Module im Bereich: Gestalten und Anwenden - Wahlpflicht

• Hinweise für Module im Bereich: Gestalten und Anwenden
• Advanced Topics in Deep Learning (Bachelor)
• Advanced Topics in Networking
• Bachelor seminar KMD
• Bachelor seminar Predictive Maintenance
• Bioinformatik
• Biometrics Project
• Compilerbau
• Computational Intelligence in Games
• Computer-Assisted Surgery
• Computernetze 1
• Data Mining – Einführung in Data Mining
• Datenanalyse, Visualisierung und Visual Analytics
• Datenbanken 2
• Deep Learning für Ingenieure
• Design-Projekt
• Einführung in Digitale Spiele
• Einführung in die Computergraphik
• Einführung in die Wissensrepräsentation
• Erklärbare und sichere KI
• Game Design – Grundlagen
• Grundlagen der C++ Programmierung
• Grundlagen des Maschinellen Lernens
• IT-Forensik
• IT-Software project KMD
• Idea Engineering
• Information Retrieval
• Intelligente Systeme
• Interaktive Systeme
• Introduction to Distributed Sensor Data Fusion
• Introduction to Simulation
• Mesh Processing
• Mobile Robotics
• Musik Information Retrieval
• Parallele Programmierung
• Programmierparadigmen
• Recommenders - Seminar for bachelor degrees
• Scrum-in-Practice
• Service Engineering
• Simulation Project
• Software Defined Networking
• Software Engineering & IT-Projektmanagement
• Software Engineering & IT-Projektmanagement (dual)
• Spezifikationstechnik
• Startup Engineering I
• Technische Aspekte der IT-Sicherheit
• Technische Informatik 1
• Computer Engineering 1
• Technische Informatik 2
• Computer Engineering 2
• Virtual and Augmented Reality I
• Visualization

Hinweise für Module im Bereich: Gestalten und Anwenden

Im Folgenden werden Module für den Bereich Gestalten und Anwenden aus anderen Fakultäten aufgelistet. Wir verweisen auf die Modulbeschreibungen der jeweiligen anbietenden Fakultät; sie können in den Modulhandbüchern der entsprechenden Fakultäten gefunden werden.

Abweichende Module müssen vom Studiengangsleitenden genehmigt werden.

Mathematik

• Statistical Methods I (Sommer)
• Statistical Methods II (Winter)

Advanced Topics in Deep Learning (Bachelor)

every

(in German: Advanced Topics in Deep Learning (Bachelor) )

Module-ID: FIN-INF-110502

Abbreviation ATDL

Credit Points 5

Semester every

Term starting at 1.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Sebastian Stober
Lecturer:	Sebastian Stober
Classes:	Advanced Topics in Deep Learning
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
The students ...

• are able to read and analyze current research papers
• can apply deep learning to an application domain
• gain in-depth knowledge in an application domain
• learn to work efficiently in a team on scientific problems
• learn to work on a server infrastructure
• present scientific results in a written and oral form

Content:

• Current topics from deep learning research
• Creation of domain-specific deep learning pipelines
• The application domain will be announced
  beforehand

Workload:
30 contact hours + 120h self-study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Written report ("Hausarbeit") Oral exam	Lecture/Seminar (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Introduction to Deep Learning or Deep Learning for Engineers

Media:	Literature:

Comments:

Advanced Topics in Networking

Winter

(in German: Advanced Topics in Networking )

Module-ID: FIN-INF-110513

Abbreviation ATN

Credit Points 5

Semester Winter

Term starting at 5.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	David Hausheer
Lecturer:	David Hausheer
Classes:	Lecture Advanced Topics in Networking Exercise Advanced Topics in Networking
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students...

• enhance their competence in the area of networking
• understand advanced networking concepts
• can explain these concepts to other participants
• are able to apply these concepts in theoretical use cases and practical exercises

Content:
The course deals with advanced topics in the area of networking:

• Overlay networks for content delivery, e.g., P2P, BitTorrent, CDNs, caching, overlay video streaming
• Distributed Hash Tables (DHT), e.g., Kademlia
• Blockchains
• Crypto currencies and Bitcoin
• Ethereum and smart contracts
• Secure network architectures, e.g., SCION
• Congestion Control, e.g., QUIC and Multipath-QUIC

Workload:

• 28h lectures
• 22h theoretical exercises
• 4h practical exercises
• 96h homework (further studies, preparation for the final exam)

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
Prerequisites for the exam required; details will be announced at the beginning of the semester.	Written exam 120 minutes	Lecture 2 SWS Exercise 2 SWS

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Modul Computernetze

Media:	Literature:
	Textbooks as indicated. Slides and paper copies as necessary.

Comments:
In früheren Versionen der Studien- und Prüfungsordnung ist dieses Modul als WPF Technische Informatik anrechenbar.

Bachelor seminar KMD

every

(in German: Bachelorseminar KMD )

Module-ID: FIN-INF-110527

Abbreviation KMD_BachelorSeminar

Credit Points 5

Semester every

Term

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Myra Spiliopoulou
Lecturer:	Myra Spiliopoulou
Classes:	Seminar KMD_BachelorSeminar
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
When successfully completing this seminar, the students:

• can read and present a scientific paper
• can compare mining methods, workflows and frameworks that address a specific scientific topic, and can rank them on given criteria
• can critically discuss the advantages and caveats of a published mining method
• can summarize one or more papers , their comparisons and critical discussion in an essay
• can present the scientific paper(s) they have read in a pre-specified amount of time and in a way understandable to both an audience that has read the papers and to an audience that has not, and they can answer questions

Content:
CONTENT: Topics on 'Knowledge Management and Discovery' for business applications, engineering applications and applications in healthcare; all topics refer to mining algorithms STRUCTURE: Each student receives a topic as assignment. The assignment encompasses:

• one or two papers in the topic's area
• a series of questions to be answered from the papers

The student must:

1. read the papers
2. compare the methods and results in them in order to answer the scientific questions
3. critically discuss and rank the methods compared in the previous step
4. present the above in class and answer questions
5. write an essay on them

Workload:
28 h Präsenz + 94 h selbstständige Arbeit COURTESY TRANSLATION: 28 h in class + 94 h self-study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Referat	Seminar (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Familiarity with mining algorithms Familiarity with methods for model evaluation

Media:	Literature:
	The seminar contains several topics. The mapping of the module (see field 'Verwendbarkeit') depends on the topic assigned to a specific student.

Comments:

Bachelor seminar Predictive Maintenance

every

(in German: Bachelorseminar Predictive Maintenance )

Module-ID: FIN-INF-110524

Abbreviation PREDMA_BSEM

Credit Points 5

Semester every

Term ab 3.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Prof. Dr. Myra Spiliopoulou, Prof. Dr.-Ing. Benjamin Noack
Lecturer:	Prof. Dr. Myra Spiliopoulou, Prof. Dr.-Ing. Benjamin Noack
Classes:	Seminar PredMa_BSeminar
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
When successfully completing this seminar, the students can:

• read scientific articles given to them on introductory topics of predictive maintenance
• discuss these articles and reflect on them
• compare the methods that appear in these articles and discuss the pros and contra of each method in comparison to other methods
• summarize article contents on predictive maintenance in a report and present them
• formulate questions on these articles and answer questions formulated by other seminar participants

Content:
In this seminar, the participants will learn about

• challenges and methods for data acquisition in industrial processing
• data analysis tools in predictive maintenance
• process modeling, fault detection, and state prediction

Workload:
28 h in presence (consultation meetings, presentations) / 96 h self-study for:

• Reading and Understanding of Provided Papers
• Writing an essay
• Presentation and question answering

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Referat	Seminar (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Linear Algebra and Calculus Underpinnings of data analytics Underpinnings of signal processing

Media:	Literature:
	Scientific articles on Predictive Maintenance; choice of articles depends on topic assignment and is given to each student together with the assignment

Comments:

Bioinformatik

Sommer

(engl. Bioinformatics )

Modulnummer: FIN-INF-700003

Kürzel BioInf

CP 5

Semester Sommer

Fachsem. ab 5.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Andreas Nürnberger
Dozent:in:	Andreas Nürnberger
Lehrveranstaltungen:	Vorlesung Bioinformatik Übung Bioinformatik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• verstehen verschiedene Datenstrukturen für Bioinformatik
• können Basisalgorithmen zur Bearbeitung von Sequenzdaten anwenden und programmieren
• wenden Clusteranalyse und verschiedene Heuristiken für die Bearbeitung molekularbiologischer Daten an

Inhalt:

• Einführung in die Bioinformatik und die Molekularbiologie
• Einführung in Datenbanken und speziell molekularbiologische Datenbanken
• Algorithmen zur Sequenzanalyse
• Heuristische Methoden für die Sequenzanalyse
• Algorithmen zur Clusteranalyse
• Expressionsdatenanalyse
• Algorithmen zum Aufbau phylogenetischer Bäume

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur (2h). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:

Literatur:

R. Merkl. Bioinformatik: Grundlagen, Algorithmen, Anwendungen (4. Auflage), Wiley-VCH, 2022. R. Merkl, S. Waak. Bioinformatik Interaktiv: Algorithmen und Praxis. Wiley-VCH, 2003. R. Rauhut. Bioinformatik: Sequenz-Struktur-Funktion. WileyVHC, 2001. D.E. Krane, ML. Raymer. Fundamental Concepts of Bioinformatics. Pearson Education, 2003. J. Setubal, J. Meidanis. Introduction to Computational Molecular Biology. PWS Publishing Company, 1997. A. M. Lesk. Bioinformatik: Eine Einführung. Spektrum Akademischer Verlag, 2002. A. M. Lesk. Introduction to Bioinformatics. Oxford University Press, 2002.

Hinweise:

Biometrics Project

jedes

(engl. Biometrics Project )

Modulnummer: FIN-INF-110415

Kürzel MMDAP

CP 5

Semester jedes

Fachsem. ab 5.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr.-Ing. Jana Dittmann
Dozent:in:	Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen:	Vorlesung IT-Sicherheit und Digitale Selbstverteidigung Übung IT-Sicherheit und Digitale Selbstverteidigung Vorlesung Informatik & Kriminalistik Übung Informatik & Kriminalistik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• können anhand einer ausgewählten fachlichen Fragestellung zur Cybersicherheit die Anforderungen und Lösungsmöglichkeiten im Zusammenspiel von Sicherheit, Sensortechnik und Multimediatechnologie für ein Anwendungsbeispiel verstehen
• können Komponenten multi-modaler Systeme am Beispiel sicher gestalten und eine Sicherheitsbewertung vornehmen
• können technische Integrationsaspekte verstehen und Umsetzungen ausgewählter Inhalte aus „Sichere Systeme“ und „Algorithmen und Datenstrukturen“ vornehmen
• können eine Evaluation und Bewertung multi-modaler Systeme vornehmen und Restrisiken benennen
• können Herausforderungen in der Teamarbeit erkennen und reflektieren
• können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
• können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden

Inhalt:

• Einführung und Grundlagen zu ausgewählten fachlichen Fragestellungen zur Cybersicherheit, Sensortechnik und Multimediatechnologie
• Erläuterungen anhand von Anwendungsbeispielen
• Gestaltungskonzepte für sichere Multi-modale Systeme für ausgewählte Beispiele
• Ansätze zur Sicherheitsbewertung
• Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert

Arbeitsaufwand:
56h Präsenszeit
94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
keine	Referat mit zwei Teilleistungen (Vortrag und Ausarbeitung) Das Referat umfasst eine eigenständige und vertiefte schriftliche Auseinandersetzung mit einer Fragestellung aus dem Arbeitszusammenhang der Lehrveranstaltung unter Einbeziehung und gezielter kritischer Auswertung einschlägiger Literatur, sowie die Darstellung der eigenen Arbeit auch im Vergleich im Team und die Vermittlung sowie Bewertung der eigenen Ergebnisse im mündlichen Vortrag sowie in der anschließenden Diskussion im Team. Die Ausarbeitungen müssen schriftlich vorliegen.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:
https://omen.cs.uni-magdeburg.de/itiamsl/deutsch/lehre/index.html

Compilerbau

Winter

(engl. Compiler Construction )

Modulnummer: FIN-INF-100382

Kürzel CB

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Michael Kuhn
Dozent:in:	Prof. Dr. Michael Kuhn
Lehrveranstaltungen:	Vorlesung Compilerbau Übung Compilerbau
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Teilnehmenden...

