Studiengangsbeschreibung

Inhalt

Der Masterstudiengang Informatik-Ingenieurwesen führt die Ausrichtung auf cyber-physische Systeme, also vernetzte Rechensysteme in ihrer physischen Umwelt, aus dem Bachelorstudium konsequent fort. Dies geschieht durch eine tiefgreifende Informatikausbildung mit Bezug zu Ingenieurdisziplinen, speziell der Elektrotechnik. Studierende erwerben tiefgreifende Kompetenzen bis zum neuesten Forschungsstand in der Informatik, wie zum Beispiel zu maschinellem Lernen oder Data Science, mit dem Ziel, diese in Ingenieuranwendungen erfolgreich einzusetzen.

Der Masterstudiengang Informatik-Ingenieurwesen baut auf den drei Pfeilern Mathematik, Informatik und Ingenieurwissenschaften auf. Entsprechende Wahlpflichtkataloge garantieren, dass vertiefte Kenntnisse in diesen drei Bereichen erlernt werden. Im Ingenieurbereich steht die Elektrotechnik im Fokus. Zusätzlich bietet das Curriculum sehr große Freiräume, um Veranstaltungen aus dem weiteren ingenieurtechnischen Angebot der TU Hamburg zu wählen. So setzen Studierende eigene Akzente, um interdisziplinäre Brücken in spezifische Ingenieurbereiche zu schlagen. Ebenso werden weiterführende Kenntnisse in Betriebswirtschaftslehre und Management sowie in nicht-technischen Fächern erworben, um die Kompetenzen für die Durchführung umfangreicher IT-Projekte aufzubauen. Dies umfasst insbesondere die Fähigkeit zum selbstständigen Erarbeiten komplexer Wissensbereiche und die selbstständige Bearbeitung komplexer technischer Fragestellungen.

Die Studienverlaufspläne zu (N) vernetzten eingebetteten Systemen, (D) verlässlichen und sicheren Systemen, (A) Algorithmen für Data Engineering sowie (M) Medizintechnik zeigen beispielhafte Ausrichtungen von hoher praktischer Relevanz.

Ergänzend zu dem fachlichen Grundlagenkanon an der TUHH sind Seminare zur Personalen Kompetenzentwicklung im Rahmen des Theorie-Praxis-Transfers in das duale Studium integriert, die den modernen Berufsanforderungen an eine Ingenieurin bzw. einen Ingenieur gerecht werden und die Verknüpfung der beiden Lernorte unterstützt.

Die praxisintegrierenden dualen Intensivstudiengänge der TUHH bestehen aus einem wissenschaftsorientierten und einem praxisorientierten Teil, welche an zwei Lernorten durchgeführt werden. Der wissenschaftsorientierte Teil umfasst das Studium an der TUHH. Der praxisorientierte Teil ist mit dem Studium inhaltlich und zeitlich abgestimmt und findet jeweils in der vorlesungsfreien Zeit in einem Kooperationsunternehmen in Form von Praxismodulen und -phasen statt.


Berufliche Perspektiven

Absolvent:innen können wissenschaftliche Tätigkeiten an Universitäten und Forschungsinstituten insbesondere mit dem Ziel der Promotion aufnehmen oder sich für den direkten Einstieg in die Industrie entscheiden. Sie besitzen vielfältiges Methoden- und Schnittstellenwissen, welches sie zur disziplinübergreifenden Arbeit befähigt.  

udem verfügen die Absolvent:innen der dualen Studienvariante über anwendungsorientierte Personale Kompetenzen und umfangreiche Praxiserfahrungen, so dass sie sofort als eigenverantwortlich arbeitende Ingenieur:innen (M.Sc.) einsetzbar sind.



Lernziele

Die Lernziele des Studiengangs basieren auf den oben aufgeführten Zielen. Alle aufgeführten Lernziele stellen Kompetenzen dar, die sowohl im Unternehmens- als auch im Forschungsumfeld benötigt werden. In Abgrenzung zum Bachelorstudiengang Informatik und Ingenieurwissenschaften beziehen sich die hier aufgeführten Kompetenzen auf komplexe Problemstellungen, auf die Berücksichtigung von Unsicherheit und auf das Arbeiten unter vorgegebenen Randbedingungen aus Anwendungsfeldern. Im Folgenden werden die Lernziele in die Kategorien Wissen, Fertigkeiten, Sozialkompetenz und Selbstständigkeit unterteilt.

Wissen

  • Mathematik: Absolvent*innen können mathematische Methoden der Optimierung, Bildverarbeitung oder randomisierten Algorithmen in der Tiefe erläutern.
  • Informatik: Absolvent*innen sind in der Lage, Methoden und Verfahren zur Modellbildung und Problemlösung in der theoretischen, praktischen und technischen Informatik zu vergleichen.
  • Ingenieurwissenschaften: Absolvent*innen können mathematisch‐naturwissenschaftliche sowie systemtechnische Zusammenhänge in den Ingenieurwissenschaften mit einem Fokus in der Elektrotechnik in der Tiefe beschreiben. Sie können ihr breites theoretisches und methodisches Fundament darstellen.
  • Brückenschlag zwischen Informatik und Ingenieurwissenschaften: Absolvent*innen können ihr breites Wissen zu Methoden und Verfahren sowie exemplarisches Detailwissen etwa in den Bereichen Medizintechnik oder Energiesysteme nutzen, um Schnittstellen zwischen Ingenieuranwendungen einerseits und Modellen der Informatik andererseits zu beschreiben.
  • Absolvent*innen sind in der Lage, einen Überblick über aktuellste informations- und kommunikationstechnische Systeme zu geben, die mit der realen Welt interagieren - so genannten cyber-physischen Systemen.

Fertigkeiten

  • Mathematik: Absolvent*innen können Optimierungsprobleme lösen, mathematische Methoden der Bildverarbeitung oder randomisierte Algorithmen anwenden, um damit zum Beispiel eine Hardware-Software-Systemarchitektur auf praktische ingenieurseitig getriebene Anforderungen mittels einer geeigneten Formalisierung auszulegen.
  • Informatik: Absolvent*innen sind in der Lage, Instanzen umfassender formaler Modelle der Informatik anhand weitergehender Modellierungsansätze zu entwickeln, ihre Berechenbarkeit und Komplexität zu ermitteln und sie vermöge geeigneter Programmierwerkzeuge in einem technischen Rahmen umzusetzen. Absolvent*innen können daraus Softwarelösungen entwerfen und realisieren. Dies umfasst komplexe Software-Systeme, bei denen verteilte Realisierung, Verlässlichkeit oder Korrektheit eine besondere Rolle spielen.
  • Ingenieurwissenschaften: Absolvent*innen können ihr ingenieurwissenschaftliches Urteilsvermögen anzuwenden, um mit komplexen, möglicherweise unvollständigen Informationen zu arbeiten, Widersprüche zu erkennen und mit ihnen umzugehen.                       
  • Brückenschlag zwischen Informatik und Ingenieurwissenschaften: Absolvent*innen können Probleme aus dem Ingenieurbereich wissenschaftlich analysieren und lösen sowie eine geeignete Formalisierung zur informationstechnischen Behandlung erarbeiten, alternative Formalisierungen im Anwendungskontext einschätzen und eine Software-Lösung realisieren. Absolvent*innen können cyber-physische Systeme realisieren, die verteilt und vernetzt sind.

Sozialkompetenz

  • Absolvent*innen können über wissenschaftliche Inhalte und Probleme der Informatik mit Fachleuten aus Ingenieurbereichen und Laien kommunizieren. Sie können auf Nachfragen, Ergänzungen und Kommentare geeignet reagieren.
  • Absolvent*innen sind in der Lage, Verantwortung für die Erarbeitung von Gruppenergebnisse zu übernehmen, hierfür Aufgaben zu zergliedern und zu verteilen, gemeinsam Vorgehensweisen abzustimmen, Ergebnisse zusammenzuführen und ggf. gemeinsam zu präsentieren. Sie können bei Schwierigkeiten in der Gruppe geeignete Lösungsstrategien entwickeln.

Selbständigkeit

  • Absolvent*innen sind in der Lage, die wissenschaftliche Vorgehensweise und resultierende Ergebnisse ihrer Arbeit schriftlich und mündlich verständlich darzustellen.
  • Absolvent*innen sind in der Lage, notwendige Informationen zu recherchieren, in den Kontext ihres Wissens zu setzen und auf ihre Relevanz zu bewerten.
  • Absolvent*innen können ihre vorhandenen Kompetenzen realistisch einschätzen, Defizite selbstständig kompensieren und zusätzliche Kompetenzen selbständig erwerben.
  • Absolvent*innen können selbstorganisiert und -motiviert Forschungsgebiete erarbeiten und neue Problemstellungen finden bzw. definieren (lebenslanges Forschen).

Der kontinuierliche Wechsel der Lernorte im dualen Studium ermöglicht es, dass Theorie und Praxis zueinander in Beziehung gesetzt werden können. Die individuellen berufspraktischen Erfahrungen werden von den Studierenden theoretisch reflektiert und in neue Formen der Praxis überführt, wie auch die praktische Erprobung theoretischer Elemente als Anregung für die theoretische Auseinandersetzung genutzt wird.


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 einem 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 Modul Theorie-Praxis-Verzahnung erworben werden. Die Masterarbeit wird mit 30 Leistungspunkten bewertet und findet am Lernort Kooperationsunternehmen statt. Damit ergibt sich ein Gesamtaufwand von 150 Leistungspunkten. Der Studienplan enthält ein Mobilitätsfenster derart, dass Studierende das dritte Semester im Ausland absolvieren können.

Das Strukturmodell der dualen Studienvariante folgt einem moduldifferenzierenden Ansatz. Aufgrund des praxisorientierten Teils weist das Curriculum der dualen Studienvariante Unterschiede im Vergleich zum regulären Bachelorstudium auf. Die fünf Praxismodule sind in entsprechenden Praxisphasen in der vorlesungsfreien Zeit verortet und finden im Kooperationsunternehmen der dual Studierenden statt.

Die folgenden vier Studienverlaufspläne beschreiben spezielle Ausprägungen des IIW Masters.

N. Networked Embedded Systems

1. Kernfächer Informatik

- Software-Sicherheit

- Entwurf von Dependable Systems

- Kommunikationsnetze

2. Kernfächer Ingenieurwissenschaften

- Digitale Nachrichtenübertragung

- Informationstheorie und Codierung

3. Kernfächer Mathematik

- Lineare und Nichtlineare Optimierung

- Randomisierte Algorithmen und Zufällige Graphen

4. Technische Ergänzungskurse

- Software für eingebettete Systeme

- Simulation von Kommunikationsnetzen

- Drahtlose Sensornetze

- Betriebssystembau

D. Dependable and Secure Systems

1. Kernfächer Informatik

- Software-Sicherheit

- Softwareverifikation

- Entwurf von Dependable Systems

2. Kernfächer Ingenieurwissenschaften

- Digitale Signalverarbeitung und Filter

- Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze

3. Kernfächer Mathematik

- Lineare und Nichtlineare Optimierung

- Numerische Mathematik II

4. Technische Ergänzungskurse

- Robotik & Navigation in der Medizin

- Data Science zur Cybersicherheit

- Sicherheit von Cyber-physischen Systemen

- Prozessautomatisierungstechnik

A. Algorithms for Data Engineering

1. Kernfächer Informatik

- Softwareverifikation

- Algorithmische Spieltheorie

- Advanced Internet Computing

2. Kernfächer Ingenieurwissenschaften

- Informationstheorie und Codierung

- Maschinelles Lernen in der Elektro- und Informationstechnik

3. Kernfächer Mathematik

- Mathematische Bildverarbeitung

- Mathematik neuronaler Netzwerke

4. Technische Ergänzungskurse

- Massively Parallel Systems: Architecture and Programming

- Numerische Mathematik II

- Approximation und Stabilität

- Hierarchische Algorithmen

M. Medizintechnik

1. Kernfächer Informatik

- Softwareverifikation

- Medizinische Bildgebung

- Sicherheit von Cyber-physischen Systemen

2. Kernfächer Ingenieurwissenschaften

- Intelligente Systeme Projekt

- Digitale Signalverarbeitung und Digitale Filter

3. Kernfächer Mathematik

- Mathematische Bildverarbeitung

- Numerische Mathematik II

4. Technische Ergänzungskurse

- Wahrscheinlichkeitstheorie

- Intelligente Systeme in der Medizin

- Robotik & Navigation in der Medizin

- Regelungstechnische Methoden für die Medizintechnik

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 M1759: Theorie-Praxis-Verzahnung im dualen Master

Modulverantwortlicher Dr. Henning Haschke
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Modul „Theorie-Praxis-Verzahnung im dualen Bachelor“
  • Praxismodule aus dem dualen Bachelor der TUHH
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden …

… können ausgewählte klassische und aktuelle Theorien, Konzepte und Methoden ...

