der Systeme der humanoiden Robotik in Matlab und C++ implementieren und diese Modelle für Bewegungen des Roboters oder andere Aufgaben nutzen.
  • Sie sind in der Lage die Modelle in Matlab für Simulationen zu nutzen und dann ggf. auch mit C++ Code auf dem realen Robotersystem zu testen.
  • Sie sind darüber hinaus in der Lage, für eine abstrakte Aufgabenstellung, für die es keine standardisierte Lösung gibt, Methoden auszuwählen, die zu gewünschten Ergebnissen führen.
Personale Kompetenzen
Sozialkompetenz
  • Die Studierenden können in fachlich gemischten Teams gemeinsame Lösungen entwickeln und diese vor anderen vertreten.
  • Sie sind in der Lage angemessenes Feedback zu geben und mit Rückmeldungen zu ihren eigenen Leistungen konstruktiv umzugehen.
Selbstständigkeit
  • Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Lehrveranstaltung zu setzen.
  • Sie können sich eigenständig Aufgaben definieren und geeignete Mittel zur Umsetzung einsetzen.
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Prüfung Kolloquium
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1794: Humanoide Robotik
Typ Problemorientierte Lehrveranstaltung
SWS 6
LP 6
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Dozenten Prof. Herbert Werner
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlagen der Kinematik
  • Grundlagen der statischen und dynamischen Stabilität humanoider Robotersysteme
  • Verknüpfung verschiedener Entwicklungsumgebungen (Matlab, C++, etc.)
  • Einarbeitung in die notwendigen Frameworks
  • Bearbeitung einer Projektaufgabe im Team
  • Präsentation und Demonstration von Zwischen- und Endergebnissen
Literatur
  • B. Siciliano, O. Khatib. "Handbook of Robotics. Part A: Robotics Foundations", Springer (2008)

Modul M0747: Microsystem Design

Lehrveranstaltungen
Titel Typ SWS LP
Mikrosystementwurf (L0683) Vorlesung 2 3
Mikrosystementwurf (L0684) Laborpraktikum 3 3
Modulverantwortlicher Prof. Manfred Kasper
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

Mathematical Calculus, Linear Algebra, Microsystem Engineering

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

The students know about the most important and most common simulation and design methods used in microsystem design. The scientific background of finite element methods and the basic theory of these methods are known.

Fertigkeiten

Students are able to apply simulation methods and commercial simulators in a goal oriented approach to complex design tasks. Students know to apply the theory in order achieve estimates of expected accuracy and can judge and verify the correctness of results. Students are able to develop a design approach even if only incomplete information about material data or constraints are available. Student can make use of approximate and reduced order models in a preliminary design stage or a system simulation.

Personale Kompetenzen
Sozialkompetenz

Students are able to solve specific problems alone or in a group and to present the results accordingly. Students can develop and explain their solution approach and subdivide the design task to subproblems which are solved separately by group members.

Selbstständigkeit

Students are able to acquire particular knowledge using specialized literature and to integrate and associate this knowledge with other fields.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang halbstündig
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Nanoelektronik und Mikrosystemtechnik: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Microelectronics and Microsystems: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0683: Microsystem Design
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Manfred Kasper
Sprachen EN
Zeitraum SoSe
Inhalt

Finite difference methods

Approximation error

Finite element method

Order of convergence

Error estimation, mesh refinement

Makromodeling

Reduced order modeling

Black-box models

System identification

Multi-physics systems

System simulation

Levels of simulation, network simulation

Transient problems

Non-linear problems

Introduction to Comsol

Application to thermal, electric, electromagnetic, mechanical and fluidic problems

Literatur

M. Kasper: Mikrosystementwurf, Springer (2000)

S. Senturia: Microsystem Design, Kluwer (2001)

Lehrveranstaltung L0684: Microsystem Design
Typ Laborpraktikum
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Manfred Kasper
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0840: Optimal and Robust Control

Lehrveranstaltungen
Titel Typ SWS LP
Optimale und robuste Regelung (L0658) Vorlesung 2 3
Optimale und robuste Regelung (L0659) Gruppenübung 2 3
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen

Control Systems Theory and Design

Empfohlene Vorkenntnisse
  • Classical control (frequency response, root locus)
  • State space methods
  • Linear algebra, singular value decomposition
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain the significance of the matrix Riccati equation for the solution of LQ problems.
  • They can explain the duality between optimal state feedback and optimal state estimation.
  • They can explain how the H2 and H-infinity norms are used to represent stability and performance constraints.
  • They can explain how an LQG design problem can be formulated as special case of an H2 design problem.
  • They  can explain how model uncertainty can be represented in a way that lends itself to robust controller design
  • They can explain how - based on the small gain theorem - a robust controller can guarantee stability and performance for an uncertain plant.
  • They understand how analysis and synthesis conditions on feedback loops can be represented as linear matrix inequalities.
Fertigkeiten
  • Students are capable of designing and tuning LQG controllers for multivariable plant models.
  • They are capable of representing a H2 or H-infinity design problem in the form of a generalized plant, and of using standard software tools for solving it.
  • They are capable of translating time and frequency domain specifications for control loops into constraints on closed-loop sensitivity functions, and of carrying out a mixed-sensitivity design.
  • They are capable of constructing an LFT uncertainty model for an uncertain system, and of designing a mixed-objective robust controller.
  • They are capable of formulating analysis and synthesis conditions as linear matrix inequalities (LMI), and of using standard LMI-solvers for solving them.
  • They can carry out all of the above using standard software tools (Matlab robust control toolbox).
Personale Kompetenzen
Sozialkompetenz Students can work in small groups on specific problems to arrive at joint solutions. 
Selbstständigkeit

Students are able to find required information in sources provided (lecture notes, literature, software documentation) and use it to solve given problems. 


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: 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
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktentwicklung: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktion: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Werkstoffe: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0658: Optimal and Robust Control
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum SoSe
Inhalt
  • Optimal regulator problem with finite time horizon, Riccati differential equation
  • Time-varying and steady state solutions, algebraic Riccati equation, Hamiltonian system
  • Kalman’s identity, phase margin of LQR controllers, spectral factorization
  • Optimal state estimation, Kalman filter, LQG control
  • Generalized plant, review of LQG control
  • Signal and system norms, computing H2 and H∞ norms
  • Singular value plots, input and output directions
  • Mixed sensitivity design, H∞ loop shaping, choice of weighting filters
  • Case study: design example flight control
  • Linear matrix inequalities, design specifications as LMI constraints (H2, H∞ and pole region)
  • Controller synthesis by solving LMI problems, multi-objective design
  • Robust control of uncertain systems, small gain theorem, representation of parameter uncertainty
Literatur
  • Werner, H., Lecture Notes: "Optimale und Robuste Regelung"
  • Boyd, S., L. El Ghaoui, E. Feron and V. Balakrishnan "Linear Matrix Inequalities in Systems and Control", SIAM, Philadelphia, PA, 1994
  • Skogestad, S. and I. Postlewhaite "Multivariable Feedback Control", John Wiley, Chichester, England, 1996
  • Strang, G. "Linear Algebra and its Applications", Harcourt Brace Jovanovic, Orlando, FA, 1988
  • Zhou, K. and J. Doyle "Essentials of Robust Control", Prentice Hall International, Upper Saddle River, NJ, 1998
Lehrveranstaltung L0659: Optimal and Robust Control
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0630: Robotics and Navigation in Medicine

Lehrveranstaltungen
Titel Typ SWS LP
Robotik und Navigation in der Medizin (L0335) Vorlesung 2 3
Robotik und Navigation in der Medizin (L0338) Projektseminar 2 2
Robotik und Navigation in der Medizin (L0336) Gruppenübung 1 1
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen

None

Empfohlene Vorkenntnisse
  • principles of math (algebra, analysis/calculus)
  • principles of programming, e.g., in Java or C++
  • solid R or Matlab skills
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

The students can explain kinematics and tracking systems in clinical contexts and illustrate systems and their components in details. Systems can be evaluated with respect to collision detection and  safety and regulations. Students can assess typical systems regarding design and  limitations.

Fertigkeiten

The students are able to design and evaluate navigation systems and robotic systems for medical applications.


Personale Kompetenzen
Sozialkompetenz

The students discuss the results of other groups, provide helpful feedback and can incoorporate feedback into their work.

Selbstständigkeit

The students can reflect their knowledge and document the results of their work. They can present the results in an appropriate manner.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: 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
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktentwicklung: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktion: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Werkstoffe: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: Wahlpflicht
Lehrveranstaltung L0335: Robotics and Navigation in Medicine
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum SoSe
Inhalt

- kinematics
- calibration
- tracking systems
- navigation and image guidance
- motion compensation
The seminar extends and complements the contents of the lecture with respect to recent research results.


Literatur

Spong et al.: Robot Modeling and Control, 2005
Troccaz: Medical Robotics, 2012
Further literature will be given in the lecture.

Lehrveranstaltung L0338: Robotics and Navigation in Medicine
Typ Projektseminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0336: Robotics and Navigation in Medicine
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0711: Numerische Mathematik II

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik II (L0568) Vorlesung 2 3
Numerische Mathematik II (L0569) Gruppenübung 2 3
Modulverantwortlicher Prof. Blanca Ayuso Dios
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse
  • Numerische Mathematik 1
  • MATLAB Kenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • weiterführende 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,

  • Konvergenzbeweise skizzieren,
  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
Fertigkeiten

Studierende sind in der Lage,

  • vertiefende 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 und auf verwandte Problemstellungen zu übertragen
  • zu gegebener Problemstellung einen geeigneten Lösungsansatz zu entwickeln, gegebenenfalls durch Zusammensetzen mehrerer Algorithmen, diesen durchzuführen und die Ergebnisse kritisch auszuwerten.
Personale Kompetenzen
Sozialkompetenz

Studierende können

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

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0568: Numerische Mathematik II
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Fehler und Stabilität: Begriffe und Abschätzungen
  2. Interpolation: Rationale und trigonometrische Interpolation
  3. Quadratur: Gauß-Quadratur, Orthogonalpolynome
  4. Lineare Systeme: Perturbationstheorie von Zerlegungen, strukturierte Matrizen
  5. Eigenwertaufgaben: LR-, QD-, QR-Algorithmus
  6. Krylovraum-Verfahren: Arnoldi-, Lanczos-Verfahren
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer
Lehrveranstaltung L0569: Numerische Mathematik II
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0551: Pattern Recognition and Data Compression

Lehrveranstaltungen
Titel Typ SWS LP
Mustererkennung und Datenkompression (L0128) Vorlesung 4 6
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

Linear algebra (including PCA, unitary transforms), stochastics and statistics, binary arithmetics

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

Students can name the basic concepts of pattern recognition and data compression.

Students are able to discuss logical connections between the concepts covered in the course and to explain them by means of examples.


Fertigkeiten

Students can apply statistical methods to classification problems in pattern recognition and to prediction in data compression. On a sound theoretical and methodical basis they can analyze characteristic value assignments and classifications and describe data compression and video signal coding. They are able to use highly sophisticated methods and processes of the subject area. Students are capable of assessing different solution approaches in multidimensional decision-making areas.



Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit

Students are capable of identifying problems independently and of solving them scientifically, using the methods they have learnt.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung und Materialien im StudIP
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0128: Pattern Recognition and Data Compression
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum SoSe
Inhalt

Structure of a pattern recognition system, statistical decision theory, classification based on statistical models, polynomial regression, dimension reduction, multilayer perceptron regression, radial basis functions, support vector machines, unsupervised learning and clustering, algorithm-independent machine learning, mixture models and EM, adaptive basis function models and boosting, Markov random fields

Information, entropy, redundancy, mutual information, Markov processes, basic coding schemes (code length, run length coding, prefix-free codes), entropy coding (Huffman, arithmetic coding), dictionary coding (LZ77/Deflate/LZMA2, LZ78/LZW), prediction, DPCM, CALIC, quantization (scalar and vector quantization), transform coding, prediction, decorrelation (DPCM, DCT, hybrid DCT, JPEG, JPEG-LS), motion estimation, subband coding, wavelets, HEVC (H.265,MPEG-H)

Literatur

Schürmann: Pattern Classification, Wiley 1996
Murphy, Machine Learning, MIT Press, 2012
Barber, Bayesian Reasoning and Machine Learning, Cambridge, 2012
Duda, Hart, Stork: Pattern Classification, Wiley, 2001
Bishop: Pattern Recognition and Machine Learning, Springer 2006

Salomon, Data Compression, the Complete Reference, Springer, 2000
Sayood, Introduction to Data Compression, Morgan Kaufmann, 2006
Ohm, Multimedia Communication Technology, Springer, 2004
Solari, Digital video and audio compression, McGraw-Hill, 1997
Tekalp, Digital Video Processing, Prentice Hall, 1995

Modul M0548: Bioelektromagnetik: Prinzipien und Anwendungen

Lehrveranstaltungen
Titel Typ SWS LP
Bioelektromagnetik: Prinzipien und Anwendungen (L0371) Vorlesung 3 5
Bioelektromagnetik: Prinzipien und Anwendungen (L0373) Gruppenübung 2 1
Modulverantwortlicher Prof. Christian Schuster
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen der Physik

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

Die Studierenden können die grundlegenden Gesetzmäßigkeiten, Zusammenhänge und Methoden der Bioelektromagnetik, d.h. der Beschreibung und Anwendung des Verhaltens elektromagnetischer Felder in biologischer Materie,  erklären. Sie können die wesentlichen physikalischen Abläufe erläutern und nach Wellenlänge bzw. Frequenz der Felder einordnen. Sie können einen Überblick über messtechnische und numerische Methoden zur Charakterisierung elektromagnetischer Felder in der Praxis geben. Sie können therapeutische und diagnostische Anwendungen elektromagnetischer Felder in der Medizintechnik benennen.

Fertigkeiten

Die Studierenden können eine Reihe von Verfahren zur Beschreibung des Verhaltens elektromagnetischer Felder in biologischer Materie anwenden. Dafür können Sie auf elementare Lösungen der Maxwellschen Gleichungen Bezug nehmen und diese sinnvoll einsetzen. Sie können einschätzen, welche prinzipiellen Effekte diese Modelle in Bezug auf biologische Materie vorhersagen, können diese nach Wellenlänge bzw. Frequenz klassifizieren und quantitativ analysieren. Sie können Validierungsstrategien für ihre Vorhersagen entwickeln. Sie können Effekte elektromagnetischer Felder für therapeutische und diagnostische Anwendungen gegeneinander abwägen und auswählen.


Personale Kompetenzen
Sozialkompetenz

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




Selbstständigkeit

Die Studierenden sind in der Lage, Informationen aus einschlägigen Fachpublikationen zu gewinnen und in den Kontext der Vorlesung zu setzen. Sie können ihr erlangtes Wissen mit den Inhalten anderer Lehrveranstaltungen (z.B. Theoretischer Elektrotechnik, Grundlagen der Elektrotechnik oder Physik) zu verknüpfen. Sie können Probleme und Effekte im Bereich der Bioelektromagnetik auf Englisch kommunizieren.


Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30-60 Minuten
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung HF-Technik, Optik und Elektromagnetische Verträglichkeit: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: 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
Lehrveranstaltung L0371: Bioelektromagnetik: Prinzipien und Anwendungen
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Prof. Christian Schuster
Sprachen DE/EN
Zeitraum SoSe
Inhalt

- Grundlegende Eigenschaften elektromagnetischer Felder (Phänomene)

- Mathematische Beschreibung elektromagnetischer Felder (Maxwell-Gleichungen)

- Elektromagnetische Eigenschaften biologischer Materie

- Prinzipien der Energieabsorption in biologischer Materie, Dosimetrie

- Numerische Methoden zur Berechnung elektromagnetischer Felder (v.a. FDTD)

- Messtechnische Methoden zur Bestimmung elektromagnetischer Felder

- Verhalten elektromagnetischer Felder niedriger Frequenz in biologischer Materie

- Verhalten elektromagnetischer Felder mittlerer Frequenz in biologischer Materie

- Verhalten elektromagnetischer Felder hoher Frequenz in biologischer Materie

- Verhalten elektromagnetischer Felder sehr hoher Frequenz in biologischer Materie

- Diagnostische Anwendungen elektromagnetischer Felder in der Medizin

- Therapeutische Anwendungen elektromagnetischer Felder in der Medizin

- Der menschliche Körper als Generator elektromagnetischer Felder


Literatur

- C. Furse, D. Christensen, C. Durney, "Basic Introduction to Bioelectromagnetics", CRC (2009)

- A. Vorst, A. Rosen, Y. Kotsuka, "RF/Microwave Interaction with Biological Tissues", Wiley (2006)

- S. Grimnes, O. Martinsen, "Bioelectricity and Bioimpedance Basics", Academic Press (2008)

- F. Barnes, B. Greenebaum, "Bioengineering and Biophysical Aspects of Electromagnetic Fields", CRC (2006)


Lehrveranstaltung L0373: Bioelektromagnetik: Prinzipien und Anwendungen
Typ Gruppenübung
SWS 2
LP 1
Arbeitsaufwand in Stunden Eigenstudium 2, Präsenzstudium 28
Dozenten Prof. Christian Schuster
Sprachen DE/EN
Zeitraum SoSe
Inhalt

- Grundlegende Eigenschaften elektromagnetischer Felder (Phänomene)

- Mathematische Beschreibung elektromagnetischer Felder (Maxwell-Gleichungen)

- Elektromagnetische Eigenschaften biologischer Materie

- Prinzipien der Energieabsorption in biologischer Materie, Dosimetrie

- Numerische Methoden zur Berechnung elektromagnetischer Felder (v.a. FDTD)

- Messtechnische Methoden zur Bestimmung elektromagnetischer Felder

- Verhalten elektromagnetischer Felder niedriger Frequenz in biologischer Materie

- Verhalten elektromagnetischer Felder mittlerer Frequenz in biologischer Materie

- Verhalten elektromagnetischer Felder hoher Frequenz in biologischer Materie

- Verhalten elektromagnetischer Felder sehr hoher Frequenz in biologischer Materie

- Diagnostische Anwendungen elektromagnetischer Felder in der Medizin

- Therapeutische Anwendungen elektromagnetischer Felder in der Medizin

- Der menschliche Körper als Generator elektromagnetischer Felder


Literatur

- C. Furse, D. Christensen, C. Durney, "Basic Introduction to Bioelectromagnetics", CRC (2009)

- A. Vorst, A. Rosen, Y. Kotsuka, "RF/Microwave Interaction with Biological Tissues", Wiley (2006)

- S. Grimnes, O. Martinsen, "Bioelectricity and Bioimpedance Basics", Academic Press (2008)

- F. Barnes, B. Greenebaum, "Bioengineering and Biophysical Aspects of Electromagnetic Fields", CRC (2006)


Modul M0549: Wissenschaftliches Rechnen und Genauigkeit

Lehrveranstaltungen
Titel Typ SWS LP
Einschließungsmethoden (L0122) Vorlesung 2 3
Einschließungsmethoden (L1208) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in numerischer Mathematik

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

Die Studenten haben vertiefte Kenntnisse von numerischen und seminumerischen Methoden mit dem Ziel, prinzipiell exakte und genaue Fehlerschranken zu berechnen. Für diverse, grundlegende Problemstellungen kennen sie Algorithmen mit der Verifikation der Korrektheit des Resultats.

Fertigkeiten

Die Studenten können für grundlegende Probleme Algorithmen entwerfen, die korrekte Fehlerschranken für die Lösung berechnen und gleichzeitig die Empfindlichkeit in bezug auf Variation der Eingabedaten analysieren.

 

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Verfahrenstechnik: Vertiefung Chemische Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0122: Einschließungsmethoden
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt
  • Schnelle und optimale Intervallarithmetik
  • Fehlerfreie Transformationen
  • Verifikationsmethoden für lineare und nichtlineare Gleichungssysteme
  • Verifikationsmethoden für bestimmte Integrale
  • Behandlung mehrfacher Nullstellen
  • Automatische Differentiation
  • Implementierung in Matlab/INTLAB
  • Praktische Anwendungen
Literatur

Neumaier: Interval Methods for Systems of Equations. In: Encyclopedia of Mathematics and its  Applications. Cambridge University Press, 1990

S.M. Rump. Verification methods: Rigorous results using floating-point arithmetic. Acta Numerica, 19:287-449, 2010.
Lehrveranstaltung L1208: Einschließungsmethoden
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0832: Advanced Topics in Control

Lehrveranstaltungen
Titel Typ SWS LP
Ausgewählte Themen der Regelungstechnik (L0661) Vorlesung 2 3
Ausgewählte Themen der Regelungstechnik (L0662) Gruppenübung 2 3
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse H-infinity optimal control, mixed-sensitivity design, linear matrix inequalities 
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain the advantages and shortcomings of the classical gain scheduling approach
  • They can explain the representation of nonlinear systems in the form of quasi-LPV systems
  • They can explain how stability and performance conditions for LPV systems can be formulated as LMI conditions
  • They can explain how gridding techniques can be used to solve analysis and synthesis problems for LPV systems
  • They are familiar with polytopic and LFT representations of LPV systems and some of the basic synthesis techniques associated with each of these model structures


  • Students can explain how graph theoretic concepts are used to represent the communication topology of multiagent systems
  • They can explain the convergence properties of  first order consensus protocols
  • They can explain analysis and synthesis conditions for formation control loops involving either LTI or LPV agent models


  • Students can explain the state space representation of spatially invariant distributed systems that are discretized according to an actuator/sensor array
  • They can explain (in outline) the extension of the bounded real lemma to such distributed systems and the associated synthesis conditions for distributed controllers

Fertigkeiten
  • Students are capable of constructing LPV models of nonlinear plants and carry out a mixed-sensitivity design of gain-scheduled controllers; they can do this using polytopic, LFT or general LPV models 
  • They are able to use standard software tools (Matlab robust control toolbox) for these tasks


  • Students are able to design distributed formation controllers for groups of agents with either LTI or LPV dynamics, using Matlab tools provided


  • Students are able to design distributed controllers for spatially interconnected systems, using the Matlab MD-toolbox
Personale Kompetenzen
Sozialkompetenz Students can work in small groups and arrive at joint results.
Selbstständigkeit

Students are able to find required information in sources provided (lecture notes, literature, software documentation) and use it to solve given problems. 