• verstehen theoretische Grundlagen von formalen Sprachen
• wenden Algorithmen zur Optimierung von regulären Ausdrücken, Grammatiken und Code-Repräsentationen an
• verstehen wichtige Konzepte von Compilern
• erstellen Komponenten eines Compilers in kleineren Teams
• präsentieren Lösungsansätze und Ergebnisse anderen Teilnehmenden

Inhalt:
Compiler übersetzen Programme aus einer Ausgangssprache in eine Zielsprache, üblicherweise aus einer höheren Programmiersprache in eine Maschinensprache. Dies erlaubt es unter anderem, die gleiche Anwendung mit relativ geringem Aufwand für unterschiedliche Prozessorarchitekturen zu übersetzen und darauf auszuführen. Ein tiefergehendes Verständnis von Compilern hilft dabei, effizientere und sicherere Programme zu schreiben. Die zu übersetzenden Programme werden außerdem durch Compiler überprüft und verbessert. Wie viele Fehler dabei gefunden werden können, hängt von der Striktheit der Sprache ab. Einige Sprachen, wie z. B. Rust, machen es schwieriger, Programme ohne Fehler zu schreiben, bieten dafür aber gewisse Korrektheitsgarantien. Darüber hinaus führen Compiler eine Vielzahl an Optimierungen durch, um die gegebene Rechnerarchitektur möglichst effizient zu nutzen. Die Vorlesung findet nach dem Prinzip des Flipped Classroom statt. Dabei sollen selbstständig die entsprechenden Kapitel des Buches „Introduction to Compilers and Language Design“ gelesen werden, die dann in der Vorlesung vertieft besprochen werden. In der Vorlesung werden die Konzepte vermittelt, die Übungen dienen der praktischen Anwendung und Umsetzung der erworbenen Kenntnisse.

Arbeitsaufwand:

• 56h Präsenz
• 94h selbstständiges Arbeiten

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Aktive und erfolgreiche Teilnahme an den Übungen	Mündliche Prüfung	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Praktische Kenntnis einer Systemprogrammiersprache wie C oder C++ Grundkenntnisse in Datenstrukturen und Rechnerarchitekturen (z. B. Algorithmen und Datenstrukturen, Technische Informatik)

Medienformen:	Literatur:
	Introduction to Compilers and Language Design (Douglas Thain)

Hinweise:

Computational Intelligence in Games

Summer

Game Theory, Reinforcement Learning and Beyond

(in German: Computational Intelligence in Games )

Module-ID: FIN-INF-110515

Abbreviation CIG

Credit Points 5

Semester Summer

Term starting at 4.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Sanaz Mostaghim
Lecturer:	Sanaz Mostaghim
Classes:	Lecture Computational Intelligence in Games Exercise Computational Intelligence in Games
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
The students will learn the concepts in reinforcement learning, Game Theory and beyond and can apply them to various domains, particularly in Games. The students can program the learned algorithms and will get an understanding about the functionality of the algorithms.

Content:

• This course addresses the basic and advanced topics in the area of computational intelligence and games and contains three parts:
• Part one addresses the basics in Evolutionary Game Theory (EGT). In this part you will learn about simple games such as scissors/rock/paper and the main focus on the strategies for playing games.
• Part two is about learning agents and we focus on reinforcement learning mechanisms. There are three questions for games:
  • – How can we use the information from a search mechanism to learn?
  • – How can we use reinforcement learning to find for a better strategy?
  • – How can we use reinforcement learning as a search mechanism? The application is on board games.
• Part three contains the advanced topics in games and artificial intelligence such as how can we program an agent who can pass a Turing test? How can we consider physical constraints of a spaceship while moving in an unknown terrain?

Workload:
56 contact hours + 94 h self study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Written exam Hausarbeit	Lecture (2 SWS) Exercise class (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Intelligente Systeme

Media:

Literature:

Ian Millington and John Funge, Artificial Intelligence for Games, CRC Press, 2009 Richard S. Sutton and Andrew G. Barto, Reinforcement Learning: An Introduction, MIT Press, Cambridge, MA, 1998 Jorgen W. Weibull, Evolutionary Game Theory, MIT Press, 1997 Thomas Vincent, Evolutionary Game Theory, Natural Selection, and Darwinian Dynamics, Cambridge University Press, 2005 Josef Hofbauer, Karl Sigmund, Evolutionary Games and Population Dynamics, Cambridge University Press, 1998

Comments:

Computer-Assisted Surgery

Winter

(in German: Computer-Assisted Surgery )

Module-ID: FIN-INF-110514

Abbreviation CAS

Credit Points 5

Semester Winter

Term

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Christian Hansen
Lecturer:	Christian Hansen
Classes:	Lecture Computer-Assisted Surgery Seminar Computer-Assisted Surgery Team project Computer-Assisted Surgery
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Medizintechnik - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students who complete this module ...

• have an in-depth knowledge of modern surgical and interventional imaging technologies such as iMRI, iCT and IOUS, as well as medical image processing
• understand methods such as surgical tracking, calibration and registration, which are essential for the development and application of surgical assistance systems
• can design and develop surgical planning and navigation systems.
• can write a state of the art report in the field of computer assisted surgery
• can read, analyse and briefly summarise scientific papers in a scientific report.

Within this module students can choose between a seminar or a team project. If students choose to undertake a seminar, they ...

• will be able to read, understand and present scientific publications in the field of computer-assisted surgery
• will understand how to critically analyse scientific publications and improve their ability to present the results of others' research.

If students opt for a team project, they ...

• will develop, test and evaluate a software tool in an interdisciplinary team
• will learn how to deal with conflict in interdisciplinary teams.

Content:
This lecture provides an overview of computer-assisted surgery. After an introduction to the basics, the state of the art in computer-assisted surgery is presented using clinical examples. The following topics will be covered:

• Fundamentals of intra-operative imaging
• Fundamentals of surgical visualisation
• Computer-assisted surgical planning
• Surgical navigation systems
• Surgical Augmented Reality
• Surgeon-Computer Interaction
• Robotic Surgery
• Medical Software Development and Evaluation

Workload:
56h contact hours + 94h self study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
Successful completion of the exercise/seminar	oral exam	Lecture (2 SWS) Seminar (2 SWS) or team project (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:	Literature:

Comments:

Computernetze 1

Winter

(engl. Computer Networks 1 )

Modulnummer: FIN-INF-140006

Kürzel CN-1

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Mesut Güneş
Dozent:in:	Prof. Dr. Mesut Güneş
Lehrveranstaltungen:	Vorlesung Computernetze 1 Übung Computernetze 1
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Studierende ...

• kennen und verstehen die Grundlagen der Datenkommunikation
• kennen die Schichtenarchitektur des ISO/OSI-Modells
• verstehen Konzepte wie Kanalkapazität, Datenrate und ihre Zusammenhänge
• verstehen Fehlererkennung und Fehlerkorrektur und ARQ-Verfahren
• sind in der Lage Herausforderungen der höheren Protokollschichten einzuordnen

Inhalt:

• Grundlegende Protokolle und Ansätze von der Bitübertragungsschicht bis zu Netzwerkschicht
• ISO/OSI-Architektur vs TCP/IP-Architektur
• Datenübertragung
• Medienzugriffskontrolle
• Fehlerbehandlung
• Zuverlässige Nachrichtenübertragung

Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur 120 Minuten	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Technische Informatik 1 Technische Informatik 2 Algorithmen und Datenstrukturen

Medienformen:	Literatur:
	Andrew S. Tanenbaum, “Computer Networks”, Pearson International James F. Kurose, Keith W. Ross, “Computer Networking – A Top-Down Approach”, Addison Wesley

Hinweise:

Data Mining – Einführung in Data Mining

Winter

Einführung zu Data Mining für Bachelorstudiengänge

(engl. Data Mining for Bachelor Students - An Introduction (German course) )

Modulnummer: FIN-INF-110302

Kürzel DM4BA

CP 5

Semester Winter

Fachsem.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Myra Spiliopoulou
Dozent:in:	Myra Spiliopoulou
Lehrveranstaltungen:	Vorlesung DM4BA Übung DM4BA
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden:

• verstehen, wozu Data Mining gut ist
• verstehen, wie eine Klassifikationsaufgabe aussieht und wie eine Clustering-Aufgabe aussieht, und können zwischen den zwei Typen von Aufgaben unterscheiden
• verstehen, wie einfache Klassifikationsmethoden funktionieren und können diese für Probleme anwenden
• verstehen, wie einfache Clustering-Methoden funktionieren und können diese für Probleme anwenden
• verstehen die Herausforderungen der Evaluation von Modellen
• können Evaluationsvorgänge gestalten und durchführen
• verstehen, warum Data Engineering vor dem Aufruf von Lernverfahren nötig ist
• können einfache Instrumente der Datenaufbereitung anwenden und ihre Ergebnisse evaluieren

und haben damit notwendige Grundlagen erworben, um einen einfachen Vorgang zum Ableiten eines Modells und zu dessen Evaluation zu gestalten.

Inhalt:

• Klassifikation: Lernverfahren und Evaluationsvorgänge
• Clustering: Lernverfahren und Evaluationsvorgänge
• mehr zu Methoden für die Evaluation von Modellen
• Data Engineering: Datenaufbereitungsaufgaben, -methoden und -evaluationsvorgänge

Arbeitsaufwand:

• 28 Stunden Vorlesung (Präsenz)
• 28 Stunden Übung (Präsenz)
• 94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie zur Prüfungsvorbereitung

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen	Schriftliche Prüfung - Klausur (120 min)	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Datenbanken

Medienformen:

Literatur:

Zu Data Mining Methoden und zu Evaluationsansätzen: Pan-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar (2019). Introduction to Data Mining, 2nd edition. Pearson – Ausschnitte aus Kpt 3, 5, 7 Ian Witten & Eibe Frank (2005). Data Mining – Practical machine learning tools and techniques. 2nd edition. Elsevier – Ausschnitte aus Kpt 4 zu Naive Bayes Zu Data Engineering: Salvador Garcia, Julian Luengo, Francisco Herrera (2015). Data Preprocessing for Data Mining. Springer – Ausschnitte aus Kpt 3, 4, 7, evtl auch aus Kpt 2 und eventuell für Zeitreihen: Parmezan, A. R. S., Souza, V. M. A., and Batista, G. E. A. P. A. (2019). Evaluation of statistical and machine learning models for time series prediction: Identifying the state-of-the-art and the best conditions for the use of each model. Information Sciences, DOI: 10.1016/j.ins.2019.01.076 Cismondi, F. C., Fialho, A., Vieira, S., Reti, S., Sousa, J., and Finkelstein, S. (2013). Missing data in medical databases: Impute, delete or classify? Artificial Intelligence in Medicine, DOI: 10.1016/j.artmed.2013.01.003 Weitere Literatur wird in den einzelnen Sessions aufgelistet.

Hinweise:

Datenanalyse, Visualisierung und Visual Analytics

Sommer

(engl. Data Analysis, Visualization and Visual Analytics )

Modulnummer: FIN-INF-110388

Kürzel DatenVisVA

CP 5

Semester Sommer

Fachsem. ab 4.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Dirk Joachim Lehmann
Lehrveranstaltungen:	Vorlesung Datenanalyse, Visualisierung und Visual Analytics
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• kennen Methoden der Datenanalyse, Visualisierung und des Visual Analytics, einschließlich algorithmischer Verfahren zur Datenaufbereitung, Dimensionsreduktion und Clusteranalyse.
• kennen Visualisierungstechniken zur Darstellung hochdimensionaler Daten und interaktiver Visual Analytics-Ansätze zur Entscheidungsunterstützung.
• kennen kognitive und wahrnehmungspsychologische Aspekte der Datenvisualisierung sowie Prinzipien effektiver grafischer Darstellungen.
• können geeignete Methoden und Werkzeuge zur Analyse und Visualisierung komplexer Datenbestände auswählen, anwenden und interpretieren.
• können Visualisierungs- und Analysemodelle technisch umsetzen, evaluieren und in geeignete Applikationen integrieren.
• können die Qualität und Aussagekraft von Datenvisualisierungen und analytischen Modellen kritisch bewerten und optimieren.
• können für einfache Problemstellungen aus der Anwendung selbstständig datenbasierte Lösungen entwickeln und präsentieren.

Inhalt:
Inhalte der Veranstaltung:

• Automatisierbare Datenanalyse: Einführung in maschinelles Lernen und statistische Methoden zur Datenauswertung und deren mathematische Grundlagen (insbesondere in der multivariaten Optimierung). Behandelte Techniken umfassen PCA zur Dimensionsreduktion, k-Means zur Clusterbildung und Regressionsanalysen zur Modellierung von Zusammenhängen u.v.m.
• Datenvisualisierung: Methoden zur grafischen Darstellung von Daten zur Erkennung von Mustern und Trends, darunter Scatterplots, Heatmaps und Parallelkoordinaten.
• Visual Analytics: Kombination aus Data-Mining-Methoden und interaktiven Visualisierungen zur Analyse komplexer Datenbestände. Einsatz von Dashboards und Reporting-Tools zur Entscheidungsunterstützung.
• Interdisziplinäre Aspekte: Einfluss der visuellen Wahrnehmung und kognitiven Verarbeitung auf effektive Visualisierungen. Berücksichtigung von Farbtheorie, Gestaltprinzipien und Usability.
• Anwendungsbeispiele: Praxisnahe Anwendungen aus Finanzdatenanalyse, Bioinformatik und Epidemiologie, etwa zur Krankheitsüberwachung oder Genexpressionsanalyse.
• Die Veranstaltung kombiniert Theorie und praxisnahe Anwendungsszenarien, um Studierende auf eigenständige Datenanalyse- und Visualisierungsaufgaben vorzubereiten.