  • des Projektmanagements und
  • des Veränderungs- und Transformationsmanagements

... beschreiben, einordnen sowie auf konkrete Situationen, Prozesse und Vorhaben in Ihrem persönlichen beruflichen Kontext anwenden.

Fertigkeiten

Die Studierenden …

  • ... antizipieren typische Schwierigkeiten, positive und negative Auswirkungen sowie Erfolgs- und Misserfolgsfaktoren im Ingenieurbereich, beurteilen diese und wägen aussichtsreiche Strategien und Handlungsoptionen gegeneinander ab.
  • … entwickeln spezialisierte fachliche und konzeptionelle Fertigkeiten zur Lösung komplexer Aufgaben- und Problemstellungen im beruflichen Tätigkeitsfeld/Arbeitsbereich. 
Personale Kompetenzen
Sozialkompetenz

Die Studierenden …

  • … sind in der Lage, auch interdisziplinäre Teams im Rahmen komplexer Aufgaben- und Problemstellungen verantwortlich zu leiten.
  • … führen bereichsspezifische und -übergreifende Diskussionen mit Fachexpertinnen und Fachexperten, Stakeholdern sowie Mitarbeiterinnen und Mitarbeitern und vertreten dabei ihre Vorgehensweisen, Standpunkte und Arbeitsergebnisse. 
Selbstständigkeit

Die Studierenden …

  • … definieren, reflektieren und bewerten Ziele und Maßnahmen für komplexe anwendungsorientierte Projekte und Veränderungsprozesse.
  • … gestalten ihren beruflichen Zuständigkeitsbereich eigenständig und nachhaltig.
  • … übernehmen Verantwortung für ihr Handeln und für ihre Arbeitsergebnisse.
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung Keine
Prüfung Schriftliche Ausarbeitung
Prüfungsdauer und -umfang Studienbegleitende und semesterübergreifende Dokumentation: Die Leistungspunkte für das Modul werden durch die Anfertigung eines digitalen Lern- und Entwicklungsberichtes (E-Portfolio) erworben. Dabei handelt es sich um eine fortlaufende Dokumentation und Reflexion der Lernerfahrungen und der Kompetenzentwicklung im Bereich der Personalen Kompetenz.
Lehrveranstaltung L2890: Projektmanagement im Ingenieurbereich verantwortungsvoll gestalten (duale Studienvariante)
Typ Seminar
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Dr. Henning Haschke, Heiko Sieben
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt
  • Theorien und Methoden des Projektmanagements
  • Innovationsmanagement
  • Agiles Projektmanagement
  • Grundlagen agiler und klassischer Methoden
  • Hybrider Einsatz klassischer und agiler Methoden  
  • Rollen, Perspektiven und Stakeholder im Projektverlauf
  • Initiierung und Koordination von komplexen Projekten im Ingenieurbereich
  • Grundlagen Moderation, Teamsteuerung, Teamführung, Konfliktmanagement
  • Kommunikationsstrukturen: betriebsintern, unternehmensübergreifend
  • Öffentliche Informationspolitik
  • Förderung von Commitment und Empowerment
  • Erfahrungsaustausch mit Fach- und Führungskräften aus dem Ingenieurbereich
  • Dokumentation und Reflexion von Lernerfahrungen
Literatur

Seminarapparat

Lehrveranstaltung L2891: Veränderungs- und Transformationsmanagement im Ingenieurbereich verantwortungsvoll gestalten (duale Studienvariante)
Typ Seminar
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Dr. Henning Haschke, Heiko Sieben
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt
  • Grundkonzepte, Chancen und Grenzen organisationalen Wandels 
  • Modelle und Methoden der Organisationsgestaltung und -entwicklung
  • Strategische Ausrichtung und Veränderung und deren kurz-, mittel- und langfristigen Konsequenzen für Individuum, Organisation und Gesellschaft
  • Rollen, Perspektiven und Stakeholder in Veränderungsprozessen
  • Initiierung und Koordinierung von Veränderungsmaßnahmen im Ingenieurbereich
  • Phasen-Modelle des organisationalen Wandels (Lewin, Kotter etc.) 
  • Veränderungsgerechte Informationspolitik und Umgang mit Widerständen und Unsicherheit 
  • Förderung von Commitment und Empowerment
  • Erfolgreicher Umgang mit Change und Transformation: persönlich, als Mitarbeiterin bzw. Mitarbeiter, als Führungskraft (persönlich, professional, organisational)
  • Unternehmen und Globe (systemisch)
  • Erfahrungsaustausch mit Fach- und Führungskräften aus dem Ingenieurbereich
  • Dokumentation und Reflexion von Lernerfahrungen
Literatur Seminarapparat

Modul M1756: Praxismodul 1 im dualen Master

Lehrveranstaltungen
Titel Typ SWS LP
Praxisphase 1 im dualen Master (L2887) 0 10
Modulverantwortlicher Dr. Henning Haschke
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Erfolgreicher Abschluss eines dualen Bachelors der TU Hamburg bzw. vergleichbare berufspraktische Erfahrungen und Kompetenzen im Bereich der Theorie-Praxis-Verzahnung
  • LV D "Projektmanagement im Ingenieurbereich verantwortungsvoll gestalten" aus dem Modul "Theorie-Praxis-Verzahnung im dualen Master"
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden …

  • … verbinden ihre Kenntnisse von Fakten, Grundsätzen, Theorien und Methoden der bisherigen Studieninhalte mit dem erworbenen Praxiswissen, insbesondere ihrem Wissen um berufspraktische Verfahrens- und Vorgehensmöglichkeiten, im aktuellen Tätigkeitsfeld im Ingenieurbereich. 
  • … verfügen über ein kritisches Verständnis über die praktischen Anwendungsmöglichkeiten ihres ingenieurwissenschaftlichen Faches. 
Fertigkeiten

Die Studierenden …

  • … wenden fachtheoretisches Wissen auf komplexe, bereichsübergreifende Problemstellungen des Betriebes an und beurteilen die dazugehörigen Arbeitsprozesse und -ergebnisse unter Einbeziehung von Handlungsoptionen.
  • … setzen die mit ihren aktuellen Aufgaben korrespondierenden hochschulseitigen Anwendungsempfehlungen um. 
  • … erarbeiten Lösungen sowie Verfahrens- und Vorgehensweisen in ihrem Tätigkeitsfeld und Zuständigkeitsbereich.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden …

  • … arbeiten verantwortlich in Projektteams ihres Arbeitsbereichs und gehen vorausschauend mit Problemen in der Arbeitsgruppe um. 
  • … vertreten komplexe ingenieurwissenschaftliche Standpunkte, Sachverhalte, Problemstellungen und Lösungsansätze im Gespräch mit internen und externen betrieblichen Stakeholdern argumentativ. 
Selbstständigkeit

Die Studierenden …

  • … definieren Ziele für die eigenen Lern- und Arbeitsprozesse als Ingenieurin bzw. Ingenieur.
  • … reflektieren Lern- und Arbeitsprozesse in ihrem Zuständigkeitsbereich.
  • … reflektieren die Bedeutung von Fachmodulen, Vertiefungsrichtungen und Spezialisierung für die Arbeit als Ingenieurin bzw. Ingenieur sowie die Umsetzung der hochschulseitigen Anwendungsempfehlungen und der damit einhergehenden Herausforderungen eines positiven Theorie-Praxis-Transfers.
Arbeitsaufwand in Stunden Eigenstudium 300, Präsenzstudium 0
Leistungspunkte 10
Studienleistung Keine
Prüfung Schriftliche Ausarbeitung
Prüfungsdauer und -umfang Studienbegleitende und semesterübergreifende Dokumentation: Die Leistungspunkte für das Modul werden durch die Anfertigung eines digitalen Lern- und Entwicklungsberichtes (E-Portfolio) erworben. Dabei handelt es sich um eine Dokumentation und Reflexion der individuellen Lernerfahrungen und Kompetenzentwicklungen im Bereich der Theorie-Praxis-Verzahnung und der Berufspraxis. Zusätzlich erbringt das Kooperationsunternehmen gegenüber der Koordinierungsstelle dual@TUHH den Nachweis, dass die bzw. der dual Studierende die Praxisphase absolviert hat.
Zuordnung zu folgenden Curricula Bauingenieurwesen: Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Chemical and Bioprocess Engineering: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Pflicht
Environmental Engineering: Kernqualifikation: Pflicht
Flugzeug-Systemtechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Internationales Wirtschaftsingenieurwesen: Kernqualifikation: Pflicht
Logistik, Infrastruktur und Mobilität: Kernqualifikation: Pflicht
Luftfahrttechnik: Kernqualifikation: Pflicht
Materials Science and Engineering: Kernqualifikation: Pflicht
Materialwissenschaft: Kernqualifikation: Pflicht
Mechanical Engineering and Management: Kernqualifikation: Pflicht
Mechatronics: Kernqualifikation: Pflicht
Mediziningenieurwesen: Kernqualifikation: Pflicht
Microelectronics and Microsystems: Kernqualifikation: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Pflicht
Regenerative Energien: Kernqualifikation: Pflicht
Schiffbau und Meerestechnik: Kernqualifikation: Pflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Wasser- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L2887: Praxisphase 1 im dualen Master
Typ
SWS 0
LP 10
Arbeitsaufwand in Stunden Eigenstudium 300, Präsenzstudium 0
Dozenten Dr. Henning Haschke
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt

Onboarding Betrieb

  • Zuweisung berufliches Tätigkeitsfeld als Ingenieurin bzw. Ingenieur (B.Sc.) und dazugehöriger Arbeitsbereiche
  • Festlegung der Zuständigkeiten und Befugnisse des dual Studierenden im Betrieb als Ingenieurin bzw. Ingenieur (B.Sc.)
  • Eigenverantwortliches Arbeiten im Team und ausgewählten Projekten - bereichs- und ggf. unternehmensübergreifend
  • Ablaufplanung des aktuellen Praxismoduls mit klarer Zuordnung zu den Arbeitsstrukturen 
  • Ablaufplanung der Prüfungsphase/nächstes Studiensemester

Betriebliches Wissen und betriebliche Fertigkeiten

  • Unternehmensspezifika: Verantwortung als Ingenieurin bzw. Ingenieur (B.Sc.) im eigenen Arbeitsbereich, Koordination von Team- und Projektarbeit, Umgang mit komplexen Zusammenhängen und ungelösten Problemstellungen, Entwicklung und Realisierung von Innovationen
  • Fachliche Spezialisierung (korrespondierend mit dem gewählten Studiengang (M.Sc.) im Tätigkeitsfeld
  • Systemische Fertigkeiten
  • Umsetzung der hochschulseitigen Anwendungsempfehlungen (Theorie-Praxis-Transfer) in damit korrespondierenden Arbeits- und Aufgabenbereichen des Betriebes 

Lerntransfer/-reflexion

  • Anlegen E-Portfolio
  • Bedeutung der Studieninhalte (M.Sc.) für die Arbeit als Ingenieurin bzw. Ingenieur
  • Bedeutung von Entwicklung und Innovation für die Arbeit als Ingenieurin bzw. Ingenieur 
  • Hochschulseitige Anwendungsempfehlungen zum Theorie-Praxis-Transfer
Literatur
  • Studierendenhandbuch
  • Betriebliche Dokumente
  • Hochschulseitige Handlungsempfehlungen zum Theorie-Praxis-Transfer

