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. Aus den drei Kernbereichen Informatik, Ingenieurwissenschaften und Mathematik ist je eine Mindestanzahl von Leistungspunkten zu belegen:

  1. Informatik: 18 Leistungspunkte
  2. Ingenieurwissenschaften: 12 Leistungspunkte
  3. Mathematik: 12 Leistungspunkte

Zur Vertiefung des Studiums können Studierende Vorlesungen aus dem gesamten Katalog an technischen Veranstaltungen der TUHH auswählen. Insgesamt müssen 24 Leistungpunkte erreicht werden. Praktische Kenntnisse und Fertigkeiten werden in einem Forschungsprojekt vermittelt (12 Leistungspunkte). Weitere 12 Leistungspunkte müssen in den Veranstaltungen Betrieb & Management und einem Nichttechnischen Ergänzungskurs erworben werden. Die Masterarbeit wird mit  30 Leistungspunkten bewertet. Damit ergibt sich ein Gesamtaufwand von 120 Leistungspunkten. Der Studienplan enthält ein Mobilitätsfenster derart, dass Studierende das dritte Semester im Ausland absolvieren können.

Die folgenden drei Studienverlaufspläne beschreiben spezielle Ausprägungen des IIW Masters

A. Networked Embedded Systems

1. Kernfächer Informatik
- Software Sicherheit
- Entwurf von Dependable System
- Kommunikationsnetze

- Informationstheorie und Codierung

2. Kernfächer Ingenieurwissenschaften
- Digitale Nachrichtenübertragung
3. Kernfächer Mathematik
- Lineare und Nichtlineare Optimierung
- Randomisierte Algorithmen und Zufällige Graphen

4. Technische Ergänzungskurse

- Software für eingebettete Systeme
- Simulation von Kommunikationsnetzen
- Drahtlose Sensornetze
- Netzwerksicherheit

B. Dependable and Secure Systems

1. Kernfächer Informatik
- Software Sicherheit
- Softwareverifikation
- Entwurf von Dependable Systems

2. Kernfächer Ingenieurwissenschaften
- Digitale Signalverarbeitung und Filter
- Theorie und Entwurf regelungstechnischer Systeme

3. Kernfächer Mathematik
- Lineare und Nichtlineare Optimierung
- Numerische Mathematik II

4. Technische Ergänzungskurse
- Robotik & Navigation
- Anwendungssicherheit
- Reliability in Engineering Dynamics
- Prozessautomatisierungstechnik

C. Algorithms for Data Engineering

1. Kernfächer Informatik
- Softwareverifikation
- Algorithmne für Netzwerke
- Verteilte Algorithmen

2. Kernfächer Ingenieurwissenschaften
- Informationstheorie und Codierung
- Theorie und Entwurf regelungstechnischer Systeme


3. Kernfächer Mathematik
- Mathematische Bildverarbeitung
- Hierarchische Algorithmen

4. Technische Ergänzungskurse
- Digitale Bildanalyse
- Numerische Mathematik II
- Quantitative Methoden: Statistik & Operations Research
- Algorithmische Algebra

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
  • Die Studierenden sind in der Lage, in interdisziplinären Kleingruppen zu kommunizieren und gemeinsam Lösungen für komplexe Problemstellungen zu erarbeiten.


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 M1421: Forschungsprojekt

Lehrveranstaltungen
Titel Typ SWS LP
Forschungsprojekt IIW (L2042) Projektierungskurs 8 12
Modulverantwortlicher Prof. Volker Turau
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 248, Präsenzstudium 112
Leistungspunkte 12
Studienleistung Keine
Prüfung Studienarbeit
Prüfungsdauer und -umfang Das Seminar erfordert die Präsentation eines aktuellen Forschungsthemas (Vortrag 25-30 min und Diskussion 5 min).
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L2042: Forschungsprojekt IIW
Typ Projektierungskurs
SWS 8
LP 12
Arbeitsaufwand in Stunden Eigenstudium 248, Präsenzstudium 112
Dozenten Prof. Volker Turau (sgwe)
Sprachen DE/EN
Zeitraum WiSe/SoSe
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.