Arbeitsaufwand:
30 h Präsenzzeit + 120 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur, 120 min.	2 SWS Vorlesung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:

Datenbanken 2

Sommer

Implementierungstechniken

(engl. Database Implementation Techniques )

Modulnummer: FIN-INF-102810

Kürzel DB2

CP 5

Semester Sommer

Fachsem. ab 4.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Gunter Saake
Dozent:in:	Gunter Saake
Lehrveranstaltungen:	Vorlesung Datenbanken 2 Übung Datenbanken 2
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• verstehendie Architektur und Funktionsweise von Datenbanksystemen
• verstehen die Verwaltung des Hintergrundspeichers und Seitenverdrängungsstrategien
• verstehen typische Zugriffstrukturen und können diese implementieren
• verstehen Zugriffsstrukturen für spezielle Anwendungsfälle
• können Basisalgorithmen für Datenbankoperationen zu implementieren
• verstehen die Verarbeitung von Anfragen, können deren Leistung beurteilen und optimieren

Inhalt:

• Aufgaben und Prinzipien von Datenbanksystemen
• Architektur von Datenbanksystemen
• Verwaltung des Hintergrundspeichers
• Dateiorganisation und Zugriffsstrukturen
• Zugriffsstrukturen für spezielle Anwendungen
• Basisalgorithmen für Datenbankoperationen
• Optimierung von Anfragen

Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur (120 min)	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Datenbanken 1

Medienformen:	Literatur:
	Datenbanken: Implementierungstechniken. Gunter Saake, Kai-Uwe Sattler, Andreas Heuer, 4. Auflage mitp-Verlag, Bonn, 2019, ISBN: 978-3-95845-779-9

Hinweise:

Deep Learning für Ingenieure

Winter

(engl. Deep Learning for Engineers )

Modulnummer: FIN-INF-110485

Kürzel DLFI

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sebastian Stober
Dozent:in:	Sebastian Stober
Lehrveranstaltungen:	Deep Learning für Ingenieure (Vorlesung) Deep Learning für Ingenieure (Übung)
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• können moderne Deep Learning Methoden für unterschiedliche Domänen sicher anwenden
• haben die Fähigkeit, aktuelle Forschung in diesem Bereich zu folgen
• kennen den Ablauf der Entwicklung von tiefen neuronalen Netzen.

Inhalt:
Einführung in den Lernprozess durch Backpropagation. Es werden essentielle Modellarchitekturen, wie MLP, RNN, CNN, Auto-Encoder und Transformer(Attention) vorgestellt und auf verschiedene Probleme angewendet. Hierbei werden die Lernparadigmen des überwachten und unüberwachten Lernens und deren Anwendungen vermittelt. Dies beinhaltet
auch Regularisierungen, fortgeschrittene Trainingsmethoden und Interpretierung von Lernkurven und Ergebnissen

Arbeitsaufwand:

• 56h Präsenzzeit (Vorlesung + Übung)
• 94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur 120 Minuten Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Maschinelles Lernen

Medienformen:	Literatur:

Hinweise:

Design-Projekt

Sommer

(engl. Design project )

Modulnummer: FIN-INF-110517

Kürzel DSP

CP 5

Semester Sommer

Fachsem. ab 5.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Hans-Knud Arndt
Dozent:in:	Hans-Knud Arndt
Lehrveranstaltungen:	Seminar Design-Projekt Übung Design Projekt
Verwendbarkeit:	- B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...

• entwickeln ein Verständnis für Industrie-Design
• setzen sich mit den „Zehn Thesen des Guten Designs“ von Dieter Rams auseinander und sind in der Lage, diese auf Projekte anzuwenden
• entwickeln ein Verständnis für das Design aktueller IT-Produkte

Inhalt:
Die Teilnehmer*innen sollen im Rahmen dieser Lehrveranstaltung ihre neu gewonnenen Erkenntnisse in Bezug auf Design praktisch auf IT-Produkte anwenden. Hierbei wird sich vor allem auf die von Dieter Rams entwickelten „Zehn Thesen des Guten Designs“ konzentriert.

Arbeitsaufwand:
56 h Präsenz
94 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Hausarbeit	Seminar (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:

Einführung in Digitale Spiele

Winter

(engl. Introduction to Digital Games )

Modulnummer: FIN-INF-110376

Kürzel EiDS

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Tim Härtel
Lehrveranstaltungen:	Vorlesung Einführung in Digitale Spiele Übung Einführung in Digitale Spiele
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage:

• Ideen für Spiele zu entwickeln und diese in Form eines selbstgewählten Prototypen umzusetzen.
• Grundlagen für den Aufbau und dem Ablauf von Spielen zu verstehen und erklären zu können.
• Die wichtigsten Bestandteile einer Game Engine, z. B. der Physics Engine und des Renderings, zu verstehen, zu erklären und im Rahmen einer Game Engine zu verwenden.
• Übergreifende Prozesse im Bezug auf die Spielentwicklung nachzuvollziehen und zu erklären.
• Verstehen und Anwenden (software-)technischer Askepte der Spieleentwicklung, wie Collisions, Shader, etc.

Inhalt:

• Game Design
• Game Development Software Patterns
• 2D-3D Math Game Concepts
• Rendering
• Animations
• Lights
• Shadows
• Shader
• Physics Engines
• Collisions
• Audio (Engine)
• Pathfinding
• Navigation
• Procedural Content Generation
• Game AI
• Prototyping
• Playtesting
• Flow
• Gamification/Serious Games
• Feedback, Gameplay Loop

Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Wird in der ersten Vorlesung bekanntgegeben.	Klausur 120 Minuten (Note), Wissenschaftliches Projekt (Schein)	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:	Literatur:
	Jason Gregory: “Game Engine Architecture”, Taylor & Francis, 2009 Steve Rabin: “Introduction to Game Development”, Charles River Media, 2010 Jesse Schell: The Art of Game Design: A Book of Lenses. CRC Press, 2008 Thomas Akenine-Möller, Eric Haines, Naty Hoffman: “Real Time Rendering”, Peters, 2008

Hinweise:

Einführung in die Computergraphik

Sommer

(engl. Introduction to Computer Graphics )

Modulnummer: FIN-INF-110512

Kürzel

CP 5

Semester Sommer

Fachsem. ab 2.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Holger Theisel
Lehrveranstaltungen:	Vorlesung Einführung in die Computergraphik Übung Einführung in die Computergraphik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden

• verstehen die grundlegenden Konzepte der Computergraphik
• können ihre Kenntnisse anwenden zur Erstellung eines Rendering-Programms
• Arbeiten in Gruppen an Übungen und Programmmieraufgaben
• erlernen sowohl theoretische Grundlagen als auch Anwendungen der Computergraphik
• sind nach der Veranstaltung in der Lage, sich vertiefte Kenntnisse der Computergraphik anzueignen

Inhalt:

• Einführung, Geschichte, Anwendungsgebiete der Computergraphik
• Modellierung und Akquisition graphischer Daten
• Graphische Anwendungsprogrammierung
• Transformationen
• Clipping
• Rasterisierung und Antialiasing
• Beleuchtung
• Texturierung
• Sichtbarkeit
• Raytracing
• Moderne Konzepte der Computergraphik im Überblick

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur, 120 min	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Einführung in die Informatik

Medienformen:

Literatur:

J.D. Foley, A. van Dam, S.K. Feiner, J.F. Hughes: Computer Graphics – Principles and Practice (second Edition). AddisonWesley Publishing Company, Inc., 1996 J. Encarnacao, W. Straßer, R. Klein: Gerätetechnik, Programmierung und Anwendung graphischer Systeme, Teil I und II. Oldenbourg, München, Wien, 1966, 1997 D. Salomon: Computer Graphics Geometric Modeling, Sprin-ger, 1999 A. Watt: 3D Computer Graphics. Addison-Wesley Publishing Company, Inc., 2000

Hinweise:
Dieses Modul darf nicht zusätzlich zum Modul Computer Graphics - an Introduction gehört werden.

Einführung in die Wissensrepräsentation

Winter

(engl. Introduction to knowledge representation )

Modulnummer: FIN-INF-110518

Kürzel KR

CP 5

Semester Winter

Fachsem.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Fabian Neuhaus
Dozent:in:	Fabian Neuhaus
Lehrveranstaltungen:	Vorlesung Einführung in die Wissensrepräsentation Übung Einführung in die Wissensrepräsentation
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• verstehen die theoretischen Grundlagen der Wissensrepräsentation
• kennen wichtige Sprachen, Methoden und Werkzeuge, die in der Praxis zur Repräsentation von Wissen verwendet werden
• haben die die Fähigkeit, einfache Wissensgraphen und Ontologien selbstständig in kleinen Teams zu entwickeln und
• diese Ergebnisse zu präsentieren.

Inhalt:
In diesem Modul werden Studierende in die Grundlagen der Wissensrepräsentation eingeführt. Dies geschieht am Beispiel von Technologien, die für die Repräsentation von Wissen in Form von Wissensgraphen und Ontologien verwendet werden. Im Rahmen dieses Moduls werden folgende Inhalte behandelt:

• theoretische Grundlagen der Wissensrepräsentation und formaler Semantik
• Resource Description Framework (RDF): eine Sprache für Wissensgraphen
• Resource Description Framework Schema (RDFS): eine Sprache für einfache kontrollierte Vokabulare und Taxonomien
• SPARQL Protocol and RDF Query Language: eine Abfragesprache für RDF(S) Graphen
• Web Ontology Language (OWL): eine Sprache für angewandte Ontologien
• Methoden für die Entwicklung von Wissensgraphen und Ontologien
• Beispiele für Anwendung von Wissensgraphen und Ontologien in der Praxis in verschiedenen Anwendungsgebieten (z.B. Biologie, Chemie, Materialwissenschften)

Arbeitsaufwand:
56h Präsenzzeit + 94h selbständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Votierung von 2/3 der Übungsaufgaben. Aktive Teilnahme an Vorlesung und Übung	Schriftliche Prüfung	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Erfolgreicher Abschluss des Modul “Logik” bzw. fundiertes Wissen im Bereich der Themen des Moduls "Logik".

Medienformen:	Literatur:

Hinweise:
Anmeldung via E-Learning-Plattform

Erklärbare und sichere KI

Sommer

(engl. Explainable and safe AI )

Modulnummer: FIN-INF-110496

Kürzel XAI

CP 5

Semester Sommer

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sebastian Stober
Dozent:in:	Sebastian Stober
Lehrveranstaltungen:	Vorlesung Erklärbare und sichere KI Übung Erklärbare und sichere KI
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• können Methoden zur Erklärung von Entscheidungen und internen Repräsentationen, sowie Prozessen von Modellen des maschinellen Lernens sicher anwenden
• haben die Fähigkeit, die Qualität von Modellen abseits von Genauigkeitsmetriken einschätzen zu können
• können Modelle zielgerichtet verbessern

Inhalt:
Einordnung unterschiedlicher Kategorien von Erklärbarkeits-Methoden für Modelle des maschinellen Lernens sowie Anforderungen an Nutzer:innenzentrierte Erklärungen. Darstellung direkt interpretierbarer Modelle (ante-hoc) sowie Analyse- und Visualisierungs-Methoden für Blackbox-Modelle (post-hoc). Zudem werden grundlegende Post-hoc Erklärungstechniken mit modell-agnostischen und modell-spezifischen Ansätzen vorgestellt.

Arbeitsaufwand:

• 56h Präsenzzeit (Vorlesung + Übung)
• 94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur 120 Minuten Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Deep Learning für Ingenieure

Medienformen:	Literatur:

Hinweise:

Game Design – Grundlagen

Sommer

(engl. Game Design – Foundations )

Modulnummer: FIN-INF-102835

Kürzel GDG

CP 5

Semester Sommer

Fachsem. ab 1.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Johannes Hauffe, Christian Sandkämper (Just2D Interactive GmbH)
Lehrveranstaltungen:	Vorlesung Game Design Grundlagen Übung Game Design Grundlagen
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• kennen grundlegende Konzepte des Game Designs
• wissen, wie eine Welt gestaltet wird und wie mit Spielerfeedback umgegangen wird
• sind dazu in der Lage, Strategien und Techniken, um Charaktere und Dialoge zu gestalten
• können Spielmechaniken, Spielerlebnisse und Feedback kritisch analysieren
• können Verbesserungen sowie Optimierungen benennen

Inhalt:

• Game Design: Definitionen;
• Aufgaben eines Game Designers
• Die Struktur von Spielen: Komponenten eines Spiels
• Die Struktur von Spielen: Thema, Vision, PoV und Genre
• Game Design: Weltdesign
• Game Design: Charakterdesign
• Game Design: Setting, Hintergrundgeschichte und Handlung
• Game Design: Rätsel, Aufgaben und Hindernisse
• Game Design: Balancing und Testing
• Das Spiel und der Game Designer
• Das Spiel und der Spieler
• Dokumentationstechniken
• Kommunikation; der Designer und das Team

Die vorgestellten Inhalte beziehen sich auf aktuelle Forschungen und werden mit Erfahrungen aus der Wirtschaft ergänzt.