Modul M1757: Praxismodul 2 im dualen Master

Lehrveranstaltungen
Titel Typ SWS LP
Praxisphase 2 im dualen Master (L2888) 0 10
Modulverantwortlicher Dr. Henning Haschke
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Erfolgreicher Abschluss des Praxismoduls 1 im dualen Master
  • LV D "Projektmanagement im Ingenieurbereich verantwortungsvoll gestalten" aus dem Modul "Theorie-Praxis-Verzahnung im dualen Master"
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden …

  • … verbinden ihre Kenntnisse von Fakten, Grundsätzen, Theorien und Methoden der bisherigen Studieninhalte mit dem erworbenen Praxiswissen, insbesondere ihrem Wissen um berufspraktische Verfahrens- und Vorgehensmöglichkeiten, im aktuellen Tätigkeitsfeld im Ingenieurbereich. 
  • … verfügen über ein kritisches Verständnis über die praktischen Anwendungsmöglichkeiten ihres ingenieurwissenschaftlichen Faches. 
Fertigkeiten

Die Studierenden …

  • … wenden fachtheoretisches Wissen auf komplexe, bereichsübergreifende Problemstellungen des Betriebes an und beurteilen die dazugehörigen Arbeitsprozesse und -ergebnisse unter Einbeziehung von Handlungsoptionen.
  • … setzen die mit ihren aktuellen Aufgaben korrespondierenden hochschulseitigen Anwendungsempfehlungen um. 
  • … erarbeiten (neue) Lösungen sowie Verfahrens- und Vorgehensweisen in ihrem Tätigkeitsfeld und Zuständigkeitsbereich - auch bei sich häufig ändernden Anforderungen (systemische Fertigkeiten).
Personale Kompetenzen
Sozialkompetenz

Die Studierenden …

  • … arbeiten verantwortlich in bereichs- und übergreifenden Projektteams und gehen vorausschauend mit Problemen in der Arbeitsgruppe um. 
  • … vertreten komplexe ingenieurwissenschaftliche Standpunkte, Sachverhalte, Problemstellungen und Lösungsansätze im Gespräch mit internen und externen betrieblichen Stakeholdern argumentativ und entwickeln diese gemeinsam weiter. 
Selbstständigkeit

Die Studierenden …

  • … definieren Ziele für die eigenen Lern- und Arbeitsprozesse als Ingenieurin bzw. Ingenieur.
  • … reflektieren Lern- und Arbeitsprozesse in ihrem Zuständigkeitsbereich.
  • … reflektieren die Bedeutung von Fachmodulen, Vertiefungsrichtungen und Spezialisierung für die Arbeit als Ingenieurin bzw. Ingenieur sowie die Umsetzung der hochschulseitigen Anwendungsempfehlungen und der damit einhergehenden Herausforderungen eines positiven Theorie-Praxis-Transfers.
Arbeitsaufwand in Stunden Eigenstudium 300, Präsenzstudium 0
Leistungspunkte 10
Studienleistung Keine
Prüfung Schriftliche Ausarbeitung
Prüfungsdauer und -umfang Studienbegleitende und semesterübergreifende Dokumentation: Die Leistungspunkte für das Modul werden durch die Anfertigung eines digitalen Lern- und Entwicklungsberichtes (E-Portfolio) erworben. Dabei handelt es sich um eine Dokumentation und Reflexion der individuellen Lernerfahrungen und Kompetenzentwicklungen im Bereich der Theorie-Praxis-Verzahnung und der Berufspraxis. Zusätzlich erbringt das Kooperationsunternehmen gegenüber der Koordinierungsstelle dual@TUHH den Nachweis, dass die bzw. der dual Studierende die Praxisphase absolviert hat.
Zuordnung zu folgenden Curricula Bauingenieurwesen: Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Chemical and Bioprocess Engineering: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Pflicht
Environmental Engineering: Kernqualifikation: Pflicht
Flugzeug-Systemtechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Internationales Wirtschaftsingenieurwesen: Kernqualifikation: Pflicht
Logistik, Infrastruktur und Mobilität: Kernqualifikation: Pflicht
Luftfahrttechnik: Kernqualifikation: Pflicht
Materials Science and Engineering: Kernqualifikation: Pflicht
Materialwissenschaft: Kernqualifikation: Pflicht
Mechanical Engineering and Management: Kernqualifikation: Pflicht
Mechatronics: Kernqualifikation: Pflicht
Mediziningenieurwesen: Kernqualifikation: Pflicht
Microelectronics and Microsystems: Kernqualifikation: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Pflicht
Regenerative Energien: Kernqualifikation: Pflicht
Schiffbau und Meerestechnik: Kernqualifikation: Pflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Wasser- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L2888: Praxisphase 2 im dualen Master
Typ
SWS 0
LP 10
Arbeitsaufwand in Stunden Eigenstudium 300, Präsenzstudium 0
Dozenten Dr. Henning Haschke
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt

Onboarding Betrieb

  • Zuweisung berufliches Tätigkeitsfeld als Ingenieurin bzw. Ingenieur (B.Sc.) und dazugehöriger Arbeitsbereiche
  • Festlegung der Zuständigkeiten und Befugnisse des dual Studierenden im Betrieb als Ingenieurin bzw. Ingenieur (B.Sc.)
  • Eigenverantwortliches Arbeiten im Team und ausgewählten Projekten - im bereichs- und ggf. unternehmensübergreifend
  • Ablaufplanung des aktuellen Praxismoduls mit klarer Zuordnung zu den Arbeitsstrukturen 
  • Ablaufplanung der Prüfungsphase/nächstes Studiensemester

Betriebliches Wissen und betriebliche Fertigkeiten

  • Unternehmensspezifika: Verantwortung als Ingenieurin bzw. Ingenieur (B.Sc.) im eigenen Arbeitsbereich, Koordination von Team- und Projektarbeit, Umgang mit komplexen Zusammenhängen und ungelösten Problemstellungen, Entwicklung und Realisierung von Innovationen
  • Fachliche Spezialisierung (korrespondierend mit dem gewählten Studiengang (M.Sc.) im Tätigkeitsfeld
  • Systemische Fertigkeiten
  • Umsetzung der hochschulseitigen Anwendungsempfehlungen (Theorie-Praxis-Transfer) in damit korrespondierenden Arbeits- und Aufgabenbereichen des Betriebes 

Lerntransfer/-reflexion

  • Fortschreiben E-Portfolio
  • Bedeutung der Studieninhalte (M.Sc.) für die Arbeit als Ingenieurin bzw. Ingenieur
  • Bedeutung von Entwicklung und Innovation für die Arbeit als Ingenieurin bzw. Ingenieur 
  • Hochschulseitige Anwendungsempfehlungen zum Theorie-Praxis-Transfer
Literatur
  • Studierendenhandbuch
  • Betriebliche Dokumente
  • Hochschulseitige Anwendungsempfehlungen zum Theorie-Praxis-Transfer

Modul M1421: Forschungsprojekt

Lehrveranstaltungen
Titel Typ SWS LP
Forschungsprojekt IIW (L2042) Projektierungskurs 8 12
Modulverantwortlicher Prof. Görschwin Fey
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.

Modul M1758: Praxismodul 3 im dualen Master

Lehrveranstaltungen
Titel Typ SWS LP
Praxisphase 3 im dualen Master (L2889) 0 10
Modulverantwortlicher Dr. Henning Haschke
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Erfolgreicher Abschluss des Praxismoduls 2 im dualen Master
  • LV E aus dem Modul "Theorie-Praxis-Verzahnung im dualen Master"
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden …

  • … verbinden ihr umfassendes und spezialisiertes ingenieurwissenschaftliches Wissen der bisherigen Studieninhalte mit dem erworbenen strategieorientierten Praxiswissen im aktuellen Arbeits- und Verantwortungsbereich. 
  • … verfügen über ein kritisches Verständnis über die praktischen Anwendungsmöglichkeiten ihres ingenieurwissenschaftlichen Faches sowie der angrenzenden Bereiche bei der Realisierung von Innovationen.
Fertigkeiten

Die Studierenden …

  • … wenden spezialisierte und konzeptionelle Fertigkeiten zur Lösung komplexer, mitunter bereichsübergreifender Problemstellungen des Betriebes an und beurteilen die dazugehörigen Arbeitsprozesse und -ergebnisse unter Einbeziehung von Handlungsoptionen.
  • … setzen die mit ihren aktuellen Aufgaben korrespondierenden hochschulseitigen Anwendungsempfehlungen um. 
  • … erarbeiten neue Lösungen sowie Verfahrens- und Vorgehensweisen für die Umsetzung betrieblicher Projekte und Aufträge - auch bei sich häufig ändernden Anforderungen und unvorhersehbaren Veränderungen (systemische Fertigkeiten).
  • … sind in der Lage, mit wissenschaftlichen Methoden neue Ideen und Verfahren für betriebliche Problem- und Fragestellungen zu entwickeln und diese hinsichtlich ihrer Verwendbarkeit zu beurteilen.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden …

  • … arbeiten verantwortlich in bereichs- und unternehmensübergreifenden Projektteams und gehen vorausschauend mit Problemen in der Arbeitsgruppe um. 
  • … sind in der Lage, die fachliche Entwicklung anderer gezielt zu fördern.
  • … vertreten komplexe und interdisziplinäre ingenieurwissenschaftliche Standpunkte, Sachverhalte, Problemstellungen und Lösungsansätze im Gespräch mit internen und externen betrieblichen Stakeholdern argumentativ und entwickeln diese gemeinsam weiter. 
Selbstständigkeit

Die Studierenden …

  • … reflektieren Lern- und Arbeitsprozesse in ihrem Zuständigkeitsbereich.
  • … definieren Ziele für neue anwendungsorientierte Aufgaben, Projekte und Innovationsvorhaben unter Reflexion möglicher Auswirkungen auf Betrieb und Öffentlichkeit. 
  • … reflektieren die Bedeutung von Vertiefungsrichtungen, Spezialisierung und Forschung für die Arbeit als Ingenieurin bzw. Ingenieur sowie die Umsetzung der hochschulseitigen Anwendungsempfehlungen und der damit einhergehenden Herausforderungen eines positiven Theorie-Praxis-Transfers.
Arbeitsaufwand in Stunden Eigenstudium 300, Präsenzstudium 0
Leistungspunkte 10
Studienleistung Keine
Prüfung Schriftliche Ausarbeitung
Prüfungsdauer und -umfang Studienbegleitende und semesterübergreifende Dokumentation: Die Leistungspunkte für das Modul werden durch die Anfertigung eines digitalen Lern- und Entwicklungsberichtes (E-Portfolio) erworben. Dabei handelt es sich um eine Dokumentation und Reflexion der individuellen Lernerfahrungen und Kompetenzentwicklungen im Bereich der Theorie-Praxis-Verzahnung und der Berufspraxis. Zusätzlich erbringt das Kooperationsunternehmen gegenüber der Koordinierungsstelle dual@TUHH den Nachweis, dass die bzw. der dual Studierende die Praxisphase absolviert hat.
Zuordnung zu folgenden Curricula Bauingenieurwesen: Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Chemical and Bioprocess Engineering: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Pflicht
Environmental Engineering: Kernqualifikation: Pflicht
Flugzeug-Systemtechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Internationales Wirtschaftsingenieurwesen: Kernqualifikation: Pflicht
Logistik, Infrastruktur und Mobilität: Kernqualifikation: Pflicht
Luftfahrttechnik: Kernqualifikation: Pflicht
Materials Science and Engineering: Kernqualifikation: Pflicht
Materialwissenschaft: Kernqualifikation: Pflicht
Mechanical Engineering and Management: Kernqualifikation: Pflicht
Mechatronics: Kernqualifikation: Pflicht
Mediziningenieurwesen: Kernqualifikation: Pflicht
Microelectronics and Microsystems: Kernqualifikation: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Pflicht
Regenerative Energien: Kernqualifikation: Pflicht
Schiffbau und Meerestechnik: Kernqualifikation: Pflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Wasser- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L2889: Praxisphase 3 im dualen Master
Typ
SWS 0
LP 10
Arbeitsaufwand in Stunden Eigenstudium 300, Präsenzstudium 0
Dozenten Dr. Henning Haschke
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt

Onboarding Betrieb

  • Zuweisung zukünftiges berufliches Tätigkeitsfeld als Ingenieurin bzw. Ingenieur (M.Sc.) und dazugehöriger Arbeitsbereiche
  • Erweiterung der Zuständigkeiten und Befugnisse des dual Studierenden im Betrieb bis hin zur vorgesehenen Erstverwendung nach dem Studium 
  • Verantwortliches Arbeiten im Team; Projektverantwortung im eigenen Zuständigkeitsbereich ggf. auch bereichs- und unternehmensübergreifend
  • Ablaufplanung des letzten Praxismoduls mit klarer Zuordnung zu den Arbeitsstrukturen 
  • Betriebsinterne Abstimmung über eine potenzielle Problemstellung oder ein Innovationsvorhaben für die Masterarbeit
  • Ablaufplanung der Masterarbeit im Betrieb in der Zusammenarbeit mit der TU Hamburg  
  • Ablaufplanung der Prüfungsphase/nächstes Studiensemester

Betriebliches Wissen und betriebliche Fertigkeiten

  • Unternehmensspezifika: Umgang mit Veränderungen, Projekt- und Teamentwicklung, Verantwortung als Ingenieurin bzw. Ingenieur im zukünftigen Arbeitsbereich (M.Sc.), Umgang mit komplexen Zusammenhängen, häufigen und unvorhersehbaren Veränderungen, Entwicklung und Realisierung von Innovationen
  • Fachliche Spezialisierung in einem Arbeitsbereich (Abschlussarbeit)
  • Systemische Fertigkeiten
  • Umsetzung der hochschulseitigen Anwendungsempfehlungen (Theorie-Praxis-Transfer) in damit korrespondierenden Arbeits- und Aufgabenbereichen des Betriebes 

Lerntransfer/-reflexion

  • E-Portfolio
  • Bedeutung von Studieninhalten und der eigenen Spezialisierung für die Arbeit als Ingenieurin bzw. Ingenieur
  • Bedeutung von Forschung und Innovation für die Arbeit als Ingenieurin bzw. Ingenieur 
  • Hochschulseitige Anwendungsempfehlungen zum Theorie-Praxis-Transfer
Literatur
  • Studierendenhandbuch
  • betriebliche Dokumente
  • Hochschulseitige Anwendungsempfehlungen zum Theorie-Praxis-Transfer

Fachmodule der Vertiefung I. Informatik

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 I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Data Science: Vertiefung II. Computer Science: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Pflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
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
    • Model checking (bounded model checking, CTL, LTL)

    • Real-time model checking (TCTL, timed automata)
    • Deductive verification (Hoare logic)
    • Tool support
    • 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 M0942: Software Security

Lehrveranstaltungen
Titel Typ SWS LP
Software-Sicherheit (L1103) Vorlesung 2 3
Software-Sicherheit (L1104) Gruppenübung 2 3
Modulverantwortlicher Prof. Riccardo Scandariato
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
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 5 % Fachtheoretisch-fachpraktische Studienleistung Gruppenarbeit mit aktuellen Technologien aus dem Bereich Sicherheit
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. 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. Riccardo Scandariato
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. Riccardo Scandariato
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1694: Security of Cyber-Physical Systems

Lehrveranstaltungen
Titel Typ SWS LP
Sicherheit von Cyber-physischen Systemen (L2691) Vorlesung 2 3
Sicherheit von Cyber-physischen Systemen (L2692) Gruppenübung 2 3
Modulverantwortlicher Prof. Sibylle Fröschle
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

IT security, programming skills, statistics

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

The students know and can explain 

- the threats posed by cyber attacks to cyber-physical systems (CPS)

- concrete attacks at a technical level, e.g. on bus systems

- security solutions specific to CPS with their capabilities and limitations

- examples of security architectures for CPS and the requirements they guarantee 

- standard security engineering processes for CPS

Fertigkeiten

The students are able to

-  identify security threats and assess the risks for a given CPS

-  apply attack toolkits to analyse a networked control system, and detect attacks beyond those taught in class 

-  identify and apply security solutions suitable to the requirements

-  follow security engineering processes to develop a security architecture for a given CPS 

-  recognize challenges and limitations, e.g. posed by novel types of attack


Personale Kompetenzen
Sozialkompetenz

The students are able to

- expertly discuss security risks and incidents of CPS and their mitigation in a solution-oriented fashion with experts and non-experts

- foster a security culture with respect to CPS and the corresponding critical infrastructures 

Selbstständigkeit

The students are able to

- follow up and critically assess current developments in the security of CPS including relevant security incidents

- master a new topic within the area by self-study and self-initiated interaction with experts and peers.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 10 % Übungsaufgaben Die Übungsaufgaben finden semesterbegleitend statt.
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Vertiefung II. Computer Science: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Lehrveranstaltung L2691: Security of Cyber-Physical Systems
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Fröschle
Sprachen EN
Zeitraum WiSe
Inhalt

Embedded systems in energy, production, and transportation are currently undergoing a technological transition to highly networked automated cyber-physical systems (CPS). Such systems are potentially vulnerable to cyber attacks, and these can have physical impact. In this course we investigate security threats, solutions and architectures that are specific to CPS. The topics are as follows: 

Fundamentals and motivating examples

Networked and embedded control systems 

    Bus system level attacks

    Intruder detection systems (IDS), in particular physics-based IDS

    System security architectures, including cryptographic solutions

Adversarial machine learning attacks in the physical world 

Aspects of Location and Localization

Wireless networks and infrastructures for critical applications 

    Communication security architectures and remaining threats 

    Intruder detection systems (IDS), in particular data-centric IDS

    Resilience against multi-instance attacks

Security Engineering of CPS: Process and Norms

Literatur

Recent scientific papers and reports in the public domain. 

Lehrveranstaltung L2692: Security of Cyber-Physical Systems
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Fröschle
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1427: Algorithmische Spieltheorie

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmische Spieltheorie (L2060) Vorlesung 2 4
Algorithmische Spieltheorie (L2061) Hörsaalübung 2 2
Modulverantwortlicher Prof. Matthias Mnich
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I
  • Mathematik II
  • Algorithmen und Datenstrukturen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden können die Grundkonzepte der algorithmischen Spieltheorie und des Mechanismusdesigns benennen. Sie können sie anhand geeigneter Beispiele erklären.
  • Die Studierenden können logische Zusammenhänge zwischen diesen Konzepten diskutieren. Sie können diese Zusammenhänge anhand von Beispielen veranschaulichen.
  • Sie kennen Spiel- und Mechanismusdesignstrategien und können diese reproduzieren.


Fertigkeiten
  • Die Studierenden können mithilfe der in diesem Kurs untersuchten Konzepte strategische Interaktionssysteme von Agenten modellieren. Darüber hinaus sind sie in der Lage, ihre Effizienz und Gleichgewichte mithilfe etablierter Methoden zu analysieren.
  • Die Studierenden können weitere logische Zusammenhänge zwischen den im Kurs untersuchten Konzepten entdecken und überprüfen.
  • Für ein bestimmtes Problem können die Studierenden einen geeigneten Ansatz entwickeln und ausführen und die Ergebnisse kritisch bewerten.
Personale Kompetenzen
Sozialkompetenz
  • Die Studierenden können in Teams zusammenarbeiten. Sie können Mathematik als gemeinsame Sprache verwenden.
  • Auf diese Weise können sie neue Konzepte entsprechend den Bedürfnissen ihrer Kooperationspartner kommunizieren. Darüber hinaus können sie Beispiele entwerfen, um das Verständnis ihrer Kommilitonen zu überprüfen und zu vertiefen.
Selbstständigkeit
  • Die Studierenden können ihr Verständnis komplexer Konzepte selbst überprüfen. Sie können offene Fragen genau spezifizieren und wissen, wo sie Hilfe bei der Lösung erhalten können.
  • Die Studierenden haben eine ausreichende Ausdauer entwickelt, um länger zielgerichtet an schwierigen Problemen arbeiten zu können.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 20 % Fachtheoretisch-fachpraktische Studienleistung
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Lehrveranstaltung L2060: Algorithmische Spieltheorie
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Matthias Mnich
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Algorithmische Spieltheorie ist ein Thema an der Schnittstelle von Informatik, Wirtschaft und Mathematik. Es befasst sich mit der Analyse des Verhaltens und der Interaktionen strategischer Akteure, die häufig versuchen, ihre Anreize zu maximieren. Die Umgebung, in der diese Agenten interagieren, wird als Spiel bezeichnet. Wir möchten verstehen, ob die Agenten ein "Gleichgewicht" oder einen stabilen Zustand des Spiels erreichen können, in dem die Agenten keinen Anreiz haben, von ihren gewählten Strategien abzuweichen. Der algorithmische Teil besteht darin, effiziente Methoden zu entwickeln, um Gleichgewichte in Spielen zu finden, und den Agenten Empfehlungen zu geben, damit sie schnell einen Zustand persönlicher Zufriedenheit erreichen können.

Wir werden auch das Mechanismusdesign untersuchen. Beim Mechanismusdesign möchten wir Märkte und Auktionen gestalten und den Agenten strategische Optionen geben, damit sie einen Anreiz haben, rational zu handeln. Wir möchten die Märkte und Auktionen auch so gestalten, dass sie effizient sind, dass alle Waren freigegeben werden und die Agenten die von ihnen erworbenen Waren nicht überbezahlen.

Themen:

  • grundlegende Gleichgewichtskonzepte (Nash-Gleichgewichte, korrelierte Gleichgewichte, ...)
  • strategische Maßnahmen (Best-Response-Dynamik, No-Regret-Dynamik, ...)
  • Auktionsdesign (umsatzmaximierende Auktionen, Vickrey-Auktionen)
  • stabile Matching-Theorie (Präferenzaggregationen, Nierenaustausch, ...)
  • Preis der Anarchie und egoistisches Routing (Braess 'Paradoxon, Überlastungsspiele, ...)
Literatur
  • T. Roughgarden: Twenty Lectures on Algorithmic Game Theory, Cambridge University Press, 2016.
  • N. Nisan, T. Roughgarden, E. Tardos, V. Vazirani. Algorithmic Game Theory. Cambridge University Press, 2007.
Lehrveranstaltung L2061: Algorithmische Spieltheorie
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
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
Ja Keiner Fachtheoretisch-fachpraktische Studienleistung Die Lösung einer Aufgabe ist Zuslassungsvoraussetzung für die Prüfung. Die Aufgabe wird in Vorlesung und Übung definiert.
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Mechatronics: Kernqualifikation: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Embedded Systems: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: 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 M1774: Advanced Internet Computing

Lehrveranstaltungen
Titel Typ SWS LP
Advanced Internet Computing (L2916) Vorlesung 2 3
Advanced Internet Computing (L2917) Projekt-/problembasierte Lehrveranstaltung 2 3
Modulverantwortlicher Prof. Stefan Schulte
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Good programming skills are necessary. Previous knowledge in the field of distributed systems is helpful.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

After successful completion of the course, students are able to:

  • Describe basic concepts of Cloud Computing, the Internet of Things (IoT), and blockchain technologies
  • Discuss and assess critical aspects of Cloud Computing, the IoT, and blockchain technologies
  • Select and apply cloud and IoT technologies for particular application areas
  • Design and develop practical solutions for the integration of smart objects in IoT, Cloud, and blockchain software
  • Implement IoT services
Fertigkeiten

The students acquire the ability to model Internet-based distributed systems and to work with these systems. This comprises especially the ability to select and utilize fitting technologies for different application areas. Furthermore, students are able to critically assess the chosen technologies. 

Personale Kompetenzen
Sozialkompetenz

Students can work on complex problems both independently and in teams. They can exchange ideas with each other and use their individual strengths to solve the problem.