Fachmodule der Vertiefung I. Informatik

Modul M0942: Software Security

Lehrveranstaltungen
Titel Typ SWS LP
Software-Sicherheit (L1103) Vorlesung 2 3
Software-Sicherheit (L1104) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Familiarity with C/C++, web programming
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can 

  • name the main causes for security vulnerabilities in software 
  • explain current methods for identifying and avoiding security vulnerabilities 
  • explain the fundamental concepts of code-based access control 
Fertigkeiten

Students are capable of 

  • performing a software vulnerability analysis 
  • developing secure code 
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 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Lehrveranstaltung L1103: Software Security
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt
  • Reliabilty and Software Security
  • Attacks exploiting character and integer representations
  • Buffer overruns
  • Vulnerabilities in memory managemet: double free attacks
  • Race conditions
  • SQL injection
  • Cross-site scripting and cross-site request forgery
  • Testing for security; taint analysis
  • Type safe languages
  • Development proceses for secure software
  • Code-based access control


Literatur

M. Howard, D. LeBlanc: Writing Secure Code, 2nd edition, Microsoft Press (2002)

G. Hoglund, G. McGraw: Exploiting Software, Addison-Wesley (2004)

L. Gong, G. Ellison, M. Dageforde: Inside Java 2 Platform Security, 2nd edition, Addison-Wesley (2003)

B. LaMacchia, S. Lange, M. Lyons, R. Martin, K. T. Price: .NET Framework Security, Addison-Wesley Professional (2002)

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


Lehrveranstaltung L1104: Software Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0753: Software Verification

Lehrveranstaltungen
Titel Typ SWS LP
Softwareverifikation (L0629) Vorlesung 2 3
Softwareverifikation (L0630) Gruppenübung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Automata theory and formal languages
  • Computational logic
  • Object-oriented programming, algorithms, and data structures
  • Functional programming or procedural programming
  • Concurrency
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the major verification techniques in model checking and deductive verification. They explain in formal terms syntax and semantics of the underlying logics, and assess the expressivity of different logics as well as their limitations. They classify formal properties of software systems. They find flaws in formal arguments, arising from modeling artifacts or underspecification. 

Fertigkeiten

Students formulate provable properties of a software system in a formal language. They develop logic-based models that properly abstract from the software under verification and, where necessary, adapt model or property. They construct proofs and property checks by hand or using tools for model checking or deductive verification, and reflect on the scope of the results. Presented with a verification problem in natural language, they select the appropriate verification technique and justify their choice.   

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 verification. 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
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 15 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Pflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0629: Software Verification
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Syntax and semantics of logic-based systems
  • Deductive verification
    • Specification
    • Proof obligations
    • Program properties
    • Automated vs. interactive theorem proving
  • Model checking
    • Foundations
    • Property languages
    • Tool support
  • Timed automata
  • Recent developments of verification techniques and applications
Literatur
  • C. Baier and J-P. Katoen, Principles of Model Checking, MIT Press 2007.
  • M. Huth and M. Bryan, Logic in Computer Science. Modelling and Reasoning about Systems, 2nd Edition, 2004.
  • Selected Research Papers
Lehrveranstaltung L0630: Software Verification
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1427: Algorithmen für Netzwerke

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmen für Netzwerke (L2060) Vorlesung 4 4
Algorithmen für Netzwerke (L2061) Hörsaalübung 1 2
Modulverantwortlicher Prof. Matthias Mnich
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Lehrveranstaltung L2060: Algorithmen für Netzwerke
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur
Lehrveranstaltung L2061: Algorithmen für Netzwerke
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1400: Entwurf von Dependable Systems

Lehrveranstaltungen
Titel Typ SWS LP
Entwurf von Dependable Systems (L2000) Vorlesung 2 3
Entwurf von Dependable Systems (L2001) Gruppenübung 2 3
Modulverantwortlicher Prof. Görschwin Fey
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Grundlegende Kenntnisse zu Datenstrukturen und Algorithmen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Im Folgenden wird "Dependable" als Zusammenfassung von Zuverlässigkeit, Verfügbarkeit, Wartbarkeit, Sicherheit (Safety & Security) verwendet.

Kenntnis von Ansätzen zum Entwurf von Dependable Systems, z.B.

  • Strukturelle Lösungen wie z.B. Modular Redundancy
  • Algorithmische Lösungen wie z.B. Behandlung Byzantinischer Fehler, Checkpointing, etc.

Kenntnis von Methoden zur Analyse der Dependability von Systemen

Fertigkeiten

Fähigkeit zum Entwurf von Dependable Systems durch Implementierung der obigen Ansätze.