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur, 120 min	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Einführung in Digitale Spiele

Medienformen:	Literatur:
	Raph Koster: A Theory of Fun. Paraglyph Press, 2005 Jesse Schell: The Art of Game Design: A Book of Lenses. CRC Press, 2008 Tracy Fullerton: Game Design Workshop: A Playcentric Approach to Creating Innovative Games. CRC Press, 2008

Hinweise:

Grundlagen der C++ Programmierung

Sommer

(engl. Introduction to C++ Programming )

Modulnummer: FIN-INF-110382

Kürzel C++

CP 5

Semester Sommer

Fachsem. ab 2.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Dr. Thomas Wilde
Dozent:in:	Dr. Thomas Wilde
Lehrveranstaltungen:	Vorlesung Grundlagen der C++ Programmierung Übung Grundlagen der C++ Programmierung
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben, sind in der Lage ...

• ... den Kompilierungsprozess für C++ Projekte zu erklären,
• ... primitive Datentypen, Operatoren und Kontrollstrukturen anzuwenden und zu vergleichen,
• ... Zeiger und Speicherverwaltung in C++ zu nutzen,
• ... Zeiger, Zeigerarithmetik und Arrays sicher zu verwenden,
• ... dynamische Speicherverwaltung und Ausnahmebehandlung zu beherrschen,
• ... Funktionen, objektorientierte Programmierung und Operatorüberladung anzuwenden und zu nutzen,
• ... generische Programmierung umzusetzen und die Standardbibliothek zu nutzen.

Inhalt:

• Bedienung des Compilers und Zusammenspiel mit Linker
• Primitive Datentypen, Operatoren und Kontrollfluss (und Unterschiede zu Java)
• Variablen, Felder, Zeiger und Zeigerarithmetik
• Funktionen
• Klassen
• Speicherverwaltung, Referenzen, Ausnahmebehandlung
• Überladen von Operatoren
• Generische Programmierung mit Templates Überblick über die Standardbibliothek inklusive STL
• Werkzeuge (Debugger, make, Valgrind, Doxygen)
• Allgemeine Problematiken (z.B. Programmierstil, Quellcode-Verwaltung, Optimierung, Zeichensätze/UTF-8)

Arbeitsaufwand:

• asynchrone Vorlesung 2 SWS = 28h Arbeit,
• Übung 2 SWS = 28h Präsenzzeit,
• 94h selbstständige Arbeit,
• gesamt 150h.

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Prüfungsvorleistung erforderlich, wird zu Semesterbeginn bekanntgegeben;	Prüfung: schriftliche Klausur, 120 Minuten; Schein: schriftliche Klausur muss mitgeschrieben und bestanden werden.	asynchrone Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Grundkenntnisse in Programmierung idealerweise Java-Kenntnisse (z.B. aus der Vorlesung "Einführung in die Informatik")

Medienformen:	Literatur:
	Bjarne Stroustrup. The C++ Programming Language, Frank B. Brokken. C++ Annotations. , Scott Meyers. Effective C++, Nicolai M. Josuttis. The C++ Standard Library - A Tutorial and Reference.

Hinweise:

Grundlagen des Maschinellen Lernens

Sommer

(engl. Introduction to Machine Learning )

Modulnummer: FIN-INF-110482

Kürzel

CP 5

Semester Sommer

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Andreas Nürnberger
Dozent:in:	Andreas Nürnberger
Lehrveranstaltungen:	Vorlesung Grundlagen des Maschinellen Lernens Übung Grundlagen des Maschinellen Lernens
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• haben die Fähigkeit, Machine Learning Pipelines und individuelle Algorithmen zu erstellen
• können Entscheidungsbäume, Mehrebenen-Perceptrons, und KNN Klassifizierer in Java, Python, C++ programmieren
• können die Leistung verschiedener Klassifizierer bei praktischen Anwendungen bewerten

Inhalt:

• Einführung in das Funktionslernen;
• Einführung in die Konzepträume und Konzeptlernen;
• Algorithmen des Instanz-basiertes Lernens und Clusteranalyse;
• Algorithmen zum Aufbau der Entscheidungsbäume;
• Bayesches Lernen;
• Neuronale Netze;
• Assoziationsanalyse;
• Verstärkungslernen;
• Hypothesen Evaluierung

Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur (2h, auch als unbenotete Prüfungsleistung). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:

IT-Forensik

jedes

(engl. IT-Forensics )

Modulnummer: FIN-INF-110384

Kürzel IFOR

CP 5

Semester jedes

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr.-Ing. Jana Dittmann
Dozent:in:	Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen:	Vorlesung IT-Forensik Übung IT-Forensik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• können anhand einer ausgewählten fachlichen Fragestellung zur IT-Forensik die Anforderungen und Lösungsmöglichkeiten für ein Anwendungsbeispiel verstehen
• das Vorgehensmodell einer IT-forensischen Untersuchungen verstehen und umsetzen
• können forensische Methoden und Werkzeuge am Beispiel anwenden
• können Ergebnisse einer forensischen Untersuchung auswerten und bewerten
• können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
• können Herausforderungen in der Teamarbeit erkennen und reflektieren
• können IT-Forensik als strategische und operative Aufgabe in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden

Inhalt:

• Einführung und Grundlagen zu ausgewählten fachlichen Fragestellungen zur Cybersicherheit und zu IT-forensischen Untersuchungen:
• datenzentrisches Vorgehensmodell mit Informationen, Daten und Phasen für IT-forensische Untersuchungen,
• Anwendung an ausgewählten Beispielen
• Sicherheitsziele und Designanforderungen in der IT-Forensik
• Ausgewählte Beispiele zur Beweismittelsuche und Erhebung sowie Auswertung gemäß Best Practices
• Grundlagen zur Aufbereitung, Dokumentation und Präsentation von Untersuchungsergebnissen
• Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert

Arbeitsaufwand:
150h = 56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
keine	Referat mit zwei Teilleistungen (Vortrag und Ausarbeitung): Das Referat umfasst eine eigenständige und vertiefte schriftliche Auseinandersetzung mit einer Fragestellung aus dem Arbeitszusammenhang der Lehrveranstaltung unter Einbeziehung und gezielter kritischer Auswertung einschlägiger Literatur, sowie die Darstellung der eigenen Arbeit auch im Vergleich im Team und die Vermittlung sowie Bewertung der eigenen Ergebnisse im mündlichen Vortrag sowie in der anschließenden Diskussion im Team. Die Ausarbeitungen müssen schriftlich vorliegen.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Grundlagen Algorithmen und Datenstrukturen, Grundlagen der theoretischen Informatik, Grundlagen der technischen Informatik, Sichere Systeme

Medienformen:	Literatur:

Hinweise:
https://omen.cs.uni-magdeburg.de/itiamsl/deutsch/lehre/index.html

IT-Software project KMD

every

(in German: IT-Softwareprojekt KMD )

Module-ID: FIN-INF-110525

Abbreviation Softproj_KMD

Credit Points 5

Semester every

Term

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Myra Spiliopoulou
Lecturer:	Myra Spiliopoulou
Classes:	Softwareprojekt Softproj_KMD
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen

Intended learning outcomes:
DEUTSCH: Beim erfolgreichen Abschluss von diesem Projekt können die Studierenden:

• ein Team gestalten, sich in dieses Team einordnen, Teilaufgaben unter sich teilen, Meilensteine setzen und einen gemeinsamen Zeitplan angehen
• eine vereinfachte Data-Mining oder Data-Engineering Aufgabe in Gruppenarbeit lösen
• in Gruppenarbeit eine Softwarelösung entwerfen, entwickeln und evaluieren
• ihre Entscheidungen bzgl Entwurf, Gestaltung und Software-auswahl begründen
• ihre Arbeit als Team präsentieren
• einen gemeinsamen Bericht schreiben, wo sie ihre Lösung zusammenfassen und begründen

ENGLISH: When completing this project successfully, the students can:

• build up a team and organize themselves in it, distributing subtasks among themselves according to their competences, setting milestones and pursuing a joint schedule
• solve a simpified data mining or data engineering task in teamwork
• design, develop and evaluate a software solution jointly
• justify their design decisions and software suite selections
• present their work as a team
• write a joint report where they summarize and justify their approach

Content:
DEUTSCH: Realistische aber vereinfachte Aufgabe, welche Datenanalyse mit Lernverfahren beinhaltet; die Aufgabe umfasst Entwurf, Entwicklung und Evaluation einer Softwarelösung als Gruppenarbeit ENGLISH: Assignment of a realistic but simplified task that involves the analysis of data with learning methods. The assignment involves design, development and evaluation of a software solution in teamwork.

Workload:
DEUTSCH:

• Für jedes Gruppenmitglied: 28 Std Präsenz inkl Konsultationen und Sitzungen, 96 Std Selbststudium
• Die Aufgabe ist für eine Studierendengruppe; der Aufwand ist 5 ECTS pro Gruppenmitglied

ENGLISCH:

• For each team member: 28 h in presence (incl consultations and meetings) + 96 h self-study
• Asssignments are designed for student teams; the effort of each team member is 5 ECTS.

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	GERMAN: Dieses Modul implementiert die 'Prüfungsform wissenschaftliches Projekt' als eine 'Hausarbeit', in der ein 'Referat' eingebettet ist ENGLISH: This module implements the 'Prüfungsform wissenschaftliches Projekt' in the form of a 'Hausarbeit' which in turn incorporates a 'Referat'	GERMAN: IT-Softwareprojekt (2 SWS) ENGLISH: IT-Softwareprojekt (2 hours per week)

Prerequisites according to examination regulations:

Recommended prerequisites:

none

GERMAN: Datenbanken Vertrautheit mit einfachen Mining-Algorithmen Grundzüge der Wirtschaftsinformatik (nur für manche Aufgabestellungen) Vertrautheit mit Software Entwicklung Theoretische Grundlagen von Projektmanagement Englischkenntnisse für Lesen und Formulierung von Suchanfragen, weil alle relevanten Software-Bibliotheken und Fora zur Unterstützung bei der Software-Entwicklung auf Englisch sind ENGLISH: Database management Familiarity with simple mining algorithms Familiarity with underpinnings of business informatics (some assignments only) Familiarity with software development Theoretical underpinnings of project management Reading English and searching on English, because all relevant software libraries and fora for the support of software developers are on English

Media:	Literature:
	DEUTSCH: Die Anfangsliteratur hängt von der Aufgabenstellung ab und wird jedem Team zusammen mit der Aufgabenstellung gegeben; das Team wird eventuell weitere Literatur sammeln und sich aneignen müssen ENGLISCH: Literature to start with depends on topic assignment and is given to each team together with the assignment; the team must eventually collect further literature and work with it

Comments:
GERMAN: Als Implementierung des generischen PFLICHTMODULS "Softwareprojekt" entsprechend anrechenbar ENGLISH: This module implements the COMPULSORY generic module 'Softwareprojekt'

Idea Engineering

Sommer

(engl. Idea Engineering )

Modulnummer: FIN-INF-100708

Kürzel IE

CP 5

Semester Sommer

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Graham Horton
Dozent:in:	Graham Horton
Lehrveranstaltungen:	Vorlesung Idea Engineering Übung Idea Engineering
Verwendbarkeit:	- B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: FIN SMK - B.Sc. INF: Ergänzungsbereich (SPO 2027) - B.Sc. CV: Allgemeine Visualistik - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: FIN SMK - B.Sc. CV: Interdisziplinär (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INGINF: Ingenieurbereich - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Die Studierenden können nach Abschluss des Moduls ...

• Ideenfindungstechniken aufgabengerecht entwickeln
• Projekte in Teamarbeit organisieren und durchführen
• Workshops planen und moderieren
• out-of-the-box denken und Ideen produzieren
• Diskussionen strukturieren und leiten
• Projektergebnisse in einem Bericht darstellen und erklären
• die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis bewerten

Inhalt:

• Der Innovationsprozess
• Grundlagen von Ideenfindungstechniken
• Perspektivwechsel
• Klassische Kreativitätstechniken
• Verfeinerung, Bewertung und Ausbau von Ideen
• Werbeideenproduktion

Arbeitsaufwand:
56 h Präsenzzeit + 94 h selbstständige Projektarbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Hausarbeit	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Interesse an und Bereitschaft zu Projekt- und Teamarbeit Interesse an Workshop-Gestaltung und an Ideenfindung

Medienformen:	Literatur:

Hinweise:
Der Erfolg bei diesem Modul hängt stark von der Qualität der Projekt- und Teamarbeit ab! Die Anzahl Teilnehmer ist beschränkt. Die Teilnahme an der ersten Veranstaltung ist Pflicht.

Information Retrieval

Winter

(in German: Information Retrieval )

Module-ID: FIN-INF-110307

Abbreviation IR

Credit Points 5

Semester Winter

Term starting at 3.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Andreas Nürnberger
Lecturer:	Andreas Nürnberger
Classes:	Lecture Information Retrieval Exercise Information Retrieval
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students ...

