Fakultät 07 für Informations-, Medien- und Elektrotechnik

Master Communication Systems and Networks PO3

Modulhandbuch

Master of Science | Version: 3.9.2025-09-18-14-14-22.5fce3ccf

Die neueste Version dieses Modulhandbuchs ist verfügbar unter:
https://f07-studieninfo.web.th-koeln.de/mhb/current/de/MaCSN2020.html

Studiengangsbeschreibung🔗

Das immer stärkere Zusammenwirken von Hardware und Softwarelösungen und die Vernetzung von Systemen prägen die wirtschaftlichen und technologischen Entwicklungen in der Computerindustrie und Telekommunikationsbranche. Der Studiengang Communication Systems and Networks bietet Studierenden die Möglichkeit, die komplexen Zusammenhänge moderner und zukünftig erforderlicher Kommunikationssysteme und -dienstleistungen zu erfassen und zu gestalten. Eine Besonderheit des Studiengangs ist die ganzheitliche Betrachtung nachrichtentechnischer Systeme von der Systemebene bis hin zur Netzwerkebene inklusive den aktuellen Sicherheitsanforderungen an solche Systeme. Den Studierenden bietet sich durch die Wahl aus zwei Vertiefungsprofilen Communication Systems und Networks and Security die Möglichkeit, je nach ihren Neigungen in einem dieser Gebiete vertiefte Kenntnisse und Fähigkeiten zu erlangen. Der Studiengang wird fast ausschließlich in englischer Sprache durchgeführt. Er richtet sich somit auch an internationale Studierende mit englischen Sprachkenntnissen.

Berufsfelder

Die Planung, Entwicklung und kundenspezifische Anpassung neuer Systeme der Kommunikationstechnik und -netze stehen im Zentrum der beruflichen Tätigkeiten. Die allgemein starke Nachfrage nach kommunikations- und informationstechnischen Dienstleistungen in praktisch allen Wirtschaftszweigen eröffnet zahlreiche Perspektiven in vielen Branchen. Neben Großunternehmen aus dem Mobilfunk- und Telekommunikationssektor sind Hersteller und Anbieter von nachrichtentechnischen Geräten und Einrichtungen, Netzbetreiber und Rundfunkanstalten, Hersteller von Geräten für die Unterhaltungselektronik, Maschinen- und Anlagenbauer, Automobilindustrie und deren Zulieferer zu nennen. Tätigkeiten als wissenschaftliche(r) MitarbeiterIn bei wissenschaftlichen und öffentlichen Institutionen und Forschungseinrichtungen mit der Möglichkeit zur Promotion sind ebenfalls vorgesehen.

Erwartungen an die StudienbewerberInnen

Neben den formalen Zulassungvoraussetzungen gemäß §3 der Prüfungsordnung wird von den Studierenden ein hohes Maß an Motivation, Engagement, Eigenverantwortung und Belastbarkeit bei der Gestaltung und Durchführung des Studiums erwartet.

Studium

Das Masterprogramm wird vom Institut für Nachrichtentechnik der Fakultät für Informations-, Medien- und Elektrotechnik der TH Köln in Kooperation mit dem Fachbereich Informatik der Hochschule Bonn-Rhein-Sieg in St. Augustin angeboten. Es zeichnet sich durch eine praxisorientierte, berufsqualifizierende Ausbildung aus. Der modulare Aufbau des Studiums und die Bewertung der Module und Lehrveranstaltungen nach dem European Credit Transfer System (ECTS) erleichtern den internationalen Studierendenaustausch. Der Studiengang sieht einen Umfang von insgesamt 90 ECTS Punkten vor. Eine Vielzahl der Fächer wird in englischer Sprache gelehrt. Der anwendungsorientierte Masterstudiengang Communication Systems and Networks ist für eine Regelstudienzeit von drei Semestern einschließlich der Anfertigung der Masterarbeit konzipiert und führt zu dem Abschluss Master of Science. Die Studierenden erhalten durch Double Degree Abkommen mit der Universidad Polytécnico de Valéncia und der Universidad Polytécnico de Madrid die Möglichkeit mit geringem Mehraufwand einen Masterabschluss der TH Köln und einer renommierten spanischen Hochschule zu erwerben. Die dortigen Programme werden auch weitestgehend in englischer Sprache angeboten.

Studienbeginn

Das Studium beginnt in der Regel zum Sommersemester. Der Einstieg zum Wintersemester ist möglich.

AbsolventInnenprofil🔗

AbsolventInnen des Studiengangs M. Sc. Communication Systems and Networks sind in der Lage, hochkomplexe Kommunikationssysteme und Netzwerktechnologien auf fortgeschrittenem wissenschaftlichem Niveau zu analysieren, zu gestalten und weiterzuentwickeln. Sie übernehmen Verantwortung in Forschung, Entwicklung, Systemintegration und technologischem Management -- national wie international. Der Studiengang richtet sich an qualifizierte Informatik- und IngenieurabsolventInnen und hebt sich durch seine forschungsnahe, internationale und interdisziplinäre Ausrichtung klar von grundständigen Studiengängen ab.

Der Masterstudiengang Communication Systems and Networks ist eine wissenschaftlich fundierte, stark anwendungsorientierte Ausbildung im Bereich der Informations- und Kommunikationstechnik. Anders als ein Bachelorstudium fokussiert sich das CSN-Programm auf die konzeptionelle Tiefe, systemübergreifende Verantwortung und innovative Gestaltung zukünftiger Informations- und Kommunikationssysteme und -netze.

Die Studierenden erlangen vertieftes, interdisziplinäres Fachwissen in den Bereichen:

  • Kommunikationssysteme, Netzwerktechnologien und Signalverarbeitung
  • Informationstheorie, Informationssicherheit und Kryptografie, Embedded Systems, KI-gestützte Netzwerke
  • Verteilte Systeme, IoT-Architekturen, Mobilfunknetze, Multimedia-Kommunikation

Das Studienprogramm zeichnet sich aus durch:

  • die vollständige Durchführung in englischer Sprache und internationale Ausrichtung,
  • wählbare Profilschwerpunkte ("Communication Systems" oder "Networks and Security"),
  • enge Einbindung forschungsbasierter Projektarbeit,
  • Double-Degree-Programme mit Partnerhochschulen in Spanien, sowie
  • eine fundierte Vorbereitung auf Führungspositionen und/oder eine Promotion.

Die AbsolventInnen des Studiengangs entwickeln ein für den Masterabschluss spezifisches Profil in folgenden Bereichen:

  • Sie konzipieren, implementieren und evaluieren komplexe Systeme der modernen Kommunikations- und Netzwerktechnologie unter Einbezug ökonomischer, ökologischer und ethischer Aspekte.
  • Sie beherrschen wissenschaftliche Methoden auf hohem Niveau und können Forschungsfragen strukturiert bearbeiten – auch mit Blick auf eine spätere Promotion.
  • Durch Projekte wie das Research Project und die Masterarbeit entwickeln sie Fähigkeiten zur wissenschaftlichen Analyse, interdisziplinären Teamarbeit und Innovation.
  • Sie sind befähigt, in dynamischen, technologiegetriebenen Umfeldern wie Mobilfunk, IT-Infrastruktur, IoT, Rundfunktechnik oder Cloud-/Edge-Computing Verantwortung zu übernehmen.
  • Sie verfügen über interkulturelle und kommunikative Kompetenzen, um in internationalen Teams effektiv zu arbeiten und komplexe Sachverhalte überzeugend zu vermitteln.
  • Sie sind darauf vorbereitet, neue technische Entwicklungen einzuordnen, deren Relevanz zu bewerten und sich eigenständig neue Kompetenzen anzueignen – lebenslanges Lernen ist zentraler Bestandteil ihres beruflichen Selbstverständnisses.

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.

Module🔗

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

🔗

Modulkürzel ACC
Modulbezeichnung Advanced Channel Coding
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung ACC - Advanced Channel Coding
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt CS - Communication Systems
Verwendung des Moduls in
weiteren Studiengängen
Perma-Links zur Organisation ILU course page
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel AMC
Modulbezeichnung Advanced Multimedia Communications
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung AMC - Advanced Multimedia Communications
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 siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen
  • Modul BSN: 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
  • 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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel AMS
Modulbezeichnung Special Aspects of Mobile Autonomous Systems
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung AMS - Spezielle Aspekte mobiler autonomer Systeme
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel ARP
Modulbezeichnung Alternative Rechnerarchitekturen und Programmiersprachen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung ARP - Alternative Rechnerarchitekturen und Programmiersprachen
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 siehe Prüfungsordnung
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.
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel AVT
Modulbezeichnung Audio- und Videotechnologien
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung AVT - Audio- und Videotechnologien
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel AVV
Modulbezeichnung Algorithmen der Videosignalverarbeitung
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung AVV - Algorithmen der Videosignalverarbeitung
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:
Studierende formulieren gemeinsam mit dem Dozenten eine Aufgabenstellung/Forschungsfrage im Bereich der Videosignalverarbeitung. Unter Anwendung wissenschaftlicher Methoden analysieren sie die Aufgaben- bzw. Fragestellung eigenständig und entwickeln algorithmische Lösungsansätze.
WOMIT:
Eine Recherche der wissenschaftlichen Literatur bildet die Basis für die Studierenden, um die Aufgabenstellung inhaltlich zu durchdringen und einordnen zu können. Verschiedene, als geignet erscheinende Lösungsansätze werden entwickelt und gegenübergestellt. Mithilfe geeigneter Entwicklungstools (z.B. Matlab) werden die entwickleten Algorithmen umgesetzt und bzgl. der Aufgabenstellung beurteilt. Die erzielten Ergebnisse des Projektes werden in einem Bericht zusammengefasst und im Rahmen eines Vortrages präsentiert.
WOZU:
Studierenden erhalten die Möglichkeit, sich tiefergehend mit einer wissenschaftlich/entwicklerischen Aufgabenstellung zu befassen.

Modulinhalte

Projekt

Die Studierenden lernen verschiedene algorithmische Ansätze der Videosignalverarbeitung kennen und erhalten einen Überblick über akuelle Anwendungen und Fragestellungen
Analysieren, entwickeln, umsetzen und beurteilen von Algorithmen zur Videosignalverarbeitung
Lehr- und Lernmethoden Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 12 Stunden ≙ 1 SWS
Selbststudium 138 Stunden
Empfohlene Voraussetzungen keine
Zwingende Voraussetzungen Projekt erfordert Anwesenheit im Umfang von: 70% der Praktikumstermine und 1 Präsentation (typischerweise 5 Termine)
Empfohlene Literatur
  • Signal, Image and Video Processing (Journal), Springer Verlag, Electronic ISSN 1863-1711
  • Machine Learning for Audio, Image and Video Analysis, Francesco Camastra, Alessandro Vinciarelli, Springer London, 2016, ISBN978-1-4471-6840-9
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel BSN
Modulbezeichnung Fundamentals of System and Network Theory
Art des Moduls Pflichtmodul
Anerkannte Lehrveranstaltung BSN - Basics on Systems and Networks
ECTS credits 5
Sprache englisch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1
Häufigkeit des Angebots jedes Sommersemester
Modul-Verantwortliche*r Prof. Dr. Rainer Kronberger/Professor Fakultät IME
Dozierende*r
  • Prof. Dr. Rainer Kronberger/Professor Fakultät IME
  • Prof. Dr. Harald Elders-Boll/Professor Fakultät IME
  • Prof. Dr. Uwe Dettmar/Professor Fakultät IME

Learning Outcome(s)

Students learn the basics of communication systems and networks, by means of lectures, tutorials, exercises and practical laboratory experiments, so that they can later develop, design, analyze, measure and set up communication technology components, systems and networks.

Modulinhalte

Vorlesung

Introduction to Digital Communication Systems and Networks
Review of the Basics: Signals and Systems
Review of the Basics: Probability Theory
Representation of Bandpass Signals and Systems
Signals, Noise, Electromagnetic Waves
Wave Propagation
Communication Components: Receiver and Transmitter
Antennas
Source Coding and Quantization
Channel Coding and Cryptography
Modulation
OFDM
Radio Standards and Mobile Communication Systems and Networks
Übungen / Praktikum

Lab: Binary NRZ, IQ-Modulation and Demodulation
Lab: Channel Coding and QPSK Modulation
Lab: RF Signals
Lehr- und Lernmethoden
  • Vorlesung
  • Übungen / Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Bachelorstudium der Nachrichtentechnik, Elektrotechnik , Informationstechnik
Zwingende Voraussetzungen
  • Übungen / Praktikum erfordert Anwesenheit im Umfang von: 3 Testattermine
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Übungen / Praktikum
Empfohlene Literatur
  • Tolga M. Duman, Fundamentals of Digital Communication Systems,Cambridge University Press, 2025
  • John Proakis and Masoud Salehi. Digital Communications. 5th. McGraw-Hill, 2007
  • Michael Rice. Digital Communications: A Discrete-Time Approach. Pearson Prentice Hall, 2009.
  • James Kurose and Keith Ross. Computer Networking A Top Down Approach. 7th ed. Pearson, 2016.
  • Andrew S. Tanenbaum, Nick Feamster, and David J. Wetherall. Computer Networks. 6th ed. Pearson, 2021.
  • Ha H. Nguyen and Ed Shwedyk. A First Course in Digital Communications. Cambridge University Press, 2009.
  • Upamanyu Madhow. Fundamentals of Digital Communication. Cambridge University Press, 2008.
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Perma-Links zur Organisation Link for the learning platform
Besonderheiten und Hinweise
Letzte Aktualisierung 4.9.2025, 13:14:17

🔗

Modulkürzel CI
Modulbezeichnung Computational Intelligence
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung CI - Computational Intelligence
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel CSO
Modulbezeichnung Computersimulation in der Optik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung CSO - Computersimulation in der Optik
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. Holger Weigand/Professor Fakultät IME
Dozierende*r Prof. Dr. Holger Weigand/Professor Fakultät IME

Learning Outcome(s)

Kompetenz zum Aufbau, zur Analyse, zur Optimierung und Auslegung beleuchtungsoptischer Systeme unter Zuhilfenahme von Software basierend auf nicht-sequentiellem Raytrace.
Kompetenz für Software-Entwicklung im Umfeld der Computersimulation (Makro-Programmierung mit Skript-Sprachen, z.B. zum Steuern des In- oder Outputs von Simulationen).
Kompetenz zum Erwerb vertiefter Fertigkeiten im Bereich nicht-sequentieller Raytrace-Simulation durch eigenständiges Durcharbeiten von Literatur und Software-Dokumentation, sowie der Einbeziehung des technischen Supports der Software zu einer speziellen Thematik.

Modulinhalte

Vorlesung / Übungen

Kenntnisse: Modellierung der nicht-abbildenden Optik; Zusammenhang von abbildender und nicht-abbildender Optik; Modellierung lichtstrom-spezifischer Bewertungsgrößen; Grundbegriffe der Lichtstromsimulation; Grundlagen der nicht-sequenziellen Raytrace-Simulation; Grundbegriffe der Skript-Programmierung
Fertigkeiten: Nicht-sequenzieller Aufbau beleuchtungsoptischer Systeme; Analyse beleuchtungsoptischer Systeme; Tolerierung beleuchtungsoptischer Systeme; Optimierung beleuchtungsoptischer Systeme
Praktikum

Selbständige Erarbeitung / Programmierung von Simulationsskripten, Steuer- und Auswerte-Skripten unter Zuhilfenahme von englischsprachiger Software-Dokumentation; Erfolgreicher Einsatz von Raytrace-Simulationssoftware zum Design von nicht-abbildenden Optiken aufgrund realer Spezifikationen; Erfolgreicher Einsatz von selbständig entwickelten SW-Tools zur Erweiterung von kommerzieller Simulationssoftware am Beispiel von nicht-abbildenden Optiken;
Projekt

Der Leistungsnachweis basiert auf einem Softwareprojekt. Die entsprechende Projektarbeit wird in der Präsenz des Praktikums begonnen und betreut. Zusätzlich erfolgt außerhalb der Präsenz eine Betreuung der Projektarbeit, ähnlich der Betreuung von Abschlussarbeiten. Für die erfolgreiche Realisierung des Softwareprojektes sind grundlegende Kenntnisse der verwendeten Simulationssoftware erforderlich. Weiter muss die Modellierung von realen optischen Systemen im Rahmen der verwendeten Software verstanden sein.
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 57 Stunden ≙ 5 SWS
Selbststudium 93 Stunden
Empfohlene Voraussetzungen Geometrische Optik / Wellenoptik; Strahlungsphysik / Photometrie; Optik-Design; Programmiererfahrung; Technisches Englisch
Zwingende Voraussetzungen
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Vorlesung / Übungen
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
Empfohlene Literatur
  • W. T. Welford, R. Winston: High Collection Nonimaging Optics, Academic Press, 1989; G. Kloos: Entwurf und Auslegung optischer Reflektoren, Expert, 2007; Deutsche und US-Amerikanische Patentschriften; Datenblätter optischer und opto-elektronischer Komponenten; MIT Scheme Reference, Edition 1.62, 1996 (https://groups.csail.mit.edu/mac/ftpdir/scheme-7.4/doc-html/scheme_toc.html); H. Ramchandran, A. S. Nair: Scilab (a Free Software to Matlab), S. Chand, 2012; F. Thuselt, F. P. Gennrich: Praktische Mathematik mit MATLAB, Scilab und Octave, Springer 2013; T. Sheth: SCILAB: A Practical Introduction to Programming and Problem Solving, CreateSpace, 2016; C. Gomez: Engineering and Scientific Computing with Scilab, Birkhäuser, 1999;
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 5.9.2025, 17:36:59

🔗

Modulkürzel DBT
Modulbezeichnung Digitale Bildtechnik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung DBT - Digitale Bildtechnik
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Wintersemester
Modul-Verantwortliche*r Prof. Dr. Gregor Fischer/Professor Fakultät IME
Dozierende*r Prof. Dr. Gregor Fischer/Professor Fakultät IME

Learning Outcome(s)

Was:
Digitale Bildtechniken kommen in vielfältiger Weise in der Medienindustrie zum Einsatz. Die Bildkette digitaler Kameras, die im Rahmen der LV als exemplarische Anwendung herangezogen und analysiert wird, umfasst verschiedene Technologien wie Farbbildtechnik, HDR-Bildtechnik oder bildtechnische Verfahren.

Womit:
Durch die Vorlesung werden theoretische Kenntnisse der Bildtechnik exemplarisch vermittelt und in Zusammenhang mit den aktuellen Entwicklungen gebracht.
In einem in die LV integrierten begleitenden Praktikum entwickeln die Studierenden eigenständig algorithmische Lösungskonzepte und setzen diese in Matlab-Programme um.

Wozu:
Die Studierenden können akuelle Verfahren zur digitalen Bildtechnik entwickeln und in Hard- und Software implementieren. Sie können bildtechnische Verfahren analysieren, beurteilen und umsetzen sowie fachliche Führungs- und Projektverantwortung übernehmen.

Modulinhalte

Vorlesung / Übungen

Farbmanagement für digitale Kameras: Farbvermessung, -modellierung und -korrektur

Grundlagen der HDR-Bildtechnik mit HDR-Bildaufnahmetechnik; Tonemapping; HDR-Displaytechnik
Grundlagen von Entrauschungsalgorithmen und Anwendung von KI-Methoden für Image Denoising
Projektarbeit: Umsetzung eines bildtechnischen Verfahrens auf Basis eines Fachartikels
Praktikum

Bildtechnische optische und elektronische Eigenschaften analysieren und bewerten
Bildtechnische Defekte erkennen und beurteilen
Bildtechnische Verfahren gemäß gegebener Spezifikation/wiss. Literatur algorithmisch umsetzen und in Software realisieren
Bildtechnische optische und elektronische Eigenschaften oder Defekte vermessen
Neue Bildtechnische Verfahren gemäß gegebener Spezifikation/wiss. Literatur realisieren und anwenden
Optimierung bildtechnischer Verfahren durch grundlegende mathematische Optimierungsmethoden
Qualitätsvergleich verschiedener bildtechnischer Verfahren durchführen
Ergebnisse darstellen und dokumentieren
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen keine
Zwingende Voraussetzungen
  • Praktikum erfordert Anwesenheit im Umfang von: 10 Termine
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
Empfohlene Literatur

  • R.W.G. Hunt, The Reproduction of Color

  • M. Fairchild, Color Appearance Models, Wiley, 2nd ed.

  • G. C. Holst, T. S. Lomheim, CMOS/CCD Sensors and Camera Systems, SPIE

  • J. Nakamura, Image Sensors and Signal Processing for Digital Still Cameras, Taylor & Francis

  • Reinhard/Ward/Pattanaik/Debevec, High Dynamic Range Imaging, Elsevier 2010

  • R. Gonzales/R. Woods/Eddins, Digital Image Processing Using Matlab, Prentice Hall, 2004

  • W. Pratt, Digital Image Processing, Wiley, 4th ed., 2007

  • A. Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1988
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel DLO
Modulbezeichnung Deep Learning und Objekterkennung
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung DLO - Deep Learning und Objekterkennung
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 Teilnehmer*innen können selbständig entscheiden, in welchen Situationen sich der Einsatz von Verfahren aus dem Bereich Deep Learning anbietet. Sie können eine entsprechende Lösung entwerfen, iterativ verbessern und praktisch umsetzen. Mögliche Probleme auf dem Weg dahin (z.B. beim Erstellen eines Datensatzes oder beim Training) können sie qualifiziert analysieren und passende Ideen zur Bewältigung entwickeln. Da sie einen guten Überblick über die langjährigen Entwicklungen in Forschung und Technik haben, können sie qualifiziert auf aktuelle Herausforderungen und offene Fragen im Zusammenhang mit Deep Learning schauen. Die Studierenden werden so in die Lage versetzt, sich sowohl im weiteren Studienverlauf als auch im Berufsleben kompetent mit Ansätzen zu beschäftigen, die auf Deep Learning beruhen.

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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel DMC
Modulbezeichnung Digital Motion Control
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung DMC - Digital Motion Control
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel DSP
Modulbezeichnung Digital Signal Processing
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung DSP - Digital Signal Processing
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 siehe Prüfungsordnung
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.
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt CS - Communication Systems
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel EBA
Modulbezeichnung Elektrische Bahnen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung EBA - Elektrische Bahnen
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Wintersemester
Modul-Verantwortliche*r Prof. Dr. Wolfgang Evers/Professor Fakultät IME
Dozierende*r Prof. Dr. Wolfgang Evers/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden können Systeme der elektrischen Schienenbahnen analysieren und einen interdisziplinären Kontext herstellen,
indem sie die für die jeweilige Problemstellung geeigneten Zusammenhänge kombinieren und so zu Lösungen kommen,
um später Elektroausrüstungen für Schienenfahrzeuge und Schieneninfrastruktur zu entwickeln, zu projektieren oder zu betreiben.

Modulinhalte

Vorlesung / Übungen

- Bahnfahrzeuge mit Kommutatormotoren
* Gleichstrombahnen
* Wechselstrombahnen
- Bahnfahrzeuge mit Drehstrommotoren
* Asynchronmaschine
* Stromrichter für die Asynchronmaschine
* Synchronmaschine
- Linearantriebe
- Magnetschwebesysteme
* Statisch-anziehendes Schweben
* Dynamisch–abstoßendes Schweben
* Statisch-abstoßendes Schweben
- Ausgeführte und projektierte Magnetschwebezüge
* Transrapid
* MagLev–System
- Diskutieren und Bewerten der Vor- und Nachteile verschiedener Systeme (Stromsysteme, Rad-/Schiene vs. Magnetschweben)
- Einordnen von elektrotechnischen Lösungen in interdisziplinäre Gesamtkonzepte
Praktikum

Erarbeiten verschiedener Aspekte des Eisenbahnbetriebs mit Hilfe von Computersimulationen
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Grundlagen der Elektrotechnik, Elektronik und Mechanik
Grundverständnis für elektrische Maschinen
Zwingende Voraussetzungen
  • Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
Empfohlene Literatur
  • Zarko Filipovic, Elektrische Bahnen Springer Verlag, 1989, ISBN 3-540-55093-3
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel EMM
Modulbezeichnung Energiemanagement in Energieverbundsystemen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung EMM - Energiemanagement in Energieverbundsystemen
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Wintersemester
Modul-Verantwortliche*r Prof. Dr. Ingo Stadler/Professor Fakultät IME
Dozierende*r Prof. Dr. Ingo Stadler/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden analysieren die Mechanismen und Voraussetzungen zur Garantie der Stabilität von elektrischen Verbundsystemen, indem sie die Frequenz- und Spannungsstabilität beeinflussenden Kriterien kennen, um später neue Maßnahmen in einem geänderten, auf erneuerbaren Energien basierenden Energiesystem zur Gewährleistung der Stabilität entwickeln zu können.
Die Studierenden analysieren die Regelmechanismen heutiger Verbundsysteme, indem Sie die Begrifflichkeiten, die Wirkungsweise und die Organisation verschiedener Stufen der Regelleistung und Regelenergie verstehen, um zukünftige Maßnahmen und Alternativen zu deren Bereitstellung einschätzen und selbst entwickeln können.
Die Studierenden kennen Möglichkeiten zur Sektorenkopplung und können deren Einsatz zum Demand Response bewertem, indem Sie Differentialgleichungen zur Lösung von Bilanzproblemen erstellen und lösen können, numerischer Verfahren zur Lösung nicht stationärer Veränderungen in Speichersystemen erstellen und anwenden können, um damit Lösungen in verschiedenen Zeit- und Leistungsbereichen des Demand Response zu beurteilen.
Die Studierenden kennen und sind in der Lage, Technologien der Energiespeicherung in verschiedensten Zeit-, Energie- und Leistungsbereichen zu beurteilen, indem sie die relevanten Charakteristiken und Ökonomien kennen, um deren Einsatz für unterschiedliche Anwendungen beurteilen zu können.
Die Studierenden sind in der Lage, die verschiedensten Möglichkeiten zur Herstellung der Blindleistungsbilanz in Verbundsystemen benennen und zu anlysieren, indem sie die Leitungsgleichungen zur Netzanalyse anwenden, um mit verschiedenen Maßnahmen die Spannungsqualität gewährleisten zu können.

Modulinhalte

Vorlesung

Die Studierenden analysieren die Mechanismen und Voraussetzungen zur Garantie der Stabilität von elektrischen Verbundsystemen, indem sie die Frequenz- und Spannungsstabilität beeinflussenden Kriterien kennen, um später neue Maßnahmen in einem geänderten, auf erneuerbaren Energien basierenden Energiesystem zur Gewährleistung der Stabilität entwickeln zu können.
Die Studierenden analysieren die Regelmechanismen heutiger Verbundsysteme, indem Sie die Begrifflichkeiten, die Wirkungsweise und die Organisation verschiedener Stufen der Regelleistung und Regelenergie verstehen, um zukünftige Maßnahmen und Alternativen zu deren Bereitstellung einschätzen und selbst entwickeln können.
Die Studierenden kennen Möglichkeiten zur Sektorenkopplung und können deren Einsatz zum Demand Response bewertem, indem Sie Differentialgleichungen zur Lösung von Bilanzproblemen erstellen und lösen können, numerischer Verfahren zur Lösung nicht stationärer Veränderungen in Speichersystemen erstellen und anwenden können, um damit Lösungen in verschiedenen Zeit- und Leistungsbereichen des Demand Response zu beurteilen.
Die Studierenden kennen und sind in der Lage, Technologien der Energiespeicherung in verschiedensten Zeit-, Energie- und Leistungsbereichen zu beurteilen, indem sie die relevanten Charakteristiken und Ökonomien kennen, um deren Einsatz für unterschiedliche Anwendungen beurteilen zu können.
Die Studierenden sind in der Lage, die verschiedensten Möglichkeiten zur Herstellung der Blindleistungsbilanz in Verbundsystemen benennen und zu anlysieren, indem sie die Leitungsgleichungen zur Netzanalyse anwenden, um mit verschiedenen Maßnahmen die Spannungsqualität gewährleisten zu können.
Projekt

Es werden wechselnde aktuelle Projekte bearbeitet.
Lehr- und Lernmethoden
  • Vorlesung
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 34 Stunden ≙ 3 SWS
Selbststudium 116 Stunden
Empfohlene Voraussetzungen keine
Zwingende Voraussetzungen Projekt erfordert Anwesenheit im Umfang von: 3 Termine
Empfohlene Literatur
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel HIM
Modulbezeichnung Advanced Mathematics
Art des Moduls Pflichtmodul
Anerkannte Lehrveranstaltung HIM - Höhere Ingenieurmathematik
ECTS credits 5
Sprache deutsch und englisch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel HSUT
Modulbezeichnung Hochspannungsübertragungstechnik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung HSUT - Hochspannungsübertragungstechnik
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Sommersemester
Modul-Verantwortliche*r Prof. Dr. Christof Humpert/Professor Fakultät IME
Dozierende*r Prof. Dr. Christof Humpert/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden können Systeme und Betriebsmittel der Hochspannungsübertragungstechnik hinsichtlich technischer und betriebswirtschaftlicher Kriterien analysieren und auswählen, indem sie
- Anforderungen an Übertragungssysteme erkennen,
- Spannungsbelastungen im Nenn- und Fehlerfall bestimmen und Maßnahmen zur Reduktion der Belastungen auslegen,
- Vor- und Nachteile aktueller und zukünftiger Technologien analysieren und
- vereinfachte Wirtschaftlichkeitsberechnungen durchführen,
um später fundierte Entscheidungen hinsichtlich des optimalen Aus- und Umbaus der elektrischen Netze unter gesellschaftlichen und politischen Randbedingungen treffen zu können.

Modulinhalte

Vorlesung / Übungen

Überspannungen und Isolationskoordination
- Entstehung und Kategorien von Überspannungen
- Ausbreitung von Überspannungen
- Wanderwellenvorgängen
- Reflexionsvorgänge
- Begrenzung von Überspannungen
- Typen von Überspannungsableitern
- Eigenschaften, Aufbau und Auswahl

Systeme der Hochspannungsübertragung
- Hochspannungs-Drehstrom-Übertragung (HDÜ)
- optimale Übertragungsspannung
- Struktur und verschiedene Typen von Schaltanlagen mit ihren Eigenschaften und Einsatzgebieten
- Hochspannungs-Gleichstrom-Übertragung (HGÜ)
- Vor- und Nachteile gegenüber der Drehstrom-Übertragung
- Struktur und Funktion von Umrichterstationen
- Kostenvergleich zu HDÜ-Systemen
- HGÜ-Netze

Betriebsmittel der Hochspannungsübertragung
- Leistungsschalter
- Funktionsprinzip
- verschiedene Typen und Einsatzgebiete
- Schaltgeräte für HGÜ-Systeme
- Supraleitende Betriebsmittel (Kabel, Strombegrenzer)
- Funktionsprinzip und Einsatzgebiete
- Kühltechnik
- Verluste und Kosten
Belastungen von Übertragungsssystemen bestimmen
- Betriebs- und Überspannungen für eine gegebene Spannungsebene berechnen
- Begrenzungsmöglichkeiten von Überspannungen einplanen
- Wanderwellenvorgänge (Brechung, Reflexion) analysieren und berechnen
- Stromtragfähigkeit und maximale Verluste ableiten

Betriebswirtschaftliche Aspekte bestimmen
- Investionskosten-Vergleich durchführen
- Betriebskosten-Vergleich durchführen
Projekt

Spezifisches Problem der Elektrotechnik vertiefen an einem Berechnungsbeispiel
Projektaufgabe im Team lösen
Grundlagen einer Berechnungssoftware erarbeiten
Numerische Berechnungen durchführen
Numerische Ergebnisse mit analytischen vergleichen
Ergebnisse mit Bezug zur praktischen Anwendung diskutieren
Ergebnisse in einem Bericht zusammenfassen
Praktikum

Erzeugung und Messung von Wechsel-, Gleich- und Impulsspannungen
Ausbreitung und Begrenzung von Überspannungen
Hochspannungsprüfungen planen
Hochspannungsprüfschaltungen dimensionieren
Prüfkriterien für Komponenten der Hochspannungstechnik ermitteln
Ergebnisse in einem Bericht zusammenfassen
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Projekt
  • Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 57 Stunden ≙ 5 SWS
Selbststudium 93 Stunden
Empfohlene Voraussetzungen Grundlagen der Elektrotechnik und Elektronik
Grundverständnis für elektrische Felder in Dielektrika
Zwingende Voraussetzungen
  • Praktikum erfordert Anwesenheit im Umfang von: 3 Termine
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
Empfohlene Literatur
  • Küchler, Andreas: Hochspannungstechnik: Grundlagen – Technologie – Anwendung (Springer)
  • Heuck, Klaus; Dettmann, Klaus-Dieter; Schulz, Detlef: Elektrische Energieversorgung (Springer)
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Perma-Links zur Organisation ILU-Kurs für die Lehrveranstaltung Hochspannungsübertragungstechnik
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel IBD
Modulbezeichnung InnoBioDiv
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung IBD - InnoBioDiv - Innovative research on plant-environment interaction in a changing climate combining biology and modern Internet-of-Things technologies
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 siehe Prüfungsordnung
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.
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
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 19.7.2025, 14:32:16

🔗

Modulkürzel IIS
Modulbezeichnung Intelligent Information Systems
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung IIS - Intelligente Informationssysteme
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel ITF
Modulbezeichnung IT-Forensik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung ITF - IT-Forensik
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)

  • WAS Studierende spüren digitale Beweise auf und stellen Sie zwecks Verwertbarkeit für weiterführende Analysen sicher,
  • WOMIT indem sie anhand fallbezogener Aufgabenstellungen und mittels forensischer IT-Tools Schwachstellen entdecken und Beweise in Dateisystemen und IT-Infrastrukturen sichern,
  • WOZU um im Berufsleben Gefahren vermeiden, erkennen und abwehren können und ggf. gutachterlich tätig zu werden.

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 siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen
Zwingende Voraussetzungen
Empfohlene Literatur
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel KOGA
Modulbezeichnung Kombinatorische Optimierung und Graphenalgorithmen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung KOGA - Kombinatorische Optimierung und Graphenalgorithmen
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 siehe Prüfungsordnung
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
  • Mathematik zum Studienbeginn, Arnfried Kemnitz, Springer Spektrum Verlag
  • Algorithmische Graphentheorie, Volker Turau und Christian Weyer, De Gruyter Verlag
  • Graphentheoretische Konzepte und Algorithmen, Sven Krumke und Harald Noltemeier, Springer Vieweg Verlag
  • Einführung in die angewandte Wirtschaftsmathematik, Jürgen Tietze, Springer Spektrum Verlag
  • Graph Algorithms - Practical Examples in Apache Spark & Neo4j, Mark Needham and Amy Hodler, O'Reilly Verlag
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel KOLL
Modulbezeichnung Kolloquium zur Masterarbeit
Art des Moduls Pflichtmodul
Anerkannte Lehrveranstaltung MAKOLL - Kolloquium
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 siehe Prüfungsordnung
Workload 90 Stunden
Präsenzzeit 0 Stunden ≙ 0 SWS
Selbststudium 90 Stunden
Empfohlene Voraussetzungen
Zwingende Voraussetzungen
  • Modul MAA: Die Masterarbeit muss abgeschlossen sein, damit sie im Kolloquium ganzheitlich und abschließend präsentiert werden kann.
  • Siehe Prüfungsordnung §29, Abs. 2
Empfohlene Literatur
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise Siehe auch Prüfungsordnung §29.
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel KRY
Modulbezeichnung Cryptography
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung KRY - Kryptographie
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel LCSS
Modulbezeichnung Large and Cloud-based Software-Systems
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung LCSS - Large and Cloud-based Software-Systems
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Intro-Video
Perma-Links zur Organisation Ilu-Kurs
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel LSPW
Modulbezeichnung Leistungselektronische Stellglieder für PV- und Windkraftanlagen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung LSPW - Leistungselektronische Stellglieder für PV- und Windkraftanlagen
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Wintersemester
Modul-Verantwortliche*r Prof. Dr. Andreas Lohner/Professor Fakultät IME
Dozierende*r Prof. Dr. Christian Dick/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden lernen elektronische und elektromagnetische Strukturen, Topologien und Regelungsverfahren verschiedener erneuerbarer Energieerzeugungsanlagen (Photovoltaik & Wind) erläutern, erklären und z. T. auch entwickeln, indem sie
- die gesamte anlagenspezifische Systemtechnik in wesentliche Teile (Elektromechanik, Leistungselektronik, Steuerung/Regelung) gliedern,
- Rechnermodelle von allen Teilen und auch der Gesamtanlage entwerfen und mit einem Simulationstool simulieren,
- mit Leistungselektronik, Antrieben, klassischen Messgeräten umgehen,
- sowie spezifische Regelungsalgorithmen erkennen und verstehen,
um als Ingenieure
- Erneuerbare Energieerzeugungsanlagen zu konzeptionieren und zu dimensionieren,
- Leistungselektronische Komponenten für EE zu entwickeln und
- für EE spezifische Regelungen zu entwerfen.

Modulinhalte

Vorlesung / Übungen

Überblick über die verschiedenen erneuerbaren Energieträger und deren Potentiale Photovoltaik; Windkraft etc.
Prinzipien von netzgeführten wie von Inselwechselrichtern für Photovoltaikanlagen
Physik der Solarzelle
Stromrichtertopologien
Systemarchitekturen: Zentral-, String- und Modulwechselrichter
Steuerungsverfahren: PWM, MPP-Tracking etc.
Prinzipien von Windkraftanlagen
doppeltgespeiste Asynchronmaschine
Anlage mit Synchronmaschine
windkraftspezifische Regelungsverfahren
Die Studierenden können elektronische und elektromagnetische Strukturen, Topologien und Regelungsverfahren verschiedener erneuerbarer Energieerzeugungsanlagen (Photovoltaik, Wind etc.), mit dem Fokus auf deren Stellglieder, erläutern.
Die Studierenden besitzen Sie die Fähigkeit, die gesamte anlagenspezifische Systemtechnik in Wesentliche Teilabschnitte zu zergliedern, einzelne Aspekte zu entwickeln oder zu projektieren und damit einzelne Schritte einer Synthese durchzuführen.
Der Realitätsbezug, insbesondere im Hinblick auf neue regulatorische, normative Rahmenbedingungen, welche mit der Energiewende einhergehen, wird hergestellt. Damit ist der Studierende in der Lage, die Stellglieder auch im übergeordneten Kontext als Teil eines intelligenten Netzes zu beschreiben, um später die richtigen Stellglieder auszuwählen bzw. zu entwickeln.
Die Studierenden lernen Methoden zur dynamischen Beschreibung und Regelung erneuerbarer Energieerzeugungsanlagen kennen und erhalten dadurch Entscheidungskompetenz.
Die Studierenden besitzen Erfahrungen im Umgang mit Leistungselektronik, Antrieben, klassischen Messgeräten und sind in der Lage, Stellglieder mit einem Simulationstool zu modellieren.
Die Studierenden besitzen die Fähigkeit elektrische Stellglieder für erneuerbare Energieerzeugungsanlagen zu verstehen, zu dimensionieren und zu regeln.
Praktikum

In einem ersten Versuch wird ein Wechselrichter für eine Photovoltaikanlage beispielhaft modelliert und mit einem Simulationstool simuliert. Hierbei wird ein besonderes Augenmerk auf die anlagenspezifischen Regelungsverfahren (MPP-Tracking etc.) gerichtet. Danach wird ein kommerzieller Wechselrichter vermessen und analysiert.
In einem zweiten Versuch wird eine doppeltgespeiste Asynchonmaschine samt Konvertern als Stellglied für Windkraftanlagen untersucht.
Die Studierenden können mit einem üblichen kommerziellen Werkzeug zur Modellierung und Simulation umgehen.
Die Studierenden verstehen das Arbeitsverhalten leistungselektronischer Stellglieder.
Die Studierenden können Aufgaben in einem kleinen Team lösen.
Sie können Messergebnisse analysieren und daraus Erkenntnisse über das Messobjekt gewinnen.
Sie können ein reales System modellieren und simulieren.
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Grundlagen der Elektrotechnik
Leistungselektronik
Grundlagen elektrischer Antriebe
Analoge Signale und Systeme
Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: Labortermine (8 Std.)
Empfohlene Literatur
  • Hau E.: Windkraftanlagen - Grundlagen, Technik, Einsatz, Wirtschaftlichkeit, Springer Verlag
  • Mertens, K.: Photovoltaik - Lehrbuch zu Grundlagen, Technologie und Praxis, Hanser Verlag
  • Sahan, B.: Wechselrichtersysteme mit Stromzwischenkreis zur Netzanbindung von Photovoltaik-Generatoren, KDEE Kassel
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

Zusätzliche Modul-Variante mit gleichen Learning-Outcomes

Modulkürzel LSPW
Modulbezeichnung Leistungselektronische Stellglieder für PV- und Windkraftanlagen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung LSPW - Leistungselektronische Stellglieder für PV- und Windkraftanlagen
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Wintersemester
Modul-Verantwortliche*r Prof. Dr. Andreas Lohner/Professor Fakultät IME
Dozierende*r Prof. Dr. Christian Dick/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden lernen elektronische und elektromagnetische Strukturen, Topologien und Regelungsverfahren verschiedener erneuerbarer Energieerzeugungsanlagen (Photovoltaik & Wind) erläutern, erklären und z. T. auch entwickeln, indem sie
- die gesamte anlagenspezifische Systemtechnik in wesentliche Teile (Elektromechanik, Leistungselektronik, Steuerung/Regelung) gliedern,
- Rechnermodelle von allen Teilen und auch der Gesamtanlage entwerfen und mit einem Simulationstool simulieren,
- mit Leistungselektronik, Antrieben, klassischen Messgeräten umgehen,
- sowie spezifische Regelungsalgorithmen erkennen und verstehen,
um als Ingenieure
- Erneuerbare Energieerzeugungsanlagen zu konzeptionieren und zu dimensionieren,
- Leistungselektronische Komponenten für EE zu entwickeln und
- für EE spezifische Regelungen zu entwerfen.

Modulinhalte

Vorlesung / Übungen

Überblick über die verschiedenen erneuerbaren Energieträger und deren Potentiale Photovoltaik; Windkraft etc.
Prinzipien von Konvertern im Netzparallelbetrieb und von Inselwechselrichtern für Photovoltaikanlagen
Physik der Solarzelle
Leistungselektronische Topologien - Besonderheiten bzgl. des floatenden DC-Potenzials
Systemarchitekturen: Zentral-, String- und Modulwechselrichter
Steuerungsverfahren: PWM, MPP-Tracking etc.
Prinzipien von Windkraftanlagen
doppeltgespeiste Asynchronmaschine
Anlage mit Synchronmaschine
windkraftspezifische Regelungsverfahren
Die Studierenden können elektronische und elektromagnetische Strukturen, Topologien und Regelungsverfahren verschiedener erneuerbarer Energieerzeugungsanlagen (Photovoltaik, Wind etc.), mit dem Fokus auf deren Stellglieder, erläutern.
Die Studierenden lernen Methoden zur dynamischen Beschreibung und Regelung erneuerbarer Energieerzeugungsanlagen kennen und erhalten dadurch Entscheidungskompetenz.
Die Studierenden besitzen Erfahrungen im Umgang mit Leistungselektronik, Antrieben, klassischen Messgeräten und sind in der Lage, Stellglieder mit einem Simulationstool zu modellieren.
Die Studierenden besitzen die Fähigkeit elektrische Stellglieder für erneuerbare Energieerzeugungsanlagen zu verstehen, zu dimensionieren und zu regeln.
Die Studierenden besitzen Sie die Fähigkeit, die gesamte anlagenspezifische Systemtechnik in Wesentliche Teilabschnitte zu zergliedern, einzelne Aspekte zu entwickeln oder zu projektieren und damit einzelne Schritte einer Synthese durchzuführen.
Der Realitätsbezug, insbesondere im Hinblick auf neue regulatorische, normative Rahmenbedingungen, welche mit der Energiewende einhergehen, wird hergestellt. Damit ist der Studierende in der Lage, die Stellglieder auch im übergeordneten Kontext als Teil eines intelligenten Netzes zu beschreiben, um später die richtigen Stellglieder auszuwählen bzw. zu entwickeln.
Praktikum

In einem ersten Versuch wird ein Wechselrichter für eine Photovoltaikanlage beispielhaft modelliert und mit einem Simulationstool simuliert. Hierbei wird ein besonderes Augenmerk auf die anlagenspezifischen Regelungsverfahren (MPP-Tracking etc.) gerichtet. Danach wird ein kommerzieller Wechselrichter vermessen und analysiert.
In einem zweiten Versuch wird eine doppeltgespeiste Asynchonmaschine samt Konvertern als Stellglied für Windkraftanlagen untersucht.
Die Studierenden können mit einem üblichen kommerziellen Werkzeug zur Modellierung und Simulation umgehen.
Die Studierenden verstehen das Arbeitsverhalten leistungselektronischer Stellglieder.
Die Studierenden können Aufgaben in einem kleinen Team lösen.
Sie können Messergebnisse analysieren und daraus Erkenntnisse über das Messobjekt gewinnen.
Sie können ein reales System modellieren und simulieren.
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Grundlagen der Elektrotechnik
Leistungselektronik
Grundlagen elektrischer Antriebe
Analoge Signale und Systeme
Zwingende Voraussetzungen Praktikum erfordert Anwesenheit im Umfang von: 8 Unterrichtsstunden
Empfohlene Literatur
  • Hau E.: Windkraftanlagen - Grundlagen, Technik, Einsatz, Wirtschaftlichkeit, Springer Verlag
  • Mertens, K.: Photovoltaik - Lehrbuch zu Grundlagen, Technologie und Praxis, Hanser Verlag
  • Sahan, B.: Wechselrichtersysteme mit Stromzwischenkreis zur Netzanbindung von Photovoltaik-Generatoren, KDEE Kassel
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel MAA
Modulbezeichnung Masterarbeit
Art des Moduls Pflichtmodul
Anerkannte Lehrveranstaltung MAA - Masterarbeit
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
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 19.7.2025, 14:32:16

🔗

Modulkürzel MCI
Modulbezeichnung Mensch-Computer-Interaktion
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung MCI - Mensch-Computer-Interaktion
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel MLWR
Modulbezeichnung Maschinelles Lernen und wissenschaftliches Rechnen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung MLWR - Maschinelles Lernen und wissenschaftliches Rechnen
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 siehe Prüfungsordnung
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
  • 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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt CS - Communication Systems
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel NGN
Modulbezeichnung Next Generation Networks
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung NGN - Next Generation Networks
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 siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen
  • Modul BSN: Bachelor Level Networking Knowledge and Skills like teached in BSN. 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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel NLO
Modulbezeichnung Nichtlineare Optik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung NLO - Nichtlineare Optik
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Sommersemester
Modul-Verantwortliche*r Prof. Dr. Uwe Oberheide/Professor Fakultät IME
Dozierende*r Prof. Dr. Uwe Oberheide/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden verstehen die grundlegenden Eigenschaften von Licht und Materie bei hohen Lichtintensitäten,
indem sie die zugrunde liegenden Prozesse mathematisch, physikalisch und technisch analysieren und in idealisierter Umgebung beschreiben,
damit sie in ihrer Abschlussarbeit und Berufsalltag passende Komponenten und Verfahren zur Lichtbeeinflussung und Materialbearbeitung inbesondere mit ultrakurzen Laserpulsen auswählen können.

Modulinhalte

Vorlesung / Übungen

Optische Frequenzvervielfachung (Kristall-Kohärenzlängen, Phasenanpassung, Quasiphasenanpassung und periodische Polung)
Frequenzmischung
Optisch-Parametrische Oszillation und -Verstärkung
Elektro-, magneto- und akusto-optische Effekte
Q-switch, Modenkopplung, Ultrakurzpulslaser
Anwendung von Multiphotonenprozessen
Photorefraktion, stimulierte Brillouinstreuung, phasenkonjugierende Spiegel
Analogien bekannter linearer physikalischer Prozesse (Licht-Materie-Wechselwirkung bei niedriger Intensität) erkennen und übertragen auf nichtlineare Prozesse
Prozesse mathematisch beschreiben und das Ergebnis in physikalische Auswirkungen transferieren
Idealisierte Systeme auf reale Systeme übertragen und das qualitative Verhalten ableiten
Zusammenhänge von Größen (sättigbare Absorption / mehrdimensionaler Brechungsindex) beschreiben und erklären, sowie auf reale Materialien übertragen
Technische Anwendungen und Fragestellungen analysieren, in Einzelprozesse zerlegen und über bekannte nichtlineare Wechselwirkungen lösen
Seminar

Vorträge zu Anwendungen/Prozessen, die auf den Inhalten der Lehrveranstaltung aufbauen (Transfer der Lehrveranstaltungsinhalte auf weitere Anwendungen)
Beispiele:
- spektralen Verbreiterung in einem Femtosekundenlaser durch Selbstphasenmodulation
- zeitliche Vermessung ultrakurzer Laserpulse
- Ausgleich von Abbildungsfehlern durch den Einsatz von phasenkonjugierenden Spiegeln
- Laserinduzierte Kernfusion
- Multiphotonenprozesse
- Erzeugung und Anwendung höherer Harmonischer
- Optisch-Parametrische-Oszillatoren
- Freie-Elektronen-Laser
Beschaffung geeigneter Literatur/Information
Einarbeitung in neues technisches Fachgebiet
Nutzung englischer Fachliteratur
Auswertung vorliegender Literatur
Informationen auf Relevanz überprüfen
Wesentliche Informationen herausfiltern und zielgruppenadäquat aufbereiten
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Seminar
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Physik: Wellenausbreitung, Phasengeschwindigkeit
Lasertechnik: Lasertypen, Grundprinzip der stimulierten Emission
Licht-Materie-Wechselwirkung: Absorption, Streuung, Brechungsindex, Doppelbrechung
Zwingende Voraussetzungen Seminar erfordert Anwesenheit im Umfang von: Vortragstermine
Empfohlene Literatur
  • Boyd – Nonlinear Optics, Elsevier
  • Pedrotti – Optik für Ingenieure, Springer
  • Saleh, Teich – Grundlagen der Photonik, Wiley VCH
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel OSA
Modulbezeichnung Optische Spektroskopie und Anwendungen
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung OSA - Optische Spektroskopie und Anwendungen
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Sommersemester
Modul-Verantwortliche*r Prof. Dr. Michael Gartz/Professor Fakultät IME
Dozierende*r Prof. Dr. Michael Gartz/Professor Fakultät IME

Learning Outcome(s)

Was: Die Studierenden können optische Messprobleme analysieren und eigene Spektrometer-Systeme synthetisieren und hinsichtlich der optischen und wirtschaftlichen Eigenschaften bewerten. Sie können Spektrometer designen, konstruieren, realisieren und damit die aus den Kundenanforderungen extrahierten Messgrößen optimal bestimmen und die Ergebnisse interpretieren.
Womit: indem die Studierenden mittels der Projektarbeit die in den Vorlesungen vermittelten Theorien anwenden, beurteilen und bewerten, mittels eigener Recherchen und Projektbesprechungen ihren Lösungsansatz entwickeln, realisieren und in eigenen Vorträgen darstellen, präsentieren und bewerten,
Wozu: um später in Entwicklungsabteilungen von optischen Messtechnikunternehmen Messprobleme zu verstehen, zu analysieren, konstruktive Lösungen zu erarbeiten und zu realisieren bis zum serienreifen Endprodukt. Um als beratende Ingenieure Kundenprobleme zu analysieren und mit am Markt befindlichen Systemen Applikationen zu erstellen, die die optischen Messprobleme lösen oder am Markt befindliche Messsysteme beurteilen und bewerten können, ob sie zur Lösung geeignet sind. Um erarbeitete oder bewertete optische Lösungen wissenschaftlich einwandfrei zu präsentieren.

Modulinhalte

Vorlesung

Erste Anwendung: Schichtdickenmessung mittels optischer Sepktroskopie
  • Grundlagen der Spektroskopie:
    • Winkeldispersion und lineare Dispersion
    • Prisma und Gitter
    • nutzbarer Spektralbereich des Gitters
    • Gittertypen
    • Herstellungsverfahren
    • Vergleich: Gitter und Prisma
  • Aufbau des Prismenspektrometers
  • Aufbau des Gitterspektrometers
  • Auflösungsvermögen
  • Störeffekte im Spektrometer
  • Strahlungsquellen
  • Detektoren
  • Empfänger
  • Filter
  • Kalibrierung von Spektrometern
Kenngrößen von Spektrometern
Kommerzielle Spektrometer
Fourier Spektroskopie
Anwendungen: Raman Spektroskopie, Farbmessung, Schichtdickenmessung, Spektrale Element Analyse
berechnen: der spektralen Auflösung, der Winkel- und Linear-Dispersion, des freien Spektralbereichs

auswählen eines Spektrometers, einer Strahlungsquelle für eine spezielle Messaufgabe
bestimmen der Transmissionskurve diverser optischer Bauteile
beurteilen der Empfindlichkeit eines Spektrometers
analysieren von Messaufgaben aus dem Bereich der optischen Spektroskopie
Projekt

Spektrometer Aufbauten justieren
optische Spektren aufnehmen, auswerten und dokumentieren
Ergebnisse auf Plausibilität überprüfen
Zusammenhänge erkennen und verstehen
Auswählen des Spektrometertyps für eine spezielle Messaufgabe
Umrechung der verschiedenen spektralen Darstellungsarten
analysieren einer spektroskopischen optischen Messaufgabe
konzipieren eines Lösungansatzes für die analysierte Messaufgabe
Präsentation einer Projektskizze
Milestone-Präsentation zur Überprüfung des Projektfortschrittes
Abschluss-Präsentation mit Darlegung des realisierten Lösungsansatzes
grundlegende Spektrometer Aufbauten selber realisieren
naturwissenschaftlich / technische Gesetzmäßigkeiten mit einem optischen Aufbau erforschen
selbst gewonnenen Messreihen auswerten und bewerten
Komplexe technische Aufgaben im Team bearbeiten
Lehr- und Lernmethoden
  • Vorlesung
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 34 Stunden ≙ 3 SWS
Selbststudium 116 Stunden
Empfohlene Voraussetzungen Geometrische Optik
Radiometrie, Fotometrie, Strahlungsphysik
Optische Messtechnik
Wellenoptik
Mathematik 1 / 2
Physik 1 / 2
Zwingende Voraussetzungen
  • Projekt erfordert Anwesenheit im Umfang von: 3 Projektpräsentationen
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Projekt
Empfohlene Literatur
  • Demtröder, Laser-Spektroskopie, Springer
  • Demtröder, Experimentalphysik 2, Springer
  • Schmidt Werner, Optische Spektroskopie, Wiley-VCH
  • Pedrotti, Pedrotti, Bausch, Schmidt, Optik für Ingenieure, Grundlagen, Springer
  • Schröder, Treiber, Technische Optik, Vogel Verlag
  • Hecht, Optik, Oldenbourg
  • Bergmann, Schaefer, Bd.3, Optik, de Gruyter
  • Max Born und Emil Wolf, Principles of Optics, Cambridge University Press
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel PAP
Modulbezeichnung Parallele Programmierung
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung PAP - Parallele Programmierung
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 und Nebenläufigkeit
    • SISD, SIMD, MISD, MIMD
    • loose- und eng-gekoppelte Systeme
  • Parallele Leistungsmaße
    • Speedup
    • Effizienz
  • Synchronisationsmechanismen
  • GPU Architektur
  • GPU Shared Memory
  • Parallele Algorithmen für GPUs
    • Reduktion
    • Präfixsumme
    • etc.
  • Parallele Datenstrukturen
Übungen / 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
  • Übungen / Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Zur Bearbeitung der Übungsaufgaben werden solide Programmierkenntnisse vorausgesetzt.
Zwingende Voraussetzungen Übungen / Praktikum erfordert Anwesenheit im Umfang von: 2 Termine
Empfohlene Literatur
  • Wen-mei W. Hwu, David B. Kirk, Izzat El Hajj: Programming Massively Parallel Processors A Hands-on Approach - 4th Edition, 2022
  • Andrew S. Tanenbaum, Herbert Bos: Modern Operating Systems, 4th Edition, 2015
  • Jason Sanders: CUDA by Example: An Introduction to General-Purpose GPU Programming, Addison-Wesley Longman, 2010
  • R. Oechsle: Parallele und verteilte Anwendungen in Java, Hanser, 2011
  • P. Pacheco: An Introduction to Parallel Programming, Morgan Kaufmann, 2011
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel PM
Modulbezeichnung Project Management
Art des Moduls Pflichtmodul
Anerkannte Lehrveranstaltung PM - Project Management
ECTS credits 5
Sprache deutsch, englisch bei Bedarf
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1
Häufigkeit des Angebots jedes Semester
Modul-Verantwortliche*r Prof. Dr. Uwe Dettmar/Professor Fakultät IME
Dozierende*r Said Erkan/Lehrbeauftragter

Learning Outcome(s)

What? Learn how to create a project plan as part of their study

How? by applying project management concepts and processes to their "real-life" projects allowing them to generate immediate results that are usable in their future business situation. It acquires hands-on experience in applying new concepts and techniques in a project team environment and gain the confidence to take this forward to their environment.

Why? To be prepared managing projects during their work life of proficiency.

Modulinhalte

Seminar

Die Studierenden erlernen Grudnlagen zu PM Methoden, PM Organisationen, PM Werkzeuge und Projekt Initiierung durch Vorträge und Gruppenarbeit und Quellensuche basierend auf den vom PMI entwickelten Vorgaben.
Projekt

PM Konzepte und Prozesse auf individuelle "real-life" Projekte anwenden und das Arbeiten in kleinen Projektteams erlernen und dabei Erfahrungen sammeln.
Lehr- und Lernmethoden
  • Seminar
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 23 Stunden ≙ 2 SWS
Selbststudium 127 Stunden
Empfohlene Voraussetzungen Grundwissen im Projektmanagement
Zwingende Voraussetzungen
Empfohlene Literatur
  • PMP Handbook
  • www.scrumalliance.org
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen		 PM in Master Communication Systems and Networks PO4
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel QEKS
Modulbezeichnung Qualitätsgesteuerter Entwurf komplexer Softwaresysteme
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung SEKM - Software Engineering mit Komponenten und Mustern
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 siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 57 Stunden ≙ 5 SWS
Selbststudium 93 Stunden
Empfohlene Voraussetzungen
  • Modul PLET: 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)
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel RFSD
Modulbezeichnung RF System Design
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung RFSD - RF System Design
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt CS - Communication Systems
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel RM
Modulbezeichnung Rastermikroskopie
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung RM - Rastermikroskopie
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Wintersemester
Modul-Verantwortliche*r Prof. Dr. Stefan Altmeyer/Professor Fakultät IME
Dozierende*r Prof. Dr. Stefan Altmeyer/Professor Fakultät IME

Learning Outcome(s)

Was:
Das Modul vermittelt vertieftes MINT- und studiengangsspezifisches Fachwissen (K5, K6), schult sie Abtraktionsfähigkeit, Analysefähigkeit und sowie die Fähigkeit zur Bewertung komplexes Systeme (K7, K8, K9).

Vorlesungsbegleitend findet ein projektnahes Praktikum statt. Situations- und sachgerechtes argumentieren (K12) wird durch die Prakitkumsgespräche geübt. Die eigenständige Bearbeitung komplexer wissenschaftlicher Aufgaben (K10) und die Projektorganisation (K13) wird ebenso trainiert

Womit:
Der Dozent vermittelt das vertieftem MINT- und einschlägigem Fachwissen in einer Vorlesung mit integrierten kurzen Übungsteilen und einem dedizierten Freiraum für fachliche Diskussionen, um Sprachgebrauch und Ausdrucksfähigkeit zu schulen und auf den wissenschaftlichen Diskurs vorzubereiten.

Weiterhin wird das Praktikum gezielt projektartig durchgeführt und wird wie ein kleiner Forschungsauftrag verstanden. Die Praktikumsaufgaben sind in Ihrer Fragestellung zunächst weit gefasst sind, müssen von den Studierenden selber konkretisiert werden und können dann mit einer weit reichenden zeitlichen Flexibilität abgearbeitet werden. Dazu erhalten die Studierenden zu jeder Zeit der Laboröffnungszeiten Zugang zu der Geräteausstattung. Begleitet wird das Praktikum von regelmäßigen, wissenschaftlichen Diskussionen.

Wozu:
Vorbereitung auf eine selbständige, forschende Tätigkeit, sowohl fachlich als auch organsiatorisch. (HF1)
Anwendung tiefgreifende Fachkenntnisse im Bereich höchstauflösender Mess- und Analyseverfahren, die industriell als Mess- und Prüftechnologie zur Qualitätskontrolle von Produkten (HF2) eingesetzt werden, sowie Kompetenzvermittlung im Bereich der Überwachung von Produktionsprozessen (HF3)

Modulinhalte

Vorlesung / Übungen

Elektronenmikroskopie
Welle-Teilchen-Dualismus von Elektronen und de Broglie Wellenlänge
relativistischer Massenzuwachs
Auflösungsvermögen Elektronen-optischer Systeme
Tiefenschärfe im Elektronenmikroskop
Elektronenemission
Physik der Elektronenemission
thermoionische Emission
Schottky-Emission
Feldemission
technischer Aufbau von Elektronenemittern
Brightness als Erhaltungsgröße im Elektronenstrahl
magnetische Ablenkeinheiten
Fokussierlinsen
Bewegungsgleichung von Elektronen in Fokussierlinsen
Ansätze zur Minimierung von Abbildungsfehlern in elektronenoptischen Systemen
Scansysteme
Elektron-Materie-Wechselwirkung
Primärelektronen
Sekundärelektronen
Auger-Elektronen
Röntgen-Kontinuum
Charakteristische Röntgenstrahlung
Kathodoluminiszenz
Everhart-Thornley Detektor
Elektronen-Kontraste
Topographie-Kontrast
Material-Kontrast
Gitterorientierungs-Kontrast
Leitfähigkeitskontrast
Anwendungsfälle und Grenzen


Tunnelmikroskopie
Wellenfunktion
Definition
Stetigkeit und stetige Differenzierbarkeit
Wahrscheinlichkeitsinterpretation
Prinzip
Potentialdiagramm
Ferminiveau
Austrittsarbeit
quantenmechanische Berechnung der Tunnelwahrscheinlichkeit
vorgespannte Tunnelbarriere und WKB Näherung
Piezoantriebe
physikalische Grundlagen
Nichtlinearität, Hysterese, creep
Grundzüge der Regelungstechnik im Tunnelmikroskop
Präparation von Tunnelspitzen
Bild als Messsignal
Faltung von Objekt und Spitze
Gitterauflösung und atomare Auflösung
Anwendungsfälle und Grenzen

Kraftmikroskop
Aufbau
Typen: contact mode, non contact mode, tapping mode, magnetic mode etc.
Anwendungsfälle und Grenzen

konfokale Mikroskopie
Prinzip der konfokalen Blenden
Prinzip des optischen Schneidens
laterale Auflösung und axiale Auflösung
Pupillenausleuchtung und Überstrahlung beim konfokalen LSM
Justageproblematik
Nipkow-Scheibe
Justagefreiheit
Probleme der Lichtausbeute und Reflexionen
rotierendes Mikrolinsenarray
konfokale Farblängsfehler-Sensoren
Anwendungsfälle und Grenzen
Elektronenmikroskopie
klassische und relativistische Elektronengeschwindigkeit berechnen
Wellenlänge von Elektronen berechnen
Auflösungsvermögen eines elektronenoptischen Systems berechnen
die unterscheidlichen Regime der Elektronenemission erläutern
die verschiedenen Elektron-Materie Wechselwirkungen erklären
die verschiedenen Elektronenlinsen skizzieren und erklären
den Aufbau eines Everhart-Thornley Detektors skizzieren und erklären
Tiefenschärfe einer Aufnahme berechnen

Tunnelmikroskopie
das Potential-Ort Diagramm für einenTunnelprozess skizzieren und erläutern
den Ansatz zur Berechnung der Tunnelwahrscheinlichkeit darstellen
den Unterschied zwischen atomarer- und Gitterauflösung erklären

konfokale Mikroskopie
für gegebene laterale und axiale Auflösung die erforderlichen Pinholes dimensionieren
Praktikum

Justage und Benutzung von
Elektronenmikroskopen
Tunnelmikroskopen
Kraftmikroskopen
konfokalen Mikroskopen

Messtechnische Aufgaben bearbeiten
Höhenmessungen
3D Topographien messen
Rauheiten Analysieren
Strukturen analysieren
Ultimative Auflösungsgrenzen finden

Interpretation von messtechnischen Befunden
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Mathematik
Differential- und Integralrechnung
komplexe Zahlen
Vektorrechnung
Grundlagen der Differentialgeometrie

Physik / Oprik
geometrische Opik
Wellenoptik
Zwingende Voraussetzungen
  • Praktikum erfordert Anwesenheit im Umfang von: 5 Labortermine
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Praktikum
Empfohlene Literatur
  • Reimer: Scanning Electron Microscopy (Springer)
  • Meyer, Hug, Bennewitz: Scanning Probe Microscopy (Springer)
  • Wilhelm, Gröbler, Gluch, Heinz: Die konfokale Laser Scanning Mikroskopie (Carl Zeiss)
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel RP
Modulbezeichnung Research Project
Art des Moduls Pflichtmodul
Anerkannte Lehrveranstaltung RP - Research Project
ECTS credits 10
Sprache englisch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 2
Häufigkeit des Angebots jedes Semester
Modul-Verantwortliche*r Studiengangsleiter(in) Master CSN
Dozierende*r

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.

Modulinhalte

Forschungsprojekt

Im Rahmen des Projekts soll der Student individuell an einem Forschungsthema arbeiten, ein Problem auf wissenschaftliche Weise analysieren, neue oder geeignete Wege zur Lösung des Problems finden, das Projekt auf wissenschaftliche Art und Weise planen, Experimente, Simulationen und/oder theoretische Arbeiten durchführen, die Ergebnisse auswerten, die Ergebnisse präsentieren und einen Bericht schreiben.
Lehr- und Lernmethoden Forschungsprojekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 300 Stunden
Präsenzzeit 12 Stunden ≙ 1 SWS
Selbststudium 288 Stunden
Empfohlene Voraussetzungen
Zwingende Voraussetzungen Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Forschungsprojekt
Empfohlene Literatur
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen		 RP in Master Communication Systems and Networks PO4
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel SIM
Modulbezeichnung Simulation in der Ingenieurswissenschaft
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung FEM - Finite Elemente Methode in der Elektrotechnik
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Sommersemester
Modul-Verantwortliche*r Prof. Dr. Wolfgang Evers/Professor Fakultät IME
Dozierende*r Prof. Dr. Wolfgang Evers/Professor Fakultät IME

Learning Outcome(s)

Die Studierenden können technische Systeme mit Hilfe von rechnergestützten, numerischen Simulationen berechnen,
indem sie Modelle der realen Systeme bilden, diese als Modelle in einem Simualtionsprogramm erstellen und unter den gewünschten Randbedingungen die Berechnungen durchführen und auswerten
um später bei Entwicklungsaufgaben das Verhalten von zu entwickelnden Produkten im Voraus bestimmen und optimieren können.

Modulinhalte

Vorlesung / Übungen

Diskretisierung physikalischer Probleme am Beispiel einer elektrostatischen Anordnung
- Eindimensionales Modell
- Zweidimensionale Modell
- Ersatz der partiellen Ableitungen durch finite Differenzen
- Randbedingungen
- Aufstellen des linearen Gleichungssystems
- Verschiedene Methoden zur Lösung des Gleichungssystem
- Ergebnisdarstellung mit Interpolation
- Verwendung von randangepassten Gittern
- Lösen eines zweidimensionalen elektrostatischen Problems mit einer FEM-Software
- Ausnutzen von Symmetrien bei der Simulation
- Lösen eines zweidimensionalen magnetischen Problems mit einer FEM-Software
- Erweiterung des magnetischen Problems um nichtlineare Materialeigenschaften
- Erweiterung der Simulation durch programmgesteuerte Variation von Parametern und automatischer Ausgabe von Diagrammen mit Python
Durchführen und kritisches Bewerten von FEM-Simulationen zu verschiedenen physikalischen Effekten
Projekt

Durchführen und kritisches Bewerten von FEM-Simulationen zu verschiedenen physikalischen Effekten
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen - Elektrostatik: Feldstärke, Flussdichte, Dielektrika
- Elektromagnetismus: Feldstärke, Flussdichte, Fluss, magnetische Kreise, induzierte Spannung
Zwingende Voraussetzungen
Empfohlene Literatur
  • Thomas Westermann, Modellbildung und Simulation
  • Thomas Westermann: Mathematik für Ingenieure
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel SNEE
Modulbezeichnung Stromnetze für erneuerbare Energien
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung SNEE - Stromnetze für Erneuerbare Energien
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. Eberhard Waffenschmidt/Professor Fakultät IME
Dozierende*r Prof. Dr. Eberhard Waffenschmidt/Professor Fakultät IME

Learning Outcome(s)

Vor dem Hintergrund einer klima- und ressourcenschonenden Energiewende stehen unsere Stromnetze vor einem fundamentalen Wandel, der sich in den Zielen dieses Moduls wiederspiegelt.
WAS: Die Studierenden erkennen die größten Herausforderungen an die elektrischen Verteilnetze und erarbeiten und bewerten Lösungsvorschläge.
WOMIT: Sie benennen die verschiedenen Netzformen, Komponenten und verwenden Fachbegriffe der elektrischen Netze. Sie berücksichtigen ihre Kenntnis der relevanten technischen und rechtlichen Vorgaben beim Anschluss von dezentralen Einspeisern an das Stromnetz. Sie kennen die verschiedenen Berechnungs-Methoden zur Analyse von elektrischen Netzen und wenden anwendungsbezogen die passende Methode an. Sie berücksichtigen die Grundlagen zur Steuerung und Regelung von elektrischen Netzen beim Einsatz von reglungstechnischen Berechnungsmethoden.
Aufbauend auf diesen Kompetenzen erstellen sie in Arbeitsgruppen Simulationsmodelle von elektrischen Netzen. Sie analysieren die Simulationsergebnisse anhand von vermittelten Rahmenbedingungen und bewerten die Ergebnisse anhand der selbst vorgegeben Ziele.
WOZU: Sie können später beurteilen, ob Stromnetze eines Netzbetreibers den zukünftigen Anforderungen genügen und sind in der Lage, einen sachgerechten Ausbau zu planen. Ferner können sie beurteilen, ob oder unter welchen Umständen ein Netzanschluss von dezentralen Einspeisern oder größeren Lasten möglich ist.

Modulinhalte

Vorlesung

- Die Studierenden benennen die verschiedenen Netzformen, Komponenten und verwenden Fachbegriffe der elektrischen Netze.
- Sie berücksichtigen ihre Kenntnis der relevanten technischen und rechtlichen Vorgaben beim Anschluss von dezentralen Einspeisern an das Stromnetz.
- Sie kennen die verschiedenen Berechnungs-Methoden zur Analyse von elektrischen Netzen und wenden anwendungsbezogen die passende Methode an.
- Sie berücksichtigen die Grundlagen zur Steuerung und Regelung von elektrischen Netzen beim Einsatz von reglungstechnischen Berechnungsmethoden.
- Zusammenfassend beinhaltet dies insbesondere die folgenden Lerninhalte:
- Netzformen und Komponenten
- Netzwerke berechnen und simulieren
- Fehler-Management
- Netz-Regelung
- Netzanschluss von dezentralen Einspeisern
Aufbauend auf diesen Kompetenzen führen Sie Projektarbeiten durch (siehe Projektarbeit).
Projekt

Aufbauend auf den in der Vorlesung (siehe Vorlesung) erworbenen Kompetenzen führen sie Projektarbeiten durch.
Sie erstellen in Arbeitsgruppen Simulationsmodelle von elektrischen Netzen. Sie analysieren die Simulationsergebnisse anhand von vermittelten Rahmenbedingungen und bewerten die Ergebnisse anhand der selbst vorgegeben Ziele.
Projetthemen:
zukünftige Stromnetzbelastung durch
- Photovoltaik
- Elektromobilität
- Elektrische Wärmenutzung
- Elektrische Spreicher
unter unterschiedlichen Randbedingeungen wie z.B. Siedlungsgebiete
- Innenstadt
- Vorort
- Ländlicher Raum
Die Projektarbeit findet während Präsenzveranstaltungen mit Moderation des Dozenten sowie in Heimarbeit statt.
Lehr- und Lernmethoden
  • Vorlesung
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 34 Stunden ≙ 3 SWS
Selbststudium 116 Stunden
Empfohlene Voraussetzungen Grundlagen der Elektrotechnik, insbesondere komplexe Wechselstromrechnung und Drehstromsysteme
Zwingende Voraussetzungen
Empfohlene Literatur
  • Klaus Heuck, Klaus-Dieter Dettmann, Detlef Schulz, "Elektrische Energieversorgung", 7. vollständig überarbeitete und erweiterte Auflage, Vieweg Verlag, Wiebaden, 2007. ISBN 978-3-8348-0217-0
  • Dieter Nelles, Christian Tuttas,"Elektrische Energietechnik", B.G. Teubner Verlag, Stuttgart, 1998, ISBN 3-519-06427-8
  • Valentin Crastan,"Elektrische Energieversorgung 1: Netzelemente, Modellierung, stationäres Verhalten, Bemessung, Schalt- und Schutztechnik", 2. bearbeitete Auflage, Springer Verlag, Berlin Heidelberg New York, 2007, ISBN 978-3-540-69439-7
  • „Erzeugungsanlagen am Niederspannungsnetz – Technische Mindestanforderungen für Anschluss und Parallelbetrieb von Erzeugungsanlagen am Niederspannungsnetz“, VDE-Anwendungsregel VDE-AR-N 4105, Aug. 2011, verbindlich gültig ab 1.1.2012.
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel SYE
Modulbezeichnung Systemtechnik für Energieeffizienz
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung SYE - Systemtechnik für Energieeffizienz
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. Johanna May/Professor Fakultät IME
Dozierende*r Prof. Dr. Johanna May/Professor Fakultät IME

Learning Outcome(s)

Bestehende und neuartige Systeme und Produkte systematisch auf energetische Optimierungspotenziale hin analysieren und daraus Verbesserungen für die Energieeffizienz ableiten, indem funktionelle Anforderungen in technische Kennzahlen übersetzt werden, messtechnische Verfahren angewandt und eigene sowie Werte aus der Literatur kritisch bewertet werden, starke Einflussparameter ermittelt werden, Kreativitätsmethoden angewendet werden, mit starken Einflüssen Funktionsmodelle simuliert werden und die Sichtweisen verschiedener Stakeholder berücksichtigt werden, um später im Beruf damit neuartige Systeme energieeffizienter konzipieren zu können oder bei bestehenden Systemen Anhaltspunkte zur Verbesserung der Energieeffizienz zu ermitteln.

Modulinhalte

Vorlesung / Übungen

elektrische Leistungsmessung und Thermografie (Labor), Analyse von Lastprofilen und Simulation in python, Nutzung relevanter Normen zur Bewertung der energetischen Amortisationszeit, der Wirtschaftlichkeit und der Ökobilanz, Überblick über häufigste Energieeffizienzmaßnahmen (Druckluft, Beleuchtung, Abwärmenutzung)
funktionelle Anforderungen an Systeme und Produkte in technische Kennzahlen übersetzen und das sich steigernde Wissen darüber dokumentieren, messtechnische Verfahren anwenden und eigene und Daten aus der Literatur kritisch bewerten, Einflussgrößen ermitteln, Kreativitätsmethoden anwenden, starke Einflussfaktoren in Funktionsmodellen simulieren und quantitativ Verbesserungspotenziale evaluieren, Akzeptanz aus Sicht unterschiedlicher Stakeholder bewerten
Praktikum

Thermografie, Messung elektrischer Energie von mehr und weniger energieeffizienten Verbrauchern, Aufnahme von Lastprofilen (zuhause), kritische Betrachtung der jeweils entstehenden Messunsicherheiten
Projekt

Anwendung der in der Vorlesung vermittelten Methoden auf ein konkretes (jedes Semester) neues Projektthema im Themenumfeld Energieeffizienz, Teamprojekt
Lehr- und Lernmethoden
  • Vorlesung / Übungen
  • Praktikum
  • Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 57 Stunden ≙ 5 SWS
Selbststudium 93 Stunden
Empfohlene Voraussetzungen Bachelor Elektrotechnik, Erneuerbare Energien oder vergleichbar
Zwingende Voraussetzungen
  • Projekt erfordert Anwesenheit im Umfang von: 5 Projektermine, Präsentation, mündliche Prüfung
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Projekt
Empfohlene Literatur
  • M. Pehnt: Energieeffizienz: Ein Lehr- und Handbuch, Springer, 1. korrigierter Nachdruck 2010, ISBN 9783642142512
  • M. Günther: Energieeffizienz durch Erneuerbare Energien: Möglichkeiten, Potenziale, Systeme, Springer Fachmedien Wiesbaden, 2015, ISBN 9783658067533
  • F. Wosnitza, H.G. Hilgers: Energieeffizienz und Energiemanagement: Ein Überblick heutiger Möglichkeiten und Notwendigkeiten, Vieweg + Teubner Verlag, 2012, ISBN 9783834886712
  • J. Hesselbach: Energie- und klimaeffiziente Produktion: Grundlagen, Leitlinien und Praxisbeispiele, Vieweg + Teubner Verlag, 2012, ISBN 9781280786358
  • Recherche über scopus, Webinare der EU (leonardo)
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel TED
Modulbezeichnung Theoretische Elektrodynamik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung TED - Theoretische Elektrodynamik
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
Häufigkeit des Angebots jedes Sommersemester
Modul-Verantwortliche*r Prof. Dr. Holger Weigand/Professor Fakultät IME
Dozierende*r Prof. Dr. Holger Weigand/Professor Fakultät IME

Learning Outcome(s)

Mikroskopische/differentielle Beschreibung der Elektrodynamik kennenlernen
Bedeutung/Interpretation der mikroskoopisch, differentiellen Maxwell-und Material-Gleichungen kennenlernen
makroskopische aus differentielle Beschreibung ableiten
Potentialentwicklungen zur näherungsweisen Problemlösung anwenden
Analogien zwischen elektrisch und magnetischen Effekten zur Problemlösung kennenlernen

Lösungsansätze zu den Maxwell-Gleichungen kennenlernen und analysieren
elektrotechnischer Effekte aus Maxwellgleichungen ableiten
Potentialtheorien zur Lösung elektrotechnischer Fragestellungen anwenden
Vektoroperatoren und Integralsätze anwenden
3-dim Vektoranalysis und Integralsätze anwenden
Analogien zwischen elektrisch und magnetischen Effekten zur Problemlösung erkennen und nutzen
Kapzitäten und Induktivitäten beliebiger Ladungs- bzw. Stromverteilungen berechnen

Modulinhalte

Vorlesung / Übungen

Einführung in die Elektrodynamik
Ladungen, Ströme,
Kräfte, Felder
Klassische Elektrodynamik
Elektrostatik
Feld, Potential,
Polarisation
elektrostatische Energie
Kapazität
Multipolentwicklung
Wechselwirkung von Ladungsverteilungen
stationäres elektr. Strömungsfeld
Magnetostatik
Stationäres Magnetfeld
Vektorpotential
Magnetisierung
magnetostatische Energie
Induktivität
quasistationäre elektromagnetische Felder
Induktionsvorgänge
Skineffekt
schnellveränderliche elektromagnetische Felder
Elektromagnetische Wellen
Reflexion und Beugung
Bedeutung jeder Maxwell-/Material-Gleichung kennen
elektr./magn. Potential/Feld aus Ladungs-/Stromverteilung herleiten bzw. annähern
Potenzreihenentwicklung für elektr./magn. Potential/Feld zu Monopol-, Dipol-, Quadrupol- bis höheren Momenten ableiten
Kapazität/induktivität aus Ladungs-/Stromverteilung und elektro-/magnetostat. Energie herleiten
Kontinuitätsgleichung / Kirchhoff'sche Gesetze aus Maxwell-Gleichungen ableiten
Diffusions-/Wellengleichung für elektr./magn. Feld aus Maxwell-Gleichungen ableiten und lösen
makroskopische Probleme aus mikroskopisch/differentieller Beschreibung durch Integration lösen
Lösung von Übungsaufgaben
Lehr- und Lernmethoden Vorlesung / Übungen
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 34 Stunden ≙ 3 SWS
Selbststudium 116 Stunden
Empfohlene Voraussetzungen Vektoranalysis
Zwingende Voraussetzungen
Empfohlene Literatur
  • Lehner: "Elektromagnetische feldtheorie für Ingenieure", Springer-Verlag
  • Wunsch: "Elektromagnetische Felder", Verlag technik
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel THI
Modulbezeichnung Theoretische Informatik
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung THI - Theoretische Informatik
ECTS credits 5
Sprache deutsch
Dauer des Moduls 1 Semester
Empfohlenes Studiensemester 1-2
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 siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 34 Stunden ≙ 3 SWS
Selbststudium 116 Stunden
Empfohlene Voraussetzungen Grundlagen der Automatentheorie und der Formalen Sprachen
Zwingende Voraussetzungen
Empfohlene Literatur
  • Theoretische Grundlagen der Informatik, Rolf Socher, Hanser Verlag
  • Theoretische Informatik, Juraj Hromkovic, Teubner-Verlag
  • Grundkurs Theoretische Informatik, Gottfried Vossen und Kurt-Ulrich Witt,Vieweg-Verlag
  • Theoretische Informatik - kurzgefasst, Uwe Schöning, Spektrum Akademischer Verlag
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel TSVP
Modulbezeichnung Technologien und Systeme der Videoproduktion
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung TSVP - Technologien und Systeme der Videoproduktion
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. Ulrich Reiter/Professor Fakultät IME
Dozierende*r Prof. Dr.-Ing. Ulrich Reiter/Professor Fakultät IME

Learning Outcome(s)

WAS: Studierende analysieren aktuelle und zukünftige Produktionstechnologien und Systeme audiovisueller Medien hinsichtlich unterschiedlicher Faktoren wie Anwendbarkeit, Potential, Kosten/Nutzen, etc. in verschiedenen exemplarischen Anwendungsszenarien. Sie lernen, Technologien aus teilweise anderen Anwendungsgebieten mit Hilfe wissenschaftlicher Methoden auf ihre Einsatzmöglichkeit in der Medienproduktion hin zu untersuchen. Die kritische Auseinandersetzung mit der technischen Literatur und die Anwendung der Regeln guten wissenschaftlichen Arbeitens befähigt sie, wissenschaftliche begründete Aussagen zu treffen.

WOMIT: Dazu führen sie in kleinen Teams eine Literaturrecherche sowie evtl. Befragungen und Interviews mit Experten durch, mit Hilfe derer sie die betreffenden Technologien verstehen und eine Einordnung vornehmen können. Zum Abschluss des Projektes fertigen sie einen Bericht an und halten einen Fachvortrag.

WOZU: Studierenden wird ein kritischer Umgang mit neuen Technologien ermöglicht, da sie wissenschaftlich arbeiten können. Sie können komplexe Technologien analysieren, daraus technologische Empfehlungen ableiten und somit fachliche Führungs- und Projektverantwortung übernehmen.

Modulinhalte

Projekt

- Beherrschung von Methoden wissenschaftlichen Arbeitens, insbesondere für die Informationsbeschaffung sowie die Dokumentation und Präsentation von Expertenwissen
- Expertenwissen in spezifischen Themenbereichen der Produktionstechnologien audiovisueller Medien und ihrer Systeme, sowie aus benachbarten Disziplinen, die potentiell relevant für den Bereich Produktionstechnologien sind oder werden
Lehr- und Lernmethoden Projekt
Prüfungsformen mit Gewichtung siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 12 Stunden ≙ 1 SWS
Selbststudium 138 Stunden
Empfohlene Voraussetzungen - Grundlagenwissen aus dem Bereich der Produktionstechnologien und Systeme audiovisueller Medien
Zwingende Voraussetzungen
  • Projekt erfordert Anwesenheit im Umfang von: 2 Termine
  • Teilnahme an abschließender Prüfung nur nach erfolgreicher Teilnahme an Projekt
Empfohlene Literatur
  • diverse aktuelle Papers zum jeweiligen Thema
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel VAE
Modulbezeichnung Virtual Acoustic Environments
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung VAE - Virtuelle Akustische Umgebungen
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 siehe Prüfungsordnung
Workload 150 Stunden
Präsenzzeit 45 Stunden ≙ 4 SWS
Selbststudium 105 Stunden
Empfohlene Voraussetzungen Gundlagen Akustik, Signalverarbeitung
Zwingende Voraussetzungen
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"
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt CS - Communication Systems
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

🔗

Modulkürzel VER
Modulbezeichnung Virtuelle und erweiterte Realität
Art des Moduls Wahlpflichtmodul
Anerkannte Lehrveranstaltung VER - Virtuelle und erweiterte Realität
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 siehe Prüfungsordnung
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
Enthalten in Wahlbereich
Enthalten in Studienschwerpunkt
Verwendung des Moduls in
weiteren Studiengängen
Besonderheiten und Hinweise
Letzte Aktualisierung 19.7.2025, 14:32:16

Wahlbereiche🔗

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

  • Bei der Wahl von Modulen aus Wahlbereichen gelten zusätzlich die Bedingungen, die im Abschnitt Studienschwerpunkte formuliert sind.
  • 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 vier 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. Eine anzuerkennende Studienleistung
    • muss sich in das intendierte AbsolventInnen-Profil des Studiengangs fügen und zu dessen Erreichung beitragen,
    • muss lernergebnisorientiert sein und darf nicht allein der Wissensvermittlung dienen,
    • muss dem Qualifikationsniveau eines Masterstudiengangs entsprechen,
    • muss einen vor dem Hintergrund des vorgesehenen Studienverlaufs sinnvollen Kompetenzzuwachs darstellen,
    • muss durch eine Prüfungsleistung abgeschlossen worden sein und
    • darf hinsichtlich ihrer Inhalte und Learning-Outcomes nicht mit bereits erfüllten Studienleistungen identisch sein.
  • Im Folgenden sind Module nicht aufgeführt,
    • die in Vergangenheit lediglich im Rahmen individueller Anerkennungsverfahren für einen Wahlbereich anerkannt wurden oder
    • die in Vergangenheit lediglich im Rahmen eines Auslandsaufenthaltes und damit verbundenem, individuellem Learning-Agreements für einen Wahlbereich anerkannt wurden.

Auslandsaufenthalte

  • 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.
  • Vor Antritt des Auslandsaufenthaltes ist mit dem Anerkennungsbeauftragten der Fakultät ein Learning-Agreement abzuschließen. Es wird dabei insbesondere vereinbart, für welche Pflichtmodule oder Wahlbereiche die im Ausland erbrachten Studienleistungen anerkannt werden.

🔗

In diesem Wahlbereich können Master-Module aus dem Angebot der Fakultät 07 der TH Köln und des FB Informatik der Hochschule Bonn-Rhein-Sieg mit technischem Inhalt frei gewählt werden. Bitte beachten Sie, dass nicht jedes Modul in jedem Jahr angeboten wird.

Aus diesem Wahlbereich müssen Module im Umfang von mindestens 10 ECTS-Kreditpunkten belegt werden.

Dieser Wahlbereich umfasst insbesondere alle Module aus folgenden anderen Bereichen:

Module, die aus diesen anderen Bereichen stammen, sind im Folgenden normalgedruckt, originäre Module dieses Wahlbereichs sind fettgedruckt.

Module der Fakultät:

Modul-
kürzel		 Modulbezeichnung ECTS enthalten in Studienschwerpunkt
ACC Advanced Channel Coding 5 CS
AMC Advanced Multimedia Communications 5 CS N_S
AMS Special Aspects of Mobile Autonomous Systems 5
ARP Alternative Rechnerarchitekturen und Programmiersprachen 5
AVT Audio- und Videotechnologien 5
AVV Algorithmen der Videosignalverarbeitung 5
CI Computational Intelligence 5
CSO Computersimulation in der Optik 5
DBT Digitale Bildtechnik 5
DLO Deep Learning und Objekterkennung 5
DMC Digital Motion Control 5
DSP Digital Signal Processing 5 CS
EBA Elektrische Bahnen 5
EMM Energiemanagement in Energieverbundsystemen 5
HSUT Hochspannungsübertragungstechnik 5
IBD InnoBioDiv 5
IIS Intelligent Information Systems 5
KOGA Kombinatorische Optimierung und Graphenalgorithmen 5
KRY Cryptography 5 CS N_S
LCSS Large and Cloud-based Software-Systems 5
LSPW Leistungselektronische Stellglieder für PV- und Windkraftanlagen 5
MCI Mensch-Computer-Interaktion 5
MLWR Maschinelles Lernen und wissenschaftliches Rechnen 5 CS
NGN Next Generation Networks 5 CS N_S
NLO Nichtlineare Optik 5
OSA Optische Spektroskopie und Anwendungen 5
PAP Parallele Programmierung 5
QEKS Qualitätsgesteuerter Entwurf komplexer Softwaresysteme 5
RFSD RF System Design 5 CS
RM Rastermikroskopie 5
SIM Simulation in der Ingenieurswissenschaft 5
SNEE Stromnetze für erneuerbare Energien 5
SYE Systemtechnik für Energieeffizienz 5
TED Theoretische Elektrodynamik 5
THI Theoretische Informatik 5
TSVP Technologien und Systeme der Videoproduktion 5
VAE Virtual Acoustic Environments 5 CS
VER Virtuelle und erweiterte Realität 5

Module anderer Fakultäten oder Hochschulen:

Zugehörigkeit Modulbezeichnung ECTS enthalten in Studienschwerpunkt
Universidad Politécnica de Madrid Distributed Systems for IoT 5 N_S
Hochschule Bonn-Rhein-Sieg Kommunikation in verteilten Systemen 6 N_S

🔗

In diesem Wahlbereich können Master-Module aus dem Angebot der Fakultät 07 der TH Köln und der Hochschule Bonn-Rhein-Sieg frei gewählt werden. Bitte beachten Sie, dass nicht jedes Modul in jedem Jahr angeboten wird.

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

Dieser Wahlbereich umfasst insbesondere alle Module aus folgenden anderen Bereichen:

Module, die aus diesen anderen Bereichen stammen, sind im Folgenden normalgedruckt, originäre Module dieses Wahlbereichs sind fettgedruckt.

Module der Fakultät:

Modul-
kürzel		 Modulbezeichnung ECTS enthalten in Studienschwerpunkt
ACC Advanced Channel Coding 5 CS
AMC Advanced Multimedia Communications 5 CS N_S
AMS Special Aspects of Mobile Autonomous Systems 5
ARP Alternative Rechnerarchitekturen und Programmiersprachen 5
AVT Audio- und Videotechnologien 5
AVV Algorithmen der Videosignalverarbeitung 5
CI Computational Intelligence 5
CSO Computersimulation in der Optik 5
DBT Digitale Bildtechnik 5
DLO Deep Learning und Objekterkennung 5
DMC Digital Motion Control 5
DSP Digital Signal Processing 5 CS
EBA Elektrische Bahnen 5
EMM Energiemanagement in Energieverbundsystemen 5
HSUT Hochspannungsübertragungstechnik 5
IBD InnoBioDiv 5
IIS Intelligent Information Systems 5
KOGA Kombinatorische Optimierung und Graphenalgorithmen 5
KRY Cryptography 5 CS N_S
LCSS Large and Cloud-based Software-Systems 5
LSPW Leistungselektronische Stellglieder für PV- und Windkraftanlagen 5
MCI Mensch-Computer-Interaktion 5
MLWR Maschinelles Lernen und wissenschaftliches Rechnen 5 CS
NGN Next Generation Networks 5 CS N_S
NLO Nichtlineare Optik 5
OSA Optische Spektroskopie und Anwendungen 5
PAP Parallele Programmierung 5
QEKS Qualitätsgesteuerter Entwurf komplexer Softwaresysteme 5
RFSD RF System Design 5 CS
RM Rastermikroskopie 5
SIM Simulation in der Ingenieurswissenschaft 5
SNEE Stromnetze für erneuerbare Energien 5
SYE Systemtechnik für Energieeffizienz 5
TED Theoretische Elektrodynamik 5
THI Theoretische Informatik 5
TSVP Technologien und Systeme der Videoproduktion 5
VAE Virtual Acoustic Environments 5 CS
VER Virtuelle und erweiterte Realität 5

Module anderer Fakultäten oder Hochschulen:

Zugehörigkeit Modulbezeichnung ECTS enthalten in Studienschwerpunkt
Universidad Politécnica de Madrid Distributed Systems for IoT 5 N_S
Hochschule Bonn-Rhein-Sieg Kommunikation in verteilten Systemen 6 N_S

🔗

Für dieses Wahlmodul können beliebige Master-Module aus dem Angebot der TH Köln und der Hochschule Bonn-Rhein-Sieg nach Angebot frei gewählt werden. Erfragen Sie jedoch, welche Voraussetzungen der Lehrende für den Besuch des Moduls erwartet. Diese müssen erfüllt sein, um das Modul besuchen zu können Weitere Module können nur nach vorhergehender Absprache mit der Studiengangsleitung gewählt werden. Bitte beachten Sie bei Ihrer Planung auch, dass die Lehrveranstaltungen in der Regel nur im Sommer- oder Wintersemester angeboten werden. Beachten Sie auch, dass nicht alle Module jedes Jahr angeboten werden.

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

🔗

In diesem Wahlbereich sind die Module aufgeführt, die einem der Studienschwerpunkte zugeordnet sind.

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, die aus diesen anderen Bereichen stammen, sind im Folgenden normalgedruckt, originäre Module dieses Wahlbereichs sind fettgedruckt.

Module der Fakultät:

Modul-
kürzel		 Modulbezeichnung ECTS enthalten in Studienschwerpunkt
ACC Advanced Channel Coding 5 CS
AMC Advanced Multimedia Communications 5 CS N_S
DSP Digital Signal Processing 5 CS
KRY Cryptography 5 CS N_S
MLWR Maschinelles Lernen und wissenschaftliches Rechnen 5 CS
NGN Next Generation Networks 5 CS N_S
RFSD RF System Design 5 CS
VAE Virtual Acoustic Environments 5 CS

Module anderer Fakultäten oder Hochschulen:

Zugehörigkeit Modulbezeichnung ECTS enthalten in Studienschwerpunkt
Universidad Politécnica de Madrid Distributed Systems for IoT 5 N_S
Hochschule Bonn-Rhein-Sieg Kommunikation in verteilten Systemen 6 N_S

Studienschwerpunkte🔗

Im Folgenden wird dargestellt, welche Studienschwerpunkte in diesem Studiengang definiert sind (vgl. auch §24 der Prüfungsordnung). Für alle Studienschwerpunkte gelten folgende Hinweise und Regularien:

  • Ein Studienschwerpunkt gilt als erfolgreich absolviert, wenn mindestens 4 der darin aufgelistete Module erfolgreich absolviert wurden.
  • Die absolvierten Studienschwerpunkte werden auf einem separaten Anhang des Abschlusszeugnisses dargestellt, bei mehr als einem auf Antrag an das Prüfungsamt auch nur in Teilen.
  • Auf Antrag kann ein Studienschwerpunkt 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.

🔗

Kommunikationssysteme und deren Funktionalität Absolventen können kommunikationstechnische Systeme entwerfen, aufbauen, erweitern und entwickeln. Sie verfügen über HW und SW Kenntnisse und finden Arbeitsplätze in F&E Bereichen der IKT sowie als Allrounder in allen Bereichen der Industrie und Wirtschaft. Die weiter fortschreitende totale Vernetzung der Dinge (Internet of Things) und die Digitalisierung der Produktion eröffnen langfristig Berufsmöglichkeiten für Absolventen des Studiengangs. Absolventen des Communication Systems Profils arbeiten hier im Speziellen zum Entwurf von Hardware, Firmware und Aufbau von funkbasierten Sensornetzen.

Module der Fakultät:

Kürzel Modulbezeichnung ECTS
ACC Advanced Channel Coding 5
AMC Advanced Multimedia Communications 5
DSP Digital Signal Processing 5
KRY Cryptography 5
MLWR Maschinelles Lernen und wissenschaftliches Rechnen 5
NGN Next Generation Networks 5
RFSD RF System Design 5
VAE Virtual Acoustic Environments 5

🔗

Vernetzung und Sicherheit von Netzwerken und Komponenten. Absolventen dieses Profils finden Ihre beruflichen Herausforderungen im Bereich der Vernetzung von Geräten und Dingen (IoT, Industrie 4.0) und der informationstechnischen Sicherheit . Alle Branchen der Industrie, die Wirtschaft und die öffentliche Verwaltung benötigen heute Experten aus diesen Gebieten. Dabei übersteigt die Nachfrage das Angebot.

Module der Fakultät:

Kürzel Modulbezeichnung ECTS
AMC Advanced Multimedia Communications 5
KRY Cryptography 5
NGN Next Generation Networks 5

Module anderer Fakultäten oder Hochschulen:

Zugehörigkeit Modulbezeichnung ECTS
Universidad Politécnica de Madrid Distributed Systems for IoT 5
Hochschule Bonn-Rhein-Sieg Kommunikation in verteilten Systemen 6

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 - Algorithmen, Protokolle, ... HF2 - Wissenschaftlich arbeiten... HF3 - Fachliche Führungs- und P... K.1 - kommunikationstechnische ... K.2 - kommunikationstechnische ... K.3 - kommunikationstechnische ... K.4 - kommunikationstechnische ... K.5 - kommunikationstechnische ... K.6 - Komplexe Fragestellungen ... K.7 - Informationen und wissens... K.8 - Naturwissenschaftliche Ph... K.9 - Erkennen und Verstehen te... K.10 - MINT-Modelle nutzen K.11 - MINT-Wissen anwenden K.12 - MINT-Wissen bedarfsgerech... K.13 - Technische und wissenscha... K.14 - Eigene wissenschaftliche ... K.15 - Arbeitsergebnisse bewerte... K.16 - Wissenschaftliche  Method... K.17 - Wissenschaftliche Aussage... K.18 - Regeln guten wissenschaft... K.19 - Komplexe technische Aufga... K.20 - In unsicheren Situationen... K.21 - Gesellschaftliche und eth... K.22 - Lernfähigkeit demonstrier... K.23 - Sich selbst organisieren K.24 - Sprachliche und interkult... 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 ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
AVV Algorithmen der Videosignalverarbeitung ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
BSN Fundamentals of System and Network Theory ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
CI Computational Intelligence ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
CSO Computersimulation in der Optik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
DBT Digitale Bildtechnik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
DLO Deep Learning und Objekterkennung ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
DMC Digital Motion Control ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
DSP Digital Signal Processing ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
EBA Elektrische Bahnen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
EMM Energiemanagement in Energieverbundsystemen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
HIM Advanced Mathematics ⬤ ⬤ ⬤ ⬤
HSUT Hochspannungsübertragungstechnik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
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 ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
LSPW Leistungselektronische Stellglieder für PV- und Windkraftanlagen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
MAA Masterarbeit ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
MCI Mensch-Computer-Interaktion ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
MLWR Maschinelles Lernen und wissenschaftliches Rechnen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
NGN Next Generation Networks ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
NLO Nichtlineare Optik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
OSA Optische Spektroskopie und Anwendungen ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
PAP Parallele Programmierung ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
PM Project Management ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
QEKS Qualitätsgesteuerter Entwurf komplexer Softwaresysteme ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
RFSD RF System Design ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
RM Rastermikroskopie ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
RP Research Project ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
SIM Simulation in der Ingenieurswissenschaft ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
SNEE Stromnetze für erneuerbare Energien ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
SYE Systemtechnik für Energieeffizienz ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
TED Theoretische Elektrodynamik ⬤ ⬤ ⬤ ⬤ ⬤
THI Theoretische Informatik ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
TSVP Technologien und Systeme der Videoproduktion ⬤ ⬤ ⬤ ⬤
VAE Virtual Acoustic Environments ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤
VER Virtuelle und erweiterte Realität ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤ ⬤

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
3.9 2025-09-08-09-32-00
  1. Diverse hängende Referenzen von Wahlbereichs-, Schwerpunkts- bzw. Vertiefungspaket-Tabellen in den Modul-Abschnitt korrigiert. Fehlende Module sind jetzt vorhanden.
  2. Eine Modulbeschreibung beinhaltet nun auch Angaben, in welchen Wahlbereichen und Studienschwerpunkten bzw. Vertiefungspakten das jeweilige Modul enthalten ist.
  3. Prüfungsvorleistungen in BSN reduziert
  4. CSO mit Prüfungsform für begleitende Prüfung
  5. Prüfungsordnungsversionen statt Jahreszahlen
  6. Modulkürzel ohne Studiengang
 Link
3.8 2025-08-25-18-53-00
  1. "Kommunikation in verteilten Systemen" als externes Modul der H-BRS statt internes F07-Modul
 Link
3.7 2025-08-22-14-20-00
  1. Distributed Systems for IoT in Schwerpunkt Networks and Security in MaCSN
 Link
3.6 2024-12-06-08-45-55
  1. Begutachtete Version für Reakkreditierung 2024
  2. Neues Layout für sämtliche Modulhandbücher
 Link
3.5 2024-07-06-12-00-00
  1. Neues Modul "IT-Forensik" für Masterstudiengänge Technische Informatik, Medientechnologie und Elektrotechnik
 Link
3.4 2024-02-23-15-00-00
  1. Generelle Überarbeitung des Layouts
  2. Eingangstexte bei Wahlmodulkatalogen und Schwerpunkten überarbeitet und POs angeglichen
 Link
3.3 2023-09-01-14-30-00
  1. Neue(s) Modul und Lehrveranstaltung "InnoBioDiv" im Master Communication Systems and Engineering, Technische Informatik
 Link
3.2 2023-07-17-11-00-00
  1. Masterarbeit in Master Communication Systems and Engineering auf Englisch (FR-2023-12)
 Link
3.1 2023-03-06-14-00-00
  1. Neue Lehrveranstaltung "Software Engineering für die Automatisierungstechnik", Modulbeschreibungen für Kolloquium und Masterarbeit im Master Communications Systems and Networks, externes Modul "Steuern" für X1 in Master Technische Informatik
 Link
3.0 2023-02-24-20-00-00
  1. Allgemeine Bereinigung von kaputten Links (http 404)
 Link
Impressum
Datenschutzhinweis
Haftungshinweis
Bei Fehlern, bitte Mitteilung an die
modulhandbuchredaktion@f07.th-koeln.de