 
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0661: Advanced Topics in Control
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt
  • Linear Parameter-Varying (LPV) Gain Scheduling

    - Linearizing gain scheduling, hidden coupling
    - Jacobian linearization vs. quasi-LPV models
    - Stability and induced L2 norm of LPV systems
    - Synthesis of LPV controllers based on the two-sided projection lemma
    - Simplifications: controller synthesis for polytopic and LFT models
    - Experimental identification of LPV models
    - Controller synthesis based on input/output models
    - Applications: LPV torque vectoring for electric vehicles, LPV control of a robotic manipulator
  • Control of Multi-Agent Systems

    - Communication graphs
    - Spectral properties of the graph Laplacian
    - First and second order consensus protocols
    - Formation control, stability and performance
    - LPV models for agents subject to nonholonomic constraints
    - Application: formation control for a team of quadrotor helicopters
  • Control of Spatially Interconnected Systems

    - Multidimensional signals, l2 and L2 signal norm
    - Multidimensional systems in Roesser state space form
    - Extension of real-bounded lemma to spatially interconnected systems
    - LMI-based synthesis of distributed controllers
    - Spatial LPV control of spatially varying systems
    - Applications: control of temperature profiles, vibration damping for an actuated beam
Literatur
  • Werner, H., Lecture Notes "Advanced Topics in Control"
  • Selection of relevant research papers made available as pdf documents via StudIP
Lehrveranstaltung L0662: Advanced Topics in Control
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0746: Microsystem Engineering

Lehrveranstaltungen
Titel Typ SWS LP
Mikrosystemtechnik (L0680) Vorlesung 2 4
Mikrosystemtechnik (L0682) Problemorientierte Lehrveranstaltung 1 1
Mikrosystemtechnik (L0681) Gruppenübung 1 1
Modulverantwortlicher Prof. Manfred Kasper
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Basic courses in physics, mathematics and electric engineering
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

The students know about the most important technologies and materials of MEMS as well as their applications in sensors and actuators.

Fertigkeiten

Students are able to analyze and describe the functional behaviour of MEMS components and to evaluate the potential of microsystems.

Personale Kompetenzen
Sozialkompetenz

Students are able to solve specific problems alone or in a group and to present the results accordingly.

Selbstständigkeit

Students are able to acquire particular knowledge using specialized literature and to integrate and associate this knowledge with other fields.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang zweistündig
Zuordnung zu folgenden Curricula Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: 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
Microelectronics and Microsystems: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0680: Microsystem Engineering
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Manfred Kasper
Sprachen EN
Zeitraum WiSe
Inhalt

Object and goal of MEMS

Scaling Rules

Lithography

Film deposition

Structuring and etching

Energy conversion and force generation

Electromagnetic Actuators

Reluctance motors

Piezoelectric actuators, bi-metal-actuator

Transducer principles

Signal detection and signal processing

Mechanical and physical sensors

Acceleration sensor, pressure sensor

Sensor arrays

System integration

Yield, test and reliability

Literatur

M. Kasper: Mikrosystementwurf, Springer (2000)

M. Madou: Fundamentals of Microfabrication, CRC Press (1997)

Lehrveranstaltung L0682: Microsystem Engineering
Typ Problemorientierte Lehrveranstaltung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Manfred Kasper
Sprachen EN
Zeitraum WiSe
Inhalt

Examples of MEMS components

Layout consideration

Electric, thermal and mechanical behaviour

Design aspects

Literatur

Wird in der Veranstaltung bekannt gegeben

Lehrveranstaltung L0681: Microsystem Engineering
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Manfred Kasper
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0552: 3D Computer Vision

Lehrveranstaltungen
Titel Typ SWS LP
3D Computer Vision (L0129) Vorlesung 2 3
3D Computer Vision (L0130) Gruppenübung 2 3
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Knowlege of the modules Digital Image Analysis and Pattern Recognition and Data Compression are used in the practical task
  • Linear Algebra (including PCA, SVD), nonlinear optimization (Levenberg-Marquardt), basics of stochastics and basics of Matlab are required and cannot be explained in detail during the lecture.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain and describe the field of projective geometry.

Fertigkeiten

Students are capable of

  • Implementing an exemplary 3D or volumetric analysis task
  • Using highly sophisticated methods and procedures of the subject area
  • Identifying problems and
  • Developing and implementing creative solution suggestions.

With assistance from the teacher students are able to link the contents of the three subject areas (modules)

  • Digital Image Analysis 
  • Pattern Recognition and Data Compression
    and 
  • 3D Computer Vision 

in practical assignments.

Personale Kompetenzen
Sozialkompetenz

Students can collaborate in a small team on the practical realization and testing of a system to reconstruct a three-dimensional scene or to evaluate volume data sets.

Selbstständigkeit

Students are able to solve simple tasks independently with reference to the contents of the lectures and the exercise sets.

Students are able to solve detailed problems independently with the aid of the tutorial’s programming task.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung und Materialien im StudIP
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: 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
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0129: 3D Computer Vision
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum WiSe
Inhalt
  • Projective Geometry and Transformations in 2D und 3D in homogeneous coordinates
  • Projection matrix, calibration
  • Epipolar Geometry, fundamental and essential matrices, weak calibration, 5 point algorithm
  • Homographies 2D and 3D
  • Trifocal Tensor
  • Correspondence search
Literatur
  • Skriptum Grigat/Wenzel
  • Hartley, Zisserman: Multiple View Geometry in Computer Vision. Cambridge 2003.
Lehrveranstaltung L0130: 3D Computer Vision
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0768: Microsystems Technology in Theory and Practice

Lehrveranstaltungen
Titel Typ SWS LP
Mikrosystemtechnologie (L0724) Vorlesung 2 4
Mikrosystemtechnologie (L0725) Problemorientierte Lehrveranstaltung 2 2
Modulverantwortlicher Prof. Hoc Khiem Trieu
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Basics in physics, chemistry, mechanics and semiconductor technology

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

Students are able

     to present and to explain current fabrication techniques for microstructures and especially methods for the fabrication of microsensors and microactuators, as well as the integration thereof in more complex systems

     to explain in details operation principles of microsensors and microactuators and

     to discuss the potential and limitation of microsystems in application.


Fertigkeiten

Students are capable

     to analyze the feasibility of microsystems,

     to develop process flows for the fabrication of microstructures and

     to apply them.




Personale Kompetenzen
Sozialkompetenz


Students are able to prepare and perform their lab experiments in team work as well as to present and discuss the results in front of audience.


Selbstständigkeit

None

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Nanoelektronik und Mikrosystemtechnik: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: 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
Microelectronics and Microsystems: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0724: Microsystems Technology
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Hoc Khiem Trieu
Sprachen EN
Zeitraum WiSe
Inhalt
  • Introduction (historical view, scientific and economic relevance, scaling laws)
  • Semiconductor Technology Basics, Lithography (wafer fabrication, photolithography, improving resolution, next-generation lithography, nano-imprinting, molecular imprinting)
  • Deposition Techniques (thermal oxidation, epitaxy, electroplating, PVD techniques: evaporation and sputtering; CVD techniques: APCVD, LPCVD, PECVD and LECVD; screen printing)
  • Etching and Bulk Micromachining (definitions, wet chemical etching, isotropic etch with HNA, electrochemical etching, anisotropic etching with KOH/TMAH: theory, corner undercutting, measures for compensation and etch-stop techniques; plasma processes, dry etching: back sputtering, plasma etching, RIE, Bosch process, cryo process, XeF2 etching)
  • Surface Micromachining and alternative Techniques (sacrificial etching, film stress, stiction: theory and counter measures; Origami microstructures, Epi-Poly, porous silicon, SOI, SCREAM process, LIGA, SU8, rapid prototyping)
  • Thermal and Radiation Sensors (temperature measurement, self-generating sensors: Seebeck effect and thermopile; modulating sensors: thermo resistor, Pt-100, spreading resistance sensor, pn junction, NTC and PTC; thermal anemometer, mass flow sensor, photometry, radiometry, IR sensor: thermopile and bolometer)
  • Mechanical Sensors (strain based and stress based principle, capacitive readout, piezoresistivity,  pressure sensor: piezoresistive, capacitive and fabrication process; accelerometer: piezoresistive, piezoelectric and capacitive; angular rate sensor: operating principle and fabrication process)
  • Magnetic Sensors (galvanomagnetic sensors: spinning current Hall sensor and magneto-transistor; magnetoresistive sensors: magneto resistance, AMR and GMR, fluxgate magnetometer)
  • Chemical and Bio Sensors (thermal gas sensors: pellistor and thermal conductivity sensor; metal oxide semiconductor gas sensor, organic semiconductor gas sensor, Lambda probe, MOSFET gas sensor, pH-FET, SAW sensor, principle of biosensor, Clark electrode, enzyme electrode, DNA chip)
  • Micro Actuators, Microfluidics and TAS (drives: thermal, electrostatic, piezo electric and electromagnetic; light modulators, DMD, adaptive optics, microscanner, microvalves: passive and active, micropumps, valveless micropump, electrokinetic micropumps, micromixer, filter, inkjet printhead, microdispenser, microfluidic switching elements, microreactor, lab-on-a-chip, microanalytics)
  • MEMS in medical Engineering (wireless energy and data transmission, smart pill, implantable drug delivery system, stimulators: microelectrodes, cochlear and retinal implant; implantable pressure sensors, intelligent osteosynthesis, implant for spinal cord regeneration)
  • Design, Simulation, Test (development and design flows, bottom-up approach, top-down approach, testability, modelling: multiphysics, FEM and equivalent circuit simulation; reliability test, physics-of-failure, Arrhenius equation, bath-tub relationship)
  • System Integration (monolithic and hybrid integration, assembly and packaging, dicing, electrical contact: wire bonding, TAB and flip chip bonding; packages, chip-on-board, wafer-level-package, 3D integration, wafer bonding: anodic bonding and silicon fusion bonding; micro electroplating, 3D-MID)


Literatur

M. Madou: Fundamentals of Microfabrication, CRC Press, 2002

N. Schwesinger: Lehrbuch Mikrosystemtechnik, Oldenbourg Verlag, 2009

T. M. Adams, R. A. Layton:Introductory MEMS, Springer, 2010

G. Gerlach; W. Dötzel: Introduction to microsystem technology, Wiley, 2008

Lehrveranstaltung L0725: Microsystems Technology
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Hoc Khiem Trieu
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1249: Numerische Verfahren in der medizinischen Bildgebung

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Verfahren in der medizinischen Bildgebung (L1694) Vorlesung 2 3
Numerische Verfahren in der medizinischen Bildgebung (L1695) Gruppenübung 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in Linear Algebra, insbesondere im Lösen von Gleichungssystemen

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

Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, für verschiedene tomographische Bildgebungsmodalitäten Rekonstruktionsverfahren zu beschreiben. Insbesondere können die in der Computertomographie verwendeten Methoden, wie die gefilterte Rückprojektion, erläutert werden. Die Studierenden sind in der Lage die inversen Probleme hinter den verschiedenen Bildgebungsverfahren zu formulieren und Lösungsansätze zu beschreiben.



Fertigkeiten

Die Studierenden sind dazu in der Lage, Rekonstruktionsverfahren zu implementieren und diese anhand von tomographischen Messdaten zu testen. Sie können die rekonstruierten Bilder visualisieren und die Qualität ihrer Daten und Resultate und beurteilen.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L1694: Numerische Verfahren in der medizinischen Bildgebung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE
Zeitraum WiSe
Inhalt

In der Vorlesung werden numerische Verfahren in der medizinischen Bildgebung vorgestellt. Dies beinhaltet sowohl die physikalischen Grundprinzipien der tomographischen Verfahren als auch Algorithmen für die Bildrekonstruktion. Neben Radonbasierten Verfahren wie die Computertomographie werden magnetische Verfahren wie die Magnetresonanztomographie und das Magnetic-Particle-Imaging behandelt.

