Fakultät 07 für Informations-, Medien- und Elektrotechnik

Master Informatik und Systems-Engineering 2024

Modulhandbuch

Master of Science (Deutsch / Englisch) | Version: 1.1.2025-06-06-17-39-16

Die neueste Version dieses Modulhandbuchs ist verfügbar unter:
https://f07-studieninfo.web.th-koeln.de/mhb/current/de/MaTIN2024.html

Studiengangsbeschreibung🔗

Die Digitalisierung betrifft sämtliche Lebensbereiche: Vom Spielzeug, über das Smartphone bis zum Auto oder Eigenheim steckt Hard- und Software. Alltägliche Abläufe wie der Einkauf oder die reine Kommunikation sind digital durchdrungen. Ein tiefes Verständnis der grundlegenden Technik in ganzer Breite und Tiefe einschließlich theoretischer Modelle, Kommunikations- und Interaktions-Möglichkeiten sowie Hard- und Software-Architekturen als auch intelligenter, selbstlernender Systeme wird daher immer wichtiger.

Ausrichtung des Studiengangs

Der anwendungsorientierte Masterstudiengang Informatik und Systems-Engineering ist auf eine Regelstudienzeit von 3 Semestern ausgelegt. Der Studiengang baut konsekutiv auf dem Bachelorstudiengang Informatik und Systems-Engineering (vormals Technische Informatik) auf. Er ist aber auch als Zweitstudium zu einem Bachelorstudiengang der Informatik, Elektrotechnik oder Medientechnik geeignet. Die Studierenden erhalten ein tiefgehendes Wissen und Verständnis von fortgeschrittenen Konzepten, Methoden und Technologien der Informatik und der IT-nahen Kommunikationstechnik. Sie dringen dabei bis zum aktuellen Stand der Wissenschaft vor. Ein hoher Praktikums- und Projektanteil stellt sicher, dass die Studierenden das in den einzelnen Fächern Gelernte in Beziehung zueinander bringen und zur Lösung anspruchsvoller praktischer und theoretischer Probleme einsetzen können.

Berufsfelder

Die Berufsaussichten und Zukunftschancen für Absolventen und Absolventinnen der Technischen Informatik sind sehr gut. Insofern legen Studierende mit einem guten Abschluss eine aussichtsreiche Basis für ihre Karriere. Absolventen und Absolventinnen des Studiengangs sind besonders für Planungs-, Entwicklungs- und Leitungsaufgaben prädestiniert. Ihnen erschließen sich vielfältige Tätigkeitsfelder sowohl in Firmen der Informations- und Kommunikationstechnik, in angrenzenden Gebieten wie der Automobilindustrie und der Automatisierungstechnik als auch bei Dienstleistern wie Banken und Versicherungen. Absolventen und Absolventinnen können mit dem erworbenen akademischen Grad »Master of Science« ebenso ein weiterführendes Promotionsstudium aufnehmen oder eine Stelle im höheren Dienst öffentlicher Institutionen besetzen. Studienverlauf In dem 3-semestrigen Studiengang werden zunächst vertiefte Fachkenntnisse in der Theoretischen Informatik, der Technischen Informatik, der Mathematik sowie fachübergreifende Kompetenzen und Soft-Skills vermittelt. Die fachliche Spezialisierung erfolgt durch die individuelle Zusammenstellung von neun Wahlmodulen aus verschiedenen Disziplinen der Technischen Informatik sowie weiteren Disziplinen der Informatik und Kommunikationstechnik. Diese Fächer vermitteln ein tiefgehendes Wissen und Verständnis der fortgeschrittenen Konzepte, Methoden und Technologien der gewählten Disziplinen. Auf diese Weise können die Studierenden die fachliche Ausrichtung des Studiums entsprechend ihrer persönlichen Interessen gestalten. Im Studium ist die aktive Teilnahme an einem aktuellen Forschungsprojekt des Instituts fest verankert. Hierbei praktizieren die Studierenden die wissenschaftlich fundierte Analyse und Lösung neuartiger Problemstellungen. Der Studiengang schließt mit der Anfertigung einer Masterarbeit ab: Methoden und Techniken des wissenschaftlichen Arbeitens werden selbstständig auf eine anspruchsvolle Aufgabenstellung angewendet.

Studienbegleitend wird die professionelle Weiterbildung zum Cisco Certified Network Associate Security (CCNA Security) angeboten.

AbsolventInnenprofil🔗

AbsolventInnen des Studiengangs M. Sc. Informatik und Systems-Engineering verfügen über vertiefte wissenschaftliche und methodische Kompetenzen zur Gestaltung, Analyse und Entwicklung komplexer IT-Systeme. Im Unterschied zum Bachelorstudium liegt der Fokus auf Forschung, Innovation, Führungs- und Managementfähigkeiten sowie auf der systemübergreifenden Anwendung informatischer Technologien. Sie sind befähigt, anspruchsvolle Projekte in Entwicklung, Forschung oder Leitung selbstständig zu verantworten und gestalten aktiv technologische Transformationsprozesse mit.

Der Masterstudiengang Informatik und Systems-Engineering richtet sich an AbsolventInnen mit einem fundierten informatiknahen Erststudium und vertieft deren Kenntnisse gezielt im Spannungsfeld von Software, Hardware, verteilten Systemen, KI, Signalverarbeitung und Kommunikationstechnik.

Im Vergleich zum Bachelorstudiengang, der den Schwerpunkt auf die breite Vermittlung technischer Grundlagen und Anwendungen legt, fokussiert der Master auf:

  • Wissenschaftliches Arbeiten und forschungsnahe Projektentwicklung
  • Individuelle Spezialisierung durch Wahlmodule
  • Interdisziplinäres Systemdenken . Führungs- und Innovationskompetenzen

Die AbsolventInnen des Masterstudiengangs entwickeln ein individuelles Profil in folgenden Bereichen:

  • Sie beherrschen die Entwicklung, Analyse und Bewertung komplexer IT-Systeme unter Berücksichtigung technischer, gesellschaftlicher, rechtlicher und ökologischer Rahmenbedingungen.
  • Sie sind qualifiziert für Führungsaufgaben in Forschungs- und Entwicklungsprojekten, einschließlich der Leitung interdisziplinärer und internationaler Teams.
  • Durch intensive Projektarbeit und das Forschungsprojekt erwerben sie die Fähigkeit, anspruchsvolle Fragestellungen mit wissenschaftlicher Tiefe selbstständig zu bearbeiten.
  • Sie können technische Innovationen in Bereichen wie verteilte Systeme, KI, Embedded Systems, Netzwerktechnologien und Multimedia-Kommunikation eigenverantwortlich entwickeln und in industrielle oder wissenschaftliche Anwendungen überführen.
  • Sie sind befähigt, durch wissenschaftliches Arbeiten zum Erkenntnisgewinn in der Informatik beizutragen und sich für eine Promotion zu qualifizieren.
  • Die Ausbildung fördert neben fachlichen Kompetenzen auch Selbstorganisation, ethisches Urteilsvermögen und interkulturelle Kommunikationsfähigkeit – zentrale Anforderungen in modernen Technologieberufen.
  • Berufliche Einsatzfelder sind vielfältig: von Technologieentwicklung in der Industrie über IT-Strategie und Beratung bis hin zur Forschung an Hochschulen und Instituten sowie öffentlichen Einrichtungen.

Handlungsfelder🔗

Zentrale Handlungsfelder im Studium sind Entwicklung und Design, Forschung und Innovation, Leitung und Management sowie Qualitätssicherung und Tests. Die Profil-Modulmatrix stellt dar, welche Handlungsfelder durch welche Module addressiert werden.

Entwicklung und Design

Interdisziplinäre Entwicklung und Testung von Algorithmen, Schaltungen, Software, Geräten, kommunikationstechnischen und medientechnologischen Systemen sowie komplexen Rechner-, Kommunikations- und Eingebetteten Systemen.

Forschung und Innovation

Wissenschaftliche Forschungsarbeit leisten und wissenschaftliche Erkenntnisse anwenden sowie erweitern, von der Grundlagenforschung bis hin zur Industrieforschung, mit der Qualifikation für ein Promotionsstudium.

Leitung und Management

Fachliche Führungs- und Projektverantwortung übernehmen, einschließlich der Koordination und Leitung von Arbeitsgruppen und international verteilt arbeitender Teams, sowie das Management von Planungs- und Fertigungsprozessen, Projektcontrolling und Produktmanagement.

Qualitätssicherung und Tests

Durchführung von Qualitätskontrollen und Tests für Produkte und Prozesse, Einsatz von Mess- und Prüftechnologien sowie Koordination von Zertifizierungsprozessen.

Kompetenzen🔗

Die Module des Studiengang bilden Studierende in unterschiedlichen Kompetenzen aus, die im Folgenden beschrieben werden. Die Profil-Modulmatrix stellt dar, welche Kompetenzen durch welche Module addressiert werden.

Entwicklung und Konzeption komplexer Systeme

Fähigkeit, große Systeme unter Einbeziehung von elektrotechnischen, softwaretechnischen, mechanischen und optischen Aspekten zu entwerfen und umzusetzen, basierend auf einer gründlichen Anforderungsanalyse unter technischen, ökonomischen, ökologischen und gesellschaftlichen Gesichtspunkten.

Prüfung und Bewertung komplexer Systeme

Planung, Durchführung und Analyse von Tests zur Verifikation und Validierung dieser Systeme, einschließlich der Berücksichtigung von Benutzerperspektiven und technisch-wirtschaftlichen Aspekten.

Wissenschaftliches Arbeiten und Forschung

Beherrschung und Anwendung wissenschaftlicher Methoden, inklusive der Fähigkeit, relevante Literatur zu recherchieren, zu bewerten und zu zitieren, sowie Ergebnisse zu formulieren und zu präsentieren.

Projektmanagement und Teamarbeit

Fähigkeiten in der Organisation, Leitung und Überwachung von Projekten und Teams, auch unter unsicheren Bedingungen, sowie im Treffen von fachlichen und organisatorischen Entscheidungen.

Selbstorganisation und autodidaktische Fähigkeiten

Identifizierung persönlicher Fähigkeiten, effizientes Zeitmanagement und die Fähigkeit zum selbstgesteuerten Lernen.

Kommunikation und interkulturelle Kompetenz

Fähigkeit, wissenschaftliche und technische Ergebnisse überzeugend sowohl in deutscher als auch in englischer Sprache darzustellen und zu verteidigen, unter Einbeziehung internationaler und interdisziplinärer Kontexte.

Technische und naturwissenschaftliche Grundlagen

Umfassendes und vertieftes MINT-Fachwissen und dessen Anwendung auf reale und theoretische Probleme.

Nachhaltigkeit und gesellschaftliche Verantwortung

Bewertung und Entwicklung nachhaltiger und gesellschaftlich verantwortlicher Technologien, einschließlich der Berücksichtigung ethischer Werte.

Analyse, Simulation und Abstraktion

Fähigkeit, komplexe Systeme zu analysieren, wesentliche Merkmale zu abstrahieren und Probleme modellbasiert zu lösen.

Führungs- und Entscheidungsverantwortung

Übernehmen von Verantwortung in fachlichen Führungsaufgaben, Entwicklung von Lösungsstrategien für komplexe Aufgabenstellungen.

Anwendung ethischer Werte und Prinzipien in der Praxis

Einschließen gesellschaftlicher und ethischer Überlegungen in technische Entscheidungen und Designprozesse.

Integratives Denken und Handeln in interdisziplinären Teams

Koordination und Integration von Beiträgen verschiedener Fachgebiete zur Lösung komplexer Aufgaben.

Innovation und Kreativität

Entwickeln neuer Lösungen und Konzepte bei der Bewältigung technischer Herausforderungen.

Studienverlaufspläne🔗

Im Folgenden sind studierbare Studienverlaufspläne dargestellt. Andere Studienverläufe sind ebenso möglich. Beachten Sie bei Ihrer Planung dabei jedoch, dass jedes Modul in der Regel nur einmal im Jahr angeboten wird. Beachten Sie auch, dass in einem bestimmten Semester und Wahlbereich ggf. mehrer Module gewählt werden müssen, um die dargestellte Summe an ECTS-Kreditpunkten zu erlangen.

🔗

Sem. Kürzel Modulbezeichnung Pflicht (PF)
Wahl-
bereich (WB)		 ECTS Prüfungslast Prüfungsformen mit Gewichtung
1 THI Theoretische Informatik PF 5 1
VMT Vertiefung Mathematik WB 5 ≤ 2
  • wahlabhängig
VTI Vertiefung Technische Informatik WB 5 ≤ 2
  • wahlabhängig
W Allgemeiner Wahlbereich WB 10 ≤ 4
  • wahlabhängig
X Fachübergreifende Kompetenzen und Soft Skills WB 5 ≤ 2
  • wahlabhängig
2 FP Forschungsprojekt PF 10 0
    VTI Vertiefung Technische Informatik WB 10 ≤ 4
    • wahlabhängig
    W Allgemeiner Wahlbereich WB 10 ≤ 4
    • wahlabhängig
    3 MAA Masterarbeit PF 27 1
    KOLL Kolloquium zur Masterarbeit PF 3 1

    🔗

    Sem. Kürzel Modulbezeichnung Pflicht (PF)
    Wahl-
    bereich (WB)    		 ECTS Prüfungslast Prüfungsformen mit Gewichtung
    1 W Allgemeiner Wahlbereich WB 5 ≤ 2
    • wahlabhängig
    VMT Vertiefung Mathematik WB 5 ≤ 2
    • wahlabhängig
    THI Theoretische Informatik PF 5 1
    2 VTI Vertiefung Technische Informatik WB 5 ≤ 2
    • wahlabhängig
    W Allgemeiner Wahlbereich WB 5 ≤ 2
    • wahlabhängig
    VTI Vertiefung Technische Informatik WB 5 ≤ 2
    • wahlabhängig
    3 X Fachübergreifende Kompetenzen und Soft Skills WB 5 ≤ 2
    • wahlabhängig
    W Allgemeiner Wahlbereich WB 5 ≤ 2
    • wahlabhängig
    VTI Vertiefung Technische Informatik WB 5 ≤ 2
    • wahlabhängig
    4 FP Forschungsprojekt PF 10 0
      W Allgemeiner Wahlbereich WB 5 ≤ 2
      • wahlabhängig
      5 MAA Masterarbeit PF 27 1
      KOLL Kolloquium zur Masterarbeit PF 3 1

      Module🔗

      Im Folgenden werden die Module des Studiengangs in alphabetischer Reihenfolge beschrieben.

      🔗

      Modulkürzel ACC_MaTIN2024
      Modulbezeichnung Advanced Channel Coding
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache englisch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Sommersemester
      Modul-Verantwortliche*r Prof. Dr. Uwe Dettmar/Professor Fakultät IME
      Dozierende*r Prof. Dr. Uwe Dettmar/Professor Fakultät IME

      Learning Outcome(s)

      What? Designing and rating of systems for the reliable transmission of data over distorted channels and storage of data for data at rest and data in motion
      How? By applying results from information theory and applying methods and algorithms for error correcting codes using existing simulations tools, self written programms, and studying existing systems.
      What for? To be able to design, select, use and apply actual and future digital communication systems for reliable data transmission, and to rate their performance.

      Modulinhalte

      Vorlesung / Übungen

      Vorlesung und Übungen werden in einer Lehrveranstaltung kombiniert. Nach der Vorstellung von neuem Lernstoff durch den Dozenten in Form von kurzen Blöcken wird dieser direkt von den Studierenden durch kurze Matlab- und Python-Übungen angewendet und vertieft. Längere Übungsaufgaben werden bereits zu Hause vorbereitet und die verschiedenen Lösungsvorschläge in der Präsenzveranstaltung besprochen.

      Inhalte:
      - Introduction
      - Basic terms and definitions
      - short history of channel coding
      - System and channel models
      - Review of binary error correcting block and convolutional Codes
      - Generator and Parity check matrices,
      - decoding principles, Trellis and Viterbi Algorithm
      - Some principles on Information Theory
      - Channel coding theorem
      - Channel capacity and example calculations
      - Cyclic Codes, Reed Solomon Codes
      - Encoding and Decoding, Euklidean and Berlekamp-Massey -Algorithm for Decoding
      - Basics on LDPC, Polar, and TURBO Codes
      - iterative decoding, Sum Product Algorithm
      - Recursive Convolutional Codes
      - Performance comparison
      - Basics on Space Time Coding
      - Channel Model, Capacity improvement, Alamouti Scheme, STBC and STTC and their decoding

      Die Studierenden lernen die o.g. Themen in der Vorlesung kennen, erwerben Grundwissen und vertiefen dieses durch Selbststudium mit Hilfe von Literatur, YouTube Videos und anderen Netzressourcen (selbstständige Informationsbeschaffung), sowie in Lerngruppen (Teamwork).
      Durch kleine Übungsaufgaben und Programme wird in der Präsenzveranstaltung bereits ein aktiver Umgang mit den vorgestellten Verfahren ermöglicht. Umfangreichere Rechenaufgaben werden am Ende der Veranstaltung behandelt und die Lösungswege diskutiert, um dadurch den Studierenden relevante Problemestellungen vorzustellen und ihre Fähigkeit zur Lösungsfindung zu entwickeln.

      Die Studierenden lernen darüber hinaus:
      - nachrichtentechnische Systeme zu analysieren und deren Performanz zu ermitteln bzw. abzuschätzen.
      - Verfahren der Quellen- und Kanalcodierung und Kryptologie zu vergleichen und zu bewerten
      - Kenntnisse auf technische Problemstellungen anzuwenden
      Praktikum

      Vorhandende Simulationsumgebungen wie z.B. die Matlab Communication Toolbox oder AFF3CT (aff3ct.github.io) werden verwendet um:
      - theoretische Ergebnisse aus Vorlesung und Übung zu überprüfen
      - FEC Algorithmen zu implementieren
      - BER zu simulieren und die Performanz zu ermitteln, sowie Codes zu vergleichen
      - Programme zum Bearbeiten verwandter Probleme anzupassen
      - sich mit Standardprogrammen zur Simulation vertraut zu machen
      - Teamwork zu üben
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen
      • Modul HIM: Grundkenntnisse zur linearen Algebra, der Algebra in endlichen Zahlenkörpern, der Stochastik und der digitalen Kommunikationstechnik aus den vorangegangenen Bachelorstudiengängen. Da das Fach im ersten Fachsemster des Masters gewählt werden kann, können keine belastbaren Kenntnisse aus dem Fach HIM verpflichtend vorausgesetzt werden, auch wenn sie hilfreich wären.
      • - Grundwissen Lineare Algebra
        - Grundwissen Stochastik
        - Gute Programmierkenntnisse
      Zwingende Voraussetzungen
      • Praktikum erfordert Anwesenheit im Umfang von: 2 Praktikumstermine und 1 Präsentation
      • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
      Empfohlene Literatur
      • R. E. Blahut. Algebraic Codes for Data Transmission. Cambridge University Press, Cambridge, 2003.
      • S. Lin and D. J. Costello. Error Control Coding. ISBN 0-13-042672-5. Prentice-Hall, 2004
      • T. M. Cover and J. A. Thomas. Elements of Information Theory. Wiley, New Jersey, 2006
      • A. Neubauer. Kanalcodierung. Schlembach, Wilburgstetten, 2006.
      • R. Roth. Introduction to Coding Theory. Cambridge, second edition, 2006
      • B. Sklar. Digital Communications. Prentice Hall PTR, Upper Saddle River, New Jersey, 2001
      Verwendung des Moduls in
      weiteren Studiengängen
      Perma-Links zur Organisation ILU course page
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel AMC_MaTIN2024
      Modulbezeichnung Advanced Multimedia Communications
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache englisch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Wintersemester
      Modul-Verantwortliche*r Prof. Dr. Andreas Grebe/Professor Fakultät IME
      Dozierende*r Prof. Dr. Andreas Grebe/Professor Fakultät IME

      Learning Outcome(s)

      What?
      Understanding service requirements, driven by heterogeneous services, in All-IP networks, and how to design, implemnt and evaluate quality-of-service (QoS) and quality-of-experience (QoE) mechanisms. Competences to evaluate, analyze, design, implement and test multiservice Ip networks with heterogeneous service requirements.
      How?
      Based on Bachelor-level competences on IP networking and services, students learn different application (service) requirements from filetransfer to streaming and how to separate and fulfill these requirements in IP networks. In a small team and organized as semester project, students develop their own multiservices networks, optionally based and on existing systems, and learn how to design, implementnt and anlysze their own multiservice network solution.
      What for?
      To be able to design, analyze, select, use and apply actual and future network technologies, based on All-IP networks concepts for enterprise networks, telecommunication networks and mobile networks.

