Inhalt anspringen

Master Medizinische Informatik

Schnelle Fakten

  • Fachbereich

    Informatik

  • Stand/Version

    2019

  • Regelstudienzeit (Semester)

    4

Studienverlaufsplan

  • Wahlpflichtmodule 3. Semester

  • Wahlpflichtmodule 4. Semester

Modulübersicht

1. Studiensemester

3D Computersehen und Erweiterte Realitäten für die Medizin
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47614

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Nach Abschluss des Moduls haben die Studierenden folgende Kompetenzen im Bereich der 3D Computer Visualisierung erlangt:

 

 

Fach- und Methodenkompetenz:

 

  • die Bedeutung der Gebiete 3D Computer Vision und Augmented Reality für die Medizintechnik zu erläutern und neue Anwendungsgebiete zu erforschen
  • Aufgabenstellungen für Systeme zur 3D Rekonstruktion aus Projektionen einzuordnen und selbständig mit eigenständig ausgewählter Methodik zu lösen
  • mathematische Methoden, Algorithmen und Datenstrukturen der Kamerakalibrierung und 3D Rekonstruktion aus Projektionen zu erläutern und Lösungen mit Hilfe geeigneter Programmierschnittstellen selbständig entwickeln und implementieren zu können
  • gängige Bildmerkmale zu erläutern und zu berechnen und gemäß einer gegebenen Aufgabenstellung auszuwählen und zu implementieren
Sozialkompetenz:

 

Kooperations- und Teamfähigkeit wird während der Praktikums- und Projektphasen trainiert. Die/der Studierende/r kann in Diskussionen zielorientiert argumentieren und mit Kritik sachlich umgehen; er/sie/es kann vorhandene Missverständnisse zwischen Gesprächspartnern erkennen und abbauen.

Berufsfeldorientierung:

Die Kommunikation mit Kooperationspartnern aus den medizinisch-technischen Fachgebieten/-abteilungen wird durch die Veranstaltung erleichtert, da die Studierenden mit aktuellen 3D-Softwarepaketen, die auch in Kliniken und Arztpraxen eingesetzt werden, entsprechende Lösungen entwickeln können.

Inhalte

  • Einführung und Motivation: 3D Computer Vision (u.a. Rekonstruktion aus Projektionen) und Augmented Reality Anwendungen in der Medizintechnik
  • Überblick über aktuelle Standardsoftware für 3D Computer Vision Anwendungen und Einführung in ausgewählte Programmierschnittstellen, wie z.B. OpenCV, MevisLab Bibliotheken
  • Gewinnung und Analyse von Tiefenbildern: aktive und passive Verfahren
  • 3D Interaktionsmethoden
  • 3D Geometrie, Quaternionen
  • 3D Segmentierung und Registrierung
  • Kamerakalibrierung: Räumliche und projektive Geometrie, Kamera Modelle
  • 3D Rekonstruktion: Stereo-Bildanalyse, Epipolargeometrie, Korrespondenzanalyse
  • Merkmale und Merkmalsextraktion: Edges and Gradients, Structure Tensor, Harris Corner Detector, Fourier Descriptors, SIFT
  • 3D Klassifikation, Deep Learning

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit oder mündliche Prüfung (gemäß akt. Prüfungsplan)
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit oder bestandene mündliche Prüfung (gemäß akt. Prüfungsplan)

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

  • Handels, H.; Medizinische Bildverarbeitung, 2. Auflage, Vieweg+Teubner, 2009
  • Schmalstieg, D. und Höllerer, T.: Augmented Reality: Principles and Practice (Usability), Addison Wesley, 2016.
  • Aukstakalnis, S. Practical Augmented Reality, Addison Wesley, 2016.
  • Szeliski, R.; Computer Vision: Algorithms and Applications, Springer, 2010
  • Hartley, R. et al.; Multiple View Geometry in Computer Vision; Cambridge University Press; 2. Auflage; 2004
  • Toennis, K. D.; Guide toMedical imageAnalysis; 2te Auflage, Springer, 2017
  • Preim, B. und Botha, C.; Visual Computing for Medicine , 2nd edition, Morgan Kaufman Publishers, 2014
  • Forsyth, D. A. and Ponce, J.; Computer Vision - a modern approach, Prentince Hall, 2003
  • Tönnis, M.; Augmented Reality: Einblicke in die Erweiterte Realität; Springer; 2010
  • Furht, B. et al.; Handbook of Augmented Reality; Springer; 2011

Anwendungen der MI
  • PF
  • 4 SWS
  • 7 ECTS

  • Nummer

    47641

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    30 h

  • Selbststudium

    180 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fachkompetenz:

  • Die Studierenden können ein vorgegebenes Thema aus dem Kontext aktueller Forschung zur med. Informatik wissenschaftlich im Team bearbeiten
  • Sie kennen die Methoden der qualifizierten Literaturrecherche
  • Sie können für ihr gewähltes Thema den Stand der Wissenschaft einordnen und darstellen sowie eigene Ansätze zur Weiterentwicklung finden.
  • Sie können Methoden der medizinischen Soft- bzw. Hardwareentwicklung im wissenschaftlichen Kontext anwenden

Sozialkompetenz:

  • Teamarbeit und Organisation im Team (die Studierenden organisieren die Aufgabenverteilung und Überprüfung selbstständig)
  • Präsentation von Zwischen- und Endergebnissen

Berufsfeldorientierung:

  • Kenntnis des aktuellen Forschungsstands ausgewählter Anwendungen

 

Inhalte

Auf Basis einer kurzen einführenden Darstellung der Anwendung bzw. des Anwendungsbereiches des Projektes werden Aufgaben zur selbstständigen Bearbeitung durch das Team vergeben, die nach Maßgabe guter wissenschaftlicher Praxis durchzuführen sind und auch eine komplexere softwaretechnische Implementierung enthalten können.