• have the ability to create index structures for text and images using Apache SOLR, Apache Lucene and Elastic Search
• perform end-to-end pre-processing of text data
• develop index structures with pre-processing and user search interfaces
• evaluate search engine performance

Content:

• Statistical properties of texts
• Retrieval models and data structures
• Relevance feedback
• Evaluation
• Structuring datasets (clustering, categorisation)
• Structure and algorithms for web search
• Interface design

Workload:
56h contact time + 94h self study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Written exam. Requirements for exam participation will be announced in the first week of the course in class and online.	2 SWS Lecture 2 SWS Exercise class

Prerequisites according to examination regulations:	Recommended prerequisites:
keine

Media:	Literature:
	Introduction to Information Retrieval, C.D. Manning, P. Raghavan, H. Schütze, Cambridge University Press, 2008. Information Retrieval: Data Structures and Algorithms, William B. Frakes and Ricardo Baeza-Yates, Prentice-Hall, 1992.

Comments:

Intelligente Systeme

Winter

(engl. Intelligent Systems )

Modulnummer: FIN-INF-100384

Kürzel IS

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sanaz Mostaghim
Dozent:in:	Sanaz Mostaghim
Lehrveranstaltungen:	Vorlesung Intelligente Systeme Übung Intelligente Systeme
Verwendbarkeit:	- B.Sc. INF: Informatik II - Pflicht - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik II - Pflicht - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• haben Grundkenntnisse im Bereich KI
• können KI-Algorithmen verstehen, implementieren und analysieren
• können KI-Algorithmen entwickeln und anwenden
• haben die Befähigung zur Modellierung von Optimierungsproblemen
• haben einen Überblick über hochaktuelle Themen aus der KI

Inhalt:

• Eigenschaften intelligenter Systeme
• Modellierungstechniken für wissensintensive
• Anwendungen Subsymbolische Lösungsverfahren
• Heuristische Suchverfahren
• Lernende Systeme Modellansätze für kognitive
• Systeme Wissensrevision und Ontologien
• Entscheidungsunterstützende Systeme
• Weitere aktuelle Methoden für die Entwicklung
• Intelligenter Systeme wie Kausale Netze,
• Unscharfes Schließen

Arbeitsaufwand:
Präsenzzeit = 56 Stunden:

• 2 SWS Vorlesung
• 2 SWS Übung

Selbständige Arbeit = 94 Stunden:

• Vor- und Nachbearbeitung von Vorlesung und
• Übung Bearbeiten von Übungs- und Programmieraufgaben

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
66% aller Übungsaufgaben votieren 3 Aufgaben in den Übungen präsentieren 66% aller Programmieraufgaben votieren	Prüfung in schriftlicher Form, Umfang: 2 Stunden, notwendige Vorleistungen werden in erster Veranstaltungswoche und auf Vorlesungswebseite angekündigt Unbenotete Leistung: schriftlich oder mündlich, notwendige Vorleistungen werden in erster Veranstaltungswoche und auf Vorlesungswebseite angekündigt	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:

Literatur:

Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt, Christian Braune, Matthias Steinbrecher. Computational Intelligence. A Methodological Introduction, Springer Text Book, 2022 R. Kruse, C. Borgelt, C. Braune, F. Klawonn, C. Moewes, G. Ruß und M. Steinbrecher. Computational Intelligence: Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. 2. Aufl., Springer-Vieweg-Verlag, 2015 S. Russell, P. Norvig: Künstliche Intelligenz: Ein moderner Ansatz, 3. Auflage, Pearson- Verlag, 2012 G. Görz, J. Schneeberger, U. Schmidt, Handbuch der Künstlichen Intelligenz, 5. Auflage, Oldenbourg-Verlag, 2014 C. Beierle und G. Kern-Isberner Methoden wissensbasierter Systeme, 5., verb. Aufl., Springer-Vieweg Verlag, 2014 Weitere Literatur findet sich auf den jeweiligen Vorlesungsfolien.

Hinweise:

Interaktive Systeme

Sommer

(engl. Interactive Systems )

Modulnummer: FIN-INF-100393

Kürzel

CP 5

Semester Sommer

Fachsem. ab 5.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Christian Hansen
Dozent:in:	Christian Hansen
Lehrveranstaltungen:	Vorlesung Interaktive Systeme Übung Interaktive Systeme
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: FIN SMK - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Studierende, die dieses Modul absolvieren, ...

• erwerben grundlegende Kenntnisse im Bereich der Mensch-Computer-Interaktion, einem wichtigen Teilgebiet der Informatik.
• kennen nutzerzentrierte und normkonforme Entwicklungsprozesse für Bedienoberflächen und können diese auf praktische Anwendungsfälle anwenden.
• führen ein interdisziplinäres Teamprojekt durch, entwickeln, testen und evaluieren im Team ein fortgeschrittenes User Interface, lernen komplexe Entscheidungen im Team zu treffen und Kompromisse einzugehen.
• präsentieren ihre Projektergebnisse in einem Vortrag, verteidigen ihre Ergebnisse und Entscheidungen und reflektieren ihre Rolle im Team und ihren individuellen Beitrag zum gemeinsamen Ergebnis.

Inhalt:

• Technische Grundlagen der Mensch-Computer-Interaktion (Fenster-, Menü- und Dialogsysteme)
• Interaktionstechniken und Interaktionsaufgaben
• Kognitive Grundlagen der Mensch-Computer-Interaktion
• Analyse von Aufgaben und Benutzern
• Prototypentwicklung und Evaluierung
• Spezifikation von Benutzungsschnittstellen

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur, 120 min.	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:	Literatur:
	Preim/Dachselt: Interaktive Systeme. Springer 2010

Hinweise:

Introduction to Distributed Sensor Data Fusion

Summer

(in German: Introduction to Distributed Sensor Data Fusion )

Module-ID: FIN-INF-110503

Abbreviation SDF

Credit Points 5

Semester Summer

Term starting at 4.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Prof. Dr.-Ing. Benjamin Noack
Lecturer:	Prof. Dr.-Ing. Benjamin Noack
Classes:	Lecture Introduction to Distributed Sensor Data Fusion Exercise Introduction to Distributed Sensor Data Fusion
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students who complete the course ...

• have an overview of basic problems and methods in designing distributed sensor systems and their applications.
• understand how to process data in a network of sensors, what requirements the infrastructure must meet, and how to model and describe errors like measurement noise.
• are familiar with the mathematical tools and can apply them.
• can analyze, compare, and evaluate different approaches to information processing of sensor data.

Content:
This lecture introduces basic principles, requirements, and methods of sensor data processing. Since data are more often gathered by networked sensor systems, this lecture places particular emphasis on distributed sensor data fusion methods. We will start by discussing the technical specifications of a sensor system and the basics of digital sensor data processing. Our study includes sampling theorems, compressive sensing, and signal matching. We will consider the required infrastructure to processing sensor data in networked systems, i.e., sensor networks. Based on this infrastructure, we can apply methods for multisensor data fusion to spatially distributed sensors and can monitor spatio-temporal processes.

Workload:

• 56 h contact time
• 94 h independent study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Oral exam (30 min)	Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:	Literature:
	Literature will be announced in the lecture.

Comments:

Introduction to Simulation

Winter

(in German: Introduction to Simulation )

Module-ID: FIN-INF-100372

Abbreviation ItS

Credit Points 5

Semester Winter

Term starting at 5.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Graham Horton
Lecturer:	Graham Horton
Classes:	Lecture Introduction to Simulation Exercise class Introduction to Simulation
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik II - Pflicht - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students who complete the course ...

• can use a professional simulation tool
• know the practical considerations when solving initial value problems numerically
• can carry out input and output analysis for stochastic, discrete-event models
• can model simple systems as stochastic Petri nets, ordinary differential equations and discrete-time Markov chains
• know and understand the steps in a simulation study

Content:
Introduction to the fundamentals and steps in a simulation study:

• discrete-event simulation
• random variables and random number generation
• statistical data analysis
• ordinary differential equations and numerical integration
• stochastic Petri nets
• the AnyLogic simulation system
• discrete-time Markov chains
• agent-based simulation

Workload:
56 contact hours + 94 h self study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	120 min written exam	Lecture 2 SWS Exercise class 2 SWS

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Mathematik 5

Media:	Literature:
	Banks, Carson, Nelson, Nicol: Discrete-Event System Simulation

Comments:

Mesh Processing

Sommer

(engl. Mesh Processing )

Modulnummer: FIN-INF-110330

Kürzel MP

CP 5

Semester Sommer

Fachsem. ab 5.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Christian Rössl
Dozent:in:	Christian Rössl
Lehrveranstaltungen:	Vorlesung Mesh Processing Übung Mesh Processing
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden

• verstehen 2D Flächen im 3D Raum (z.B. parametrische vs implizite Darstellung) sowohl und deren Eigenschaften (z.B. Differentialgeometrie)
• verstehen die diskrete Darstellung von Flächen mit Polygonnetzen
• verstehen und verwenden verschiedene Datenstrukturen für Dreiecksnetze an
• verstehen grundlegende Methoden der Geometrieverarbeitung mit Polygonnetzen
• wenden diese Methoden beispielhaft in Implementierungen an

Inhalt:

• 3D-scannen und Triangulierung
• Datenstrukturen
• Diskrete Differentialgeometrie
• Glätten
• Parametrisierung
• Dezimierung
• Remeshing
• Deformation

Die Veranstaltung kann je Bedarf in englischer oder deutscher Sprache abgehalten werden. Vorlesungsmaterialien stehen auf englisch zur Verfügung.

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Um an der Prüfung teilnehmen zu können, sind Prüfungsvorleistungen erforderlich. Details werden in der ersten Vorlesung bekannt gegeben.	Mündliche Prüfung	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Computergraphik CAGD Mathematik 1,2 (Lineare Algebra, Analysis) und Mathematik 5 (Numerische Lösungsverfahren, Geometrische Methoden) Programmierkenntnisse in C++ oder Julia oder Matlab und/oder die Bereitschaft sich schnell und selbständig in neues einzuarbeiten Grundlegende Kenntnisse der Versionsverwaltung mit Git Bereitschaft, der Veranstaltung auch in englischer Sprache zu folgen

Medienformen:	Literatur:
	Botsch, Kobbelt, Pauly, Alliez & Lévy.: Polygonal Mesh Processing

Hinweise:
Wir verwenden i.d.R. Julia (https://julialang.org) als Programmiersprache (statt vormals Matlab und GNU Octave) und ggf. C++ (mit https://www.pmp-library.org). Ob wir C++ verwenden, entscheiden wir in der Veranstaltung je nach Vorkenntnissen und Wünschen.

Mobile Robotics

Sommer

(in German: Mobile Robotics )

Module-ID: FIN-INF-110526

Abbreviation MR

Credit Points 5

Semester Sommer

Term starting at 4.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Prof. Dr.-Ing. Benjamin Noack
Lecturer:	Prof. Dr.-Ing. Benjamin Noack
Classes:	Lecture Mobile Robotics Exercise Mobile Robotics
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students who completed the course ...

• have a comprehensive overview of concepts and algorithms used in mobile robotics applications, such as delivery robots or autonomous cars
• have a foundational understanding of the mathematical principles required for system modeling, planning, perception, mapping, and their probabilistic approaches
• understand how various components within a robotic system interlink and interact
• are able to select appropriate algorithms for a given setup in mobile robotics and implement them using the ROS2 framework

Content:
This course offers an introduction to the foundational principles and algorithms of mobile robotics, utilizing a flipped classroom approach. The course emphasizes a conceptual understanding of mobile robotics while introducing relevant mathematical underpinnings. Students complete preparatory work before each lecture, which they use in class to deepen understanding and application of knowledge. In the exercise, students deepen their knowledge with practical experience and complete programming assignments using the Robot Operating System 2 (ROS2) framework. With an emphasis on wheeled robots, this lecture covers

• the modeling of mobile robots,
• sensing of their own state and the environment—including image processing
• planning,
• control,
• localization,
• mapping,
• and advanced methods.