Selbstständigkeit

Students are able to independently investigate a complex problem and assess which competencies are required to solve it. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang Gruppenprojekt mit Präsentation (50 %), schriftlicher Test (60 min, 50 %)
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Vertiefung II. Computer Science: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: 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, Schwerpunkt Netze: Wahlpflicht
Lehrveranstaltung L2916: Advanced Internet Computing
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Stefan Schulte
Sprachen EN
Zeitraum SoSe
Inhalt

This lecture discusses modern Internet-based distributed systems in three blocks: (i) Cloud computing, (ii) the Internet of Things, and (iii) blockchain technologies. The following topics will be covered in the single lectures:

  • Cloud Computing
  • Elastic Computing
  • Technologies for identification for the IoT: RFID & EPC
  • Communication in the IoT: Standards and protocols
  • Security and trust in the IoT: Concerns and solution approaches
  • Edge and Fog Computing
  • Application areas: Smart factories, smart cities, smart healthcare
  • Blockchain technologies 
  • Consensus 
Literatur Will be discussed in the lecture
Lehrveranstaltung L2917: Advanced Internet Computing
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Stefan Schulte
Sprachen EN
Zeitraum SoSe
Inhalt

This project-/problem-oriented part of the module augments the theoretical content of the lecture by a concrete technical problem, which needs to be solved by the students in group work during the semester. Possible topics are (blockchain-based) sensor data integration, Big Data processing, Cloud-based redundant data storages, and Cloud-based Onion Routing.

Literatur

Will be discussed in the lecture.

Modul M1812: Constraint Satisfaction Problems

Lehrveranstaltungen
Titel Typ SWS LP
Constraint Satisfaction Problems (L3002) Vorlesung 2 3
Constraint Satisfaction Problems (L3003) Hörsaalübung 2 3
Modulverantwortlicher Prof. Antoine Mottet
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

The students should have followed the courses Complexity Theory, Discrete Algebraic Structures, Linear Algebra.

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


  • Students can describe basic concepts from the theory of constraint satisfaction such as primitive positive formulas, interpretations, polymorphisms, clones
  • Students can discuss the connections between these concepts
  • Students know proofs strategies and can reproduce them

Fertigkeiten
  • Students can use CSPs to model problems from complexity theory and decide their complexity using methods from the course.
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L3002: Constraint Satisfaction Problems
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Antoine Mottet
Sprachen EN
Zeitraum SoSe
Inhalt

This course gives an introduction to the topic of constraint satisfaction problems and their complexity. A constraint satisfaction problem (CSP) is a computational problem of the form "Given variables and constraints on the variables, does there exist an assignment of the variables to some concrete domain that satisfies all the constraints?" The framework of CSPs is very general, and in fact every computational problem is equivalent to a CSP. The study of CSPs has been very prolific in the past, both in practice (e.g., with SAT solvers) and in complexity theory, a prominent field of theoretical computer science.

In this course, we will review the theoretical aspects of CSPs. The course will cover the basics of the theory such as the universal-algebraic approach to constraint satisfaction and several classical algorithms such as local consistency checking and the Bulatov-Dalmau algorithm.

Basic knowledge in predicate logic and an affinity to abstract mathematical thinking are highly recommended in order to follow this course.

Literatur
Lehrveranstaltung L3003: Constraint Satisfaction Problems
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Antoine Mottet
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0836: Communication Networks

Lehrveranstaltungen
Titel Typ SWS LP
Ausgewählte Themen der Kommunikationsnetze (L0899) Projekt-/problembasierte Lehrveranstaltung 2 2
Kommunikationsnetze (L0897) Vorlesung 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 Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energiesystemtechnik: Wahlpflicht
Flugzeug-Systemtechnik: Kernqualifikation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Luftfahrttechnik: Kernqualifikation: Wahlpflicht
Mechatronics: Kernqualifikation: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: Wahlpflicht
Lehrveranstaltung L0899: Selected Topics of Communication Networks
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr.-Ing. Koojana Kuladinithi
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 L0897: Communication Networks
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr.-Ing. Koojana Kuladinithi
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 L0898: Communication Networks Excercise
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr.-Ing. Koojana Kuladinithi
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 M1249: Medizinische Bildgebung

Lehrveranstaltungen
Titel Typ SWS LP
Medizinische Bildgebung (L1694) Vorlesung 2 3
Medizinische Bildgebung (L1695) Gruppenübung 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in Linear Algebra, Numerik und Signalverarbeitung

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, Rekonstruktionsverfahren für verschiedene tomographische Bildgebungsmodalitäten wie die Computertomographie und die Magnetresonanztomographie zu beschreiben. Sie kennen die nötigen Grundlagen aus den Bereichen der Signalverarbeitung und der inversen Probleme und kennen sowohl analytische als auch iterative Bildrekonstruktionsmethoden. Die Studierenden verfügen über vertiefende Kenntnisse über die Bildgebungoperatoren der Computertomographie und die Magnetresonanztomographie.



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. Zudem können die Studierenden die zeitliche Komplexität von Bildgebungsalgorithmen abschätzen.

Personale Kompetenzen
Sozialkompetenz

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

Selbstständigkeit

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

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung II. Intelligenz-Engineering: Wahlpflicht
Data Science: Vertiefung III. Applications: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Interdisciplinary Mathematics: Vertiefung III. Computational Methods in Biomedical Imaging: Pflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: Wahlpflicht
Lehrveranstaltung L1694: Medizinische Bildgebung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Überblick über bekannte Bildgebungsverfahren
  • Signalverarbeitung
  • Inverse Probleme
  • Computertomographie
  • Magnetresonanztomographie
  • Compressed Sensing
  • Magnetic-Particle-Pmaging


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: Medizinische Bildgebung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1780: Massively Parallel Systems: Architecture and Programming

Lehrveranstaltungen
Titel Typ SWS LP
Massiv parallele Systeme: Architektur und Programmierung (L2936) Vorlesung 2 3
Massiv parallele Systeme: Architektur und Programmierung (L2937) Projekt-/problembasierte Lehrveranstaltung 2 3
Modulverantwortlicher Prof. Sohan Lal
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

An introductory module on computer Engineering or computer architecture, good programming skills in C/C++.

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

The course starts with parallel computers classification, multithreading, and covers the architecture of centralized and distributed shared-memory parallel systems, multiprocessor cache coherence, snooping / directory-based cache coherence protocols, implementation, and limitations. Next, students study interconnection networks and routing in parallel systems. To ensure the correctness of shared-memory multithreaded programs, independent of the speed of execution of their individual threads, the important topics of memory consistency and synchronization will be covered in detail. As a case study, the architecture of a few accelerators such as GPUs will also be discussed in detail. Besides understanding the architecture and organization of parallel systems, programming them is also very challenging. The course will also cover how to program massively parallel systems using API/libraries such as CUDA/OpenCL/MPI/OpenMP.

Fertigkeiten

After completing this course, students will be able to understand the architecture and organization of parallel systems. They will be able to evaluate different design choices and make decisions while designing a parallel system. In addition, they will be able to program parallel systems (ranging from an embedded system to a supercomputer) using CUDA/OpenCL/MPI/OpenMP. 

Personale Kompetenzen
Sozialkompetenz The course will encourage students to work in small groups to solve complex problems, thus, inculcating the importance of teamwork. 
Selbstständigkeit

Today, parallel computers are present everywhere. Students will be able to not only program parallel computers independently, but also understand their underlying organization and architecture. This will further help to understand the performance issues of parallel applications and provide insights to improve them. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 20 % Fachtheoretisch-fachpraktische Studienleistung
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 25 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Vertiefung II. Computer Science: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Embedded Systems: Wahlpflicht
Lehrveranstaltung L2936: Massively Parallel Systems: Architecture and Programming
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sohan Lal
Sprachen EN
Zeitraum WiSe
Inhalt

Brief outline:

  • Parallel computers and their classification
  • Centralized and distributed shared-memory architectures: snooping vs directory-based cache coherence protocols, implementation, and limitations
  • Chip multiprocessors: software-based, block (coarse-grain), interleaved (fine-grain), simultaneous multithreading
  • Synchronization: high-level primitives and implementation, memory consistency models: sequential and weaker memory consistency models
  • Interconnection networks: topologies (direct and indirect networks) and routing techniques
  • Graphics Processing Units (GPUs) architecture and programming using CUDA/OpenCL
  • Parallel programming with message passing interface (MPI), OpenMP


Literatur
  • Michel Dubois, Murali Annavaram, and Per Stenström, Parallel Computer Organization and Design (Book)
  • David A Patterson and John L. Hennessy, Computer Architecture: A Quantitative Approach, Elsevier (Book)
  • David B. Kirk, Wen-mei W. Hwu, Programming Massivley Parallel Processors, Elsevier (Book)


Lehrveranstaltung L2937: Massively Parallel Systems: Architecture and Programming
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sohan Lal
Sprachen EN
Zeitraum WiSe
Inhalt

There will be 3-4 assignments for project-based learning consisting of the following: 

  • Implement and compare different cache coherence protocols using a simulator or a high-level, event-driven simulation interface such as SystemC
  • Programming massively parallel systems to solve computationally intensive problems such as password cracking using CUDA/OpenCL/MPI/OpenMP


Literatur

The following literature will be useful for project-based learning. The further required resources will be discussed during the course.

  • David B. Kirk, Wen-mei W. Hwu, Programming Massivley Parallel Processors, Elsevier (Book)
  • MPI Forum, https://www.mpi-forum.org/ 
  • SystemC, https://www.accellera.org/community/systemc

Fachmodule der Vertiefung II. Ingenieurwissenschaften

Modul M1250: Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze

Lehrveranstaltungen
Titel Typ SWS LP
Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze (L1696) Vorlesung 3 4
Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze (L1697) Hörsaalübung 2 2
Modulverantwortlicher Prof. Christian Becker
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen der Elektrotechnik,

Elektrische Energiesysteme I,

Mathematik I, II, III

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

Die Studierenden können Technologien und Informationssysteme der Betriebsführung konventioneller und moderner elektrischer Energieversorgungssysteme sowie Verfahren und Algorithmen der Rechner gestützten stationären Netzberechnung, der Fehlerrechnung, der Netzführung und Systemoptimierung detailliert erläutern und kritisch bewerten.

Fertigkeiten

Mit Abschluss dieses Moduls sind die Studierenden in der Lage, die erlernten Technologien und Verfahren zur Planung bzw. Analyse realer elektrischer Energiesysteme anzuwenden und die Ergebnisse kritisch zu bewerten. 

Personale Kompetenzen
Sozialkompetenz

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

Selbstständigkeit

Die Studierenden können sich selbstständig Quellen über die Schwerpunkte der Vorlesung erschließen und das darin enthaltene Wissen aneignen sowie im Rahmen weiterführender Forschungsaktivitäten nutzbar machen. 

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 45 min
Zuordnung zu folgenden Curricula Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Vertiefung Energiesysteme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L1696: Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Christian Becker
Sprachen DE
Zeitraum WiSe
Inhalt
  • Stationäre Modellierung elektrischer Energiesysteme
    • konventionelle Komponenten
    • leistungselektronische Netzregler (FACTS) und HGÜ
    • Netzmodellierung
  • Netzbetrieb
    • Prozess der elektrischen Energieversorgung
    • Netz-/Systemführung
    • Netzbereitstellung
  • Netzleittechnik und Netzleitsysteme
    • Informations- und Kommunikationstechnik elektrischer Energiesysteme
    • IT-Architekturen der Stations-, Feld- und Netzleitebene
    • IT-Integration (Energiemarkt / Engpassmanagement / Asset Management)
    • Entwicklungstrends in der Leittechnik
    • Smart Grids
  • Funktionen und stationäre Berechnungen für den Netzbetrieb
    • Lastflussberechnungsmethoden
    • Sensitivitätsanalyse und Lastflusssteuerung
    • Sensitivitätsanalyse
    • Betriebsoptimierung
    • Symmetrische Kurzschlussberechnung
    • Unsymmetrische Fehlerstromberechnung
      • symmetrische Komponenten
      • Berechnung unsymmetrischer Fehler
    • Netzzustandsabschätzung
Literatur

E. Handschin: Elektrische Energieübertragungssysteme, Hüthig Verlag

B. R. Oswald: Berechnung von Drehstromnetzen, Springer-Vieweg Verlag

V. Crastan: Elektrische Energieversorgung Bd. 1 & 3, Springer Verlag

E.-G. Tietze: Netzleittechnik Bd. 1 & 2, VDE-Verlag

Lehrveranstaltung L1697: Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Christian Becker
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0676: Digitale Nachrichtenübertragung

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Nachrichtenübertragung (L0444) Vorlesung 2 3
Digitale Nachrichtenübertragung (L0445) Hörsaalübung 2 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.