Lehrformen

  • Gruppenarbeit
  • Projektarbeit
  • eigenständige wissenschaftliche Bearbeitung

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • Hausarbeit
  • Referat

Voraussetzungen für die Vergabe von Kreditpunkten

  • erfolgreiche Hausarbeit
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

Literatur muss von den Studierenden selbst in Bezug zum gewählten Thema ermittelt werden.

Epidemiologie und Anwendungsfelder der MI in der Versorgung
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47717

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Der/die Studierende soll in die Lage versetzt werden, epidemiologische Grundkonzepte verstehen und anwenden zu können. Darüber hinaus soll er/sie einen exemplarischen Überblick darüber gewinnen, wie Methoden der medizinischen Informatik im Hinblick auf bevölkerungs- und patientenbezogene Erkenntnisgewinnung eingesetzt werden können.

Inhalte

Epidemiologische Studientypen, Verzerrungsquellen, Confounding, statistische Verfahren der Epidemiologie, spezielle Anwendungsgebiete der Epidemiologie, Routinedaten im Gesundheitswesen, Sekundärdatenanalyse, Methoden der Erkenntnisgewinnung aus Routinedaten der Versorgung

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

mündliche Prüfung

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene mündliche Prüfung
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

Kreienbrock, L, Schach S: Epidemiologische Methoden. Spektrum Akademischer Verlag GmbH, Heidelberg, Berlin

Fortgeschrittene Methoden der Signal- u. Bildverarbeitung für die Medizin
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47612

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

Nach Abschluss des Moduls sind die Studierenden in der Lage

  • gängige Signal- und Bildtransformationen zu erläutern und zu berechnen und gemäß einer gegebenen Aufgabenstellung auszuwählen und zu implementieren
  • Biosignale selbstständig zu analysieren und die behandelten Methoden auf neue Aufgabenstellungen zu übertragen
  • fortgeschrittene mathematische Methoden, Algorithmen und Datenstrukturen der Bildvorverarbeitung, -registrierung und segmentierung zu erläutern und mit den behandelten Methoden im Kontext neuer Fragestellungen zu experimentieren

Fachübergreifende Methodenkompetenz:

  • Auswahl, Anwendung und Klassifizierung grundlegender mathematisch-technischer Modelle und Methoden
  • Übertragen der mathematischen Methoden und Modelle auf andere Aufgabenstellungen

Selbstkompetenz:

  • Sensibilisierung für Arbeits-, Organisationstechniken und Zeitmanagement im Rahmen eigenständiger Ausarbeitungen und Einzelprojekte


Sozialkompetenz:

  • Entwickeln von Lösungsansätzen in kleineren Teams
  • Verteidigen eigener und Kritisieren anderer Lösungsansätze

Berufsfeldorientierung:

  • Abstrahieren von konkreten Problemen und Wiedererkennen von grundlegenden Modellen aufgrund zahlreicher, berufsfeldbezogener Beispiele
  • Bearbeiten und Lösen von mathematisch-technischen Problemen mit der in der Industrie weitverbreiteten Standardsoftware Matlab®

Inhalte

  • Wichtige Signal- und Bildtransformationen und ihre Anwendungen in der Medizintechnik: Hough/Radon Transform, Fourier Transform, Short-time Fourier Transform, Wavelet Transform, Hilbert Transform, Discrete Cosine Transform, Karhunen-Loève Transform
  • Biosignalverarbeitung: Signalanalyse in der Elektrokardiographie (EKG), Elektroenzephalographie (EEG) und Elektrookulographie (EOG)
  • Bildvorverarbeitung: Verzerrungskorrektur (Singular Value Decomposition), Korrektur von Signalausfällen (Interpolation im Frequenzbereich), Scale-space Processing
  • Bildregistrierung (mono-modal / multi-modal; rigid / non-rigid; 2D/2D, 2D/3D, 3D/3D): Transformationen, Ähnlichkeitsmaße, Optimierung; Landmarken-basiert (data fitting, least-squares, Iterative Closest Point); Bild-basiert (linear, non-linear, non-parametric, hybrid)
  • Bildsegmentierung: Pixelklassifikation, Mean-Shift Clustering, Active Contours/Snakes, Active Shape Models
  • Bildkompressionsverfahren

 

Lehrformen

Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

  • Handels, H.; Medizinische Bildverarbeitung; Vieweg+Teubner; 2. Auflage; 2009
  • Birkfellner W.; Applied Medical Image Processing; Taylor & Francis; 2010
  • Nischwitz, A. et al.; Computergrafik und Bildverarbeitung: Band II: Bildverarbeitung; Vieweg+Teubner; 3. Auflage, 2011
  • Bankman, I. et al.; Handbook of Medical Image Processing and Analysis; Academic Press; 2. Auflage; 2009
  • Lyons, R.; Understanding Digital Signal Processing; Prentice Hall; 2. Auflage; 2004
  • Sonka, M. et al.; Image Processing, Analysis, and Machine Vision; Thomson; 3. Auflage; 2008

Masterprojekt 1
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47570

  • Sprache(n)

    de

  • Dauer (Semester)

    1


Studienmanagement und Software
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47718

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Die Studierenden sollen die Abläufe und beteiligten Akteure bei Planung, Durchführung und Auswertung einer klinischen Studie kennen und verstehen lernen. Weiterhin sollen sie erfahren, welche IT-Unterstützung in den einzelnen Bereichen notwendig und sinnvoll ist und beispielhaft existierende Softwaresysteme kennenlernen. Das soll die Studierenden dazu befähigen, als kompetente Ansprechpartner bei der Konzeptionierung und Implementierung von IT-Lösungen für das Studienmanagement zu agieren.