      Modulinhalte

      Vorlesung / Übungen

      Inhalte zu Multimedia Anwendunge, Enkodierung von Multimedia Daten, Integration von Daten , Audio und Video, Mutimedia Verkehrsanforderungen, Multimedia Transportprotokolle, RTP und MPEG-TS, Verkehrsmodellierung Burst-Silence-Modell, Quality-of-Service (QoS), Multiservice Netze, IntServ, RSVP, DiffServ, ToS und DSCP, Verkrsklassifikation, Verkehrtsmessung, Traffic Shaping, Network Scheduling, Queueing (FIFO, RR, WRR, WFQ, CB-WFQ, PQ, LLQ), Congestion Avoidance (RED, WRED, CB-WRED), Quality-of-Exiperience (QoE), MOS Skala, Fehlererkennung, Fehlerkorrektur, FEC, Interleaving, Jitter Buffer.
      Die Studierenden bewerten Technologien und Netzwerkarchitekturen von Multiservice-Netzwerken; sie analysieren die Anforderungen an Multimedia-Dienste und -Systeme, entwerfen Architekturen für Multiservice-Netzwerke, implementieren Multiservice-Netzwerke und analysieren Multimedia-Kommunikationsprotokolle und deren Leistungskennzahlen.
      Praktikum

      Vermittlung von Grundkenntnissen und Implementierungswissen zu Multiservice-Netzen oder Multimediaanwendungen in All-IP-Netzen inklusive Planung, implementierung und Evaluation der Services. Protokollanalyse zur Funktionsanalyse, Performenzanalyse und Fehlerbehebung.
      Studierende evaluieren Anforderungen an NGN Services und planen, implementieren und analysieren NGN Services auf Basis der SIP Signalisierung oder alternativer Signalisierungsprotokolle. Sie besitzen die Kompetenzen zur Funktionsanalyse und Fehlersuche durch deep packet inspection (DPI) Protokollanalyse. Sie evaluieren die Performanz von NGN Services in Bezug auf Zeitverhalten, Durchsatz, Verzögerungen, Jitter Robuistheit bei Paketfehlern und Sicherheitsaspekten. Individuelle Projektvorschläge von Studierenden sind erwünscht.
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen
      • Modul NGN: Fundamentals of Networks and Protocols (typically Bachelor Level, like prerequisistes in NGN) Layered Communications and Protocol Stacks (ISO/OSI, IETF TCP/IP, IEEE), LAN, MAN, WAN, Fixed Line and Mobile Network Fundamentals, Data Link-Technologies (Ethernet, WiFi), IP-Networking (IPv4, IPv6), IP Routing Protocols (static Routes, RIP, OSPF, BGP), Transport Protocols (TCP (incl. Flow Control / Congestion Control), UDP) and Port Numbers, Application Protocols (HTTP, Request-Response Pattern, Publish-Subscribe Pattern).
      • Bachelor-Level Kenntnisse zu Protokollen und Schichtenmodellen, Internetprotokollen (UDP, TCP, IP, HTTP, FTP), IP Adressierung (IPv4, IPv6), Routingtechniken (IP Routing, Funktionsweise eines Router, Routingprotokolle, RIP, OSPF), Übertragungssystemen und Schicht-2-Protokollen, Ethernet.
        Verständins von verteilten Systemen und Applikationen, Socketbegriff und Client-/Server-Programmierung, Request-Response Pattern, Publishg-Subscribe Pattern.
      Zwingende Voraussetzungen
      • Praktikum erfordert Anwesenheit im Umfang von: 6 Meilensteintermine und Projektvorstellungen
      • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
      Empfohlene Literatur
      • J. Kurose, K. Ross: Computer Networking: A Top-Down Approach, Global Edition, Prentice Hall, 7th ed., 2016
      • A. S. Tanenbaum, D. J. Wetherall: Computer Networks, Pearson , 5th ed., 2013
      • W. Stallings: Foundations of Modern Networking, Pearson Education, 2016
      • H. W. Barz, G. A. Bassett: Multimedia Networks, John Wiley & Sons, 2016
      • T. Szigeti, C. Hattingh, R. Barton, B. Kenneth: End-to-End QoS Network Design: Quality of Service for Rich-Media & Cloud Networks (2nd Edition) End-to-End QoS Network Design: Quality of Service for Rich-Media & Cloud Networks, Cisco Press, 2nd Ed. 2013
      • R. Steinmetz, K. Nahrstedt: „Multimedia Systems“, Springer 2004
      • R. Steinmetz, „Multimedia-Technologie“, Springer 2000
      Verwendung des Moduls in
      weiteren Studiengängen
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel AMS_MaTIN2024
      Modulbezeichnung Special Aspects of Mobile Autonomous Systems
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache englisch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Wintersemester
      Modul-Verantwortliche*r Prof. Dr. Chunrong Yuan/Professor Fakultät IME
      Dozierende*r Prof. Dr. Chunrong Yuan/Professor Fakultät IME

      Learning Outcome(s)

      Was: Das Modul vermittelt Kompetenzen zur Entwicklung von mobilen autonomen Systemen, insbesondere im Themenbereich der räumlichen Interpretation und Kognition für die sichere Navigation von unbemannten Roboter- und Fahrzeugsystemen sowie intelligente Interaktion und Kollaboration unter Menschen und Robotern.
      Womit: Die Dozentin vermittelt Wissen und Basisfertigkeiten in einem Vorlesungsteil und betreut parallel dazu praktische Projekte, wobei die Studierenden mittels forschenden Lernens technische Ansätze studieren und erproben, Prototypen aufbauen und testen, Ergebnisse präsentieren, sowohl technische als auch ethische und soziale Aspekte diskutieren, und das Ganze schriftlich dokumentieren.
      Wozu: Kompetenzen in der Entwicklung von mobilen autonomen Systemen sind essentiell für technische Informatiker*innen und Nachwuchs in verwandten Ingenieurberufen. Derartige Kompetenzen sind unentbehrlich für die Forschung, Entwicklung sowie technische Innovation. Das projektbasierte und forschende Lernen im Team hilft den Studierenden außerdem, sich mit relevanten ethischen und sozialan Aspekten zu beschäftigen, welche im Zusammenhang mit autonomen Systemen stehen.

      Modulinhalte

      Vorlesung

      Mobile autonome Systeme
      Kognitive und Verhalten-basierte Robotik
      Umweltmodellierung und räumliche Kognition
      Interaktion und Navigation
      Projekt

      Im Team: Entwicklung eines autonomen Systems mit kognitiven Fähigkeiten und intelligenten Verhalten.
      Kognitive Fähigkeiten sind z.B.: Objekte mit Sensorik autonom erkennen, ihre räumlichen Positionen bzw. Bewegungen schätzen, das Umfeld modellieren, interpretieren und Karten davon erstellen usw.
      Intelligente Verhalten lassen sich u.a. durch derartiges Handeln demonstrieren: Autonome und kollisionsfreie Navigation in unbekannten Umgebungen, Holen bzw. Transportieren von Gegenständen zum bestimmten Zweck, natürliche Interaktionen und Kollaborationen unter Menschen und Robotern.
      Lehr- und Lernmethoden
      • Vorlesung
      • Projekt
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 34 Stunden ≙ 3 SWS
      Selbststudium 116 Stunden
      Empfohlene Voraussetzungen Kompetenz in der Entwicklung von Software und Projekten
      Kenntnisse in der Signalverarbeitung und Mathematik
      Zwingende Voraussetzungen Projekt erfordert Anwesenheit im Umfang von: 1 Präsentation
      Empfohlene Literatur
      • Siegwart et.al.: Introduction to autonomous mobile robots, MIT Press, 2010
      Verwendung des Moduls in
      weiteren Studiengängen      		 AMS in Master Technische Informatik 2020
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel ARP_MaTIN2024
      Modulbezeichnung Alternative Rechnerarchitekturen und Programmiersprachen
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Wintersemester
      Modul-Verantwortliche*r Prof. Dr. René Wörzberger/Professor Fakultät IME
      Dozierende*r Prof. Dr. Georg Hartung/Professor Fakultät IME im Ruhestand

      Learning Outcome(s)

      Die Studierenden lernen kennen, wenden an und analysieren verschiedene wichtige Konzepte von Rechnerarchitekturen und Programmiersprachen. Dazu wenden sie für jedes ausgewählte Konzept nach einer kurzen Vorstellung es auf ein selbstgewähltes Beispiel an, wozu sie sich weiteres Wissen über das Konzept erwerben müssen, und analysieden die Vor- und Nachteile des Konzepts in einem Bericht. Damit erlangen sie einen größeren Überblick über verfügbare Architekturen und Programmiersprachen für ihre spätere Tätigkeit als IT-Spezialist, Manager oder in der Forschung.

      Modulinhalte

      Vorlesung / Übungen

      Kenntnisse über die jeweilige Modellierungsmethode, Programmierverfahren oder Architektur und ihrer Programmierung ("Topics"); Einübung erster Fertigkeiten des Topic in Übungen
      Projekt

      Anwendung des Topic auf eine selbstgewählte Aufgabenstellung, Analyse der Mittel des Topic am konkreten Beispiel, Synthese mit eigenen Erfahrungen, Teamwork (Bearbeitung in kleiner Gruppe)
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Projekt
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen - Erfahrungen in der Anwendung imperativer Programmiersprachen, insb. C
      - Grundkenntnisse und Erfahrungen in der Nutzung von Betriebssystemen, insb. Linux
      - Grundkenntnisse und Erfahrungen im Software Engineering
      - Grundkenntnisse in Rechneraufbau und Funktionsweise, einschließlich Funktionsweise wichtiger digitaler Bausteine
      - Grundkenntnisse in Formalen Sprachen und Automatentheorie
      Zwingende Voraussetzungen Projekt erfordert Anwesenheit im Umfang von: 4 Termine
      Empfohlene Literatur
      • Jensen, K., Kristensen, L.M.: Coloured Petri Nets
      • Nilsson, U.; Maluszynski, J.: Logic, Programming and Prolog
      • T. Eiter, G. Ianni, T. Krennwallner: 'Answer Set Programming: A Primer' in: Reasoning WEB Semantic Technologies for Information Systems
      • Steve Klabnik and Carol Nichols: The Rust Programming Language
      • William Gropp et al.: Using Advanced MPI / Modern Features of the Message Passing Interface, MIT Press
      • Gerassimos Barlas Multicore and GPU Programming - An Integrated Approach Morgan Kaufmann Publ., Inc.
      Verwendung des Moduls in
      weiteren Studiengängen      		 ARP in Master Technische Informatik 2020
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel AVT_MaTIN2024
      Modulbezeichnung Audio- und Videotechnologien
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch, englisch bei Bedarf
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Wintersemester
      Modul-Verantwortliche*r Prof. Dr.-Ing. Klaus Ruelberg/Professor Fakultät IME
      Dozierende*r Prof. Dr.-Ing. Klaus Ruelberg/Professor Fakultät IME

      Learning Outcome(s)

      Was:
      Audio- und Videotechnologien kommen in vielfältiger Weise in der Medienindustrie zum Einsatz. Die Mediendistributionskette, die im Rahmen der LV als exemplarische Anwendung herangezogen und analysiert wird, umfasst verschiedene Technologien wie Datenkompression, Audio- und Videosignalverarbeitung Fehlerschutzmechanismen, digitale Modaluationsverfahren.
      Womit:
      Studierende durchdringen eigenständig ausgewählte Themengebiete der Audio- und Videotechnologien, bereiten diese auf und halten einen Fachvortrag.
      In einem in die LV integrierter Übungsblock entwickeln die Studierende eigenständig algorithmische Lösungskonzepte und setzen diese programmtechnsich um.
      Wozu:
      Die Studierenden können akuelle Verfahren zur Audio- und Videocodierung entwickeln und in Hard- und Software implementieren. Sie können Mediendistributionsketten planen, beurteilen und umsetzen sowie fachliche Führungs- und Projektverantwortung übernehmen

      Modulinhalte

      Vorlesung / Übungen

      Quellencodierung für Audio- und Videosignale
      Kanalmodelle und Kanalcodierung (Fehlerkorrektur & digitale Modulationsverfahren
      Broadcast-Übertragungssysteme (DVB - Digtal Video Broadcasting)
      Akuelle Verfahren zur Audio- und Videocodierung in Hard- und Software implementieren
      Algorithmen und Verfahren zur Audio- und Videocodierung entwickeln
      An der Entwicklung und Implementierung von digitalen Rundfunksystemen mitarbeiten
      Übungen / Praktikum
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Übungen / Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 57 Stunden ≙ 5 SWS
      Selbststudium 93 Stunden
      Empfohlene Voraussetzungen keine
      Zwingende Voraussetzungen Übungen / Praktikum erfordert Anwesenheit im Umfang von: 1 Termin
      Empfohlene Literatur
      • Proakis, J. Salehi, M. (2007) Digital Communications. McGraw-Hill. ISBN 978-0072957167
      • Reimers, U. (2001) Digital Video Broadcasting. Springer Verlag. ISBN 978-3-662-04562-6
      Verwendung des Moduls in
      weiteren Studiengängen
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel CI_MaTIN2024
      Modulbezeichnung Computational Intelligence
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch, englisch bei Bedarf
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Wintersemester
      Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
      Dozierende*r Prof. Dr. Rainer Bartz/Professor Fakultät IME

      Learning Outcome(s)

      Die Studierenden erarbeiten sich grundlegende Kenntnisse zur Theorie und Anwendung von Methoden der Computational Intelligence.
      Die Studierenden kennen die gängigen Typen von Optimierungsaufgaben und können konkrete Aufgaben einordnen.
      Die Studierenden kennen das Prinzip des Simplex-Algorithmus und können eine Problemstellung in die für ihn geeignete Standardform überführen und eine Lösung erarbeiten. Sie können lineare Probleme mit einem Simplex-Algorithmus lösen.
      Die Studierenden können neuronale Netze einordnen und ihre Anwendbarkeit auf Problemstellungen bewerten. Sie können Lernverfahren klassifizieren und ihre Arbeitsweise beschreiben. Sie können nichtlineare Probleme der Modellbildung und Klassifizierung mit einem neuronalen Netz lösen.
      Sie kennen die Methodik der Fuzzy Logik und können eine Problemstellung darauf abbilden und das resultierende Systemverhalten begründen. Sie können unscharf definierte Aufgaben mit Hilfe von Fuzzy Logik lösen.
      Die Studierenden kennen die Arbeitsweise evolutionärer Algorithmen und können ihre Varianten einordnen. Sie können reale Problemstellungen in geeignete Repräsentationen umsetzen. Sie können Selektionsverfahren bewerten und geeignete Selektionsalgorithmen entwerfen. Sie können schwierige Probleme mit Heuristiken der evolutionären Algorithmen lösen.
      Die Studierenden können mit üblichen Werkzeugen der Computational Intelligence umgehen.
      Die Studierenden können Aufgaben in einem kleinen Team lösen.
      Die Studierenden können Systemparameter variieren, Messreihen durchführen und Ergebnisse darstellen, bewerten und diskutieren. Sie können das Verhalten eines Systems bewerten und durch geeignete Modifikationen verbessern.
      Die Studierenden können internationale wissenschaftliche Literatur analysieren, einordnen, in ihren Kontext stellen und präsentieren.

      Modulinhalte

      Vorlesung / Übungen

      Optimierungsstrategien
      - Problem-Klassifikationen
      - Gradientenverfahren
      - Simplex-Algorithmen
      - Multikriterielle Optimierung und Pareto-Ansätze
      Künstliche neuronale Netze
      - Künsliche Neuronen
      - Netzstrukturen
      - Lernalgorithmen
      Fuzzy Logik
      - Fuzzifizierung
      - Inferenz
      - Defuzzifizierung
      Evolutionäre Algorithmen
      - Gen-Repräsentationen
      - Selektionsverfahren
      - Rekombinations-Methoden
      - Mutations-Operatoren
      Die Studierenden erarbeiten sich grundlegende Kenntnisse zur Theorie und Anwendung von Methoden der Computational Intelligence
      Die Studierenden kennen die gängigen Typen von Optimierungsaufgaben und können konkrete Aufgaben einordnen
      Sie kennen das Prinzip des Simplex-Algorithmus und können eine Problemstellung in die für ihn geeignete Standardform überführen und eine Lösung erarbeiten
      Die Studierenden können neuronale Netze einordnen und ihre Anwendbarkeit auf Problemstellungen bewerten
      Sie können die Parameter neuronaler Netze variieren und ihren Einfluss abschätzen
      Sie können Lernverfahren klassifizieren und die Arbeitsweise des Backpropagation Verfahrens beschreiben
      Sie kennen die Methodik der Fuzzy Logik und können eine Problemstellung darauf abbilden und das resultierende Systemverhalten begründen
      Die Studierenden kennen die Arbeitsweise evolutionärer Algorithmen und können ihre Varianten einordnen
      Sie können reale Problemstellungen in geeignete Repräsentationen umsetzen
      Sie können Selektionsverfahren bewerten und geeignete Selektionsalgorithmen entwerfen
      Die Studierenden können lineare Probleme mit einem Simplex-Algorithmus lösen
      Sie können nichtlineare Probleme der Modellbildung und Klassifizierung mit einem neuronalen Netz lösen
      Sie können unscharf definierte Aufgaben mit Hilfe von Fuzzy Logik lösen
      Sie können schwierige Probleme mit Heuristiken der evolutionären Algorithmen lösen
      Praktikum

      Anwendung künstlicher neuronaler Netze auf Klassifizierungsaufgaben
      Variation und multikriterielle Optimierung von System-Parametern
      Fuzzy-basierte Regelung eines Zwei-Größen Regelkreises
      Die Studierenden können mit üblichen Werkzeugen der Computational Intelligence umgehen
      Die Studierenden können Systemparameter variieren, Messreihen durchführen und Ergebnisse darstellen, bewerten und diskutieren
      Die Studierenden können wissenschaftliche Literatur analysieren, einordnen, in ihren Kontext stellen und präsentieren
      Die Studierenden können Aufgaben in einem kleinen Team lösen
      Sie können Optimierungsaufgaben strukturieren und systematisch bearbeiten
      Sie können das Verhalten eines Systems bewerten und durch geeignete Modifikationen verbessern
      Sie können mit internationaler wissenschaftlicher Literatur umgehen, sie verstehen und Anderen gegenüber darstellen
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen Vektorfunktionen, Gradienten
      Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
      Empfohlene Literatur
      • Domschke W., Drexl A.; Einführung in Operations Research; Springer
      • Zell, A.: Simulation Neuronaler Netze; Oldenbourg
      • Nauck, D. et al.: Neuronale Netze und Fuzzy-Systeme; Vieweg
      • Eiben, A.E., Smith, J.E.: Introduction to Evolutionary Computing; Springer
      • Gerdes, I. et al.: Evolutionäre Algorithmen; Vieweg
      • Grosse et al.: Taschenbuch der praktischen Regelungstechnik, Fachbuchverlag Leipzig
      Verwendung des Moduls in
      weiteren Studiengängen      		 CI in Master Technische Informatik 2020
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel DLO_MaTIN2024
      Modulbezeichnung Deep Learning und Objekterkennung
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Sommersemester
      Modul-Verantwortliche*r Prof. Dr. Jan Salmen/Professor Fakultät IME
      Dozierende*r Prof. Dr. Jan Salmen/Professor Fakultät IME

      Learning Outcome(s)

      Die Studierenden lernen, wie Neuronale Netze eingesetzt werden können um vielfältige Aufgaben der Objekterkennung in Bildern zu lösen.
      Zu diesem Zweck wird an Hand ausgewählter Beispiele eines Neuronalen Netz trainiert dessen Leistungsfähigkeit evaluiert.
      Damit werden die Studierenden in die Lage versetzt, Deep-Learning-Algorithmen in der beruflichen Praxis zu entwickeln und deren Leistungsfähigkeit zu beurteilen.

      Modulinhalte

      Vorlesung

      Es passiert selten, dass eine Entwicklung so große und weitreichende Auswirkungen hat, wie jüngst das Deep Learning. Betroffen von diesem rasanten Fortschritt sind viele Teilbereiche der Informatik, darunter Bildverarbeitung und hier insbesondere Objekterkennung.