Literatur

Bildgebende Verfahren in der Medizin; O. Dössel; Springer, Berlin, 2000

Bildgebende Systeme für die medizinische Diagnostik; H. Morneburg (Hrsg.); Publicis MCD, München, 1995

Introduction to the Mathematics of Medical Imaging; C. L.Epstein; Siam, Philadelphia, 2008

Medical Image Processing, Reconstruction and Restoration; J. Jan; Taylor and Francis, Boca Raton, 2006

Principles of Magnetic Resonance Imaging; Z.-P. Liang and P. C. Lauterbur; IEEE Press, New York, 1999

Lehrveranstaltung L1695: Numerische Verfahren in der medizinischen Bildgebung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0738: Digital Audio Signal Processing

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Audiosignalverarbeitung (L0650) Vorlesung 3 4
Digitale Audiosignalverarbeitung (L0651) Hörsaalübung 1 2
Modulverantwortlicher Prof. Udo Zölzer
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Signals and Systems

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

Die Studierenden können die grundlegenden Verfahren und Methoden der digitalen Audiosignalverarbeitung erklären. Sie können die wesentlichen physikalischen Effekte bei der Sprach- und Audiosignalverarbeitung erläutern und in Kategorien einordnen. Sie können einen Überblick der numerischen Methoden und messtechnischen Charakterisierung von Algorithmen zur Audiosignalverarbeitung geben. Sie können die erarbeiteten Algorithmen auf weitere Anwendungen im Bereich der Informationstechnik und Informatik abstrahieren.

Fertigkeiten

The students will be able to apply methods and techniques from audio signal processing in the fields of mobile and internet communication. They can rely on elementary algorithms of audio signal processing in form of Matlab code and interactive JAVA applets. They can study parameter modifications and evaluate the influence on human perception and technical applications in a variety of applications beyond audio signal processing. Students can perform measurements in time and frequency domain in order to give objective and subjective quality measures with respect to the methods and applications.

Personale Kompetenzen
Sozialkompetenz

The students can work in small groups to study special tasks and problems and will be enforced to present their results with adequate methods during the exercise.

Selbstständigkeit

The students will be able to retrieve information out of the relevant literature in the field and putt hem into the context of the lecture. They can relate their gathered knowledge and relate them to other lectures (signals and systems, digital communication systems, image and video processing, and pattern recognition). They will be prepared to understand and communicate problems and effects in the field audio signal processing.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 45 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0650: Digital Audio Signal Processing
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Udo Zölzer
Sprachen EN
Zeitraum WiSe
Inhalt
  • Introduction (Studio Technology,  Digital Transmission Systems, Storage Media, Audio Components at Home)

  • Quantization (Signal Quantization, Dither, Noise Shaping, Number Representation)

  • AD/DA Conversion (Methods, AD Converters, DA Converters, Audio Processing Systems, Digital Signal Processors, Digital Audio Interfaces, Single-Processor Systems, Multiprocessor Systems)

  • Equalizers (Recursive Audio Filters, Nonrecursive Audio Filters, Multi-Complementary Filter Bank)

  • Room Simulation (Early Reflections, Subsequent Reverberation, Approximation of Room Impulse Responses)

  • Dynamic Range Control (Static Curve, Dynamic Behavior, Implementation, Realization Aspects)

  • Sampling Rate Conversion (Synchronous Conversion, Asynchronous Conversion, Interpolation Methods)

  • Data Compression (Lossless Data Compression, Lossy Data Compression, Psychoacoustics, ISO-MPEG1 Audio Coding)

Literatur

- U. Zölzer, Digitale Audiosignalverarbeitung, 3. Aufl., B.G. Teubner, 2005.

- U. Zölzer, Digitale Audio Signal Processing, 2nd Edition, J. Wiley & Sons, 2005.


- U. Zölzer (Ed), Digital Audio Effects, 2nd Edition, J. Wiley & Sons, 2011.


 






Lehrveranstaltung L0651: Digital Audio Signal Processing
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Udo Zölzer
Sprachen EN
Zeitraum WiSe
Inhalt
Literatur

Fachmodule der Vertiefung Wissenschaftliches Rechnen

Die Vertiefung, in der die Mathematische Modellbildung eine besondere Rolle spielt, bietet einerseits eine umfangreiche Ausbildung für Branchen der Informatik in verschiedenen Ingenieurbereichen wie z.B. Luftfahrt, Schifffahrt usw. Andererseits wird in dieser Vertiefung eine fundierte Ausbildung für eines der gesellschaftlich bedeutsamsten Forschungsgebiete in Informatik, Mathematik und Ingenieurwesen angeboten, so dass Absolventen vielfältige Möglichkeiten zur wissenschaftlichen Weiterqualifikation geboten werden.

Modul M1150: Kontinuumsmechanik

Lehrveranstaltungen
Titel Typ SWS LP
Kontinuumsmechanik (L1533) Vorlesung 2 3
Kontinuumsmechanik Übung (L1534) Gruppenübung 2 3
Modulverantwortlicher Prof. Swantje Bargmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mechanik I

Mechanik II

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

Die Studierenden können grundlegende Konzepte zur Berechnung von mechanischem Materialverhalten erklären. Sie können Methoden der Kontinuumsmechanik im größeren Kontext erläutern.

Fertigkeiten

Die Studierenden können Bilanzgleichungen aufstellen und Grundlagen der Deformationstheorie elastischer Körper anwenden und auf diesem Gebiet spezifische Aufgabenstellungen sowohl anwendungsorientiert als auch forschungsorientiert bearbeiten

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können Lösungen gegenüber Spezialisten präsentieren und Ideen weiterentwickeln.

Selbstständigkeit

Die Studierenden können ihre eigenen Stärken und Schwächen ermitteln und sich benötigtes Wissen aneignen. Sie können selbstständig und verantwortlich Aufgaben im Bereich der Kontinuumsmechanik lösen.



Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Materialwissenschaft: Vertiefung Modellierung: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Werkstoffe: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: 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
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1533: Kontinuumsmechanik
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Swantje Bargmann, Dr. Songyun Ma
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Kinematik deformierbarer Körper
  • Bilanzgleichungen (Massenbilanz, Energiegleichung, …)
  • Spannungszustand
  • Materialmodellierung


Literatur

R. Greve: Kontinuumsmechanik: Ein Grundkurs für Ingenieure und Physiker

I-S. Liu: Continuum Mechanics, Springer


Lehrveranstaltung L1534: Kontinuumsmechanik Übung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Swantje Bargmann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Kinematik deformierbarer Körper
  • Bilanzgleichungen (Massenbilanz, Energiegleichung, …)
  • Spannungszustand
  • Materialmodellierung


Literatur

R. Greve: Kontinuumsmechanik: Ein Grundkurs für Ingenieure und Physiker

I-S. Liu: Continuum Mechanics, Springer


Modul M1244: Technischer Ergänzungskurs I für IIWMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht

Modul M0647: Quantencomputing

Lehrveranstaltungen
Titel Typ SWS LP
Quantencomputing (L0381) Vorlesung 2 3
Quantencomputing (L1613) Seminar 1 1
Quantencomputing (L0382) Gruppenübung 1 2
Modulverantwortlicher Dr. Christian Jansson
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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L0381: Quantencomputing
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Christian Jansson
Sprachen DE
Zeitraum WiSe
Inhalt
  • Einleitung
  • Vom Bit zum Quantenregister
  • Grundlagen der Quantenmechanik: Geschichte, Schrödinger Gleichung, Übergangssysteme, Experimente
  • Grundlagen aus der linearen Algebra
  • Postulate der Quantenmechanik
  • Klassische Schaltkreise und Quantenschaltkreise
  • Umkehrbare Berechnungen und Parallelität
  • Algorithmus von Deutsch-Jozsa
  • Teleportation
  • Quanten-Fouriertransformation
  • Optische Quantencomputer
Literatur
  • M.A. Nielsen, I.L. Chuang: Quantum Computation and Quantum Information, Cambridge University Press, 2001
  • M. Homeister: Quantum Computing verstehen, Vieweg, 2005
Lehrveranstaltung L1613: Quantencomputing
Typ Seminar
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Christian Jansson
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0382: Quantencomputing
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr. Christian Jansson
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0808: Finite Elements Methods

Lehrveranstaltungen
Titel Typ SWS LP
Finite-Elemente-Methoden (L0291) Vorlesung 2 3
Finite-Elemente-Methoden (L0804) Hörsaalübung 2 3
Modulverantwortlicher Prof. Otto von Estorff
Zulassungsvoraussetzungen none
Empfohlene Vorkenntnisse

Mechanics I (Statics, Mechanics of Materials) and Mechanics II (Hydrostatics, Kinematics, Dynamics)
Mathematics I, II, III (in particular differential equations)

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

The students possess an in-depth knowledge regarding the derivation of the finite element method and are able to give an overview of the theoretical and methodical basis of the method.



Fertigkeiten

The students are capable to handle engineering problems by formulating suitable finite elements, assembling the corresponding system matrices, and solving the resulting system of equations.



Personale Kompetenzen
Sozialkompetenz -
Selbstständigkeit

The students are able to independently solve challenging computational problems and develop own finite element routines. Problems can be identified and the results are critically scrutinized.



Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Bauingenieurwesen: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Lufttransportsysteme und Flugzeugvorentwurf: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Produktentwicklung und Produktion: Wahlpflicht
Mechatronics: Kernqualifikation: Pflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Pflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Lehrveranstaltung L0291: Finite Element Methods
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Otto von Estorff
Sprachen EN
Zeitraum WiSe
Inhalt

- General overview on modern engineering
- Displacement method
- Hybrid formulation
- Isoparametric elements
- Numerical integration
- Solving systems of equations (statics, dynamics)
- Eigenvalue problems
- Non-linear systems
- Applications

- Programming of elements (Matlab, hands-on sessions)
- Applications

Literatur

Bathe, K.-J. (2000): Finite-Elemente-Methoden. Springer Verlag, Berlin

Lehrveranstaltung L0804: Finite Element Methods
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Otto von Estorff
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0720: Matrixalgorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Matrixalgorithmen (L0984) Vorlesung 2 3
Matrixalgorithmen (L0985) Gruppenübung 2 3
Modulverantwortlicher Dr. Jens-Peter Zemke
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathemathik I - III
  • Numerische Mathemathik/ Numerik
  • Grundkenntnisse der Programmiersprachen Matlab und C
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  1. Krylov-Raum-Verfahren des neuesten Standes zur Lösung einiger Kernprobleme der Ingenieurwissenschaften im Bereich der Eigenwertaufgaben, der Lösung linearer Gleichungssysteme und der Modellreduktion benennen, wiedergeben und klassifizieren;
  2. Ansätze zur Lösung von Matrixgleichungen (Sylvester, Lyapunov, Riccati) benennen.
Fertigkeiten

Studierende sind in der Lage,

  1. grundlegende Krylov-Raum-Verfahren zur Lösung des Eigenwertproblemes, linearer Gleichungssysteme und zur Modellreduktion zu implementieren und zu bewerten;
  2. die in moderner Software verwendeten Verfahren bezüglich der Rechenzeit, Stabilität und ihrer Grenzen einzuschätzen;
  3. die gelernten Verfahren an neue, unbekannte Problemstellungen zu adaptieren.
Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in kleinen Gruppen Lösungen erarbeiten und dokumentieren;
  • in Gruppen Ideen weiterentwickeln und auf anderen Kontext übertragen;
  • im Team eine Software-Bibliothek entwickeln, aufbauen und weiterentwickeln.
Selbstständigkeit

Studierende sind fähig

  • den Aufwand und Umfang selbst definierter Aufgaben korrekt einzuschätzen;
  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen;
  • sich eigenständig Aufgaben zum Test und zum Ausbau der Verfahren auszudenken;
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0984: Matrixalgorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Jens-Peter Zemke
Sprachen DE
Zeitraum WiSe
Inhalt
  • Teil A: Krylov-Raum-Verfahren:
    • Grundlagen (Herleitung, Basis, Ritz, OR, MR)
    • Arnoldi-basierte Verfahren (Arnoldi, GMRes)
    • Lanczos-basierte Verfahren (Lanczos, CG, BiCG, QMR, SymmLQ, PvL)
    • Sonneveld-basierte Verfahren (IDR, CGS, BiCGStab, TFQMR, IDR(s))
  • Teil B: Matrixgleichungen:
    • Sylvester-Gleichung
    • Lyapunov-Gleichung
    • Algebraische Riccati-Gleichung


Literatur Skript
Lehrveranstaltung L0985: Matrixalgorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten NN
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0586: Effiziente Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Effiziente Algorithmen (L0120) Vorlesung 2 3
Effiziente Algorithmen (L1207) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Programmieren in Matlab und/oder C

Grundkenntnisse in diskreter Mathematik

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

Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Netzwerkalgorithmen und insbesondere deren Datenstrukturen erklären. Sie können das Rechenzeitverhalten wesentlicher Netzwerkalgorithmen beschreiben und analysieren. Die Studierenden können insbesondere zwischen effizient lösbaren und NP-harten Aufgabenstellungen diskriminieren.