Die Studierenden kennen die Vorlesungs- und Übungsinhalte und können diese erläutern sowie auf neue Fragestellungen anwenden.


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 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja Keiner Schriftliche Ausarbeitung
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Vertiefung II. Computer Science: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: 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
Microelectronics and Microsystems: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0444: Digital Communications
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum WiSe
Inhalt
  • Repetition: Baseband Transmission
    • Pulse shaping: Non-return to zero (NRZ) rectangular pulses, raised-cosine pulses, square-root raised-cosine pulses
    • Power spectral density (psd) of baseband signals
    • Intersymbol interference (ISI)
    • First and second Nyquist criterion
    • AWGN channel
    • Matched filter
    • Matched-filter receiver and correlation receiver
    • Noise whitening matched filter
    • Discrete-time AWGN channel model
  • Representation of bandpass signals and systems in the equivalent baseband
    • Quadrature amplitude modulation (QAM)
    • Equivalent baseband signal and system
    • Analytical signal
    • Equivalent baseband random process, equivalent baseband white Gaussian noise process
    • Equivalent baseband AWGN channel
    • Equivalent baseband channel model with frequency-offset and phase noise
    • Equivalent baseband Rayleigh fading and Rice fading channel models
    • Equivalent baseband frequency-selective channel model
    • Discrete memoryless channels (DMC)
  • Bandpass transmission via carrier modulation
    • Amplitude modulation, frequency modulation, phase modulation
    • Linear digital modulation methods
      • On-off keying, M-ary amplitude shift keying (M-ASK), M-ary phase shift keying (M-PSK), M-ary quadrature amplitude modulation (M-QAM), offset-QPSK
      • Signal space representation of transmit signal constellations and signals
      • Energy of linear digital modulated signals, average energy per symbol
      • Power spectral density of linear digital modulated signals
      • Bandwidth efficiency
      • Correlation coefficient of elementary signals
      • Error probabilities of linear digital modulation methods
        • Error functions
        • Gray mapping and natural mapping
        • Bit error probabilities, symbol error probabilities, pairwise symbol error probabilities
        • Euclidean distance and Hamming distance
        • Exact and approximate computation of error probabilities
        • Performance comparison of modulation schemes in terms of per bit SNR vs. per symbol SNR
      • Hierarchical modulation, multilevel modulation
      • Effects of carrier phase offset and carrier frequency offset
      • Differential modulation
        • M-ary differential phase shift keying (M-PSK)
        • Coherent and non-coherent detection of DPSK
        • p/M-differential phase shift keying (p/M-DPSK)
        • Differential amplitude and phase shift keying (DAPSK)
    • Non-linear digital modulation methods
      • Frequency shift keying (FSK)
      • Modulation index
      • Minimum shift keying (MSK)
        • Offset-QPSK representation of MSK
        • MSK with differential precoding and rotation
        • Bit error probabilities of MSK
        • Gaussian minimum shift keying (GMSK)
        • Power spectral density of MSK and GMSK
      • Continuous phase modulation (CPM)
        • General description of CPM signals
        • Frequency pulses and phase pulses
      • Coherent and non-coherent detection of FSK
    • Performance comparison of linear and non-linear digital modulation methods
  • Frequency-selective channels, ISI channels
    • Intersymbol interference and frequency-selectivity
    • RMS delay spread
    • Narrowband and broadband channels
    • Equivalent baseband transmission model for frequency-selective channels
    • Receive filter design
  • Equalization
    • Symbol-spaced and fractionally-spaced equalizers
    • Inverse system
    • Non-recursive linear equalizers
      • Linear zero-forcing (ZF) equalizer
      • Linear minimum mean squared error (MMSE) equalizer
    • Non-linear equalization:
      • Decision feedback equalizer (DFE)
      • Tomlinson-Harashima precoding
    • Maximum a posteriori probability (MAP) and maximum likelihood equalizer, Viterbi algorithm
  • Single-carrier vs. multi-carrier transmission
  • Multi-carrier transmission
    • General multicarrier transmission
    • Orthogonal frequency division multiplex (OFDM)
      • OFDM implementation using the Fast Fourier Transform (FFT)
      • Cyclic guard interval
      • Power spectral density of OFDM
      • Peak-to-average power ratio (PAPR)
  • Multiple access
    • Principles of time division multiple access (TDMA), frequency division multiple access (FDMA), code division multiple access (CDMA), non-orthogonal multiple access (NOMA), hybrid multiple access
  • Spread spectrum communications
    • Direct sequence spread spectrum communications
    • Frequency hopping
    • Protection against eavesdropping
    • Protection against narrowband jammers
    • Short vs. long spreading codes
    • Direct sequence spread spectrum communications in frequency-selective channels
      • Rake receiver
    • Code division multiple access (CDMA)
      • Design criteria of spreading sequences, autocorrelation function and crosscorrelation function of spreading sequences
      • Intersymbol interference (ISI) and multiple access interference (MAI)
      • Pseudo noise (PN) sequences, maximum length sequences (m-sequences), Gold codes, Walsh-Hadamard codes, orthogonal variable spreading factor (OVSF) codes
      • Multicode transmission   
      • CDMA in uplink and downlink of a wireless communications system
      • Single-user detection vs. multi-user detection


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: Digital Communications
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen 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 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
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja Keiner Referat
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 45 min
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung HF-Technik, Optik und Elektromagnetische Verträglichkeit: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Elektrotechnik: Vertiefung Wireless and Sensor Technologies: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: 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 WiSe
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 WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0673: Information Theory and Coding

Lehrveranstaltungen
Titel Typ SWS LP
Informationstheorie und Codierung (L0436) Vorlesung 3 4
Informationstheorie und Codierung (L0438) Hörsaalübung 2 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Mathematics 1-3
  • Probability theory and random processes
  • Basic knowledge of communications engineering (e.g. from lecture "Fundamentals of Communications and Random Processes")
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

The students know the basic definitions for quantification of information in the sense of information theory. They know Shannon's source coding theorem and channel coding theorem and are able to determine theoretical limits of data compression and error-free data transmission over noisy channels. They understand the principles of source coding as well as error-detecting and error-correcting channel coding. They are familiar with the principles of decoding, in particular with modern methods of iterative decoding. They know fundamental coding schemes, their properties and decoding algorithms. 

The students are familiar with the contents of lecture and tutorials. They can explain and apply them to new problems.

Fertigkeiten The students are able to determine the limits of data compression as well as of data transmission through noisy channels and based on those limits to design basic parameters of a transmission scheme. They can estimate the parameters of an error-detecting or error-correcting channel coding scheme for achieving certain performance targets. They are able to compare the properties of basic channel coding and decoding schemes regarding error correction capabilities, decoding delay, decoding complexity and to decide for a suitable method. They are capable of implementing basic coding and decoding schemes in software.
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 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Data Science: Vertiefung I. Mathematics: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Wireless and Sensor Technologies: 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: Information Theory and Coding
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum SoSe
Inhalt
  • Introduction to information theory and coding
  • Definitions of information: Self information, entropy
  • Binary entropy function
  • Source coding theorem
  • Entropy of continuous random variables: Differential entropy, differential entropy of uniformly and Gaussian distributed random variables
  • Source coding
    • Principles of lossless source coding
    • Optimal source codes
    • Prefix codes, prefix-free codes, instantaneous codes
    • Morse code
    • Huffman code
    • Shannon code
    • Bounds on the average codeword length
    • Relative entropy, Kullback-Leibler distance, Kullback-Leibler divergence
    • Cross entropy
    • Lempel-Ziv algorithm
    • Lempel-Ziv-Welch (LZW) algorithm
    • Text compression and image compression using variants of the Lempel-Ziv algorithm
  • Channel models
    • AWGN channel
    • Binary-input AWGN channel
    • Binary symmetric channel (BSC)
    • Relationship between AWGN channel and BSC
    • Binary error and erasure channel (BEEC)
    • Binary erasure channel (BEC)
    • Discrete memoryless channels (DMC)
  • Definitions of information for multiple random variables
    • Mutual information and channel capacity
    • Entropy, conditional entropy
    • Chain rules for entropy and mutual information
  • Channel coding theorem
  • Channel capacity of fundamental channels: BSC, BEC, AWGN channel, binary-input AWGN channel etc.
  • Power-limited vs. bandlimited transmission
  • Capacity of parallel AWGN channels
    • Waterfilling
    • Examples: Multiple input multiple output (MIMO) channels, complex equivalent baseband channels, orthogonal frequency division multiplex (OFDM)
  • Source-channel coding theorem, separation theorem
  • Multiuser information theory
    • Multiple access channel (MAC)
    • Broadcast channel
    • Principles of multiple access, time division multiple access (TDMA), frequency division multiple access (FDMA), non-orthogonal multiple access (NOMA), hybrid multiple access
    • Achievable rate regions of TDMA and FDMA with power constraint, energy constraint, power spectral density constraint, respectively
    • Achievable rate region of the two-user and K-user multiple access channels
    • Achievable rate region of the two-user and K user broadcast channels
    • Multiuser diversity
  • Channel coding
    • Principles and types of channel coding
    • Code rate, data rate, Hamming distance, minimum Hamming distance, Hamming weight, minimum Hamming weight
    • Error detecting and error correcting codes
    • Simple block codes: Repetition codes, single parity check codes, Hamming code, etc.
    • Syndrome decoding
    • Representations of binary data
    • Non-binary symbol alphabets and non-binary codes
    • Code and encoder, systematic and non-systematic encoders
    • Properties of Hamming distance and Hamming weight
    • Decoding spheres
    • Perfect codes
    • Linear codes
    • Decoding principles
      • Syndrome decoding
      • Maximum a posteriori probability (MAP) decoding and maximum likelihood (ML) decoding
      • Hard decision and soft decision decoding
      • Log-likelihood ratios (LLRs), boxplus operation
      • MAP and ML decoding using log-likelihood ratios
      • Soft-in soft-out decoders
    • Error rate performance comparison of codes in terms of SNR per info bit vs. SNR per code bit
    • Linear block codes
      • Generator matrix and parity check matrix, properties of generator matrix and parity check matrix
      • Dual codes
    • Low density parity check (LDPC) codes
      • Sparse parity check matrix
      • Tanner graphs, cycles and girth
      • Degree distributions
      • Code rate and degree distribution
      • Regular and irregular LDPC codes
      • Message passing decoding
        • Message passing decoding in binary erasure channels (BEC)
        • Systematic encoding using erasure message passing decoding
        • Message passing decoding in binary symmetric channels (BSC)
          • Extrinsic information
          • Bit-flipping decoding
          • Effects of short cycles in the Tanner graph
          • Alternative bit-flipping decoding
          • Soft decision message passing decoding: Sum product decoding
        • Bit error rate performance of LDPC codes
      • Repeat accumulate codes and variants of repeat accumulate codes
      • Message passing decoding and turbo decoding of repeat accumulate codes
    • Convolutional codes
      • Encoding using shift registers
      • Trellis representation
      • Hard decision and soft decision Viterbi decoding
      • Bit error rate performance of convolutional codes
      • Asymptotic coding gain
      • Viterbi decoding complexity
      • Free distance and optimum convolutional codes
      • Generator polynomial description and octal description
      • Catastrophic convolutional codes
      • Non-systematic and recursive systematic convolutional (RSC) encoders
      • Rate compatible punctured convolutional (RCPC) codes
      • Hybrid automatic repeat request (HARQ) with incremental redundancy
      • Unequal error protection with punctured convolutional codes
      • Error patterns of convolutional codes
    • Concatenated codes
      • Serial concatenated codes
      • Parallel concatenated codes, Turbo codes
      • Iterative decoding, turbo decoding
      • Bit error rate performance of turbo codes
      • Interleaver design for turbo codes
    • Coded modulation
      • Principle of coded modulation
      • Achievable rates with PSK/QAM modulation
      • Trellis coded modulation (TCM)
      • Set partitioning
      • Ungerböck codes
      • Multilevel coding
      • Bit-interleaved coded 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: Information Theory and Coding
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1666: Intelligente Systeme Projekt

Lehrveranstaltungen
Titel Typ SWS LP
Intelligente Systeme Projekt (L2709) Projekt-/problembasierte Lehrveranstaltung 6 6
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Sehr gute Programmierkenntnisse 

Gute Mathematikkentnisse

Vorkenntnisse maschinelles Lernen sehr wünschenswert

Vorkenntnisse Bildverarbeitung / Computer Vision hilfreich

Intelligente Systeme Projekt - Gruppendiskussion

Vorkenntnisse Mikroprozessorprogrammierung hilfreich

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

Die Studierenden können Aspekte intelligenter Systeme erklären (z.B. Autonomie, Erfassung von Umgebungsinformationen, Interaktion mit der Umgebung) sowie die Bezüge zu Ki / Robotik / maschinellem Lernen / Computer Vision einordnen.