Fähigkeit zur Analyse der Dependability von Systemen durch Anwendung der obigen Analysemethoden.

Personale Kompetenzen
Sozialkompetenz

Studierende können

  • die jeweiligen Konzepte diskutieren und erläutern sowie
  • die Lösungen mündlich darstellen.
Selbstständigkeit Studierende erlernen mittels Zusatzmaterial selbständig vertiefende Zusammenhänge der Konzepte aus der Vorlesung und erweiterte Lösungsverfahren.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein Keiner Übungsaufgaben Praktische Übungsaufgaben zur Anwendung der gelernten Ansätze
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Embedded Systems: Wahlpflicht
Lehrveranstaltung L2000: Entwurf von Dependable Systems
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Görschwin Fey
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Beschreibung

Der Begriff „Dependability“ umfasst verschiedene Aspekte eines Systems. Dies sind typischer Weise:
  • Zuverlässigkeit
  • Verfügbarkeit
  • Wartbarkeit
  • Sicherheit - Safety & Security
Damit ist Dependability ein zentraler Aspekt, der früh im Systementwurf betrachtet werden muss. Dies gilt für Software, Eingebette Systeme wie auch umfassende Cyber-Physical Systems.

Inhalt

Das Modul führt grundlegende Konzept zum Entwurf und zur Analyse von Dependable Systems ein. Entwurfsbeispiele dienen dazu, eigene praktische Erfahrung zu sammeln. Ein Schwerpunkt des Moduls liegt im Bereich eingebetteter Systeme. Folgende Gebiete werden betrachtet:
  • Modellierung
  • Fehlertoleranz
  • Entwurfskonzepte
  • Analyse von Systemen
Literatur
Lehrveranstaltung L2001: Entwurf von Dependable Systems
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Görschwin Fey
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0836: Communication Networks

Lehrveranstaltungen
Titel Typ SWS LP
Analyse und Struktur von Kommunikationsnetzen (L0897) Vorlesung 2 2
Ausgewählte Themen der Kommunikationsnetze (L0899) Projekt-/problembasierte Lehrveranstaltung 2 2
Übung Kommunikationsnetze (L0898) Projekt-/problembasierte Lehrveranstaltung 1 2
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
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
Studienleistung Keine
Prüfung Referat
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- und Software-Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energiesystemtechnik: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Avionik und Eingebettete Systeme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: 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 Prof. Andreas Timm-Giel
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 Projekt-/problembasierte Lehrveranstaltung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Andreas Timm-Giel
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 Projekt-/problembasierte Lehrveranstaltung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Andreas Timm-Giel
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 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
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 45 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: 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

Fachmodule der Vertiefung II. Ingenieurwissenschaften

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
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja Keiner Schriftliche Ausarbeitung
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligenz-Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: 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 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
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligenz-Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: 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 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
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligenz-Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Pflicht
Flugzeug-Systemtechnik: Vertiefung Avionik und Eingebettete Systeme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: 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 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
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligenz-Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energiesystemtechnik: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: 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 Communication and Signal Processing: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: 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

Fachmodule der Vertiefung III. Mathematik

Modul M1428: Lineare und Nichtlineare Optimierung

Lehrveranstaltungen
Titel Typ SWS LP
Lineare und Nichtlineare Optimierung (L2062) Vorlesung 4 4
Lineare und Nichtlineare Optimierung (L2063) Hörsaalübung 1 2
Modulverantwortlicher Prof. Matthias Mnich
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Lehrveranstaltung L2062: Lineare und Nichtlineare Optimierung
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum WiSe
Inhalt
Literatur
Lehrveranstaltung L2063: Lineare und Nichtlineare Optimierung
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul 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
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 20 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Intelligenz-Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: 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
  • Entfaltung
  • Inpainting
  • 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 M1405: Randomisierte Algorithmen und Zufällige Graphen

Lehrveranstaltungen
Titel Typ SWS LP
Randomisierte Algorithmen und Zufällige Graphen (L2010) Vorlesung 2 3
Randomisierte Algorithmen und Zufällige Graphen (L2011) Hörsaalübung 2 3
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Algorithmen und Datenstrukturen
  • Mathematik I und II
  • Stochastik
  • Graphentheorie



Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can describe basic concepts in the area of Randomized Algorithms and Random Graphs such as random walks, tail bounds, fingerprinting and algebraic techniques, first and second moment methods, and various random graph models. They are able to explain them using appropriate examples.
  • Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
  • They know proof strategies and can apply them.