The main parts of the course are based on the book Computational Principles of Mobile Robotics

Workload:

• 28h Lecture
• 28h Practical Exercise
• 94h independent Study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Term paper about implementation, documentation, and presentation of a robotics project (Hausarbeit über Durchführung, Dokumentation und Abnahme eines Roboterprojekts)	Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
keine	Linear Algebra and Calculus

Media:	Literature:
	Computational Principles of Mobile Robotics

Comments:

Musik Information Retrieval

Winter

(engl. Music Information Retrieval )

Modulnummer: FIN-INF-110520

Kürzel MIR

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sebastian Stober
Dozent:in:	Sebastian Stober
Lehrveranstaltungen:	Vorlesung Musik Information Retrieval Übung Musik Information Retrieval
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• kennen die Grundlagen der digitalen Musikverarbeitung
• kennen unterschiedliche Musikformate (Repräsentationen) und relevanter Merkmale
• können Probleme der Musikanalyse mit Hilfe von Theorien und Methoden der Informatik analysieren und modellieren
• können computergestützte Lösungen für die Analyse von Musikdaten umzusetzen und erproben (u.a. Musiksynchronisation, Strukturanalyse, Content-Based Retrieval, Quellentrennung)

Inhalt:

• Music Representations
• Fourier Analysis of Signals
• Music Synchronization
• Music Structure Analysis
• Chord Recognition
• Tempo and Beat Tracking
• Content-Based Audio Retrieval
• Musically Informed Audio Decomposition

Arbeitsaufwand:

• Präsenzzeit = 56 Stunden: 2 SWS Vorlesung 2 SWS Übung
• Selbstständige Arbeit = 94 Stunden: Vor- und Nachbearbeitung von Vorlesung und Übung, Bearbeiten von Übungs- und Programmieraufgaben, Kursprojekt

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Prüfung in mündlicher Form: Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite; Schein (mündlich): Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:
	Meinard Müller: Fundamentals of Music Processing Using Python and Jupyter Notebooks 2nd edition, Springer 2021 ISBN: 978-3-030-69807-2

Hinweise:

Parallele Programmierung

Winter

(engl. Parallel Programming )

Modulnummer: FIN-INF-110463

Kürzel PP

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Michael Kuhn
Dozent:in:	Prof. Dr. Michael Kuhn
Lehrveranstaltungen:	Vorlesung Parallele Programmierung Übung Parallele Programmierung
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Teilnehmenden...

• verstehen Hardwarearchitekturen von Parallelrechnern
• optimieren Anwendungen bezüglich ihrer Leistungsfähigkeit
• verstehen wichtige Konzepte zur Parallelisierung von Anwendungen
• erstellen parallele Programme mit verschiedenen Programmieransätzen in kleineren Teams
• präsentieren Lösungsansätze und Ergebnisse anderen Teilnehmenden

Inhalt:
Die parallele Programmierung gewinnt immer mehr an Bedeutung, da heutzutage bereits Mobiltelefone und Laptops über mehrere Prozessorkerne verfügen. Supercomputer besitzen teilweise sogar mehrere Millionen Kerne und haben sich als ein nützliches und mittlerweile unverzichtbares Werkzeug für viele Wissenschaftsbereiche etabliert. Die dadurch möglichen Analysen und Simulationen haben es erlaubt, den wissenschaftlichen Erkenntnisgewinn in vielen Bereichen deutlich zu steigern. Die optimale Nutzung dieser Komponenten ist allerdings keine einfache Aufgabe, weshalb Wissenschaftlerinnen und Wissenschaftler bei der Entwicklung effizienter Anwendungen vor immer neue Herausforderungen gestellt werden. Für die parallele Programmierung ist daher ein tiefergehendes Verständnis der Hard- und Softwareumgebung sowie möglicher Fehlerursachen unabdingbar. In der Vorlesung werden die Grundlagen der parallelen Programmierung gelehrt; die Übungen dienen der praktischen Anwendung und Umsetzung der erworbenen Kenntnisse in der Programmiersprache C. Im Rahmen der Vorlesung werden einige der wichtigsten Themengebiete betrachtet: Hard- und Softwarekonzepte (Mehrkernprozessoren, Prozesse/Threads, NUMA etc.), unterschiedliche Ansätze zur parallelen Programmierung (OpenMP, POSIX Threads, MPI) sowie Werkzeuge zur Leistungsanalyse und Fehlersuche (Skalierbarkeit, Deadlocks, Race Conditions etc.). Zusätzlich werden Gründe und Lösungsansätze für Leistungsprobleme diskutiert und alternative Ansätze für die parallele Programmierung vorgestellt. Beispiele und Probleme werden anhand realer wissenschaftlicher Anwendungen veranschaulicht.

Arbeitsaufwand:

• 56h Präsenz
• 94h selbstständiges Arbeiten

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Aktive und erfolgreiche Teilnahme an den Übungen	Klausur (120 Minuten)	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Praktische Kenntnis einer Programmiersprache und die Fähigkeit, einfache Programme zu erstellen Grundkenntnisse in Betriebssystemen und Rechnerarchitekturen (z. B. Technische Informatik)

Medienformen:	Literatur:
	High Performance Computing: Modern Systems and Practices (Thomas Sterling, Matthew Anderson und Maciej Brodowicz)

Hinweise:

Programmierparadigmen

Sommer

(engl. Programming Paradigms )

Modulnummer: FIN-INF-110121

Kürzel PGP

CP 5

Semester Sommer

Fachsem. ab 2.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Dr. Christian Braune
Dozent:in:	Dr. Christian Braune
Lehrveranstaltungen:	Vorlesung Programmierparadigmen Übung Programmierparadigmen
Verwendbarkeit:	- B.Sc. INF: Informatik II - Pflicht - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Pflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik II - Pflicht - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) - M.Sc. DE: Grundlagen Informatik - M.Sc. DE: Informatik Grundlagen (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die diesen Kurs erfolgreich abschließen, ...

• kennen die gängigsten Paradigmen zum Algorithmenentwurf,
• sind in der Lage, diese anzuwenden,
• können beurteilen, in welchen Situationen welches Paradigma am geeignetsten ist
• und verstehen welche Vor- und Nachteile sich aus der Verwendung der jeweiligen Paradigmen ergeben.

Inhalt:

• Konzepte der wesentlichen Paradigmen
  • Prozedurale Programmierung
  • Objektorientierte Programmierung
  • Funktionale Programmierung
  • Logische Programmierung
  • Parallele Programmierung
  • Quantencomputing
• Technische Umsetzung der Paradigmen in Programmiersprachen
• Anwendung der Paradigmen in Programmiersprachen wie z.B. C, Java, Scala, Haskell, Prolog, Python
• Entscheidungskriterien für Paradigmen

Arbeitsaufwand:
56 h Präsenzzeit 94 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Prüfungsvorleistung erforderlich	Prüfung: mündliche Prüfung (wenn es hinreichend viele Teilnehmer gibt: schriftliche Klausur, 120 Minuten)	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Einführung in die Informatik, M1 Der parallele Besuch der Veranstaltungen Algorithmen und Datenstrukturen und M5 ist von Vorteil

Medienformen:	Literatur:

Hinweise:

Recommenders - Seminar for bachelor degrees

Summer

Topics of Recommenders

(in German: Recommenders - Bachelorseminar )

Module-ID: FIN-INF-110522

Abbreviation RECSYS-SEM-5

Credit Points 5

Semester Summer

Term ab 4.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Myra Spiliopoulou
Lecturer:	Myra Spiliopoulou
Classes:	Seminar 'Topics in Recommenders'
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
When successfully completing this module, the students have acquired soft skills and technical expertise as follows:

• SOFT SKILLS: They
• have become familiar with the demands of a master degree course
• have learned to present a scientific paper And have thus acquired skills they need in preparation of their bachelor thesis and for joining a master degree.
• TECHNICAL EXPERTISE: They
  • comprehend the business context of recommenders
  • comprehend the different types of recommenders, their advantages and disadvantages from the business perspective and from the mining perspective
  • have acquired insights on how to evaluate a recommender from the mining perspective and the business perspective
  • understand why adaption is necessary in recommenders and comprehend the behaviour of temporal methods for recommenders

and have thus acquired skills they need in order to select recommendation tools and to design workflows that train, evaluate and apply a recommender.

Content:
The course consists of two blocks:

• Block 1 is on Fundamentals of Recommenders: recommender goals and workflows, simple recommendation methods, evaluation mechanisms, recommender adaption on a stream
• Block 2 covers papers on basic topics of recommenders: each student reports on one scientific paper

Workload:

• 28 Stunden: Präsenz (Block 1, Block 2: Seminar / Konsultationen)
• 122 Stunden: eigenständige Arbeit zu
  • Vor- und Nachbereitung der Inhalte von Block 1
  • Lesen und Verstehen der bereitgestellten Artikel für Block 2
  • Bereitstellung der Hausarbeit, inkl Präsentation

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Referat	Seminar (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
keine	At least in the 4th semester Machine Learning Data Mining Introduction to Deep Learning Advanced English skills

Media:

Literature:

Literature for Block 1: selected chapters from the 'Recommender Systems Handbook' in the editions: Recommender Systems Handbook by Francesco Ricci, Lior Rokach and Bracha Shapira (editors), SPRINGER (2015), 2nd edition, https://doi.org/10.1007/978-1-4899-7637-6 Recommender Systems Handbook by Francesco Ricci, Lior Rokach and Bracha Shapira (editors), SPRINGER (2022), 3rd edition, https://doi.org/10.1007/978-1-0716-2197-4 Further cited literature, including scientific articles and use cases are cited at the beginning of each unit. Literature for Block 2: the papers for the seminar assignments will be announced during the course

Comments:

Scrum-in-Practice

Winter

(engl. Scrum-in-Practice )

Modulnummer: FIN-INF-110511

Kürzel SIP

CP 5

Semester Winter

Fachsem. ab 5.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Prof. Dr. Frank Ortmeier
Dozent:in:	Prof. Dr. Frank Ortmeier
Lehrveranstaltungen:	Vorlesung Scrum-in-Practice Übung Scrum-in-Practice Die Lehrveranstaltungen finden zum Teil im Blockformat statt.
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Die Studierenden ...

• kennen die Projektmanagementmethode Scrum
• wenden agile Softwareentwicklungsmethoden praktisch an
• gewinnen praktische Erfahrungen mittels Durchführung eines Projektes
• reflektieren ihr Selbst- und Projektmanagement

Inhalt:

• In diesem Modul werden theoretische Kenntnisse und praktische Kompetenzen im Umgang mit Scrum vermittelt. Die Veranstaltung besteht aus drei Teilen.
• In einem Einführungsteil werden in zwei Vorlesungen die notwendigen Konzepte des Scrum-ProzessModells vorgestellt und eine Einleitung in die zur erfolgreichen Projektdurchführung notwendigen Technologien gegeben.
• Im Hauptteil der Veranstaltung wird in einer 1-wöchigen Blockveranstaltung ein Projekt mittels Scrum umgesetzt. Diese erfolgt in Projektteams von 4-5 Teilnehmern. Während dieser Phase finden 2mal täglich Scrum-Meetings mit den Betreuern statt. Als Ergebnis lernen die Teilnehmer zielgerichtet und effizient nach diesem Entwicklungsmodell zu entwickeln.
• Die Blockveranstaltung findet in einer Woche während der Vorlesungsfreien Zeit. Hier besteht natürlich Anwesenheitspflicht.
• Zur erfolgreichen Durchführung in der Projektarbeit wird von jedem Teilnehmer ein sorgfältiges Einarbeiten in die notwendigen Technologien erwartet.
• Nach Abschluss der Projektwoche reflektieren die Teilnehmer Ihre Erfahrungen und fassen diese zusammen. Diese Ergebnisse werden dann in einer gemeinsamen Abschlussveranstaltung diskutiert.

Arbeitsaufwand:
150h = 56h Präsenszeit + 94h selbständige Arbeit am Projekt

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Projekt	mündliche Prüfung	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Software Engineering

Medienformen:	Literatur:

Hinweise:
Zuangsbeschränkung: Limitierte Teilnehmerzahl. Auswahlverfahren wird in erster Vorlesung bekannt gegeben

Service Engineering

Sommer

(engl. Service Engineering )

Modulnummer: FIN-INF-110318

Kürzel

CP 5

Semester Sommer

Fachsem. ab 1.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Frank Ortmeier
Dozent:in:	Prof. Dr. Andreas Schmietendorf (HWR Berlin)
Lehrveranstaltungen:	Vorlesung Service Engineering Übung Service Engineering
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

• kennen die Auswirkungen serviceorientierter Architekturansätze auf den gesamten Lebenszyklus derart implementierter Lösungen,
• kennen Herausforderungen (Technologie, Prozesse, Organisation, …) serviceorientierter Integrationslösungen und einhergehende Lösungsalternativen,
• können benötigte Services modellgetrieben herleiten und erstellen bzw. Kriterien basiert bewerten (make or buy),
• kennen aktuelle Technologieansätze zur Implementierung benötigter Services und können ausgewählte Vertreter prototypisch anwenden,
• können Servicekompositionen aus Sicht der Modellierung und Implementierung (Low- und High –Code) erstellen bzw. das benötigte Management anwenden.

Inhalt:
Überblick

• Die Vorlesung vermittelt zunächst die geschäfts-, organisations- und prozessbezogenen Ursachen API-basierter Integrationslösungen. In diesem Zusammenhang wird auf domänenspezifische (Referenz-) Modellansätze aus dem industriellen Umfeld (Telekommunikation, Banken, Versicherungen, …) eingegangen.
• Darauf aufbauend lernen die Studierenden die Funktionen von Integrationsplattformen (u.a. API-Management) kennen, welche API-Kompositionen über deren gesamten Lebenszyklus unterstützen bzw. verwalten.
• Mit Hilfe der ersten Komplexübung erfolgt dann eine quantitative Bewertung im Internet angebotenen Public- bzw. Open APIs.
• Eine weitere alternativ gestaltbare Komplexübung beschäftigt sich mit der Spezifikation, Modellierung, Entwicklung und Einbindung webbasierter APIs in (ggf. mobile) Applikationsszenarien.
• Im Mittelpunkt der abschließenden Komplexübung steht die Komposition von APIs, wobei abermals ein eigener Schwerpunkt (Modellsicht, Implementierung, Management) gewählt werden kann.