Fertigkeiten

Die Studierenden können ein komplexes Anwendungsszenario analysieren und Methoden der künstlichen Intelligenz (vor allem Robotik, maschinelles Lernen, Computer Vision) nutzen, um ein intelligentes System zu implementieren. Weiterhin können die Studierenden Kriterien zur Bewertung der Funktion des Systems definieren und das System evaluieren.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in Gruppen Projektziele konzipieren und den Projektablauf organisieren. Sie können Ihre Ergebnisse in geeigneter Weise präsentieren.

Selbstständigkeit

Die Studierenden verantworten selbstständig eine Teilaufgabe innerhalb der Projektgruppe und können die Bearbeitung ihrer Aufgaben mit anderen Gruppenmitgliedern koordinieren. Sie liefern termingerecht Ihre Arbeiten ab. Sie können sich selbstständig zusätzliches Wissen durch Literaturrecherche erschließen. 

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja Keiner Gruppendiskussion
Prüfung Schriftliche Ausarbeitung
Prüfungsdauer und -umfang ca. 8 Seiten, Bearbeitungszeit: semesterbegleitend
Zuordnung zu folgenden Curricula Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: Wahlpflicht
Lehrveranstaltung L2709: Intelligente Systeme Projekt
Typ Projekt-/problembasierte Lehrveranstaltung
SWS 6
LP 6
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Dozenten Prof. Alexander Schlaefer
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Das Projektthema wird gemeinsam im Rahmen der Veranstaltung ausgewählt.

Literatur

Wird in der Veranstaltung bekannt gegeben.

Modul M1785: Machine Learning in Electrical Engineering and Information Technology

Lehrveranstaltungen
Titel Typ SWS LP
General Introduction Machine Learning (L3004) Vorlesung 1 2
Machine Learning Applications in Electric Power Systems (L3008) Vorlesung 1 1
Machine Learning in Electromagnetic Compatibility (EMC) Engineering (L3006) Vorlesung 1 1
Machine Learning in High-Frequency Technology and Radar (L3007) Vorlesung 1 1
Machine Learning in Wireless Communications (L3005) Vorlesung 1 1
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

The module is designed for a diverse audience, i.e. students with different background. It shall be suitable for both students with deeper knowledge in machine learning methods but less knowledge in electrical engineering, e.g. math or computer science students, and students with deeper knowledge in electrical engineering but less knowledge in machine learning methods, e.g. electrical engineering students. Machine learning methods will be explained on a relatively high level indicating mainly principle ideas. The focus is on specific applications in electrical engineering and information technology. 

The chapters of the course will be understandable in different depth depending on the individual background of the student. The individual background of the students will be taken into consideration in the oral exam.


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

The students know basic machine learning concepts and learning strategies. They are aware of specific opportunities, challenges and approaches of machine learning in various fields of electrical engineering. They know exemplary applications of machine learning in electrical engineering.

The students are familiar with the contents of the module courses. They can explain and apply them to new problems.

Fertigkeiten

The students are able to apply methods from machine learning to problems in electrical engineering. They are able to determine, dimension and implement suitable approaches such as types of deep learning networks and learning strategies for specific engineering problems. In particular, they are able to include domain knowledge in machine learning architectures and learning strategies. They are able to critically assess the learning results based on domain knowledge. 

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 e.g. by solving tutorial problems or using software tools.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Data Science: Vertiefung III. Applications: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung HF-Technik, Optik und Elektromagnetische Verträglichkeit: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energiesystemtechnik: Wahlpflicht
Elektrotechnik: Vertiefung Wireless and Sensor Technologies: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Lehrveranstaltung L3004: General Introduction Machine Learning
Typ Vorlesung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr. Maximilian Stark
Sprachen EN
Zeitraum SoSe
Inhalt
  • From Rule-Based Systems to Machine Learning
    • Brief overview recent advances in ML in various domain
    • Outline and expected learning outcomes
    • Basics statistical inference and statistics
    • Basics of information theory
  • The Notions of Learning in Machine Learning
    • Unsupervised and supervised machine learning
    • Model-based and data-driven machine learning
    • Hybrid modelling
    • Online/offline/meta/transfer learning
    • General loss functions
  • Introduction to Deep Learning
    • Variants of neural networks
    • MLP
    • Conv. neural networks
    • Recurrent neural networks
    • Training neural networks
    • (Stochastic) Gradient Descent
  • Regression vs. Classification
    • Classification as supervised learning problem
    • Hands-On Session
  • Representation Learning and Generative Models
    • AutoEncoders
    • Directed Generative Models
    • Undirected Generative Models
    • Generative Adversarial Neural Networks
  • Probabilistic Graphical Models
    • Bayesian Networks
    • Variational inference (variational autoencoder)
Literatur
Lehrveranstaltung L3008: Machine Learning Applications in Electric Power Systems
Typ Vorlesung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Christian Becker, Dr. Davood Babazadeh
Sprachen EN
Zeitraum SoSe
Inhalt

This part of the course focuses on how to utilize ML methods to model and operate electric power systems. Electric power systems consist of generation units such as PV, loads or consumers and the grid that connects those actors and supports to transport energy. This part of the course helps to understand the data-driven modelling of generation units (e.g. PV & fuel cells), modelling of load behavior, and to formulate and solve a state estimation problem for distribution grids using neural networks.

This part of the course includes lectures to introduce the basics that are followed by practical examples and coding.

Literatur
Lehrveranstaltung L3006: Machine Learning in Electromagnetic Compatibility (EMC) Engineering
Typ Vorlesung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Christian Schuster, Dr. Cheng Yang
Sprachen EN
Zeitraum SoSe
Inhalt

Electromagnetic Compatibility (EMC) Engineering deals with design, simulation, measurement, and certification of electronic and electric components and systems in such a way that their operation is safe, reliable, and efficient in any possible application. Safety is hereby understood as safe with respect to parasitic effects of electromagnetic fields on humans as well as on the operation of other components and systems nearby. Examples for components and systems range from the wiring in aircraft and ships to high-speed interconnects in server systems and wirless interfaces for brain implants. In this part of the course we will give an introduction to the physical basics of EMC engineering and then show how methods of Machine Learning (ML) can be applied to expand todays physcis-based approaches in EMC Engineering.

Literatur
Lehrveranstaltung L3007: Machine Learning in High-Frequency Technology and Radar
Typ Vorlesung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Kölpin, Dr. Fabian Lurz
Sprachen EN
Zeitraum SoSe
Inhalt

Modern high-frequency systems benefit massively from machine learning methods. In applications where rule-based algorithms reach their limits, these data-driven approaches enable a significant increase in resolution and accuracy. This is exemplified by current research challenges, namely for the classification of targets in autonomous driving radar systems, radar-based gesture recognition for smart home applications and device control as well as in the field of medical technology for the contactless monitoring of human vital signs.

Literatur
Lehrveranstaltung L3005: Machine Learning in Wireless Communications
Typ Vorlesung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Maximilian Stark
Sprachen EN
Zeitraum SoSe
Inhalt
  • Supervised Learning Application - Channel Coding
    • Recap channel coding and block codes
    • Block codes as trainable neural networks
    • Tanner graph with trainable weights
    • Hands-on session
  • Supervised Learning Application - Modulation Detection
    • Recap wireless modulation schemes
    • Convolutional neuronal networks for blind detection of modulation schemes
    • Hands-on session
  • Autoencoder Application - Constellation Shaping I
    • Recap channel capacity and constellation shaping, 
    • Capacity achieving machine learning systems
    • Information theoretical explanation of the autoencoder training
    • Hands-on session
  • Autoencoder Application - Constellation Shaping II
    • Training without a channel model
    • Mutual information neural estimator
    • Hands-on session
  • Generative Adversarial Network Application - Channel Modelling
    • Recap realistic channels with non-linear hardware impairments
    • Training a digital twin of a realistic channel with insufficient training data
    • Hands-on session
  • Recurrent Neural Network Application - Channel prediction
    • Recap time-varying channel models
    • Recurrent neural networks for temporal prediction
    • Hands-on session
Literatur

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 detail. 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 are able to grasp practical tasks in groups, develop solution strategies independently, define work processes and work on them collaboratively.
The students are able to collaboratively organize their work processes and software solutions using virtual communication and software management tools.
The students can critically reflect on the results of other groups, make constructive suggestions for improvement, and also incorporate them into their own work.


Selbstständigkeit

The students can assess their level of knowledge and independently control their learning processes on this basis as well as document their work results. They can critically evaluate the results achieved and present them in an appropriate argumentative manner to the other groups.



Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Ja 10 % Referat
Ja 10 % Schriftliche Ausarbeitung
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung II. Intelligenz-Engineering: Wahlpflicht
Data Science: Vertiefung III. Applications: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Verfahrenstechnik und Biotechnologie: Wahlpflicht
Mechatronics: Kernqualifikation: 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: 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 M1810: Autonomous Cyber-Physical Systems

Lehrveranstaltungen
Titel Typ SWS LP
Autonomous Cyber-Physical Systems (L3000) Vorlesung 2 3
Autonomous Cyber-Physical Systems (L3001) Gruppenübung 2 3
Modulverantwortlicher Prof. Bernd-Christian Renner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Very good knowledge and practical experience in programming in the C/C++ language (e.g., module: Procedural Programming for Computer Scientists)
  • Basic knowledge in software engineering
  • Basic knowledge in wired and wireless communication protocols
  • Principal understanding of simple electronic circuits
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Cyber-Physical Systems form the basis for many modern control tasks in automation and for methods for monitoring the environment, infrastructure, etc. Essential aspects in the implementation of such systems are their networking, especially based on wireless technologies, and their autonomous operation, especially on the basis of regenerative energy sources. After successfully attending this event, the students are able to

  • to present the special features of cyber-physical systems and the associated challenges and concepts,
  • describe and evaluate wired and wireless communication on different layers of the ISO/OSI model,
  • explain and compare methods of regenerative energy production,
  • discuss and evaluate procedures for the autonomous and self-sufficient operation of such systems.
Fertigkeiten

Students will be able to

  • to implement programs for cyber-physical systems in high-level languages ​​and using existing libraries,
  • to assess which communication and networking protocols can be used most sensibly in which application and to use them in real scenarios,
  • select and implement suitable methods for adapting the tasks based on the energy consumption and the future expected energy yield,
  • plan and evaluate scientific experiments.
Personale Kompetenzen
Sozialkompetenz

After completing the module, the students are able to work on similar tasks alone or in a group and to present the results in a suitable way.

Selbstständigkeit

After completing the module, the students are able to independently work on sub-areas of the subject using specialist literature, to summarize and present the knowledge they have acquired and to link it to the content of other courses.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 10 % Testate
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht
Data Science: Vertiefung II. Computer Science: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Elektrotechnik: Vertiefung Wireless and Sensor Technologies: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung II. Ingenieurwissenschaften: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Mechatronics: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L3000: Autonomous Cyber-Physical Systems
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt
Literatur
Lehrveranstaltung L3001: Autonomous Cyber-Physical Systems
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
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 2 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.

The students are familiar with the contents of lecture and tutorials. They can explain and apply them to new problems.