Inhalte

Arten von Studien (Klinische Studien der Phasen I-IV), epidemiologische Studien, gesundheitsökonomische Studien, etc.), Studienplanung, inklusive Fallzahlplanung, Studiendurchführung und auswertung, Qualitätssicherung und Qualitätsmanagement von Studien, GCP, GEP, Monitoring, Auditing, Überblick über Software, die die Studienplanung, Durchführung und Auswertung unterstützt, Studienregister, Sekundärnutzung von Software für Studienmanagement (Beispiel: KIS)

Lehrformen

Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit
  • erfolgreiches Referat
  • Teilnahme an mindestens 80 % der Präsenztermine

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

Zur Veranstaltung wird ein Skript bereitgestellt.

Telemedizinische Methoden und Werkzeuge / Anwendungen
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47716

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fachkompetenz:

  • Die Studierenden können ein telemedizinisches Projekt anhand einer vorgegebenen Systematik analysieren, klassifizieren und beschreiben
  • Sie kennen die Grundlagen des zu berücksichtigenden Datenschutzes
  • Sie können die Kommunikationslösungen wie eFA, eEPA in den Kontext einordnen und beurteilen, welche Lösung für ein Szenario bei welchen Kriterien geeignet ist
  • Sie können Telemedizin, Teletherapie und Telemonitoring unterscheiden und neue Sachverhalte entsprechend einordnen.

Sozialkompetenz:

  • Teamarbeit und Organisation im Team
  • Führen qualifizierter Interviews

Berufsfeldorientierung:

  • Kenntnis marktrelevanter telemedizinischer Anwendungen

Inhalte

  • Begriffsdefinitionen Telekooperation, Telemonitoring, Teletherapie mit Beispielen
  • Einführung einer Systematik für telemedizinische Projekte (von der Versorgungsproblematik über Lösungsansatz und Kooperationsstrukturen bis zu Kosten-Nutzen-Analyse und Geschäftsmodell)
  • Datenschutz im Bereich Telemedizin und Telematik
  • Kommunikationslösungen im Gesundheitswesen und ihr Bezug zur Telemedizin
  • Anwendung dieser Inhalte auf ein eigenes Fallbeispiel, das semesterbegleitend erarbeitet und abschließend präsentiert wird

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion
  • vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation
  • aktives, selbstgesteuertes Lernen durch Internet-gestützte Aufgaben, Musterlösungen und Begleitmaterialien

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • Hausarbeit
  • Referat

Voraussetzungen für die Vergabe von Kreditpunkten

  • erfolgreiche Hausarbeit
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

  • Tagungsbände Telemed
  • Tagungsunterlagen DGTelemed
  • Bartmann et al; Telemedizinische Methoden in der Patientenversorgung; Deutscher Ärzteverlag 2012

Wissenbasierte Methoden und Systeme für die Medizin
  • PF
  • 4 SWS
  • 5 ECTS

  • Nummer

    47613

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Wissensarten und deren Verwendung in der Medizin
  • Aufbau und Funktionsweise wissensbasierter Systeme allgmein und speziell in der Medizin
  • Modellierung von Wissen verschiedenster Wissensarten
  • Technologien für rechnerbasierte Wissensspeicherung und -verarbeitung
  • Implementierung von Wissensbasen
  • Implementierung von wissensbasierten und entscheidungsunterstützenden informatischen Artefakten und Systemen in der Medizin

Sozialkompetenz:

  • Zusammenarbeit bei Analyse und Recherche neuer Themen, Diskussionen zu bestimmten Aspekten im Rahmen der Lehrveranstaltung

Berufsfeldorientierung:

  • Implementierungskompetenz für kleinere Artefakte der wissensbasierten Entscheidungsunterstützung in der Medizin

Inhalte

Prinzipieller Aufbau wissensbasierter und entscheidungsunterstützender Systeme

  • Wissensbasis
  • Autorensystem für Wissensingenieur
  • Inferenzmaschine
  • Kontrollmodul
  • Faktendatenbasis
  • Benutzerschnittstelle
  • Schnittstellen zu operativen Informationssystemen

Prinzipielle Strukturen für Wissensspeicherung

  • Medizinische Informationsportale
  • Faktendaten- und Handlungsrepositories
  • Fallsammlungen und -beschreibungen
  • Ontologien
  • Klinische Pfade
  • Entscheidungstabellen und -matrizen
  • Regelbasierte Systeme

Aspekte der kontextsensitiven Kopplung von Informationssystemen und Wissensanwendungen

  • Semantische Aspekte
  • EAV-basierte Kopplung
  • Mechanismen der systeminternen Triggerung

Ausgewählte Anwendungen und deren Implementierungspezifika und Persistenzstrukturen in der Medizin

  • CPOE
  • AMTS-Anwendungen
  • Anwendungen zur Verbesserung der Patientensicherheit
  • Leitlinienanwendung
  • Anwendung klinischer Pfade und Algorithmen
  • Labordiagnostik
  • entscheidungsunterstützende Systeme in der Differentialdiagnostik
  • enscheidungsuntersützende Ansätze in der Bildverarbeitung

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Gruppenarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit
  • erfolgreiche Projektarbeit
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