Themen:

• Integrationslösungen als Treiber der Digitalisierung
• Integrieren statt Implementieren
• Basistechnologien für Web-APIs (Public- und Open APIs)
• Spezifikation, Entwicklung und Management von Web-APIs
• Prozess-Modellierung und -Implementierung (API-Komposition)

Arbeitsaufwand:
56 h Präsenz + 124 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Mündliche Prüfung	2 SWS Vorlesung 2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Software Engineering

Medienformen:

Literatur:

Hartenstein, S.; Nadobny, K.; Schmidt, S.; Schmietendorf, A.: Sicherheits- und Compliance-Management im Lebenszyklus von Web APIs, Logos-Verlag, Berlin, März 2020, Nitze, A.; Schmietendorf, A.: Bewertungsaspekte bei der agilen SW-Entwicklung …, Logos Verlag, Berlin 2014 Schmietendorf, A.; Knuth, M.: Aspekte des Software Engineerings im Diskurs einer Low-Code orientierten Softwareentwicklung, Logos Verlag, Berlin 2024 Sneed, H.; Sneed, S.: Web-basierte Systemintegration, Vieweg-Verlag, Braunschweig/Wiesbaden 2003 Spichale, K.: API-Design, Praxishandbuch für Java-und Webservice-Entwickler, dpunkt.verlag, 2017 Tilkov, S. et al.: REST und HTTP, dpunkt.verlag, Heidelberg 2015

Hinweise:

Simulation Project

Summer

(in German: Simulation Project )

Module-ID: FIN-INF-102616

Abbreviation SimProj

Credit Points 5

Semester Summer

Term starting at 5.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	PD Dr. Claudia Krull
Lecturer:	PD Dr. Claudia Krull
Classes:	Project meeting Simulation Project
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:

• Students are able to work in a team on a given project with milestone orientation
• Students are able to coordinate and conduct a semester long project, including goal setting and budgeting
• Students are able to plan and structure a project according to given milestones
• Students understand the importance of responsibility, leadership, delegation, coordination of tasks in a team
• Students are able to implement and conduct a practical simulation project on a real world task
• Students know how to develop and comply with success and quality criteria
• Students have the ability to look back and reflect on their role in the team and their contribution to the joint result

Content:

• Basics of project management and teamwork
• Implementation of the contents of “Introduction to Simulation” in a real project.

Workload:
56 h teammeetings and presentations 94 h project work

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Report	2 SWS Lecture (Project presentations) 2 SWS Exercise (Team Meetings)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Introduction to Simulation

Media:	Literature:

Comments:
Signup is conducted at the end of the previous winter term in the context of the Introduction to Simulation lecture Participation is limited to 25

Software Defined Networking

Summer

(in German: Software Defined Networking )

Module-ID: FIN-INF-110528

Abbreviation SDN

Credit Points 5

Semester Summer

Term starting at 5.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	David Hausheer
Lecturer:	David Hausheer
Classes:	Lecture Software Defined Networking Exercise Software Defined Networking
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students...

• gain competence in the area of software defined networking
• understand software defined networking concepts
• can explain these concepts to other participants
• are able to apply these concepts in theoretical use cases and practical exercises

Content:
The course deals with topics in the area of software defined networking:

• SDN Architecture (Application, Control, Infrastructure Layer)
• SDN Interfaces (North/South-bound vs. East/West-bound interface)
• SDN Applications and Use Cases (e.g. Multicasting)
• Network Virtualization and Slicing (e.g. FlowVisor)
• Network Function Virtualization (NFV) and
• Network Service Chaining
• SDN Security Network Operating Systems and Languages
• OpenFlow Controller (e.g. NOX, Beacon, etc.)
• Hardware Switches (e.g. NEC IP8800, Pronto) vs. Software Switches (e.g. NetFPGA, OpenVSwitch)
• SDN in Wireless Networks (e.g. OpenWRT)

Workload:

• 28h lectures
• 22h theoretical exercises
• 4h practical exercises
• 96h homework (further studies, preparation for the final exam)

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
Prerequisites for the exam required; details will be announced at the beginning of the semester.	Written exam 120 minutes	2 SWS lecture 2 SWS exercise

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Modul Computernetze

Media:	Literature:
	Textbooks as indicated. Slides and paper copies as necessary.

Comments:
In der letzen SPO ist dieses Modul als WPF im Modulbereich Technische Informatik anrechenbar.

Software Engineering & IT-Projektmanagement

Winter

(engl. Software Engineering & IT-Projectmanagement )

Modulnummer: FIN-INF-110476

Kürzel SE&IT-PM

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Dr. Thomas Wilde
Dozent:in:	Dr. Thomas Wilde
Lehrveranstaltungen:	Vorlesung Software Engineering & IT-Projektmanagement Übung Software Engineering & IT-Projektmanagement
Verwendbarkeit:	- B.Sc. INF: Informatik I - Pflicht - B.Sc. INF: Kernmodule (SPO 2027) - B.Sc. CV: Informatik I - Pflicht - B.Sc. CV: Kernmodule (SPO 2027) - B.Sc. INGINF: Informatik I - Pflicht - B.Sc. INGINF: Kernmodule (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Kernmodule (SPO 2027) - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben ...

• ... verstehen den Begriff "Software Engineering", seine Bedeutung und die Notwendigkeit strukturierter Softwareentwicklung.
• ... kennen verschiedene Prozessmodelle, deren Vor- und Nachteile sowie die Kernaktivitäten des Software Engineerings.
• ... wenden Testmethoden und Refactoring an, um Softwarequalität zu sichern und Fehler zu vermeiden.
• ... verstehen und nutzen agile Methoden wie Scrum und Kanban und vergleichen sie mit traditionellen Ansätzen.
• ... setzen Versionskontrolle, IDEs und CI/CD-Pipelines effektiv ein und verstehen Continuous Integration & Deployment.
• ... schreiben lesbaren, wartbaren und effizienten Code nach bewährten Prinzipien und Konventionen.
• ... schätzen Aufwand und Ressourcen ein, planen Projekte und überwachen deren Fortschritt.
• ... kennen Architekturkonzepte und Design-Patterns und wenden diese in Softwareprojekten an.
• ... arbeiten effektiv im Team, präsentieren Ideen klar und dokumentieren ihre Arbeit.

Inhalt:

• Software Engineering - Was ist das und wozu wird es gebraucht?
• Prozessmodelle: sequentielle & iterativ,
• Prozessaktivitäten: Spezifikation, Entwicklung, Validierung, Evolution,
• Qualitätssicherung: Testint & Refactoring,
• Agile Softwareentwicklung,
• Tools & Werkzeuge,
• Clean-Coding / Code-Conventions,
• Continuous Integration, Continuous Deployment, Continuous Delivery,
• IT-Projektmanagement: Schätzung & Prozessplanung,
• Softwarearchitektur,
• Design-Patterns,
• Praktische Beispiele.

Arbeitsaufwand:

• Präsenzzeit: 28h Vorlesung + 28h Übung
• 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Um an der Prüfung teilnehmen zu können, sind Prüfungsvorleistungen erforderlich. Details werden in der ersten Vorlesung bekannt gegeben.	Prüfung: schriftliche Klausur, 120 Minuten; Schein (SPO bis 2022): Bearbeitung der Aufgaben & Teilnahme an den Übungen.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Erfolgreicher Abschluss von: Einführung in die Informatik, Algorithmen und Datenstrukturen.

Medienformen:

Literatur:

Ian Sommerville. Software Engineering, 10. Auflage. Pearson, 2016 Erich Gamma, Richard Helm, Ralph E. Johnson, John Vlissides: Design Patterns. Elements of Reusable Object-Oriented Software, Addison Wesley, 1997 Robert Martin: Clean Code: A Handbook of Agile Software Craftsmanship, Prentice Hall, 2008 Für alle Lehrbücher gilt, dass die Auflage und ggf. die Wahl zwischen englischem Original oder deutscher Übersetzung für uns irrelevant ist. Jede ältere Auflage ist in Ordnung.

Hinweise:

Software Engineering & IT-Projektmanagement (dual)

Winter

(engl. Software Engineering & IT-Projectmanagement )

Modulnummer: FIN-INF-1104762

Kürzel SE&IT-PM

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Dr. Thomas Wilde
Dozent:in:	Dr. Thomas Wilde
Lehrveranstaltungen:	Vorlesung Software Engineering & IT-Projektmanagement Übung Software Engineering & IT-Projektmanagement
Verwendbarkeit:	- B.Sc. INF: Informatik I - Pflicht - B.Sc. INF: Kernmodule (SPO 2027) - B.Sc. CV: Informatik I - Pflicht - B.Sc. CV: Kernmodule (SPO 2027) - B.Sc. INGINF: Informatik I - Pflicht - B.Sc. INGINF: Kernmodule (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben ...

• ... verstehen den Begriff "Software Engineering", seine Bedeutung und die Notwendigkeit strukturierter Softwareentwicklung.
• ... kennen verschiedene Prozessmodelle, deren Vor- und Nachteile sowie die Kernaktivitäten des Software Engineerings.
• ... wenden Testmethoden und Refactoring an, um Softwarequalität zu sichern und Fehler zu vermeiden.
• ... verstehen und nutzen agile Methoden wie Scrum und Kanban und vergleichen sie mit traditionellen Ansätzen.
• ... setzen Versionskontrolle, IDEs und CI/CD-Pipelines effektiv ein und verstehen Continuous Integration & Deployment.
• ... schreiben lesbaren, wartbaren und effizienten Code nach bewährten Prinzipien und Konventionen.
• ... schätzen Aufwand und Ressourcen ein, planen Projekte und überwachen deren Fortschritt.
• ... kennen Architekturkonzepte und Design-Patterns und wenden diese in Softwareprojekten an.
• ... arbeiten effektiv im Team, präsentieren Ideen klar und dokumentieren ihre Arbeit.

Inhalt:

• Software Engineering - Was ist das und wozu wird es gebraucht?
• Prozessmodelle: sequentielle & iterativ,
• Prozessaktivitäten: Spezifikation, Entwicklung, Validierung, Evolution,
• Qualitätssicherung: Testint & Refactoring,
• Agile Softwareentwicklung,
• Tools & Werkzeuge,
• Clean-Coding / Code-Conventions,
• Continuous Integration, Continuous Deployment, Continuous Delivery,
• IT-Projektmanagement: Schätzung & Prozessplanung,
• Softwarearchitektur,
• Design-Patterns,
• Praktische Beispiele.

Arbeitsaufwand:

• Präsenzzeit: 28h Vorlesung + 28h Übung
• 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Prüfung: schriftliche Klausur, 120 Minuten; Schein (SPO bis 2022): Bearbeitung der Aufgaben & Teilnahme an den Übungen.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Erfolgreicher Abschluss von: Einführung in die Informatik, Algorithmen und Datenstrukturen.

Medienformen:

Literatur:

Ian Sommerville. Software Engineering, 10. Auflage. Pearson, 2016 Erich Gamma, Richard Helm, Ralph E. Johnson, John Vlissides: Design Patterns. Elements of Reusable Object-Oriented Software, Addison Wesley, 1997 Robert Martin: Clean Code: A Handbook of Agile Software Craftsmanship, Prentice Hall, 2008 Für alle Lehrbücher gilt, dass die Auflage und ggf. die Wahl zwischen englischem Original oder deutscher Übersetzung für uns irrelevant ist. Jede ältere Auflage ist in Ordnung.

Hinweise:

Spezifikationstechnik

Sommer

(engl. Introduction to Specification )

Modulnummer: FIN-INF-110116

Kürzel SPT

CP 5

Semester Sommer

Fachsem. ab 4.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Frank Ortmeier
Dozent:in:	Prof. Dr. Frank Ortmeier
Lehrveranstaltungen:	Vorlesung Spezifikationstechnik Übung Spezifikationstechnik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik II - Pflicht - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• sind mit Methoden der formalen Spezifikation vertraut
• können einschätzen, für welche Software-Artefakte der Einsatz formaler Methoden sinnvoll ist
• kennen die Potentiale und Grenzen formaler Methoden

Inhalt:

• Formale versus informale Spezifikation
• Spezifikation, Validierung, Verifikation, Generierung
• Spezifikation abstrakter Datentypen
• Spezifikation von zeitlichen Abläufen und Prozessen,
• Anwendungsbeispiel: Protokollspezifikation Konkrete Spezifikationssprachen und Werkzeuge

Arbeitsaufwand:
150 h = 56 h Präsenzzeit + 94 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Prüfungsvorleistung erforderlich	Mündliche Prüfung	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen Theoretische Informatik

Medienformen:	Literatur:

Hinweise:

Startup Engineering I

Winter

Vorbereitung der Gründung

(engl. Startup Engineering I )

Modulnummer: FIN-INF-110322

Kürzel SE 1

CP 5

Semester Winter

Fachsem. ab 3.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Graham Horton
Dozent:in:	Graham Horton
Lehrveranstaltungen:	Projekt: Startup Engineering I
Verwendbarkeit:	- B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. INF: Ergänzungsbereich (SPO 2027) - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. CV: Interdisziplinär (SPO 2027) - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Die Absolventen des Moduls ...