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 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung Keine
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Elektrotechnik: Vertiefung Regelungs- und Energiesystemtechnik: 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
Mechatronics: Kernqualifikation: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: 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 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Fachmodule der Vertiefung III. Mathematik

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 III. Mathematik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Interdisciplinary Mathematics: Vertiefung III. Computational Methods in Biomedical Imaging: Pflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Kernqualifikation: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: 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 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
  • Diskrete Algebraische Strukturen
  • Mathematik I
  • Graphentheorie und Optimierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Linearen und Nichtlinearen Optimierung benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.
Fertigkeiten
  • Studierende können Aufgabenstellungen der Linearen und Nichtlinearen Optimierung mit Hilfe der kennengelernten Konzepte mathematisch modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere einfache logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.
Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in heterogen zusammengestellten Teams (mit unterschiedlichem mathematischen Hintergrundwissen und aus unterschiedlichen Studiengängen)  zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
  • Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Studienleistung
Verpflichtend Bonus Art der Studienleistung Beschreibung
Nein 20 % Übungsaufgaben
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung III. Mathematik: Wahlpflicht
Data Science: Vertiefung I. Mathematics: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
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
  • Modellierung mit Hilfe von linearen Programmen
  • Lösung durch die graphische Methode
  • Algebraisches Hintergrundwissen
  • Konvexität
  • Polyeder
  • Simplex-Algorithmus
  • Degeneriertheit und Konvergenz
  • Dualität
  • Innere-Punkte Methoden
  • Quadratische Optimierung


Literatur
  • A. Schrijver: Combinatorial Optimization: Polyhedra and Efficiency. Springer, 2003
  • B. Korte and T. Vygen: Combinatorial Optimization: Theory and Algorithms. Springer, 2018
  • T. Cormen, Ch. Leiserson, R. Rivest, C. Stein: Introduction to Algorithms. MIT Press, 2013
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 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 III. Mathematik: Wahlpflicht
Data Science: Vertiefung I. Mathematics: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: 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
  • Python-Kenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • weiterführende numerische Verfahren zur Interpolation, Approximation, Integration, Lösung von Eigenwertaufgaben, Lösung von Eigenwertproblemen und nichtlinearen Nullstellenproblemen benennen und deren Kernideen erläutern,
  • Konvergenzbeweise skizzieren,
  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
  • Konvergenzaussagen zu den numerischen Methoden wiedergeben
Fertigkeiten

Studierende sind in der Lage,

  • vertiefende numerische Methoden in Python 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 III. Mathematik: Wahlpflicht
Data Science: Vertiefung I. Mathematics: Wahlpflicht
Data Science: Vertiefung IV. Special Focus Area: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: 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. Rationale Interpolation und Approximation
  3. Mehrdimensionale Interpolation (RBF) und Approximation (neuronale Netze)
  4. Quadratur: Gauß-Quadratur, Orthogonalpolynome
  5. Lineare Systeme: Perturbationstheorie von Zerlegungen, strukturierte Matrizen
  6. Eigenwertaufgaben: LR-, QD-, QR-Algorithmus
  7. Nichtlineare Gleichungssysteme: Newton- und Quasi-Newton-Verfahren, Liniensuche (optional)
  8. Krylovraum-Verfahren: Arnoldi-, Lanczos-Verfahren (optional)
Literatur
  • Skript
  • 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 M1870: Statistical Models

Lehrveranstaltungen
Titel Typ SWS LP
Statistical Models (L3116) Vorlesung 3 4
Statistical Models (L3118) Gruppenübung 1 2
Modulverantwortlicher Prof. Matthias Schulte
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Preknowledge in probability and statistics
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students know the fundamental statistical models and are able to explain them using appropriate examples.
  • Students can discuss logical connections between these concepts and are capable of illustrating these connections with the help of examples.
  • Students know proof strategies and can reproduce them.
Fertigkeiten
  • Students can investigate statistical problems with the help of the models studied in the course.
  • 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 approach, and are able to critically evaluate the results.
Personale Kompetenzen
Sozialkompetenz
  • Students are able to work together (e.g. on their regular home work) and to present their results appropriately (e.g. during exercise class).
  • In doing so, they can communicate new concepts and 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 can put their knowledge in relation to the contents of other lectures.
  • Students have developed sufficient persistence to be able to work for longer periods in a goal-oriented manner on hard problems.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung III. Mathematik: Wahlpflicht
Data Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: Wahlpflicht
Lehrveranstaltung L3116: Statistical Models
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Matthias Schulte, Prof. Nihat Ay
Sprachen EN
Zeitraum SoSe
Inhalt

Linear models and regression:

- Linear regression

- Nonlinear regression

- Logistic and Poisson regression

- Generalised linear models

Graphical Models and Causality:

- Conditional independence statements

- Hammersley-Clifford theorem

- Gibbs sampling

- Bayesian networks

- Causal inference

- Markov random fields

- Graphical and hierarchical models

- Applications  

Literatur

D. Barber: Bayesian Reasoning and Machine Learning. Cambridge University Press (2012).

P. Dunn and G. Smyth: Generalized linear models with examples in R. Springer (2018). 

L. Fahrmeir, T. Kneib, S. Lang and B. Marx: Regression - models, methods and applications. Second edition, Springer (2021).

S. Lauritzen: Graphical Models. Oxford University Press (1996, reprinted 2004). 

J. Pearl: Causality: Models, Reasoning and Inference. Second edition, Cambridge University Press (2009).

Lehrveranstaltung L3118: Statistical Models
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Matthias Schulte, Prof. Nihat Ay
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1552: Fortgeschrittenes maschinelles Lernen

Lehrveranstaltungen
Titel Typ SWS LP
Fortgeschrittenes maschinelles Lernen (L2322) Vorlesung 2 3
Fortgeschrittenes maschinelles Lernen (L2323) Gruppenübung 2 3
Modulverantwortlicher Dr. Jens-Peter Zemke
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  1. Mathematik I-III
  2. Numerische Mathematik 1/ Numerik
  3. Programmierkenntnisse, bestenfalls in Python
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die mathematischen Grundlagen verschiedener neuronaler Netze benennen, wiedergeben, neuronale Netze klassifizieren und hinsichtlich der Schwierigkeiten bewerten.

Fertigkeiten

Studierende können neuronale Netze implementieren, verstehen und gezielt sowie an die Problemstellung angepasst anwenden.

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
Studienleistung Keine
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 25 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung III. Mathematik: Wahlpflicht
Data Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung III. Mathematik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Kernqualifikation: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Robotik und Informatik: Wahlpflicht
Lehrveranstaltung L2322: Fortgeschrittenes maschinelles Lernen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Jens-Peter Zemke
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  1. Grundlagen: Analogie, Aufbau neuronaler Netze, universelle Approximationseigenschaft, NP-Vollständigkeit
  2. Feedforward-Netze: Backpropagation, Varianten des stochastischen Gradientenverfahrens
  3. Deep Learning: Probleme und Lösungsstrategien
  4. Deep Belief Networks: Energie-basierte Modelle, Contrastive Divergence
  5. Faltungsnetze: Idee, Aufbau, FFT und Algorithmen von Winograd, Implementationsdetails
  6. Rekurrente Netze: Idee, dynamische Systeme, Training, LSTM
  7. Residuale Netze: Idee, Verbindung zu neuronalen ODEs
  8. Standardbibliotheken: Tensorflow, Keras, PyTorch
  9. Neue Trends
Literatur
  1. Skript
  2. Online-Werke:
    • http://neuralnetworksanddeeplearning.com/
    • https://www.deeplearningbook.org/


Lehrveranstaltung L2323: Fortgeschrittenes maschinelles Lernen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Jens-Peter Zemke
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. Görschwin Fey
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Im Rahmen des Moduls kann aus allen Veranstaltungen des Dekanats EIM gewählt werden. Weiterhin ist - in Absprache mit der Studiengangsleitung - das Belegen weiterer Veranstaltungen aus dem Angebot der TUHH möglich. Ein Liste von Modulen, die ebenfalls belegt werden können, ist im Prüfungsamt hinterlegt.

Vorkenntnisse müssen entsprechend individuell geprüft werden.

Studierende können diesen Bereich also nutzen, um individuelle Schwerpunkte zu setzen. Insbesondere bestehen hier viele Freiheitsgrade um Brücken in die Ingenieursdisziplinen zu schlagen. 

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Je nach belegter Lehrveranstaltung.
Fertigkeiten

Je nach belegter Lehrveranstaltung.

Personale Kompetenzen
Sozialkompetenz

Auswahl relevanter Themenbereiche und Interessensgebiete.

Je nach belegter Lehrveranstaltung.

Selbstständigkeit

Selbstständige Fokussierung und Schwerpunktsetzung im Rahmen des Studiums.

Je nach belegter Lehrveranstaltung.

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. Görschwin Fey
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Im Rahmen des Moduls kann aus dem gesamten technischen Bereich der TUHH gewählt werden. 

Vorkenntnisse müssen entsprechend individuell geprüft werden.

Studierende können diesen Bereich also nutzen, um individuelle Schwerpunkte zu setzen. Insbesondere bestehen hier Freiheitsgrade um Brücken in die Ingenieursdisziplinen zu schlagen. 

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 M1801: Masterarbeit im dualen Studium

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Professoren der TUHH
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die dual Studierenden ...

  • ... setzen das Spezialwissen (Fakten, Theorien und Methoden) ihres Studienfaches und das erworbene berufliche Wissen sicher zur Bearbeitung fachlicher und berufspraktischer Fragestellungen ein.
  • ... können in einem oder mehreren Spezialbereichen ihres Faches die relevanten Ansätze und Terminologien in der Tiefe erklären, aktuelle Entwicklungen beschreiben und kritisch Stellung beziehen.
  • ... formulieren für eine berufliche Fragestellung eine eigene Forschungsaufgabe und verorten diese in ihrem Fachgebiet. Sie erheben den aktuellen Forschungsstand und schätzen diesen kritisch ein.
Fertigkeiten

Die dual Studierenden ...

  • ... sind in der Lage, für die jeweilige fachlich-berufspraktische Problemstellung geeignete Methoden auszuwählen, anzuwenden und nach Bedarf weiterzuentwickeln. 
  • ... beurteilen im Studium (inklusive Praxisphasen) erworbenes Wissen und erlernte Methoden und wenden ihre Fachkompetenzen auf komplexe und/oder unvollständig definierte Problemstellungen lösungs- und anwendungsorientiert an. 
  • ... erarbeiten sich in ihrem Fachgebiet neue wissenschaftliche Erkenntnisse und beurteilen diese kritisch.
Personale Kompetenzen
Sozialkompetenz

Die dual Studierenden ...

  • ... können eine berufliche Problemstellung in Form einer wissenschaftlichen Fragestellung sowohl für ein Fachpublikum als auch für berufliche Anspruchsgruppen schriftlich und mündlich strukturiert, verständlich und sachlich richtig darstellen.
  • ... antworten in einer Fachdiskussion Fragen fachkundig und zugleich adressatengerecht. Eigene Standpunkte und Einschätzungen vertreten sie dabei überzeugend.
Selbstständigkeit

Die dual Studierenden ...

  • ... sind in der Lage, ein eigenes Projekt in Arbeitspakete zu strukturieren, auf wissenschaftlichem Niveau abzuarbeiten und hinsichtlich umsetzbarer Handlungsoptionen für die Berufspraxis zu reflektieren.
  • ... arbeiten sich in ein teilweise unbekanntes Arbeitsgebiet des Studienfachs vertieft ein und erschließen sich die dafür benötigten Informationen.
  • ... wenden die Techniken des wissenschaftlichen Arbeitens umfassend in einer eigenen Forschungsarbeit mit einer betrieblichen Problem- und Fragestellung an.
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
Data Science: Abschlussarbeit: Pflicht
Elektrotechnik: Abschlussarbeit: Pflicht
Energietechnik: Abschlussarbeit: Pflicht
Environmental Engineering: Abschlussarbeit: Pflicht
Flugzeug-Systemtechnik: Abschlussarbeit: Pflicht
Informatik-Ingenieurwesen: Abschlussarbeit: Pflicht
Information and Communication Systems: Abschlussarbeit: Pflicht
Internationales Wirtschaftsingenieurwesen: Abschlussarbeit: Pflicht
Logistik, Infrastruktur und Mobilität: Abschlussarbeit: Pflicht
Luftfahrttechnik: Abschlussarbeit: Pflicht
Materials Science and Engineering: 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
Theoretischer Maschinenbau: Abschlussarbeit: Pflicht
Verfahrenstechnik: Abschlussarbeit: Pflicht
Wasser- und Umweltingenieurwesen: Abschlussarbeit: Pflicht