  • Gross R., Löffler M.: Prinzipien der Medizin eine Übersicht ihrer Grundlagen und Methoden. Springer Verlag Heidelberg 1997.
  • Hartmann F.: Elemente des ärztlichen Erkenntnisprozesses. in: Reichertz P.L.; Goos, G (Hrsg.) Informatics and Medicine - An Advanced Course Spinger Verlag 1977.
  • Hucklenbroich P., Toellner R.: Künstliche Intelligenz in der Medizin. Gustav Fischer Verlag Stuttgart 1993.
  • Mannebach, H.: Die Struktur des Ärztlichen Denkens und Handelns.: Chapman and Hall 1997..
  • Russel, N.: Artificial Intelligence: A Modern Approach, Prentice Hall 1995.
  • Sackett D.L., Richardson S., Rosenberg W. Haynes R.B.: Evidenzbasierte Medizin Deutsche Ausgabe von Regina Kunz und Lutz Fritsche. Bern Wien New York: W. Zuckschwerdt Verlag 1999.
  • Spreckelsen C., Spitzer K.: Wissensbasen und Expertensysteme in der Medizin. Kl-Ansatze zwischen klinischer Entscheidungsunterstutzung und medizinischem Wissensmanagement. vieweg+Teubner Wiesbaden 2008.
  • Spreckelsen C., Spitzer K.: Entscheidungsunterstützende Systeme und wissensbasierte Methoden in
    der Medizin. in: Lehmann M., Meyer zu Bexten E.: Handbuch der Medizinischen Informatik. Hanser
    2001 S. 103-167
  • Warner R., Sorensen D. K., Bouhaddou O.: Knowledge Engineering in Health Informatics. Springer New York 1997.

Wissenschaftliches Kolloquium
  • PF
  • 2 SWS
  • 3 ECTS

  • Nummer

    47643

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    30 h

  • Selbststudium

    60 h


Lernergebnisse (learning outcomes)/Kompetenzen

Erlangung eines Überblicks über den Stand der Wissenschaft bei ausgewählten Gebieten der Medizinischen Informatik. Anregung und Unterstützung für eigene Arbeiten und Themengenerierungen. Kompetenz als Berichterstatter für Vorträge und zu Tagungen zu fungieren.

Inhalte

  • Vorträge von Gastwissenschaftlern oder ausgewiesenen Experten aus der Berufspraxis.
  • Besuch von Kolloquien anderer Institutionen.
  • Besuch von einschlägigen Tagungen und Bericht darüber.
  • Vorträge von wissenschafltichen Mitarbeitern/innen oder Studierenden über interessante eigene Arbeiten.

Lehrformen

Seminar

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

Referat

Voraussetzungen für die Vergabe von Kreditpunkten

erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

Literatur muss von den Studierenden selbst in Bezug zum Thema ermittelt werden.

Aktuelle Trends der Medizinischen Informatik
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46913

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

In der Lehrveranstaltung "Aktuelle Trends der Medizinischen Informatik" werden Inhalte zu einem speziellen und aktuellen Thema der Medizinischen Informatik vorgestellt.

Diese Lehrveranstaltung bietet die Möglichkeit, eine Lehrveranstaltungen anzubieten, die nicht in der jährlichen Regelmäßigkeit angeboten wird. Gezielt können hierzu Lehrveranstaltungen durch die kooperierenden Dozenten der Universität Duisburg-Essen, Lehrbeauftragte aus dem In- und Ausland und Kooperationspartner angesprochen werden, um Aktuelle Trends vorzustellen. Die angebotenen Themen erweitern gezielt das Lehrangebot im Bereich der Medizinischen Informatik. Sowohl die Inhalte der Lehrveranstaltung, als auch die Lehrformen und die Prüfungsformen können von Semester zu Semester variieren und sollen nur einen geringen inhaltlichen Überlappungsgrad zu bestehenden Lehrveranstaltungen haben.

Fach- und Methodenkompetenzen

  • Die Studierenden kennen die Grundlagen zum Thema
  • Die Studierenden kennen die Anforderungen, Prinzipien, Architekturen, Methoden, Verfahren und Werkzeuge zum Thema
  • Die Studierenden können eigenständig Aufgaben bearbeiten (Fallstudien, Projektaufgaben Entwicklungsaufgaben)..

Selbstkompetenz

  • Die Studierenden erarbeiten ihre Ergebnisse eigenständig oder in Teams und präsentieren sie.

Sozialkomptenz

  • Praktische Arbeiten erfolgen in Teams.

 

 

Inhalte

Im Rahmen dieser Lehrveranstaltung werden durch einen Dozenten oder Lehrbeauftragten gezielt 'Aktuelle Trends der Medizinischen Informatik' vorgestellt. Das Angebot dieser Lehrveranstaltung erfolgt unter Kapazitätsgesichtspunkten in Abstimmung mit demStudiendekan. Für die konkrete Lehrveranstaltung wird im Vorfeld eine Modulbeschreibung - gemäß der Vorgaben desModulhandbuches - erstellt. Der Studiengangsleiter prüft anhand derer die Eignung der Lehrveranstaltung zurErgänzung des Lehrangebotes. Die Modulbeschreibung wird den Studierenden von Beginn Vorfeld derLehrveranstaltung zur Verfügung gestellt. Die Qualitätssicherung erfolgt durch den Studiengangsleiter.

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit oder mündliche Prüfung (gemäß akt. Prüfungsplan)

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit oder bestandene mündliche Prüfung (gemäß akt. Prüfungsplan)

Literatur

wird vom Lehrenden während der Veranstaltung bekanntgegeben.

Anerkannte Wahlpflichtprüfungsleistung
  • WP
  • 0 SWS
  • 5 ECTS

  • Nummer

    46996

  • Sprache(n)

    de

  • Dauer (Semester)

    1


Anerkannte Wahlpflichtprüfungsleistung
  • WP
  • 0 SWS
  • 5 ECTS

  • Nummer

    46995

  • Sprache(n)

    de

  • Dauer (Semester)

    1


Angewandte Statistik
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46801

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Befähigung zur Gewinnung von Informationen aus Daten mit statistischen Methoden, speziell mit Regressionsverfahren.