• kennen und verstehen wichtige Erfolgsfaktoren von Startups
• können eine Produktidee entsprechend mehreren Kriterien beschreiben
• kennen Vorbereitungsschritte zur Gründung eines Lean Startups
• können eine Zielgruppe charakterisieren
• können einen Kundengewinnungsprozess gestalten
• haben im Team einige Gründungsvorbereitungen eines Startups durchgespielt
• bewerten die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis

Inhalt:

• Teamarbeit
• Das Lean Startup-Prinzip
• Plausibilitätscheck eines minimalen Geschäftsmodells
• Einschätzung des Marktpotenzials eines Produktes
• Problem-Solution-Fit und Product-Market-Fit
• Customer Journey Map
• Customer Persona
• Validierung von Gründungshypothesen

Arbeitsaufwand:
28 h Präsenzzeit + 122 h selbstständige Projektarbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Hausarbeit	2 SWS Projekt

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Interesse an Startups und deren Gründungsvorbereitungen Interesse an und Bereitschaft zu Projekt- und Teamarbeit

Medienformen:	Literatur:
	Eric Ries: The Lean Startup Diverse Internet-Quellen (werden in der Veranstaltung bekanntgegeben)

Hinweise:
Der Erfolg bei diesem Modul hängt stark von der Qualität der Projekt- und Teamarbeit ab! Die Anzahl Teilnehmer ist beschränkt. Die Teilnahme an der ersten Veranstaltung ist Pflicht. Das Modul wird nur in Verbindung mit einer benoteten Prüfungsleistung angeboten.

Technische Aspekte der IT-Sicherheit

Sommer

(engl. Technical Aspects of IT-Security )

Modulnummer: FIN-INF-110434

Kürzel TAITS

CP 5

Semester Sommer

Fachsem. ab 4.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Jana Dittmann
Dozent:in:	Prof. Dr. Jana Dittmann
Lehrveranstaltungen:	Vorlesung Technische Aspekte der IT-Sicherheit Übung Technische Aspekte der IT-Sicherheit
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

• können anhand einer ausgewählten technischen Fragestellung zur IT-Sicherheit die Anforderungen und Lösungsmöglichkeiten für ein Anwendungsbeispiel verstehen
• technische Integrationsaspekte verstehen und Umsetzungen ausgewählter Inhalte aus „Sichere Systeme“ und „Algorithmen und Datenstrukturen“ vornehmen
• können technische Komponenten am Beispiel sicher gestalten und eine Sicherheitsbewertung vornehmen
• können eine Evaluation und Bewertung technischer Systeme vornehmen und Restrisiken benennen
• können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
• können Herausforderungen in der Teamarbeit erkennen und reflektieren
• können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden

Inhalt:

• Zusammenfassung von relevanten Grundlagen für einen ausgewählten technischen Praxisfall der IT-Sicherheit mit Zusammenfassung von
  • Security-by-Design
  • Sicherheitsevaluierung und -bewertung
  • Einführung in die Sensortechnik und Kommunikationstechnologien aus Bereichen wie automotiver Sicherheit, IoT- oder Steuer- und Regelungstechnik
• Erarbeitung von Anforderungen und Umsetzung sowie Bewertung von Lösungsmöglichkeiten von IT-Sicherheit für den ausgewählten praxisrelevanten, hardwarenahen Anwendungsfall
• Technische Integrationsaspekte, Umsetzung ausgewählter Inhalte aus "Sichere Systeme" und "Algorithmen und Datenstrukturen"
• Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert

Arbeitsaufwand:
150h: Präsenzzeit = 56h, Selbstständige Arbeit = 94h

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
keine	Referat Das Referat umfasst eine eigenständige und vertiefte schriftliche Auseinandersetzung mit einer Fragestellung aus dem Arbeitszusammenhang der Lehrveranstaltung unter Einbeziehung und gezielter kritischer Auswertung einschlägiger Literatur, sowie die Darstellung der eigenen Arbeit auch im Vergleich im Team und die Vermittlung sowie Bewertung der eigenen Ergebnisse im mündlichen Vortrag sowie in der anschließenden Diskussion im Team. Die Ausarbeitungen müssen schriftlich vorliegen.	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Sichere Systeme, Technische Informatik, Kommunikation und Netzwerke, Algorithmen und Datenstrukturen

Medienformen:	Literatur:

Hinweise:
https://omen.cs.uni-magdeburg.de/itiamsl/deutsch/lehre/index.html

Technische Informatik 1

Winter

(engl. Computer Engineering 1 )

Modulnummer: FIN-INF-110378

Kürzel TI-1

CP 5

Semester Winter

Fachsem.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer
Dozent:in:	Prof. Dr. Mesut Güneş
Lehrveranstaltungen:	Vorlesung Technische Informatik 1 Übung Technische Informatik 1
Verwendbarkeit:	- B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:
Studierende

• verstehen den Aufbau digitaler Computer
• verstehen das Schichtenmodell für Computersysteme
• verstehen Zahlensysteme und die Herausforderungen der Computerarithmetik
• können mit unterschiedlichen Zahlensystemen umgehen
• verstehen die grundlegenden Hardware-Komponenten von Computern
• verstehen die Maschinenprogrammierung und können einfache Assemblerprogramme entwickeln

Inhalt:

• Aufbau eines Rechners
• Computerarithmetik
• Kombinatorische Schaltnetze
• Sequentielle Schaltwerke
• Befehlssatz und Adressierung
• Fließband- und Parallelverarbeitung

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Votierung - mindestens 50% der Punkte durch Aufgaben in den Übungen	Klausur 120 Minuten	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:
	Wird in der Veranstaltung bekannt gegeben.

Hinweise:

Computer Engineering 1

Winter

(in German: Technische Informatik 1 )

Module-ID: FIN-INF-1103782

Abbreviation TI-1

Credit Points 5

Semester Winter

Term

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer
Lecturer:	Prof. Dr. Mesut Güneş
Classes:	Vorlesung Technische Informatik 1 Übung Technische Informatik 1
Applicability in curriculum:	- B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Intended learning outcomes:
Students

• understand the structure of digital computers
• understand the layer model for computer systems
• understand number systems and the challenges of computer arithmetic
• can deal with different number systems
• understand the basic hardware components of computers
• understand machine programming and can develop simple assembly programs

Content:

• Structure of a computer
• Computer arithmetic
• Combinatorial switching networks
• Sequential switching networks
• Instruction set and addressing
• Conveyor belt and parallel processing

Workload:
56h attendance + 94h independent work

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Written exam 120 Minuten	lecture (2 SWS) exercise (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:	Literature:

Comments:

Technische Informatik 2

Sommer

(engl. Computer Engineering 2 )

Modulnummer: FIN-INF-110379

Kürzel TI-2

CP 5

Semester Sommer

Fachsem.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer
Dozent:in:	Prof. Dr. Mesut Güneş
Lehrveranstaltungen:	Vorlesung Technische Informatik 2 Übung Technische Informatik 2
Verwendbarkeit:	- B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:
Studierende ...

• verstehen Prozesse in Betriebssystemen
• können Algorithmen zur Synchronisation von Prozessen umsetzen
• verstehen wie Deadlocks entstehen und können Verfahren zur Lösung umsetzen
• verstehen die Speicherverwaltung und das Scheduling in Betriebssystemen
• können in C Prozesse umsetzen und betriebssystemnahe Programme entwickeln
• verstehen die Grundlagen von Kommunikationsnetzen

Inhalt:
Einführung in Betriebssysteme und Kommunikationssysteme ...

• Prozesse & Threads
• Synchronisation
• Deadlocks
• Speicherverwaltung
• Scheduling
• E/A und Dateisystem
• Booting, Services und Sicherheit
• Vernetzte Computer und Internet

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Votierung - mindestens 50% der Punkte durch Aufgaben in den Übungen	Klausur 120 Minuten	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Technische Informatik 1

Medienformen:	Literatur:
	wird auf der Web-Seite der VL bekanntgegeben

Hinweise:
Dieses Modul wird im Sommer 2026 in English gelesen. Videos werden in Deutsch verfügbar sein.

Computer Engineering 2

Summer

(in German: Technische Informatik 2 )

Module-ID: FIN-INF-1103792

Abbreviation TI-2

Credit Points 5

Semester Summer

Term

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer
Lecturer:	Prof. Dr. Mesut Güneş
Classes:	Vorlesung Technische Informatik 2 Übung Technische Informatik 2
Applicability in curriculum:	- B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Intended learning outcomes:
Students ...

• understand processes in operating systems
• can implement algorithms for the synchronization of processes
• understand how deadlocks occur and can implement procedures to solve them
• understand memory management and scheduling in operating systems
• can implement processes in C and develop operating system-related programs
• understand the basics of communication networks

Content:
Introduction to operating systems and communication systems ...

• Processes & Threads
• Synchronization
• Deadlocks
• Memory management
• Scheduling
• I/O and file system
• Booting, services and security
• Networked computers and the Internet

Workload:
56h attendance time + 94h independent work

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Written examination 120 Minutes	Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Technische Informatik 1

Media:	Literature:
	wird auf der Web-Seite der VL bekanntgegeben

Comments:

Virtual and Augmented Reality I

Summer

(in German: Virtual and Augmented Reality I )

Module-ID: FIN-INF-110523

Abbreviation VAR1_BA

Credit Points 5

Semester Summer

Term ab 4.

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Christian Hansen
Lecturer:	Christian Hansen
Classes:	Lecture Virtual and Augmented Reality I Exercise class Virtual and Augmented Reality I
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students who complete this module will acquire in-depth knowledge in the areas of human-computer interaction in the context of VR/AR, perceptual aspects of VR/AR, VR/AR and input/output devices. In addition, they will gain an understanding of the technical fundamentals of tracking, VR/AR visualisation/rendering and AR registration. In the associated seminar, students develop, test and evaluate a VR/AR software tool in a team. Students will learn how to design, program and test a VR/AR system. In these team projects, students learn how to solve social and technical conflicts. In addition, students present their project results in an oral presentation and justify the results achieved by their team.

Content:
This module covers fundamentals and advanced techniques in the area of VR/AR systems. Students will gain the theoretical foundation needed to design, implement, improve, and evaluate VR/AR systems. In addition, the theoretical foundations can be applied in a team project that accompanies the lecture. Following topics in the field of VR/AR are addressed:

• Introduction to VR/AR systems
• Perceptional aspects
• Input devices
• Output devices
• AR components and types
• Interaction techniques

Workload:
56h contact hours + 94h self-study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	oral exam	Lecture (2SWS) Seminar (2SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
	Introduction to Computer Graphics

Media:	Literature:
	Virtual und Augmented Reality (VR/AR) Grundlagen und Methoden der Virtuellen und Augmentierten Realität herausgegeben von: Prof. Dr. Ralf Dörner, Prof. Dr. Wolfgang Broll, Prof. Dr. Paul Grimm, Prof. Dr. Bernhard Jung Verlag: Springer Berlin Heidelberg

Comments:

Visualization

Winter

(in German: Visualization )

Module-ID: FIN-INF-102812

Abbreviation VIS

Credit Points 5

Semester Winter

Term

Duration 1 Semester

Language english

Level Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Bernhard Preim
Lecturer:	Bernhard Preim
Classes:	Lecture Visualization Exercise Visualization
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students ...

• understand how physiological perception affects visualization effectiveness
• know basic visualization techniques, such as color coding, diagramme types and techniques to visualize graph and network data
• can generate appropriate visualizations for business and statistical data

Content:

• Visualization goals and quality criteria
• Understanding of fundamentals of visual perception
• Overview of data structures in visualization
• Basic algorithms (Isolines, color scales, diagramm techniques),
• Direct and indirect visualization of volume data
• map-based visualization
• dashboard design
• Information visualization

Workload:
56 contact hours + 94 h self study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
Successful participation in the exercise (voting system, vote for at least 2/3 of all tasks)	Written exam, 2hours	2 SWS Lectures 2 SWS Exercise classes

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Module: Computer Graphics I

Media:

Literature:

Powerpoint presentation Sketches Videos

P. and M. Keller (1994): Visual Cues, IEEE Computer Society PressT. Munzner (2015). Visualization Analysis and Design: Principles, Techniques, and Practice, A K Peters W. Schroeder, K. Martin, B. Lorensen (2001): The Visualization Toolkit: An object-oriented approach to 3d graphics, 3. Aufl. Springer, Heidelberg A. Telea (2014): Data Visualization: Principles and Practice, Second Edition, AK Peters (2. Auflage) Munzner, T. (2014). Visualization analysis and design. CRC press. Tominski, C., & Schumann, H. (2020). Interactive visual data analysis. AK Peters/CRC Press. M. Ward, D. Keim, G. Grinstein (2015): Interactive Data Visualization: Foundations, Techniques, and Applications, Second Edition

Comments: