Modulhandbuch - hs-regensburg.de 1 ... Seminaristischer Unterricht (4 SWS), Übungen und Praktikum (2 SWS) Studiensemester gemäß Studienplan Lehrumfang ... Assembler, Grundlagen

Modulhandbuchfür den

Bachelorstudiengang

Technische Informatik(B.Sc.)

SPO-Version ab: Wintersemester 2012

Sommersemester 2018erstellt am 20.03.2018

von Eva Neumaier

Fakultät Informatik und Mathematik

ModullisteStudienabschnitt 1:

Allgemeinwissenschaftliches Wahlpflichtmodul 1............................................................................................. 5AW-Modul 1.......................................................................................................................................... 6Fachspezifisches Englisch....................................................................................................................7

Datenverarbeitungssysteme...............................................................................................................................9Datenverarbeitungssysteme................................................................................................................10

Einführende Robotikprojekte........................................................................................................................... 12Einführende Robotikprojekte...............................................................................................................13

Mathematik 1................................................................................................................................................... 14Mathematik 1 (Lineare Algebra)........................................................................................................ 15

Mathematik 2................................................................................................................................................... 17Mathematik 2 (Analysis)..................................................................................................................... 18

Physik...............................................................................................................................................................20Physik.................................................................................................................................................. 21

Programmieren 1.............................................................................................................................................22Programmieren 1................................................................................................................................ 23

Programmieren 2.............................................................................................................................................25Programmieren 2 (C++)..................................................................................................................... 26

Theoretische Informatik................................................................................................................................... 28Theoretische Informatik...................................................................................................................... 29

Studienabschnitt 2:Algorithmen und Datenstrukturen................................................................................................................... 31

Algorithmen und Datenstrukturen.......................................................................................................32Allgemeinwissenschaftliches Wahlpflichtmodul 2........................................................................................... 34

AW-Modul 2........................................................................................................................................ 35AW-Modul 3........................................................................................................................................ 36

Betriebssysteme...............................................................................................................................................37Betriebssysteme.................................................................................................................................. 38

Datenbanken, Databases................................................................................................................................ 39Datenbanken....................................................................................................................................... 40

Digital Design.................................................................................................................................................. 42Digital Design......................................................................................................................................43

Embedded Systems........................................................................................................................................ 45Embedded Systems............................................................................................................................46

Fachbezogenes Wahlpflichtmodul 1............................................................................................................... 47KARG: Augmented reality and games with Unity3D........................................................................ 49KINL: Innovation Lab..........................................................................................................................51KITR: IT- und Wirtschaftsrecht.......................................................................................................... 53KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)......................................................... 55ZAPP: App-Programmierung.............................................................................................................. 57ZCRE Cyberethics: Recht und Ethik in der künstlichen Intelligenz..................................................59ZDIG: Digitalisierung...........................................................................................................................60ZEGI: Elektronikgrundlagen für Informatik.........................................................................................62ZHSP: HW-nahe Systemprogrammierung......................................................................................... 64ZIOT: Internet of Things.....................................................................................................................66ZMBV: Medizinsche Bildverarbeitung.................................................................................................68ZOCK: Projekt: Client-K.I.s für Brettspiele........................................................................................ 70

Kommunikationssysteme................................................................................................................................. 72Kommunikationssysteme.....................................................................................................................73

Praktikum mit Praxisseminar.......................................................................................................................... 75

Praktikum im Betrieb und Praxisseminar.......................................................................................... 76Software Engineering...................................................................................................................................... 77

Software Engineering..........................................................................................................................78Statistik.............................................................................................................................................................80

Statistik................................................................................................................................................ 81

Studienabschnitt 3:Bachelor-Arbeit.................................................................................................................................................83

Bachelor-Arbeit.................................................................................................................................... 84Bachelorseminar.............................................................................................................................................. 85

Bachelorseminar..................................................................................................................................86Fachbezogenes Wahlpflichtmodul 2............................................................................................................... 87

DASA: AUTOSAR...............................................................................................................................89DASN: Algorithmen für Sensornetze................................................................................................. 91DBIO: Bioinformatik............................................................................................................................ 93DDLI: Deep Learning for Image Classification and Segmentation................................................... 94DDMI: Data Mining............................................................................................................................. 97DDTS: Design Thinking in Security...................................................................................................99DEGS: Existenzgründungssimulation............................................................................................... 102DHPC: High Performance Computing............................................................................................. 104DMIS: Management der Informationssicherheit...............................................................................106DPLM: PLM am Beispiel der SAP PLM Komponenten.................................................................. 107DQCO: Quantencomputing...............................................................................................................109DSAP2: ABAP-Entwicklungsumgebung von SAP NetWeaver (Aufbaukurs)...................................111DSDM: Software Design and Test for Safety Critical Microcontrollers...........................................113DSRP: Software reliability and performance................................................................................... 115DSYC: SystemC............................................................................................................................... 117KARG: Augmented reality and games with Unity3D.......................................................................119KINL: Innovation Lab........................................................................................................................121KITR: IT- und Wirtschaftsrecht........................................................................................................ 123KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)....................................................... 125

Fachbezogenes Wahlpflichtmodul 3............................................................................................................. 127DASA: AUTOSAR.............................................................................................................................129DASN: Algorithmen für Sensornetze............................................................................................... 131DBIO: Bioinformatik.......................................................................................................................... 133DDLI: Deep Learning for Image Classification and Segmentation................................................. 134DDMI: Data Mining........................................................................................................................... 137DDTS: Design Thinking in Security.................................................................................................139DEGS: Existenzgründungssimulation............................................................................................... 142DHPC: High Performance Computing............................................................................................. 144DMIS: Management der Informationssicherheit...............................................................................146DPLM: PLM am Beispiel der SAP PLM Komponenten.................................................................. 147DQCO: Quantencomputing...............................................................................................................149DSAP2: ABAP-Entwicklungsumgebung von SAP NetWeaver (Aufbaukurs)...................................151DSDM: Software Design and Test for Safety Critical Microcontrollers...........................................153DSRP: Software reliability and performance................................................................................... 155DSYC: SystemC............................................................................................................................... 157KARG: Augmented reality and games with Unity3D.......................................................................159KINL: Innovation Lab........................................................................................................................161KITR: IT- und Wirtschaftsrecht........................................................................................................ 163KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)....................................................... 165

Informationssicherheit.................................................................................................................................... 167Informationssicherheit........................................................................................................................168

Vertiefungsmodul IT 1/1................................................................................................................................170Computerarithmetik und Rechenverfahren.......................................................................................171

Vertiefungsmodul IT 1/2................................................................................................................................173Datenverarbeitung in der Technik....................................................................................................174

Vertiefungsmodul IT 1/3................................................................................................................................176Automobile Kommunikationssysteme............................................................................................... 177Netzwerkmanagement.......................................................................................................................179

Vertiefungsmodul IT 2/1................................................................................................................................181Signalverarbeitung.............................................................................................................................182

Vertiefungsmodul IT 2/2................................................................................................................................183Computer Architektur........................................................................................................................ 184

Vertiefungsmodul IT 2/3................................................................................................................................186Echtzeitsysteme.................................................................................................................................187

Name des Studiengangs:Bachelor Technische Informatik (PO: 20122)

Modulname:Allgemeinwissenschaftliches Wahlpflichtmodul 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Allgemeinwissenschaftliches Wahlpflichtmodul 1 4

Modulverantwortliche/r FakultätProf. Dr. Gabriele Blod Allgemeinwissenschaften und Mikrosystemtechnik

Studiensemestergemäß Studienplan

Studienabschnitt Modultyp Arbeitsaufwand

[ECTS-Credits]1. / 2. 1. Wahlpflicht 5

Verpflichtende Voraussetzungenin der Regel keine, außer bei aufeinander aufbauenden KursenEmpfohlene Vorkenntnissein der Regel keine, außer bei aufeinander aufbauenden Kursen

Inhalte• Vermittlung von Orientierungswissen und Allgemeinbildung• Vermittlung und Training von Schlüsselkompetenzen (z.B. Zusatzzertifikat "Soft Skills")• Vermittlulng und Training von Fremdsprachen

Lernziele/Lernergebnisse/Kompetenzen• Einsichten in Themen, die über das Fachstudium hinausgehen (Orientierungswissen,

Allgemeinbildung)• Erwerb von methodischen und/oder sozialen Kompetenzen (Schlüsselkompetenzen)• Erwerb von Fremdsprachenkompetenzen

Zugeordnete Lehrveranstaltungen:Nr. Bezeichnung der Veranstaltung Lehrumfang

[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. AW-Modul 1 2 SWS 2 2. Fachspezifisches Englisch 2 SWS 3

Stand: 20.03.2018 Ostbayerische Technische Hochschule Regensburg Seite 5



Lehrveranstaltung LV-KurzbezeichnungAW-Modul 1 AW1

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Allgemeinwissenschaften und MikrosystemtechnikLehrende/r / Dozierende/r AngebotsfrequenzN.N.LehrformAbhängig vom ausgewählten AW-Fach (2 SWS)


Lehrumfang

[SWS oder UE]

Lehrsprache Arbeitsaufwand

[ECTS-Credits]2. 2 SWS deutsch 2

Zeitaufwand:Präsenzstudium Eigenstudium30h 30h

Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mündlicher Leistungsnachweis, Notengewicht ½

InhalteAbhängig von der jeweiligen Lehrveranstaltung

Lernziele/Lernergebnisse/KompetenzenAbhängig von der jeweiligen Lehrveranstaltung.

LehrmedienAbhängig von der jeweiligen Lehrveranstaltung.

LiteraturAbhängig von der jeweiligen Lehrveranstaltung.

Weitere Informationen zur LehrveranstaltungDas AW-Modul 1 ist aus dem gesamten AW-Angebot frei wählbar mit folgenden Ausnahmen:

• Module aus dem Bereich EDV• Module der VHB des Themenbereichs Internetkompetenz oder anderer

informatikbezogener Themen.




Lehrveranstaltung LV-KurzbezeichnungFachspezifisches Englisch EN

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Allgemeinwissenschaften und MikrosystemtechnikLehrende/r / Dozierende/r AngebotsfrequenzN.N.LehrformSeminaristischer Unterricht mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]1. 2 SWS englisch 3


Studien- und PrüfungsleistungSchriftliche Prüfung: 90 - 120 minNotengewicht 1/2

InhalteAlle Bereiche sind gleich gewichtet:

• Lesen und Besprechen von englischen Fachtexten• Hören und Besprechen von englischen Fachvorträgen• Grundsätze der Erstellung von englischen Fachtexten, Erstellung eigener Texte• Fachdiskussionen in kleinen Gruppen, Präsentieren der Ergebnisse

Lernziele/Lernergebnisse/KompetenzenDie Studierenden beherrschen die Grundsätze fachbezogener beruflicher Kommunikation in derenglischen Sprache und erwerben Strategien die ihnen eine selbständige Weiterentwicklungdieser grundlegenden Fertigkeiten ermöglichen.Speziell erwerben sie in den sprachlichen Kernfertigkeiten die folgenden Kompetenzen:

• Lesen: Englische Fachliteratur mittleren Schwierigkeitsgrads mit Verständnis lesen undden Inhalt in verständlicher Form wiedergeben; Entwicklung von Lesestrategien, die zumeffektiven Umgang auch mit schwierigen Texten führen.

• Schreiben: Erkennung und Anwendung wesentlicher Merkmale der Textstruktur imEnglischen; Erkennung und angemessene Anwendung unterschiedlicher Schreibstile;einfache technische Geräte und den Ablauf einfacher technischer Vorgänge beschreiben;kurze schriftliche Abhandlungen zu aktuellen Fachthemen verfassen

• Sprechen: Überwinden eventueller Hemmungen, sich in der Fremdsprache zu äußern.Auf Anforderung sich angemessen zu fachbezogenen Themen äußern; an kurzenDiskussionen in kleinem Kreis teilnehmen; Diskussionsergebnisse kurz vortragen.




• Hören: Die mündlichen Ausführungen des Kursleiters sowie anderer Kursteilnehmer/innen mit Verständnis verfolgen und angemessen darauf reagieren; kurze englischeFachvorträge einfachen bis mittleren Schwierigkeitsgrads mit Verständnis hören und denInhalt in verständlicher Form wiedergeben; Entwicklung von Strategien, die zum effektivenUmgang mit einer englischsprachigen Umgebung führen.

LehrmedienTafel, Overheadprojektor, Notebook, Beamer, CD- und DVD-Spieler

LiteraturEigenes Skript, aktuelle Fachtexte und Übungsmaterialien

Weitere Informationen zur LehrveranstaltungFachspezifisches Englisch wird im Studiengang angeboten.Keine Anmeldung im AW-System erforderlich



Modulname:Datenverarbeitungssysteme

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Datenverarbeitungssysteme 1

Modulverantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und Mathematik

Zuordnung zu weiteren StudiengängenInformatik



[ECTS-Credits]2. 1. Pflicht 8

Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseKeine

Inhaltesiehe Folgeseite

Lernziele/Lernergebnisse/Kompetenzensiehe Folgeseite


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Datenverarbeitungssysteme 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungDatenverarbeitungssysteme DS

Verantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzSebastian Fischer (LB)Prof. Dr. Rudolf HackenbergProf. Dr. Wolfgang MauererProf. Dr. Daniel MünchLehrformSeminaristischer Unterricht (4 SWS), Übungen und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90–120 min

Inhalte• Von-Neumann-Rechner, Befehlsabarbeitung, Befehlstypen, Zahlendarstellungen• Einführung in Assemblerprogrammierung; Segmentierung, Adressierungsarten, Stack,

Interrupt, Polling, Strukturierung, Prozeduren, Makros, Rekursion, BedingteAssemblierung, Modulkonzept

• Schnittstelle zur Hochsprache• Komponenten von DV-Systemen wie Interrupt-Controller, DMA, Timer, Speicher,

Grafikkarten

Lernziele/Lernergebnisse/KompetenzenGrundlegende Kenntnisse der Struktur und Funktionsweise von Datenverarbeitungsanlagen undihren KomponentenKenntnis elementarer Befehlstypen von DV-Systemen sowie der Verbindung vonAssemblerbefehlen zu Hochsprachen

LehrmedienTafel, Notebook, Beamer




Literatur• Eigene Folien in PDF• E.-W. Dietrich: Assembler, Grundlagen der PC-Programmierung, Oldenburg 2005• Kip R. Irvine, "Assembly Language for x86 Processors", Prentice Halll, 2011



Modulname:Einführende Robotikprojekte

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Einführende Robotikprojekte 5

Modulverantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseProgrammieren 1




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Einführende Robotikprojekte 4 SWS 4



Modulname:Einführende Robotikprojekte

Lehrveranstaltung LV-KurzbezeichnungEinführende Robotikprojekte RB

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Alexander MetznerProf. Dr. Richard RothLehrformSeminaristischer Unterricht (1 SWS) mit Übungen (3 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90-120 min

Inhalte• Sensorik/Aktorik in der Praxis• Wegeplanung und Umgebungsmodellbildung• Steuerung und Regelung• Abstraktionsschichten in HW-nahen Programmen

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Herausforderungen beim Entwurf von Systemen, die mitphysikalischen Umgebungen interagieren.Die Studierenden kennen die Entwurfsprinzipien für diese Systeme und können dieserealisieren.Die Studierenden kennen die Prinzipien HW-naher Systemprogrammierung und können dieserealisieren.


Literatur



Modulname:Mathematik 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Mathematik 1 8

Modulverantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseBrückenkurse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Mathematik 1 (Lineare Algebra) 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungMathematik 1 (Lineare Algebra) MA1

Verantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Stefan KörkelProf. Dr. Rainer LöschelProf. Dr. Martin PohlDr. Gabriela Tapken (LBA)Prof. Dr. Martin WeißProf. Dr. Peter WirtzLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt:6 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 - 120 min

Inhalte• Mengenlehre und Logik (u.a. Mengenlehre und Aussagenlogik - Funktionen, Relationen,

Äquivalenzrelationen - Beweismethoden - Struktur von Gruppen, Ringen, Körper; endlicheKörper)

• Anschauliche Vektorrechnung, Analytische Geometrie (u.a. Vektorrechnung im R² -Vektorrechnung im R³, Vektorprodukt )

• Lineare Gleichungssysteme (u.a. Elementare Zeilenumformungen - GaußschesEliminationsverfahren)

• Matrizen (u.a. Struktur, Ringstruktur bei quadratischen Matrizen - Zusammenhang mitLinearen Gleichungssystemen - Determinante - Komplexe Zahlen)

• Vektorräume, v.a. endlich-dimensionale über den reellen und komplexen Zahlen bzw.über endlichen Körpern (u.a. Lineare Unabhängigkeit - Unterräume - Lösungsmengen vonLinearen Gleichungssystemen - Basis, Dimension, Basistransformation)

• Normierte Vektorräume (u.a. Euklidische Norm)• Skalarprodukträume (u.a. Euklidisches Skalarprodukt, Orthogonal- und

Orthonormalsysteme)• Lineare Abbildungen (u.a. Matrizendarstellung, Orthogonale Abbildungen)




Lernziele/Lernergebnisse/KompetenzenVerständnis der Grundlagen der LogikBeherrschung der Konzepte der Linearen AlgebraFertigkeit in der Anwendung der Methoden der Linearen Algebra bei der Lösungpraxisorientierter Fragestellungen

LehrmedienTafel, Overheadprojektor, Beamer, Einsatz mathematischer Software

Literatur• Dirk Hachenberger: Mathematik für Informatiker• Rod Haggarty: Diskrete Mathematik für Informatiker• Peter Hartmann: Mathematik für Informatiker• David Lay: Linear Algebra and its Applications




Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Mathematik 2 9

Modulverantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseMathematik 1 und Brückenkurse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Mathematik 2 (Analysis) 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungMathematik 2 (Analysis) MA2

Verantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Stefan KörkelProf. Dr. Rainer LöschelProf. Dr. Martin PohlDr. Gabriela Tapken (LBA)Prof. Dr. Martin WeißProf. Dr. Peter WirtzLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt: 6 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Folgen und Reihen (u.a. Konvergenzbegriffe - Konvergenzkriterien für Folgen und Reihen

- Funktionenreihen)• Stetigkeit (u.a. Stetigkeitsbegriffe - Zwischenwertsatz)• Differentialrechnung (u.a. Differentiationsregeln - Mittelwertsatz der Differentialrechnung -

Extremwerte)• Integralrechnung (u.a. Riemannsches Integral - Mittelwertsatz der Integralrechnung -

Hauptsatz der Differential- und Integralrechnung - Integrationsregeln)• Mehrdimensionale Analysis (u.a. Funktionen in mehreren Veränderlichen - Grenzwerte

und Stetigkeit - Differenzierbarkeit, totale und partielle Ableitung - Extremwerte)

Lernziele/Lernergebnisse/KompetenzenVerstehen der Konzepte der AnalysisBeherrschen der Konvergenzanalyse von ZahlenfolgenFertigkeit im flexiblen Einsatz der Methoden der Analysis bei der Lösung praxisorientierterFragestellungen

LehrmedienTafel, Overheadprojektor, Beamer, Einsatz mathematischer Software




Literatur• Dirk Hachenberger: Mathematik für Informatiker• Harro Heuser: Lehrbuch zur Analysis I, II• Peter Hartmann: Mathematik für Informatiker• James Stewart: Essential Calculus



Modulname:Physik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Physik 3

Modulverantwortliche/r FakultätProf. Dr. Ernst Wild Allgemeinwissenschaften und Mikrosystemtechnik




Verpflichtende VoraussetzungenkeineEmpfohlene VorkenntnisseVorkenntnisse in Physik




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Physik 4 SWS 5



Modulname:Physik

Lehrveranstaltung LV-KurzbezeichnungPhysik PH

Verantwortliche/r FakultätProf. Dr. Ernst Wild Allgemeinwissenschaften und MikrosystemtechnikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Ernst WildLehrformSeminaristischer Unterricht (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 – 120 min

Inhalte• Elektrische Felder und Gaußscher Satz, elektrische Feldberechnungen• Elektrische Spannungen und Kondensatoren• Eigenschaften von elektrischen Feldern in Materie• Bewegte Elektronen im Vakuum und in verdünnten Gasen, Ohmsches Gesetz• Grundlagen der Halbleitertechnik, MOS Transistoren, logische Gatter• Magnetfelder und Berechnung von Magnetfeldern• Induktion und Magnetfelder in Materie

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Grundlagen der elektrischen und magnetischen Felder.Die Studierenden sind in der Lage einfache elektrische und magnetische Felder zu berechnen.Die Studierenden verstehen die Funktionsweise von MOS Transistoren und können darauslogische Gatter aufbauen.Die Studierenden kennen die Anwendungen der Physik in der Informatik, z.B. beim Aufbau vonSpeichern (elektrisch und magnetisch) und Displays.