Fach- und Methodenkompetenz:

  • Erwerb methodischer Kenntnisse der explorativen und induktiven Statistik
  • Formulieren von statistischen Modellen, speziell Regressionsmodelle
  • Auswahl und Durchführung von Parameterschätzung, Modellselektion, Modellüberprüfung mit anschließender Ergebnisinterpretation
  • Berechnen von Prognosen und Prognoseintervallen
  • Durchführung und Analyse von realen Experimenten und Computersimulationen basierend auf statistischer Versuchsplanung
  • Modellbasierte Optimierung von technischen und logistischen Prozessen
  • Eigenständige Analyse von Datensätzen mit statistischer Software (R, JMP,...) und Dokumentation in Berichtsform

Fachübergreifende Methodenkompetenz:

  • Unterstützen von Entscheidungsprozessen durch Datenanalyse
  • Erstellen von Prognosen mit Unsicherheitsabschätzung auf Basis von Datensätzen
  • Anwenden statistischer Methoden im Zusammenhang mit der Auswertung von Datenbanken

 

Inhalte

  • Definition des klassischen linearen Modells
  • Modellparameter, ML- und KQ-Schätzung
  • Hypothesentests im Kontext von Regressionsmodellen
  • Residualanalyse
  • Modellwahl und Variablenselektion
  • Modellinterpretation, Prognose und Prognoseintervalle
  • Grundlagen der statistischen Versuchsplanung (Versuchsplan, Versuchsbereich, Kodierung, Randomisierung, Wiederholungen, Blockbildung)
  • Screening- und Optimierungspläne, Raumfüllende Pläne
  • Einblick in verschiedene statistische Modelle (Varianzanalyse, Generalisierte Lineare Modelle, Gaußprozessmodelle, )

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation
  • Übungen oder Projekte auf der Basis von praxisnahen Beispielen

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

Projektarbeit mit mündlicher Prüfung

Voraussetzungen für die Vergabe von Kreditpunkten

erfolgreiche Projektarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Master Wirtschaftsinformatik

Literatur

  • Fahrmeir, L., Künstler, R., Pigeot, I., Tutz, G. (2016), Statistik - der Weg zur Datenanalyse, 8. Aufl., Springer, Berlin.
  • Fahrmeir, L., Kneib, Th., Lang, S., Marx, B. (2013), Regression: Models, Methods and Applications, Springer, Berlin.
  • Dobson, A.J., Barnett, A.G. (2018), An Introduction to Generalized Linear Models, 4th edition, Taylor & Francis Ltd, Boca Raton.
  • Sievertz, K., van Bebber, D., Hochkirchen, Th. (2017) Statistische Versuchsplanung - Design of Experiments (DoE), 4te Auflage, Springer Vieweg, Berlin.

Ausgewählte Aspekte der Informationssicherheit
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46857

  • Sprache(n)

    en, de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Die Studierenden sind in der Lage,
- sich selbstständig in ein Thema der IT- und Informationssicherheit einzuarbeiten, eine adäquate Literaturrecherche zu planen und durchzuführen, eine wissenschaftliche Ausarbeitung anzufertigen und diese mündlich zu präsentieren.
- Methoden der IT- und Informationssicherheit selbstständig auszuwählen und anzuwenden.
- Standards, Best Practices und in der Praxis relevante Software-Werkzeuge der IT- und Informationssicherheit selbstständig auszuwählen und anzuwenden.

Inhalte

- Abhängig von den für das jeweilige Semester tatsächlich ausgewählten Themen.
- Beispielhafte Themen:
- Schwachstellenanalyse eines konkreten Software-/oder Hardwareprodukts
- Penetration Testing eines konkreten Software-/oder Hardwareprodukts
- Anwendung von Software-Werkzeugen zur Entwicklung sicherer Software
- Informationsssicherheitsmanagementsysteme, insb. Risikomanagement

Die Unterrichtssprache ist englisch.

Lehrformen

  • seminaristischer Unterricht
  • seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

Referat

Voraussetzungen für die Vergabe von Kreditpunkten

erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Master Wirtschaftsinformatik

Literatur

- Abhängig von den für das jeweilige Semester tatsächlich ausgewählten Themen.

Ausgewählte Aspekte der Praktischen Informatik
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46915

  • Dauer (Semester)

    1


Berechenbarkeit und Komplexitätstheorie
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46866

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Grundbegriffe und Konzepte der Berechenbarkeit und Komplexitätstheorie benennen können.
  • Unterschiedliche Modelle von Turingmaschinen programmieren und analysieren können.
  • Komplexitätsaussagen von Problemen verstehen, einordnen und bewerten können.
  • Selbstständig Probleme bezüglich ihrer Berechenbarkeit und Komplexität einschätzen und klassifzieren können.
  • Bei schweren Problemen die Möglichkeit einer approximativen Lösung prüfen können.

Inhalte

  • Turingmaschinen: 1-Band-TM; Mehrband-TM; Church-Turing Hypothese; Universelle TM; Nichtdeterministische TM
  • Berechenbarkeit: Entscheidbare, Semi-entscheidbare und unentscheidbare Probleme; Diagonalisierung: Halteproblem; Reduktion unentscheidbarer Probleme
  • Komplexitätstheorie: Laufzeiten; Klassen P und NP; P-NP Problem; NP-Vollständigkeit; Polynomielle Reduktion; NP-vollständige Probleme
  • Approximation: Approximationsgüte; Approximationsalgorithmen; Nicht-Approximierbarkeit

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • vorlesungsbegleitende Übung
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • Gruppenarbeit
  • Einzelarbeit
  • aktives, selbstgesteuertes Lernen durch Internet-gestützte Aufgaben, Musterlösungen und Begleitmaterialien

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik

Literatur

  • Hopcroft, J.E., Motwani, R., Ullman, J.D.; Einführung in Automatentheorie, Formale Sprachen und Berechenbarkeit; Pearson Studium, 3. Auflage, 2011
  • Hoffmann, D.W.; Theoretische Informatik; Hanser; 3. Auflage; 2015
  • Erk, K., Priese, L.; Theoretische Informatik; Springer; 4. Auflage; 2018