Fertigkeiten

Die Studenten können komplexe Problemstellungen analysieren und die Möglichkeiten der Transformation in Netzwerkalgorithmen bestimmen. Sie können grundlegende Algorithmen und Datenstrukturen der linearen Optimierung und Netzwerktheorie effizient implementieren und mögliche Schwachstellen identifizieren. Sie können die Auswirkung der Nutzung verschiedener effizienter Datenstrukturen selbständig analysieren und jene gegebenenfalls einsetzen.

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0120: Effiziente Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt

- Lineare Optimierung

- Datenstrukturen

- Leftist heaps

- Minimum spanning tree

- Shortest path

- Maximum flow

- NP-harte Probleme via max-cut

Literatur

R. E. Tarjan: Data Structures and Network Algorithms. CBMS 44, Society for Industrial and Applied Mathematics, Philadelphia, PA, 1983.

Wesley, 2011 http://algs4.cs.princeton.edu/home/

V. Chvátal, ``Linear Programming'', Freeman, New York, 1983.

Lehrveranstaltung L1207: Effiziente Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0751: Technische Schwingungslehre

Lehrveranstaltungen
Titel Typ SWS LP
Technische Schwingungslehre (L0701) Vorlesung 4 6
Modulverantwortlicher Prof. Norbert Hoffmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Analysis
  • Lineare Algebra
  • Technische Mechanik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende können Begriffe und Zusammenhänge der Technischen Schwingungslehre wiedergeben und weiterentwickeln.
Fertigkeiten Studierende können Methoden der Technischen Schwingungslehre benennen und weiterentwickeln.
Personale Kompetenzen
Sozialkompetenz Studierende können auch in Gruppen zu Arbeitsergebnissen kommen.
Selbstständigkeit Studierende können sich eigenständig Forschungsaufgaben der Technischen Schwingungslehre erschließen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2 Stunden
Zuordnung zu folgenden Curricula Energietechnik: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: 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
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Pflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0701: Technische Schwingungslehre
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Norbert Hoffmann
Sprachen DE/EN
Zeitraum WiSe
Inhalt Lineare und Nichtlineare Ein- und Mehrfreiheitsgradschwingungen und Wellen.
Literatur K. Magnus, K. Popp, W. Sextro: Schwingungen. Physikalische Grundlagen und mathematische Behandlung von Schwingungen. Springer Verlag, 2013.

Modul M0955: Matrixtheorie

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Analysis und Matrixtheorie (L0123) Vorlesung 2 3
Numerische Analysis und Matrixtheorie (L1209) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in diskreter Mathematik

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 Matrixtheorie. Darüber hinaus kennen sie die Verbindung einzelner Elemente der Matrixtheorie und anderen Teilgebieten der Mathematik, Informatik und Ingenieurwissenschaften.

Fertigkeiten

Die Studierenden können komplexe Problemstellungen aus der Matrixtheorie analysieren und auch unorthodoxe Lösungsmöglichkeiten anwenden.

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0123: Numerische Analysis und Matrixtheorie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Ausgewählte Kapitel aus der Matrixtheorie
Literatur

R.A. Horn and Ch. Johnson, Matrix Analysis. Cambridge University Press, 1985

M. Fiedler: Special matrices and their applications in numerical mathematics. Martinus Nijhoff Publishers, Dordrecht, 1986
 

G.H. Golub, Ch. Van Loan: Matrix Computations. third edition. Johns Hopkins University Press, Baltimore, 1996

Lehrveranstaltung L1209: Numerische Analysis und Matrixtheorie
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0716: Hierarchische Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Hierarchische Algorithmen (L0585) Vorlesung 2 3
Hierarchische Algorithmen (L0586) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I, II, III für Ingenieurstudierende (deutsch oder englisch) oder Analysis & Lineare Algebra I + II sowie Analysis III für Technomathematiker
  • Programmierkenntnisse in C
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • Vertreter hierarchischer Algorithmen benennen und ihre grundlegenden Merkmale herausstellen,
  • Konstruktionstechniken hierarchischer Algorithmen erklären,
  • Aspekte der effizienten Implementierung von hierarchischen Algorithmen diskutieren. 
Fertigkeiten

Studierende sind in der Lage,

  • die in der Vorlesung behandelten hierarchischen Algorithmen zu implementieren,
  • den Speicherbedarf und die Rechenzeitkomplexität der Algorithmen zu analysieren,
  • die Algorithmen an Problemstellungen unterschiedlicher Anwendungen anzupassen und somit problemadaptierte Varianten zu entwickeln.
Personale Kompetenzen
Sozialkompetenz

Studierende können

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

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • mit ausreichender Ausdauer komplexe Problemstellungen über längere Zeiträume zu bearbeiten,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0585: Hierarchische Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Niedrigrangmatrizen
  • Separable Entwicklungen
  • Hierarchische Matrixpartitionen
  • Hierarchische Matrizen
  • Formatierte Matrixoperationen
  • Anwendungen
  • weitere Themen
Literatur W. Hackbusch: Hierarchische Matrizen: Algorithmen und Analysis
Lehrveranstaltung L0586: Hierarchische Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0604: High-Order FEM

Lehrveranstaltungen
Titel Typ SWS LP
High-Order FEM (L0280) Vorlesung 3 4
High-Order FEM (L0281) Hörsaalübung 1 2
Modulverantwortlicher Prof. Alexander Düster
Zulassungsvoraussetzungen

None

Empfohlene Vorkenntnisse

Mathematics I, II, III, Mechanics I, II, III, IV

Differential Equations 2 (Partial Differential Equations)

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

Students are able to
+ give an overview of the different (h, p, hp) finite element procedures.
+ explain high-order finite element procedures.
+ specify problems of finite element procedures, to identify them in a given situation and to explain their mathematical and mechanical background.

Fertigkeiten

Students are able to
+ apply high-order finite elements to problems of structural mechanics.
+ select for a given problem of structural mechanics a suitable finite element procedure.
+ critically judge results of high-order finite elements.
+ transfer their knowledge of high-order finite elements to new problems.

Personale Kompetenzen
Sozialkompetenz

Students are able to
+ solve problems in heterogeneous groups and to document the corresponding results.

Selbstständigkeit

Students are able to
+ assess their knowledge by means of exercises and E-Learning.
+ acquaint themselves with the necessary knowledge to solve research oriented tasks.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Energietechnik: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Materialwissenschaft: Vertiefung Modellierung: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Produktentwicklung und Produktion: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0280: High-Order FEM
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Alexander Düster
Sprachen EN
Zeitraum SoSe
Inhalt

1. Introduction
2. Motivation
3. Hierarchic shape functions
4. Mapping functions
5. Computation of element matrices, assembly, constraint enforcement and solution
6. Convergence characteristics
7. Mechanical models and finite elements for thin-walled structures
8. Computation of thin-walled structures
9. Error estimation and hp-adaptivity
10. High-order fictitious domain methods


Literatur

[1] Alexander Düster, High-Order FEM, Lecture Notes, Technische Universität Hamburg-Harburg, 164 pages, 2014
[2] Barna Szabo, Ivo Babuska, Introduction to Finite Element Analysis – Formulation, Verification and Validation, John Wiley & Sons, 2011


Lehrveranstaltung L0281: High-Order FEM
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Alexander Düster
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0657: Numerische Methoden der Thermofluiddynamik II

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Methoden der Thermofluiddynamik II (L0237) Vorlesung 2 3
Numerische Methoden der Thermofluiddynamik II (L0421) Hörsaalübung 2 3
Modulverantwortlicher Prof. Thomas Rung
Zulassungsvoraussetzungen keine
Empfohlene Vorkenntnisse Grundkenntnisse in numerischer und allgemeiner Thermofluiddynamik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Aufbau von vertieften methodischen Kenntnissen in numerischer Thermofluiddynamik, insbesondere Finite-Volumen Techniken. Detailliertes Verständnis der theoretischen Hintergründe komplexer CFD-Simulationssoftware.


Fertigkeiten

Erwerb von Schnittstellenverständnis und Ausbau der Programmierkompetenzen. Fähigkeit zur Analyse und Bewertung unterschiedlicher Lösungsansätze.


Personale Kompetenzen
Sozialkompetenz

Verbesserte Teamfähigkeit durch Gruppenübungen. 

Selbstständigkeit Selbstständige Analyse von problemspezifischen Lösungsansätzen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 0.5h-0.75h
Zuordnung zu folgenden Curricula Energietechnik: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0237: Numerische Methoden der Thermofluiddynamik II
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Thomas Rung
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Numerische Modellierung komplexer turbulenter Ein- und Mehrphasenströmungen mit höherwertigen Ansätzen für unstrukturierte und netzfreie Approximationstechniken

Literatur
Lehrveranstaltung L0421: Numerische Methoden der Thermofluiddynamik II
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Thomas Rung
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1245: Technischer Ergänzungskurs II für IIWMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht

Modul M1310: Methoden und Anwendungen der Differentialgeometrie

Lehrveranstaltungen
Titel Typ SWS LP
Methoden und Anwendungen der Differentialgeometrie (L1808) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 20-30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1808: Methoden und Anwendungen der Differentialgeometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Georg Friedrich Mayer-Lindenberg
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Diese Vorlesung resümiert Grundbegriffe der Analysis und linearen Algebra unter dem Blickwinkel der Abstraktion von Koordinaten und führt dann in Methoden der Differentialgeometrie mit Anwendungen in der Computergraphik, der Robotik und den Feldgleichungen der Physik ein. Als CS-Kurs stellt sie auch Beziehungen zu Datentypen auf dem Rechner her und diskutiert Rechnerimplementierungen mathematischer Konstruktionen. Stichworte:

Datentypbegriff, Algorithmen, Zahlen und Zahlcodierungen, Diskretisierung kontinuierlicher Strukturen, Koordinatensysteme;  Vektorräume, Tensoren, Quaternionen, äußere Algebra, Clifford-Algebren, Lie-Algebren;  koordinatenfreie Vektoranalysis, Vektorfelder, Lie-Ableitung, Differenzialgleichungen, Variationsrechnung, Differentialformen und -operatoren;  Flächen im Raum, Krümmung, kovariante Ableitung, Geodätische; Mannigfaltigkeiten, Faserbündel, Transformationsgruppen,Riemann'sche Metriken, symplektische Strukturen; Symmetriegruppen, Invarianten, spezielle Funktionen

Literatur

Agricola, Friedrich,    Vektoranalysis,                                                Vieweg/Teubner 2010

A.C. Da Silva,           Lectures on Symplectic Geometry,                    Springer L.N. Math. 1764

J. Snygg,                  Differential Geometry using Clifford's Algebra,   Birkhäuser 2010

T. Frankel                 The Geometry of Physics                                 Cambridge U. P. 2012

M.Desbrun et al.       Discrete exterior calculus,                                arXiv:math/0508341v2

J.Marsden  et al.       Discrete Mechanics and Variational Integrators, Acta numerica. 2001

Modul M0714: Numerik gewöhnlicher Differentialgleichungen

Lehrveranstaltungen
Titel Typ SWS LP
Numerik gewöhnlicher Differentialgleichungen (L0576) Vorlesung 2 3
Numerik gewöhnlicher Differentialgleichungen (L0582) Gruppenübung 2 3
Modulverantwortlicher Prof. Blanca Ayuso Dios
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I, II, III für Ingenieurstudierende (deutsch oder englisch) oder Analysis & Lineare Algebra I + II sowie Analysis III für Technomathematiker
  • MATLAB Grundkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • numerische Verfahren zur Lösung gewöhnlicher Differentialgleichungen  benennen und deren Kernideen erläutern,
  • Konvergenzaussagen (inklusive der an das zugrundeliegende Problem gestellten Voraussetzungen) zu den behandelten numerischen Verfahren wiedergeben,

  • Aspekte der praktischen Durchführung numerischer Verfahren erklären.
Fertigkeiten

Studierende sind in der Lage,

  • numerische Methoden zur Lösung gewöhnlicher Differentialgleichungen 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 zu entwickeln, gegebenenfalls durch Zusammensetzen mehrerer Algorithmen, diesen durchzuführen und die Ergebnisse kritisch auszuwerten.
Personale Kompetenzen
Sozialkompetenz

Studierende können

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

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 180 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Chemische Verfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Verfahrenstechnik: Vertiefung Chemische Verfahrenstechnik: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0576: Numerik gewöhnlicher Differentialgleichungen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Numerische Verfahren für Anfangswertprobleme

  • Einschrittverfahren
  • Mehrschrittverfahren
  • Steife Probleme
  • Differentiell-algebraische Gleichungen vom Index 1

Numerische Verfahren für Randwertaufgaben

  • Anfangswertmethoden
  • Mehrzielmethode
  • Differenzenverfahren
  • Variationsmethoden
Literatur
  • E. Hairer, S. Noersett, G. Wanner: Solving Ordinary Differential Equations I: Nonstiff Problems
  • E. Hairer, G. Wanner: Solving Ordinary Differential Equations II: Stiff and Differential-Algebraic Problems
Lehrveranstaltung L0582: Numerik gewöhnlicher Differentialgleichungen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0692: Approximation und Stabilität

Lehrveranstaltungen
Titel Typ SWS LP
Approximation und Stabilität (L0487) Vorlesung 2 3
Approximation und Stabilität (L0489) Seminar 1 2
Approximation und Stabilität (L0488) Gruppenübung 1 1
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Lineare Algebra: lin. Gleichungssystem, lin. Ausgleichsproblem, Eigenwerte, Singulärwerte
  • Analysis: Folgen, Reihen, Differential- und Integralrechnung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können

  • funktionalanalytische Grundlagen (Hilbertraum, Operatoren) skizzieren und gegenüberstellen
  • Approximationsverfahren benennen und verstehen
  • Stabilitätsresultate angeben
  • spektrale Größen, Konditionszahlen, Regularisierungsmethoden diskutieren
Fertigkeiten

Die Studierenden können

  • funktionalanalytische Grundlagen (Hilbertraum, Operatoren) anwenden,
  • Approximationsverfahren anwenden,
  • Stabilitätsresultate anwenden,
  • spektrale Größen berechnen,
  • Regularisierungsmethoden anwenden


 
Personale Kompetenzen
Sozialkompetenz

Die Studierenden können fachspezifische Aufgaben gemeinsam bearbeiten und ihre Ergebnisse in geeigneter Weise vor der Gruppe präsentieren (z.B. als Seminarvortrag).

Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0487: Approximation und Stabilität
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Es geht um die Lösung folgender Grundprobleme der linearen Algebra

  • lineare Gleichungssysteme,
  • lineare Ausgleichsprobleme,
  • Eigenwertprobleme

in Funktionenräumen (d.h. in Vektorräumen mit unendlicher Dimension) durch stabile Approximation des Problems in einem Raum mit endlicher Dimension.


Ablauf:

  • Crashkurs Hilbertraum: Metrik, Norm, Skalarprodukt, Vollständigkeit
  • Crashkurs Operatoren: Beschränktheit, Norm, Kompaktheit, Projektoren
  • gleichmäßige vs. starke Konvergenz, Approximationsverfahren
  • Anwendbarkeit / Stabilität von Approx.verfahren, Satz von Polski
  • Galerkinverfahren, Kollokation, Splineinterpolation, Abschneideverfahren
  • Faltungs- und Toeplitzoperatoren
  • Crashkurs C*-Algebren
  • Konvergenz von Konditionszahlen
  • Konvergenz spektraler Größen: Spektrum, Eigenwerte, Singulärwerte, Pseudospektrum
  • Regularisierungsverfahren (truncated SVD, Tichonov)
Literatur
  • R. Hagen, S. Roch, B. Silbermann: C*-Algebras in Numerical Analysis
  • H. W. Alt: Lineare Funktionalanalysis
  • M. Lindner: Infinite matrices and their finite sections
Lehrveranstaltung L0489: Approximation und Stabilität
Typ Seminar
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0488: Approximation und Stabilität
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0606: Numerische Algorithmen in der Strukturmechanik

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Algorithmen in der Strukturmechanik (L0284) Vorlesung 2 3
Numerische Algorithmen in der Strukturmechanik (L0285) Gruppenübung 2 3
Modulverantwortlicher Prof. Alexander Düster
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse

Mathematik I, II, III, Mechanik I, II, III, IV

Differentialgleichungen 2 (Partielle Differentialgleichungen)

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

Studierende können
+ einen Überblick über die gängigen numerischen Algorithmen geben, die in strukturmechanischen Finite-Elemente Programmen zum Einsatz kommen.
+ den Aufbau und Ablauf eines Finite-Elemente-Programms erläutern.
+ mögliche Probleme von numerischen Algorithmen aufzählen, im konkreten Fall erkennen und die mathematischen und informatischen Hintergründe erläutern.

Fertigkeiten

Studierende sind in der Lage
+ numerische Verfahren in Algorithmen zu überführen.
+ für numerische Probleme der Strukturmechanik geeignete Algorithmen auszuwählen.
+ numerische Algorithmen zur Lösung von Problemen der Strukturmechanik anzuwenden.
+ numerische Algorithmen in einer höheren Programmiersprache (hier C++) zu implementieren.
+ Ergebnisse von numerischen Algorithmen kritisch zu beurteilen und zu verifizieren.

Personale Kompetenzen
Sozialkompetenz

Studierende können
+ in heterogen zusammengesetzten Gruppen Aufgaben lösen und die Arbeitsergebnisse dokumentieren.

Selbstständigkeit

Studierende sind fähig
+ ihren Kenntnisstand mit Hilfe von Übungsaufgaben und E-Learning einzuschätzen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2h
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Materialwissenschaft: Vertiefung Modellierung: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0284: Numerische Algorithmen in der Strukturmechanik
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Düster
Sprachen DE
Zeitraum SoSe
Inhalt

1. Motivation
2. Grundlagen der Programmiersprache C++
3. Numerische Integration
4. Lösung von nichtlinearen Problemen
5. Lösung von linearen Gleichungssystemen
6. Verifikation von numerischen Algorithmen.
7. Ausgewählte Algorithmen und Datenstrukturen eines Finite-Elemente-Programms

Literatur

[1] D. Yang, C++ and object-oriented numeric computing, Springer, 2001.
[2] K.-J. Bathe, Finite-Elemente-Methoden, Springer, 2002.

Lehrveranstaltung L0285: Numerische Algorithmen in der Strukturmechanik
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Düster
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0605: Numerische Strukturdynamik

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Strukturdynamik (L0282) Vorlesung 3 4
Numerische Strukturdynamik (L0283) Gruppenübung 1 2
Modulverantwortlicher Prof. Alexander Düster
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse

Mathematik I, II, III, Mechanik I, II, III, IV

Differentialgleichungen 2 (Partielle Differentialgleichungen)

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

Studierende können
+ einen Überblick über die Verfahren zur numerischen Lösung von strukturdynamischen Problemen geben.
+ den Einsatz von Finite-Elemente-Programmen zur Lösung von Problemen der Strukturdynamik erläutern.
+ mögliche Probleme strukturdynamischer Berechnungen aufzählen, im konkreten Fall erkennen und die entsprechenden mathematischen und mechanischen Hintergründe erläutern.

Fertigkeiten

Studierende sind in der Lage
+ strukturdynamische Probleme zu modellieren.
+ für Probleme der Strukturdynamik geeignete Lösungsverfahren auszuwählen.
+ Berechnungsverfahren zur Lösung von Problemen der Strukturdynamik anzuwenden.
+ Ergebnisse von numerischen Berechnungen zur Strukturdynamik zu verifizieren und kritisch zu beurteilen.

Personale Kompetenzen
Sozialkompetenz

Studierende können
+ in heterogen zusammengesetzten Gruppen Aufgaben lösen und die Arbeitsergebnisse dokumentieren.

Selbstständigkeit

Studierende sind fähig
+ ihren Kenntnisstand mit Hilfe von Übungsaufgaben und E-Learning einzuschätzen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2h
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Materialwissenschaft: Vertiefung Modellierung: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0282: Numerische Strukturdynamik
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Alexander Düster
Sprachen DE
Zeitraum SoSe
Inhalt

1. Motivation
2. Grundlagen der Dynamik
3. Zeitintegrationsverfahren
4. Modalanalyse
5. Fourier-Transformation
6. Ausgewählte Beispiele

Literatur

[1] K.-J. Bathe, Finite-Elemente-Methoden, Springer, 2002.
[2] J.L. Humar, Dynamics of Structures, Taylor & Francis, 2012.

Lehrveranstaltung L0283: Numerische Strukturdynamik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Alexander Düster
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0685: Computerorientierte Algebraische Geometrie

Lehrveranstaltungen
Titel Typ SWS LP
Computerorientierte Algebraische Geometrie (L1759) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse

Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra.

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

Wissen: Die Studierenden werden vertraut gemacht mit folgenden Themen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie

    Einsatz von CAS





Fertigkeiten

Die Studierenden können Rechnungen zu folgenden Themen durchführen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie





  • Algebraische Invariantentheorie und Codierungstheorie
  • Elliptische Kurven und Kryptographie

  • Knotenpolynome und Knotentheorie

  • Homologische Algebra und Sensornetze

  • Garbenkohomologie und globale Daten

    Extensiver Einsatz von CAS.