LehrmedienTafel, Folien, Notebook, Beamer

Literatur• Hummel-Wild, Elektrizität und Magnetismus, Eigenverlag, 2002• Halliday-Resnick-Walker, Fundamental of Physics, Wiley and Sons (1991)• Paus, Physik, Hanser, 1995



Modulname:Programmieren 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Programmieren 1 6





Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseKeine




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Programmieren 1 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungProgrammieren 1 PG1

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Michael BulendaProf. Dr. Jan DünnweberProf. Dr. Daniel JobstProf. Dr. Carsten KernProf. Dr. Alexander MetznerProf. Dr. Christoph PalmProf. Dr. Stefanie ScherzingerDr. Torsten Strobl (LB)Dr. Wolfgang Wiedermann (LB)Prof. Dr. Thomas WölflLehrformSeminaristischer Unterricht (4 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Problemanalyse und Algorithmusnotation• Ausdrücke, Operatoren, Operanden• Variablen und Datentypen, Arrays und Zeiger• Kontrollstrukturen• Funktionen• elementare und rekursive Datenstrukturen (z.B. verkettete Listen)• Iteration und Rekursion• dynamische und statische Speicherverwaltung• Modularisierung

Lernziele/Lernergebnisse/KompetenzenDie Studierenden verstehen die Konzepte prozeduraler Programmiersprachen.Die Studierenden können einfache Probleme analysieren und Algorithmen zur Lösung in derprozeduralen Programmiersprache C implementieren und testen.




Die Studierenden kennen elementare Datenstrukturen und können diese selbstständiganwenden.


Literaturz.B. können diese Bücher hilfreich sein

• Kirch-Prinz, Pinz: C, kurz & gut, O#Reilly, 2002• Goll, Dausman: C als erste Programmiersprache, Springer Vieweg, 2014• Schellong: Moderne C Programmierung, Xpert.press, 2014

Weitere Informationen zur LehrveranstaltungZuordnung zu Ausbildungszielen:G2: Beherrschung elementarer Methoden der Mathematik und der Informatik zur Analyse undModellierungG3: Fähigkeit zur ingenieurmäßigen Planung und Erstellung von Software-Systemen, sowohl infachlicher, als auch in planerischer und organisatorischer Hinsicht




Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Programmieren 2 7





Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseProgrammieren I




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Programmieren 2 (C++) 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungProgrammieren 2 (C++) PG2

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Michael BulendaProf. Dr. Axel DoeringProf. Dr. Jan DünnweberProf. Dr. Daniel JobstProf. Dr. Carsten KernProf. Dr. Alexander MetznerProf. Dr. Daniel MünchProf. Dr. Stefanie ScherzingerProf. Dr. Thomas WölflLehrformSeminaristischer Unterricht (4 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Klassen, Objekte, Klassenhierarchien (Einfach- und Mehrfachvererbung)• Lebenszyklus von Objekten• Templates, abstrakte Klassen• Polymorphie• GUI-Programmierung (z.B. mit Qt)

Lernziele/Lernergebnisse/KompetenzenDie Studierenden verstehen die grundlegenden Konzepte objektorientierterProgrammiersprachen und können diese zur praktischen Problemlösung einsetzen. Die Studierenden sind in der Lage, einfache Probleme mit Techniken der objektorientiertenAnalyse zu analysieren, sowie Algorithmen und Datenstrukturen zur Lösung einfacher Problemein der objektorientierten Sprache C++ zu formulieren und deren Korrektheit zu validieren.




Darüber hinaus sind die Studierenden in der Lage, sich zügig in vorhandene objektorientierteBibliotheken einzuarbeiten und können ihnen unbekannten Programmcode auf seineFunktionsweise hin analysieren.


Literaturz.B. können diese Bücher hilfreich sein

• Stroustrup: Einführung in die Programmierung mit C++, Pearson Studium, 2010• Josuttis: The C++ Standard Library: A Tutorial and Reference, Addison-Wesley, 2012• Breymann: Der C++ Programmierer, Hanser, 2015• Loudon: C++ kurz & gut, O'Reilly, 2013• Lippmann, Lajoie, Moo: C++ Primer, Addison-Wesley, 2012



Modulname:Theoretische Informatik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Theoretische Informatik 2

Modulverantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseBesuch der Vor- und Brückenkurse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Theoretische Informatik 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungTheoretische Informatik TI

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Frank HerrmannProf. Dr. Wolfgang MauererProf. Dr. Klaus VolbertLehrformSeminaristischer Unterricht (4 SWS) mit Übungen (2 SWS)Die Lehrveranstaltung kann auch als virtuelle Lehrveranstaltung mit Präsenzübungen angebotenwerden.


Lehrumfang

[SWS oder UE]





Inhalte• Formale Sprachen und Automatentheorie• Alphabete, Wörter, Sprachen. Informationsgehalt von Wörtern, Sprachen zur

Problembeschreibung (speziell: Entscheidungsprobleme)• Deterministische und nichtdeterministische Endliche Automaten und deren Äquivalenz,

Minimierung von Automaten, Grenzen von endlichen Automaten• Abschlusseigenschaften regulärer Sprachen• Grammatiken und Chomsky Hierarchie• Berechenbarkeitstheorie• Mächtigkeit und Abzählbarkeit• Turing Maschinen und äquivalente Varianten (z.B. Mehrband-Turingmaschine,

nichtdeterministische Turingmaschine)• Kodierung von Turingmaschinen• Grenzen der Berechenbarkeit:Methode der Diagonalisierung und Methode der

Kolmogorov-Komplexität• Satz von Rice• Komplexitätstheorie• Komplexitätsmaße• Komplexitätsklassen P und NP




Lernziele/Lernergebnisse/Kompetenzen• Verständnis der Grundstrukturen zustandsbasierter Systeme• Beherrschen von Syntaxdefinitionen, die durch Regelsysteme gegeben sind• Kenntnis der Grenzen der Berechenbarkeit• Kenntnis wesentlicher Zeit- und Platzkomplexitätsklassen

LehrmedienTafel, Folien

Literatur• Dirk W. Hoffmann: Theoretische Informatik, Hanser Verlag, 2009• John E. Hopcroft, Jeffrey D. Ullmann, Rajee Motwani: Einführung in die Automatentheorie,

Formale Sprachen und Komplexitäts-theorie“ von John E. Hopcroft, Pearson Studium,2002

• Michal Sipser: Introduction to the Theory of Computation, Thomson Course Technology,2006

• Uwe Schöning: Theoretische Informatik – kurzgefaßt, Spektrum Akademischer Verlag,1995

• Gottfried Vossen und Kurt-Ulrich Witt: Grundlagen der Theoretischen Informatik mitAnwendungen, Vieweg, 2002

• Ingo Wegener: Theoretische Informatik, Teubner, 2005



Modulname:Algorithmen und Datenstrukturen

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Algorithmen und Datenstrukturen 10

Modulverantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und Mathematik



[ECTS-Credits]3. oder 4. 2. Pflicht 8

Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseProgrammieren 1 und Programmieren 2




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Algorithmen und Datenstrukturen 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungAlgorithmen und Datenstrukturen AD

Verantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Klaus VolbertLehrformSeminaristischer Unterricht mit Übungen (gesamt 6 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. oder 4. 6 SWS deutsch 8



Inhalte• Komplexitätsanalyse (Modelle zur Laufzeit- und Speicherplatzanalyse, Best-, Average-

und Worst Case Analyse, Komplexitätsklassen, Asymptotische Komplexität, Lösen vonRekursionsgleichungen)

• Entwurfsmethoden (Divide and Conquer, Dynamische Programmierung, Greedy-Algorithmen, Backtracking)

• Algorithmen für Standard-Probleme (Elementare, fortgeschrittene und schlüsselbasierteSortierverfahren, Datenstrukturen zur Verwaltung von Mengen - z.B. binäre Suchbäume,balancierte Bäume, Queues, Hashing, Suche in Mengen und Zeichenketten, Graph-Algorithmen - z.B. Tiefen- und Breitensuche, kürzeste Pfade, minimale Spannbäume)

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis grundlegender Entwurfsmethoden für Algorithmen• Verständnis der Komplexitätsanalyse (Laufzeit / Speicherplatz) von Algorithmen• Beherrschung von effizienten Datenstrukturen und Algorithmen für Standardprobleme (z.B.

Suchen, Sortieren)• Fähigkeit zur Implementierung der erlernten algorithmischen Methoden





Literatur• Cormen, T. H., Leisserson, C. E., Rivest, R.L., Stein, C.: Introduction to Algorithms, MIT

Press, 2001• Kleinberg, J., Tardos, E.: Algorithm Design, Addison Wesley, 2005• Ottmann, T., Widmayer, P.: Algorithmen und Datenstrukturen, Spektrum Akademischer

Verlag, 2002• Pomberger, G., Dobler, H.: Algorithmen und Datenstrukturen, Pearson Studium 2008• Schöning, U.: Algorithmik, Spektrum Akademischer Verlag, 2001• Sedgewick, R.: Algorithmen in C++, Pearson Studium 2002• Solymosi, A., Grude, U.: Grundkurs Algorithmen und Datenstrukturen in JAVA: Eine

Einführung in die praktische Informatik, Vieweg, 2008




Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Allgemeinwissenschaftliches Wahlpflichtmodul 2 19

Modulverantwortliche/r FakultätProf. Dr. Gabriele Blod Allgemeinwissenschaften und Mikrosystemtechnik



[ECTS-Credits]3. / 4. oder 5. 2. Wahlpflicht 4

Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene Vorkenntnissein der Regel keine, außer bei aufeinander aufbauenden Kursen

Inhalte• Vermittlung von Orientierungswissen und Allgemeinbildung• Vermittlung und Training von Schlüsselkompetenzen (z.B. Zusatzzertifikat "Soft Skills")• Vermittlung und Training von (Fremd-)Sprachen

Lernziele/Lernergebnisse/Kompetenzen• Einsichten in Themen, die über das Fachstudium hinausgehen (Orientierungswissen,

Allgemeinbildung)• Erwerb von methodischen und/oder sozialen Kompetenzen (Schlüsselkompetenzen)• Erwerb von Fremdsprachenkompetenzen


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. AW-Modul 2 2 SWS 2 2. AW-Modul 3 2 SWS 2




Lehrveranstaltung LV-KurzbezeichnungAW-Modul 2 AW 2

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Allgemeinwissenschaften und MikrosystemtechnikLehrende/r / Dozierende/r AngebotsfrequenzN.N.Lehrformabhängig von der jeweiligen Lehrveranstaltung


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. oder 5. 2 SWS deutsch 2



Inhalteabhängig von der jeweiligen Lehrveranstaltung

Lernziele/Lernergebnisse/Kompetenzenabhängig von der jeweiligen Lehrveranstaltung

Lehrmedienabhängig von der jeweiligen Lehrveranstaltung

Literaturabhängig von der jeweiligen Lehrveranstaltung

Weitere Informationen zur LehrveranstaltungAW-Modul 2: Anerkannt werden folgende Veranstaltungen:

• Sozial- und Methodenkompetenz: Blöcke 1 - 4 (nicht Block 5)• Soziale Kompetenz• Zusatzstudium Internationale Handlungskompetenz (wenn mindestens zwei Kurse besucht

wurden, nicht nur die Vorlesung im WiSe)• Internationale rhetorische Kompetenz (IRK): Kommunizieren mit Anderen (Gespräch und

Moderation G1 - G5)• Mündliche Kommunikation und Sprecherziehung: Mündliche Kommunikation II




Lehrveranstaltung LV-KurzbezeichnungAW-Modul 3 AW 3

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Allgemeinwissenschaften und MikrosystemtechnikLehrende/r / Dozierende/r AngebotsfrequenzN.N.Lehrformabhängig von der jeweiligen Lehrveranstaltung


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. oder 5. 2 SWS deutsch 2





Lehrmedienabhängig von der jeweiligen Lehrveranstaltung

Literaturabhängig von der jeweiligen Lehrveranstaltung

Weitere Informationen zur LehrveranstaltungAW-Modul 3: Frei wählbar aus gesamtem AW-Angebot mit folgenden Ausnahmen:

• Module aus dem Bereich EDV• Module der VHB des Themenbereichs Internetkompetenz oder anderer

informatikbezogener Themen.



Modulname:Betriebssysteme

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Betriebssysteme 13

Modulverantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseProgrammieren 1 und 2, Hardwaregrundlagen und Rechnerarchitekturen




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Betriebssysteme 6 SWS 8



Modulname:Betriebssysteme

Lehrveranstaltung LV-KurzbezeichnungBetriebssysteme OS

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberProf. Dr. Markus KuceraLehrformSeminaristischer Unterricht mit Übungen und Praktikum (gesamt 6 SWS)


Lehrumfang

[SWS oder UE]





InhalteEinführung (Historie, Betriebssystem, Schichtenmodell, Schnittstellen und virtuelle Maschine)Prozesse (Prozesszustände, Scheduling, Synchronisation, Kommunikation)Speicherverwaltung (Speicherbelegungsstrategien, virtueller Speicher, Seitenverwaltung,Segmentierung, Cache)Dateiverwaltung(Dateisysteme, Dateiattribute, Dateifunktionen, Dateiorganisation)

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die wichtigsten Mechanismen eines Betriebssystems.Sie verstehen die grundlegenden Konzepte eines modernen Betriebssystems und erwerbenFertigkeiten in der systemnahen Programmierung.

LehrmedienTafel, Beamer, Folien

Literatur• Tanenbaum. Moderne Betriebssysteme• Silberschatz et al: Operating System Concepts



Modulname:Datenbanken, Databases

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Datenbanken, Databases 11

Modulverantwortliche/r FakultätProf. Dr. Stefanie ScherzingerProf. Dr. Edwin Schicker

Informatik und MathematikInformatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseGute Programmierkenntnisse in C, Java oder C++, Theoretische Informatik




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Datenbanken 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungDatenbanken DB

Verantwortliche/r FakultätProf. Dr. Stefanie ScherzingerProf. Dr. Edwin Schicker

Informatik und Mathematik

Lehrende/r / Dozierende/r AngebotsfrequenzAlfred Jockisch (LB)Stephan Payer (LB)Prof. Dr. Stefanie ScherzingerProf. Dr. Edwin SchickerBernhard Zeller (LB)LehrformSeminaristischer Unterricht mit Übungen (6 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 Minuten

Inhalte• Relationenmodell: Integritätsregeln, Relationale Algebra. Entity-Relationship-Modell und

Normalformen.• SQL: Datenbankzugriffssprache DML, Datenbankbeschreibungssprache DDL, Sichten,

Schemata, Besonderheiten in speziellen Datenbanken.• Datenbankprogrammierung: Transaktionen, Zugriff auf Datenbanken mit geeigneten

Programmiersprachen, Fehlerbehandlung.• Concurrency und Recovery von Datenbanken: Recovery, Log-Dateien, Checkpoints,

Concurrency, Lockmechanismen, Deadlock.• Datenbankoptimierung: Optimierung der Zugriffe , Indexe• Ausgewählte aktuelle Entwicklungen, etwa zu XML, NoSQL, Datenbanken in der Cloud

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen den Aufbau und die Funktionsweise von Datenbanken.• Sie kennen die Datenbanksprache SQL.• Die Studierenden erwerben die Fertigkeit, selbstständig kleinere bis mittlere Datenbanken

zu entwerfen.• Sie können diese Datenbanken erzeugen, einrichten und verwenden.




• Die Studierenden sind in der Lage, auch komplexe Datenbanken einzusetzen und effizientzu programmieren.

• Die Studierenden können ausgewählte aktuelle Entwicklungen im Bereich Datenbankenein- und zuordnen (z.B. XML, NoSQL, ...).

LehrmedienTafel, Beamer, Notebook

Literatur• E. Schicker: Datenbanken und SQL, Springer-Vieweg 2014• A. Kemper / A. Eickler: Datenbanksysteme: Eine Einführung, Oldenbourg, 2015• C.J. Date: Introduction to Database Systems, Addison Wesley, 2003• C.J. Date / H. Darwen: SQL – Der Standard, Addison Wesley, 1998

Weitere Informationen zur LehrveranstaltungZuordnung zu Ausbildungszielen:G1: Kenntnis des Aufbaus, sowie der Möglichkeiten und Grenzen von Systemen derInformationstechnikG2: Beherrschung elementarer Methoden der Mathematik und der Informatik zur Analyse undModellierungG3: Fähigkeit zur ingenieurmäßigen Planung und Erstellung von Software-Systemen, sowohl infachlicher, als auch in planerischer und organisatorischer Hinsicht



Modulname:Digital Design

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Digital Design 14

Modulverantwortliche/r FakultätProf. Dr. Richard Roth Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseDatenverarbeitungssysteme, Physik




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Digital Design 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungDigital Design DD

Verantwortliche/r FakultätProf. Dr. Richard Roth Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Richard RothLehrformSeminaristischer Unterricht (4 SWS) mit Übungen und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Schaltalgebra, Schaltfunktionen, Minimierung, Entwicklungsziele• Kombinatorische Logik, Codeumsetzer, Multiplexer, Komparatoren, arithmetische

Schaltnetze• Realisierungsformen mit diskreten Gliedern, Multiplexer,• PROM, CPLD, FPGA• Rechnergestützte Schaltungsentwicklung• Hardwareentwicklungssprache, VHDL• Speicherbauelemente, DRAM, SDRAM, SRAM, MRAM, FRAM• Grundstruktur von Prozessoren

Lernziele/Lernergebnisse/KompetenzenDie Teilnehmer können die Funktion digitaler Schaltungen verstehen und Schaltungenselbständig entwickelnDie Teilnehmer kennen unterschiedliche Realisierungsformen und Entwicklungsziele vondigitalen SchaltungenDie Teilnehmer kennen die rechnergestützte Schaltungsentwicklung für programmierbare Logik-Bauelemente auch mit Hilfe von VHDL





Literatur• Eigene Folien in PDF• Siemers, Digitaltechnik, Fachbuchverlag Leipzig 2003• Pernards, Digitaltechnik, Hüthig 2001• Wuttke, Schaltsysteme, Pearson Studium 2003• Schiffmann, Technische Informatik, Springer 2004



Modulname:Embedded Systems

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Embedded Systems 17

Modulverantwortliche/r FakultätProf. Dr. Richard Roth Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseDigital Design, C-Programmierung,Software Engineering




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Embedded Systems 4 SWS 5



Modulname:Embedded Systems

Lehrveranstaltung LV-KurzbezeichnungEmbedded Systems EM

Verantwortliche/r FakultätProf. Dr. Richard Roth Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Richard RothLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 min

Inhalte• Aufbau und typische Eigenschaften von µ-Controllern, Eigenschaften und Programmierung

von Komponenten wie Interrupt-Controller, A/D-Wandler, Pusweitenmodul, CAN-Controller• Entwicklung, Simulation, Code- und Testgenerierung mit Hilfe von UML-Tool• Sensoren, Aktoren

Lernziele/Lernergebnisse/KompetenzenDie Teilnehmer lernen die besonderen Eigenschaften eingebetteter Systemen kennen.Sie kennen die Methoden und Werkzeuge zur Realisierung von eingebetteten Systemen


Literatur• Eigene Folien in PDF• Scholz, Softwareentwicklung eingebetteter Systeme, Springer 2005• Nauth, Embedded Intelligent Systems, Oldenburg 2005• Berger, Embedded System Design, Cmp Books 2002• Oestereich, Analyse und Design mit UML 2.1, Oldenburg 2006



Modulname:Fachbezogenes Wahlpflichtmodul 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Fachbezogenes Wahlpflichtmodul 1 18

Modulverantwortliche/r FakultätDekan Fakultät IM Informatik und Mathematik



[ECTS-Credits]3. oder 4. 2. Wahlpflicht 5

Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und zum Teil des 2. Studienabschnitts in Abhängigkeit der gewähltenLehrveranstaltung




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. KARG: Augmented reality and games

with Unity3D4 SWS 5

2. KINL: Innovation Lab 4 SWS 5 3. KITR: IT- und Wirtschaftsrecht 4 SWS 5 4. KSAP1: ABAP-Entwicklung von SAP

Netweaver (Grundkurs)4 SWS 5

5. ZAPP: App-Programmierung 4 SWS 5 6. ZCRE Cyberethics: Recht und Ethik

in der künstlichen Intelligenz4 SWS 5

7. ZDIG: Digitalisierung 4 SWS 5 8. ZEGI: Elektronikgrundlagen für

Informatik4 SWS 5

9. ZHSP: HW-naheSystemprogrammierung

4 SWS 5

10. ZIOT: Internet of Things 4 SWS 5 11. ZMBV: Medizinsche Bildverarbeitung 4 SWS 5 12. ZOCK: Projekt: Client-K.I.s für

Brettspiele4 SWS 5




Hinweise zur Belegungspflicht oder zu Optionen• Im Studiengang Techniche Informatik sind insgesamt drei Fachbezogene

Wahlpflichtmodule zu belegen. Ein Wahlpflichtmodul im 2. Studienabscnitt und zweiWahlpflichtmodule im 3. Studienabschnitt.