Fertigkeiten
  • Students can model problems with the help of the concepts studied in this course. Moreover, they are capable of solving them by applying established methods.
  • Students are able to explore and verify further logical connections between the concepts studied in the course.
  • For a given problem, the students can develop and execute a suitable technique, and are able to critically evaluate the results.
Personale Kompetenzen
Sozialkompetenz
  • Students are able to work together in teams. They are capable to establish a common language.
  • In doing so, they can communicate new concepts according to the needs of their cooperating partners. Moreover, they can design examples to check and deepen the understanding of their peers.
Selbstständigkeit
  • Students are capable of checking their understanding of complex concepts on their own. They can specify open questions precisely and know where to get help in solving them.
  • Students have developed sufficient persistence to be able to work for longer periods in a goal-oriented manner on hard problems.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Mathematical Modelling in Engineering: Theory, Numerics, Applications: Vertiefung l. Numerics (TUHH): Wahlpflicht
Lehrveranstaltung L2010: Randomisierte Algorithmen und Zufällige Graphen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Anusch Taraz, Prof. Volker Turau
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Randomized Algorithms:

  • introduction and recalling basic tools from probability
  • randomized search
  • random walks
  • text search with fingerprinting
  • parallel and distributed algorithms
  • online algorithms


Random Graphs: 

  • typical properties 
  • first and second moment method
  • tail bounds 
  • thresholds and phase transitions 
  • probabilistic method  
  • models for complex networks 

Literatur
  • Motwani, Raghavan: Randomized Algorithms
  • Worsch: Randomisierte Algorithmen
  • Dietzfelbinger: Randomisierte Algorithmen
  • Bollobas: Random Graphs
  • Alon, Spencer: The Probabilistic Method
  • Frieze, Karonski: Random Graphs
  • van der Hofstad: Random Graphs and Complex Networks


Lehrveranstaltung L2011: Randomisierte Algorithmen und Zufällige Graphen
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Anusch Taraz, Prof. Volker Turau
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. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Numerische Mathematik I
  • 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
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 25 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligenz-Engineering: Wahlpflicht
Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: 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 Prof. Sabine Le Borne, Dr. Jens-Peter Zemke
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 Prof. Sabine Le Borne, Dr. Jens-Peter Zemke
Sprachen DE/EN
Zeitraum SoSe
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
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 20 min
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Mathematical Modelling in Engineering: Theory, Numerics, Applications: Vertiefung ll. Modelling and Simulation of Complex Systems (TUHH): 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 (z.B. H2-Matrizen, Matrixfunktionen, Tensorprodukte)
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

Fachmodule der Vertiefung IV. Fachspezifische Fokussierung

Modul M1434: Technischer Ergänzungskurs I für IIW

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Volker Turau
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 Abhängig von der Wahl der Lehrveranstaltungen
Leistungspunkte 12
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung IV. Fachspezifische Fokussierung: Wahlpflicht

Modul M1435: Technischer Ergänzungskurs II für IIW

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Volker Turau
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 Abhängig von der Wahl der Lehrveranstaltungen
Leistungspunkte 12
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung IV. Fachspezifische Fokussierung: Wahlpflicht

Thesis

Modul M-002: Masterarbeit

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

    Es müssen mindestens 60 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
Studienleistung Keine
Prüfung Abschlussarbeit
Prüfungsdauer und -umfang laut ASPO
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
Internationales Wirtschaftsingenieurwesen: Abschlussarbeit: Pflicht
Joint European Master in Environmental Studies - Cities and Sustainability: Abschlussarbeit: Pflicht
Logistik, Infrastruktur und Mobilität: Abschlussarbeit: Pflicht
Materialwissenschaft: Abschlussarbeit: Pflicht
Mathematical Modelling in Engineering: Theory, Numerics, Applications: 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
Teilstudiengang Lehramt Metalltechnik: Abschlussarbeit: Pflicht
Theoretischer Maschinenbau: Abschlussarbeit: Pflicht
Verfahrenstechnik: Abschlussarbeit: Pflicht
Wasser- und Umweltingenieurwesen: Abschlussarbeit: Pflicht