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 einschlägiger 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
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1759: Computerorientierte Algebraische Geometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M0752: Nichtlineare Dynamik

Lehrveranstaltungen
Titel Typ SWS LP
Nichtlineare Dynamik (L0702) Vorlesung 4 6
Modulverantwortlicher Prof. Norbert Hoffmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Analysis
  • Lineare Algebra
  • Technische Mechanik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende sind in der Lage bestehende Begriffe und Konzepte der Nichtlinearen Dynamik wiederzugeben und neue Begriffe und Konzepte zu entwickeln.
Fertigkeiten Studierende sind in der Lage bestehende Verfahren und Methoden der Nichtlinearen Dynamik anzuwenden und neue Verfahren und Methoden zu entwickeln.
Personale Kompetenzen
Sozialkompetenz Studierende können Arbeitsergebnisse auch in Gruppen erzielen.
Selbstständigkeit Studierende können eigenständig vorgegebene Forschungsaufgaben angehen und selbständig neue Forschungsaufgaben identifizieren und bearbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2 Stunden
Zuordnung zu folgenden Curricula Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: 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
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0702: Nichtlineare Dynamik
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Norbert Hoffmann
Sprachen DE/EN
Zeitraum SoSe
Inhalt Grundlagen der Nichtlinearen Dynamik.
Literatur S. Strogatz: Nonlinear Dynamics and Chaos. Perseus, 2013.

Modul M1152: Skalenübergreifende Modellierung

Lehrveranstaltungen
Titel Typ SWS LP
Skalenübergreifende Modellierung (L1537) Vorlesung 2 3
Skalenübergreifende Modellierung Übung (L1538) Gruppenübung 2 3
Modulverantwortlicher Prof. Swantje Bargmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mechanik I

Mechanik II

Kontinuumsmechanik

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

Die Studierenden können die Verformungsmechanismen auf den einzelnen Längenskalen beschreiben und geeignete Modellierungskonzepte für die Beschreibung benennen.


Fertigkeiten

Die Studierende können erste Abschätzungen bzgl. des effektiven Materialverhaltens ausgehend von der vorliegenden Mikrostruktur treffen. Sie können das Schädigungsverhalten mit mikromechanischen Vorgängen korrelieren und diese beschreiben. Insbesondere können sie ihre Kenntnisse auf verschiedene Problemstellungen aus der Materialwissenschaft anwenden und Materialmodelle bewerten und implementieren. 

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können Lösungen gegenüber Spezialisten präsentieren und Ideen weiterentwickeln.

Selbstständigkeit

Die Studierenden können ihre eigenen Stärken und Schwächen ermitteln und sich benötigtes Wissen aneignen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Materialwissenschaft: Vertiefung Modellierung: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Werkstofftechnik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1537: Skalenübergreifende Modellierung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Swantje Bargmann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Modellierung von Verformungsmechanismen in Werkstoffen auf verschiedenen Skalen (z.B. Molekulardynamik, Kristallplastizität, phänomenologische Modelle)
  • Zusammenhang der Mikrostruktur mit dem makroskopischen Verhalten
  • Eshelby Problem
  • Effektive Materialeigenschaften, RVE Konzept
  • Homogenisierungsmethoden, Skalenkopplung (Mikro-Meso-Makro)
  • Mikromechanische Konzepte für die Beschreibung des Schädigungs- und Versagensverhaltens


Literatur

D. Gross, T. Seelig, Bruchmechanik: Mit einer Einführung in die Mikromechanik, Springer

T. Zohdi, P. Wriggers: An Introduction to Computational Micromechanics

D. Raabe: Computational Materials Science, The Simulation of Materials, Microstructures and Properties, Wiley-Vch

G. Gottstein., Physical Foundations of Materials Science, Springer


Lehrveranstaltung L1538: Skalenübergreifende Modellierung Übung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Swantje Bargmann
Sprachen DE/EN
Zeitraum SoSe
Inhalt


  • Modellierung von Verformungsmechanismen in Werkstoffen auf verschiedenen Skalen (z.B. Molekulardynamik, Kristallplastizität, phänomenologische Modelle)
  • Zusammenhang der Mikrostruktur mit dem makroskopischen Verhalten
  • Eshelby Problem
  • Effektive Materialeigenschaften, RVE Konzept
  • Homogenisierungsmethoden, Skalenkopplung (Mikro-Meso-Makro)
  • Mikromechanische Konzepte für die Beschreibung des Schädigungs- und Versagensverhaltens
Literatur


D. Gross, T. Seelig, Bruchmechanik: Mit einer Einführung in die Mikromechanik, Springer

T. Zohdi, P. Wriggers: An Introduction to Computational Micromechanics

D. Raabe: Computational Materials Science, The Simulation of Materials, Microstructures and Properties, Wiley-Vch

G. Gottstein., Physical Foundations of Materials Science, Springer

Modul M1281: Ausgewählte Themen der Schwingungslehre

Lehrveranstaltungen
Titel Typ SWS LP
Ausgewählte Themen der Schwingungslehre (L1743) Problemorientierte Lehrveranstaltung 4 6
Modulverantwortlicher Prof. Norbert Hoffmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Technische Schwingungslehre
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende sind in der Lage bestehende Begriffe und Konzepte der Höheren Schwingungslehre wiederzugeben und neue Begriffe und Konzepte zu entwickeln.
Fertigkeiten Studierende sind in der Lage bestehende Verfahren und Methoden der Höheren Schwingungslehre anzuwenden und neue Verfahren und Methoden zu entwickeln.
Personale Kompetenzen
Sozialkompetenz Studierende können Arbeitsergebnisse auch in Gruppen erzielen.
Selbstständigkeit Studierende können eigenständig vorgegebene Forschungsaufgaben angehen und selbständig neue Forschungsaufgaben identifizieren und bearbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2 Stunden
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1743: Ausgewählte Themen der Schwingungslehre
Typ Problemorientierte Lehrveranstaltung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Norbert Hoffmann, Merten Tiedemann, Sebastian Kruse
Sprachen DE/EN
Zeitraum SoSe
Inhalt Aktuelle Forschungsthemen der Schwingungslehre.
Literatur

Aktuelle Veröffentlichungen

Modul M0807: Boundary Element Methods

Lehrveranstaltungen
Titel Typ SWS LP
Boundary-Elemente-Methoden (L0523) Vorlesung 2 3
Boundary-Elemente-Methoden (L0524) Hörsaalübung 2 3
Modulverantwortlicher Prof. Otto von Estorff
Zulassungsvoraussetzungen none
Empfohlene Vorkenntnisse

Mechanics I (Statics, Mechanics of Materials) and Mechanics II (Hydrostatics, Kinematics, Dynamics)
Mathematics I, II, III (in particular differential equations)

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

The students possess an in-depth knowledge regarding the derivation of the boundary element method and are able to give an overview of the theoretical and methodical basis of the method.



Fertigkeiten

The students are capable to handle engineering problems by formulating suitable boundary elements, assembling the corresponding system matrices, and solving the resulting system of equations.



Personale Kompetenzen
Sozialkompetenz -
Selbstständigkeit

The students are able to independently solve challenging computational problems and develop own boundary element routines. Problems can be identified and the results are critically scrutinized.



Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Bauingenieurwesen: Vertiefung Tragwerke: Wahlpflicht
Bauingenieurwesen: Vertiefung Tiefbau: Wahlpflicht
Bauingenieurwesen: Vertiefung Hafenbau und Küstenschutz: Wahlpflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Produktentwicklung und Produktion: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0523: Boundary Element Methods
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Otto von Estorff
Sprachen EN
Zeitraum SoSe
Inhalt

- Boundary value problems
- Integral equations
- Fundamental Solutions
- Element formulations
- Numerical integration
- Solving systems of equations (statics, dynamics)
- Special BEM formulations
- Coupling of FEM and BEM

- Hands-on Sessions (programming of BE routines)
- Applications

Literatur

Gaul, L.; Fiedler, Ch. (1997): Methode der Randelemente in Statik und Dynamik. Vieweg, Braunschweig, Wiesbaden
Bathe, K.-J. (2000): Finite-Elemente-Methoden. Springer Verlag, Berlin

Lehrveranstaltung L0524: Boundary Element Methods
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Otto von Estorff
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0653: Hochleistungsrechnen

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen des Hochleistungsrechnens (L0242) Vorlesung 2 3
Grundlagen des Hochleistungsrechnens (L1416) Problemorientierte Lehrveranstaltung 2 3
Modulverantwortlicher Prof. Thomas Rung
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Allgemeine Grundlagen der angewandten Informationstechnik
  • Programmierkenntnisse in einer höheren Programmiersprache
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende können die Grundlagen der Numerik und Algorithmen von Hochleistungsrechnern unter Verwendung von aktuellen Hardwarebeispielen erläutern. Studierende sind in der Lage, die algorithmische Verknüpfung von Hard- und Softwaremerkmalen zu erklären.
Fertigkeiten

Studierende sind durch ihre Kenntnisse in der Lage, die algorithmischen Effizienz von Simulationsverfahren zu beurteilen.

Personale Kompetenzen
Sozialkompetenz Studierende sind befähigt im Team Algorithmen zu entwickeln und zu kodieren.  
Selbstständigkeit


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 1.5h
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0242: Grundlagen des Hochleistungsrechnens
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Thomas Rung
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Grundlagen moderner Hardwarearchitektu, kritische Aspekte der rechnerischen bzw. hardwaretechnischen Umsetzung exemplarischer Algorithmen, Konzepte für Shared- und Distributed-Memory-System, Programmierkonzepte für Beschleunigerhardware (GPGPUs)

Literatur
Lehrveranstaltung L1416: Grundlagen des Hochleistungsrechnens
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Thomas Rung
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0711: Numerische Mathematik II

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik II (L0568) Vorlesung 2 3
Numerische Mathematik II (L0569) Gruppenübung 2 3
Modulverantwortlicher Prof. Blanca Ayuso Dios
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse
  • Numerische Mathematik 1
  • MATLAB Kenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • weiterführende 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,

  • Konvergenzbeweise skizzieren,
  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
Fertigkeiten

Studierende sind in der Lage,

  • vertiefende 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 und auf verwandte Problemstellungen zu übertragen
  • zu gegebener Problemstellung einen geeigneten Lösungsansatz zu entwickeln, gegebenenfalls durch Zusammensetzen mehrerer Algorithmen, diesen durchzuführen und die Ergebnisse kritisch auszuwerten.
Personale Kompetenzen
Sozialkompetenz

Studierende können

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

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0568: Numerische Mathematik II
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Fehler und Stabilität: Begriffe und Abschätzungen
  2. Interpolation: Rationale und trigonometrische Interpolation
  3. Quadratur: Gauß-Quadratur, Orthogonalpolynome
  4. Lineare Systeme: Perturbationstheorie von Zerlegungen, strukturierte Matrizen
  5. Eigenwertaufgaben: LR-, QD-, QR-Algorithmus
  6. Krylovraum-Verfahren: Arnoldi-, Lanczos-Verfahren
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer
Lehrveranstaltung L0569: Numerische Mathematik II
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1020: Numerik partieller Differentialgleichungen

Lehrveranstaltungen
Titel Typ SWS LP
Numerik partieller Differentialgleichungen (L1247) Vorlesung 2 3
Numerik partieller Differentialgleichungen (L1248) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I - IV (für Ingenieurstudierende) oder Analysis & Lineare Algebra I + II für Technomathematiker
  • Numerische Mathematik 1
  • Numerik gewöhnlicher Differentialgleichungen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden können partielle Differentialgleichungen den drei Grundtypen zuordnen.
  • Sie kennen für jeden Typ die passenden numerischen Zugänge.
  • Sie kennen das Konvergenzverhalten dieser Verfahren.
Fertigkeiten

Die Studierenden sind in der Lage, zu gegebenen partiellen Differentialgleichungsproblemen numerische Lösungansätze zu formulieren, theoretische Konvergenzaussagen zu treffen sowie diese Ansätze in der Praxis durchzuführen, d.h. zu implementieren und zu testen.


Personale Kompetenzen
Sozialkompetenz

Studierende können in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten und sich theoretische Grundlagen erklären.

Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 25 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1247: Numerik partieller Differentialgleichungen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne, Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum WiSe
Inhalt

Elementare Theorie und Numerik Partielle Diferentialgleichungen:

  • Typen partieller Differentialgleichungen
  • wohlgestellte Probleme
  • Finite Differenzen
  • Finite Elemente
  • Finite Volumen
  • Anwendungen
Literatur

Dietrich Braess: Finite Elemente: Theorie, schnelle Löser und Anwendungen in der Elastizitätstheorie, Berlin u.a., Springer 2007

Susanne Brenner, Ridgway Scott: The Mathematical Theory of Finite Element Methods, Springer, 2008

Peter Deuflhard, Martin Weiser: Numerische Mathematik 3
Lehrveranstaltung L1248: Numerik partieller Differentialgleichungen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne, Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0549: Wissenschaftliches Rechnen und Genauigkeit

Lehrveranstaltungen
Titel Typ SWS LP
Einschließungsmethoden (L0122) Vorlesung 2 3
Einschließungsmethoden (L1208) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in numerischer Mathematik

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

Die Studenten haben vertiefte Kenntnisse von numerischen und seminumerischen Methoden mit dem Ziel, prinzipiell exakte und genaue Fehlerschranken zu berechnen. Für diverse, grundlegende Problemstellungen kennen sie Algorithmen mit der Verifikation der Korrektheit des Resultats.

Fertigkeiten

Die Studenten können für grundlegende Probleme Algorithmen entwerfen, die korrekte Fehlerschranken für die Lösung berechnen und gleichzeitig die Empfindlichkeit in bezug auf Variation der Eingabedaten analysieren.

 

Personale Kompetenzen
Sozialkompetenz

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

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 (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Verfahrenstechnik: Vertiefung Chemische Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0122: Einschließungsmethoden
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt
  • Schnelle und optimale Intervallarithmetik
  • Fehlerfreie Transformationen
  • Verifikationsmethoden für lineare und nichtlineare Gleichungssysteme
  • Verifikationsmethoden für bestimmte Integrale
  • Behandlung mehrfacher Nullstellen
  • Automatische Differentiation
  • Implementierung in Matlab/INTLAB
  • Praktische Anwendungen
Literatur

Neumaier: Interval Methods for Systems of Equations. In: Encyclopedia of Mathematics and its  Applications. Cambridge University Press, 1990

S.M. Rump. Verification methods: Rigorous results using floating-point arithmetic. Acta Numerica, 19:287-449, 2010.
Lehrveranstaltung L1208: Einschließungsmethoden
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1268: Lineare und Nichtlineare Wellen

Lehrveranstaltungen
Titel Typ SWS LP
Lineare und Nichtlineare Wellen (L1737) Problemorientierte Lehrveranstaltung 4 6
Modulverantwortlicher Prof. Norbert Hoffmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Gute Kenntnisse in Mathematik, Mechanik und Dynamik.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende sind in der Lage, bestehende Begriffe und Konzepte der Wellenmechanik wiederzugeben und neue Begriffe und Konzepte zu entwickeln.
Fertigkeiten Studierende sind in der Lage bestehende Verfahren und Methoden der Wellenmechanik anzuwenden und neue Verfahren und Methoden zu entwickeln.
Personale Kompetenzen
Sozialkompetenz Studierende können Arbeitsergebnisse auch in Gruppen erzielen.
Selbstständigkeit Studierende können eigenständig vorgegebene Forschungsaufgaben angehen und selbständig neue Forschungsaufgaben identifizieren und bearbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 2 Stunden
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Maritime Technik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1737: Lineare und Nichtlineare Wellen
Typ Problemorientierte Lehrveranstaltung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Norbert Hoffmann
Sprachen DE/EN
Zeitraum WiSe
Inhalt Einführung in die Dynamik Linearer und Nichtlinearer Wellen.
Literatur

G.B. Witham, Linear and Nonlinear Waves. Wiley 1999.

C.C. Mei, Theory and Applications of Ocean Surface Waves. World Scientific 2004.

Modul M1151: Werkstoffmodellierung

Lehrveranstaltungen
Titel Typ SWS LP
Werkstoffmodellierung (L1535) Vorlesung 2 3
Werkstoffmodellierung (L1536) Gruppenübung 2 3
Modulverantwortlicher Prof. Swantje Bargmann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mechanik I

Mechanik II

Kontinuumsmechanik

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

Die Studierenden können die Grundlagen von mehrdimensionalen Werkstoffgesetzen erläutern.

Fertigkeiten

Die Studierenden können eigene Materialmodelle in ein Finite Elemente Programm implementieren. Insbesondere können Sie Ihre Kenntnisse auf verschiedene Problemstellung aus der Materialwissenschaft anwenden und Materialmodelle entsprechend bewerten.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden können Lösungen entwickeln, gegenüber Spezialisten präsentieren und Ideen weiterentwickeln.

Selbstständigkeit

Die Studierenden können ihre eigenen Stärken und Schwächen ermitteln und sich benötigtes Wissen aneignen. Sie können selbstständig und verantwortlich Aufgaben im Bereich der Kontinuumsmechanik lösen.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Materialwissenschaft: Vertiefung Modellierung: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Werkstoffe: 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
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L1535: Werkstoffmodellierung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Swantje Bargmann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Grundlagen der Finite-Element Methode
  • Grundlagen der Materialmodellierung
  • Einführung in die numerische Umsetzung von Materialgesetzen
  • Übersicht über die Modellierung verschiedener Werkstoffklassen
  • Verknüpfung von makroskopischen Größen zu mikromechanischen Vorgängen


Literatur

D. Raabe: Computational Materials Science, The Simulation of Materials, Microstructures and Properties, Wiley-Vch

J. Bonet, R.D. Wood, Nonlinear Continuum Mechanics for Finite Element Analysis, Cambridge

G. Gottstein., Physical Foundations of Materials Science, Springer


Lehrveranstaltung L1536: Werkstoffmodellierung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Swantje Bargmann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Grundlagen der Finite-Element Methode
  • Grundlagen der Materialmodellierung
  • Einführung in die numerische Umsetzung von Materialgesetzen
  • Übersicht über die Modellierung verschiedener Werkstoffklassen
  • Verknüpfung von makroskopischen Größen zu mikromechanischen Vorgängen


Literatur

D. Raabe: Computational Materials Science, The Simulation of Materials, Microstructures and Properties, Wiley-Vch

J. Bonet, R.D. Wood, Nonlinear Continuum Mechanics for Finite Element Analysis, Cambridge

G. Gottstein., Physical Foundations of Materials Science, Springer


Thesis

Modul M-002: Masterarbeit

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Professoren der TUHH
Zulassungsvoraussetzungen
  • Laut ASPO § 24 (1):

    Es müssen mindestens 78 Leistungspunkte im Studiengang erworben worden sein. Über Ausnahmen entscheidet der Prüfungsausschuss.


Empfohlene Vorkenntnisse keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden können das Spezialwissen (Fakten, Theorien und Methoden) ihres Studienfaches sicher zur Bearbeitung fachlicher Fragestellungen einsetzen.
  • Die Studierenden können in einem oder mehreren Spezialbereichen ihres Faches die relevanten Ansätze und Terminologien in der Tiefe erklären, aktuelle Entwicklungen beschreiben und kritisch Stellung beziehen.
  • Die Studierenden können eine eigene Forschungsaufgabe in ihrem Fachgebiet verorten, den Forschungsstand erheben und kritisch einschätzen.


Fertigkeiten
  • Die Studierenden sind in der Lage, für die jeweilige fachliche Problemstellung geeignete Methoden auszuwählen, anzuwenden und ggf. weiterzuentwickeln.
  • Die Studierenden sind in der Lage, im Studium erworbenes Wissen und erlernte Methoden auch auf komplexe und/oder unvollständig definierte Problemstellungen lösungsorientiert anzuwenden.
  • Die Studierenden können in ihrem Fachgebiet neue wissenschaftliche Erkenntnisse erarbeiten und diese kritisch beurteilen.


Personale Kompetenzen
Sozialkompetenz

Studierende können

  • eine wissenschaftliche Fragestellung für ein Fachpublikum sowohl schriftlich als auch mündlich strukturiert, verständlich und sachlich richtig darstellen.
  • in einer Fachdiskussion Fragen fachkundig und zugleich adressatengerecht beantworten und dabei eigene Einschätzungen überzeugend vertreten.


Selbstständigkeit

Studierende sind fähig,

  • ein eigenes Projekt in Arbeitspakete zu strukturieren und abzuarbeiten.
  • sich in ein teilweise unbekanntes Arbeitsgebiet des Studiengangs vertieft einzuarbeiten und dafür benötigte Informationen zu erschließen.
  • Techniken des wissenschaftlichen Arbeitens umfassend in einer eigenen Forschungsarbeit anzuwenden.


Arbeitsaufwand in Stunden Eigenstudium 900, Präsenzstudium 0
Leistungspunkte 30
Prüfung laut FSPO
Prüfungsdauer und -umfang laut FSPO
Zuordnung zu folgenden Curricula Bauingenieurwesen: Abschlussarbeit: Pflicht
Bioverfahrenstechnik: Abschlussarbeit: Pflicht
Chemical and Bioprocess Engineering: Abschlussarbeit: Pflicht
Computer Science: Abschlussarbeit: Pflicht
Elektrotechnik: Abschlussarbeit: Pflicht
Energie- und Umwelttechnik: Abschlussarbeit: Pflicht
Energietechnik: Abschlussarbeit: Pflicht
Environmental Engineering: Abschlussarbeit: Pflicht
Flugzeug-Systemtechnik: Abschlussarbeit: Pflicht
Global Innovation Management: Abschlussarbeit: Pflicht
Informatik-Ingenieurwesen: Abschlussarbeit: Pflicht
Information and Communication Systems: Abschlussarbeit: Pflicht
International Production Management: Abschlussarbeit: Pflicht
Internationales Wirtschaftsingenieurwesen: Abschlussarbeit: Pflicht
Joint European Master in Environmental Studies - Cities and Sustainability: Abschlussarbeit: Pflicht
Logistik, Infrastruktur und Mobilität: Abschlussarbeit: Pflicht
Materialwissenschaft: Abschlussarbeit: Pflicht
Mechanical Engineering and Management: Abschlussarbeit: Pflicht
Mechatronics: Abschlussarbeit: Pflicht
Mediziningenieurwesen: Abschlussarbeit: Pflicht
Microelectronics and Microsystems: Abschlussarbeit: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Abschlussarbeit: Pflicht
Regenerative Energien: Abschlussarbeit: Pflicht
Schiffbau und Meerestechnik: Abschlussarbeit: Pflicht
Ship and Offshore Technology: Abschlussarbeit: Pflicht
Theoretischer Maschinenbau: Abschlussarbeit: Pflicht
Verfahrenstechnik: Abschlussarbeit: Pflicht
Wasser- und Umweltingenieurwesen: Abschlussarbeit: Pflicht