• Pro Semester werden nicht alle Lehrveranstaltungen angeboten.• Die Zuordnung der Lehrveranstaltungen zu den Studienabschnitten ist dringend zu

beachten:

Z + Modulkürzel: Zweiter Studienabschnitt D + Modulkürzel: Dritter Studienabschnitt K + Modulkürzel: Zweiter und Dritter Studienabschnitt

• Das Nähere regelt der Studienplan.




Lehrveranstaltung LV-KurzbezeichnungKARG: Augmented reality and games with Unity3D KARG

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Mauro FigueiredoLehrformLectures + Guided Lab Sessions


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3./4./6. oder 7. 4 SWS englisch 5

Zeitaufwand:Präsenzstudium Eigenstudium

Studien- und PrüfungsleistungSingle Programming Assignment

InhalteContent• Introduction to Unity• Scripting• Scene Management• Introduction to Games• Design and implementation of Games• Graphics• Animation• Augmented reality• Extending an application / Creating a game / Creating an augmented reality application.

Lernziele/Lernergebnisse/KompetenzenObjectives•Understand games concepts using the Unity game development platform•Understand augmented reality concepts•Code using the Unity platform to create games, augmented reality or interactive applicationsStudents in the end of the course will master the Unity development platform. It is a fullyintegrated development engine providing the required functionality to create games andinteractive content, while reducing the time, effort, and cost of developing the content. Atpresent time 34% of free mobile games are developed using the Unity platform.Students will be asked to extend an existing application or to create a game or create anaugmented reality app. This will constitute the single assignment for the module.




Knowledge of JavaScript or C#is advised.

LiteraturTextbook/teaching material (for reference purposes)• Unity Game Development Succinctly , Jim Perry, Synfusion, 2017• Mastering Unity Scripting , Alan Thorn, Packt, 2015• Unity 5.x Cookbook, Matt Smith, Chico Queiroz , Packt, 2015

Weitere Informationen zur LehrveranstaltungPrerequisite(s)Intermediate Programming Ability




Lehrveranstaltung LV-KurzbezeichnungKINL: Innovation Lab KINL

Verantwortliche/r FakultätProf. Dr. Markus Heckner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerLehrformSeminar with project work


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungProject and final presentation

InhalteContent• Introduction to Design Thinking• Introduction to agile project management (Scrum)• Introduction to theories behind design thinking• Course project o Design thinking workshop – Students will work on a challenge by an industry partner o Project phase o Final presentation

Lernziele/Lernergebnisse/KompetenzenObjectivesDuring the course students will work in small groups on concrete challenges coming from anindustry partner (e.g. Continental, Krones, Bosch Siemens Hausgeräte, ...), using the DesignThinking process and agile project management.Upon completion of this course students will have gained the following:• Understanding of the Design Thinking process and its phases• Understand the current role of Design Thinking and the importance of innovation forcompanies• Recognize the importance of us er feedback in innovation projects• Ability to transfer outputs of a Design Thinking project into an agile project managed withScrum• Ability to apply the Design Thinking innovation methodology in concrete innovation projects• Understand theoretical foundations behind Design Thinking




LehrmedienNotebook, Beamer, Flipchart, Whiteboard

Literatur• Own lecture notes.• Alvares de Souza Soares, P. (2016). Design Thinking - eine

neue Denkschule erobert Deutschlands Strategie-Abteilungen. Onlineverfügbar: http://www.manager-magazin.de/magazin/artikel/ design-thinking-eine-kreativitaetstechnik-erobert-konzernzentralen-a-1086472. Html.

• Dark Horse Innovation. (2017). Digital Innovation Playbook. Hamburg: MurmannPublishers GmbH.

• Ubernickel, F., Brenner, W., Pukall, B., Naef, T. & Schindlholzer, B. (2015). Design Thinking-Das Handbuch. Frankfurt: Frankfurter Societäts-Medien GmbH




Lehrveranstaltung LV-KurzbezeichnungKITR: IT- und Wirtschaftsrecht KITR

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzSabine Sobola (LB)LehrformSeminaristischer Unterricht (4 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. oder 7. 4 SWS deutsch 5


Studien- und PrüfungsleistungKlausur: 90 - 120 min

InhalteDie Lehrveranstaltung behandelt vor allem folgende Themen:Im Bereich Informationstechnologie:

• Schutz geistigen Eigentums (Designrecht, Urheberrecht, Markenrecht)• Vertragsrecht (Vertragsarten, Vertragsschluss, Recht der Allgemeinen

Geschäftsbedingungen, Gewährleistung für Software, Haftungsrecht)• Wettbewerbsrecht (Schutz vor unlauterem Wettbewerb, Zulässige Werbung)• Recht der Telemedien, Internetrecht• Recht bei Open Source Software und Open Content• Datenschutz und Datensicherheit• EU-Recht und Internationales Privatrecht

Im Bereich Wirtschaftsrecht:

• Grundzüge des Handelsrecht• Grundzüge des Gesellschaftsrecht• Arbeitsrecht (Arbeitsvertragsrecht, Kündigungsschutz)• Compliance und Haftung

Lernziele/Lernergebnisse/KompetenzenDie Studierenden erhalten einen Überblick über die im IT- und Wirtschaftsrecht wichtigstenRechtsgrundlagen, die Struktur der Gesetze und das Institut des Richterrechts. Sie erwerbendie Kompetenz mit der juristischen Fachsprache umzugehen, die rechtliche Problematik beiklassischen Fallgestaltungen aus dem IT- und Wirtschaftsbereich zu erkennen und einerstrukturierten Lösung zuzuführen.




Der Unterricht besteht aus Vorlesungen und Fallübungen, die einander abwechseln. Ziel ist es,dass die Studierenden rechtliche Fragestellungen erkennen und so lösen können, wie es denBedürfnissen der Praxis entspricht.

LehrmedienPowerpoint-Folien

LiteraturCompR, IT- und Computerrecht, 11. Auflage, C.H. Beck 2014ArbG, Arbeitsgesetze, 85. Auflage, C.H. Beck 2014




Lehrveranstaltung LV-KurzbezeichnungKSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs) KSAP1

Verantwortliche/r FakultätProf. Dr. Athanassios Tsakpinis Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzHeiner Göhlmann (LB)Prof. Dr. Athanassios TsakpinisLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung und/oder Studienarbeit und/oder mündlicher Leistungsnachweis,

Inhalte• Architektur und Komponenten eines SAP-Systems; Werkzeuge in der Software-

Entwicklung• Struktur und Basiselemente der Programmiersprache ABAP/4• Prozedurale Programmierung• Typkonzept, interne Tabellen• Datenbankschnittstelle (SQL),• Textuelle GUI-Programmierung• Modularisierungskonzepte• Einführung in die Dialogprogrammierung• Für die Übungen steht ein SAP-System zur Verfügung.

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis der Software-Entwicklungsumgebung des SAP-Systems.• Überblick über die SAP-Komponenten.• Grundkenntnisse in der Programmierung im SAP-Umfeld.• Sicherer Umgang mit der SAP-Entwicklungsumgebung.

LehrmedienFolienkopien, interaktiver Übungsbetrieb mit kurzen Vorführungen des Dozenten mitanschließenden Übungen




Literatur• Aktuelle Literatur insbesondere aus dem Umfeld der eingesetzten Systeme (insbesondere

SAP-Portal, WEB-Programmierung)• Keller H, Krüger S: ABAP Objects, Galilleo Press

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Programmieren




Lehrveranstaltung LV-KurzbezeichnungZAPP: App-Programmierung ZAPP

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAndreas Eckner (LB)Prof. Dr. Markus KuceraLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 minbzw. Präsentation oder Projektarbeit

Inhalte Grundlagen von Smartphones:

• Geräte, Betriebssysteme, Programmiersysteme• Systemaufbau• Sicherheit• Gestaltung von Oberflächen• Verarbeitung von Nachrichten, Kommunikation• Dateisystem und Datenbanken• Standortbezogene Dienste.

Lernziele/Lernergebnisse/KompetenzenDie Studierenden können die spezifischen Möglichkeiten von Smartphones bei der Entwicklungvon Anwendungen für mobile Systeme (sog. Apps) einsetzen.Dies gilt insbesondere für Besonderheiten bei der Mensch-Maschine-Schnittstelle

• Gestensteuerung, Sprachein-/Ausgabe• Ortsbezogene Anwendungen• Interaktion mit Anwendungen in der sog. Cloud

LehrmedienPräsentationsfolien, Folienkopien, Skript, Tafel




LiteraturBecker/Pant: Android2: Grundlagen und Programmierung, dPunkt Verlag, 2. Auflage 2010u.v.a.

Weitere Informationen zur LehrveranstaltungVorlesung (2 SWS), Übungen/Praktikum (2 SWS)




Lehrveranstaltung LV-KurzbezeichnungZCRE Cyberethics: Recht und Ethik in der künstlichen Intelligenz ZCRE

Verantwortliche/r FakultätDekan Fakultät IM Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzSabine Sobola (LB)Lehrform


Lehrumfang

[SWS oder UE]


[ECTS-Credits]4 SWS 5


Studien- und Prüfungsleistung

Inhalte

Literatur




Lehrveranstaltung LV-KurzbezeichnungZDIG: Digitalisierung ZDIG

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Thomas Zander (LB)Lehrform Seminaristischer Unterricht 3 SWS, Übungen 1 SWS


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung 90 Min.

Inhalte1. Einführung in den Begriff der DigitalisierungBegriffsbildung, Unterscheidung zwischen Hype und neuartigen Geschäftsmöglichkeiten.Implikationen auf Berufsbilder und Qualifikation.2. Omnipräsenz der DigitalisierungPhrasen wie „Software is eating the world.“ und „AI is eating software.“ in der Realität. Beispielefür Digitalisierung im Privatleben und im Berufsleben. Informationssicherheit und Security-Desaster.3. Die “Building blocks” der DigitalisierungData collection + storage, Machine Learning + Artificial Intelligence, Bias, Blockchain. Open-Source.4. Die Infrastruktur der DigitalisierungHigh-Performance & Cloud Computing, Spezialisierte Hardware-Architekturen, Infrastructureorchestration, Infrastructure-as-code. Vendor-lock-in und Workarounds. Kommende Trends: Fogcomputing, workload mobility.5. Konsequenzen und AusblickZukünftige Hardware-Architekturen, Auferlegte Grenzen der Digitalisierung und Regulierung.Ethik und Moral; Beispiele für fragwürdigen Einsatz verfügbarer Möglichkeiten.

Lernziele/Lernergebnisse/KompetenzenDigitalisierung findet ihren Weg in nahezu alle Lebens- und Arbeitsbereiche. KlassischesProdukt- und Lösungsgeschäft wandeln sich zu stark datengetriebenen Modellen.Ein grundsätzliches Verständnis für den Einfluß der Digitalisierung auf Privatleben undArbeitsumfeld wird geschaffen. Geschäftsmodelle von „Digital Companies“ werden eingeführt




und Vergleiche zu klassischen Modellen diskutiert und bewertet. Notwendige Änderungen inR&D Prozessen werden exemplarisch untersucht und neuartige Kollaborationsformen etabliert(z.B. „DevOps“, „Hackathon“). Kosten und Nutzen vormals nicht möglicher Konzepte („after-market feature unlocking“) werden herausgearbeitet, um Verpflichtungen, Möglichkeiten undGefahren einschätzen zu können.Kernsgeschäfte von „digital companies“ (Daten sammeln, Verarbeiten mit Unterstützung von AI/ML) werden analysiert und in den Übungen beispielhaft entwickelt.

LehrmedienTafel, Folien

LiteraturTBD

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:

• Statistik• Grundlagen der Informatik• Kennznisse in IP-Networking• Grundlagen der Programmierung in Python




Lehrveranstaltung LV-KurzbezeichnungZEGI: Elektronikgrundlagen für Informatik ZEGI

Verantwortliche/r FakultätProf. Dieter Kohlert Elektro- und InformationstechnikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dieter KohlertLehrformSeminaristischer Unterricht mit Laborübungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 min.

InhaltePassive Bauelemente: Widerstand, Induktivität, Kapazität, einfache Grundschaltungen, FilterDioden: Funktion, Kennlinien, BeschaltungLeuchtdioden: Funktion, Kennlinien, BeschaltungLED-Displays: AnsteuerungBipolartransistor: Aufbau, Funktion, Verwendung als SchalterMOS-Transistor: Aufbau, Funktion, Verwendung als SchalterGatetreiber Highside, LowsideSpannungsreglerOperationsverstärker: Grundlagen, Grundschaltungen, Anwendung zur SignalkonditionierungSchaltungssimulation mit LTSPICELaborübungen

Lernziele/Lernergebnisse/KompetenzenKenntnisseDie Teilnehmer kennen die Bauelemente, die für Displays, als Schalter und zurSignalkonditionierung benutzt werden sowie die üblichen LabormessgeräteFertigkeitenEinfache Testschaltungen können simuliert, aufgebaut und getestet werden. Die üblichenLabormessgeräte können bedient werden.KompetenzenVerständnis der einschlägigen Datenblätter, Dimensionierung und Partitionierung von gemischtanalog/digitalen Systemen, Entwurf von Schnittstellen zu Microcontrollerbausteinen




LehrmedienLückenskript, Bearbeitung live über PDF-Editor mit Notebook und Beamer, Animationen zuausgewählten Themen

Literatur• Vorlesungsskript: „Analog- und Digitaltechnik“, D. Kohlert, 2016• Grey, Meyer: „Analysis and Design of Analog Integrated Circuits“, New York: Mc Graw Hill• Tietze, Schenck: „Halbleiterschaltungstechnik“, Springer• Stiny: „Handbuch passiver elektronischer Bauelemente“, 2009 Franzis Verlag Poing• Stiny: „Handbuch aktiver elektronischer Bauelemente“, 2009 Franzis Verlag Poing• Einschlägige Datenblätter

Weitere Informationen zur LehrveranstaltungLehrimport aus der Fakultät EI, Lehrveranstaltung wird im Rahmen des FachbezogenenWahlpflichtangebotes an der Fakultät IM angeboten.




Lehrveranstaltung LV-KurzbezeichnungZHSP: HW-nahe Systemprogrammierung ZHSP

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Alexander MetznerLehrformSeminaristischer Unterricht (1 SWS) mit Übung (3 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur 90-120 min und/oder Projektarbeit

Inhalte• Inbetriebnahme und Startup-Code eines Prozessors am Beispiel des ATmega328P• Programmierung unterschiedlicher Speicher (Flash, EEPROM, SRAM)• Implementierung serieller Schnittstellen• HW-Debugging• Bootloader – Bedeutung und Implementierung• Ansteuerung externer Peripherie• Interrupt-Steuerung und Timer• Grundlegende Techniken zur Implementierung eines Echtzeit-Betriebssystems

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Herausforderungen und Methoden der HW-nahenProgrammierung eingebetteter Systeme am Beispiel eines Mikrocontrollers.Die Studierenden kennen die notwendigen Schritte zur Inbetriebnahme eines Mikrocontrollers.Die Studierenden sind in der Lage, Peripherie anzusteuern.Die Studierenden kennen die grundlegenden Programmier-Schritte zur Implementierung vonAblaufsteuerungen.

LehrmedienNotebook, Beamer, Tafel




LiteraturATmega 8-Bit data sheetATmega 8-Bit Instruction Set ManualDiverse Datenblätter

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:Programmieren, Datenverarbeitungssysteme.Voraussetzungen lt. Prüfungsordnung: Erfolgreiches Bestehen aller Prüfungen des 1.Studienabschnitts




Lehrveranstaltung LV-KurzbezeichnungZIOT: Internet of Things ZIOT

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Dr. Mikhail KomarovLehrformRegular lecture, on line consultations, in-class exercises


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. oder 4. 4 SWS englisch 5


Studien- und PrüfungsleistungFinal report (group and/or individual) (12-15 pages) in English

InhalteContent•Introduction to IoT. Big Data in IoT.•Challenges and open issues in IoT.•Web 2.0, Web 3.0. Emerging Internet of Services, web of services.•Mobile applications and business opportunities.•Mobile operators and their business opportunities.•Capillary networks.•Open Innovations and crowd-sourcing.

Lernziele/Lernergebnisse/KompetenzenObjectivesThe general goal of the course is to prepare graduates for effective performance of themanagerial role of working with the Internet of Things (Internet of Services), collection, storageand processing of the data received from the IoT, work in teams and to be able to furthercommercialize collected data.Therefore, aims of the course are:•To deeply involve students into the actual problems connected to the IoT.•To present an overview of different sources of big data and how that data is processed andstored.•To equip students with the knowledge of the major business-models which might be used.




•To equip students with the knowledge of basic principles of developing and managing IoTsystems.

LiteraturTextbook/teaching material

• Ovidiu Vermesan, Peter Friess “Internet of Things: Converging Technologies for SmartEnvironments and

• Integrated Ecosystems”, River Publishers, 2013 (available online as PDF for free)• Vojislav B. Misic, Jelena Misic Machine-to-Machine Communications: Architectures,

Technology, Standards, and Applications”, CRC Press, 2014.• K.C. Chen Machine-to-Machine Communications for Healthcare, Journal of Computing

Science and Engineering, Vol. 6, No. 2, June 2012, pp. 119-126• Juniper Networks: M2M the rise of machines, http://www.slideshare.net/jpocalles/machine-

to-machine-white-paper• Akyildiz, I. F., Jornet, J. M., and Pierobon, M. "Nanonetworks: A New Frontier in

Communications," Communications of the ACM, vol. 54, no. 11, pp. 84-89, November2011. http://www.ece.gatech.edu/research/labs/bwn/papers/2011/j12.pdf

• Akyildiz, I. F. and Jornet, J. M., "The Internet of Nano-Things," IEEE WirelessCommunication Magazine, vol. 17, no.6, pp. 58-63, December 2010 http://www.ece.gatech.edu/research/labs/bwn/surveys/nanothings.pdf

• In Lee (Ed) “Mobile applications and knowledge advancements in e-business”, Idea GroupInc (IGI), 2013.