Business Intelligence
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46874

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

 

Fach- und Methodenkompetenz:
Die Studierenden erwerben umfassendes, theoretisches und praktisches Wissen über den Einsatz verschiedener Business-Intelligence-Lösungen und identifizieren neben den Grundlagenkenntnissen im Bereich Datenextraktion, Datenmodellierung und Datenpräsentation auch die mit der Planung und Umsetzung einer Business-Intelligence Lösung verbundenen Herausforderungen und Chancen. Die Studierenden analysieren verschiedene Methoden, wie Business-Intelligence-Lösungen konzipiert werden können (Top-Down Approach, Bottom-Up etc.). Sie bestimmen zudem verschiedene Analysemethoden, die abhängig vom Bedarf eingesetzt und zugeordnet werden können.

 

Fachübergreifende Methodenkompetenz:
Der Einsatz von Top-Down- und Bottom-Up Methoden ist auch auf andere IT-Anwendungsbereiche übertragbar und hilft den Studierenden bspw. auch bei der Gestaltung und Implementierung operativer Softwarelösungen. Weiterhin kann das erworbene Wissen auch im Bereich Projektmanagement genutzt werden.

 

Selbstkompetenz:
Die individuelle Leistungsbereitschaft der Studierenden wird im Rahmen der Übungsaufgaben am System durch gezielte Anreize - vergleichbar einer Wettbewerbssituation" im Sinne eines Messens mit anderen Gruppen - gefördert.

 

Sozialkompetenz:
Die Studierenden lösen selbstständig anhand verschiedener Fallstudien Fragestellungen unter Zuhilfenahme einer Business-Intelligence Lösung. Die Studierenden erproben ihr Wissen praktisch in Form von Übungsaufgaben, die mit Hilfe einer Standardanwendungssoftware gelöst werden, und differenzieren damit ihr fachliches Wissen. Die Übungsaufgaben und Fallstudien sind als Gruppenarbeit angelegt und fördern so die Kommunikationsfähigkeit. Zudem werden die Lösungen vor der Gruppe präsentiert und damit die Präsentationsfähigkeit verbessert.

 

Berufsfeldorientierung:
Der Einsatz aktueller Softwarelösungen in dieser Veranstaltung qualifiziert die Studierenden eine Business Intelligence Lösung in ihrem Berufsalltag effizient einzusetzen bzw. aufzubauen. Der Einsatz einer solchen Lösung ist in allen Funktionsbereichen des Unternehmens möglich. Die erworbenen Kenntnisse sind so auch die aktuelle starke Marktnachfrage nach WI-Absolventen mit BI-Kenntnissen - im Bereich IT-Consulting anwendbar.

Inhalte

Seminaristische Lehrveranstaltung:

  • Grundlagen zur Business Intelligence
  • Anwendungen der Business Intelligence
  • Datenbereitstellung und Datemnmodellierung

Übung:

  • Reporting Case mit Pivot-Tabellen in Microsoft Excel
  • Reporting Case mit SAP Analysis for Office
  • Abfragen mit SAP Query Designer
  • Modellierung mit SAP BW
  • ETL-Prozess mit SAP BW

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • vorlesungsbegleitende Übung
  • Übungen oder Projekte auf der Basis von praxisnahen Beispielen

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit
  • erfolgreiches Praktikumsprojekt (projektbezogene Arbeit)

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Wirtschaftsinformatik
  • WXYZ

Literatur

  • Gluchowski, Peter/Chamoni, Peter (2016): Analytische Informationssysteme: Business Intelligence-Technologien und -Anwendungen, 5., vollst. überarb. Aufl., Berlin 2016.
  • Kemper, Hans-Georg/Baars, Henning/Mehanna, Walid (2010): Business Intelligence - Grundlagen und praktische Anwendungen: Eine Einführung in die IT-basierte Managementunterstützung, 3., überarb. und erw. Aufl., Wiesbaden 2010.
  • Klostermann, Olaf/Klein, Robert/O'Leary, Joseph W./Merz, Matthias (2015): Praxishandbuch SAP BW, 1. Aufl, Bonn 2015.
  • Meier, Andreas (2018): Werkzeuge der digitalen Wirtschaft: Big Data, NoSQL & Co.: Eine Einführung in relationale und nicht-relationale Datenbanken, Wiesbaden 2018.
  • Müller, Roland M./Lenz, Hans-Joachim (2013): Business Intelligence, Berlin 2013.
  • Plattner, Hasso/Zeier, Alexander (2011): In-Memory Data Management: An Inflection Point for Enterprise Applications, Berlin, Heidelberg 2011.
  • White, Tom (2015): Hadoop: The Definitive Guide, 4. Aufl., Sebastopol 2015.

Entwurf und Modellierung komplexer Software-Architekturen
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46862

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

In diesem Modul vertiefen Studierende ihre Kompetenzen im Entwurf von Software-Architekturen komplexer Systeme. Die Studierenden lernen, wie sie durch Auswahl und Anwendung geeigneter Prinzipien, Muster und Methoden eine skalierbare, robuste und wartbare Software-Architektur domänengetrieben entwerfen können. Die Analyse und Diskussion solcher Software-Architekturen erfolgt anhand von Praxisbeispielen und konkreten Lösungen aus Forschungsprojekten.