      Im Kurs "Deep Learning und Objekterkennung" können die Studierenden lernen, wie künstliche neuronale Netze heute eingesetzt werden, um vielfältige praxisrelevante Aufgaben zu lösen. Dabei lernen sie typische Probleme und Herausforderungen beim Training der tiefen Netze kennen, etwa Überanpassung an Trainingsdaten oder Herausforderungen durch unzureichende Trainingsdaten. Es werden aktuelle Ansätze vorgestellt, die es erlauben, viele solcher Herausforderungen zu meistern und trotzdem zuverlässige Lösungen zu finden.

      Die Studierenden lernen schließlich spezielle neuronale Netze kennen, etwa Faltungsnetzwerke, rekurrente Netze, GANs, Autoencoder, usw.
      Praktikum

      Künstliche Neuronale Netze trainieren
      Evaluation der Leistung von künstlichen neuronalen Netzen
      Lehr- und Lernmethoden
      • Vorlesung
      • Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 34 Stunden ≙ 3 SWS
      Selbststudium 116 Stunden
      Empfohlene Voraussetzungen
      Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 4 Termine
      Empfohlene Literatur
      • I. Goodfellow, Y. Bengio und A. Courville. Deep Learning. MIT Press, 2016
      • C. C. Aggarwal. Neural Networks and Deep Learning: A Textbook. Springer, 2018
      • C. Bishop und H. Bishop. Deep Learning: Foundations and Concepts. Springer, 2024
      • D. V. Godoy. Deep Learning with PyTorch Step-by-Step: A Beginner’s Guide. Fundamentals. 2022
      • D. V. Godoy. Deep Learning with PyTorch Step-by-Step: A Beginner’s Guide. Computer Vision. 2022
      Verwendung des Moduls in
      weiteren Studiengängen
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel DMC_MaTIN2024
      Modulbezeichnung Digital Motion Control
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Sommersemester
      Modul-Verantwortliche*r Prof. Dr. Jens Onno Krah/Professor Fakultät IME
      Dozierende*r Prof. Dr. Jens Onno Krah/Professor Fakultät IME

      Learning Outcome(s)

      Servomotoren kennenlernen und betreiben
      Servoumrichter kennenlernen und verwenden
      Digitale Regelalgorithmen nutzen
      Prozessidentifikation und Parameterestimation
      Auslegung von Antriebssystemen

      Modulinhalte

      Vorlesung / Übungen

      Aufbau von Servomotoren
      Aufbau von Servoumrichtern
      Digitale Regelalgorithmen
      Prozessidentifikation
      Auslegung von Antriebssystemen
      Praktikum

      Direct Digital Control
      Quasi-Stetige Regelung
      Prädiktor / Beobachter
      Parametrierung einer Regelung
      Auswertung von Bode Diagrammen
      Handlungskompetenz demonstrieren
      Inbetriebnahme eines Servoreglers
      Minimierung von Schleppfehlern
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen RT, DSS
      Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 3 Termine
      Empfohlene Literatur
      • Krah, Jens Onno, Vorlesungsskript MC
      • Krah, Jens Onno: Vorlesungsskript RT (Download)
      • Handbuch ServoStar 300: www.danahermotion.net
      • Schultz, G.: Regelungstechnik, Oldenbourg Verlag, München-Wien
      • Lutz, Wendt: Taschenbuch der Regelungstechnik, Verlag Harri Deutsch
      Verwendung des Moduls in
      weiteren Studiengängen
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel DSP_MaTIN2024
      Modulbezeichnung Digital Signal Processing
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache englisch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Wintersemester
      Modul-Verantwortliche*r Prof. Dr. Harald Elders-Boll/Professor Fakultät IME
      Dozierende*r Prof. Dr. Harald Elders-Boll/Professor Fakultät IME

      Learning Outcome(s)

      Design, analyse and implement DSP systems in soft and hardware considering computational complexity and hardware resource limitation, by a thorough understanding of the theoretical concepts, especially frequency domain analysis, and practical implementation of DSP systems in software using Python and on microprocessors, to be able to design, select, use and apply actual and future DSP systems for various signal processing application in commercial products.

      Modulinhalte

      Vorlesung / Übungen

      Signals, Systems and Digital Signal Processing
      Discrete-Time Linear Time-Invariant Systems
      Ideal Sampling and Reconstruction
      Fourier-Transform of Discrete-Time Signals
      Discrete Fourier-Transform
      Random Signals
      Advanced Sampling Techniques

      Students understand the fundamentals of discrete-time signals and systems
      Students can analyse the frequency content of a given signal using the appropriate Fourier-Transform and methods for spectrum estimation
      Students can calculate the output signal via convolution and determine the frequency response of a given system

      Students can implement discrete-time LTI systems in software
      Praktikum

      Review of Probability and Random Variables: Moments, Averages and Distribution Functions
      Analysis of Random Signals: Ensemble Averages, Correlation Functions, Power Spectral Density, Random Signals and LTI Systems
      Introduction to Advanced Open-Source DSP Software Tools
      Applying DSP algorithms in DSP Software for Wireless Communications or Wireless Sensing Applications
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Praktikum
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen No formal requirements, but students will be expected to be familiar with:
      Basic Knowledge of Signals and Systems: Continuous-Time LTI-Systems and Convolution, Fourier-Transform
      Basic Knowledge of Probability and Random Variables
      Zwingende Voraussetzungen
      • Praktikum erfordert Anwesenheit im Umfang von: 8 Termine
      • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
      Empfohlene Literatur
      • John G. Proakis and Dimitris K. Manolakis. Digital Signal Processing (4th Edition). Prentice Hall, 2006.
      • Alan V. Oppenheim, Ronald W. Schafer. Discrete-Time Signal Processing (3rd Edition). Prentice Hall, 2007.
      • Vinay Ingle and John Proakis. Digital Signal Processing using MATLAB. Cengage Learning Engineering, 2011.
      Verwendung des Moduls in
      weiteren Studiengängen
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel ESD_MaTIN2024
      Modulbezeichnung Embedded Systems Design
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch, englisch bei Bedarf
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Sommersemester
      Modul-Verantwortliche*r Prof. Dr. Markus Cremer/Professor Fakultät IME
      Dozierende*r Prof. Dr. Markus Cremer/Professor Fakultät IME

      Learning Outcome(s)

      Die Studierenden können die Machbarkeit der Entwicklung einer Produktidee im Bereich der Embedded Systems in Bezug auf praktische Realisierbarkeit, Aufwand, Zeit und Kosten und mit vorausschauendem Blick auf den gesamten Entwicklungsprozess sicher beurteilen. Hierzu setzen sie, ausgehend von einer eigenen Produktidee, Methoden und Hilfsmittel (z.B. Software-Tools, Konzepte, Best-Practices, v.a. auch Hardwareentwicklung) eines typischen industriellen Entwicklungsprozesses für Embedded Systems eigenständig praktisch um. Später sind die Studierenden in der Lage, diesen gesamten Entwicklungsprozess in der Industrie oder in Forschungsprojekten autonom zu bewerten und umzusetzen.

      Modulinhalte

      Vorlesung / Übungen

      Vorlesung und Übungen werden in einer Lehrveranstaltung kombiniert. Nach der Vorstellung von neuem Lernstoff durch den Dozenten in Form von kurzen Blöcken wird dieser direkt von den Studierenden durch Anwendung in ihrer eigenen Projektarbeit umgesetzt und vertieft. Lösungen und Probleme bei der Umsetzung des Lernstoffs in die Praxis werden in der Präsenzveranstaltung gemeinsam mit dem Dozenten diskutiert.

      Inhalte:
      • Entwicklungsprozess von Embedded Systems
      • Finden einer Produktidee zur Verwendung als Modul-Projekt
      • Lastenheft und Pflichtenheft
      • Recherche und Erstellung Hardware- und Firmwarekonzept
      • Proof-of-Concept-Phase
      • Erstellung von Schaltplänen
      • Leiterplattentechnologie, Herstellungs- und Bestückungsprozesse von Leiterplatten
      • Erstellung von Leiterplattenlayouts
      • 3D-Modellierung von Gehäusen
      • Erstellung der notwendigen Dokumentation der Hardware für die Produktion
      • Firmware-Entwicklung
      • Aufbau und Validierung des Prototyps
      • Finale Projektdokumentation

      Die Studierenden lernen die o.g. Themen in der Vorlesung kennen, erwerben Grundwissen und vertiefen dieses durch Selbststudium mit Hilfe von Literatur, YouTube Videos und anderen Netzressourcen (selbstständige Informationsbeschaffung), sowie in Lerngruppen (Teamwork). Die Studierenden lernen den Umgang mit der Software „Altium Designer“ durch selbständiges Durcharbeiten des „Altium Online Curriculum“, das sie mit einem Zertifikat abschließen.
      Projekt

      Nachdem die Studierenden eine eigene Produktidee aus dem Bereich der Embedded Systems gefunden haben, beginnen Sie damit, einen industrie-typischen Entwicklungsprozess für Embedded Systems selbständig zu durchlaufen. Sie starten mit der Spezifikationsphase (Lastenheft, Realisierungskonzepte, Pflichtenheft) und treten dann in die Hardwareentwicklung ein (Schaltpläne, Leiterplattenlayout, Mechanik, Produktionsdokumente). Hier liegt der Hauptfokus der Lehrveranstaltung. Parallel zur Hardwareentwicklung werden Proofs-of-Concept und die Firmwareentwicklung durchgeführt. Nach Abschluss dieser Entwicklungsphasen bestücken die Studierenden ihre selbstentwickelten Leiterplatten und bauen so den ersten Prototyp ihrer Produktidee auf. Final erstellen die Studierenden eine Dokumentation ihres Projekts und stellen ihre Ergebnisse in einer Präsentation vor.
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Projekt
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen Grundkenntnisse der Elektrotechnik (einfache analoge und digitale Schaltungen)
      Grundkenntnisse Embedded Systems (Grundlagen Mikrocontroller inkl. Implementierung von Firmware)
      Zwingende Voraussetzungen
      Empfohlene Literatur
      • Murti, K. (2022). Design Principles for Embedded Systems. Springer Singapore. https://doi.org/10.1007/978-981-16-3293-8
      • Schmidt, R., Hauschild, D., & Kluge, I. (2024). Elektronik Design: Theorie und Praxis. Elektronik Design: Theorie Und Praxis. https://doi.org/10.1007/978-3-662-68676-8
      • Ünsalan, C., Gürhan, H. D., & Yücel, M. E. (2022). Embedded system design with ARM Cortex-M microcontrollers: Applications with C, C++ and MicroPython. Embedded System Design with ARM Cortex-M Microcontrollers: Applications with C, C++ and MicroPython, 1–569. https://doi.org/10.1007/978-3-030-88439-0
      • Morshed, B. I. (2021). Embedded systems - A hardware-software co-design approach: Unleash the power of arduino! In Embedded Systems - A Hardware-Software Co-Design Approach: Unleash the Power of Arduino! Springer International Publishing. https://doi.org/10.1007/978-3-030-66808-2
      • Marwedel, P. (2021). Embedded System Design. https://doi.org/10.1007/978-3-030-60910-8
      • Lienig, J., & Scheible, J. (2020). Fundamentals of Layout Design for Electronic Circuits. Fundamentals of Layout Design for Electronic Circuits. https://doi.org/10.1007/978-3-030-39284-0
      Verwendung des Moduls in
      weiteren Studiengängen
      Perma-Links zur Organisation ILU-Kurs
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel ETH_MaTIN2024
      Modulbezeichnung Ethik
      Art des Moduls Wahlpflichtmodul
      ECTS credits 5
      Sprache deutsch, englisch bei Bedarf
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 1-2
      Häufigkeit des Angebots jedes Semester
      Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
      Dozierende*r NN/Lehrbeauftragter

      Learning Outcome(s)

      Die Studierenden sind in der Lage, ein digitales Produkt gemäß aktueller Anforderungen an Sicherheit und Privatheit zu gestalten. Sie können indem sie
      -die technischen, rechtlichen und ethischen Grundlagen von Datenschutz, Datensicherheit und Privacy verstehen,
      - Basistechnologien zu Authentifizierung und Autorisierung kennen und anwenden können,
      - Zielkonflikte zwischen funktionalen Anforderungen und ELSI (ethical / legal / social implications) erkennen und mit Hilfe von Analysemethoden bewerten, sowie
      daraus Schlussfolgerungen für die Hard- und Softwarearchitektur ziehen, indem etwa Sicherheits- / Privatsphärenaspekte in das Produkt integriert werden,
      so dass sie marktfähige und ethisch-rechtliche einwandfreie digitale Produkte erstellen können.
      An ausgewählten Problemen zur Fragestellung “Ethische Fragestellungen im Coding”, die in der wissenschaftlichen Literatur beschrieben sind, führen die Studierenden Untersuchungen durch, z.B. durch eigene weitere Literaturrecherche, Interviews mit Akteuren im C&C-Umfeld usw. Sie erarbeiten sich damit die Fähigkeit, ethische Problemstellungen in ihrer beruflichen Praxis zu erkennen und sie diskutieren zu können. Dazu betreiben sie

      - Literaturrecherche,
      - Diskussion digitaler Produkte unter ethischen Aspekten,
      - Interviews mit Akteuren im technisch-informatischen-Umfeld usw.

      Sie erarbeiten sich damit die Fähigkeit, eine auf ethischen Prinzipien beruhende Folgenabschätzung in ihrer beruflichen Praxis vorzunehmen und damit als “Global Citizen” verantwortungsvoll handeln zu können.

      Modulinhalte

      Vorlesung / Übungen

      - technische, rechtliche und ethische Grundlagen von Datenschutz, Datensicherheit und Privacy,
      - Analysemethode für Zielkonflikte zwischen funktionalen Anforderungen und ELSI (ethical / legal / social implications)
      - Begriffe aus der Handlungsethik
      Seminar

      - Anwendung ethischer Grundlagen auf konkrete Szenarien
      Lehr- und Lernmethoden
      • Vorlesung / Übungen
      • Seminar
      Prüfungsformen mit Gewichtung
      Workload 150 Stunden
      Präsenzzeit 45 Stunden ≙ 4 SWS
      Selbststudium 105 Stunden
      Empfohlene Voraussetzungen kein
      Zwingende Voraussetzungen
      Empfohlene Literatur
      Verwendung des Moduls in
      weiteren Studiengängen      		 ETH in Master Technische Informatik 2020
      Besonderheiten und Hinweise
      Letzte Aktualisierung 16.3.2025, 17:36:53
      Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

      🔗

      Modulkürzel FP_MaTIN2024
      Modulbezeichnung Forschungsprojekt
      Art des Moduls Pflichtmodul
      ECTS credits 10
      Sprache deutsch und englisch
      Dauer des Moduls 1 Semester
      Empfohlenes Studiensemester 2
      Häufigkeit des Angebots jedes Semester
      Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
      Dozierende*r verschiedene Dozenten*innen / diverse lecturers

      Learning Outcome(s)

      Studierende untersuchen und lösen eine wissenschaftliche Problemstellung,
      indem sie
      - selbständig den aktuellen Stand der Wissenschaft auf einem Fachgebiet durch Literaturrecherche erarbeiten,
      - ein eigenes Projekt in Abstimmung mit Kollegen planen, durchführen und kontrollieren,
      - das gegebene Problem selbständig (oder im Team) mit wissenschaftlichen Methoden untersuchen und lösen,
      - im Studium erworbenes Fachwissen auf Problemstellung anwenden und hierbei vertiefen,
      - eigene Lösung mit alternativen Lösungsmöglichkeiten vergleichen,
      - erstellte Lösung in Gesamtzusammenhang einordnen und aus fachlicher und gesellschaftlicher Sicht kritisch bewerten und
      - den Stand der Wissenschaft, die fachlichen Grundlagen, die gewählte Lösung und ihre Bewertung gegenüber den weiteren möglichen Lösungsalternativen klar und nachvollziehbar in schriftlicher Form darstellen,
      um wissenschaftliche Methoden in folgenden Modulen, insbesondere der Masterarbeit, und späteren Berufsleben anwenden zu können.

      Exemplarische inhaltliche Operationalisierung

      Modulinhalte

      Forschungsprojekt

      Ein Professor aus der Fakultät 07 vergibt das Thema des Forschungsprojekts. Dieses Thema stammt aus dem Forschungsgebiet des Professors und ist evtl. an ein bestehendes Forschungsprojekt angelehnt. Zunächst soll sich der Student durch eine fundierte Literaturrecherche in das Themengebiet einarbeiten und den aktuellen Stand der Wissenschaft erarbeiten. Darauf aufbauend soll der Studierende dann ein gegebenes Problem wissenschaftlich untersuchen und lösen. Die Ergebnisse sollen in einem schriftlichen Bericht dokumentiert werden. Hierzu gehört die Darstellung der Grundlagen, der Vorgehensweise, der Lösungsalternativen und die kritische Bewertung der erarbeiteten Lösung. In der mündlichen Ergebnispräsentation soll der Studierende seine Arbeitsergebnisse vorstellen und verteidigen. Sowohl die schriftliche wie auch die mündliche Ergebnispräsentation sollen in Englisch erfolgen.
      Lehr- und Lernmethoden Forschungsprojekt
      Prüfungsformen mit Gewichtung
        Workload 300 Stunden
        Präsenzzeit 12 Stunden ≙ 1 SWS
        Selbststudium 288 Stunden
        Empfohlene Voraussetzungen
        Zwingende Voraussetzungen
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen        		 FP in Master Technische Informatik 2020
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel HIM_MaTIN2024
        Modulbezeichnung Advanced Mathematics
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch und englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Semester
        Modul-Verantwortliche*r Prof. Dr. Heiko Knospe/Professor Fakultät IME
        Dozierende*r
        • Prof. Dr. Heiko Knospe/Professor Fakultät IME
        • Prof. Dr. Hubert Randerath/Professor Fakultät IME
        • Prof. Dr. Beate Rhein/Professor Fakultät IME

        Learning Outcome(s)

        Was: Das Modul vermittelt grundlegende Konzepte und Methoden der Mathematik, die in den Ingenieurwissenschaften benötigt werden (K. 8). Die Abstraktion und mathematischen Formalisierung von Problemen soll erlernt und angewendet werden (K. 2). Die Studierenden lernen die Anwendung mathematischer Methoden (K. 16). Es soll die Anwendung statistischer Verfahren und die Begründung wissenschaftlicher Aussagen erlernt werden (K. 17).
        Womit: Der Dozent/die Dozentin vermittelt Wissen und Basisfertigkeiten in der Vorlesung. In der Übung bearbeiten die Studierenden unter Anleitung Aufgaben. Die Übung wird durch Hausaufgaben und Online-Aufgaben (E-Learning) ergänzt.
        Wozu: Fortgeschrittene Mathematik-Kenntnisse (beispielweise in Vetoranalysis, Statistik und Optimierung) werden in mehreren Moduln des Studiengangs benötigt. Mathematische Methoden sind essentiell für Ingenieure, die wissenschaftlch arbeiten und wissenschaftliche Erkenntnisse anwenden und erweitern (HF2).

        Modulinhalte

        Vorlesung / Übungen

        Eine Kombination von Themen aus folgenden Bereichen:
        - Vektoranalysis
        - Wahrscheinlichkeitstheorie, Statistik und Multivariate Statistik
        - Stochastische Prozesse
        - Optimierung

        Vector Analysis
        - Vector Spaces
        - Scalar and Vector Functions
        - Differential Operators
        - Line Integrals
        - Double Integrals
        - Triple Integrals
        - Change of Variables
        - Surface Integrals
        - Divergence Theorem
        - Theorem of Stokes
        - Maxwell Equations

        Probability and Statistics
        - Descriptive Statistics
        - Two-dimensional Data
        - Simple Linear Regression
        - Probability Spaces
        - Random Variables
        - Expectation, Variance, Moments
        - Jointly Distributed Random Variables
        - Independent Random Variables
        - Covariance
        - Binomial Random Variable
        - Poisson Random Variable
        - Uniform Random Variable
        - Normal Random Variable
        - Chi-Square Distribution
        - t-Distribution
        - Central Limit Theorem
        - Distributions of Sampling Statistics
        - Confidence Intervals
        - Hypothesis Testing
        - t-Test, f-Test, Chi-Square Test
        - Overview of various Tests

        Multivariate Statistics
        - Analysis of multidimensional data
        - Multivariate Random Variables
        - Matrix decompositions, Singular Value Decomposition (SVD)
        - Factor analysis, Principal Component Analysis (PCA)
        - Multiple Linear Regression

        Stochastic Processes
        - Discrete and continuous time processes
        - Random walk
        - Markov chain
        - Poisson process
        - Queuing theory

        Optimization
        - Linear Programming
        - Unconstrained Optimization: Gradient method, Newton's method, Trust Region method
        - Constrained Optimization: Karush–Kuhn–Tucker (KKT) conditions, Lagrange multipliers, Penalty and Barrier functions
        - Special optimization problems: Mixed Integer Nonlinear Programming, Nonlinear Stochastic Optimization
        - Anwendung von Verfahren der Vektoranalysis zur Lösung von Problemen der Natur- und Ingenieurwissenschaften.
        - Anwendung von Verfahren der deskriptiven und induktiven Statistik auf ein- und mehrdimensionale Daten.
        - Planung und Durchführung von statistischen Tests.
        - Fähigkeit aus Daten relevante Informationen zu gewinnen.
        - Anwendung von Optimierungsstrategien zur Lösung von Problemen.
        Lehr- und Lernmethoden Vorlesung / Übungen
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 34 Stunden ≙ 3 SWS
        Selbststudium 116 Stunden
        Empfohlene Voraussetzungen Differential- und Integralrechnung für mehrere Variablen sowie Lineare Algebra (Mathematik auf Bachelor-Niveau)
        Zwingende Voraussetzungen
        Empfohlene Literatur
        • K. Burg, H. Haf, F. Wille, A. Meister, Vektoranalysis - Höhere Mathematik für Ingenieure, Naturwissenschaftler und Mathematiker, Springer Vieweg
        • E. Kreyszig, Advanced Engineering Mathematics, John Wiley & Sons
        • L. Papula, Mathematik für Ingenieure und Naturwissenschaftler Band 3, Springer Vieweg
        • R. E. Walpole, R. H. Myers, S. L. Myers, K. Ye, Probability & Statistics for Engineers & Scientists, Prentice Hall
        • S. M. Ross, Probability and Statistics for Engineers and Scientists, Elsevier
        • S. M. Ross, Stochastic Processes, John Wiley & Sons
        • U. Krengel, Einführung in die Wahrscheinlichkeitstheorie und Statistik
        • A. Koop, H. Moock, Lineare Optimierung, Springer
        • R. Reinhardt, A. Hoffmann, T. Gerlach, Nichtlineare Optimierung, Springer
        • M. Ulbrich, S. Ulbrich, Nichtlineare Optimierung, Birkhäuser
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel IBD_MaTIN2024
        Modulbezeichnung InnoBioDiv
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 0.5 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Semester
        Modul-Verantwortliche*r Prof. Dr. Uwe Dettmar/Professor Fakultät IME
        Dozierende*r Prof. Dr. Uwe Dettmar/Professor Fakultät IME

        Learning Outcome(s)

        Die Studierenden können in einer Forschungsgruppe ein Experiment teamorientiert planen, durchführen, auswerten und dokumentieren,
        indem sie auf biologisches und technisches Basiswissen und auf die zur Verfügung gestellten Ressourcen (ein IoT basiertes Mess- und Steuersystem inklusive FarmBot, Sensorik und Aktorik, Materialien und Geräte im Gewächshaus des Instituts für Pflanzenwissenschaften, Checklisten) sowie weitere frei verfügbare Informationsquellen zugreifen,
        um die Auswirkungen des Klimawandels auf die Wachstumsleistung von Pflanzen und die Biodiversität im Boden erfahrbar zu machen und dadurch Erkenntnisse zu generieren, die für die Gesellschaft im Rahmen des Klimawandels von Relevanz sind.

        Modulinhalte

        Seminar

        Entwickeln von Projektideen , Diskussion und Weiterentwicklung der der Projekte
        Projekt

        Die Studierenden erwerben...
        - die Fähigkeit, Konzepte zur Anpassung von Pflanzen an den Klimawandel zu entwickeln und umzusetzen.
        - die Fähigkeit, Experimente im Bereich der Pflanzenphysiologie, der Bodenbiologie und der Technik zu planen, durchzuführen und zu analysieren.
        - die Fähigkeit, experimentelle Daten statistisch auszuwerten und zu präsentieren.
        - die Fähigkeit, wissenschaftliche Ergebnisse zu präsentieren und zu kommunizieren.
        - die Fähigkeit zur interdisziplinären und interkulturellen Zusammenarbeitund dem Austausch von Ideen mit Studierenden aus verschiedenenMINT-Forschungsbereichen.
        - Erfahrungen in der Planung und Durchführung von Projekten und in derTeamarbeit
        Die Studierenden besitzen am Ende
        - ein tiefes Verständnis für die Wechselwirkungen zwischen Klimaparametern, Pflanzenwachstum und Bodenbiodiversität.
        - grundlegende Kenntnisse über moderne Technologien wie Robotik, Sensorik und das Internet of Things im Kontext der Pflanzenforschung.
        - das Bewusstsein für die Bedeutung von Nachhaltigkeit, Ressourcenschonung und Versorgungssicherheit im Kontext des Bevölkerungswachstums und des Klimawandels.
        Lehr- und Lernmethoden
        • Seminar
        • Projekt
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 23 Stunden ≙ 2 SWS
        Selbststudium 127 Stunden
        Empfohlene Voraussetzungen - gute englische Sprachkenntnisse, da in interkulturellen, interdisziplinären Teams gearbeitet wird.
        - Grundkenntnisse zum IoT und in der Robotik sind wünschenswert
        - Teamfähigkeit
        - Grundkenntnisse in der Pflanzenbiologie werden nicht vorausgesetzt
        Zwingende Voraussetzungen
        • Seminar erfordert Anwesenheit im Umfang von: 8 Stunden
        • Projekt erfordert Anwesenheit im Umfang von: 5 meetings for project discussions
        Empfohlene Literatur
        • https://farm.bot/
        • Arif, Tarik M.: Deep Learning on Embedded Systems: A Hands-On Approach Using Jetson Nano and Raspberry Pi, Wiley, 2025, ISBN:978-1-394-26927-3
        • Agrawal, D. P. (2017). Embedded Sensor Systems. Springer.
        • Marwedel, Peter: Embedded System Design: Embedded Systems Foundations of Cyber-Physical Systems, and the Internet of Things, Springer, 2021, ISBN 978-3-030-60910-8
        • L. Urry, S. Wassermann: Campbell Biology AP Edition (12th Edition), Pearsson, ISBN-13: 978-0-13-648687-9
        • Taiz, L., Møller, I. M., Murphy, A., & Zeiger, E. (2022). Plant Physiology and Development. Oxford University Press.
        Verwendung des Moduls in
        weiteren Studiengängen
        Perma-Links zur Organisation InnoBioDiv: Student Projects
        Besonderheiten und Hinweise Blockveranstaltung jeweils von Anfang Oktober bis Mitte November (7 Wochen), Optionale Vorbereitungszeit zum Aufbau von Grundkenntnissen in der letzten Septemberwocheeüte
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel IIS_MaTIN2024
        Modulbezeichnung Intelligent Information Systems
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. Andreas Behrend/Professor Fakultät IME
        Dozierende*r Prof. Dr. Andreas Behrend/Professor Fakultät IME

        Learning Outcome(s)

        Die Studierenden kennen die verschiedenen Möglichkeiten zur Darstellung von Wissen und können die Vor – und Nachteile einer Darstellungsform bewerten.
        Die Studierenden erarbeiten sich grundlegende Kenntnisse zur Theorie und Anwendung von deklarativen Programmiersprachen bzw. Regelsystemen.
        Die Studierenden kennen gängige Typen von Optimierungs- bzw. Suchproblemen und können geeignete deklarative Lösungsansätze identifizieren.
        Die Studierenden kennen die wichtigsten Inferenzmethoden und können diese einordnen bzw. bewerten.
        Die Studierenden kennen die Resolutionsmethode und das Verfahren der Unifikation und können diese für eine Problemstellung anwenden.
        Die Studierenden kennen die wichtigsten Formen der Operationalisierung deklarativer Ausdrücke und können diese bzgl. ihrer Effizienz bei einem Lösungsansatz bewerten.
        Die Studierenden können für reale Problemstellungen eine geeignete Wissensrepräsentation wählen und eine Lösung mit einem deklarativen Programm erarbeiten.
        Die Studierenden können aktuelle deklarative Anfragesprachen klassifizieren und hinsichtlich ihrer Ausdrucksmächtigkeit bewerten.
        Die Studierenden können mit gängigen deklarativen Programmiersprachen umgehen.
        Die Studierenden können Aufgaben in einem kleinen Team lösen.
        Die Studierenden können Programmcode verstehen und um Funktionalität erweitern. Sie können das Verhalten einer programmierten Lösung bewerten und durch geeignete Modifikationen verbessern.
        Die Studierenden können internationale wissenschaftliche Literatur analysieren, einordnen, in ihren Kontext stellen und präsentieren.

        Modulinhalte

        Vorlesung / Übungen

        Grundlagen der Wissensrepräsentation
        - Prädikatenlogik
        - relationale, funktionale, baum- bzw. graphbasierte Faktenrepräsentationen
        (semantische Netze bzw. Ontologien)
        - Regelsysteme

        Automatisches Schließen und Inferenzmethoden
        - Resolutionsprinzip (inkl. Unifikation)
        - Vorwärts- oder rückwärtsgerichtete Verkettung
        - Fixpunktsemantik

        Deklarative Programmiersprachen
        - funktionale Programmierung
        - relationale (logische) Programmierung, z.B. Prolog, Datalog, SQL und SPARQL

        Ausblick auf aktuelle Forschung, z.B. Datenbanksprachen, Parallele Algorithmen, verteilte Systeme, Kombinatorische Optimierung sowie Sprachverarbeitung.
        Die Studierenden erarbeiten sich grundlegende Kenntnisse zur Theorie und Anwendung von Methoden zur Wissensrepräsentation, des automatischen Schließens sowie der deskriptiven Programmierung. Sie haben die Operationalisierungskonzepte, die den verschiedenen Klassen von deskriptiven Sprachen zugrunde liegen, verstanden und können für Problemstellungen geeignete Programmierlösungen erarbeiten.
        Praktikum

        Darstellung von Wissen mittels Tupelmengen, Relationen, semantischen Netzen sowie logikbasierten Systemen.
        Implementierung von Berechnungsproblemen mittels einer funktionalen Programmiersprache (z.B. Haskell) unter Verwendung von Ausdrücken, (algebraischen) Datentypen, unendlichen Datenstrukturen sowie Funktionen höherer Ordnung in Haskell.
        Das Lösen von Suchproblemen mittels logischer Programmierung und insbesondere rekursiver Ausdrücke.
        Formulieren von Anfragen mittels relationaler Sprachen (z.B. SPARQL oder Datalog) über
        Wissensbasen.
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Programmierkenntnisse, Datenstrukturen und Algorithmen
        Zwingende Voraussetzungen
        Empfohlene Literatur
        • G. Hutton: Programming in Haskell, 2nd Ed., Cambridge University Press, 2016
        • L. Sterling, E. Shapiro: The Art of Prolog, 2nd Ed., MIT Press, 1994
        • Uwe Schöning. Logik für Informatiker. 5. Auflage, Spektrum Akademischer Verlag, 2000
        • Pascal Hitzler, Markus Krötzsch, Sebastian Rudolph. Foundations of Semantic Web Technologies. CRC Press 2009.
        • S.J. Russell, P. Norvig: Artificial Intelligence. A Modern Approach, 2. Aufl. Prentice Hall, 2003
        Verwendung des Moduls in
        weiteren Studiengängen        		 IIS in Master Technische Informatik 2020
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel ITF_MaTIN2024
        Modulbezeichnung IT-Forensik
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
        Dozierende*r Jürgen Bornemann/Lehrbeauftragter

        Learning Outcome(s)

        Teilnehmer sind sich der Gefahren durch Angriffe von außen und innen auf technische Systeme bewusst werden und sind in der Lage, digitale Beweise aufzuspüren, sicherzustellen und weiter verwertbar zu analysieren.

        Modulinhalte

        Vorlesung / Übungen

        Grundbegriffe der Cyber Security und digitale Forensik
        Typische Schwachstellen, Bedrohungen und Risiken
        Gefahren bei mobilen Systemen, Home-Office, WLAN‘s
        Grundlagen und Arbeitsweisen der IT-Forensik
        Forensische Dokumentationserstellung
        Gängige Werkzeuge für forensische Untersuchungen
        Digitale Beweise erkennen und sichern
        Open-Source-Forensik
        Dateisystem-Forensik
        Forensische Analyse mobiler Systeme
        Schwachstellen, Bedrohungen, Angriffe auf Netzwerkstrukturen
        KALI Linux – Operating System für Vulnerability und Pentesting
        Projekt

        Studierenden können fallbezogene forensische Aufgaben und Vorfälle mit dem jeweiligen erlernten Wissen eigenständig oder in Arbeitsgruppen bearbeiten. Sie zeigen dabei, wie sie digitale Beweise sicherstellen, analysieren und dokumentieren.
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Projekt
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen
        Zwingende Voraussetzungen
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel KOGA_MaTIN2024
        Modulbezeichnung Kombinatorische Optimierung und Graphenalgorithmen
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Prof. Dr. Hubert Randerath/Professor Fakultät IME
        Dozierende*r Prof. Dr. Hubert Randerath/Professor Fakultät IME

        Learning Outcome(s)

        Die Studierenden sind in der Lage Verfahren und Konzepte der Graphentheorie und der Kombinatorischen Optimierung zur Beschreibung und algorithmischen Lösung von Problemstellungen der Informatik, der Technik und des täglichen Lebens anzuwenden.

        Sie haben die Fertigkeit Verfahren und Konzepte der Graphentheorie und der Kombinatorischen Optimierung zur Beschreibung und algorithmischen Lösung von Problemstellungen der Informatik, der Technik und des täglichen Lebens anzupassen.

        Sie können algorithmische Denk- und Arbeitweisen wie Komplexität von Problemklassen, Effizienz von Algorithmen und Approximation, die sie induktiv an Optimierungsaufgaben in Netzwerken und gewichteten Graphen erlernt haben, anwenden.

        Modulinhalte

        Vorlesung / Übungen

        - KOGA-Grundlagen: Grundbegriffe der Graphentheorie und der Kombinatorischen Optimierung
        - Minimale aufspannende Bäume: Algorithmen von Kruskal, Prim und Tarjan, Greedy-Algorithmen, Matroide, Steinerbäume, Netzwerk-Design
        - Lineare Programme: Struktur, Modellierung, Transformation in die Standardform, Simplex-Verfahren, Dualitätstheorie
        - Gewichtete Matchings und das Chinesische Briefträger Problem: Gewichtete Matchings in bipartiten Graphen, Gewichtete Matchings in nicht-bipartiten Graphen, Algorithmus von Floyd-Warshall, Algorithmus von Fleury, Effizienter Algorithmus für das Chinesische Briefträger Problem
        - Flüsse in Netzwerken: Grundlagen der Netzwerktheorie, Algorithmus von Dinic, Kostenminimale Flüsse
        - Spezielle Diskrete und Kombinatorische Optimierungsprobleme: Travelling Salesman Problem, das Frequenzzuweisungsproblem, Scheduling-Probleme, Routing-Probleme
        Übungen / Praktikum
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Übungen / Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 57 Stunden ≙ 5 SWS
        Selbststudium 93 Stunden
        Empfohlene Voraussetzungen Grundlagenwissen Graphentheorie
        Grundlagenwissen Algorithmik
        Zwingende Voraussetzungen
        • Vorlesung / Übungen erfordert Anwesenheit im Umfang von: 1 Vortragstermin
        • Übungen / Praktikum erfordert Anwesenheit im Umfang von: 1 Termin
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen        		 KOGA in Master Technische Informatik 2020
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel KOLL_MaTIN2024
        Modulbezeichnung Kolloquium zur Masterarbeit
        Art des Moduls Pflichtmodul
        ECTS credits 3
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 3
        Häufigkeit des Angebots jedes Semester
        Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
        Dozierende*r verschiedene Dozenten*innen / diverse lecturers

        Learning Outcome(s)

        - Darstellung von Forschungsergebnissen in einer Präsentation in vorgegebenem engen zeitlichen Rahmen
        - Fachliche und außerfachliche Bezüge der eigenen Arbeit darstellen und begründen
        - Eigene Lösungswege und gewonnene Erkenntnisse darstellen und diskutieren

        Modulinhalte

        Kolloquium

        Das Kolloquium dient der Feststellung, ob die Studentin oder der Student befähigt ist, die Ergebnisse der Masterarbeit, ihre fachlichen und methodischen Grundlagen, fachübergreifende Zusammenhänge und außerfachlichen Bezüge mündlich darzustellen, selbständig zu begründen und ihre Bedeutung für die Praxis einzuschätzen
        Lehr- und Lernmethoden Kolloquium
        Prüfungsformen mit Gewichtung
        Workload 90 Stunden
        Präsenzzeit 0 Stunden ≙ 0 SWS
        Selbststudium 90 Stunden
        Empfohlene Voraussetzungen
        Zwingende Voraussetzungen Siehe Prüfungsordnung §29, Abs. 2
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise Siehe auch Prüfungsordnung §29.
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel KRY_MaTIN2024
        Modulbezeichnung Cryptography
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. Heiko Knospe/Professor Fakultät IME
        Dozierende*r Prof. Dr. Heiko Knospe/Professor Fakultät IME

        Learning Outcome(s)

        Was: Die Studierenden lernen die mathematischen Grundlagen der Kryptographie kennen. Es werden Kenntnisse der wichtigsten kryptographischen Methoden und Algorithmen vermittelt (HF 1). Die Studierenden verstehen verschiedene Arten von SIcherheitsanforderungen und analysieren die Sicherheit von kryptographischen Verfahren.
        Womit: Der Dozent/die Dozentin vermittelt Wissen und Basisfertigkeiten in der Vorlesung. In der Übung bearbeiten die Studierenden unter Anleitung Aufgaben. Im Praktikum werden konkrete Probleme und Fragestellungen der Kryptographie bearbeitet.
        Wozu: Kryptographie wird eingesetzt um die grundlegenden Ziele der Informationssicherheit zu erreichen. Die Studierenden lernen die Implemenierung und Anwendung von kryptographischen Algorithmen und entwickeln Konzepte um Systeme, Netzwerke und Anwendungen gegen Angriffe zu sichern (HF 2).

        Modulinhalte

        Vorlesung / Übungen

        * Mathematical Fundamentals
        * Encryption Schemes and Definitions of Security
        * Elementary Number Theory
        * Algebraic Structures
        * Block Ciphers
        * Stream Ciphers
        * Hash Functions
        * Message Authentication Codes
        * Public-Key Encryption and the RSA Cryptosystem
        * Key Establishment
        * Digital Signatures
        * Elliptic Curve Cryptography
        * Outlook: Post-quantum cryptography
        Praktikum

        - Solve mathematical and cryptographical problems in Python / SageMath: working with large integers and residue classes, factorization, primality and prime density, RSA key generation and encryption / decryption, Diffie-Hellman key exchange.
        - Write code to encrypt and decrypt files using the AES block cipher and different operation modes. Analyze the statistical properies of AES ciphertext.
        - Write code for RSA key generation, key encapsulation / decapsulation and hybrid encryption / decryption.
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Mathematik (Bachelor Niveau) und Programmierkenntnisse.
        Zwingende Voraussetzungen
        • Praktikum erfordert Anwesenheit im Umfang von: 3 Termine
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
        Empfohlene Literatur
        • M. Bellare, P. Rogaway, Introduction to Modern Cryptography, UCSD CSE
        • H. Delfs, H. Knebl, Introduction to Cryptography, Springer
        • S. Goldwasser, M. Bellare, Lecture Notes on Cryptography, MIT
        • J. Hoffstein, J. Pipher, J.H. Silverman, An Introduction to Mathematical Cryptography, Springer
        • J. Katz, Y. Lindell, Introduction to Modern Cryptography, CRC Press
        • H. Knospe, A Course in Cryptography, American Mathematical Society
        • C. Paar, J. Pelz, Understanding Cryptography. Springer
        • N.P. Smart, Cryptography Made Simple, Springer
        • K. H. Rosen, Discrete Mathematics and its Applications, McGraw-Hill
        • V. Shoup, A Computational Introduction to Number Theory and Algebra, Cambridge University Press
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel LCSS_MaCSN2024
        Modulbezeichnung Large and Cloud-based Software-Systems
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. René Wörzberger/Professor Fakultät IME
        Dozierende*r Prof. Dr. René Wörzberger/Professor Fakultät IME

        Learning Outcome(s)

        Students are capable of

        • designing architectures for complex and mission critical enterprise software systems,
        • implementing these systems and
        • operate them in the Cloud

        by

        • knowing and trading conflicting interests and concerns of stakeholders,
        • knowing quality attributes and their trade-offs,
        • specifying architecturally significant requirements in quality attribute scenarios,
        • analysing design decisions with respect to their effects on quality attributes and stake-holder interests and concerns,
        • presenting and documenting architectures by means of suitable views, notations and tools,
        • applying methods (like RESTful API design) and tools in order to implement design deci-sions,
        • using cloud resources like virtual machines, containers and storages in order to operate a system in the cloud,

        in order to

        • be able to produce long-term usable software systems in subsequent lectures and pro-jects and
        • to be able to act as an IT architect, e.g. in an IT department of a larger enterprise.

        Modulinhalte

        Vorlesung / Übungen

        Formal fundierter Umgang mit Qualitätsanforderungen an Verfügbarkeit, Performance, Kapazität und Kosteneffizienz
        Vor- und Nachteile grundlegender Systemarchitekturstile, beispielsweise Microservice-Architekturen
        Skalierung von Systemen und einzelnen Tiers, auch in Hinblick auf mögliche Deployment-Strategien wie Canary- oder AB-Deployment, sowie damit verbundene Load-Balancing-Strategien (z. B. Consisten Hashing)
        Fortgeschrittene Einsatzmöglichkeiten von Virtualisierung, insbesondere Container-Virtualisierung und -Orchestrierung, beispielsweise mit Docker und Kubernetes
        Auswahl geeigneter Kommunikationsmuster und -protokolle, insbesondere HTTP und Derivate wie Websockets, Server-sent Events und, gRPC
        Auswahl zweckdienlicher API-Technologien und -Designphilosophien wie REST und GraphQL
        Verwendung grundlegender Sicherheitsprotokolle wie TLS, OAuth2, JWT und OpenID Connect
        Asynchrone, ereignisgetriebene Kommunikation über Messaging- und Streaming-Plattformen wie Apache Kafka
        Auswahl geeigneter Datenbankmodelle (relational, Key-value-, Graph-, Dokumenten-orientiert), notwendiger Konsistenz-Level, sowie Sharding am Beispiel von PostgreSQL, Neo4J, Apache Cassandra und Redis
        Strategien für das Caching von Daten, insbesondere von HTTP-Responses (Web Caching).
        Projekt

        Formulierung und Präsentation einer selbstgewählten Forschungsfrage aus dem Themenfeld der Lehrveranstaltung
        Entwurf von Forschungsprototypen, Test-Szenarien, Messverfahren etc. zur Beantwortung der Forschungsfrage inkl. Dokumentation und paarweisem, konstruktiven Review und Aussprache vor Ort zwischen teilnehmenden Teams
        Abschließende Präsentation der Forschungsergebnisse
        Dokumentation der Forschungsergebnisse in einem Report gemäß IEEE-Vorlage
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Projekt
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen - fortgeschrittene Programmierkenntnisse
        - grundlegende Kenntnisse in Web-Technologien
        - grundlegende Kenntnisse in Datenbanken
        - grundlegende Kenntnisse in Software-Architekturen
        - grundlegende Kenntnisse in der Unified Modeling Language (UML)
        Zwingende Voraussetzungen Projekt erfordert Anwesenheit im Umfang von: 4 Termine
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen
        Intro-Video
        Perma-Links zur Organisation Ilu-Kurs
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:53
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel MAA_MaTIN2024
        Modulbezeichnung Masterarbeit
        Art des Moduls Pflichtmodul
        ECTS credits 27
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 3
        Häufigkeit des Angebots jedes Semester
        Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
        Dozierende*r verschiedene Dozenten*innen / diverse lecturers

        Learning Outcome(s)

        Das Modul vermittelt folgende Kenntnisse und Fertigkeiten:
        - Komplexe Aufgabenstellungen beurteilen
        - Selbständiges Verfassen eines längeren wissenschaftlichen Textes
        - Gute Praxis des wissenschaftlichen Arbeitens anwenden
        - Darstellung von Forschungsergebnissen in Form eines wissenschaftlichen Artikels nach den Vorgaben gängiger Fachzeitschriften bzw. Konferenzen
        - Selbstständiges und systematisches Bearbeiten einer komplexen ingenieurwissenschaftlichen Aufgabenstellung unter Verwendung wissenschaftlicher Methoden
        - Lösungsstrategien entwickeln und umsetzen
        - Wissenschaftliche Literatur recherchieren und auswerten
        - Eigene Arbeit bewerten und einordnen

        Individuelle Vereinbarung des Studierenden mit einem Dozenten der MT bzw. F07 über eine qualifizierte Ingenieurtätigkeit mit einer studiengangsbezogenen Aufgabenstellung mit wissenschaftlichem Anspruch. Die Masterarbeit kann auch extern in einer Forschungsorganisation, einem Wirtschaftsunternehmen o.ä. durchgeführt werden. Die Betreuung erfolgt durch den Dozenten.
        Die Masterarbeit addressiert die Entwicklung komplexer Medientechnologien unter interdisziplinären Bedingungen (HF1) und das wissenschaftliche Arbeiten um wissenschaftliche Erkenntnisse zu erweitern (HF2)."

        Modulinhalte

        Abschlussarbeit

        Die Masterarbeit ist eine schriftliche Hausarbeit. Sie soll zeigen, dass die oder der Studierende befähigt ist, innerhalb einer vorgegebenen Frist ein Thema aus ihrem oder seinem Fachgebiet sowohl in seinen fachlichen Einzelheiten als auch in den fachübergreifenden Zusammenhän-gen nach wissenschaftlichen und fachpraktischen Methoden selbstständig zu bearbeiten. Die interdisziplinäre Zusammenarbeit kann auch bei der Abschlussarbeit berücksichtigt werden.
        Lehr- und Lernmethoden Abschlussarbeit
        Prüfungsformen mit Gewichtung
        Workload 810 Stunden
        Präsenzzeit 0 Stunden ≙ 0 SWS
        Selbststudium 810 Stunden
        Empfohlene Voraussetzungen Siehe Prüfungsordnung §26
        Zwingende Voraussetzungen siehe Prüfungsordnung §26 Abs. 1
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise Siehe auch Prüfungsordnung §24ff. Kontaktieren Sie frühzeitig einen Professor der Fakultät für die Erstbetreuung der Abschlussarbeit.
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel MCI_MaTIN2024
        Modulbezeichnung Mensch-Computer-Interaktion
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. Jonas Schild/Professor Fakultät IME
        Dozierende*r Prof. Dr. Jonas Schild/Professor Fakultät IME

        Learning Outcome(s)

        WAS:
        Das Modul vermittelt folgende Kenntnisse und Fertigkeiten:
        - Grundlagen der Mensch-Computer-Interaktion: Definitionen, Normen, Modelle, Prinzipien
        - Interaktive Systeme aus Hard- und Software konzipieren, implementieren und analysieren
        - User Experience verstehen und Prinzipien des UX Engineerings anwenden
        - Wiss. Fragestellungen vor einem Forschungshintergrund der HCI entwickeln
        - Geeignete Nutzerstudien nach wiss. und ethischen Kriterien konzipieren, planen und durchführen
        - statistische und deskriptive Daten wissenschaftlich analysieren, veranschaulichen und diskutieren
        - in heterogenen Teams zusammenarbeiten, sich koordinieren und präsentieren

        WOMIT:
        Die Kompetenzen werden zunächst über eine Vorlesung durch die Dozenten vermittelt und danach im Praktikum anhand konkreter Aufgabenstellung von den Studierenden vertieft. Im seminaristischen Teil der Lehrveranstaltung recherieren die Studierenden zu vorgegebenen Themen anhand von Fachartikeln und weiteren Informationsquellen über neue Konzepte der Mensch-Computer Interaktion und stelle diese dar in einer Präsentation dar.

        WOZU:
        Die Studierenden erlernen das eigenständige Durchführen von Forschungsprozesse auf dem Gebiet der Mensch-Computer-Interaktion, um im interdisziplinären Team auf Grundlage von selbst entwickelten komplexen, interaktiven Systemen (HF1) aktuelle Fragestellungen aus dem Bereich der Mensch-Computer-Interaktion wissenschaftlich untersuchen (HF2) und dabei die Effektivität und Wirkung von interaktiven Systemen auf Nutzende testen und einschätzen zu können (HF4).

        Modulinhalte

        Vorlesung

        Modelle und Gestaltungsprinzipien interaktiver Systeme
        Relevante Definitionen, Normen und Richtlinien, Kogitive Aspekte
        Heuristiken, Best Practices und Style Guides
        Steuerungsmöglichkeiten: Dedizierte Ein-/Ausgabegeräte und Steuerungsmethoden
        Interaktion in Computerspielen, Structure of Games, Game Input, Game Feel: Metrics, Input, Response, Experiences
        User Experience Engineering: Fun, Flow, Immersion, Presence, Decision Engineering, Information Balancing
        Prinzipien spezieller interaktiver Systeme wie Mobile, Context Aware Computing, 3D Interaction
        Experimentelle Forschung: Wiss Fragestellung, Hypothesen, technikethische Kriterien
        Evaluations-Methoden (Self-reporting tools, Physiopsychologische Verfahren, Nutzungsmetriken)
        Experiment Design: Between Group, Within Group, Ablauf, Vorbereitung, Datenschutz
        Statistische Analyse: Skalenniveaus, Deskriptive Statistik, T-Tests, ANOVA, Regression, Korrelation
        Umfragen: Stichproben und Stichprobenauswahl, Fehlerquellen, Fragebögen, Evaluation von Umfragen
        Praktikum

        Methoden und Begriffe der MCI-Forschung anwenden
        Interaktive Prototyen konzipieren und implementieren
        Mit Interaktionsmethoden und forschungsnahen Ein-/Ausgabesystemen experimentieren
        Nutzerstudien konzipieren, durchführen und analysieren
        Quantiative und/oder Qualitative Methoden der User Experience Analyse anwenden
        Ergebnisse präsentieren, diskutieren und reflektieren
        In Teams zusammenarbeiten und koordinieren
        Forschungsberichte verfassen
        Seminar

        Wiss. Literatur lesen, wiedergeben und verdeutlichen
        Wiss. Methoden der Mensch-Maschine-Interaktion am aktuellen Forschungsstand aufbereiten
        Wiss. Recherche- und Zitationsarbeit
        Präsentieren von aktuellen Forschungsarbeiten
        Lehr- und Lernmethoden
        • Vorlesung
        • Praktikum
        • Seminar
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Programmierkenntnisse
        Computergrafik
        Zwingende Voraussetzungen
        • Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
        • Seminar erfordert Anwesenheit im Umfang von: Vorträge und Schlusspräsentation
        Empfohlene Literatur
        • A. M. Heinecke: Mensch-Computer-Interaktion, Basiswissen für Entwickler und Gestalter, 2. Auflage, Springer, 2011
        • B. Shneiderman, C. Plaisant: Designing the User Interface: Strategies for Effective Human-Computer Interaction, Addison Wesley, 2009
        • S. Swink: Game Feel: A Game Designer's Guide to Virtual Sensation, Morgan Kaufmann Game Design Books, 2008
        • T. Sylvester: Designing Games: A Guide to Engineering Experiences, O'Reilly, 2013
        • J. Lazar, J.H. Feng, H. Hochheiser, Research Methods in Human-Computer-Interaction, Wiley, 2012
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel MLWR_MaTIN2024
        Modulbezeichnung Maschinelles Lernen und wissenschaftliches Rechnen
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. Beate Rhein/Professor Fakultät IME
        Dozierende*r Prof. Dr. Beate Rhein/Professor Fakultät IME

        Learning Outcome(s)

        Was:
        fortgeschrittene Methoden des maschinellen Lernens auf typische Datensätze der technischen Informatik anwenden
        Fallstricke des Maschinellen Lernens in der Vorgehensweise erkennen
        für eine Aufgabenstellung das geeignete Verfahren bestimmen und anwenden können
        Qualität von Datensätzen beurteilen und verbessern
        Datenschutzgesetze kennen
        weit verbreitete Software des maschinellen Lernens anwenden

        Womit:
        Die Methoden werden anhand eines Vortrags oder per Lernvideos vermittelt und in Vorlesung und Übung direkt angewendet. Jeder Student wird ein Projekt durchführen (je nach Anzahl der Studierenden in Gruppenarbeit), bei der er sich Teile des Stoffes selber erarbeitet.

        Wozu:
        Maschinelles Lernen wird bei den späteren Arbeitgebern immer mehr eingeführt, etwa in der Robotik, aber auch zur Überwachung und Steuerung von Produktionsprozessen oder Energiesystemen und zur Auswertung von Kundendaten, hier ist ein verantwortlicher Einsatz von Daten wichtig.

        Modulinhalte

        Vorlesung / Übungen

        Übersicht Maschinelles Lernen

        End-to-End Projekt Maschinelles Lernen
        - Datenvorbereitung
        - Skalierung

        Klassifikationsverfahren
        - Performanzmaße
        - Verfahren

        Regressionsverfahren
        - Klassische Verfahren
        - Verfahren des Maschinellen Lernens

        Unüberwachtes Lernen

        Einführung in Neuronale Netze
        - Perzeptron
        - Feed Forward Neural Network
        - Architektur
        - Training

        Einführung in große Sprachmodelle
        - Embeddinges
        - Transformer Architektur
        - Klassifikation und Regression mit LLMs
        - Retrieval Augmented Generation

        Erklärbares und faires Maschinelles Lernen
        Praktikum

        Anwendung und Programmierung von Verfahren der Approximation, der multikriteriellen Optimierung oder des maschinellen Lernens
        numerische Verfahren effizient implementieren
        Algorithmen hinsichtlich ihrer Komplexität bewerten
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Grundkenntnisse in Wahrscheinlichkeitsrechnung und maschinellem Lernen
        Zwingende Voraussetzungen
        • Vorlesung / Übungen erfordert Anwesenheit im Umfang von: 6 Stunden
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Vorlesung / Übungen
        • Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
        Empfohlene Literatur
        • A. Geron: Hand-on Machine Learning, O'Reilly Verlag
        • J. Alammar: Hands-on Large Language Models, O'Reilly Verlag
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel NGN_MaTIN2024
        Modulbezeichnung Next Generation Networks
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. Andreas Grebe/Professor Fakultät IME
        Dozierende*r Prof. Dr. Andreas Grebe/Professor Fakultät IME

        Learning Outcome(s)

        What?
        Understanding architectures and service signalling in Next Generation Networks (All-IP Networks). Competences to evaluate, analyze, design, implement and test NGN components and service areas with heterogeneous service requirements.
        How?
        Based on Bachelor-level competences on IP networking and services, students learn standards, design principles, architectures and sample implementations of Next Generation Networks and serivces in lectures and exercises. In a small team and organized as semester project, students develop their own NGN service solution, optionally based and on existing systems, and learn how to design, implementnt and anlysze their own service solution.
        What for?
        To be able to design, analyze, select, use and apply actual and future network servces, based on All-IP networks for enterprise networks, telecommunication networks and mobile networks.

        Modulinhalte

        Vorlesung / Übungen

        Vermittlung von Grundkenntnissen und Implementierungswissen über die Definition von Next Generation Network (NGN) durch ITU-T, IP Multimedia Subsystem (IMS) durch 3GPP und ETSI sowie Next Generation Internet (NGI) Definition durch IETF, ITU-T Standards, Multimedia Services in NGN, VoIP, Video-over-IP, RTP Kapselung, Service Signaling, SIP-Protokoll, SIP Digest Authentication, SDP-Servicebeschreibung und -Fähigkeiten, SIP-Server, Session Border Controller (SBC), SIP-Gateway-Technologien, SIP-Routing, NAT-Gateways, NAT-Lösung, SRR, STUN, TURN, IMS in Mobilfunknetzen, IMS in Festnetzen, VoIP in Unternehmensnetzen. IMS in virtuellen Netzwerk-Core.
        Studierende evaluieren Anforderungen an NGN Services und planen, implementieren und analysieren NGN Services auf Basis der SIP Signalisierung oder alternativer Signalisierungsprotokolle. Sie besitzen die Kompetenzen zur Funktionsanalyse und Fehlersuche durch deep packet inspection (DPI) Protokollanalyse. Sie evaluieren die Performanz von NGN Services in Bezug auf Zeitverhalten, Durchsatz, Verzögerungen, Jitter Robuistheit bei Paketfehlern und Sicherheitsaspekten.
        Praktikum

        Konzepte und Technologien für NGN oder NGI benennen, strukturieren, einordnen. Netzanalysetechniken und Tools beherrschen, Methoden für NGN Services und zur Netzplanung kennen.
        Projektpraktikum in einem kleinen Team (2-3 Teammitglieder) zu aktuellen Technologien im Bereich der NGN-Dienste und NGI-Dienste.
        NGN/NGI Umgebung und NGN Service planen, implementieren und analysen inklusive der Sicherheitsaspekte und Protokollanalsyse mit Evaluierung der Performance.
        Die Ergebnisse werden während des Praktikums überprüft, in einem Bericht zusammengefasst und in der Klasse präsentiert. Individuelle Projektvorschläge von Studierenden sind erwünscht.
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen
        • Modul NGN: Bachelor Level Networking Knowledge and Skills like prerequistite to NGN. Fundamentals of Networks and Protocols (typically Bachelor Level) Layered Communications and Protocol Stacks (ISO/OSI, IETF TCP/IP, IEEE), LAN, MAN, WAN, Fixed Line and Mobile Network Fundamentals, Data Link-Technologies (Ethernet, WiFi), IP-Networking (IPv4, IPv6), IP Routing Protocols (static Routes, RIP, OSPF, BGP), Transport Protocols (TCP (incl. Flow Control / Congestion Control), UDP) and Port Numbers, Application Protocols (HTTP, Request-Response Pattern, Publish-Subscribe Pattern).
        • Bachelor-Level Kenntnisse zu Protokollen und Schichtenmodellen, Internetprotokollen (UDP, TCP, IP, HTTP, FTP), IP Adressierung (IPv4, IPv6), Routingtechniken (IP Routing, Funktionsweise eines Router, Routingprotokolle, RIP, OSPF), Übertragungssystemen und Schicht-2-Protokollen, Ethernet.
          Verständins von verteilten Systemen und Applikationen, Socketbegriff und Client-/Server-Programmierung, Request-Response Pattern, Publishg-Subscribe Pattern.
        Zwingende Voraussetzungen
        • Praktikum erfordert Anwesenheit im Umfang von: 6 Meilensteintermine und Projektvorstellungen
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
        Empfohlene Literatur
        • J. Kurose, K. Ross: Computer Networking: A Top-Down Approach, Global Edition, Prentice Hall, 7th ed., 2016
        • A. S. Tanenbaum, D. J. Wetherall: Computer Networks, Pearson , 5th ed., 2013
        • U.Trick, F. Weber: SIP und Telekommunikationsnetze: Next Generation Networks und Multimedia over IP – konkret, De Gruyter Oldenbourg Verlag, 4. Auflage 2015
        • J. F. Durkin: Voice-enabling the Data Network,Cisco Press 2010
        • G. Camarillo, M.A. García-Martín: The 3G IP Multimedia Subsystem (IMS), John Wiley Verlag, 2006
        • W. Stallings: Foundations of Modern Networking, Pearson Education, 2016
        • J. Doherty: SDN and NFV Simplified, Pearson Education, 2016
        • J. Edelman: Network Programmability and Automation, O'Reilly 2018
        • J. van Meggelen, R. Bryant, L. Madsen: Asterisk: The Definitive Guide: Open Source Telephony for the Enterprise, O'Reilly Media, 5th Ed. 2019
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel PAP_MaTIN2024
        Modulbezeichnung Parallele Programmierung
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr.-Ing. Arnulph Fuhrmann/Professor Fakultät IME
        Dozierende*r Prof. Dr.-Ing. Arnulph Fuhrmann/Professor Fakultät IME

        Learning Outcome(s)

        Medientechnische und interaktive Systeme beinhalten rechenintensive Berechnungen. Um Anforderungen an die Verarbeitung in Echtzeit erfüllen zu können, sind daher Kompetenzen und Wissen über die Grundlagen für die Analyse (HF1, HF2), den Entwurf (HF1, HF2), die Implementierung (HF1, HF2) und die Bewertung (HF1, HF2) paralleler Computerprogramme erforderlich.

        Folgende Kenntnisse und Kompetenzen werden im Detail vermittelt:
        - Grundlegende Konzepte, Modelle und Technologien der parallel Verarbeitung benennen, strukturieren, einordnen und abgrenzen
        - Aufgabenstellungen in Bezug auf die Programmierung paralleler Programme analysieren und strukturieren, einschlägige parallele Hardwarearchitektur zuordnen und auf Paralleldesign übertragen
        - Parallele Programme unter Einsatz geeigneter Tools analysieren und Ergebnisse nachvollziehbar darstellen
        - Leistungsfähigkeit paralleler Programme abschätzen und analysieren
        - Information aus englischen Originalquellen und Standards ableiten

        Kenntnisse und Basisfertigkeiten werden in der Vorlesung vermittelt. Begleitend dazu werden in den Übungen Kompetenzen und Fertigkeiten ausgebaut und inhaltliche Themen vertieft.

        Modulinhalte

        Vorlesung

        - Grundlegende Konzepte, Modelle und Technologien der parallel Verarbeitung (Parallelität, Nebenläufigkeit, SISD, SIMD, MISD, MIMD, loose- und eng-gekoppelte Systeme, verteilte Systeme)
        - Parallele Leistungsmaße (Speedup, Effizienz)
        - Aufbau von GPUs
        - Parallele Algorithmen für GPUs
        Praktikum

        - Aufgabenstellungen in Bezug auf die Programmierung paralleler Programme analysieren und strukturieren, einschlägige parallele Hardwarearchitektur zuordnen und auf Paralleldesign übertragen
        - Parallele Programme implementieren (Multicore-HW mit Threads und GPUs)
        - Parallele Programme unter Einsatz geeigneter Tools analysieren und Ergebnisse nachvollziehbar darstellen
        - Leistungsfähigkeit paralleler Programme abschätzen und analysieren
        - Information aus englischen Originalquellen und Standards ableiten
        Lehr- und Lernmethoden
        • Vorlesung
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 34 Stunden ≙ 3 SWS
        Selbststudium 116 Stunden
        Empfohlene Voraussetzungen Zur Bearbeitung der Übungsaufgaben werden Programmierkenntnisse und der Umgang mit konsolenorientierten Programmen in Linux-basierten Betriebssystemen vorausgesetzt.
        Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
        Empfohlene Literatur
        • P. Pacheco: An Introduction to Parallel Programming, Morgan Kaufmann, 2011
        • R. Oechsle: Parallele und verteilte Anwendungen in Java, Hanser, 2011
        • B. Goetz, J. Bloch, J. Bowbeer, D. Lea, D. Holmes, T. Peierls: Java Concurrency in Practice, Addison-Wesley Longmanm 2006
        • Jason Sanders: CUDA by Example: An Introduction to General-Purpose GPU Programming, Addison-Wesley Longman, 2010
        • Andrew S. Tanenbaum, Herbert Bos: Modern Operating Systems, 4th Edition, 2015
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel PLET_MaTIN2024
        Modulbezeichnung Projektleitung
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Prof. Dr. Michael Gartz/Professor Fakultät IME
        Dozierende*r
        • Prof. Dr. Michael Gartz/Professor Fakultät IME
        • Prof. Dr. Uwe Oberheide/Professor Fakultät IME

        Learning Outcome(s)

        Was: Die Studierenden haben organisatorische Kompetenz erworben und können Projekt planen, durchführen, dokumentieren, Produktanforderungen analysieren, Machbarkeit bewerten und Produktqualität planen. Sie können Projektstrukturpläne und Projektzeitpläne erstellen, Projektmeilensteine planen, Projektrisiken erkennen und mildern. Sie können den Einsatz von Personal und Sachressource planen, Reviews planen, Produktverifikation planen.
        Die Studierenden haben Projektführungskompetenz erworben und können die Projektsteuerung mit agilen, evolutionären Vorgehensmodellen und dem Timeboxmodell durchführen. Sie können Projektmanagementwerkzeuge einsetzen, den Projektfortschritt überwachen / steuern und Projektergebnisse freigeben. Sie können den Entwicklungsprozess fortlaufend optimieren in unklaren Situationen entscheiden. Sie können den Entwicklungsverlauf dokumentieren, Projektberichte verfassen und verteidigen.
        Die Studierenden haben Personalführungskompetenz erworben und können Aufgaben auf Teammitglieder nach individuellen Qualifikationen und Neigungen verteilen.
        Sie können die Teambildung fördern, das Team koordinieren und zielorientiert und respektvoll kommunizieren und verbindliche Absprachen treffen und einfordern. Sie können Teamprozesse moderieren, potenzielle Konfliktsituationen erkennen und auflösen und Handlungsalternativen abwägen.
        Womit: indem sie die in dem Teamleiter Seminar erlernten Kompetenzen und Fertigkeiten und die in dem Projektleiter-Workshop erlernten Projektleitungs-Tools und Kompetenzen anwenden.
        Wozu: um später in den verschiedensten Industriebereichen Projekte mittels agilen, evolutionären Vorgehensmodellen, wie z.B. SCRUM, zu planen, durchzuführen, zu managen und zum Erfolg zu bringen.

        Modulinhalte

        Seminar

        Begriffe klassifizieren und abgrenzen; charakteristische Eigenschaften von Entwicklungsprojekten erläutern; technische und wirtschaftliche Ziele in Entwicklungsprojekten abstrakt definieren; Aufgaben des Projektmanagements abstrakt definieren, erläutern und begründen; /
        grundlegende Erfolgs- und Misserfolgsfaktoren im Projektmanagement benennen und erläutern: 1) unerwartete Technische Probleme, 2) ungenügende Personalqualifikation, 3) unklare oder widersprüchliche Anforderungen, 4) schlechtes Projektmanagement, 5) ungenügende Unterstützung durch das Senior Management, 6) erweiterte Herausforderungen identifizieren, die durch eine arbeitsteilige Projektbearbeitung entstehen
        ausgewählte lineare und agile Vorgehensmodelle erläutern:
        Phasenmodell, V-Modell, SCRUM, Timebox-Modell /
        Vorgehensmodelle einordnen und vergleichen / Projektentscheidungen
        grundlegende Aufgaben und erwartete Ergebnisse in Entwicklungsprojekten charakterisieren /
        Planung und Steuerung der Produktqualität und des Entwicklungsprozesses /
        Projektrisikomanagement, Ressourcenmanagement /
        Dokumentation des Entwicklungsverlaufs /
        Spezifikation der Anforderungen und des Produktdesigns/
        Produkt-Entwicklung, -Herstellung, -Dokumentation /
        Verifikation und Validierung /
        Produktfreigabe und Produktüberwachung
        Instrumente zur Steuerung von Teamprozessen charakterisieren
        für das Lehrveranstaltungselement "Projekt" wesentliche Managementaufgaben, Meilensteine und Projektdokumente planen
        wesentliche Managementaufgaben gedanklich durchführen und vorausschauend Projektrisiken ermitteln
        wesentliche Projektmanagementwerkzeuge für Projekt(zeit)planung und Anforderungsspezifikation zielgerichtet handhaben
        Vorgehen zur Teambildung planen, zu erwartende Herausforderungen und sinnvolle Maßnahmen ableiten
        potenzielle Konfliktsituationen im Team erkennen und Handlungsalternativen diskutieren
        Projekt

        Team leiten und dabei: 1) den Teammitgliedern das grundlegende Vorgehen im Projekt
        erläutern, 2) Kompetenzen der Teammitglieder erfassen und einordnen, 3)
        inhaltliche und terminliche Ziele vereinbaren
        Projekt leiten /
        Projektrisiken ermitteln und sinnvolle Milderungsmaßnahmen planen, z.B. frühe Machbarkeitsstudien /
        Projektzeitplan erstellen und pflegen /
        agiles Vorgehensmodell in Verbindung mit Timebox-Modell anwenden, um einen minimalen Projekterfolg sicherzustellen /
        ein für das Team erreichbares Minimalziel definieren /
        erweiterte Ziele für schnelle Teams definieren /
        Projektabschlussbericht verfassen
        Team leiten und dabei:
        1) Zielerreichung kontrollieren und steuern,
        2) Zusammenarbeit der Teammitglieder koordinieren,
        3) Konfliktsituationen im Team erkennen und auflösen
        Projekt leiten:
        Projektabschnitte planen, Projekt detaillieren, Aufgaben sinnvoll Teammitgliedern zuordnen /
        Inhaltliche Reviews mit den Teammitgliedern planen und durchführen /
        Projektergebnisse im Team bewerten: Vorgehen im aktuellen Projektabschnitt retrospektiv bewerten und ggf. für den nächsten Projektabschnitt modifizieren /
        Projektabschnitte dokumentieren / Zugriff auf gemeinschaftlich genutzte Laborressourcen planen / Projektentscheidungen mit dem Team treffen
        Lehr- und Lernmethoden
        • Seminar
        • Projekt
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 23 Stunden ≙ 2 SWS
        Selbststudium 127 Stunden
        Empfohlene Voraussetzungen grundlegende Kenntnisse zum Projektmanagement
        grundlegende Erfahrungen als Mitglied von Projektteams
        Zwingende Voraussetzungen
        • Projekt erfordert Anwesenheit im Umfang von: 8 Termine
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Projekt
        Empfohlene Literatur
        • Hans-D. Litke, „Projektmanagement, Methoden, Techniken, Verhaltensweisen, Evolutionäres Projektmanagement“, Hanser
        • Ken Schwaber: Agiles Projektmanagement mit Scrum (Microsoft Press)
        • Litke, Kunow, Schulz-Wimmer, „Projekt-Management“, Taschenguide , Haufe
        • Stefan Kreiser, Skripte der Vorlesung Software Engineering f.d. Automatisierungstechnik: „Projektmanagement, Vorgehensmodelle“, ILIAS
        • Stanley E.Portny, „Projektmanagement für Dummies“, Wiley
        • Marcus Heidbrink, „Das Projektteam“, Haufe
        • Video Tutorial für SCRUM: http://www.video2brain.com/de/videotraining/agile-softwareentwicklung-mit-scrum
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel PLSYP_MaTIN2024
        Modulbezeichnung Projektleitung Systementwicklungs-Projekt
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Prof. Dr. René Wörzberger/Professor Fakultät IME
        Dozierende*r Prof. Dr. René Wörzberger/Professor Fakultät IME

        Learning Outcome(s)

        • Studierende leiten ein Team von Systementwicklungs-Projekt-Teilnehmenden (SYP) an
        • indem sie
          • ein interessantes und geeignetes Entwicklungs-Thema ausarbeiten,
          • die Fortschritte des Teams über den gesamten Entwicklungsprozess überwachen,
          • regelmäßige Status-Meetings mit den Teammitgliedern abhalten
          • der Gesamtprojektleitung regelmäßig in weiteren Status-Meetings berichten
        • um (später) in einem (beruflichen) Umfeld Verantwortung für die (technische) Leitung eines Entwicklungsprojekts übernehmen zu können.

        Modulinhalte

        Praktikum

        SW-Erstellung im Team
        angemessene Kommunikation mit einem Kunden
        Bearbeitung des gesamten Software-Lebenszyklus
        eigenes Projekt zeitlich und inhaltlich strukturieren und organisieren
        Präsentationen erstellen und halten
        eigenen Zeitplan für das Projekt erstellen
        System-Anforderungen vom Kunden ermitteln und dokumentieren
        System gemäß Anforderungen im Team spezifizieren und modellieren
        System gemäß funktionaler Spezifikation und Qualitätsanforderungen im Team entwerfen
        System gemäß Entwurf im Team implementieren
        technische Deatails des realisierten Systems aussagekräftig darstellen
        implementiertes System auf Korrektheit prüfen
        Benutzung des realisierten Systems dokumentieren
        Verteidigung der eigenen Lösungen
        Lehr- und Lernmethoden Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 12 Stunden ≙ 1 SWS
        Selbststudium 138 Stunden
        Empfohlene Voraussetzungen Gute Kenntnisse in der Programmierung und im Software-Engineering.

        Die Kenntnisse können durch Nachweis der erfolgreich absolvierten Veranstaltungen
        * Praktische Informatik 1 und 2 sowie des Software-Engineering-Praktikums oder
        * Software-Praktikum oder
        * eine eingangs durchgeführte unbenotete Leistungsprüfung
        nachgewiesen werden.
        Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 5 Termine
        Empfohlene Literatur
        • keine
        Verwendung des Moduls in
        weiteren Studiengängen
        Perma-Links zur Organisation Ilu-Kurs
        Besonderheiten und Hinweise
        Letzte Aktualisierung 2.5.2025, 10:27:02
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel QC_MaTIN2024
        Modulbezeichnung Quantum Computing
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Semester
        Modul-Verantwortliche*r Prof. Dr. Heiko Knospe/Professor Fakultät IME
        Dozierende*r
        • Prof. Dr. Pascal Cerfontaine/Professor Fakultät IME
        • Prof. Dr. Heiko Knospe/Professor Fakultät IME

        Learning Outcome(s)

        Was: Die Studierenden lernen die Grundlagen des Quantum Computing kennen. Es werden die mathematischen Grundlagen des Quantum Computing und Kenntnisse über Quanten-Schaltkreise und wichtige Quanten-Algorithmen vermittelt (HF 1).
        Womit: Der Dozent/die Dozentin vermittelt Wissen und Basisfertigkeiten in der Vorlesung. In der Übung bearbeiten die Studierenden unter Anleitung Aufgaben und entwickeln Quantenalgorithmen (HF 1).
        Wozu: Quantencomputer können mit Hilfe von verschränkten Qubits eine große Zahl von Eingangswerten gleichzeitig verarbeiten und bestimmte schwere Probleme lösen (HF 2).

        Modulinhalte

        Vorlesung / Übungen

        - Fundamental concepts
        - Single Quantum Bits
        - Bloch Sphere
        - Quantum Key Distribution
        - Hilbert spaces
        - Bra-Ket notation
        - Inner product, Outer product, Tensor product
        - Hermitian and unitary operators
        - Multiple Qubit Systems
        - Entangled states
        - Measurement
        - Quantum Gates and Circuits
        - Realizing unitary transformations as Quantum Circuits
        - Deutsch and Deutsch-Josza algorithms
        - Discrete Fourier Transform and Quantum Fourier Transform
        - Quantum Algorithms: Shor, Grover, HHL (optional)
        - Quantum complexity classes
        - Quantum Error Correction (optional)
        Practical quantum computing and coding using the Qiskit SDK.
        Lehr- und Lernmethoden Vorlesung / Übungen
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 34 Stunden ≙ 3 SWS
        Selbststudium 116 Stunden
        Empfohlene Voraussetzungen
        Zwingende Voraussetzungen
        Empfohlene Literatur
        • M.A. Nielsen, I.L. Chuang, Quantum Computation and Quantum Information, Cambridge University Press.
        • E. Rieffel, W. Polak, Quantum Computing, MIT Press.
        • B. Zygelman, A First Introduction to Quantum Computing and Information, Springer.
        • H.Y. Wong, Introduction to Quantum Computing, Springer.
        • Matthias Homeister, Quantum Computer verstehen, Springer.
        Verwendung des Moduls in
        weiteren Studiengängen        		 QC in Master Communication Systems and Networks 2024
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel QEKS_MaTIN2024
        Modulbezeichnung Qualitätsgesteuerter Entwurf komplexer Softwaresysteme
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch und englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Prof. Dr. Stefan Kreiser/Professor Fakultät IME
        Dozierende*r Prof. Dr. Stefan Kreiser/Professor Fakultät IME

        Learning Outcome(s)

        Studierende sind im Hinblick auf die Qualität eines Softwaresystems in der Lage:
        - zur vorhersagbaren, effizienten Entwicklung eines Softwaresystems bzw. einer Softwarearchitektur zielgerichtet angemessene Wiederverwendungsstrategien und professionelle Modellierungs- und Entwicklungswerkzeuge sowie den Rahmenbedingungen insgesamt angemessene Projektstrukturen einzusetzen.
        - die Softwarearchitektur für komplexe, verteilte Automatisierungssysteme unter Berücksichtigung der spezifischen Anforderungen hinsichtlich der besonderen Zielsetzung des jeweiligen Automatisierungssystems zu analysieren, zu konzipieren, zu entwerfen, zu implementieren, zu prüfen und zu bewerten.
        - die besonderen Anforderungen an die Servicequalität, an die Einsatzumgebung und die organisatorischen Rahmenbedingungen für die Entwicklung, die sich aus dem Entwicklungsprozess und einem angemessenen Lebenszyklusmanagement ergeben, zu erkennen und im Hinblick auf ihre Relevanz für die Softwarearchitektur des Automatisierungssystems zu analysieren und zu bewerten.

        Modulinhalte

        Vorlesung / Übungen

        • Begriffe
          • Wert einer technischen Software
          • verteiltes Softwaresystem, Nebenläufigkeit
          • Softwarequalität, Dienstgüte, Refactoring
          • Komplexität (algorithmische, strukturelle), Emergenz
          • Wiederverwendung (Re-Use), Symmetrie und Symmetrieoperationen, Abstraktion, Invarianten
        • Methodische Ansätze zur qualitätsgesteuerten Wiederverwendung
          • Varianten für White Box Reuse
          • Black Box Reuse
          • Grey Box Reuse (Wiederverwendungshierarchie)
          • Re-Use in automatisierungstechnischen Softwaresystemen
            • Determinismus
            • Vorteile und Herausforderungen
          • angepasste Vorgehensmodelle und Personalstrukturen
            • vorhersagbare Zielerreichung in Entwicklungsprojekten (Produktqualität, Kosten, Zeit)
            • arbeitsteilige Entwicklung, Wartung und Pflege von Softwaresystemen
        • Muster (Pattern)
          • Musterbeschreibung mit UML
          • grundlegende Architekturmuster
            • Erzeugungsmuster
            • Strukturmuster
            • Verhaltensmuster
            • klassenbasierte (statische) vs. objektbasierte (dynamische) Muster
          • grundlegende Muster für nebenläufige und vernetzte Echtzeitsysteme
            • Muster zur Kapselung und zur rollenbasierten Erweiterung von Layerarchitekturen
            • Muster für Nebenläufigkeitsstrukturen zur Durchsatzoptimierung und Latenzzeitminimierung
            • Muster zur verteilten Ereignisprozessierung
            • Muster zur Prozesssynchronisation
          • Aufbau und Nutzung von Musterkatalogen, Mustersprachen
          • musterbasierter Entwurf komplexer Softwaresysteme
        • Komponenten und Frameworks
          • Designprinzipien
          • Schnittstellenarchitektur
          • aktive und passive Systemelemente
          • Entwurf, Programmierung und Test
            • Qualität
            • Konfiguration und Nutzung
        • Middlewaresysteme in Architekturen technischer Softwaresysteme
          • ORB-Architekturen am Beispiel CORBA und TAO
          • integrierte Systemplattformen am Beispiel MS .NET
        • Multiagentensysteme (MAS)
          • Architekturmodelle für Agenten
          • Kollaboration zwischen Agenten
          • Agentensprachen
          • Einsatzabwägung
        • Muster zur Gestaltung komplexer Softwaresysteme einsetzen
          • Verwendungszweck, Einsatzgrenzen, invariante und parametrierbare Anteile von Mustern aus Literaturquellen in englischer und deutscher Sprache ableiten und diskutieren
          • Implementierungsskelette von Mustern nachvollziehen und auf Aufgabenstellungen mit eingeschränktem inhaltlichen Fokus transferieren
            • Vorteile objektorientierter Programmiersprachen diskutieren
            • wiederkehrende Aufgabenstellungen beim Entwurf komplexer SW-Systeme ableiten
            • Muster beispielhaft implementieren und Beispielimplementierungen prüfen
          • Muster sinnvoll kombinieren, um wiederkehrende Aufgabenstellungen mit verbreitertem inhaltlichen Fokus zu lösen
            • UML2-Notationen nutzen
            • Professionelles UML2-Entwurfswerkzeug für Round-Trip-Engineering nutzen
            • Integration anhand der Beispielimplementierungen der zu kombinierenden Muster durchführen
            • Integrationstest durchführen, Lösung bewerten und optimieren
          • Black-Box-Komponenten musterbasiert konstruieren
        • Komponentenbasierte Softwarearchitekturen analysieren
          • sinnvolle Anwendungsbereiche aus den Architekturvorgaben ableiten
          • Vorgehen zur Konstruktion von Anwendungen diskutieren (Anwendungsebene erkennen)
          • aktive und passive Systemelemente erkennen und Laufzeitverhalten ableiten
          • abstrakte Umgebungschnittstellen zur Vernetzung, Konfiguration und Aktivierung von Komponenten erkennen
          • abstrakte Anwendungsschnittstellen zum Datenaustausch erkennen
          • Systemerweiterungspunkte finden (funktionale und strukturelle Parametrierungsebene erkennen)
        • Verteilungsarchitekturen analysieren
          • Essenzielle Systemdienste erkennen, beschreiben, einordnen und und begründen
          • strukturgebenden Architekturartefakten sinnvolle Lösungsmuster zuordnen
          • sinnvolle Anwendungsbereiche aus den Architekturvorgaben ableiten
          • Vorgehen zur Konstruktion von Anwendungen diskutieren (Anwendungsebene erkennen)
          • Eigenschaften und Einsatzgrenzen von Kommunikationsprotokollen diskutieren
          • vorgesehene Systemerweiterungspunkte finden
        • Multiagentensysteme mit konventionellen Verteilungsarchitekturen vergleichen
          • Agent vs. Komponente
          • Architekturmodelle
          • Aktivierungsmechanismen
          • Verteilungsmechanismen
          • Kommunikationsprotokolle und Kollaborationsmechanismen
          • Einsatzgebiete und Einsatzgrenzen
        Seminar

        anspruchsvolle Seminarthemen können z. B. aus den folgenden oder fachlich angrenzenden Themengebieten definiert werden: - wiederverwendbare Artefakte zum Aufbau der Architektur verteilter Softwaresysteme, - professionelle Verteilungsarchitekturen, - Multiagentensysteme, - besondere betriebswirtschaftliche, haftungsrechtliche und ethische Anforderungen bei Softwaresystemen mit (verteilter) künstlicher Intelligenz und deren Auswirkungen auf die Gestaltung von Softwarearchitekturen

        eigene Arbeitsergebnisse und Arbeitsergebnisse des Teams schriftlich und mündlich kompakt und zielgruppengerecht präsentieren
        Projekt

        • Softwareartefakt einer Verteilungsarchitektur für komplexe Softwaresysteme entwickeln
          • Projektierung in verteilten Teams mit agilem Vorgehensmodell durchführen
          • umfangreiche Systemanalyse hinsichtlich der Rolle des Artefakts in der Verteilungsarchitektur durchführen
          • Anforderungen an das Softwareartefakt ermitteln
          • Softwareartefakt basierend auf den Anforderungen spezifizieren und modellieren
            • Designprinzipien und Muster zum Erreichen definierter Qualitätsziele auswählen und begründen
            • Schnittstellen-, Verhaltens- und Strukturmodelle musterbasiert in UML2-Notationen iterativ herleiten
            • Professionelles UML2-Entwurfswerkzeug zielgerichtet einsetzen
            • Modelle verifizieren und bewerten, Modellfehler korrigieren und Modelle optimieren
          • Softwareartefakt in C++ programmieren
          • sinnvolle Prüfszenarien definieren und Softwareartefakt verifizieren
          • Qualität des Softwareartefakts bewerten
        • Arbeitsergebnisse des Teams kompakt und zielgruppengerecht präsentieren
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Seminar
        • Projekt
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 57 Stunden ≙ 5 SWS
        Selbststudium 93 Stunden
        Empfohlene Voraussetzungen
        • Modul PL: oder aus einem (naturwissenschaftlich-technischen) Bachelorstudium: - grundlegende Kenntnisse in (agilem) Projektmanagement
        • - Programmierkenntnisse in einer objektorientierten Programmiersprache, bevorzugt C++
          - Kenntnisse in Software-Modellierung mit Hilfe der Unified Modeling Language (UML) oder anderen (formalen) Sprachen, die das Modellieren von Schnittstellen, Verhalten und Strukturen unterstützen
          - grundlegende Kenntnisse in (agilem) Projektmanagement
          - grundlegende Softwarearchitekturmodelle
          - Kommunikationsmodelle in Softwaresystemen (OSI, TCPIP, Messaging)
        Zwingende Voraussetzungen
        • Projekt erfordert Anwesenheit im Umfang von: 3 Termine
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Projekt
        Empfohlene Literatur
        • D. Schmidt et.al.: Pattern-Oriented Software Architecture. Patterns for Concurrent and Networked Objects (Wiley)
        • Gamma et.al.: Design Patterns, (Addison-Wesley)
        • Martin Fowler: Refactoring, Engl. ed. (Addison-Wesley Professional)
        • U. Hammerschall: Verteilte Systeme und Anwendungen (Pearson Studium)
        • Andreas Andresen: Komponentenbasierte Softwareentwicklung m. MDA, UML2, XML (Hanser Verlag)
        • T. Ritter et. al.: CORBA Komponenten. Effektives Software-Design u. Progr. (Springer)
        • Bernd Oestereich: Analyse und Design mit UML 2.5 (Oldenbourg)
        • OMG Unified Modeling Language Spec., www.omg.org/um
        • I. Sommerville: Software Engineering (Addison-Wesley / Pearson Studium)
        • K. Beck: eXtreme Programming (Addison-Wesley Professional)
        • Ken Schwaber: Agiles Projektmanagement mit Scrum (Microsoft Press)
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel RFSD_MaTIN2024
        Modulbezeichnung RF System Design
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Prof. Dr. Rainer Kronberger/Professor Fakultät IME
        Dozierende*r Prof. Dr. Rainer Kronberger/Professor Fakultät IME

        Learning Outcome(s)

        In general: Students will learn how high frequency components of wireless communication systems work
        Module-specific:
        students will get a general introduction in rf systems
        they will learn in detail how transmitters and receivers in wireless communication systems work
        they will learn in detail how the components of such systems (LNA, mixer, amplifier, oscillator, etc.) work
        they will learn about limitation effects and noise in such systems
        they will learn how to adapt the components to each other and how to plan and design the complete system (transmitter and / or receiver)

        Modulinhalte

        Vorlesung / Übungen

        Hochfrequenzsysteme und Anwendungen
        Rauschen in Hochfrequenzsystemen und Baugruppen
        Characherisierung, Berechnung und Anwendung
        Lineares und nichtlineares Schaltungsverhalten
        Nichlinearität zur Mischung, nichtlineares Verhalten von Verstärkern
        Hochfrequenzsystemkomponenten
        Sender, Empfänger, Oszillatoren
        Praktikum

        Die Studierenden lernen die Funktions- und Wirkungsweise von hochfrequenten Schaltungen und Baugruppe kennen und lernen, wie die hochfrequente System e aufgebaut und entwickelt werden.
        Lehr- und Lernmethoden
        • Vorlesung / Übungen
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Hochfrequenztechnik und Mikrowellentechnik
        Zwingende Voraussetzungen
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Vorlesung / Übungen
        • Praktikum erfordert Anwesenheit im Umfang von: 3 Labortermine und 1 Präsentationstermin
        • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
        Empfohlene Literatur
        • Kraus & Carver Eletromagnetics, McGraw Hilll, 2006.
        • Michale Steer, Microwave and RF Design
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 2.5.2025, 10:27:02
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel THI_MaTIN2024
        Modulbezeichnung Theoretische Informatik
        Art des Moduls Pflichtmodul
        ECTS credits 5
        Sprache deutsch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr. Hubert Randerath/Professor Fakultät IME
        Dozierende*r Prof. Dr. Hubert Randerath/Professor Fakultät IME

        Learning Outcome(s)

        (WAS) Die Studierenden erlernen formale Grundlagen der Informatik
        (WOMIT) indem Sie
        - den Umgang mit Typ2, Typ1 und Typ0-Sprachen erlernen und formale Maschinen konstruieren, die Sprachen des jeweileigen Typs erkennen,
        - mit formalen Modellen der Informatik arbeiten,
        - Kenntnisse der Berechenbarkeits, Entscheidbarkeits- und Komplexitätstheorie auf praktische Probleme anwenden,
        - einen präzisen Algorithmenbegriff verwenden, um die Tragweite von Algorithmen zu beschreiben und die Komplexität von Algorithmen zu bestimmen,
        - die prinzipielle Lösbarkeit algorithmischer Probleme untersuchen,
        (WOZU) um in Forschungsergebnisse in späteren Lehrveranstaltungen und Abschlussarbeiten auf ein solides theoretisches Fundament stellen zu können.

        Modulinhalte

        Vorlesung / Übungen

        Die Bestimmung der Komplexität eines Algorithmus kann z.B. durch Analyse der Eingabeinstanz und des algorithmischen Kerns und Anwenden der O-Notation  vorgenommen werden.  Die Hartnäckigkeit eines algorithmischen Problems kann z.B. durch Anwenden einer geeigneten Reduktion auf ein etabliertes hartnäckiges Problem, wie beispielsweise dem aussagenlogischen Erfüllbarkeitsproblem, erreicht werden.
        Lehr- und Lernmethoden Vorlesung / Übungen
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 34 Stunden ≙ 3 SWS
        Selbststudium 116 Stunden
        Empfohlene Voraussetzungen Grundlagen der Automatentheorie und der Formalen Sprachen
        Zwingende Voraussetzungen
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen        		 THI in Master Technische Informatik 2020
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel VAE_MaTIN2024
        Modulbezeichnung Virtual Acoustic Environments
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache englisch
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Sommersemester
        Modul-Verantwortliche*r Prof. Dr.-Ing. Christoph Pörschmann/Professor Fakultät IME
        Dozierende*r Prof. Dr.-Ing. Christoph Pörschmann/Professor Fakultät IME

        Learning Outcome(s)

        What: The students learn the basic concepts , the technology and perception-related aspects of cirtual acoustic environemtns. The course will be strongly related to research aspects and projects
        How: The students apply their knowledge on Signal Processing, Audio, and in the field of VR on different aspects of Virtual Acoustic Environements. Actual trends in reseach and state of the art applications will integrated, tested, analyzed and evaluated.
        Aim: The students shall be able to work on research topics which consider topics whic are scientifically new and relevant. Apects of scalability and commercialization play a role

        Modulinhalte

        Vorlesung

        Die grundlegenden Konzepte zur Erzeugung kophörerbasierter oder lautsprecherbasierter VR-Systeme werden vorgestellt.
        Projekt

        Es soll vertieftes Wissen in einem der Bereiche / Aspekte von virtuellen akustischen Umgebungen erarbeitet, angewendet und präsentiert werden
        Praktikum
        Lehr- und Lernmethoden
        • Vorlesung
        • Projekt
        • Praktikum
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Gundlagen Akustik, Signalverarbeitung
        Zwingende Voraussetzungen Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
        Empfohlene Literatur
        • Rozinska, A. "Immersive Sound"
        • Blauert, J. "Spatial Hearing"
        • Zotter, F., Frank, M. "Ambisonics: A Practical 3D Audio Theory for Recording, Studio Production, Sound Reinforcement, and Virtual Reality"
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel VER_MaTIN2024
        Modulbezeichnung Virtuelle und erweiterte Realität
        Art des Moduls Wahlpflichtmodul
        ECTS credits 5
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Wintersemester
        Modul-Verantwortliche*r Prof. Dr.-Ing. Arnulph Fuhrmann/Professor Fakultät IME
        Dozierende*r
        • Prof. Dr.-Ing. Arnulph Fuhrmann/Professor Fakultät IME
        • Prof. Dr. Stefan Grünvogel/Professor Fakultät IME

        Learning Outcome(s)

        WAS:
        Das Modul vermittelt folgende Kenntnisse und Fertigkeiten:
        - Virtual- und Augmented-Reality-Anwendungen konzipieren, aufbauen und bewerten
        - Interaktions und Navigationsverfahren erstellen
        - Basistechnologien der virtuellen und erweiterten Reality weiterentwickeln
        - Werkzeuge und Methoden zur Entwirklickung von VR/AR-Anwendungen verwenden
        - Algorithmische und mathematische Grundlagen von VR/AR anwenden

        WOMIT:
        Die Kompetenzen werden zunächst über eine Vorlesung durch die Dozenten vermittelt und danach im Praktikum anhand konkreter Aufgabenstellung von den Studierenden vertieft. Im seminaristischen Teil der Lehrveranstaltung recherieren die Studierenden zu vorgegebenen Themen anhand von Fachartikeln und weiteren Informationsquellen über neue Konzepte der virtuellen und erweiterten Realität und stelle diese dar in einer Präsentation dar.

        WOZU:
        Die sichere Anwendung der Grundlagen der virtuellen und erweiterten Realität ist Voraussetzung für die Entwicklug komplexer interaktiver medientechnischer Systeme (HF1). Weiterhin erlaubt das Grundlagenwissen die Bewertung bestehender Systeme und das wissenschaftliche Arbeiten in diesem Gebiet (HF2).

        Modulinhalte

        Vorlesung

        Datenstrukturen und Algorithmen für VR/AR-Anwendungen
        Räumliche Datenstrukturen
        Interaktion in VR/AR
        Ein- und Ausgabegeräte
        Stereoskopisches Rendering
        Tracking
        Echtzeitrendering für VR/AR-Anwendungen
        Animation von Charakteren
        Animation von deformierbaren Objekten
        Kollisionserkennung und -behandlung
        Praktikum

        - Virtuelle Umgebungen und Augmented Reality-Anwendungen konzipieren, aufbauen und bewerten
        - Interaktions und Navigationsverfahren erstellen
        - Basistechnologien der virtuellen und erweiterten Reality weiterentwickeln
        - Werkzeuge und Methoden zur Realisierung von VR/AR-Anwendungen verwenden
        - Algorithmische und mathematische Grundlagen von VR/AR anwenden
        - textuelle Aufgabenstellungen erfassen und verstehen
        - Testen und debuggen der eigenen Anwendung
        Seminar

        Algorithmische und mathematische Grundlagen anwenden
        Interaktions- und Navigationsverfahren prüfen
        Selbstständig wissenschaftliche Literatur beschaffen und zusammenfassen
        Neue Konzepte der virtuellen und erweiterten Realität darstellen und diskutieren
        Lehr- und Lernmethoden
        • Vorlesung
        • Praktikum
        • Seminar
        Prüfungsformen mit Gewichtung
        Workload 150 Stunden
        Präsenzzeit 45 Stunden ≙ 4 SWS
        Selbststudium 105 Stunden
        Empfohlene Voraussetzungen Computergrafik
        Computeranimation
        Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
        Empfohlene Literatur
        • R. Dörner et al., Virtual und Augmented Reality (VR/AR): Grundlagen und Methoden der Virtuellen und Augmentierten Realität, Springer Vieweg, 2019
        • Schmalstieg und Höllerer, Augmented Reality – Principles and Practice, Addison Wesley, 2016
        • T. Akenine-Möller, et al., Real-Time Rendering Fourth Edition, Taylor & Francis Ltd., 2018
        • J. Jerald, The VR Book: Human-Centered Design for Virtual Reality, Acm Books, 2015
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        🔗

        Modulkürzel XGA_MaTIN2024
        Modulbezeichnung Gremienarbeit
        Art des Moduls Wahlpflichtmodul
        ECTS credits 0
        Sprache deutsch, englisch bei Bedarf
        Dauer des Moduls 1 Semester
        Empfohlenes Studiensemester 1-2
        Häufigkeit des Angebots jedes Semester
        Modul-Verantwortliche*r Studiengangsleiter(in) Master Technische Informatik / Informatik und Systems-Engineering
        Dozierende*r

        Learning Outcome(s)

        Anerkennbar ist die Mitarbeit in Berufungskommissionen als studentisches Mitglied. Die Anzahl der anerkannten ECTS-Punkte richtet sich nach der Anzahl der nachgewiesenen Stunden in der Gremientätigkeit. Es wird 1ECTS-Punkt pro 25 Stunden Gremienarbeit angerechnet. Der/die Vorsitzende der Berufungskommission vergibt die ECTS und bescheinigt diese. Es wird erwartet, dass der/die Studierende sich aktiv in die Arbeit einbringt.

        Modulinhalte

        Projekt
        Lehr- und Lernmethoden Projekt
        Prüfungsformen mit Gewichtung
        Workload 0 Stunden
        Präsenzzeit 12 Stunden ≙ 1 SWS
        Selbststudium -12 Stunden
        Empfohlene Voraussetzungen
        Zwingende Voraussetzungen
        Empfohlene Literatur
        Verwendung des Moduls in
        weiteren Studiengängen
        Besonderheiten und Hinweise Anerkennbar ist die Mitarbeit in Berufungskommissionen als studentisches Mitglied. Die Anzahl der anerkannten ECTS-Punkte richtet sich nach der Anzahl der nachgewiesenen Stunden in der Gremientätigkeit. Es wird 1ECTS-Punkt pro 25 Stunden Gremienarbeit angerechnet. Der/die Vorsitzende der Berufungskommission vergibt die ECTS und bescheinigt diese. Es wird erwartet, dass der/die Studierende sich aktiv in die Arbeit einbringt.
        Letzte Aktualisierung 16.3.2025, 17:36:54
        Web-Modulhandbuch-Editor-Links Modul Lehrveranstaltung

        Wahlbereiche🔗

        Im Folgenden wird dargestellt, welche Module in einem bestimmten Wahlbereich gewählt werden können. Für alle Wahlbereiche gelten folgende Hinweise und Regularien:

        • In welchem Semester Wahlpflichtmodule eines Wahlbereichs typischerweise belegt werden können, kann den Studienverlaufsplänen entnommen werden.
        • Module werden in der Regel nur entweder im Sommer- oder Wintersemester angeboten. Das heißt, dass eine eventuell erforderliche begleitende Prüfung nur im Sommer- oder Wintersemester abgelegt werden kann. Die summarischen Prüfungen werden bei Modulen der Fakultät 07 für Medien-, Informations- und Elektrotechnik in der Regel in der Prüfungszeit nach jedem Semester angeboten.
        • Ein absolviertes Modul wird für maximal einen Wahlbereich anerkannt, auch wenn es in mehreren Wahlbereichen aufgelistet ist.
        • Bei manchen Modulen gibt es eine Aufnahmebegrenzung. Näheres hierzu ist in den Bekanntmachungen zu den Aufnahmebegrenzungen zu finden.
        • Die Anmeldung an und die Aufnahme in fakultätsexterne Module unterliegen Fristen und anderen Bedingungen der anbietenden Fakultät oder Hochschule. Eine Aufnahme kann nicht garantiert werden. Studierende müssen sich frühzeitig bei der jeweiligen externen Lehrperson informieren, ob Sie an einem externen Modul teilnehmen dürfen und was für eine Anmeldung und Teilnahme zu beachten ist.
        • Auf Antrag kann der Wahlbereich um weitere passende Module ergänzt werden. Ein solcher Antrag ist bis spätestens sechs Monate vor einer geplanten Teilnahme an einem zu ergänzenden Modul formlos an die Studiengangsleitung zu richten. Über die Annahme des Antrags befindet der Prüfungsausschuss im Benehmen mit der Studiengangsleitung und fachlich geeigneten Lehrpersonen.

        🔗

        Gemäß § 4 Abs. 2 der Prüfungsordnung besteht die Möglichkeit, einen Auslandsaufenthalt in das Studium zu integrieren.

        Studierende, die einen Auslandsaufenthalt in ihr Studium integriert haben und dabei Studienleistungen an einer ausländischen Hochschule erbracht haben, können sich diese auf Antrag und mit Zustimmung des Prüfungsausschusses anerkennen lassen.

        Die Leistungspunkte der anerkannten Studienleistungen können von den im regulären Studienverlaufsplan vorgesehenen Leistungspunkten abweichen.

        Näheres regeln die vom Fakultätsrat beschlossenen „Richtlinien zur Anerkennung von im Ausland an einer Hochschule erbrachten Leistungen“ in der jeweils gültigen Fassung.

        Vor Antritt des Auslandsaufenthaltes ist mit dem Auslandsbeauftragten der Fakultät ein Learning Agreement abzuschließen.

        🔗

        Für dieses Wahlmodul stehen folgende Module zur Verfügung.

        Aus diesem Wahlbereich müssen Module im Umfang von mindestens 5 ECTS-Kreditpunkten belegt werden.

        Module der Fakultät:

        Modulkürzel Modulbezeichnung ECTS
        HIM Advanced Mathematics 5
        KOGA Kombinatorische Optimierung und Graphenalgorithmen 5
        KRY Cryptography 5
        MLWR Maschinelles Lernen und wissenschaftliches Rechnen 5

        Module anderer Fakultäten oder Hochschulen:

        Zugehörigkeit Modulbezeichnung ECTS
        TH Köln (Fakultät 10) Multivariante Statistik 6

        🔗

        Aus diesem Wahlbereich müssen Module im Umfang von mindestens 15 ECTS-Kreditpunkten belegt werden.

        Module der Fakultät:

        Modulkürzel Modulbezeichnung ECTS
        AMC Advanced Multimedia Communications 5
        AMS Special Aspects of Mobile Autonomous Systems 5
        ARP Alternative Rechnerarchitekturen und Programmiersprachen 5
        CI Computational Intelligence 5
        ESD Embedded Systems Design 5
        IIS Intelligent Information Systems 5
        LCSS Large and Cloud-based Software-Systems 5
        NGN Next Generation Networks 5
        QC Quantum Computing 5
        QEKS Qualitätsgesteuerter Entwurf komplexer Softwaresysteme 5

        Module anderer Fakultäten oder Hochschulen:

        Zugehörigkeit Modulbezeichnung ECTS
        TH Köln (Fakultät 10) Advanced Machine Learning 6
        Universität Köln Quantum Information Theory 6

        🔗

        Aus diesem Wahlbereich müssen Module im Umfang von mindestens 20 ECTS-Kreditpunkten belegt werden.

        Dieser Wahlbereich umfasst insbesondere alle Module aus folgenden anderen Bereichen:

        Module der Fakultät:

        Modulkürzel Modulbezeichnung ECTS
        ACC Advanced Channel Coding 5
        AMC Advanced Multimedia Communications 5
        AMS Special Aspects of Mobile Autonomous Systems 5
        ARP Alternative Rechnerarchitekturen und Programmiersprachen 5
        AVT Audio- und Videotechnologien 5
        AVV Algorithmen der Videosignalverarbeitung in Master Medientechnologie 2024 5
        CI Computational Intelligence 5
        CSO Computersimulation in der Optik in Master Elektrotechnik und Informationstechnik 2024 5
        DLO Deep Learning und Objekterkennung 5
        DMC Digital Motion Control 5
        DSP Digital Signal Processing 5
        ESD Embedded Systems Design 5
        HIM Advanced Mathematics 5
        IBD InnoBioDiv 5
        IIS Intelligent Information Systems 5
        ITF IT-Forensik 5
        KOGA Kombinatorische Optimierung und Graphenalgorithmen 5
        KRY Cryptography 5
        LCSS Large and Cloud-based Software-Systems 5
        MCI Mensch-Computer-Interaktion 5
        MLWR Maschinelles Lernen und wissenschaftliches Rechnen 5
        NGN Next Generation Networks 5
        PAP Parallele Programmierung 5
        QC Quantum Computing 5
        QEKS Qualitätsgesteuerter Entwurf komplexer Softwaresysteme 5
        QM Quantenmechanik in Master Elektrotechnik und Informationstechnik 2024 5
        RFSD RF System Design 5
        SIM Simulation in der Ingenieurswissenschaft in Master Elektrotechnik und Informationstechnik 2024 5
        VAE Virtual Acoustic Environments 5
        VER Virtuelle und erweiterte Realität 5

        Module anderer Fakultäten oder Hochschulen:

        Zugehörigkeit Modulbezeichnung ECTS
        Hochschule Bonn-Rhein-Sieg Virtuelle Private Netze 6
        Hochschule Bonn-Rhein-Sieg Service Management in Netzen 6
        TH Köln (Fakultät 10) Data Driven Modeling 6
        TH Köln (Fakultät 10) Domain-Driven Design of Large Software Systems 6
        Hochschule Bonn-Rhein-Sieg Embedded Systems 6
        TH Köln (Fakultät 10) Data Science and Ethics 6
        TH Köln (Fakultät 09) Modellierung von Energiesystemen 5
        TH Köln (Fakultät 10) Advanced Machine Learning 6
        Universität Köln Quantum Information Theory 6
        TH Köln (Fakultät 10) Multivariante Statistik 6

        🔗

        In diesem Wahlbereich können Module zu außerfachlichen, nicht-technischen Themen belegt werden. Im Folgenden werden nur Module dargestellt, die regelmäßig angeboten werden. Es sind aber auch einmalig oder unregelmäßig angebotene Module in diesem Wahlbereich wählbar, beispielsweise Module, die von der Kompetenzwerkstatt angeboten werden. Die Anerkennung eines solchen, unten nicht aufgeführten Moduls für diesen Wahlbereich muss per E-Mail an die Studiengangleitung vor der Teilnahme geklärt werden.

        Aus diesem Wahlbereich müssen Module im Umfang von mindestens 5 ECTS-Kreditpunkten belegt werden.

        Module der Fakultät:

        Modulkürzel Modulbezeichnung ECTS
        ERMK Entrepreneurship, Gewerblicher Rechtsschutz, Market Knowledge in Master Elektrotechnik und Informationstechnik 2024 5
        ETH Ethik 5
        PLET Projektleitung 5
        PLSYP Projektleitung Systementwicklungs-Projekt 5
        XGA Gremienarbeit 0

        Module anderer Fakultäten oder Hochschulen:

        Zugehörigkeit Modulbezeichnung ECTS
        TH Köln (Fakultät 10) Leadership Principles and Strategic Management 6
        TH Köln (Fakultät 10) Projektmanagement (deutsch) 6
        TH Köln (Fakultät 10) Projektmanagement (englisch) 6
        TH Köln (Kompetenzwerkstatt) Digitale Arbeitswelt 5
        TH Köln (Fakultät 10) StartUp Bootcamp 5
        TH Köln (Fakultät 04) Steuern 6
        TH Köln (Fakultät 04) Risk Management 1 5
        TH Köln (Fakultät 10) Data Science and Ethics 6
        TH Köln (Kompetenzwerkstatt) Stärken stärken und Schwächen nutzen 1
        TH Köln (Kompetenzwerkstatt) Unternehmensführung im öffentlichen Sektor 6
        TH Köln (Kompetenzwerkstatt) Intellectual Activism - feministische Verbindungen zwischen Forschung und Praxis 3
        TH Köln (Kompetenzwerkstatt) Selbstlernmodul Moderation 2
        TH Köln (Kompetenzwerkstatt) Konfliktlösungs- und Verhandlungstechniken 6
        TH Köln (Kompetenzwerkstatt) Kommunikative Kompetenz in Führungssituationen 2
        TH Köln (Kompetenzwerkstatt) Rhetorik in der Gesprächsführung 3
        TH Köln (Kompetenzwerkstatt) Rhetorik in der Verhandlungstechnik 3
        TH Köln (Kompetenzwerkstatt) Entrepreneurship - Grundlagenveranstaltung 6
        TH Köln (Kompetenzwerkstatt) Praxisprojekt: Komplexe Herausforderungen der digitalen Arbeitswelt 6
        TH Köln (Kompetenzwerkstatt) Produktentwicklungsmethoden 6
        TH Köln (Kompetenzwerkstatt) Entwicklung von Geschäftsszenarios bei Existenzgründung 6
        TH Köln (Kompetenzwerkstatt) Design Thinking 3
        TH Köln (Kompetenzwerkstatt) Persönliche Karriereentscheidungen mit dem Entscheidungsnavi 1
        TH Köln (Kompetenzwerkstatt) Konflikte verstehen und effektiv lösen 2
        TH Köln (Kompetenzwerkstatt) Interkulturelle Teamarbeit - Vielfalt als Erfolgsfaktor 3
        TH Köln (Kompetenzwerkstatt) Als Führungskraft begeistern - Die Basics im Leadership 2

        Studienschwerpunkte🔗

        Im Masterstudiengang Informatik und Systems-Engineering gibt es keine Studienrichtungen oder -schwerpunkte

        Prüfungsformen🔗

        Im Folgenden werden die in den Modulbeschreibungen referenzierten Prüfungsformen näher erläutert. Die Erläuterungen stammen aus der Prüfungsordnung, §19ff. Bei Abweichungen gilt der Text der Prüfungsordnung.

        (elektronische) Klausur

        Schriftliche, in Papierform oder digital unterstützt abgelegte Prüfung. Genaueres regelt §19 der Prüfungsordnung.

        Mündliche Prüfung

        Mündlich abzulegende Prüfung. Genaueres regelt §21 der Prüfungsordnung.

        Mündlicher Beitrag

        Siehe §22, Abs. 5 der Prüfungsordnung: Ein mündlicher Beitrag (z. B. Referat, Präsentation, Verhandlung, Moderation) dient der Feststellung, ob die Studierenden befähigt sind, innerhalb einer vorgegebenen Frist eine praxisorientierte Aufgabe nach wissenschaftlichen und fachpraktischen Methoden selbstständig zu bearbeiten und mittels verbaler Kommunikation fachlich angemessen darzustellen. Dies beinhaltet auch, Fragen des Auditoriums zur mündlichen Darstellung zu beantworten. Die Dauer des mündlichen Beitrags wird von der Prüferin beziehungsweise dem Prüfer zu Beginn des Semesters festgelegt. Die für die Benotung des mündlichen Beitrags maßgeblichen Tatsachen sind in einem Protokoll festzuhalten, zur Dokumentation sollen die Studierenden ebenfalls die schriftlichen Unterlagen zum mündlichen Beitrag einreichen. Die Note ist den Studierenden spätestens eine Woche nach dem mündlichen Beitrag bekanntzugeben.

        Fachgespräch

        Siehe §22, Abs. 8 der Prüfungsordnung: Ein Fachgespräch dient der Feststellung der Fachkompetenz, des Verständnisses komplexer fachlicher Zusammenhänge und der Fähigkeit zur analytischen Problemlösung. Im Fachgespräch haben die Studierenden und die Prüfenden in etwa gleiche Redeanteile, um einen diskursiven fachlichen Austausch zu ermöglichen. Semesterbegleitend oder summarisch werden ein oder mehrere Gespräche mit einer Prüferin oder einem Prüfer geführt. Dabei sollen die Studierenden praxisbezogene technische Aufgaben, Problemstellungen oder Projektvorhaben aus dem Studiengang vorstellen und erläutern sowie die relevanten fachlichen Hintergründe, theoretischen Konzepte und methodischen Ansätze zur Bearbeitung der Aufgaben darlegen. Mögliche Lösungsansätze, Vorgehensweisen und Überlegungen zur Problemlösung sind zu diskutieren und zu begründen. Die für die Benotung des Fachgesprächs maßgeblichen Tatsachen sind in einem Protokoll festzuhalten.

        Projektarbeit

        Siehe §22, Abs. 6 der Prüfungsordnung: Die Projektarbeit ist eine Prüfungsleistung, die in der selbstständigen Bearbeitung einer spezifischen Fragestellung unter Anleitung mit wissenschaftlicher Methodik und einer Dokumentation der Ergebnisse besteht. Bewertungsrelevant sind neben der Qualität der Antwort auf die Fragestellung auch die organisatorische und kommunikative Qualität der Durchführung, wie z.B. Slides, Präsentationen, Meilensteine, Projektpläne, Meetingprotokolle usw.

        Praktikumsbericht

        Siehe §22, Abs. 10 der Prüfungsordnung: Ein Praktikumsbericht (z. B. Versuchsprotokoll) dient der Feststellung, ob die Studierenden befähigt sind, innerhalb einer vorgegebenen Frist eine laborpraktische Aufgabe selbstständig sowohl praktisch zu bearbeiten als auch Bearbeitungsprozess und Ergebnis schriftlich zu dokumentieren, zu bewerten und zu reflektieren. Vor der eigentlichen Versuchsdurchführung können vorbereitende Hausarbeiten erforderlich sein. Während oder nach der Versuchsdurchführung können Fachgespräche stattfinden. Praktikumsberichte können auch in Form einer Gruppenarbeit zur Prüfung zugelassen werden. Die Bewertung des Praktikumsberichts ist den Studierenden spätestens sechs Wochen nach Abgabe des Berichts bekanntzugeben.

        Übungspraktikum

        Siehe §22, Abs. 11 der Prüfungsordnung: Mit der Prüfungsform "Übungspraktikum" wird die fachliche Kompetenzen bei der Anwendung der in der Vorlesung erlernten Theorien und Konzepte sowie praktische Fertigkeiten geprüft, beispielsweise der Umgang mit Entwicklungswerkzeugen und Technologien. Dazu werden semesterbegleitend mehrere Aufgaben gestellt, die entweder alleine oder in Gruppenarbeit, vor Ort oder auch als Hausarbeit bis zu einem jeweils vorgegebenen Termin zu lösen sind. Die Lösungen der Aufgaben sind durch die Studierenden in (digitaler) schriftlicher Form einzureichen. Die genauen Kriterien zum Bestehen der Prüfung wird zu Beginn der entsprechenden Lehrveranstaltung bekannt gegeben.

        Übungspraktikum unter Klausurbedingungen

        Siehe §22, Abs. 11, Satz 5 der Prüfungsordnung: Ein "Übungspraktikum unter Klausurbedingungen" ist ein Übungspraktikum, bei dem die Aufgaben im zeitlichen Rahmen und den Eigenständigkeitsbedingungen einer Klausur zu bearbeiten sind.

        Hausarbeit

        Siehe §22, Abs. 3 der Prüfungsordnung: Eine Hausarbeit (z.B. Fallstudie, Recherche) dient der Feststellung, ob die Studierenden befähigt sind, innerhalb einer vorgegebenen Frist eine Fachaufgabe nach wissenschaftlichen und fachpraktischen Methoden selbstständig in schriftlicher oder elektronischer Form zu bearbeiten. Das Thema und der Umfang (z. B. Seitenzahl des Textteils) der Hausarbeit werden von der Prüferin beziehungsweise dem Prüfer zu Beginn des Semesters festgelegt. Eine Eigenständigkeitserklärung muss vom Prüfling unterzeichnet und abgegeben werden. Zusätzlich können Fachgespräche geführt werden.

        Lernportfolio

        Ein Lernportfolio dokumentiert den studentischen Kompetenzentwicklungsprozess anhand von Präsentationen, Essays, Ausschnitten aus Praktikumsberichten, Inhaltsverzeichnissen von Hausarbeiten, Mitschriften, To-Do-Listen, Forschungsberichten und anderen Leistungsdarstellungen und Lernproduktionen, zusammengefasst als sogenannte „Artefakte“. Nur in Verbindung mit der studentischen Reflexion (schriftlich, mündlich oder auch in einem Video) der Verwendung dieser Artefakte für das Erreichen des zuvor durch die Prüferin oder den Prüfer transparent gemachten Lernziels wird das Lernportfolio zum Prüfungsgegenstand. Während der Erstellung des Lernportfolios wird im Semesterverlauf Feedback auf Entwicklungsschritte und/oder Artefakte gegeben. Als Prüfungsleistung wird eine nach dem Feedback überarbeitete Form des Lernportfolios - in handschriftlicher oder elektronischer Form - eingereicht.

        Schriftliche Prüfung im Antwortwahlverfahren

        Siehe §20 der Prüfungsordnung.

        Zugangskolloquium

        Siehe §22, Abs. 12 der Prüfungsordnung: Ein Zugangskolloquium dient der Feststellung, ob die Studierenden die versuchsspezifischen Voraussetzungen erfüllen, eine definierte laborpraktische Aufgabe nach wissenschaftlichen und fachpraktischen Methoden selbständig und sicher bearbeiten zu können.

        Testat / Zwischentestat

        Siehe §22, Abs. 7 der Prüfungsordnung: Mit einem Testat/Zwischentestat wird bescheinigt, dass die oder der Studierende eine Studien-arbeit (z.B. Entwurf) im geforderten Umfang erstellt hat. Der zu erbringende Leistungsumfang sowie die geforderten Inhalte und Anforderungen ergeben sich aus der jeweiligen Modulbe-schreibung im Modulhandbuch sowie aus der Aufgabenstellung.

        Open-Book-Ausarbeitung

        Die Open-Book-Ausarbeitung oder -Arbeit (OBA) ist eine Kurz-Hausarbeit und damit eine unbeaufsichtigte schriftliche oder elektronische Prüfung. Sie zeichnet sich dadurch aus, dass gemäß Hilfsmittelerklärung der Prüferin bzw. des Prüfers in der Regel alle Hilfsmittel zugelassen sind. Auf die Sicherung guter wissenschaftlicher Praxis durch ordnungsgemäßes Zitieren etc. und das Erfordernis der Eigenständigkeit der Erbringung jedweder Prüfungsleistung wird besonders hingewiesen.

        Abschlussarbeit

        Bachelor- oder Masterarbeit im Sinne der Prüfungsorndung §25ff.: Die Masterarbeit ist eine schriftliche Hausarbeit. Sie soll zeigen, dass die oder der Studierende befähigt ist, innerhalb einer vorgegebenen Frist ein Thema aus ihrem oder seinem Fachgebiet sowohl in seinen fachlichen Einzelheiten als auch in den fachübergreifenden Zusammenhän-gen nach wissenschaftlichen und fachpraktischen Methoden selbstständig zu bearbeiten. Die interdisziplinäre Zusammenarbeit kann auch bei der Abschlussarbeit berücksichtigt werden.

        Kolloquium

        Kolloquium zur Bachelor- oder Masterarbeit im Sinne der Prüfungsordnung §29: Das Kolloquium dient der Feststellung, ob die Studentin oder der Student befähigt ist, die Ergebnisse der Masterarbeit, ihre fachlichen und methodischen Grundlagen, fachübergreifende Zusammenhänge und außerfachlichen Bezüge mündlich darzustellen, selbständig zu begründen und ihre Bedeutung für die Praxis einzuschätzen.

        Profil-Modulmatrix🔗

        Im Folgenden wird dargestellt, inwieweit die Module des Studiengangs die Kompetenzen und Handlungsfelder des Studiengangs sowie hochschulweite Studiengangskriterien stützen bzw. ausbilden.

        Kürzel Modulbezeichnung HF1 - Entwicklung und Design HF2 - Forschung und Innovation HF3 - Leitung und Management HF4 - Qualitätssicherung und Te... K.1 - Entwicklung und Konzeptio... K.2 - Prüfung und Bewertung kom... K.3 - Wissenschaftliches Arbeit... K.4 - Projektmanagement und Tea... K.5 - Selbstorganisation und au... K.6 - Kommunikation und interku... K.7 - Technische und naturwisse... K.8 - Nachhaltigkeit und gesell... K.9 - Analyse, Simulation und A... K.10 - Führungs- und Entscheidun... K.11 - Anwendung ethischer Werte... K.12 - Integratives Denken und H... K.13 - Innovation und Kreativitä... SK.1 - Global Citizenship SK.2 - Internationalisierung SK.3 - Interdisziplinarität SK.4 - Transfer
        ACC Advanced Channel Coding ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        AMC Advanced Multimedia Communications ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        AMS Special Aspects of Mobile Autonomous Systems ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        ARP Alternative Rechnerarchitekturen und Programmiersprachen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        AVT Audio- und Videotechnologien ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        CI Computational Intelligence ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        DLO Deep Learning und Objekterkennung ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        DMC Digital Motion Control ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        DSP Digital Signal Processing ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        ESD Embedded Systems Design ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        ETH Ethik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        FP Forschungsprojekt ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        HIM Advanced Mathematics ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        IBD InnoBioDiv ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        IIS Intelligent Information Systems ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        ITF IT-Forensik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        KOGA Kombinatorische Optimierung und Graphenalgorithmen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        KOLL Kolloquium zur Masterarbeit ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        KRY Cryptography ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        LCSS Large and Cloud-based Software-Systems ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        MAA Masterarbeit ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        MCI Mensch-Computer-Interaktion ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        MLWR Maschinelles Lernen und wissenschaftliches Rechnen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        NGN Next Generation Networks ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        PAP Parallele Programmierung ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        PLET Projektleitung ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        PLSYP Projektleitung Systementwicklungs-Projekt ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        QC Quantum Computing ⬤ ⬤ ⬤
        QEKS Qualitätsgesteuerter Entwurf komplexer Softwaresysteme ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        RFSD RF System Design ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        THI Theoretische Informatik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        VAE Virtual Acoustic Environments ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        VER Virtuelle und erweiterte Realität ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
        XGA Gremienarbeit

        Versionsverlauf🔗

        In untenstehender Tabelle sind die verschiedenen Versionen des Lehrangebots aufgeführt. Die Versionen sind umgekehrt chronologisch sortiert mit der aktuell gültigen Version in der ersten Zeile. Die einzelnen Versionen können über den Link in der rechten Spalte aufgerufen werden.

        Version Datum Änderungen Link
        1.1 2024-11-29-12-00-00
        1. Version zur Abstimmung im Fakultätsrat
        		 Link
        1.0 2024-11-29-12-00-00
        1. Begutachtete Version für Reakkreditierung 2024
        2. Neues Layout für sämtliche Modulhandbücher
        		 Link
        Impressum
        Datenschutzhinweis
        Haftungshinweis
        Bei Fehlern, bitte Mitteilung an die
        modulhandbuchredaktion@f07.th-koeln.de