• Michael Mordhorst, “How to Help Enterprises Going Mobile: Investigation on Influencesand Requirements of Business Apps Within Enterprise Mobility”, Anchor AcademicPublishing, 2014

Weitere Informationen zur LehrveranstaltungPrerequisite(s)Understanding network technologiesThe course does not require technical IT skills like programming or developing databases




Lehrveranstaltung LV-KurzbezeichnungZMBV: Medizinsche Bildverarbeitung ZMBV

Verantwortliche/r FakultätProf. Dr. Christoph Palm Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Schuster DietwaldProf. Dr. Christoph PalmLehrformSeminaristischer Unterricht (3 SWS) mit Übungen (1 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 Min

Inhalte• Grundlagen der technisch/physikalischen Prinzipien bildgebender Verfahren in derMedizin• Filter im Ortsraum, Faltung• Kantenerkennung und Glättung• Fouriertransformation• Grundlegende Segmentierungsverfahren• Binäre Morphologie• ausgewählte Beispiele des Einsatzes von medizinischer Bildverarbeitung in der Praxis

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden können verschiedene Bildmodalitäten gegenüberstellen und den Nutzen fürmedizinische Fragestellungen erkennen.• Die Studierenden sind in der Lage, mit medizinischen Bildern zu experimentieren und dabeidie besonderen Anforderungen beim Umgang mit solchen Daten herauszuarbeiten.• Die Studierenden verstehen die wichtigsten Methoden der Bildverarbeitung und können sieimplementieren.• Die Studierenden sind in der Lage, geeignete Bildverarbeitungsmethoden, die Reihenfolgeihrer Anwendung zur Lösung einer Fragestellung vorzuschlagen und mit Hilfe von Toolsumzusetzen. Sie analysieren die Auswirkung von Parametern auf die Ergebnisse und könnendie Effekte begründen.• Die Studierenden können den Zusammenhang zwischen Orts- und Frequenzraum aufzeigenund Filter im Frequenzraum konstruieren.




• Die Studierenden hinterfragen die Möglichkeiten von medizinischenBildverarbeitungsmethoden auf realem Bildmaterial, entdecken die Grenzen und können siebenennen

LehrmedienBeamer, Tafel, Whiteboard

Literatur• Folienkopien• Burger, Wilhelm und : Digitale Bildverarbeitung: Eine Einfu#hrung mit Java und ImageJ,Springer, 2006.• Jähne, Bernd: Digitale Bildverarbeitung, Springer, 2005• Handels, Heinz: Medizinische Bildverarbeitung: Bildanalyse, Mustererkennung undVisualisierung fu#r die computergestu#tzte a#rztliche Diagnostik und Therapie, Vierweg+Teubner, 2009• Dougherty, Geoffrey: Digital image processing for medical applications, Cambridge UniversityPress, 2009• Lehmann, Thomas et al.: Bildverarbeitung für die Medizin: Grundlagen, Modelle, Methoden,Anwendungen, Springer, 1997

Weitere Informationen zur LehrveranstaltungZuordnung zu Ausbildungszielen:• G1: Kenntnis des Aufbaus, sowie der Möglichkeiten und Grenzen vonSystemen der Informationstechnik• G2: Beherrschung elementarer Methoden der Mathematik und derInformatik zur Analyse und Modellierung• G8: Fähigkeit zum selbständigen Einarbeiten in SpezialgebieteVerpflichtende Voraussetzungen: mindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene Vorkenntnisse:• Programmieren 1 und 2• Einführung in die Medizin 1und 2




Lehrveranstaltung LV-KurzbezeichnungZOCK: Projekt: Client-K.I.s für Brettspiele ZOCK

Verantwortliche/r FakultätProf. Dr. Carsten Kern Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Carsten KernLehrformSeminaristischer Unterricht mit integrierten Übungen und Praktika (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur und Studienarbeit

InhalteZiel der Lehrveranstaltung ist das Verständnis unterschiedlicher Verfahren der künstlichenIntelligenz zur Entwicklung und Implementierung eines spielstarken Computerspielers für eineerweiterte Versions des Spiels Reversi in Teams. Dabei werden während des Semestersfortlaufend neue Konzepte und Techniken vorgestellt, um „intelligentere“ Computerspielerzu erstellen. Die vorgestellten Verfahren werden von den Studierenden aufgearbeitet undim Praktikum umgesetzt. Während des Semesters werden außerdem die jeweiligen Clientsgegeneinander antreten, um den aktuellen Fortschritt zu messen. Abschließend wird im Rahmeneines Wettbewerbs ein Sieger der Veranstaltung gekürt.

Lernziele/Lernergebnisse/Kompetenzen• Studierende können in der Theorie erlernte Verfahren der künstlichen Intelligenz wiedergeben.• Studierende können verschiedene Verfahren der künstlichen Intelligenz von einanderabgrenzen und den jeweiligen Nutzen für den Einsatz im Projekt benennen.• Studierende erlernen die Fähigkeit der Umsetzung von vorgegebenenSpezifikationsdokumenten (z.B. Spiel- und Netzwerkspezifikationen).• Studierende sind in der Lage mit unterschiedlichen Heuristiken zu experimentieren und einefür Ihre Projekt geeignete zu konfigrieren.• Studierende können erlernte Algorithmen an Praxisbeispielen anwenden.• Studierende sind in der Lage einen spiel- und konkurrenzfähigen Computerclients konzipierenund implementieren.• Studierende arbeiten im Team und können die Aufgabenteilung selbständig planen undkoordinieren.• Sie erweitern ihre Kompetenz zum technischen Beschreiben und Dokumentieren der eigenenUmsetzung.




• Sie erweitern ihre Kompetenz zum Präsentieren der eigenen Ergebnisse vor der Gruppe.

LehrmedienPowerPoint-Folien, Laptop, Beamer

LiteraturS. Russell, P. Norvig: Künstliche Intelligenz, Pearson Studium, 3. Auflage, 2012



Modulname:Kommunikationssysteme

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Kommunikationssysteme 16

Modulverantwortliche/r FakultätProf. Dr. Thomas Waas Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseDatenverarbeitungssystemeProgrammieren 1




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Kommunikationssysteme 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungKommunikationssysteme KS

Verantwortliche/r FakultätProf. Dr. Thomas Waas Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzNorbert Balbierer (LB)Prof. Dr. Thomas WaasLehrformSeminaristischer Unterricht (4 SWS) mit Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Überblick über Computernetzwerke (Komponenten, Operation, Protokolle, zeitlicher Ablauf

der Datenübertragung, Netzwerk-Architektur Modelle: ISO – OSI, TCP/IP)• Anwendungs-Schicht ( Kommunikation zw. Prozessen, Dienste für NW-Anwendungen,

Protokollablauf und Meldungsformate der Anwendungen: HTTP, FTP, E-Mail, DNS)• Transport Schicht ( Protokollarten: TCP, UDP, Meldungsformate, Ablauf, Überlastkontrolle,

Analyse)• Netzwerk Schicht ( Netzwerkdienst-Modell, Routing, Distanz Vektor Algorithmus, Link State

Algorithmus, hierarchisches Routing, Routing Tabellen, Routing Protokolle: RIP, OSPF,BGP, Adressierung in TCP/IP Netzen, IPv4- Protokoll: Meldungsformat, Fragmentierung,Ablauf, Analyse, Subnetting)

• Data Link (DL) Schicht (Dienste der DL Schicht, Techniken für Fehlerkorrekturen,gesicherte und ungesicherte Übertragungs-protokolle: Stop & Wait, Go Back to N,Mehrfachzugriffsprotokolle, ARP-Protokoll, DL für LANs: Ethernet, Fast-Ethernet, Gigabit-Ethernet, Wireless Zugriffsverfahren: IEEE 802.11, Netzwerk-Komponenten der DL:Bridge, Hub, Switches)

• Socket Programmierung

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die Computer Netzwerk-Komponenten, deren Rolle und die

Kommunikations-Protokolle zwischen Komponenten.• Sie kennen das Standard ISO-OSI Architektur-Modell im Vergleich zum TCP/IP-Modell

sowie verschiedene Netzwerk-Dienste der Anwendungs-Schicht (wie z. B. DNS, DHCP).




• Sie sind befähigt, mittels Analyse-Tools im Labor die Meldungsinhalte zu analysieren undzu identifizieren.

• Sie kennen die Protokolle der Transportschicht (TCP, UDP) und die wichtigsten Diensteder Netzwerkschicht, wie Routing und globale Adressierung und können diese praktischauf die Netzwerk-Komponenten, wie Router und Switch, anwenden.

• Die Studierenden kennen die meist verwendeten Verfahren für die Meldungsübertragungauf die Data-Link-Ebenen, auf Fest- und Wireless-Netze der LANs (Ethernet, FEth,IEEE802.11).

• Studierende verfügen über die Kompetenz, Prozesse über das Internet kommunizierenzu lassen.

LehrmedienTafel, Overheadprojektor, Notebook, Beamer

Literatur• Skript und On-Line Tutorials• D.E. Comer: „Computernetzwerke und Internets“ Pearson• James Kurose & Keith Ross: „Computernetzwerke: Ein Top-Down-Ansatz mit Schwerpunkt

Internet“ Addison Wesley, München, 2002• Fred Halsall: Computer Networking and the Internet, 5th Edition, Addison Wesley, Reading,

MA., 2005• Behrouz Forouzan: Data Communications and Networking, 3rd Edition McGrawHill,

Boston, 2004



Modulname:Praktikum mit Praxisseminar

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Praktikum mit Praxisseminar 20 / 21

Modulverantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und Mathematik




Verpflichtende Voraussetzungen90 Kreditpunkte aus den vorangegangenen 4 Semestern odervollständiges Ablegen der Grundlagenmodule (Erwerb von 60 Kreditpunkten) und Absolvierungmindestens eines weiteren Studiensemesters in Vollzeit.




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Praktikum im Betrieb und

Praxisseminar26



Modulname:Praktikum mit Praxisseminar

Lehrveranstaltung LV-KurzbezeichnungPraktikum im Betrieb und Praxisseminar PR + PS

Verantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und MathematikLehrende/r / Dozierende/r Angebotsfrequenzalle Professoren/innen der Fakultät IMLehrformPraktikum (18 Wochen Vollzeit im Betrieb) und Praxisseminar (1 Tag)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]5. deutsch 26


Studien- und PrüfungsleistungPraktikum: Nachweis über 18 Wochen Praktikum im Betrieb,Praxisseminar: Seminarvortrag mit Erfolg und Praktikumsbericht mit Erfolg

InhalteIm Rahmen von DV-Projekten ist die Mitarbeit in möglichst allen Projektphasen (Systemanalyse,Systemplanung, Implementierung und Systemeinführung) sicherzustellen.

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis der Arbeitsweise und Arbeitsabläufe in einem Unternehmen• Erfahrung in der praktischen Anwendung im Studium erworbener Fachkenntnisse• Erfahrung in der Diskussion und Präsentation von Arbeitsergebnissen

LehrmedienPraxisseminar: Tafel, Notebook, Beamer

Literatur

Weitere Informationen zur LehrveranstaltungPraktikum und PraxisseminarPraktikum:18 Wochen, je ca. 38,5h Vollzeit im Betrieb (gesamt: ca. 693h)Praxisseminar: Präsenz im Seminar, (Vor- und Nachbereitung)



Modulname:Software Engineering

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Software Engineering 15

Modulverantwortliche/r FakultätProf. Dr. Carsten Kern Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseProgrammieren 1 und 2




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Software Engineering 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungSoftware Engineering SE

Verantwortliche/r FakultätProf. Dr. Carsten Kern Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Michael BulendaProf. Dr. Carsten KernLehrformSeminaristischer Unterricht (4 SWS) mit Übungen und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Grundlagen des Software-Engineering (Definition, Ethik, Qualität)• Vorgehensmodelle (Phasenmodelle, V-Modelle, Agile Entwicklung)• Grundlagen des Requirements Engineering• Konzepte und Notationen der OOA (Basiskonzepte, statische, dynamische Konzepte,

UML)• Grundlagen der Software-Architektur (Sichtenkonzepte, Standardarchitekturen, Physische

Verteilung, Grob-Design)• Software Design (Fein-Design, Design-Patterns, Implementierung)• Software Test• Erstellung Projektvorschlag (Situationsanalyse, Ziele, Maßnahmen, Erfolgsfaktoren)• Erstellung Software-Requirements (Systemkontext, Use-Cases, Produktmodell)• Erstellung Fachkonzept/Architektur (Logische Sicht, Struktursicht, Verteilung)• Erstellung OO-Modell (Geschäftsprozess, OOA-Modell, OOD-Modell)• Erstellung Software Prototyp

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis der Denk- und Vorgehensweisen des Softwareengineering.• Fähigkeit zur objektorientierten Modellierung mit der Standardnotation UML in Analyse

und Entwurf• Fähigkeit zur Umsetzung objektorientierter Konzepte in gängigen

Programmierumgebungen• Fertigkeit in der Anwendung der Lehrinhalte auf konkrete Problemsituationen durch

Realisierung eines kleineren Projektes in Teamarbeit




LehrmedienPowerPoint-Präsentation, Laptop, Beamer, Tafel

Literatur• Sommerville, I.: Software Engineering, Pearson Studium, 2012• Rupp, C.: UML 2 glasklar: Praxiswissen für die UML-Modellierung, Carl Hanser Verlag,

2012• Kleuker, S.:, Grundkurs Software Engineering mit UML, Springer Vieweg 2013• Balzert, H.: Lehrbuch der Objekmodellierung, Spektrum, Akad. Verlag, 2011• Starke G.: Effektive Softwarearchitekturen: Ein praktischer Leitfaden, Carl Hanser Verlag,

2015



Modulname:Statistik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Statistik 12

Modulverantwortliche/r FakultätProf. Dr. Hans KieslProf. Dr. Peter Wirtz

Informatik und MathematikInformatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseMathematik 1 und 2, Programmierkenntnisse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Statistik 4 SWS 5



Modulname:Statistik

Lehrveranstaltung LV-KurzbezeichnungStatistik ST

Verantwortliche/r FakultätProf. Dr. Hans KieslProf. Dr. Peter Wirtz


Lehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Hans KieslProf. Dr. Peter WirtzLehrformSeminaristischer Unterricht (4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Beschreibende Statistik (Merkmale, Darstellung von Messreihen, Maßzahlen für ein- und

zweidimensionale Messreihen, Robustheit von Maßzahlen).• Grundbegriffe der Wahrscheinlichkeitstheorie (Wahrscheinlichkeitsräume, bedingte

Wahrscheinlichkeiten, Unabhängigkeit, Zufallsvariable und Verteilungsfunktion,Erwartungswert und Varianz, mehrdimensionale Zufallsvariable, Normalverteilung,x² -,t - und FVerteilung, Gesetze der großen Zahlen und Grenzwertsätze, empirischeVerteilungsfunktion, Zentralsatz der Statistik).

• Schließende Statistik (Schätzverfahren und ihre Eigenschaften, Maximum-Likelihood-Methode, Konfidenzintervalle, Tests bei Normalverteilungsannahmen, der x² -Anpassungstest, verteilungsunabhängige Tests, einfache Varianzanalyse, einfache lineareRegression).

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden sind in der Lage, Beobachtungen, die unter dem Einfluss des Zufalls

stehen, aufzubereiten und zu analysieren• Die Studierenden kennen die spezifischen Denkweisen der Wahrscheinlichkeitstheorie• Die Studierenden kennen die Methodik statistischer Schätz- und Testverfahren.




Modulname:Statistik

Literatur• Bosch, Elementare Einführung in die angewandte Statistik, Vieweg 2005• Hübner, Stochastik: „Eine anwendungsorientierte Einführung für Informatiker, Ingenieure

und Mathematiker“, Vieweg 2009• Lehn/Wegmann, Einführung in die Statistik, Teubner 2006• Ross, Statistik für ingenieure und Naturwissenschaftler, Elsevier 2006• Sachs, Wahrscheinlichkeitsrechnung und Statistik, Hanser 2009• Teschl und Teschl, „Mathematik für Informatiker Band 2“, Springer 2007



Modulname:Bachelor-Arbeit

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Bachelor-Arbeit 31

Modulverantwortliche/r FakultätVorsitzender der Prüfungskommission Informatik und Mathematik




Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. Studienabschnitt,Praxissemester erfolgreich absolviert.Empfohlene VorkenntnisseAlle Module des 1. und 2. Studienabschnitts




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Bachelor-Arbeit 12



Modulname:Bachelor-Arbeit

Lehrveranstaltung LV-KurzbezeichnungBachelor-Arbeit BA

Verantwortliche/r FakultätVorsitzender der Prüfungskommission Informatik und MathematikLehrende/r / Dozierende/r Angebotsfrequenzalle Professoren/innen der Fakultät IMLehrformSelbständige Bearbeitung eines Problems, Erstellen einer schriftlichen Ausarbeitung,Vorbereiten einer Präsentation


Lehrumfang

[SWS oder UE]




360h

Studien- und PrüfungsleistungSchriftliche Ausarbeitung

InhalteFachspezifisches Thema

Lernziele/Lernergebnisse/KompetenzenDie Studierenden können ein fachspezifisches Problem selbständig bearbeiten, Lösungsansätzeim Team diskutieren und die Ergebnisse in mündlicher und schriftlicher Form präsentieren.

LehrmedienPapier, CD/DVD, PDF-Datei u.a.

Literatur

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Alle Module des 1. und 2. Studienabschnitts



Modulname:Bachelorseminar

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Bachelorseminar 32





Verpflichtende Voraussetzungen• Erfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts• Mindestens 110 Kreditpunkte aus dem 1.+ 2. Studienabschnitt

Siehe hierzu auch die Ausführugnen zur Lehrveranstaltung/Bachelorseminar: "Studien- undPrüfungsleistung"Empfohlene VorkenntnisseAlle Module des 1. und 2. Studienabschnitts




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Bachelorseminar 3



Modulname:Bachelorseminar

Lehrveranstaltung LV-KurzbezeichnungBachelorseminar BS

Verantwortliche/r FakultätDekan Fakultät IM Informatik und MathematikLehrende/r / Dozierende/r Angebotsfrequenzalle Professoren/innen der Fakultät IMLehrformSeminar


Lehrumfang

[SWS oder UE]




Studien- und Prüfungsleistung• Referat mit Erfolg ableisten, Zulassungsvoraussetzung: Anmeldung der eigenen

Bachelorarbeit• Teilnahme an 9 weiteren Seminarvorträgen: Teilnahme möglich mit Eintritt in den 3.

Studienabschnitt, eine Anmeldung der eigenen Bachelorarbeit ist nicht erforderlich.

InhalteFachspezifisches Thema

Lernziele/Lernergebnisse/KompetenzenDie Studierenden können ein fachspezifisches Problem selbständig bearbeiten, Lösungsansätzeim Team diskutieren und die Ergebnisse in mündlicher und schriftlicher Form präsentieren.

LehrmedienTafel, Notebook, Beamer und ggf. weitere Medien

Literatur

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Alle Module des 1. und 2. Studienabschnitts









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und 2. Studienabschnitts in Abhängigkeit der gewählten Lehrveranstaltung







[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. DASA: AUTOSAR 4 SWS 5 2. DASN: Algorithmen für Sensornetze 4 SWS 5 3. DBIO: Bioinformatik 4 SWS 5 4. DDLI: Deep Learning for Image

Classification and Segmentation4 SWS 5

5. DDMI: Data Mining 4 SWS 5 6. DDTS: Design Thinking in Security 4 SWS 5 7. DEGS: Existenzgründungssimulation 4 SWS 5 8. DHPC: High Performance Computing 4 SWS 5 9. DMIS: Management der

Informationssicherheit4 SWS 5

10. DPLM: PLM am Beispiel der SAPPLM Komponenten

4 SWS 5

11. DQCO: Quantencomputing 4 SWS 5 12. DSAP2: ABAP-

Entwicklungsumgebung von SAPNetWeaver (Aufbaukurs)

4 SWS 5

13. DSDM: Software Design and Test forSafety Critical Microcontrollers

4 SWS 5

14. DSRP: Software reliability andperformance

4 SWS 5

15. DSYC: SystemC 4 SWS 5 16. KARG: Augmented reality and games

with Unity3D4 SWS 5



Hinweise zur Belegungspflicht oder zu Optionen• Im Studiengang Technische Informatik sind insgesamt drei Fachbezogene

Wahlpflichtmodule zu belegen. Ein Wahlpflichtmodul im 2. Studienabschnitt und zweiWahlpflichtmodule im 3. Sudienabschnitt.


beachten:






Lehrveranstaltung LV-KurzbezeichnungDASA: AUTOSAR DASA

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Alexander MetznerLehrformSeminaristischer Unterricht (1 SWS) mit Übungen (1 SWS) und Projekt (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 - 120 min und/oder Projektarbeit

Inhalte- SW-Entwicklung in der Automobil-Industrie- Prinzipien der tief eingebetteten Systemen- Echtzeitbetriebssystem am Beispiel von OSEK- AUTOSAR-Standardo Methodologyo Applikationsinterfaceso Konfigurationo Basis-SW- DSL-Modellierung unter EMF- Codegenerierung- Implementierung am konkreten Beispiel

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die Herausforderungen in der Entwicklung von Steuergeräte-

Software in der Automobilindustrie oder vergleichbarerer tief eingebetteter Systeme.• Die Studierenden kennen die grundlegenden Prinzipien und Methoden des AUTOSAR-

Standards und können dies anhand ausgewählter Themen realisieren.• Die Studierenden kennen das allgemeine Prinzip von Domänen-spezifischen Sprachen

und können dies am konkreten Beispiel realisieren.





Literatur• J. Schäuffele und Th. Zurawka – Automotive Software Engineering• O. Kindel und M. Friedrich – Softwareentwicklung mit AUTOSAR• D. Steinberg, F. Budinsky, M. Paternostro, E.Merks EMF: Eclipse Modeling Framework

Weitere Informationen zur LehrveranstaltungSemianristischer Unterricht (1 SWS), Übung (1 SWS), Projekt (2 SWS).Empfohlene Voraussetzungen: Programmieren, Software-Engineering, Betriebssysteme,Kommunikationssysteme.




Lehrveranstaltung LV-KurzbezeichnungDASN: Algorithmen für Sensornetze DASN

Verantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Klaus VolbertLehrformSeminaristischer Unterricht mit Übungen (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90-120 min und/oder Projektarbeit und/oder mündliche Prüfung

Inhalte• Algorithmen für Sensornetze werden vorgestellt, diskutiert, mathematisch analysiert und

teilweise implementiert (ggf. Projektarbeit):• Einführung (Historie, Begriffe, Abgrenzungen)• Grundlagen (Funk, eingebettete Systeme)• Vorstellung der Entwicklungsplattform• Diskussion ausgewählter Algorithmen (z.B.Topologiekontrolle, Routing, Scheduling, …)• Ausblick (Themen für Arbeiten)

Lernziele/Lernergebnisse/KompetenzenVertiefung der algorithmischen Denkweise anhand von algorithmischen Frage-/Problemstellungen in Sensornetzen.Insbesondere Verständnis von Algorithmen zur energieeffizienten Kommunikation inSensornetzen.Erkenntnis, wo die algorithmischen Herausforderungen in Sensornetzwerken liegen.Fähigkeit zur Umsetzung ausgewählter Algorithmen und Methoden an einer aktuellenEntwicklungsplattform.





Literatur• Eigenes Skript und aktuelle Forschungsartikel• Dokumentation zur Entwicklungsplattform• J. Schiller: Mobile Communication, Addison Wesley, 2003• A.S. Tanenbaum: Computer Networks, Prentice Hall, 2010• R. Gessler, T. Krause: Wireless-Netzwerke für den Nahbereich, Vieweg+Teubner, 2009• B. Walke: Mobile Radio Networks: Networking, Protocols and Traffic Performance, John

Wiley & Sons, 2001• B. Walke, M. Bossert, N. Fliege: Mobilfunknetze und ihre Protokolle, 2 Bde., Bd.1,

Grundlagen, GSM, UMTS und andere zellulare Mobilfunknetze, Vieweg+Teubner, 2001• B. Walke: Mobilfunknetze und ihre Protokolle, 2 Bde., Bd.2, Bündelfunk, schnurlose

Telefonsysteme, W-ATM, HIPERLAN, Satellitenfunk, UPT, B.G. Teubner Verlag, 2001• R. Klein: Algorithmische Geometrie: Grundlagen, Methoden, Anwendungen, Springer,

2005

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht mit Übungen (4 SWS).Empfohlene Voraussetzungen: Grundlagen der Informatik, Programmieren 1 und 2, Mathematik1 und 2, ALgorithmen und Datenstrukturen, Kommunikationssysteme, Rechnertechnik, SoftwareEngineering und weitere Module aus dem 1. und 2. Studienabschnitt.




Lehrveranstaltung LV-KurzbezeichnungDBIO: Bioinformatik DBIO

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Daniel Lang (LB)Lehrformseminaristischer Unterricht mit Praktikum und Seminar


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungLiteraturseminarvortrag zu einem Teilaspekt der Bioinformatik

InhalteVorstellung biologischer Fragestellungen und zur Erforschung eingesetzte bioinformatischeMethoden in Theorie und Praxis. Beispiele: Genomforschung (inklusive Transkriptomik,Proteomik, Populationsgenomik, Metagenomik), Genregulation, biologische Netzwerke undSystembiologie, Evolutionsforschung, Machine Learning in der Biologie

Lernziele/Lernergebnisse/KompetenzenAnwendung informatischer Methoden und Konzepte zur Lösung biologischer Fragestellungen.Informatische Herausforderungen in der Biologie insbesondere der Genomforschung. Überblicküber Teilgebiete der Bioinformatik/Biologie und mögliche Berufsbilder für (Bio)Informatiker.Praxis: Finden, Nutzen und Verstehen von open-source Software zu diversen bioinformatischenProblemstellungen, Gridanwendung, Data Mining von biologischen Datensätzen. Einblicke in diein der Biologie verbreiteten Programmiersprachen und Anwendungen.

LehrmedienVorlesung, PC (präferenziell Linux) mit Internetanbindung

LiteraturBioinformatik : Ein Leitfaden für Naturwissenschaftler von Andrea Hansen




Lehrveranstaltung LV-KurzbezeichnungDDLI: Deep Learning for Image Classification and Segmentation DDLI

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Chih-Yu HsuLehrformRegular lecture, on line consultations, in-class exercises


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6./7. 4 SWS englisch 5


Studien- und PrüfungsleistungCoursework




InhalteContentArtificial Neural Networks

• Perceptrons and Sigmoid Neuron• Loss Function• Gradient Descent Algorithm• Backpropagation

Image Classification and Segmentation

• Fuzzy C-means Method and Gaussian Mixture Models• Segmentation by Classification of Voxels• Model Estimation Segmentation• Artificial Neural Network for Image Classification

Deep Learning

• Convolutional Neural Network (CNN)• Gradient Descent Optimization Algorithms• Convolutional Neural Networks for Image Classification• Convolutional Neural Networks for Image Segmentation

Ps.- This module will provide students with knowledge of Deep Learning.- By using lab examples from Image Classification and Segmentation to illustrate aspects ofDeepLearning.- The examples show students how to leverage deep neural networks (DNN) - specificallyconvolutional neural networks (CNN) - within the deep learning workflow to solve a real-worldimage classification and segmentation problems with the MNIST hand-written digits and medicalimage datasets.In the labs, students will learn how to:- Architect a Deep Neural Network to run on a GPU- Manage the process of data preparation, model definition, model training and troubleshooting- Use validation data to test and try different strategies for improving for improving modelperformance

Lernziele/Lernergebnisse/KompetenzenObjectives

• Understand Machine Learning and Artificial Neural Networks• Understand Deep Learning and Convolutional Neural Networks (CNNs)• Code and Employ Artificial Neural Networks and CNN





• Christopher M. Bishop (1995). Neural Networks for Pattern Recognition. Oxford UniversityPress.

• ISBN: 0198538642• John L. Semmlow (2004). Biosignal and Medical Image Processing. Marcel Dekker, Inc.

ISBN:1420062301• Duda, R.O., Hart, P.E. and Stork, D.G. (2001). Pattern Classification. Wiley. ISBN:

978-0-471-05669-0• Bengio Y., Goodfellow, I.J. and Courville, A. (2015). Deep Learning. MIT Press (in

preparation). http://www.iro.umontreal.ca/~bengioy/dlbook/

Weitere Informationen zur LehrveranstaltungPrerequisite(s)Good academic standing




Lehrveranstaltung LV-KurzbezeichnungDDMI: Data Mining DDMI

Verantwortliche/r FakultätProf. Dr. Edwin Schicker Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAlfred Jockisch (LB)Prof. Dr. Edwin SchickerLehrformSeminaristischer Unterricht mit Übungen und Praktika (4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Definition von Data-Mining.• Vorstellen verschiedener Werkzeuge und deren Möglichkeiten und Grenzen: spezielle

Statistische Verfahren, Neuronale Netze, Genetische Algorithmen, u.a.• Techniken des Data-Mining: Untersuchung verschiedener Analyse-verfahren, z.B.

Entscheidungsbäume und Entscheidungstheorie.• Anwendungen von Data-Mining-Verfahren in der Praxis

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Arbeitsweise zum Einsatz von Data Mining.Die Studierenden erwerben die Fertigkeit, selbstständig aus mittleren und großenDatenbeständen durch Anwendung von Data-Mining statistisch korrekte Zusammenhänge zufinden.Die Studierenden sind befähigt, für die verschiedenen Fragestellungen die richtigen Werkzeugezur Auswertung großer Datenbestände einzusetzen.

LehrmedienTafel, Beamer mit Notebook

Literatur• Petersohn H: Data Mining. Verfahren, Prozesse, Anwendungsarchitektur, Oldenbourg,

2005• Alpar P, Niedereichholz J: Data Mining im praktischen Einsatz, Vieweg 2000• Otte R, Otte V, Kaiser V: Data Mining für die industrielle Praxis, Hanser, 2004




Weitere Informationen zur LehrveranstaltungVorlesung (2 SWS), Übung/Praktikum (2 SWS) Empfohlene Voraussetzungen sind: Datenbanken, Algorithmen und Datenstrukturen, Statistik




Lehrveranstaltung LV-KurzbezeichnungDDTS: Design Thinking in Security DDTS

Verantwortliche/r FakultätProf. Dr. Christoph SkorniaProf. Dr. Markus Heckner


Lehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerProf. Dr. Christoph SkorniaLehrformSeminaristischer Unterricht und Projektarbeit


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungProjektarbeit




InhalteSecurity und Usability werden häufig als grundlegende Gegensätze wahrgenommen unddargestellt. Insbesondere manuell auszuführende Aktivitäten im Bereich der Authentifizierung,Autorisierung und der Verschlüsselung werden Benutzern als störend empfunden. InKonsequenz werden Sicherheitsrichtlinien umgangen oder verfügbare Kerntechnologien garnicht eingesetzt. Email-Kommunikation, die wegen schlechter Usability nicht eingesetzt wirdkann als exemplarisch gelten. Hier setzt Design Thinking an: „Design Thinking ist eine Innovationsmethode, die auf Basiseines iterativen Prozesses nutzer- und kundenorientierte Ergebnisse zur Lösung von komplexenProblemen liefert“ (vgl. Übernickel et. al. 2015). Viele Unternehmen wie SAP, Lufthansa,Continental, Telekom, BSH Hausgeräte und BMW setzen die Methode bereits ein und beginnenProblemlösung neu zu denken und Nutzerzentrierung in der Unternehmensphilosophie zuverankern. Das Innovation Lab soll durch Anwendung von Methoden aus den Bereichen Design Thinking,Lean UX und agiler Softwareentwicklung rasch Software bzw. Systeme für die gestelltenProbleme unter Einbezug der Nutzer entwickeln. Hierbei liegt von Beginn an der Fokus auf demzu erwartenden Nutzerkreis, dessen Anforderungen und dem angenommenen Mehrwert für dieNutzer. Nach einer anfänglichen Phase der Inhaltsvermittlung zu den eingesetzten Methoden, werdendie Studenten während der Entwicklung der Konzepte und des Prototyps gecoacht undbegleitet. Der Fokus in diesem Kurs liegt allerdings nicht auf den Techniken und Frameworks zurImplementierung, sondern auf dem Gesamtprozess von der anfänglichen Problemstellung überdie kreative Lösungsfindung bis hin zu einem Prototyp.

Lernziele/Lernergebnisse/Kompetenzen• Studenten lernen die Innovationsmethode Design Thinking kennen und setzen diese zur

Lösungsfindung in konkreten Projekten ein.• Studenten erkennen die Relevanz von Usability in Bezug auf Security und identifizieren

geeignete Beispielszenarien• Studenten erkennen die Relevanz des Einbezugs von Nutzern in den

Problemlösungsprozess.• Studenten können die Methode für den Einsatz in eigenen Projekten bewerten und diese

selbst einsetzen.• Studenten können Anforderungen aus Prototypen ableiten und in agile

Projektmanagementtools überführenStudenten können eigene Projekte mit Scrumaufsetzen und managen und dabei Methoden des User Centered Design einsetzen, umzu überprüfen, ob die entwickelte Lösung zu den Anforderungen der Nutzer passt.





Literatur• Alvares de Souza Soares, P. (2016). Design Thinking - eine neue

Denkschule erobert Deutschlands Strategie-Abteilungen. Frankfurter Allgemeine Zeitung.Online verfügbar: http://www.manager-magazin.de/magazin/artikel/design-thinking-eine-kreativitaetstechnik-erobert-konzernzentralen-a-1086472.html. Letzter Zugriff: 11.07.2017.

• Brenner, W. & Uebernickel, F. (Hrsg.) (2016). Design Thinking for Innovation. London:Springer.

• Dark Horse Innovation. (2016). Digital Innovation Playbook. Das unverzichtbareArbeitsbuch für Gründer, Macher und Manager. Hamburg: Murmann Publishers GmbH.

• Gothelf, J. (2012). Applying Lean Principles to Improve User Experience. Sebastopol:O’Reilly Media.

• Uebernickel, F., Brenner, W., Pukall, B., Naef, T. (2015). Design Thinking. Das Handbuch.Frankfurt: Frankfurter Allgemeine Buch.




Lehrveranstaltung LV-KurzbezeichnungDEGS: Existenzgründungssimulation DEGS

Verantwortliche/r FakultätProf. Dr. Josef Duttle Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Josef DuttleLehrformProjektarbeit im Team (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mündlicher Leistungsnachweis

Inhalte• Existenzgründungsplanspiel• Allgemein: Marktrecherche, Businessplan, Bankgespräch, Absatzplanung,

Produktionsplanung, Personalplanung, Beschaffungsplanung, Finanz- undLiquiditätsplanung, Kosten- und Erfolgsplanung, Jahresabschlusserstellung,

• Plan-Ist-Analyse, Präsentation der Abschlussergebnisse.• Eingesetztes TOPSIM Planspiel: TOPSIM easyStartup! (2.0)• Sonderaufgaben: Impulsreferate zu ausgewählten Gründungs- und Managementthemen,

Firmenname/-logo/-slogan, Internetauftritt.

Lernziele/Lernergebnisse/Kompetenzen• Vertiefung und Verknüpfung der Kenntnisse zur Existenzgründung in realitätsabbildenden

Unternehmensplanspielen mittels Computersimulation.• Förderung der Sozialkompetenz und Teamfähigkeit• Weiterentwicklung der Präsentationsfähigkeit

LehrmedienWhiteboard, Flipchart, Notebook, Beamer, Videokamera

Literatur• Teilnehmerhandbuch zum Planspiel• Literaturhinweise zu den Referatsthemen




Weitere Informationen zur LehrveranstaltungProjektarbeit im Team, Gruppengröße: ca. 25 Studierende in Teams mit je 5 TeilnehmernEmpfohlene Voraussetzungen: Betriebswirtschaftslehre




Lehrveranstaltung LV-KurzbezeichnungDHPC: High Performance Computing DHPC

Verantwortliche/r FakultätProf. Dr. Jan Dünnweber Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberLehrformSeminaristischer Unterricht (2 SWS) mit Übungen / Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur

InhalteThe lecture begins with a discussion on parallel computing - what it is and how it is used -followed by a discussion on theoretical concepts and terminology associated with parallelcomputing. The topics of parallel memory architectures and programming models are thenexplored. These topics are followed by a series of practical discussions on a number of thecomplex issues related to designing and running parallel programs, including heterogeneity andefficiency, parallel debugging etc. The lecture is accompanied by a tutorial showing severalexamples of how to parallelize serial programs.

Lernziele/Lernergebnisse/KompetenzenThe lecture "High-Performance Computing" is intended to provide an overview of the broad topicof distributed and parallel computing using clusters, grids, clouds, SMP servers, peer-to-peernetworks and other parallel platforms. It covers the writing of multi-threaded programs with Java,C & Pthreads and parallel programming using MPI and OpenMP as well. This lecture aims atstudents who want to become acquainted with parallel computing and who already have someexperience with sequential programming using Java and C (on top of Linux/Unix).

LehrmedienWebseite, Skript, Folien

LiteraturParallele Programmierung von Thomas Rauber und Gudula Rünger, Parallel Programming in Cwith MPI and OpenMPI von Michael J. Quinn




Weitere Informationen zur LehrveranstaltungSeminaristischer Unterrricht mit Übungen (4 SWS).Empfohlene Voraussetzungen: Grundkenntnisse in der Programmierung mit Java und C,Englischkenntnisse.




Lehrveranstaltung LV-KurzbezeichnungDMIS: Management der Informationssicherheit DMIS

Verantwortliche/r FakultätProf. Dr. Rudolf Hackenberg Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Rudolf HackenbergLehrformSeminaristischer Unterricht und Übungen (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 – 120 min

InhalteBasis zur Lernzielerreichung ist die Vermittlung von technischen Zusammenhängen undProzessen. Die Vorlesung liefert eine Übersicht von organisatorischen und technischenSicherheitsmaßnahmen. Diese werden abgeleitet von der Grundproblematik „Bedrohungund Verhalten“. Dem Interesse und den Vorkenntnissen entsprechend können ausgewählteThemen vertieft bearbeitet werden. Die Themen kommen z.B. aus den Bereichen Technologie,Organisation, Methoden, Anwendungen etc. Dadurch können sowohl technische Informatiker,Wirtschaftsinformatiker, sowie Mathematiker teilnehmen.

