masterstudiengang angewandte informatik … · augmented reality ... klausurarbeit, mündliche...

Click here to load reader

Post on 18-Sep-2018

214 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • Mrz 2017

    _____________________________ ____________________________

    Prof. Dr. E. Mller Prof. N. Steger

    Studiendekan der Fakultt Informatik Studiengangkoordinator

    Fakultt Informatik

    Masterstudiengang Angewandte Informatik

    Modulhandbuch Stand: SS 2017

  • Seite | 1

    Inhalt 0 Ziele und Aufbau des Studiengangs Angewandte Informatik ............................. 2

    1 Begriffserluterungen .................................................................................. 8

    2 Pflichtmodule ............................................................................................ 10

    Effiziente Algorithmen ............................................................................................. 10

    Mathematik ........................................................................................................... 12

    Softwarearchitektur ................................................................................................ 13

    Hauptseminar ........................................................................................................ 14

    Projekt .................................................................................................................. 15

    3 Wahlpflichtmodule ..................................................................................... 16

    Technische Informatik ............................................................................................. 16

    Parallelprogrammierung ...................................................................................... 16

    Betriebssystem im Eigenbau ................................................................................ 17

    Bussysteme ....................................................................................................... 18

    Mikrocontroller ................................................................................................... 18

    Multimodale Sensorsysteme ................................................................................. 19

    Allgemeines: ...................................................................................................... 19

    Echtzeitsysteme ................................................................................................. 20

    Mobile Roboter ................................................................................................... 21

    Wirtschaftsinformatik, Operations Research und E-Business ......................................... 23

    Data Warehousing .............................................................................................. 23

    Requirements Engineering und Management .......................................................... 25

    Identity- und IT-Architekturmanagement .............................................................. 26

    E-Business Management ...................................................................................... 27

    Integration und Management von Geschftsprozessen mit SAP ................................ 28

    Algorithmen und Strategien zur Entscheidungsuntersttzung ................................... 29

    Grafik, Game Engineering und KI ............................................................................. 30

    Prozedurales Gamelevel-Design ............................................................................ 30

    Augmented Reality ............................................................................................. 31

    Advanced techniques for realtime 3D graphics and games ....................................... 32

    Mustererkennung ............................................................................................... 33

    Computer Vision ................................................................................................. 34

    Deep Learning .................................................................................................... 35

    4 Allgemeine Wahlpflichtmodule ............................................................................... 37

    Einfhrung in wissenschaftliches Arbeiten .............................................................. 37

    Datenschutz ....................................................................................................... 38

    5 Masterarbeit .............................................................................................. 39

  • Seite | 2

    0 Ziele und Aufbau des Studiengangs Angewandte Informatik

    Ziele des Masterstudiengangs Angewandte Informatik sind die Vermittlung ver-

    schiedenster Kompetenzen und Lehrinhalte. Der Studiengang ist als anwendungs-

    orientierter postgradualer konsekutiver Studiengang konzipiert. Er baut inhaltlich

    auf den Bachelor- oder Diplomstudiengngen Informatik, Wirtschaftsinformatik und

    Informatik- Game Engineering auf.

    Der Studiengang ist technologieorientiert und deckt zentrale Gebiete der Informatik

    ab. Er qualifiziert die Studierenden fr das Ttigkeitsfeld der angewandten Informa-

    tik sowie fr anwendungsorientierte Forschung und legt dabei besonderen Wert auf

    die theoretisch-wissenschaftlichen Grundlagen.

    In der folgenden Tabelle werden den bergeordneten abstrakten Kompetenzen

    (Studienziele) die jeweiligen Lernergebnisse zugeordnet:

    Studienziele Lernergebnisse

    1 Formale, algorithmische und

    mathematische Kompetenz

    Fundiertes Wissen ber die Grundlagen der Informatik

    und der Mathematik

    Fhigkeit das erworbene Wissen in der Praxis anzuwenden

    und selbstndig auszuweiten

    2 Analyse-, Design- und Reali-

    sierungs-Kompetenz

    Fhigkeit zur Lsung von ungewhnlichen und Nicht-

    Standardproblemen

    Fhigkeit aus unvollstndigen und widersprchlichen In-

    formationen in Abstimmung mit dem Auftraggeber kon-

    sistente und berzeugende Lsungen zu erarbeiten und

    umzusetzen

    3 Technologische Kompetenz Vertiefte Kenntnis der technologischen Grundlagen min-

    destens eines Anwendungsbereichs der Informatik

    Fhigkeit sich in neue Technologien einzuarbeiten, Tech-

    nologien auszuwhlen und einzusetzen

    Fhigkeit Technologien wissenschaftlich fundiert weiterzu-

    entwickeln

    4 Methodenkompetenz Fhigkeit das erworbene Wissen auch in komplexen An-

    wendungsszenarien einzusetzen und erfolgreich anzuwen-

    den

    Befhigung zu wissenschaftlicher Arbeit

  • Seite | 3

    Studienziele Lernergebnisse

    5 Projektmanagementkompe-

    tenz

    Fhigkeit auch grere Projekte zu planen, zu organisie-

    ren und zu leiten, sowie gegenber Dritten zu vertreten

    Probleme frhzeitig zu erkennen und zu lsen und Projek-

    te erfolgreich abzuschlieen

    6 Anwendungskompetenz Umfassendes fachliches und technisches Wissen und ver-

    tiefte Kenntnis der Vorgehensweisen und Prozesse in ei-

    nem oder mehreren Anwendungsbereichen der Informatik

    Verstndnis fr die rechtlichen und nichttechnischen Aus-

    wirkungen von Anwendungen der Informatik

    Der Zusammenhang zwischen den bergeordneten Zielen und den Lernergebnissen

    des Masterstudiengangs sowie der Beitrag der Pflicht- und Wahlpflichtmodule zur

    Umsetzung dieser Ziele sind in der folgenden Zielematrix dargestellt:

    Modul Studienziele

    1 2 3 4 5 6

    Mathematik ++ +

    Softwarearchitektur ++ + +

    Effiziente Algorithmen ++ +

    Hauptseminar + ++

    Projekt + + + ++ ++ +

    Parallelprogrammierung ++

    Datenschutz + + ++

    Betriebssystem im Eigenbau ++

    Bussysteme ++ +

    Mikrocontroller ++ +

    Einfhrung in wissenschaftliches

    Arbeiten ++ + + ++

    Data Warehousing + + + ++

  • Seite | 4

    Modul Studienziele

    Identity und IT-Architektur-

    Management ++ ++

    E-Business Management + + + ++

    Requirements Engineering und

    Management ++ + +

    Integration und Management von

    Geschftsprozessen mit SAP + + + ++ ++

    Algorithmen und Strategien zur

    Entscheidungsuntersttzung + + ++ +

    Augmented Reality + ++

    Advanced techniques for realtime

    3D Graphics and Games + + ++

    Prozedurales Gamelevel-Design + + ++

    Mustererkennung + + ++

    Computer Vision ++ + ++

    Multimodale Sensorsysteme + ++

    Echtzeitsysteme + ++

    Deep Learning + + ++

    Mobile Roboter + + ++

    Masterarbeit + ++ + ++ ++

    Absolventen des Masterstudiengangs Angewandte Informatik erwerben whrend

    Ihres Studiums eine Zusatzqualifikation, durch die sie mittels wissenschaftlicher

    Methodik anspruchsvolle Aufgaben der Angewandten Informatik bearbeiten knnen.

    Whrend die Absolventen im Bereich der Grundlagen der Informatik und Mathema-

    tik ein hervorragendes Fundament erworben haben, befhigt der Masterstudien-

    gang sie das groe Potenzial auf Anwendungsseite zu beherrschen. Die Komplexitt

    von Anwendungen steigt unaufhrlich und erfordert eine entsprechende Qualifikati-

    on. Die Absolventen sollen aufbauend auf Ihren erworbenen fachlichen, methodi-

    schen und anwendungsspezifischen Kompetenzen in der Lage sein, komplexe An-

    wendungsszenarien zu verstehen, problemadquate Technologien auszuwhlen und

    einzusetzen, zu Problemen auch bei widersprchlicher und unvollstndiger Informa-

    tion Lsungskonzepte zu entwickeln und zu vertreten, Projekte entsprechend zu

    planen, zu leiten und durchzufhren.

  • Seite | 5

    Zielgruppe des Masterstudiengangs sind Absolventen der Informatik, der Wirt-

    schaftsinformatik, Informatik-Game Engineering oder eines gleichwertigen Studien-

    gangs an einer Hochschule.

    Das Konzept des Masterstudiengangs in Voll- und Teilzeit beruht auf dem soliden

    Fundament der drei Pflichtmodule Effiziente Algorithmen, Mathematik und Soft-

    warearchitektur. Auf diesem Fundament bauen die Wahlpflichtmodule auf, die in-

    haltlich in die drei Anwendungsbereiche Technische Informatik, Wirtschaftsinfor-

    matik, Operations Research und E-Business und Grafik, Game Engineering und

    KI strukturiert sind. Bei diesen Wahlpflichtmodulen besteht fr die Studierenden

    eine freie Kombinierbarkeit, welche diesen sowohl eine vertiefte Spezialisierung, als

    auch den Erwerb eines breiten Fachwissens ermglicht. In den Pflichtveranstaltun-

    gen Hauptseminar und Projektarbeit beweisen und vertiefen die Studierenden so-

    wohl anwendungsorientiert-wissenschaftliche als auch methodische- und Team-

    kompetenz.

    Qualifikationsvoraussetzung fr den Masterstudiengang in Vollzeit ist ein mindes-

    tens mit der Note 2,5 abgeschlossenes Studium der Informatik, der Wirtschaftsin-

    formatik, Informatik-Game Engineering oder eines gleichwertigen Abschlusses.

    Wurden in einem Bachelorstudiengang weniger als 210 ECTS, mindestens aber 180

    ECTS erworben, so sind die bis zum Kompetenzniveau von 300 ECTS fehlenden

    ECTS-Punkte aus den grundstndigen Studiengngen der Hochschule Kempten

    nachzuerbringen. Welche Module noch zu erbringen sind bestimmt die Prfungs-

    kommission.

    ber die Gleichwertigkeit der Abschlsse entscheidet die Prfungskommission. Ist

    ein Abschluss nicht gleichwertig, kann die Gleichwertigkeit des Abschlusses durch

    Entscheidung der Prfungskommission auch dadurch erzielt werden, dass fehlende

    Kompetenzen im Umfang von max. 30 ECTS-Punkten aus den grundstndigen Stu-

    diengngen der Hochschule Kempten erworben werden.

    Voraussetzung fr die Teilnahme am Studiengang in Teilzeit ist das Erfllen dersel-

    ben Qualifikationsvoraussetzungen wie im Vollzeitstudiengang.

  • Seite | 6

    Aufbau des Studiengangs Angewandte Informatik (Master)

    Studiengang in Vollzeit

  • Seite | 7

    Studiengang in Teilzeit

    Hochschule fr angewandte Wissenschaften Kempten

    Sem

    este

    r

    gltig mit Studienbeginn SS 2016

    6

    Masterarbeit (8)

    5

    Masterarbeit (8)

    4

    Projekt (4)

    WP-Fach (6)

    WP-Fach (6)

    3

    Hauptseminar (4)

    WP-Fach (6)

    WP-Fach (6)

    2

    WP-Fach (6)

    WP-Fach (6)

    WP-Fach (6)

    1

    Effiziente Algorithmen

    (5)

    Mathematik (1)

    Softwarearchitektur (3)

    ECTS-

    1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Punkte

    Legende:

    1 Mathematik 4 Angewandte Informatik und interdisziplinre Fcher

    3 Softwaretechnik 6 Wahlfach

    5

    Theorie der Informa-tik 8 Seminar- und Abschlussarbeit

    Studiengangkoordinator: Prof. Nikolaus Steger

    Fachstudienberater: Prof. Nikolaus Steger

    Vorsitzender der Prfungskommission: Prof. Dr. Ulrich Ghner

  • Seite | 8

    1 Begriffserluterungen

    ECTS - European Credit Transfer System

    Diese Vereinbarungen zur Anrechnung, bertragung und Akkumulierung von Stu-

    dienleistungen basieren auf dem Arbeitspensum, das Studierende durchzufhren

    haben, um die Ziele des Lernprogramms zu erreichen. Fr jede studienbezogene

    Leistung wird der voraussichtliche durchschnittliche Arbeitsaufwand angesetzt und

    auf das Studienvolumen angerechnet. Der Arbeitsaufwand umfasst Prsenzzeit und

    Selbststudium ebenso wie die Zeit fr die Prfungsleistungen, die notwendig sind,

    um die Ziele des vorher definierten Lernprogramms zu erreichen. Mit dem ECTS

    knnen Studienleistungen international angerechnet und bertragen werden.

    Arbeitsaufwand (Workload) und Leistungspunkte (ECTS-LP)

    Der Arbeitsaufwand der Studierenden wird im ECTS in credit points angegeben.

    Deutsche bersetzungen fr credit point sind die Begriffe Leistungspunkt oder

    ECTS-Punkt. Ein Arbeitsaufwand von 30 Zeitstunden bedeutet einen Leistungs-

    punkt. Der Arbeitsaufwand von Vollzeitstudierenden entspricht 60 Leistungspunkten

    pro Studienjahr, also 30 Leistungspunkten pro Semester. Das sind 1.800 Stunden

    pro Jahr oder 45 Wochen/Jahr mit 40 Stunden/Woche.

    Der Arbeitsaufwand setzt sich zusammen aus:

    - Prsenzzeit

    - Zeit fr die Vor- und Nachbereitung des Vorlesungsstoffs,

    - Zeit fr die Vorbereitung von Vortrgen und Prsentationen,

    - Zeit fr die Erstellung eines Projekts,

    - Zeit fr die Ausarbeitung einer Studienarbeit,

    - Zeit fr notwendiges Selbststudium,

    - Zeit fr die Vorbereitung auf mndliche oder schriftliche Prfungen.

    Die Bachelorstudiengnge mit sieben Semestern bescheinigen erfolgreichen Studie-

    renden 210 ECTS-LP, die dreisemestrigen Masterstudiengnge weitere 90 ECTS-LP.

    Damit ist die Forderung nach 300 ECTS-LP fr ein erfolgreich abgeschlossenes Mas-

    terstudium erfllt.

  • Seite | 9

    Semesterwochenstunden und Prsenzzeit

    Eine Semesterwochenstunde ist die periodisch wiederkehrende Lehreinheit in einem

    Modul, in der Regel im Rhythmus von einer oder zwei Wochen. Dabei wird eine Pr-

    senz von 45 Minuten plus Wegzeiten gerechnet, sodass die Vorlesungsstunde als

    eine Zeitstunde gewertet wird.

    Wir rechnen mit einer Vorlesungszeit von 15 Wochen pro Semester, wodurch sich

    aus der Zahl der Semesterwochenstunden die geforderte Prsenzzeit (Kontakt-

    zeit) direkt ableitet: 1 SWS entspricht 15 Stunden Prsenzzeit.

    Module

    Der Studiengang setzt sich aus Modulen zusammen. Ein Modul reprsentiert eine

    inhaltlich und zeitlich zusammengehrige Lehr- und Lerneinheit. Module werden in

    der Regel in einem Semester abgeschlossen.

    Modulgruppen sind Zusammenfassungen von Modulen mit einem weiteren inhaltli-

    chen Zusammenhang. In allen Fllen stellt ein Modul oder ein Teilmodul eine Ein-

    heit dar, fr die innerhalb und am Ende eines Semesters eine Prfungsleistung er-

    bracht werden kann, fr die Leistungspunkte vergeben werden.

    Die Lehrveranstaltungen werden derzeit in deutscher Sprache gehalten.

    Studienbegleitende Prfungen und Studienfortschritt

    Smtliche Prfungen erfolgen ber das gesamte Studium verteilt studienbegleitend

    und stehen in direktem Bezug zur Lehrveranstaltung. Prfungsbestandteile knnen

    je nach Lehrveranstaltung begleitend oder nach Abschluss des Moduls stattfinden,

    beispielsweise als Referat, Klausurarbeit, mndliche Prfung, Hausarbeit mit Kollo-

    quium, Entwurf mit Kolloquium, Laborbericht, Exkursionsbericht oder einer Kombi-

    nation. In den Beschreibungen der einzelnen Module wird im Modulhandbuch die

    jeweilige Prfungsform festgelegt. Eine Wiederholung der Prfung eines Moduls er-

    folgt bei Nichtbestehen im folgenden Semester. Die Prfung fr ein Modul darf in

    der Regel nur einmal wiederholt werden, genau regelt dies die Rahmenprfungs-

    ordnung.

    Zur Masterarbeit kann sich anmelden, wer mindestens 35 ECTS-Punkte erreicht und

    in mindestens 4 Pflichtfchern die Note ausreichend oder besser erzielt hat.

  • Seite | 10

    2 Pflichtmodule

    Effiziente Algorithmen Allgemeines:

    Dozenten: Prof. Dr. U. Ghner / Prof. Dr. J. Staudacher Pflichtfach: im Masterstudium Wahlfach: -

    Voraussetzungen: Keine

    Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Mndliche Prfung 30 Minuten am Ende des Semesters.

    Lernergebnisse und Inhalte:

    Lernergebnisse:

    Die Studierenden kennen die Begriffe der Graphentheorie

    Sie knnen wichtige Algorithmen zur Lsung graphentheoretischer Probleme anwenden und die Komplexitt der Algorithmen und Methoden bewerten

    Sie knnen die gelernten Methoden auf praktische Beispiele anwenden Sie kennen die zentralen Methoden der Komplexittstheorie und haben Verstndnis fr

    die Relevanz komplexittstheoretischer Betrachtungen in der Praxis Sie knnen einfache Spiele klassifizieren und kennen den Nutzen spieltheoretischer An-

    stze und Methoden in der Informatik

    Sie kennen Methoden und spieltheoretische Modelle zur Beschreibung von Auktionsver-fahren und knnen diese auf einfache Fragestellungen aus der Internet-konomie an-wenden

    Sie haben Einblick in Funktionsweise, Grenzen und Mglichkeiten randomisierter Algo-rithmen

    Lehrinhalte:

    Begriffe und Definitionen der Graphen-Theorie Zusammenhang Topologisches Sortieren

    Algorithmen zur Bestimmung des krzesten Wegs (A*-, Dijkstra-, Floyd- und Warshall-Algorithmus)

    Lokale Suchalgorithmen (z.B. Bergsteiger- und Ameisen-Algorithmus) Bestimmung des minimalen Spannbaums mit Algorithmen von Prim und Kruskal Bestimmung des maximalen Flusses in Netzwerken mit den Algorithmen von

    Ford/Fulkerson, Edmonds/Karp und Dinic Lsung des Maximum-Matching Problems mit Hilfe von Netzwerken

    Praktischer Einsatz von Algorithmen auf Graphen mit BGL Boost Die Komplexittsklassen P und NP NP-vollstndige Probleme, insbesondere auch aus der Graphentheorie

    Grundelemente der Algorithmischen Spieltheorie Mechanismen, Auktionen und deren praktische Anwendung in der Internet-konomie Komplexitt von Spielen

  • Seite | 11

    Randomisierte Algorithmen Zufallsbasierte Komplexittsklassen

    Literatur:

    Logofatu, D.: Algorithmen und Problemlsungen mit C++, Vieweg Heun, V.: Grundlegende Algorithmen, Vieweg. Saake, G; Sattler, U.: Algorithmen und Datenstrukturen, Dpunkt-Verlag Krumke, S, Noltemeier, H.: Graphentheoretische Konzepte und Algorithmen, Teubner Gelperin, D.: On the optimality of A* Artificial Intelligence, 8:6976, 1977.

    Sedgewick, R. und J. S. Vitter: Shortest paths in Euclidean graphs. Algorithmica, 1(1):3148, 1986.

    S. Arora, B. Barak: Computational Complexity, Cambridge University Press, 1. Auflage,

    2009. J.E. Hopcroft, R. Motwani, J.D. Ullman: Einfhrung in Automatentheorie, Formale Spra-

    chen und Berechenbarkeit, Pearson Studium, 3. Auflage, 2011. M. Mitzenmacher, E. Upfal: Probability and Computing, Cambridge University Press, 1.

    Auflage, 2005. M.J. Osborne, A. Rubinstein: A Course in Game Theory, MIT Press, 1. Auflage, 1994.

    H. Peters: Game Theory, Springer, 1. Auflage, 2008. M. Maschler, E. Solan, S. Zamir: Game Theory, Cambridge University Press, 1. Auflage,

    2013. Y. Saez, A. Mochon: Understanding Auctions, Springer, 1. Auflage, 2015.

  • Seite | 12

    Mathematik Allgemeines:

    Dozent: Prof. Dr. Markus Preisenberger

    Pflichtfach: im Masterstudium Angewandte Informatik Wahlfach: - Voraussetzungen: Keine Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 4 SWS Seminaristischer Unterricht

    Leistungspunkte: 5 Arbeitsaufwand: 60 Stunden Prsenzzeit Unterricht

    60 Stunden Selbststudium 30 Stunden Selbststudium Betreute Studierzeit

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters

    Mathematik-Onlinetest als Zulassungsvoraussetzung

    Lernergebnisse und Inhalte: Lernergebnisse: Nach erfolgreicher Teilnahme am Modul Mathematik knnen die Studierenden

    zentrale Konzepte der Theorie linearer und nichtlinearer gewhnlicher Differentialglei-chungen wiedergeben

    komplexe Aufgabenstellungen hinsichtlich der Lsbarkeit mit Methoden der Theorie dy-

    namischer Systeme analysieren geeignete Lsungsmethoden aus verschiedenen Teilgebieten der Mathematik auswhlen

    und zu einem Lsungsansatz fr Aufgaben aus dem Bereich dynamischer Systeme kom-binieren

    Lehrinhalte:

    Komplexe Zahlen, algebraische Operationen und deren geometrische Interpretation

    Komplexwertige Funktionen, Kurven in der komplexen Ebene, Grenzwerte, Differentiati-on und Integration komplexwertiger Funktionen

    Gewhnliche lineare Differentialgleichungen Homogene und inhomogene Gleichungen; Lsungsbegriff, reelle und komplexe Lsun-gen, Existenz und Eindeutigkeit; Lineare Differentialoperatoren, Lsungsraum, charakte-ristisches Polynom, Basisfunktionen; Partikulre Lsung und Lsungen inhomogener Gleichungen; Differentialgleichungssysteme; Phasendiagramm und qualitative Eigen-

    schaften der Lsungen

    Gewhnliche nichtlineare Differentialgleichungen Beispiele; Phasendiagramm; Linearisierung; Stationre, stabile und instabile Lsungen

    Fourier-Reihen, Fourier-Transformation Definition, Konvergenz, Eigenschaften, DFT, FFT, Bandbegrenzte Funktionen, Anwen-dungsbeispiele

    Weiterer Anwendungsbereich

    Literatur:

    Butz, T.: Fourier-Transformation fr Fugnger, B.G. Teubner, 2. Auflage Hachenberger, D.: Mathematik fr Informatiker, Pearson Studium, 2. Auflage, 2008 Hirsch, M.W., Smale, S.: Differential Equations, Dynamical Systems and Linear Algebra

    Academic Press, 1974

    Lang, H. W.: Algorithmen in Java, Oldenbourg Verlag, 2. Auflage, 2006 Stingl, P.: Mathematik fr Fachhochschulen, Hanser Verlag, 8. Auflage, 2009

  • Seite | 13

    Softwarearchitektur

    Allgemeines: Dozent: Prof. Dr. Georg Hagel Pflichtfach: im Masterstudium Wahlfach: -

    Voraussetzungen: keine Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Leistungsnachweis in der bung,

    Schriftliche Prfung 90 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte: Lernergebnisse:

    Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage, Zu erklren, welche Faktoren Einfluss auf die Architektur einer Software haben.

    Zu beschreiben, welche Architekturprinzipien beim Entwurf einer Softwarearchitektur beachtet werden mssen.

    Bekannte Architekturmuster bei der Erstellung der Softwarearchitektur anzuwenden. Aspekte von Softwaresystemen zu beschreiben. Lsungsanstze fr Aspekte von Softwaresystemen anzugeben. Softwarearchitekturen mit aktuellen Beschreibungsmethoden zu dokumentieren.

    Lehrinhalte:

    Aufgaben von Softwarearchitekten Entwurf von Softwarearchitekturen

    Architekturmuster Architekturaspekte Dokumentation von Softwarearchitekturen

    Literatur:

    Posch, Thorsten et al.: Basiswissen Softwarearchitektur, dpunkt.verlag, 2. Auflage (2007)

    Starke, Gernot: Effektive Software-Architekturen, Carl Hanser Verlag, 2. Auflage (2005) Vogel, Oliver et al.: Software-Architektur, Elsevier (2005) Buschmann, Frank et al.: POSA Band 1 Pattern-orientierte Softwarearchitektur Ein

    Pattern-System Bass, Len et al.: Software Architecture in Practice, Second Edition, SEI Series in Soft-

    ware Egineeering, Addison Wesley (2003) Oestereich, Bernd: Die UML 2.0 Kurzreferenz fr die Praxis, Oldenbourg Verlag, 3. Auf-

    lage (2004)

  • Seite | 14

    Hauptseminar Allgemeines:

    Dozent: Alle Professoren der Fakultt Pflichtfach: im Masterstudium Wahlfach: - Voraussetzungen: Keine Angebot und Dauer: Sommersemester, ein Semester Lehrformen: Seminar

    Leistungspunkte: 5

    Arbeitsaufwand: 15 Stunden Prsenzzeit Vortrge und anschlieender Diskussion

    135 Stunden Vorbereitung der Prsentation und Ausarbeitung der Studienarbeit

    Leistungsnachweis und Prfung: Seminarvortrag mit anschlieender Diskussion

    Studienarbeit

    Lernergebnisse und Inhalte: Lernergebnisse:

    Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage sich in ein anspruchsvolles, wissenschaftliches Thema einzuarbeiten entsprechende Literatur zu recherchieren und aufzuarbeiten einen Vortrag zu einem wissenschaftliches Thema zu erarbeiten, zu prsentieren und bei

    der nachfolgenden Diskussion zu vertreten eine schriftliche Ausarbeitung zu einem wissenschaftlichen Thema zu erstellen

    Lehrinhalte: Abhngig vom Thema des Hauptseminars Literatur: Abhngig vom Thema des Hauptseminars

  • Seite | 15

    Projekt

    Allgemeines:

    Dozent: Alle Professoren der Fakultt Pflichtfach: im Masterstudium Wahlfach: - Voraussetzungen: Keine Angebot und Dauer: Sommersemester, ein Semester Lehrformen: Projekt

    Leistungspunkte: 5

    Arbeitsaufwand: 15 Stunden Prsenzzeit Besprechung mit betreuendem Professor

    135 Stunden Durchfhrung des Projektes

    Leistungsnachweis und Prfung: Bewertung des Projektergebnisses durch betreuenden Professor

    Lernergebnisse und Inhalte: Lernergebnisse: Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage

    ein Projekt zu planen, zu organisieren und zu leiten ein Projekt gegenber Dritten zu vertreten Probleme im Projekt frhzeitig zu erkennen und zu lsen ein Projekt erfolgreich abzuschlieen das erworbene Wissen auch in komplexen Anwendungsszenarien einzusetzen und er-

    folgreich anzuwenden

    aus unvollstndigen und ggf. widersprchlichen Anforderungen in Abstimmung mit dem

    Auftraggeber konsistente und berzeugende Lsungen zu erarbeiten sich schnell in neue Anwendungsgebiete, Technologien und Grundlagen einzuarbeiten

    Lehrinhalte: Abhngig vom Projektauftrag

    Literatur: Abhngig vom Projektauftrag

  • Seite | 16

    3 Wahlpflichtmodule

    Technische Informatik

    Parallelprogrammierung

    Allgemeines:

    Dozent: Prof. Dr. U. Ghner Pflichtfach: im Masterstudium

    Wahlfach: - Voraussetzungen: Keine Angebot und Dauer: Wintersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden kennen aktuelle parallele Rechnerarchitekturen einordnen und deren Vor- und Nachteile

    Sie verstehen die wichtigsten parallele Programmierkonzepte Sie knnen die Leistung von Parallelrechnern bei der Lsung praktischer Probleme

    bewerten Sie kennen die Vorgehensweisen bei der effektiven Parallelisierung von Algorithmen Sie beherrschen den effektiven Einsatz moderner paralleler Programmierwerkzeuge

    Lehrinhalte:

    Einfhrung

    Leistungsbewertung, Amdahl und Gustafson-Gesetz parallele Rechnerarchitekturen Programmierkonzepte fr Parallelrechner OpenMP und MPI GPU-Programmierung mit CUDA und OpenCL

    PRAM (Parallel Random Access Machine) Parallele Algorithmen und Komplexitt

    Prfixberechnungen Parallele Berechnung numerischer Ausdrcke Parallele Matrix- und Sortieralgorithmen Grid- und Cloud-Computing

    Literatur: Tanenbaum, A.S.: Computerarchitektur. Strukturen - Konzepte Grundlagen, Pearson

    Studium, 2006. OpenMP Application Program Interface, Version 4.0 - RC 1, November 2012. MPI: A Message-Passing Interface Standard, Version 3.0, Message Passing Interface

    Forum, September 21, 2012. CUDA C PROGRAMMING GUIDE, NVIDIA, 2012. Introduction to OpenCL Programming, AMD, 2010.

  • Seite | 17

    Betriebssystem im Eigenbau

    Allgemeines:

    Dozenten: Prof. Dr. Stefan Frenz Pflichtfach: Wahlfach: im Masterstudium Angewandte Informatik Voraussetzungen: keine

    Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung:

    Leistungsnachweise zu den bungen, mndliche Prfung 30 Minu-ten am Ende des Semesters, Leistungsnachweise sind Zulassungs-

    voraussetzungen Qualifikationsziele und Inhalte:

    Qualifikationsziele:

    Die Studierenden verstehen die grundlegenden Herausforderungen an der Implementierung von

    Betriebssystemen. Sie lernen die im Umfeld von aktuellen 32 Bit Rechnern relevanten praktischen sowie die erforderlichen theoretischen Hintergrnde kennen. Die Studierenden implementieren selbstndig ein kleines Betriebssystem mit virtuellem Speicher und verschiedenen Gertetreibern.

    Lehrinhalte:

    x86-Architektur in Bezug zur Betriebssystementwicklung Design-Kriterien fr mageschneiderte Betriebssysteme Gertetreiber im allgemeinen und speziellen Anforderungen an Laufzeitsysteme Compiler-Grundlagen

    Literatur:

    Tanenbaum, Andrew S.: Moderne Betriebssysteme (3. Auflage, 2009) Wirth, Niklaus; Gutknecht, Jrg: Project Oberon (2005)

  • Seite | 18

    Bussysteme

    Dozent: Prof. Dr. Bernd Niehoff Das Modul Bussysteme vermittelt Kenntnisse zu wichtigen Kommunikationssystemen im Fahrzeug-bereich. Im Mittelpunkt stehen die Protokollmechanismen und die Signalanalyse der Bussysteme Con-

    troller Area Network und FlexRay. Eine ausfhrliche Beschreibung zum Modul findet sich im Modulhandbuch des Studiengangs Fahreras-

    sistenzsysteme.

    Mikrocontroller

    Dozent: Prof. Dr. Bernd Niehoff Das Modul Mikrocontroller betrachtet Einsatzmglichkeiten, Aufbau, Funktion und Programmierung

    von Mikrocontrollern fr die Steuergerteentwicklung im Automotive-Bereich. Den Schwerpunkt bilden komplexe On-chip Peripheriemodule moderner 32 Bit-Mikrocontroller. Eine ausfhrliche Beschreibung zum Modul findet sich im Modulhandbuch des Studiengangs Fahreras-sistenzsysteme.

  • Seite | 19

    Multimodale Sensorsysteme

    Allgemeines:

    Dozent: Prof. Dr. Jrgen Brauer Pflichtfach: - Wahlfach: im Master Angewandte Informatik Voraussetzungen: Lineare Algebra, Programmierkenntnisse

    Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden kennen Strken und Schwchen aktueller bei Fahrerassistenzsystemen und anderen multimodalen Sensorsystemen eingesetzten Sensoren

    Sie verstehen die Notwendigkeit zur Sensordatenfusion und knnen diese Notwendigkeit an konkreten Beispielen darstellen

    Sie kennen unterschiedlichen Anstze zur Sensordatenfusion und knnen diese

    klassifizieren

    Sie kennen die theoretischen Grundlagen des rekursiven Bayesschen Filtern zur Sensordatenfusion und beherrschen die wichtigsten Realisierungen des Bayesschen Filters durch Kalmanfilter und Partikelfilter

    Sie kennen neuere Anstze zur Sensordatenfusion und knnen diese hinsichtlich Ihres Potentials einschtzen

    Lehrinhalte:

    Beispiele multimodaler Sensorsysteme Notwendigkeit der Sensordatenfusion Strken und Schwchen aktueller Sensoren, insbesondere im Bereich der

    Fahrerassistenzsysteme Klassifikation von Sensordatenfusionsanstzen Grundlagen zur Sensordatenfusion

    Theorie des rekursiven Bayesschen Filters Realisierung rekursiver Bayesscher Filter durch Kalman-Filter Realisierung rekursiver Bayesscher Filter durch Partikel-Filter

    Representation Learning Neuere Anstze und aktuelle Trends in der Sensordatenfusion

    Literatur:

    Winner, Hakuli, Wolf: Handbuch Fahrerassistenzsysteme. Springer-Vieweg Verlag, 3. Auflage. 2015.

    Darms: Basis-Systemarchitektur zur Sensordatenfusion von Umfeldsensoren fr FAS. TU Darmstadt, 2007.

  • Seite | 20

    Echtzeitsysteme

    Allgemeines:

    Dozent: Prof. Dr. Jrgen Brauer Pflichtfach: - Wahlfach: im Master Angewandte Informatik Voraussetzungen: - Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden kennen Beispiele von Echtzeitsystemen Sie verstehen den Begriff Echtzeit richtig zu deuten und knnen verschiedene Klassen

    von Echtzeitsystemen unterscheiden Sie kennen die Grundlagen des Prozessschedulings und wissen um die Besonderheiten

    der Anforderungen des Schedulings bei Echtzeitbetriebssystemen Sie kennen verschiedene echtzeitfhige Schedulingverfahren und ihre jeweiligen Vor-

    und Nachteile

    Die Studierenden wissen welche Kommunikationsbusse echtzeitfhig sind und wieso Sie kennen den Aufbau und die Funktionsweise von Echtzeitsystemen aus dem

    Automotive Kontext Lehrinhalte:

    Beispiele fr Echtzeitsysteme Genauere Definition des Begriffs Echtzeit Klassifikation von Echtzeitsystemen Grundlagen Betriebssysteme

    Besonderheiten von Echtzeitbetriebssystemen Echtzeitkommunikation Realisierung von Echtzeitsystemen Praktische Beispiele fr Echtzeitsysteme (AUTOSAR)

    Literatur:

    Jane W.S. Liu: Real-Time Systems. Pearson-Verlag. 2000. Dieter Zbel: Echtzeitsysteme. Grundlagen der Planung. Springer-Verlag. 2008. Jrgen Quadde, Michael Mchtel: Moderne Realzeitsysteme kompakt: Eine Einfhrung

    mit Embedded Linux: Praxis und Theorie mit Embedded Linux. dpunkt-Verlag. 2012. Thilo Streichert, Matthias Traub: Elektrik/Elektronik-Architekturen im Kraftfahrzeug:

    Modellierung und Bewertung von Echtzeitsystemen (VDI-Buch). Springer-Vieweg-Verlag. 2012

  • Seite | 21

    Mobile Roboter

    Allgemeines: Mobile Roboter sind immer noch nicht in unserem Alltag allgegenwrtig. Zwar gibt es einige wenige Beispiele wie Staubsaugroboter, Drohnen, Marserkundungsroboter, autonome Fahrzeuge oder Fu-

    ballspielende Roboter beim RoboCup, doch meist handelt es sich bisher um Nischenlsungen. Wieso ist es so schwer mobile Roboter zu bauen, die Arbeiten bernehmen knnen, die heute nur von Men-schen ausgefhrt werden knnen? In der Vorlesung soll ein breiter berblick ber die verschiedenen Aspekte des Themas mobile Robo-ter erarbeitet werden. Nachdem ein Verstndnis fr die vielseitigen Herausforderungen der mobilen

    Robotik geschaffen wird, werden wir auf geeignete Sensorik und Aktorik fr Roboter eingehen. Die

    Organisation der Informationsverarbeitung ist in einem mobilen Roboter ein wichtiges zentrales The-ma. Entsprechend werden hier verschiedene Anstze fr sog. Roboterkontrollarchitekturen vorge-stellt. Ein ebenso zentrales Thema ist das Thema der Navigation: wie kann ein mobiler Roboter robust durch eine bekannte oder sogar unbekannte Umgebung navigieren? Schlielich behandeln wir das Thema des Lernens von geeignenten Aktionen fr Roboter. Hier haben sich verschiedene Anstze wie z.B. das Reinforcement-Learning und das Imitationslernen etabliert. Am Ende der Vorlesung werden

    wir auf Besonderheiten der kooperativen Robotik eingehen und es werden Anstze vorgestellt, die eine Zusammenarbeit von mehreren Robotern ermglichen sollen. In den bungen sollen zentrale Algorithmen anhand von Robotersimulatoren vertieft werden. Dozent: Prof. Dr. Jrgen Brauer Pflichtfach: -

    Wahlfach: im Master Angewandte Informatik

    Voraussetzungen: Analysis, Lineare Algebra, Programmierkenntnisse Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung:

    Schriftliche Prfung 90 Minuten am Ende des Semesters Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden knnen einschtzen, welche Fhigkeiten heute von mobilen Robotern

    erwartet werden knnen und welche nicht Sie wissen welche Sensorik fr eine robuste Umfelderkennung notwendig ist und

    kennen Anstze zur Umfelderkennung auf Basis geeigneter Sensordaten Sie haben fundiertes Wissen ber verschiedene Anstze von

    Roboterkontrollarchitekturen und kennen deren Vor- und Nachteile Die Studierenden kennen unterschiedliche Navigationsverfahren und knnen diese

    selber implementieren und anwenden Sie haben einen breiten berblick ber Verfahren die das Erlernen von Aktionen

    erlauben, kennen den theoretischen Hintergrund der Verfahren und knnen die

    Verfahren selber umsetzen Lehrinhalte:

    Einfhrung o Mobile Roboter: Geschichte der mobilen Roboter und State-of-the-Art o Herausforderungen fr mobile Roboter

    Sensorik & Aktorik fr mobile Roboter

    Robuste Umfelderkennung Roboterkontrollarchitekturen Navigation

    o Lokalisation und Erstellung von Karten (SLAM)

  • Seite | 22

    o Pfadplanung Lernen von Aktionen

    o Reinforcement-Learning o Imitationslernen

    o Evolutionre Robotik Kooperative Roboter Ausblick: wohin entwickelt sich der Bereich mobile Roboter?

    Literatur: Joachim Hertzberg et al.

    Mobile Roboter: Eine Einfhrung aus Sicht der Informatik

    Springer Vieweg Verlag. 2012. Roland Siegwart et al.

    Introduction to Autonomous Mobile Robots

    MIT. 2011

  • Seite | 23

    Wirtschaftsinformatik, Operations Research und E-Business

    Data Warehousing

    Allgemeines:

    Dozent: Prof. Nikolaus Steger

    Pflichtfach:

    Wahlfach: Master Angewandte Informatik

    Voraussetzungen:

    Angebot und Dauer: Wintersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS Praktikum in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Vorlesung 30 Stunden Prsenzzeit Praktikum 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Aktive Teilnahme am Praktikum. Schriftliche Prfung 90 Minuten am Ende des Semesters. Erfolgreiche Teilnahme am Praktikum ist Zulassungsvoraus-

    setzung fr die Prfung.

    Lernergebnisse und Inhalte: Lernergebnisse:

    Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage

    Data Warehouse- Systeme zu planen Multidimensionale Datenmodelle und Datenwrfel zu konzipieren Ladeprozesse fr Data-Warehouse-Systeme zu konzipieren, zu implementieren und zu

    testen Komplexe Anfragen an Data Warehouse-Systeme zu erstellen und die physische Spei-

    cherung ggf. zu optimieren Werkzeuge zur Erstellung von Data-Warehouse-Systemen zu bewerten, passende

    Werkzeuge auszuwhlen und einzufhren Aktuelle Technologien wie Hadoop und Hive einzusetzen und mit klassischen Anstzen

    zu vergleichen

    Lehrinhalte:

    Einsatzbereiche von Data Warehouse-Systemen

    OLTP vs. OLAP Architektur von Data Warehouse-Systemen Das Multidimensionale Datenmodell Dimensionen und Hierarchien Summierbarkeit Konzeptionelle Modellierung Implementierung des MDDM (ROLAP und MOLAP)

    ETL SQL-Erweiterungen fr OLAP Multidimensionale Datenstrukturen (UB-Bume, Bit-Indices, MDC-Tabellen) Physische und Logische Zugriffspfade Map-Reduce, Hadoop

    Data Warehousing mit Hive

  • Seite | 24

    Literatur:

    Data Warehouse Systeme - Architektur, Entwicklung, Anwendung - Bauer/Gntzel (Hrsg), dpunkt Verlag

    Datenbanktechnologie fr Data-Warehouse-Systeme - Wolfgang Lehner, dpunkt Verlag The Data Warehouse Toolkit - Kimball, Ross, John Wiley & Sons Pentaho Solutions Bouman, van Dongen, John Wiley & Sons Pentaho Kettle Solutions, Castens, Bouman, van Dongen, John Wiley & Sons Summarizability in OLAP and Statistical Databases - Lenz, Shoshani, SSDBM97, S. 132-

    143 Programming Hive Capriolo, Wampler, Rutherglen, OReilly

  • Seite | 25

    Requirements Engineering und Management

    Allgemeines:

    Dozent: Prof. Dr. Georg Hagel

    Pflichtfach: -

    Wahlfach: Im Masterstudium Angewandte Informatik

    Voraussetzungen: Keine

    Angebot und Dauer: Wintersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht Just-in-Time-Teaching

    Feedback durch den Einsatz automatischer Antwortsysteme 2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Mndliche Prfung 30 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte:

    Lernergebnisse:

    Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage, die Aufgaben von Requirements-Engineers zu beschreiben. Techniken, mit denen funktionale und nicht-funktionale Anforderungen erhoben und do-

    kumentiert werden zu beschreiben. Techniken, mit denen funktionale und nicht-funktionale Anforderungen erhoben und do-

    kumentiert werden, anzuwenden. qualittssichernde Regeln des SOPHIST-REgelwerks auf bestehende Anforderungen an-

    zuwenden.

    funktionale und nicht-funktionale Anforderungen fr Softwaresysteme zu unterscheiden, und qualittszusichern.

    durch die Lehr- und Lernform Just-in-Time-Teaching selbststndig Lerninhalte zu erar-beiten eine fr das lebenslange Lernen notwendige Technik. wissenschaftliche Kurzvortrge zu erstellen und zu halten.

    Lehrinhalte:

    Der Requirements-Engineer Anforderungsermittlung Das SOPHIST-REgelwerk Schablonen fr Anforderungen Dokumentation von Anforderungen Nicht-funktionale Anforderungen

    Literatur:

    Chris Rupp et al.: Requirements-Engineering und -Management, Hanser, 5. Auflage (2009)

  • Seite | 26

    Identity- und IT-Architekturmanagement

    Allgemeines:

    Dozent: Prof. Dr. Peter Klutke Pflichtfach: Wahlfach: im Masterstudium Angewandte Informatik Voraussetzungen: keine Angebot und Dauer: Wintersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS Praktikum in kleinen Projektteams

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Vorlesung 30 Stunden Prsenzzeit Praktikum 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Die erfolgreiche Teilnahme am Praktikum gilt als Zulassungsvo-

    raussetzung fr die 90 mintige schriftliche Prfung, die am Ende des Semesters erfolgt.

    Lernergebnisse und Inhalte: Lernergebnisse:

    Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage,

    die Grundlagen des Identitymanagements und des IT-Architekturmanagements struktu-riert darzustellen und zu erklren.

    dazugehrige Prinzipien, Konzepte und Strategien zu vergleichen, zu beurteilen, auf neue Situationen anzuwenden und weiterzuentwickeln.

    Lehrinhalte:

    Grundlagen des Identitymanagements mit Einfhrung, Begriffen, einem Ebenenmodell, zugehrigen Prozessen und Technologien, Rollenmodellen sowie organisationsbergrei-fendem Identitymanagement (Federation)

    Grundlagen des IT-Architekturmanagements mit Einfhrung, Begriffen, Bedeutung, Be-standteilen, der Architekturpyramide und deren Schichten, Modellen zur Architekturpla-nung, Referenzarchitekturen sowie dazugehrigen Prozessen

    Im Praktikum werden die Inhalte der Vorlesung vertieft und Fallbeispiele besprochen.

    Literatur:

    Mezler-Andelberg, Christian: Identity Management eine Einfhrung; dpunkt.verlag; 1. Aufl. (Okt. 2007)

    Tsolkas, Alexander; Schmidt, Klaus: Rollen und Berechtigungskonzepte: Anstze fr das Identity- und Access Management im Unternehmen; Vieweg+Teubner Verlag; 1. Aufl. (Aug. 2010)

    Dern, Gernot: Management von IT-Architekturen: Leitlinien fr die Ausrichtung, Pla-nung und Gestaltung von Informationssystemen; Vieweg+Teubner Verlag; 3., durch-ges. Aufl. (Mrz 2009)

    Hanschke, Inge: Enterprise Architecture Management - einfach und effektiv: Ein prakti-scher Leitfaden fr die Einfhrung von EAM; Carl Hanser Verlag GmbH & CO. KG; 1. Aufl. (November 2011)

  • Seite | 27

    E-Business Management

    Allgemeines: Dozent(en): Prof. Dr. Stefan Wind

    Pflichtfach:

    Wahlfach: Im Masterstudium Angewandte Informatik

    Voraussetzungen: keine

    Angebot und Dauer: Sommersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bungen/Praktikum in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung/Praktikum 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden

    sind in der Lage, die durch elektronische Technologien induzierten Vernderungen tradi-tioneller Geschftsprozesse zu erklren

    sind durch ein grundstzliches Verstndnis des E-Business befhigt, die Mglichkeiten innovativer Verfahren zur Information, Kommunikation und Transaktion zu beschreiben

    kennen elektronische Geschftsprozesse und -modelle in der Net Economy

    knnen diese Kenntnisse auf elektronische Kontaktnetzwerke (E-Community), den elekt-ronischen Handel (E-Marketplace), Systeme bei der elektronischen Kooperation (E-Company), Systeme im elektronischen Einkauf (E-Procurement) und Systeme im elekt-

    ronischen Verkauf (E-Shop) transferieren Lehrinhalte: Grundlagen des E-Business Managements

    Geschftsprozessmanagement im E-Business Prozesse, Systeme, Management, Integration und Implementierungen in den Berei-

    chen E-Procurement, E-Community, E-Company, E-Shop und E-Marketplace

    Neuen Trends und Technologien im E-Busienss Literatur: Ferstl O. K.: Sinz E.: Grundlagen der Wirtschaftsinformatik. 6. Aufl.,

    Oldenbourg, Mnchen 2008 Kollmann, T.: EBusiness Grundlagen elektronischer Geschftsprozesse in der Net

    Economy. 5. Auflage. Gabler, Wiesbaden 2013 Meier, A. und Stormer H.: eBusiness & eCommerce : Management der

    digitalen Wertschpfungskette. 2. Aufl., Springer Verlag, Berlin 200 Wirtz B. W.: Electronic Business. 2 Aufl. Gabler, Wiesbaden 2001

  • Seite | 28

    Integration und Management von Geschftsprozessen mit SAP

    Allgemeines: Dozent(en): Prof. Dr. Stefan Wind

    Pflichtfach:

    Wahlfach: Im Masterstudium Angewandte Informatik

    Voraussetzungen: Keine

    Angebot und Dauer: Wintersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Die erfolgreiche Teilnahme an der bung gilt als Zulassungs-voraussetzung fr die 90 minutige schriftliche Prfung am

    Ende des Semesters. Lernergebnisse und Inhalte:

    Lernergebnisse:

    Die Studierenden kennen moderne Integrationsplattformen und Integrationsszenarien sind in der Lage, komplexe, integrierte Geschftsprozesse zu analysieren, zu beschrei-

    ben und zu modellieren sind durch ein grundstzliches Verstndnis befhigt, integrierte Informationssysteme am

    Beispiel von SAP ERP Systemen zu verstehen und zu beschreiben knnen diese Kenntnisse auf die Integration und das Management der grundlegenden

    Geschftsprozesse in den Bereichen Kundenauftragsmanagement, Beschaffung, Finanz-wesen usw. entlang der horizontalen und vertikalen Integration in SAP ERP-Systemen transferieren

    Lehrinhalte: Grundlagen der Integration und Management von Geschftsprozessen mit SAP

    Moderne Integrationsplattformen und Szenarien (z. B. SAP NetWeaver) Integrierte Informationssysteme am Beispiel von ERP und In-Memory-basierte ERP-

    Systemen von SAP

    Modellierung von integrierten Geschftsprozessen und Geschftsprozessmanagement mit ARIS

    Integrierte Geschftsprozesse und prozessorientierte Integration der betrieblichen In-formationsverarbeitung in SAP

    Fallstudien zu komplexen integrierten Geschftsprozessen und Informationssystemen mit SAP ERP GBI

    Literatur:

    Mertens, P.: Integrierte Informationsverarbeitung 1 - Administrations- und Dispositi-onssysteme in der Industrie, 18. Aufl., Wiesbaden 2013

    Mertens, P., Meier M.: Integrierte Informationsverarbeitung 2 Planungs- und Kon-trollsysteme in der Industrie, 10. Aufl., Wiesbaden 2009

    Scheer, A.-W.: Wirtschaftsinformatik - Referenzmodelle fr industrielle Geschftspro-

    zesse, Studienausgabe, 2. Aufl., Berlin, Heidelberg, New York 1998 Scheer, August-Wilhelm. ARISvom Geschftsprozess zum Anwendungssystem.

    Springer-Verlag, 2013

  • Seite | 29

    Algorithmen und Strategien zur Entscheidungsuntersttzung Allgemeines: Dozent(en): Prof. Dr. Jochen Staudacher Pflichtfach:

    Wahlfach: Im Masterstudium Angewandte Informatik Voraussetzungen: Keine Angebot und Dauer: Wintersemester, ein Semester Lehrformen: 3 SWS Seminaristischer Unterricht

    1 SWS Praktikum in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 45 Stunden Prsenzzeit Vorlesung

    15 Stunden Prsenzzeit Praktikum 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Die erfolgreiche Teilnahme an den bungen gilt als Zulas-

    sungsvoraussetzung fr eine 20-mintige mndliche Prfung am Ende des Semesters.

    Lernergebnisse und Inhalte: Lernergebniss:

    Die Studierenden knnen entscheidungs- und spieltheoretische Konzepte auf praktische

    Fragestellungen aus Informatik und Wirtschaftswissenschaften anwenden. Sie knnen beschreiben und analysieren, welchen Einfluss die Struktur eines sozialen

    oder konomischen Netzwerks auf strategisches Handeln besitzt. Sie knnen fr ausgewhlte Anwendungsflle aus groen Datenstzen sinnvolle Infor-

    mation extrahieren, die zur Entscheidungsuntersttzung eingesetzt werden kann.

    Sie knnen die vorgestellten Methoden und Algorithmen in R umsetzen. Sie knnen zu den vorgestellten Anstzen und Algorithmen zur Entscheidungsunterstt-

    zung kritisch Stellung nehmen und deren Potenziale und Grenzen charakterisieren.

    Lehrinhalte:

    Entscheidungskriterien, Entscheidungsmodelle, Entscheidungsalgorithmen Nutzenfunktionen, rationales Entscheiden bei Risiko, Bernoulli-Prinzip Interaktives Entscheiden, Algorithmische Spieltheorie und Anwendungen in Informatik

    und konomie

    Anpassung und Erweiterung spieltheoretischer Anstze zur Analyse konomischer und sozialer Netzwerke

    konomien mit Netzwerkeffekten Statistische Entscheidungstheorie Datenbasiertes Entscheiden: Algorithmen und Anforderungen an die Datenqualitt

    Literatur:

    James N. Webb: Game Theory: Decisions, Interaction and Evolution, Springer, 2007 Michael Maschler, Eilon Solan, Shmuel Zamir: Game Theory, Cambridge University

    Press, 2013 Hans-Jrgen Zimmermann: Operations Research, Vieweg, 2. Auflage, 2008 Matthew O. Jackson: Social and Economic Networks, Princeton University Press, 2008 David Easley, Jon Kleinberg: Networks, Crowds, and Markets: Reasoning About a Highly

    Connected World, Cambridge University Press, 2010

    Pierre Lafaye de Micheaux, Remy Drouilhet, Benoit Liquet: The R Software, Springer, 2014

    Larry Wasserman: All of statistics, Springer, 2004

  • Seite | 30

    Grafik, Game Engineering und KI

    Prozedurales Gamelevel-Design

    Allgemeines:

    Dozent(en): Prof. Dr. Tobias Breiner

    Pflichtfach: -

    Wahlfach: im Master AI

    Voraussetzungen: keine

    Angebot und Dauer: Sommersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bungen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bungen 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftl. Prfung 90 Minuten am Ende des Semesters.

    Lernergebnisse und Inhalte:

    Lernergebnisse:

    Nach erfolgreicher Beendigung der Veranstaltung sind die Studierenden in der Lage, ein 3D-Gamelevel eigenstndig zu entwerfen und zu programmieren

    Die Szenen- bzw. Levelobjekte hierarchisch optimal zu organisieren

    Gelnde und Objekte prozedural zu generieren

    Lehrinhalte:

    Optimaler Aufbau von Szenenhierarchien Lade- und Speicherhierarchien fr 3D-Szenen Sound, Licht und Schatten in 3D-Games

    Vertiefte Texturerstellung, Texturierung, UV-Mapping, etc. in der Praxis Prozedurale Modellierung

    Hardware-Konfigurationen, Quaternionen Partikelsysteme Verteiltes Rendering

    Split-Screens und In-Screens Viewport-Stile Stereoskopie, Multiskopie Level-Design Feinjustierung von LoDs Billboarding Spielelogik und Animationen

    Literatur:

    Vektoria-Manual (downloadbar unter www.vektoria-engine.com)

  • Seite | 31

    Augmented Reality

    Allgemeines:

    Dozent: Prof. Dr. Klaus Ulhaas

    Pflichtfach: -

    Wahlfach: Im Masterstudium

    Voraussetzungen: Englischkenntnisse

    Angebot und Dauer: Wintersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung:

    Schriftliche Prfung von 90 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte: Lernergebnisse: Die Studierenden sind in der Lage

    den Begriff Augmented Reality zu erklren und Anwendungen im Bereich der Mixed Re-

    ality einzuordnen. die Bestandteile und die Anforderungen und technischen Mglichkeiten eines Aug-

    mented Reality Systems zu analysieren. geeignete Lsungsanstze zur Registrierung und zur Visualisierung in einem Anwen-

    dungskontext auszuwhlen und diese zu implementieren. mathematische Verfahren zur Lsung linearer und quadratischer Gleichungen anzuwen-

    den. eine rumliche Kamerastellung zu ermitteln und hierfr Gleichungssysteme aufzustel-

    len. Lehrinhalte: Durch Methoden der Augmented Reality (AR) wird die menschliche Wahrnehmung erweitert, indem virtuelle Informationen nahtlos in reale Welten integriert werden. Das Modul beinhaltet Softwaretech-niken aus den Bereichen der Computergrafik und der Bild- und Signalverarbeitung. Es sind folgende Themen vorgesehen:

    berblick ber Techniken und Definition von Augmented Reality

    Numerische Optimierungsverfahren fr den Einsatz in Echtzeitsystemen User Motion Tracking und Registrierung von Objekten Relativ und absolut arbeitende Inside-Out bzw. Outside-In Systeme zur Registrierung Einfhrung in die Computer Vision Visuelle Ausgabe AR-Anwendungen (Outdoor und Indoor)

    Literatur:

    IEEE Proceedings zum International Symposium on Mixed- and Augmented Reality

  • Seite | 32

    Advanced techniques for realtime 3D graphics and games

    Allgemeines:

    Dozent: Prof. Dr. Bernd Dreier Pflichtfach: Wahlfach: Im Masterstudium Voraussetzungen: Grundlegende Kenntnisse der OpenGL-Rendering Pipeline ent-

    sprechend dem im Bachelor Game Engineering und Bachelor Informatik (Wahlpflichtfach) angebotenen Fach Computergrafik

    Angebot und Dauer: Sommersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht 2 SWS betreutes Praktikum in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Leistungsnachweise im Praktikum, schriftl. Prfung 90 Minuten

    am Ende des Semesters. Leistungsnachweise sind Zulassungsvo-raussetzungen

    Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden haben ein vertieftes Verstndnis der Rendering-Pipeline Die Studierenden verstehen die Anforderungen neuerer OpenGL-Versionen (3.x, 4.x)

    und knnen dafr komplexe Shader auf der Basis von GLSL entwickeln Die Studierenden knnen komplexe Echtzeit-Anwendungen mit OpenGL realisieren Die Studierenden kennen Vor- und Nachteile verschiedener Arten der Speicherung poly-

    gonaler Netze und knnen diese auswhlen und implementieren

    Die Studierenden verstehen die mathematischen Hintergrnde moderner Grafikanwen-dungen

    Die Studierenden verstehen Interpolationsverfahren wie z.B. NURBS und knnen diese in der Computergrafik und Games anwenden

    Die Studierenden kennen ausgewhlte Algorithmen der algorithmischen Geometrie und deren Anwendung fr Computergrafik und Games

    Lehrinhalte:

    Shaderprogrammierung mit GLSL (Stand OpenGL 4.1) OpenGL Puffer und Off-Screen-Rendering Bump-/Shadowmapping, TBN-Koordinatensystem

    Perspektivisch korrekte Interpolation Speicherung und algorithmische Behandlung polygonaler Netze Bzier-Kurven, Splines und NURBS Neue Konzepte in OpenGL 3/4

    Bounding Volumes und ausgewhlte Algorithmen der algorithmischen Geometrie Literatur: Eric Lengyel, Mathematics for 3D Game Programming and Computer Graphics, 3rd Edi-

    tion, 2011 Edward Angel, Interactive Computer Graphics: A Top-Down Approach with Shader-Based

    OpenGL, Addison-Wesley, 2011

    Akenine-Mller, Real-Time Rendering, AK Peters, 2008 Computational Geometry, Mark de Berg, et al., Springer, 2008

  • Seite | 33

    Mustererkennung

    Allgemeines:

    Dozent: Prof. Dr. Stefan Rieck Pflichtfach: - Wahlfach: Im Masterstudium Angewandte Informatik Voraussetzungen: Keine Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung/Praktikum

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte: Lernergebnisse: Die Studierenden knnen Verfahren der Mustererkennung adquat auswhlen und

    Mustererkennungsaufgaben in der Praxis lsen.

    Lehrinhalte:

    Vorverarbeitung der Muster

    Merkmalsgewinnung

    Grundlegende Verfahren zur Erkennung einfacher Muster (Bayes Classifier, Support

    Vector Machines, Neuronale Netze)

    Erkennung komplexer Musterfolgen und strukturierter Muster

    Machine Learning

    Literatur:

    H. Niemann: Klassifikation von Mustern. Springer, Berlin 1983, ISBN3-540-12642-2.

    (online erhltlich).

    Christopher M. Bishop: Pattern Recognition and Machine Learning. Springer, Berlin

    2006, ISBN 0-387-31073-8.

  • Seite | 34

    Computer Vision

    Allgemeines:

    Dozent: Prof. Dr. Klaus Ulhaas Pflichtfach: - Wahlfach: Im Masterstudium Angewandte Informatik Voraussetzungen: Englischkenntnisse Angebot und Dauer: Wintersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters

    Lernergebnisse und Inhalte: Lernergebnisse:

    Die Studierenden sind in der Lage

    den theoretischen Hintergrund ausgewhlter Verfahren der Computer Vision und der OpenCV zu erklren.

    die gelernten Verfahren zu kombinieren und mit der OpenCV in C++ auf Beispiele aus der Praxis zu bertragen.

    die projektive Geometrie fr Ein- und Zweikamerasysteme zu verstehen, sowie die

    grundlegenden Schritte zur Triangulation wiederzugeben und zu berechnen Lehrinhalte:

    Einfhrung in OpenCV 2D Computer Vision:

    Segmentierung, Filteroperationen, Objekterkennungsmethoden

    Merkmalserkennung Homographie-Abbildungen

    3D Computer Vision: Kamerakalibration, 3D Szenengeometrie

    Literatur:

    Milan Sonka, Vaclav Hlavac, Roger Boyle, Image Processing, Analysis, and Machine Vi-sion, Cengage Learning, 4. Auflage, 2014.

    Klaus D. Tnnies, Grundlagen der Bildverarbeitung, Pearson Studium, April 2005 Richard Hartley and Andrew Zisserman, Multiple View Geometry in Computer Vision,

    Second Edition, Cambridge University Press, Mrz 2004

  • Seite | 35

    Deep Learning

    Allgemeines: Deep Learning (DL) ist ein Teilbereich des Machine Learnings, der in den letzten 10 Jahren immer wieder neue Erfolgsmeldungen insbesondere im Bereich der Bild- und Sprachverarbeitung produ-

    ziert hat. Die stark verbesserte Spracherkennungsleistung von Google Now, Apple Siri oder Microsoft Cortana ist auf diese neuen DL Methoden zurckzufhren. Auch erfolgreiche Sprachbersetzungsanwendun-gen wie Skype Translator oder Google Translate sttzen sich heute auf DL Anstze. Bildverarbeitungs-aufgaben wie zum Beispiel die Klassifikation von Bildern oder das Erkennen von Gesichtern werden

    heute von Firmen wie Google und Facebook mittels DL Algorithmen erfolgreich gelst. Auch das Ler-

    nen von Aktionen auf Basis von Belohnungssignalen (Reinforcement-Learning) kann heute von die-sem neuen Ansatz profitieren und fhrte krzlich dazu, dass das Programm AlphaGo als erstes Com-puterprogramm gegen einen Profi-Go-Spieler gewinnen konnte. Der DL Ansatz ist eng verwandt mit Neuronalen Netzen, aber nicht beschrnkt auf die Verwendung von Neuronen als Basisrechenelemente. Viele einfache Rechenelemente werden hierbei in einer ho-hen Anzahl von Ebenen ( tiefe Architektur) auf spezielle Art und Weise miteinander verschaltet. Es

    gibt mindestens 20 verschiedene DL Architekturen. Daher werden in diesem Modul drei der wichtigs-ten DL-Architekturen herausgegriffen und anhand dieser gleichzeitig die Eigenarten des DL Ansatzes aufgezeigt. In den bungen werden die Verfahren entweder in C++ teilweise selber programmiert bzw. die Verwendung der Verfahren unter Zuhilfenahme aktueller DL-Bibliotheken wie z.B. TensorFlow gebt.

    Dozent: Prof. Dr. Jrgen Brauer

    Pflichtfach: - Wahlfach: im Master Angewandte Informatik Voraussetzungen: Analysis, Lineare Algebra, Programmierkenntnisse Angebot und Dauer: Wintersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht

    30 Stunden Prsenzzeit bung

    90 Stunden Selbststudium Leistungsnachweis und Prfung: Schriftliche Prfung 90 Minuten am Ende des Semesters Lernergebnisse und Inhalte:

    Lernergebnisse:

    Die Studierenden kennen mindestens drei der wichtigsten DL Architekturen im Detail

    Fr jeden dieser drei Anstze haben Sie fundiertes Wissen ber den Aufbau und Funktionsweise gesammelt und knnen dieses Wissen bei Problemstellungen im Bereich Bildverarbeitung, Spracherkennung oder Aktionslernen durch Anwendung eines geeigneten DL Verfahrens umsetzen

    Die Studierenden verstehen, welche Eigenschaften die DL Verfahren besonders auszeichnet und von klassischen Machine Learning Verfahren unterscheidet

    Sie kennen die historische Entwicklung des DL Gebietes und knnen abschtzen welche weiteren Entwicklungen zu erwarten sind

    Lehrinhalte:

    Einfhrung o Motivation Deep Learning: krzliche Erfolge o Geschichte des Deep Learnings

    Deep Learning Architekturen & Anwendungen

    o CNN: Convolutional Neural Networks fr Bildverarbeitungsaufgaben

    o LSTM: Long Short Term Memory zur Automatischen Spracherkennung und Sprachbersetzung

  • Seite | 36

    o DQN: Deep Q-Networks zum Erlernen von Aktionen auf Basis von Belohnungssignalen

    Ausblick: wohin entwickelt sich der Ansatz?

    Literatur: Yann LeCun, Yoshua Bengio, Geoffrey Hinton. Deep Learning. Nature, 2015.

    Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press. Voraus-sichtliches Erscheinungsjahr: 2016

    Jrgen Schmidhuber. Deep Learning in Neural Networks: An Overview. Neural Networks Journal 61 (2015): 85-117

    Softwarebibliothek TensorFlow: https://www.tensorflow.org/

    https://www.tensorflow.org/

  • Seite | 37

    4 Allgemeine Wahlpflichtmodule

    Einfhrung in wissenschaftliches Arbeiten

    Allgemeines:

    Dozent: Prof. Dr. U. Ghner Pflichtfach: im Masterstudium Wahlfach: - Voraussetzungen: Keine

    Angebot und Dauer: Wintersemester, ein Semester

    Lehrformen: 2 SWS Seminaristischer Unterricht 2 SWS bung in kleinen Gruppen

    Leistungspunkte: 5

    Arbeitsaufwand: 30 Stunden Prsenzzeit Unterricht 30 Stunden Prsenzzeit bung 90 Stunden Selbststudium

    Leistungsnachweis und Prfung: Studienarbeit Lernergebnisse und Inhalte:

    Lernergebnisse: Effektiver Umgang mit wissenschaftlicher Literatur

    Verstndnis fr Vorgehensweisen zur Lsung wissenschaftlicher Fragestellungen Effektiver Einsatz von Recherchetools

    Lehrinhalte:

    Wissenschaftstheoretische Grundlagen

    bersicht ber Art und Typen wissenschaftlicher Literatur Fachliche und stilistische Regeln wissenschaftlicher Arbeiten Form und Ausgestaltung wissenschaftlicher Arbeiten Kennzeichen und Kriterien wissenschaftlicher Arbeiten

    Literatur: Einfhrung in das wissenschaftliche Arbeiten, Sesink, W., Oldenbourg, 2012.

    Die Technik wissenschaftlichen Arbeitens, Norbert, F., UTB, 2013.

    Scientific Papers and Presentations, Davis, M., Elsevier, 2013

  • Seite | 38

    Datenschutz

    Allgemeines:

    Dozent: Prof. Dr. Arnulf Deinzer

    Pflichtfach: Wahlfach: im Master Angewandte Informatik Voraussetzungen: Angebot und Dauer: Sommersemester, ein Semester Lehrformen: 2 SWS Seminaristischer Unterricht

    2 SWS bungen in kleinen Gruppen (wchentlich 90 Minuten)

    Leistungspunkte: 5 Arbeitsaufwand: 30 Stunden Prsenzzeit Vorlesung

    30 Stunden Prsenzzeit bung

    90 Stunden Selbststudium

    Leistungsnachweis und Prfung:

    Anwesenheitspflicht in den bungen, schriftliche Prfung 90 Mi-nuten am Ende des Semesters. Leistungsnachweis ist Zulas-sungsvoraussetzung.

    Lernergebnisse und Inhalte: Lernergebnisse:

    Kenntnisse, die zur Einarbeitung in die Aufgaben eines betrieblichen oder behrdlichen Datenschutzbeauftragten (DSB) ntig sind

    Lehrinhalte: Informationstechnik und Persnlichkeitsrecht

    Datenschutz-, Computer- und Arbeitsrecht

    IT-Sicherheit Praxis des Datenschutzes

    Literatur:

    Bergmann, Mhrle, Herb: Datenschutzrecht, Boorberg 07/2012 Wilde, Ehmann, Niese, Knoblauch: Bayerisches Datenschutzgesetz, 21. AL 09/2012

  • Seite | 39

    5 Masterarbeit

    Allgemeines:

    Dozent(en):

    Betreuender Professor

    Pflichtfach: Im Masterstudium Wahlfach: - Voraussetzungen: mind. 35 ECTS, 4 Pflichtfcher mit mindestens Note ausrei-

    chend bestanden

    Angebot und Dauer: Die Frist zur Bearbeitung der Masterarbeit im Vollzeitstudium betrgt 6 Monate, im Teilzeitstudium 12 Monate.

    Lehrformen: -

    Leistungspunkte: 30

    Arbeitsaufwand: 900 Stunden

    Leistungsnachweis und Prfung:

    Abschlussarbeit Lernergebnisse und Inhalte: Lernergebnisse: Fhigkeit die im Studium erworbenen Kenntnisse und Fertigkeiten in einer selbstndig

    angefertigten, anwendungsorientiert-wissenschaftlichen Arbeit auf komplexe Aufgaben-stellungen anzuwenden

    Fhigkeit sich selbstndig in ein wissenschaftliches Thema einzuarbeiten Fhigkeit aus unvollstndigen und widersprchlichen Informationen in Abstimmung mit

    dem Aufgabensteller eine konsistente und berzeugende Lsung zu erarbeiten

    Lehrinhalte: Literatur:

    In Absprache mit dem betreuenden Professor