Lernziele/Lernergebnisse/Kompetenzen• Sensibilisierung und Verantwortungsbewusstsein• Verständnis der Standardproblematik und aktueller Themen in der Informatik und in der

Wirtschaft• Einbringung informatik-spezifischer Kenntnisse zur Lösungsentwicklung

LehrmedienBeamer, Whiteboard

LiteraturAusgewählte Literatur wird themenorientiert und punktuell vorgegeben wie z.B. das BSIGrundschutzhandbuch www.bsi.bund.de

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht und Übungen (4 SWS).Empfohlene Voraussetzungen: Grundlagen in DB, BS, Programmieren, Netzwerke




Lehrveranstaltung LV-KurzbezeichnungDPLM: PLM am Beispiel der SAP PLM Komponenten DPLM

Verantwortliche/r FakultätProf. Dr. Athanassios TsakpinisProf. Dr. Frank Herrmann


Lehrende/r / Dozierende/r AngebotsfrequenzManfred Aigner (LB)LehrformSemianristischer Unterricht, 4 SWS (30 Stud.)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 Minuten

InhaltePLM im Überblick (Theoretischer Teil)

PLM – Integration in die Geschäftsprozesse (Theoretischer Teil)

PLM - Abbildungsmöglichkeiten in SAP• Kennenlernen der SAP PLM Komponenten• Praktisches Arbeiten am SAP System für ausgewählte Teilprozesse

Prozessunterstützung mit SAPWorkflow• Workflowentwicklung – praktische Übungen

PLM - Ausblick• collaborative engineering – Collaborationsszenarien mit SAP• SAP PLM in der Cloud• Die HANA Cloud Plattform• Hypride Cloud - Lösungen

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen Abgrenzung und Integration von PLM Prozessen.Sie kennen die SAP Module für PLM – Prozesse.Sie erwerben erste Fertigkeiten zur Implementierung eines SAPWorkflowsystems zurProzessunterstützung im PLM – Umfeld.




LehrmedienFolienkopien / PowerPoint Präsentation, PC und Beamer Software: SAP R/3Zum Teil interaktiver Übungsbetrieb mit kurzen Vorführungen des Dozenten mit anschließendenÜbungen

Literatur• Hanneke Raap: SAP Product Lifecycle Management ISBN 978-1-59229-418-3• Paul Bakker, Rick Bakker u.v.m. :Workflow-Management mit SAP ISBN

978-3-8362-2931-9

Weitere Informationen zur LehrveranstaltungEmpfohlene Vorausssetzungen: Erste SAP ABAP Programmiererfahrung




Lehrveranstaltung LV-KurzbezeichnungDQCO: Quantencomputing DQCO

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Wolfgang MauererLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]





InhalteKlassische Bits und Quantenregister – Der Algorithmus von Deutsch und Josza –Quantenschaltkreise – Algorithmus von Grover – RSA-Entschlüsselung und der Algorithmus vonShor – Quantenfouriertransformation und mathematische Strukturen – Quantenkommunikation –Strukturelle Unterschiede zwischen Quanten- und klassischen Computern.

Lernziele/Lernergebnisse/KompetenzenStudenten lernen kennen, wie sich Quantencomputer von klassischen Rechnern unterscheiden,und schärfen dabei den Blick auf die wesentlichen Elemente des maschinellen Rechnens. Diebislang bekannten Möglichkeiten, aber insbesondere auch die Grenzen von Quantencomputernwerden diskutiert, um eine fundierte, realistische Einschätzung des auch häufig in der breitenÖffentlichkeit diskutierten Themas zu ermöglichen. Tieferes Verständnis der Rolle vonQuantencomputern in Verschlüsselung und Kommunikation ermöglicht eine Bewertung vonGefahren und Möglichkeiten in zukünftigen Rechnernetzwerken.

LehrmedienFolien, Tafel, (Rechner)Übungen

Literatur• Quantum Computing verstehen (Hohmeister)• Quantum Computing (Nilsen and Chuang)




Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:Lineare AlgebraStatistikKryptographie




Lehrveranstaltung LV-KurzbezeichnungDSAP2: ABAP-Entwicklungsumgebung von SAP NetWeaver(Aufbaukurs)

DSAP2



Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 min

Inhalte• Werkzeuge Software-Entwicklung (ABAP-Workbench), Dialogprogrammierung:

Wiederholung• Interaktives Reporting• Dialog-/Transaktionsprogrammierung weiterführende Konzepte• Objektorientierte Programmierung mit ABAP• Programmierung mit Controls• Business Server Pages• Software-Entwicklung mit ABAP und JAVA: die Zusammenführung der beiden Welten• Für die Übungen steht ein SAP-System zur Verfügung.

Lernziele/Lernergebnisse/Kompetenzen• Vertiefte Kenntnis der Software-Entwicklungsumgebung des SAP-Systems.• Fertigkeiten in der Anwendung objektorientierter Techniken sowie der Realisierung von

WEB-fähigen Transaktionen im SAP-Umfeld.





Literatur• Aktuelle Literatur insbesondere aus dem Umfeld der ein-gesetzten Systeme (insbesondere


Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht (2 SWS), Übungen (2 SWS)Empfohlene Voraussetzungen: ProgrammierenABAP-Entwicklungsumgebung von SAP NetWeaver (Grundkurs)




Lehrveranstaltung LV-KurzbezeichnungDSDM: Software Design and Test for Safety CriticalMicrocontrollers

DSDM

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzEberhard De Wille (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. oder 7. 4 SWS deutsch/englisch 5


Studien- und PrüfungsleistungSchriftliche Prüfung

InhalteDer Kurs hat zum Ziel, die Vorgehensweise beim Entwurf, der Kodierung und dem Test fürsicherheitskritische Micro-Controller Systeme zu vermitteln.Anhand eines Beispiels wird zunächst eine Anforderungsanalyse vorgenommen. DieSystemanforderungen, sowie davon abgeleitete Softwareanforderungen, werden erarbeitet undentsprechend der neuesten Sicherheitsrichtlinien ISO 26262 und IEC 61508 vervollständigt.Als nächster Schritt erfolgt ein Entwurf der Software Architektur, gefolgt von Software Design.Dabei werden verschiedene Möglichkeiten betrachtet. Vor- und Nachteile, sowie möglicheFehlerquellen der verschiedenen Entwürfe werden erörtert.Der zweite Teil des Kurses beschäftigt sich mit der Umsetzung des Software Entwurfs in derProgrammiersprache C. Es werden gute Kenntnisse der Programmiersprache vorausgesetzt.Der Schwerpunkt der Vorlesung liegt deshalb auf den Sicherheitsrisiken von C, und wie sievermieden werden können. Dabei wird weiter am begonnenen Beispiel gearbeitet, um denSoftwareentwurf in C umzusetzen.Im dritten Abschnitt des Kurses werden zunächst die theoretischen Grundlagen für Softwaretestvermittelt, mit dem Schwerpunkt auf den Test-Techniken für sicherheitskritische Software.Dabei wird weiter am Beispiel gearbeitet, und die Testfälle für den erstellten Quellcode werdenerstellt. Die Umsetzung der Tests erfolgt in einer leicht wartbaren Testumgebung, in der die Testautomatisiert ablaufen können.Während des Kurses wechseln sich Vortrag und die gemeinsame Arbeit an einem interessantenBeispiel ab. Das Unterrichtsmaterial ist größtenteils in Englisch. Die Vorlesungssprache istDeutsch.




Lernziele/Lernergebnisse/Kompetenzen• Kenntnisse über den Aufbau und wesentliche Aspekte einer Software-Architektur für

Microcontroller.• Kenntnisse über das Moduldesign in C unter Verwendung eines objektorientierten

Ansatzes.• Kenntnisse über die Probleme der Programmiersprache C und die Notwendigkeit der

Verwendung von eingeschränkter Syntax.• Kenntnisse über Testverfahren nach dem Stand der Technik.• Einsatz von Testumgebungen und Testmethoden für Microcontroller-Anwendungen

LehrmedienFolien für den BeamerSkript als PDF

LiteraturEmpfohlen (nicht verpflichtend)

• IEC 61508• ISO 9899-1990• ISO 9899-1999• IEEE 829• IEEE 1012• Georg Erwin Thaller (2002), Software-Test, Verification and Validation, Heise Verlag




Lehrveranstaltung LV-KurzbezeichnungDSRP: Software reliability and performance DSRP

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzRichard LipkaLehrformLectures with discussion + Guided Lab Session


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSeveral Programming Assignment + Final exam

InhalteContent•Queuing theory•Markov models, their design and analysis (in context of reliability and performance)•Random and pseudorandom number generators•Simulation, especially discrete events simulation models•Reliability models•Performance testing, benchmarking and application profiling

Lernziele/Lernergebnisse/KompetenzenObjectivesThis course is focused on basic concepts of simulation and modelling of software systems andtesting of system reliability, performance and availability. During the course, students will getinformation about principles of simulation theory, the tools for monitoring software execution andmethods of processing and presentation of measured results.On completion of the course the students will be able to:- Knowledge & Understanding: Understand the reliability and performance models and theirapplication to real life computer systems. Understand basic principles of simulation in context ofperformance and reliability testing.- Skills & Abilities: Design a model of existing queueing system and perform its mathematicalor situational analysis, interpret the results and use them predict the system behaviourunder specified conditions. Measure the performance parameters of existing software orcomputersystem in order to estimate its performance parameters.




The course will consist of a series of lectures along with guided laboratories.The lectures willprovide basic theoretical background and should also serve to discuss the relevant issues. Thelaboratories will provide time and space to apply the theoretical principles in several examples,designed to show how to use the mathematical modelling, simulation and performancemeasurements.Students will be also asked to create one larger work, based preferably on a real life example oftheir choice and to create its model and perform its performance analysis.

LiteraturTextbook/teaching material (for reference purposes)•Performance Modeling and Design of Computer Systems, Mor Harchol-Balter, CambridgeUniversity press, 2013•Performance Evaluation and Benchmarking, Lizy Kurian John & Lieven Eeckhout, CRC Press2006•Markov Chain Monte Carlo in Practice, W.R. Gilks (Editor), S. Richardson (Editor), DavidSpiegelhalter (Editor), Chapman and Hall/CRC, 1996





Lehrveranstaltung LV-KurzbezeichnungDSYC: SystemC DSYC

Verantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Daniel MünchLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungWritten test 90-120min and/or project work/seminar paper and/or oral exam

Inhalte• Motivation for applying SystemC• SystemC fundamentals (Extension to C++)• Register Transfer Level Modeling with SystemC (hardware description / hardware

simulation)• Transaction Level Modeling with SystemC (System Level Simulation)

Lernziele/Lernergebnisse/Kompetenzen• The development process of (embedded) systems gets more and more complex. The

demanded shorter time-to-market requires a more abstract design to increase efficiency.One application is the simulation-based exploration of possible realization approachesregarding latency / execution time or realization approaches regarding communicationneeds.

• The students have an overview of SystemC and know the possibilities, benefits,applicability and challenges of the simulation-based development on different abstractionlayers.

• The students are capable to choose, implement and apply appropriate principles andmethods for specific problems.

LehrmedienProjector, slides, lecture notes, notebook, whiteboard / backboard

Literatur• Own slides / lecture notes in PDF• David C. Black et al., SystemC: From the Ground Up, Springer, 2010




Weitere Informationen zur Lehrveranstaltung• Essential requirements: C programming and skills in object-oriented programming• Recommended requirements: Skills in C++, hardware fundamentals or knowledge in digital

design• Slides / lecture notes in English• Teaching language and examination language in English • Eligible as elective subject in the course of studies Technical Computer Science, Computer

Science and Medical Information Technology• Lecture in form of seminar with exercises / practical training (4SWS)







Lehrumfang

[SWS oder UE]



















Lehrumfang

[SWS oder UE]





















Lehrumfang

[SWS oder UE]























Lehrumfang

[SWS oder UE]























Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und 2. Studienabschnitts in Abhängigkeit der gewählten Lehrveranstaltung







[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. DASA: AUTOSAR 4 SWS 5 2. DASN: Algorithmen für Sensornetze 4 SWS 5 3. DBIO: Bioinformatik 4 SWS 5 4. DDLI: Deep Learning for Image

Classification and Segmentation4 SWS 5

5. DDMI: Data Mining 4 SWS 5 6. DDTS: Design Thinking in Security 4 SWS 5 7. DEGS: Existenzgründungssimulation 4 SWS 5 8. DHPC: High Performance Computing 4 SWS 5 9. DMIS: Management der

Informationssicherheit4 SWS 5

10. DPLM: PLM am Beispiel der SAPPLM Komponenten

4 SWS 5

11. DQCO: Quantencomputing 4 SWS 5 12. DSAP2: ABAP-

Entwicklungsumgebung von SAPNetWeaver (Aufbaukurs)

4 SWS 5

13. DSDM: Software Design and Test forSafety Critical Microcontrollers

4 SWS 5

14. DSRP: Software reliability andperformance

4 SWS 5

15. DSYC: SystemC 4 SWS 5 16. KARG: Augmented reality and games

with Unity3D4 SWS 5



Hinweise zur Belegungspflicht oder zu Optionen• Im Studiengang Technische Informatik sind insgesamt drei Fachbezogene

Wahlpflichtmodule zu belegen. Ein Wahlpflichtmodul im 2. Studienabschnitt und zweiWahlpflichtmodule im 3. Sudienabschnitt.


beachten:






Lehrveranstaltung LV-KurzbezeichnungDASA: AUTOSAR DASA

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Alexander MetznerLehrformSeminaristischer Unterricht (1 SWS) mit Übungen (1 SWS) und Projekt (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 - 120 min und/oder Projektarbeit

Inhalte- SW-Entwicklung in der Automobil-Industrie- Prinzipien der tief eingebetteten Systemen- Echtzeitbetriebssystem am Beispiel von OSEK- AUTOSAR-Standardo Methodologyo Applikationsinterfaceso Konfigurationo Basis-SW- DSL-Modellierung unter EMF- Codegenerierung- Implementierung am konkreten Beispiel

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die Herausforderungen in der Entwicklung von Steuergeräte-

Software in der Automobilindustrie oder vergleichbarerer tief eingebetteter Systeme.• Die Studierenden kennen die grundlegenden Prinzipien und Methoden des AUTOSAR-

Standards und können dies anhand ausgewählter Themen realisieren.• Die Studierenden kennen das allgemeine Prinzip von Domänen-spezifischen Sprachen

und können dies am konkreten Beispiel realisieren.





Literatur• J. Schäuffele und Th. Zurawka – Automotive Software Engineering• O. Kindel und M. Friedrich – Softwareentwicklung mit AUTOSAR• D. Steinberg, F. Budinsky, M. Paternostro, E.Merks EMF: Eclipse Modeling Framework

Weitere Informationen zur LehrveranstaltungSemianristischer Unterricht (1 SWS), Übung (1 SWS), Projekt (2 SWS).Empfohlene Voraussetzungen: Programmieren, Software-Engineering, Betriebssysteme,Kommunikationssysteme.




Lehrveranstaltung LV-KurzbezeichnungDASN: Algorithmen für Sensornetze DASN

Verantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Klaus VolbertLehrformSeminaristischer Unterricht mit Übungen (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90-120 min und/oder Projektarbeit und/oder mündliche Prüfung

Inhalte• Algorithmen für Sensornetze werden vorgestellt, diskutiert, mathematisch analysiert und

teilweise implementiert (ggf. Projektarbeit):• Einführung (Historie, Begriffe, Abgrenzungen)• Grundlagen (Funk, eingebettete Systeme)• Vorstellung der Entwicklungsplattform• Diskussion ausgewählter Algorithmen (z.B.Topologiekontrolle, Routing, Scheduling, …)• Ausblick (Themen für Arbeiten)

Lernziele/Lernergebnisse/KompetenzenVertiefung der algorithmischen Denkweise anhand von algorithmischen Frage-/Problemstellungen in Sensornetzen.Insbesondere Verständnis von Algorithmen zur energieeffizienten Kommunikation inSensornetzen.Erkenntnis, wo die algorithmischen Herausforderungen in Sensornetzwerken liegen.Fähigkeit zur Umsetzung ausgewählter Algorithmen und Methoden an einer aktuellenEntwicklungsplattform.





Literatur• Eigenes Skript und aktuelle Forschungsartikel• Dokumentation zur Entwicklungsplattform• J. Schiller: Mobile Communication, Addison Wesley, 2003• A.S. Tanenbaum: Computer Networks, Prentice Hall, 2010• R. Gessler, T. Krause: Wireless-Netzwerke für den Nahbereich, Vieweg+Teubner, 2009• B. Walke: Mobile Radio Networks: Networking, Protocols and Traffic Performance, John

Wiley & Sons, 2001• B. Walke, M. Bossert, N. Fliege: Mobilfunknetze und ihre Protokolle, 2 Bde., Bd.1,

Grundlagen, GSM, UMTS und andere zellulare Mobilfunknetze, Vieweg+Teubner, 2001• B. Walke: Mobilfunknetze und ihre Protokolle, 2 Bde., Bd.2, Bündelfunk, schnurlose

Telefonsysteme, W-ATM, HIPERLAN, Satellitenfunk, UPT, B.G. Teubner Verlag, 2001• R. Klein: Algorithmische Geometrie: Grundlagen, Methoden, Anwendungen, Springer,

2005

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht mit Übungen (4 SWS).Empfohlene Voraussetzungen: Grundlagen der Informatik, Programmieren 1 und 2, Mathematik1 und 2, ALgorithmen und Datenstrukturen, Kommunikationssysteme, Rechnertechnik, SoftwareEngineering und weitere Module aus dem 1. und 2. Studienabschnitt.




Lehrveranstaltung LV-KurzbezeichnungDBIO: Bioinformatik DBIO

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Daniel Lang (LB)Lehrformseminaristischer Unterricht mit Praktikum und Seminar


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungLiteraturseminarvortrag zu einem Teilaspekt der Bioinformatik

InhalteVorstellung biologischer Fragestellungen und zur Erforschung eingesetzte bioinformatischeMethoden in Theorie und Praxis. Beispiele: Genomforschung (inklusive Transkriptomik,Proteomik, Populationsgenomik, Metagenomik), Genregulation, biologische Netzwerke undSystembiologie, Evolutionsforschung, Machine Learning in der Biologie

Lernziele/Lernergebnisse/KompetenzenAnwendung informatischer Methoden und Konzepte zur Lösung biologischer Fragestellungen.Informatische Herausforderungen in der Biologie insbesondere der Genomforschung. Überblicküber Teilgebiete der Bioinformatik/Biologie und mögliche Berufsbilder für (Bio)Informatiker.Praxis: Finden, Nutzen und Verstehen von open-source Software zu diversen bioinformatischenProblemstellungen, Gridanwendung, Data Mining von biologischen Datensätzen. Einblicke in diein der Biologie verbreiteten Programmiersprachen und Anwendungen.

LehrmedienVorlesung, PC (präferenziell Linux) mit Internetanbindung

LiteraturBioinformatik : Ein Leitfaden für Naturwissenschaftler von Andrea Hansen




Lehrveranstaltung LV-KurzbezeichnungDDLI: Deep Learning for Image Classification and Segmentation DDLI

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Chih-Yu HsuLehrformRegular lecture, on line consultations, in-class exercises


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungCoursework




InhalteContentArtificial Neural Networks

• Perceptrons and Sigmoid Neuron• Loss Function• Gradient Descent Algorithm• Backpropagation

Image Classification and Segmentation

• Fuzzy C-means Method and Gaussian Mixture Models• Segmentation by Classification of Voxels• Model Estimation Segmentation• Artificial Neural Network for Image Classification

Deep Learning

• Convolutional Neural Network (CNN)• Gradient Descent Optimization Algorithms• Convolutional Neural Networks for Image Classification• Convolutional Neural Networks for Image Segmentation

Ps.- This module will provide students with knowledge of Deep Learning.- By using lab examples from Image Classification and Segmentation to illustrate aspects ofDeepLearning.- The examples show students how to leverage deep neural networks (DNN) - specificallyconvolutional neural networks (CNN) - within the deep learning workflow to solve a real-worldimage classification and segmentation problems with the MNIST hand-written digits and medicalimage datasets.In the labs, students will learn how to:- Architect a Deep Neural Network to run on a GPU- Manage the process of data preparation, model definition, model training and troubleshooting- Use validation data to test and try different strategies for improving for improving modelperformance

Lernziele/Lernergebnisse/KompetenzenObjectives

• Understand Machine Learning and Artificial Neural Networks• Understand Deep Learning and Convolutional Neural Networks (CNNs)• Code and Employ Artificial Neural Networks and CNN





• Christopher M. Bishop (1995). Neural Networks for Pattern Recognition. Oxford UniversityPress.

• ISBN: 0198538642• John L. Semmlow (2004). Biosignal and Medical Image Processing. Marcel Dekker, Inc.

ISBN:1420062301• Duda, R.O., Hart, P.E. and Stork, D.G. (2001). Pattern Classification. Wiley. ISBN:

978-0-471-05669-0• Bengio Y., Goodfellow, I.J. and Courville, A. (2015). Deep Learning. MIT Press (in

preparation). http://www.iro.umontreal.ca/~bengioy/dlbook/

Weitere Informationen zur LehrveranstaltungPrerequisite(s)Good academic standing




Lehrveranstaltung LV-KurzbezeichnungDDMI: Data Mining DDMI

Verantwortliche/r FakultätProf. Dr. Edwin Schicker Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAlfred Jockisch (LB)Prof. Dr. Edwin SchickerLehrformSeminaristischer Unterricht mit Übungen und Praktika (4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Definition von Data-Mining.• Vorstellen verschiedener Werkzeuge und deren Möglichkeiten und Grenzen: spezielle

Statistische Verfahren, Neuronale Netze, Genetische Algorithmen, u.a.• Techniken des Data-Mining: Untersuchung verschiedener Analyse-verfahren, z.B.

Entscheidungsbäume und Entscheidungstheorie.• Anwendungen von Data-Mining-Verfahren in der Praxis

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Arbeitsweise zum Einsatz von Data Mining.Die Studierenden erwerben die Fertigkeit, selbstständig aus mittleren und großenDatenbeständen durch Anwendung von Data-Mining statistisch korrekte Zusammenhänge zufinden.Die Studierenden sind befähigt, für die verschiedenen Fragestellungen die richtigen Werkzeugezur Auswertung großer Datenbestände einzusetzen.

LehrmedienTafel, Beamer mit Notebook

Literatur• Petersohn H: Data Mining. Verfahren, Prozesse, Anwendungsarchitektur, Oldenbourg,

2005• Alpar P, Niedereichholz J: Data Mining im praktischen Einsatz, Vieweg 2000• Otte R, Otte V, Kaiser V: Data Mining für die industrielle Praxis, Hanser, 2004




Weitere Informationen zur LehrveranstaltungVorlesung (2 SWS), Übung/Praktikum (2 SWS) Empfohlene Voraussetzungen sind: Datenbanken, Algorithmen und Datenstrukturen, Statistik




Lehrveranstaltung LV-KurzbezeichnungDDTS: Design Thinking in Security DDTS

Verantwortliche/r FakultätProf. Dr. Christoph SkorniaProf. Dr. Markus Heckner


Lehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerProf. Dr. Christoph SkorniaLehrformSeminaristischer Unterricht und Projektarbeit


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungProjektarbeit




InhalteSecurity und Usability werden häufig als grundlegende Gegensätze wahrgenommen unddargestellt. Insbesondere manuell auszuführende Aktivitäten im Bereich der Authentifizierung,Autorisierung und der Verschlüsselung werden Benutzern als störend empfunden. InKonsequenz werden Sicherheitsrichtlinien umgangen oder verfügbare Kerntechnologien garnicht eingesetzt. Email-Kommunikation, die wegen schlechter Usability nicht eingesetzt wirdkann als exemplarisch gelten. Hier setzt Design Thinking an: „Design Thinking ist eine Innovationsmethode, die auf Basiseines iterativen Prozesses nutzer- und kundenorientierte Ergebnisse zur Lösung von komplexenProblemen liefert“ (vgl. Übernickel et. al. 2015). Viele Unternehmen wie SAP, Lufthansa,Continental, Telekom, BSH Hausgeräte und BMW setzen die Methode bereits ein und beginnenProblemlösung neu zu denken und Nutzerzentrierung in der Unternehmensphilosophie zuverankern. Das Innovation Lab soll durch Anwendung von Methoden aus den Bereichen Design Thinking,Lean UX und agiler Softwareentwicklung rasch Software bzw. Systeme für die gestelltenProbleme unter Einbezug der Nutzer entwickeln. Hierbei liegt von Beginn an der Fokus auf demzu erwartenden Nutzerkreis, dessen Anforderungen und dem angenommenen Mehrwert für dieNutzer. Nach einer anfänglichen Phase der Inhaltsvermittlung zu den eingesetzten Methoden, werdendie Studenten während der Entwicklung der Konzepte und des Prototyps gecoacht undbegleitet. Der Fokus in diesem Kurs liegt allerdings nicht auf den Techniken und Frameworks zurImplementierung, sondern auf dem Gesamtprozess von der anfänglichen Problemstellung überdie kreative Lösungsfindung bis hin zu einem Prototyp.

Lernziele/Lernergebnisse/Kompetenzen• Studenten lernen die Innovationsmethode Design Thinking kennen und setzen diese zur

Lösungsfindung in konkreten Projekten ein.• Studenten erkennen die Relevanz von Usability in Bezug auf Security und identifizieren

geeignete Beispielszenarien• Studenten erkennen die Relevanz des Einbezugs von Nutzern in den

Problemlösungsprozess.• Studenten können die Methode für den Einsatz in eigenen Projekten bewerten und diese

selbst einsetzen.• Studenten können Anforderungen aus Prototypen ableiten und in agile

Projektmanagementtools überführenStudenten können eigene Projekte mit Scrumaufsetzen und managen und dabei Methoden des User Centered Design einsetzen, umzu überprüfen, ob die entwickelte Lösung zu den Anforderungen der Nutzer passt.





Literatur• Alvares de Souza Soares, P. (2016). Design Thinking - eine neue

Denkschule erobert Deutschlands Strategie-Abteilungen. Frankfurter Allgemeine Zeitung.Online verfügbar: http://www.manager-magazin.de/magazin/artikel/design-thinking-eine-kreativitaetstechnik-erobert-konzernzentralen-a-1086472.html. Letzter Zugriff: 11.07.2017.

• Brenner, W. & Uebernickel, F. (Hrsg.) (2016). Design Thinking for Innovation. London:Springer.

• Dark Horse Innovation. (2016). Digital Innovation Playbook. Das unverzichtbareArbeitsbuch für Gründer, Macher und Manager. Hamburg: Murmann Publishers GmbH.

• Gothelf, J. (2012). Applying Lean Principles to Improve User Experience. Sebastopol:O’Reilly Media.

• Uebernickel, F., Brenner, W., Pukall, B., Naef, T. (2015). Design Thinking. Das Handbuch.Frankfurt: Frankfurter Allgemeine Buch.




Lehrveranstaltung LV-KurzbezeichnungDEGS: Existenzgründungssimulation DEGS

Verantwortliche/r FakultätProf. Dr. Josef Duttle Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Josef DuttleLehrformProjektarbeit im Team (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mündlicher Leistungsnachweis

Inhalte• Existenzgründungsplanspiel• Allgemein: Marktrecherche, Businessplan, Bankgespräch, Absatzplanung,

Produktionsplanung, Personalplanung, Beschaffungsplanung, Finanz- undLiquiditätsplanung, Kosten- und Erfolgsplanung, Jahresabschlusserstellung,

• Plan-Ist-Analyse, Präsentation der Abschlussergebnisse.• Eingesetztes TOPSIM Planspiel: TOPSIM easyStartup! (2.0)• Sonderaufgaben: Impulsreferate zu ausgewählten Gründungs- und Managementthemen,

Firmenname/-logo/-slogan, Internetauftritt.

Lernziele/Lernergebnisse/Kompetenzen• Vertiefung und Verknüpfung der Kenntnisse zur Existenzgründung in realitätsabbildenden

Unternehmensplanspielen mittels Computersimulation.• Förderung der Sozialkompetenz und Teamfähigkeit• Weiterentwicklung der Präsentationsfähigkeit

LehrmedienWhiteboard, Flipchart, Notebook, Beamer, Videokamera

Literatur• Teilnehmerhandbuch zum Planspiel• Literaturhinweise zu den Referatsthemen




Weitere Informationen zur LehrveranstaltungProjektarbeit im Team, Gruppengröße: ca. 25 Studierende in Teams mit je 5 TeilnehmernEmpfohlene Voraussetzungen: Betriebswirtschaftslehre




Lehrveranstaltung LV-KurzbezeichnungDHPC: High Performance Computing DHPC

Verantwortliche/r FakultätProf. Dr. Jan Dünnweber Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberLehrformSeminaristischer Unterricht (2 SWS) mit Übungen / Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





InhalteThe lecture begins with a discussion on parallel computing - what it is and how it is used -followed by a discussion on theoretical concepts and terminology associated with parallelcomputing. The topics of parallel memory architectures and programming models are thenexplored. These topics are followed by a series of practical discussions on a number of thecomplex issues related to designing and running parallel programs, including heterogeneity andefficiency, parallel debugging etc. The lecture is accompanied by a tutorial showing severalexamples of how to parallelize serial programs.

Lernziele/Lernergebnisse/KompetenzenThe lecture "High-Performance Computing" is intended to provide an overview of the broad topicof distributed and parallel computing using clusters, grids, clouds, SMP servers, peer-to-peernetworks and other parallel platforms. It covers the writing of multi-threaded programs with Java,C & Pthreads and parallel programming using MPI and OpenMP as well. This lecture aims atstudents who want to become acquainted with parallel computing and who already have someexperience with sequential programming using Java and C (on top of Linux/Unix).

LehrmedienWebseite, Skript, Folien

LiteraturParallele Programmierung von Thomas Rauber und Gudula Rünger, Parallel Programming in Cwith MPI and OpenMPI von Michael J. Quinn




Weitere Informationen zur LehrveranstaltungSeminaristischer Unterrricht mit Übungen (4 SWS).Empfohlene Voraussetzungen: Grundkenntnisse in der Programmierung mit Java und C,Englischkenntnisse.




Lehrveranstaltung LV-KurzbezeichnungDMIS: Management der Informationssicherheit DMIS

Verantwortliche/r FakultätProf. Dr. Rudolf Hackenberg Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Rudolf HackenbergLehrformSeminaristischer Unterricht und Übungen (4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 – 120 min

InhalteBasis zur Lernzielerreichung ist die Vermittlung von technischen Zusammenhängen undProzessen. Die Vorlesung liefert eine Übersicht von organisatorischen und technischenSicherheitsmaßnahmen. Diese werden abgeleitet von der Grundproblematik „Bedrohungund Verhalten“. Dem Interesse und den Vorkenntnissen entsprechend können ausgewählteThemen vertieft bearbeitet werden. Die Themen kommen z.B. aus den Bereichen Technologie,Organisation, Methoden, Anwendungen etc. Dadurch können sowohl technische Informatiker,Wirtschaftsinformatiker, sowie Mathematiker teilnehmen.

Lernziele/Lernergebnisse/Kompetenzen• Sensibilisierung und Verantwortungsbewusstsein• Verständnis der Standardproblematik und aktueller Themen in der Informatik und in der

Wirtschaft• Einbringung informatik-spezifischer Kenntnisse zur Lösungsentwicklung

LehrmedienBeamer, Whiteboard

LiteraturAusgewählte Literatur wird themenorientiert und punktuell vorgegeben wie z.B. das BSIGrundschutzhandbuch www.bsi.bund.de

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht und Übungen (4 SWS).Empfohlene Voraussetzungen: Grundlagen in DB, BS, Programmieren, Netzwerke




Lehrveranstaltung LV-KurzbezeichnungDPLM: PLM am Beispiel der SAP PLM Komponenten DPLM

Verantwortliche/r FakultätProf. Dr. Athanassios TsakpinisProf. Dr. Frank Herrmann


Lehrende/r / Dozierende/r AngebotsfrequenzManfred Aigner (LB)LehrformSemianristischer Unterricht, 4 SWS (30 Stud.)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 Minuten

InhaltePLM im Überblick (Theoretischer Teil)

PLM – Integration in die Geschäftsprozesse (Theoretischer Teil)

PLM - Abbildungsmöglichkeiten in SAP• Kennenlernen der SAP PLM Komponenten• Praktisches Arbeiten am SAP System für ausgewählte Teilprozesse

Prozessunterstützung mit SAPWorkflow• Workflowentwicklung – praktische Übungen

PLM - Ausblick• collaborative engineering – Collaborationsszenarien mit SAP• SAP PLM in der Cloud• Die HANA Cloud Plattform• Hypride Cloud - Lösungen

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen Abgrenzung und Integration von PLM Prozessen.Sie kennen die SAP Module für PLM – Prozesse.Sie erwerben erste Fertigkeiten zur Implementierung eines SAPWorkflowsystems zurProzessunterstützung im PLM – Umfeld.




LehrmedienFolienkopien / PowerPoint Präsentation, PC und Beamer Software: SAP R/3Zum Teil interaktiver Übungsbetrieb mit kurzen Vorführungen des Dozenten mit anschließendenÜbungen

Literatur• Hanneke Raap: SAP Product Lifecycle Management ISBN 978-1-59229-418-3• Paul Bakker, Rick Bakker u.v.m. :Workflow-Management mit SAP ISBN

978-3-8362-2931-9

Weitere Informationen zur LehrveranstaltungEmpfohlene Vorausssetzungen: Erste SAP ABAP Programmiererfahrung




Lehrveranstaltung LV-KurzbezeichnungDQCO: Quantencomputing DQCO

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Wolfgang MauererLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]





InhalteKlassische Bits und Quantenregister – Der Algorithmus von Deutsch und Josza –Quantenschaltkreise – Algorithmus von Grover – RSA-Entschlüsselung und der Algorithmus vonShor – Quantenfouriertransformation und mathematische Strukturen – Quantenkommunikation –Strukturelle Unterschiede zwischen Quanten- und klassischen Computern.

Lernziele/Lernergebnisse/KompetenzenStudenten lernen kennen, wie sich Quantencomputer von klassischen Rechnern unterscheiden,und schärfen dabei den Blick auf die wesentlichen Elemente des maschinellen Rechnens. Diebislang bekannten Möglichkeiten, aber insbesondere auch die Grenzen von Quantencomputernwerden diskutiert, um eine fundierte, realistische Einschätzung des auch häufig in der breitenÖffentlichkeit diskutierten Themas zu ermöglichen. Tieferes Verständnis der Rolle vonQuantencomputern in Verschlüsselung und Kommunikation ermöglicht eine Bewertung vonGefahren und Möglichkeiten in zukünftigen Rechnernetzwerken.

LehrmedienFolien, Tafel, (Rechner)Übungen

Literatur• Quantum Computing verstehen (Hohmeister)• Quantum Computing (Nilsen and Chuang)




Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:Lineare AlgebraStatistikKryptographie




Lehrveranstaltung LV-KurzbezeichnungDSAP2: ABAP-Entwicklungsumgebung von SAP NetWeaver(Aufbaukurs)

DSAP2



Lehrumfang

[SWS oder UE]





Inhalte• Werkzeuge Software-Entwicklung (ABAP-Workbench), Dialogprogrammierung:

Wiederholung• Interaktives Reporting• Dialog-/Transaktionsprogrammierung weiterführende Konzepte• Objektorientierte Programmierung mit ABAP• Programmierung mit Controls• Business Server Pages• Software-Entwicklung mit ABAP und JAVA: die Zusammenführung der beiden Welten• Für die Übungen steht ein SAP-System zur Verfügung.

Lernziele/Lernergebnisse/Kompetenzen• Vertiefte Kenntnis der Software-Entwicklungsumgebung des SAP-Systems.• Fertigkeiten in der Anwendung objektorientierter Techniken sowie der Realisierung von

WEB-fähigen Transaktionen im SAP-Umfeld.





Literatur• Aktuelle Literatur insbesondere aus dem Umfeld der ein-gesetzten Systeme (insbesondere


Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht (2 SWS), Übungen (2 SWS)Empfohlene Voraussetzungen: ProgrammierenABAP-Entwicklungsumgebung von SAP NetWeaver (Grundkurs)




Lehrveranstaltung LV-KurzbezeichnungDSDM: Software Design and Test for Safety CriticalMicrocontrollers

DSDM

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzEberhard De Wille (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. oder 7. 4 SWS deutsch/englisch 5


Studien- und PrüfungsleistungSchriftliche Prüfung

InhalteDer Kurs hat zum Ziel, die Vorgehensweise beim Entwurf, der Kodierung und dem Test fürsicherheitskritische Micro-Controller Systeme zu vermitteln.Anhand eines Beispiels wird zunächst eine Anforderungsanalyse vorgenommen. DieSystemanforderungen, sowie davon abgeleitete Softwareanforderungen, werden erarbeitet undentsprechend der neuesten Sicherheitsrichtlinien ISO 26262 und IEC 61508 vervollständigt.Als nächster Schritt erfolgt ein Entwurf der Software Architektur, gefolgt von Software Design.Dabei werden verschiedene Möglichkeiten betrachtet. Vor- und Nachteile, sowie möglicheFehlerquellen der verschiedenen Entwürfe werden erörtert.Der zweite Teil des Kurses beschäftigt sich mit der Umsetzung des Software Entwurfs in derProgrammiersprache C. Es werden gute Kenntnisse der Programmiersprache vorausgesetzt.Der Schwerpunkt der Vorlesung liegt deshalb auf den Sicherheitsrisiken von C, und wie sievermieden werden können. Dabei wird weiter am begonnenen Beispiel gearbeitet, um denSoftwareentwurf in C umzusetzen.Im dritten Abschnitt des Kurses werden zunächst die theoretischen Grundlagen für Softwaretestvermittelt, mit dem Schwerpunkt auf den Test-Techniken für sicherheitskritische Software.Dabei wird weiter am Beispiel gearbeitet, und die Testfälle für den erstellten Quellcode werdenerstellt. Die Umsetzung der Tests erfolgt in einer leicht wartbaren Testumgebung, in der die Testautomatisiert ablaufen können.Während des Kurses wechseln sich Vortrag und die gemeinsame Arbeit an einem interessantenBeispiel ab. Das Unterrichtsmaterial ist größtenteils in Englisch. Die Vorlesungssprache istDeutsch.




Lernziele/Lernergebnisse/Kompetenzen• Kenntnisse über den Aufbau und wesentliche Aspekte einer Software-Architektur für

Microcontroller.• Kenntnisse über das Moduldesign in C unter Verwendung eines objektorientierten

Ansatzes.• Kenntnisse über die Probleme der Programmiersprache C und die Notwendigkeit der

Verwendung von eingeschränkter Syntax.• Kenntnisse über Testverfahren nach dem Stand der Technik.• Einsatz von Testumgebungen und Testmethoden für Microcontroller-Anwendungen

LehrmedienFolien für den BeamerSkript als PDF

LiteraturEmpfohlen (nicht verpflichtend)

• IEC 61508• ISO 9899-1990• ISO 9899-1999• IEEE 829• IEEE 1012• Georg Erwin Thaller (2002), Software-Test, Verification and Validation, Heise Verlag




Lehrveranstaltung LV-KurzbezeichnungDSRP: Software reliability and performance DSRP

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzRichard LipkaLehrformLectures with discussion + Guided Lab Session


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSeveral Programming Assignment + Final exam

InhalteContent•Queuing theory•Markov models, their design and analysis (in context of reliability and performance)•Random and pseudorandom number generators•Simulation, especially discrete events simulation models•Reliability models•Performance testing, benchmarking and application profiling

Lernziele/Lernergebnisse/KompetenzenObjectivesThis course is focused on basic concepts of simulation and modelling of software systems andtesting of system reliability, performance and availability. During the course, students will getinformation about principles of simulation theory, the tools for monitoring software execution andmethods of processing and presentation of measured results.On completion of the course the students will be able to:- Knowledge & Understanding: Understand the reliability and performance models and theirapplication to real life computer systems. Understand basic principles of simulation in context ofperformance and reliability testing.- Skills & Abilities: Design a model of existing queueing system and perform its mathematicalor situational analysis, interpret the results and use them predict the system behaviourunder specified conditions. Measure the performance parameters of existing software orcomputersystem in order to estimate its performance parameters.




The course will consist of a series of lectures along with guided laboratories.The lectures willprovide basic theoretical background and should also serve to discuss the relevant issues. Thelaboratories will provide time and space to apply the theoretical principles in several examples,designed to show how to use the mathematical modelling, simulation and performancemeasurements.Students will be also asked to create one larger work, based preferably on a real life example oftheir choice and to create its model and perform its performance analysis.

LiteraturTextbook/teaching material (for reference purposes)•Performance Modeling and Design of Computer Systems, Mor Harchol-Balter, CambridgeUniversity press, 2013•Performance Evaluation and Benchmarking, Lizy Kurian John & Lieven Eeckhout, CRC Press2006•Markov Chain Monte Carlo in Practice, W.R. Gilks (Editor), S. Richardson (Editor), DavidSpiegelhalter (Editor), Chapman and Hall/CRC, 1996





Lehrveranstaltung LV-KurzbezeichnungDSYC: SystemC DSYC

Verantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Daniel MünchLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungWritten test 90-120min and/or project work/seminar paper and/or oral exam

Inhalte• Motivation for applying SystemC• SystemC fundamentals (Extension to C++)• Register Transfer Level Modeling with SystemC (hardware description / hardware

simulation)• Transaction Level Modeling with SystemC (System Level Simulation)

Lernziele/Lernergebnisse/Kompetenzen• The development process of (embedded) systems gets more and more complex. The

demanded shorter time-to-market requires a more abstract design to increase efficiency.One application is the simulation-based exploration of possible realization approachesregarding latency / execution time or realization approaches regarding communicationneeds.

• The students have an overview of SystemC and know the possibilities, benefits,applicability and challenges of the simulation-based development on different abstractionlayers.

• The students are capable to choose, implement and apply appropriate principles andmethods for specific problems.

LehrmedienProjector, slides, lecture notes, notebook, whiteboard / backboard

Literatur• Own slides / lecture notes in PDF• David C. Black et al., SystemC: From the Ground Up, Springer, 2010




Weitere Informationen zur Lehrveranstaltung• Essential requirements: C programming and skills in object-oriented programming• Recommended requirements: Skills in C++, hardware fundamentals or knowledge in digital

design• Slides / lecture notes in English• Teaching language and examination language in English • Eligible as elective subject in the course of studies Technical Computer Science, Computer

Science and Medical Information Technology• Lecture in form of seminar with exercises / practical training (4SWS)







Lehrumfang

[SWS oder UE]



















Lehrumfang

[SWS oder UE]





















Lehrumfang

[SWS oder UE]























Lehrumfang

[SWS oder UE]

















Modulname:Informationssicherheit

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Informationssicherheit 22

Modulverantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und Mathematik




Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseKommunikationssysteme, Theoretische Informatik




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Informationssicherheit 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungInformationssicherheit IS

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Rudolf HackenbergProf. Dr. Christoph SkorniaLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 – 120 minProjektarbeit

Inhalte• Einführung und Themeneinordnung.• Schutzziele.• Klassische Sicherheitslücken.• Eingesetzte Schutzmechanismen.• Organisatorische Vorgehensmodelle.• Technische Aspekte und Lösungen.• Trends und Entwicklungen.• Projektarbeit und praktische Übungen.

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die theoretischen Grundlagen, Organisationsformen und

technischen Maßnahmen der Informationssicherheit.• Sie erwerben Fertigkeit in der Analyse von Sicherheitsaspekten, ihrer schematischen

Umsetzung und der Erarbeitung konzeptioneller Sicherheitslösungen.• Sie erwerben die Fähigkeit zur vertiefenden Betrachtung technischer Konzepte, die

methodische Fähigkeit ausgewählte Themen im Team zu erarbeiten, die sozialeKompetenz in einem Teamprojekt zu arbeiten, zu kommunizieren und zu präsentieren.

• Die Studierenden sind durch systematisches Vorgehen befähigt, für bestimmteSzenarien Schwachstellenanalysen zu erstellen, Sicherheitsniveaus abzuwägen,Lösungen vorzuschlagen und zu implementieren.

• Die Studierenden sind befähigt im Eigenstudium ausgewählte Themen derInformationssicherheit vertiefend zu bearbeiten und zu präsentieren




LehrmedienTafel, Beamer, z.T. Gruppenarbeit

Literatur• Eckert C: IT-Sicherheit. Konzepte, Verfahren, Protokolle, Oldenburg Verlag.• Pieprzyk, J. et al.: Fundamentals of computer security, Springer Verlag• Raepple M: Sicherheitskonzepte für das Internet, dpunkt Verlag• Diverse herstellerspezifische Handbücher

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Kommunikationssysteme, Theoretische Informatik



Modulname:Vertiefungsmodul IT 1/1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Vertiefungsmodul IT 1/1 23





Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.

InhalteAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.

Lernziele/Lernergebnisse/KompetenzenAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Computerarithmetik und

Rechenverfahren4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungComputerarithmetik und Rechenverfahren CR

Verantwortliche/r FakultätProf. Dr. Martin Weiß Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Dietwald SchusterProf. Dr. Martin WeißLehrformSeminaristischer Unterricht (3 SWS) mit Übungen (1 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 - 120 minBearbeitung von ca. 5 Projekten im Praktikum

Inhalte• Zahlendarstellungen• Numerische Algorithmen und Eigenschaften• Lineare Gleichungssysteme und Lösungsalgorithmen• Kurvenanpassung: Interpolation, Approximation• Spline-Funktionen• Nichtlineare Gleichungen in einer und mehreren Variablen• Numerische Differentiation• Numerische Integration• Im Praktikum entwickeln die Studierenden selbständig Software in Matlab

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen Ganzzahl- und Gleitpunkt- Zahlendarstellungen und die Arbeitsweiseder Computerarithmetik, insbesondere deren Grenzen.Die Studierenden kennen Lösungsalgorithmen für numerische Aufgaben und derenEigenschaften.Die Studierenden erwerben anhand von Musterproblemen die Fertigkeit, Eigenschaftenvon Problemstellungen zu ermitteln, geeignete Algorithmen anhand der Problemklassenauszuwählen, zu kombinieren und deren Effizienz zu beurteilen.Die Studierenden erwerben Fertigkeiten in der effizienten Programmierung und Anwendungnumerischer Algorithmen sowie der Lokalisierung und Vermeidung von Fehlern in numerischenProgrammen.




LehrmedienTafel, Notebook, Beamer, Mathematische Software

Literatur• Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer, 2008• Hermann: Numerische Mathematik, Oldenbourg 2001• Hanke-Bourgeois: Grundlagen der Numerischen Mathematik und des wissenschaftlichen

Rechnens, Teubner 2006• Huckle, Schneider: Numerische Methoden, Springer, 2006• Strang: Wissenschaftliches Rechnen, Springer, 2010

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht (3 SWS), Praktikum (1 SWS) Empfohlene Voraussetzungen:

• Programmierkenntnisse in C• Theoretische Informatik• Datenverarbeitungssysteme• Mathematik 1 und 2









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.

InhalteAbhängig von der jeweiligen LehrveranstaltungDas Angebot der Lehrveranstaltungen regelt der Studienplan.



[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Datenverarbeitung in der Technik 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungDatenverarbeitung in der Technik DT

Verantwortliche/r FakultätProf. Dr. Richard Roth Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Richard RothLehrformSeminar, Projektpraktikum


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungProjektausarbeitung und Präsentation

Inhalte• Die Teilnehmer sollen ein komplexeres Datenverarbeitungsprojekt mit Planung,

Dokumentation bis zur Implementierung und Test umsetzen. Dabei wird ein besondererWert auf eine modell-basierte Entwicklung gelegt.

• Die Projektaufgaben werden in der Regel von dem betreuenden Professor festgelegt,wobei Vorschläge von Studierenden gerne berücksichtigt werden.

• Die für das Projekt erforderlichen speziellen Fachkenntnisse sollen weitgehendeigenständig erarbeitet werden.

• Neben den inhaltlichen Aspekten spielt auch das Training der Teamfähigkeit eine großeRolle. In Gruppen mit 4 – 6 Teilnehmern soll die Organisation und die Arbeitsaufteilungselbständig durchgeführt werden.

• Die Entwicklung der Arbeiten wird bei wöchentlichen Treffen (Anwesenheitspflicht) mit dembetreuenden Professor im Rahmen eines Kolloquiums regelmäßig dargelegt.

• Über das Projekt wird eine schriftliche Ergebnisdokumentation erstellt und die Ergebnissein einer Präsentation allen Teilnehmern vorgestellt.

Lernziele/Lernergebnisse/KompetenzenDie Studierenden erarbeiten weitgehend selbständig Lösungen für spezielle aktuelleProblemstellungen aus der Technischen Informatik und präsentieren diese.Die Teilnehmer lernen die speziellen Herausforderungen bei dem gleichzeitigen und verzahntenEntwurf von Hardware- und Softwareteilen eines Systems kennen.Erfahrung in effektiver Teamarbeit





Literatur• Berger, Embedded Systems Design, CMP Books 2002• Oestereich, Analyse und Design mit UML2.1, Oldenbourg 2006• Douglass, Real-Time UML Workshop for Embedded Systems,• Elsevier 2007• Siciliano et al., Springer Handbook of Robotics, Springer 2008• Aktuelle Literatur aus dem gewählten Themenbereich

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:Digital DesignSoftware EngineeringEmbedded Systems









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,mindestens 110 Kreditpunkte aus dem 1.+2. StudienabschnittEmpfohlene VorkenntnisseAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.

InhalteAhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.



[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Automobile Kommunikationssysteme 4 SWS 5 2. Netzwerkmanagement 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungAutomobile Kommunikationssysteme AKS

Verantwortliche/r FakultätProf. Dr. Thomas Waas Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzMartin Hummel (LB)LehrformSeminaristischer Unterricht (3 SWS) und Praktikum (1 SWS),


Lehrumfang

[SWS oder UE]





InhalteEinführung:Fallbeispiel Hochautomatisiertes Fahren

Usecases und ZukunftsszenarioVerkehrmanagement-Trends Safety AspekteFunktionale Architektur im Fahrzeug.Kooperative Fahrzeuge und InfrastrukturdiensteV2V-V2I KommunikationMulti-AgentensystemeVerkehrslenkung und RoutingAdhoc-NetzwerkeBreitbandfunknetzeBezahlsystemeBackendschnittstellen.High Speed Data Networks im FahrzeugEchtzeitsysteme allgemeinCAN /CAN FDFlexrayEthernet / AVBÜbungen.Anwendung in der PrototypenentwicklungEinführung "Robotic Operating System" (ROS)Middleware-Kommunikation: IPv6 über ROSÜbungen




Lernziele/Lernergebnisse/KompetenzenHochautomatisierte Fahrfunktionen im Straßenverkehr, so wie sie heute schon in denForschungslabors der Universitäten und den Vorentwicklungsbereichen der Unternehmenerprobt werden, verlangen eine breitbandige Kommunikationsinfrastruktur, sowohl im Fahrzeug,als auch in der Car2Car oder Car2X Kommunikation. Die Vorlesung gibt einen spannendenÜberblick über die neusten Entwicklungen und wird sich vertieft mit den Bussen CAN undFlexRay und Ethernet / Ethernet-AVB Netzwerken auseinandersetzen. Die Industrie setzt im zunehmenden Maße im Prototypen- oder Anlagenbau auf die Middleware„Robotic Operation System (ROS)“, welche neben einer Ethernet-basierten KommunikationSteuerungselemente für Automatisierungsfunktionen in umfangreichen Bibliotheken bereitstellt.Im Rahmen der Vorlesung und der Übungen sollen die Grundkenntnisse dazu vermittelt werden.

LehrmedienTafel, Notebook, Beamer, Mathematische Software

Literatur

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht (3 SWS), Praktikum (1 SWS), Empfohlene Voraussetzungen:Kommunikationssysteme




Lehrveranstaltung LV-KurzbezeichnungNetzwerkmanagement NM

Verantwortliche/r FakultätProf. Dr. Thomas Waas Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzKurt Spörl (LB)Prof. Dr. Thomas WaasLehrformSeminaristischer Unterricht (2 SWS) und Selbststudium (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur: 90 min und/oder Studienarbeit

Inhalte• Grundlagen von Computer Netzwerken, TCP/IP Frame Analyse,• Ethernet, Ethernet Bridging und Switching, Spanning-Tree-Protocol.• IP-Routing, Routing Protokolle• Netzwerk Management Architektur• SNMP-Protocol.• Management Information Base.• Structure of Management Information.• Quality of Service.• Network Security Management.• Netzwerk Management Tools.

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die Standard-Architektur-Modelle für Netzwerk Management

wie auch deren Funktionalitäten. Die Studierenden kennen die Struktur des ManagementProtokolls SNMP und seine verschiedenen Varianten.

• Die Studierenden kennen die Standard-Struktur verschiedener Netzwerk ManagementBasen (MIBII, RMON1, RMON2) und wie sie mittels der ASN.1 Sprache beschriebenwerden können.

• Die Studierenden kennen aufgrund von Labor-Experimenten statisches und dynamischesIP-Routing sowie mögliche Routing Protokolle.

• Die Studierenden kennen die Standards und die praktischen Implementierungs-Aspekteder Quality of Service-Mechanismen.




• Die Studierenden können mittels Firewall, virtueller LANs (VLAN),Virtual Private Network(VPN) wie auch mittels Intrusion Prevention-Technik Netzwerk-Security managen.

LehrmedienBeamer, Computer, Tafel

Literatur• Online Textbooks und Online Tutorials• Stallings W: SNMP, SNMPv2, SNMPv3 and RMON 1 and 2“, 3rd• Ed. Addison Wesley Inc., Reading, MA, 2000• Burke R: Network Management: Concepts and Practice: A Hands-• On Approach, Prentice Hall, Upper Saddle River, NJ 07458, 2004• Mellquist P: SNMP++: An Object-Oriented Approach to Developing• Network Management Applications, Prentice Hall, London

Weitere Informationen zur Lehrveranstaltung

Empfohlene Voraussetzungen: Datenkommunikation








[ECTS-Credits]6. der 7. 3. Pflicht 5

Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnittes, mindestens 110 Kreditpunkteaus dem 1. und 2 . StudienabschnittEmpfohlene VorkenntnisseAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Signalverarbeitung 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungSignalverarbeitung SV

Verantwortliche/r FakultätProf. Dr. Axel Doering Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Axel DoeringLehrformSeminaristischer Unterricht mit Übungen (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Beschreibung von Signalen, Zusammenhang von Signalen und Systemen• LTI-Systeme: Laplace-Transformation, Übertragungsfunktion, Pol-Nullstellen-Diagramm• Analyse und Synthese von Filtern• Spektrale Darstellung zeitkontinuierlicher Signale (Fourieranalyse, Unschärferelation)• Abtastung (Abtasttheorem, z-Transformation, spektrale Darstellung zeitdiskreter Signale)

Lernziele/Lernergebnisse/Kompetenzen• Teilnehmer kennen Methoden zur linearen Analyse analoger und diskreter Signale und

können diese Methoden praktisch anwenden• Teilnehmer verstehen den Zusammenhang zwischen spektraler und zeitlicher Darstellung

von Signalen• Teilnehmer beherrschen die grundlegenden Methoden zur Analyse und zum Entwurf von

LTI-Systemen

LehrmedienTafelvortrag, Rechenübungen, Computerpraktika (Matlab)

Literatur• M. Werner: Signale und Systeme. Vieweg 2008• Hsu. Signals and Systems. McGraw-Hill 1995• Proakis, Manolakis: Digital Signal Processing. Pearson 2007









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts, Mindestens 110 Kreditpunkteaus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Computer Architektur 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungComputer Architektur CA

Verantwortliche/r FakultätProf. Dr. Rudolf Hackenberg Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Rudolf HackenbergLehrformSeminaristischer Unterricht (3 SWS) mit Übungen und Praktikum (1 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Grundlegende Konzepte wie Pipelining, Superskalarität, Hperthreading, Multiprozessing,

CISC, RISC, VLIW.• µ-Programmierung.• Speichersysteme, Cachesysteme, Assoziativität, Konsistenz, Kohärenz, effektive

Bandbreiten.• Leistungsbewertung, Amdahl’sches Gesetz.• Rechnernetze, Bus-Systeme.

Lernziele/Lernergebnisse/KompetenzenDie Teilnehmer verstehen die grundlegenden Prinzipien der Rechnerorganisation.Sie können die Leistungsfähigkeit von Rechnersystemen beurteilen auf der Grundlage desZusammenspiels zwischen Hardware und Software auf unterschiedlichen Ebenen.


Literatur• Eigene Folien in PDF• Beierlein, Mikroprozessoren, Fachbuchverlag Leipzig 2004• Hennesy, Rechnerarchitektur, Vieweg & Sohn 1994• Märtin, Rechnerarchitekturen, Carl Hanser Verlag 2001• Tanenbaum, Computerarchitektur, Pearson Studium 2001• Patterson, Rechnerorganisation und –entwurf, Spektrum Akademischer Verlag 2005• Schiffmann, Technische Informatik II, Springer 2005




Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht (3 SWS), Übungen und Praktikum (1 SWS) Empfohlene Voraussetzungen:

• Physik,• Datenverarbeitungssysteme,• Digital Design









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseAbhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.


Lernziele/Lernergebnisse/KompetenzenAhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan.


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Echtzeitsysteme 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungEchtzeitsysteme ES

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus KuceraLehrformSeminaristischer Unterricht mit Praktikum und Projekt (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungPraktikum mit Projektarbeiten und deren PräsentationSchriftliche Prüfung: 90 – 120 min

Inhalte• Echtzeitsysteme, Einführung.• Theoretische Grundlagen (Globale Zeit, Replikationsdeterminismus, RT-Scheduling,

Schedulability Tests.• Echtzeit Betriebssysteme.• Software Engineering Techniken für Echtzeitsysteme.• Mikrocomputer Architektur.• Computer Integrated Manufacturing (CIM).

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die wichtigsten Konzepte, Paradigmen und Mechanismen einesEchtzeitsystems.Die Studierenden kennen die wichtigsten Software Engineering Techniken zur Realisierung vonEchtzeitsystemen.Die Studierenden können Mikroprozessor-Bausteine so programmieren, dass die externenEchtzeit-Anforderungen rechtzeitig und prioritätsgerecht bedient werden können.

LehrmedienTafel, Overheadprojektor, Notebook, Beamer




Literatur• Burns A, Wellings A: Real-Time Systems and Programming Languages: Ada 95, Real-

Time Java and Real-Time POSIX, 3rd Edition. Addison-Wesley: Harlow, England, London,New York, etc., 2001

• Kopetz H: Real Time Systems - Design principles for Distributed Embedded Applications,Kluwer Academic Publishers, 1997

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht, Praktikum + Projekt Empfohlene Voraussetzungen:

• Datenverarbeitungssysteme• Kommunikationssysteme• Betriebssysteme• Programmierkenntnisse in C• Intel-Assembler


Documents

Modulhandbuch - hs-regensburg.de 1 ... Seminaristischer Unterricht (4 SWS), Übungen und Praktikum (2 SWS) Studiensemester gemäß Studienplan Lehrumfang ... Assembler, Grundlagen