 

Fach- und Methodenkompetenz:

  • Die Teilnehmer*innen können grundlegende Prinzipien des Software-Entwurfs differenzieren und auf konkrete Anwendungsszenarien übertragen.
  • Die Studierenden sind in der Lage, zentrale Muster auf Ebene der Makro- und Mikroarchitektur zu differenzieren, zu analysieren und anzuwenden.
  • Die Teilnehmer*innen kennen relevante Instrumente und Methoden zum domänengetriebenen Entwurf und können diese in konkreten Anwendungsszenarien geeignet kombinieren und umsetzen.
  • Die Studierenden können aktuelle Forschungsansätze zur Modellierung von Softwarearchitekturen benennen und einordnen.

Fachübergreifende Methodenkompetenz:

  • Die Teilnehmer*innen beherrschen die Analyse einer komplexen Problemstellung und können diese in Teilprobleme zerlegen. Sie stärken so ihre Kompetenzen, eine umfangreiche Aufgabenstellung im Rahmen eines Projektes über mehrere Wochen arbeitsteilig im Team umzusetzen.
  • Studierende erlernen Methoden zum interdisziplinären Erarbeiten von Lösungen, z.B. gemeinsam mit Fachexpert*innen ohne technischen Hintergrund.

Sozialkompetenz:

  • Die Teilnehmer*innen erarbeiten und realisieren Lösungen kooperativ im Team.
  • Sie sind darüber hinaus in der Lage, ihre Ideen und Lösungen zu präsentieren, zu erläutern und zu diskutieren.

Berufsfeldorientierung:

  • Studierende erwerben Kenntnisse zur Lösung typischer Aufgabenstellungen im Bereich der Software-Architekturen. Sie können Entwurfsentscheidungen fundiert treffen und begründen.
  • Zudem sammeln sie Erfahrungen in der Anwendung von essentiellen Werkzeugen der Softwareentwicklung, wie etwa Entwicklungsumgebungen oder Build-Management-Werkzeugen.

Inhalte

Das Modul umfasst folgende Themenbereiche:

  • Kurze Wiederholung des Bachelor-Stoffs zum Software-Entwurf (z.B. Entwurfsmuster nach Gamma et al., Separation of Concerns, Schichtenarchitektur)
  • Vertiefte Aspekte des Software-Entwurfs:
    • Prinzipien (z.B. Lose Kopplung - hohe Kohäsion, SOLID)
    • Architekturmuster (z.B. Ports and Adapter, CQRS)
    • Methoden (z.B. Domain-Driven Design, WAM-Ansatz)
  • Charakteristika und Muster moderner Architekturstile (z.B. modulare Architekturen, ereignisbasierte Architekturen, Microservice-Architekturen)
  • Modellgetriebener Entwurf, Entwicklung und Rekonstruktion von Software-Architekturen

Lehrformen

  • vorlesungsbegleitendes Praktikum
  • Gruppenarbeit
  • Übungen oder Projekte auf der Basis von praxisnahen Beispielen
  • Umgedrehter Unterricht (inverted classroom)
  • Screencasts
  • Projektorientiertes Praktikum in Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit oder mündliche Prüfung (gemäß akt. Prüfungsplan)
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit oder bestandene mündliche Prüfung (gemäß akt. Prüfungsplan)
  • erfolgreiches Praktikumsprojekt (projektbezogene Arbeit)

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Wirtschaftsinformatik
  • Master Informatik
  • Master Medizinische Informatik

Literatur

  • Evans E.; Domain-Driven Design: Tackling Complexity in the Heart of Software. Addison-Wesley; 2003
  • Vernon V.; Domain-Driven Design kompakt. dpunkt; 2017
  • Richardson C.; Microservice Patterns. Manning; 2018
  • Starke G.; Effektive Softwarearchitekturen. Hanser Verlag; 8. Auflage; 2018
  • Martin R. C.; Clean Architecture. Prentice Hall; 2018
  • Goll J.; Entwurfsprinzipien und Konstruktionskonzepte der Softwaretechnik. Prentice Hall; Springer Vieweg; 2018
  • Bass, Len, Paul Clements, and Rick Kazman. Software Architecture in Practice: Software Architect Practice. Addison-Wesley, 2012.
  • Balzert H.; Lehrbuch der Softwaretechnik. Entwurf, Implementierung, Installation und Betrieb. Spektrum Akademischer Verlag; 3. Auflage; 2011
  • Gamma E., Helm R., Johnson R., Vlissides J.; Design Patterns. Addison-Wesley; 1995
  • Rademacher, Florian. A language ecosystem for modeling microservice architecture. Diss. 2022.

Formale Sprachen und Compilerbau
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46865

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Nach Abschluss der Vorlesung sind die Studierenden in der Lage, xxx

Fach- und Methodenkompetenz:

  • Probleme zu identifizieren, zu deren Lösung Techniken des Compilerbaus eingesetzt werden sollten
  • zu einfachen formalen Sprachen die sie erzeugenden Grammatiken anzugeben und das Ergebnis zu verifizieren
  • den Zusammenhang zwischen Token, regulären Ausdrücken, regulären Sprachen und den sie akzeptierenden Automaten zu erläutern und auf Basis dieser Kenntnis zu einem Token den Automaten zu entwickeln, der genau die zum Token gehörenden Lexeme akzeptiert
  • einen Scanner für eine kleine Beispielsprache zu entwickeln
  • für eine vorgegebene Grammatik zu entscheiden, ob sie für die sackgassenfreie Top-Down-Analyse geeignet ist und ggf. problematische Produktionen geeignet zu modifizieren
  • einen Parser für eine kleine Beispielsprache auf Basis des rekursiven Abstiegs zu entwickeln
  • kleine Grammatiken zum Zweck der syntaxgesteuerten Übersetzung um geeignete Attribute und semantische Regeln zu erweitern
  • einen syntaxgesteuerten Übersetzer auf der Basis vorgegebener Übersetzungsschemata zu entwickeln
  • basierend auf einer zu übersetzenden Quellsprache geeignete Entscheidungen für Speicherorganisation und Laufzeitsystem zu treffen
  • die Komponenten einer abstrakten 3-Adress-Maschine zu benennen
  • gängige Optimierungsverfahren zu benennen und auf vorgegebenen 3-Adress-Code anzuwenden

 

Inhalte

  • Anwendungsgebiete und Systemumgebungen für Compiler
  • Aufgaben und Ergebnisse der Analyse- und Übersetzungsphasen eines Compilers
  • Grammatiken, Reguläre Sprachen und Automaten im Kontext der Lexikalischen Analyse
  • Systematische Implementierung eines Scanners auf Basis deterministischer, endlicher Automaten
  • Grundlagen und Prinzip der Top-Down-Analyse inklusive möglicher auftretender Probleme
  • LL(k)-Grammatiken als Basis für die sackgassenfreie Top-Down-Analyse
  • Charakterisierung von LL(1)-Grammatiken
  • Berechnung von FIRST-, FOLLOW- und Steuermengen für LL(1)-Grammatiken
  • Implementierung eines vorgreifenden Analysators 1) auf Basis einer Analysetabelle, 2) durch rekursiven Abstieg
  • Attributierte Grammatiken als Basis für die syntaxgesteuerte Übersetzung
  • Implementierung der syntaxgesteuerte Übersetzung durch eine Variante des rekursiven Abstiegs basierend auf Übersetzungsschemata
  • Einfluss der Quellsprache auf Speicherorganisation und Laufzeitsystem
  • Verschiedene Arten von Zwischendarstellungen., insbesondere 3-Adress-Code
  • Struktur einer abstrakten Maschine für 3-Adress-Code
  • Übersetzung einer Beispielsprache in 3-Adress-Code auf Basis von Übersetzungsschemata
  • Maschinenunabhängige und maschinenabhängige Optimierungen

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit
  • aktives, selbstgesteuertes Lernen durch Internet-gestützte Aufgaben, Musterlösungen und Begleitmaterialien

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Bachelor Software- und Systemtechnik (dual)
  • Bachelor Software- und Systemtechnik (dual)

Literatur

  • R.H. Güting, M. Erwig, Übersetzerbau: Techniken, Werkzeuge, Anwendungen. Springer-Verlag, Berlin Heidelberg 1999
  • A.V. Aho, M.S. Lam, R. Sethi und J.D. Ullman, Compilers. Principles, Techniques, and Tools. Addison-Wesley, 2006
  • A.V. Aho, M.S. Lam, R. Sethi und J.D. Ullman, Compiler. Prinzipien, Techniken und Werkzeuge. PEARSON STUDIUM, 2008
  • K. D. Cooper und L.Torczon, Engineering a Compiler, Second Edition. Academic Press, 2011

Fortgeschrittene BWL
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46911

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Im Rahmen der fortgeschrittenen BWL wird die Bedeutung der Betriebswirtschaftslehre für Informatik-Führungskräfte dargestellt.

Fach- und Methodenkompetenz:
Die Studierenden bekommen Informationen über Vertragsgestaltungen in Unternehmungen, rechtliche Absicherungen, Kalkulationen, Kostenrechnung usw. Die Studierenden können anschließend Verträge und Kalkulationen erstellen und ananlysieren.

Die Frage der Unternehmensformen mit den Möglichkeiten der Finanzierung und Haftungsfragen sind Gegenstand der Veranstaltung. Die Studierenden können anschließend Entscheidungen über geeignete Unternehmensformen treffen.

Angehende Projektleiter erhalten Einblicke in Budgetierungsfragen, in Investitions- und Finanzierungsrechnung sowie Unternehmensführung. Die Studierendne können danach Tools und Techniken des Projektmanagements anwenden.

Fachübergreifende Methodenkompetenz:
In der Veranstaltung wird die Verbindung zum Themenkomplex Umweltschutz hergestellt. Die Bedeutung von "Nachhaltigkeit = Sustainability" wird vermittelt. Die Verknüpfung von Ökologie und Ökonomie nicht als Widerspruch sondern als Chance stehen im Mittelpunkt. Die Studierenden erlernen, welche Bedeutung die Informatik im modernen Umweltschutz hat und welche Möglichkeiten bestehen aktiv an neuen Konzepten mitzuarbeiten und eigene Konzepte zu entwickeln.

Berufsfeldorientierung:
Absolventen, die sich selbständig machen wollen, werden in die Lage versetzt das Risiko und die Chancen der Selbständigkeit abzuwägen und entsprechende Entscheidungen zu treffen.

Angehende Projektmanager sind in der Lage die Elemente des Projektmanagements anzuwenden und in der Praxis einzusetzen.

Inhalte

  • Wie mache ich mich selbständig? Vor- und Nachteile verschidener Unternehmensformen, Finanzierungsmöglichkeiten, rechtliche und steuerliche Aspekte, Haftungsfragen, Kalkulationen, Die Bedeutung der Vollkostenrechnung und der Deckungsbeitragsrechnung.
  • Wie leite ich ein Projekt? Bedeutung der Budgetierung für das Projektmanagement. Marketing für Projekte in projektgestützten Unternehmensformen. Die Investitions- und Finanzierungsrechnung mit der Armortisationsrechnung als Entscheidungskriterium für Projektentscheidungen.
  • Unternehmensführung, SWOT-Analyse, HRM, Einsatz von ERP Systemen in der Unternehmensführung
  • Umweltschutz als Chance
  • Verknüpfung bestehender Techniken zu Systemen
  • Energietechnik: Photovoltaik, Warmwasserkollektoren, Erdwärme, Windkraft, Wasserkraft, Wärmepumpen, Stirling-Motor, Energie-harvesting zum Betreiben von Kleinstverbrauchern, Mikro-Controller zur Steuerung von Umweltprozessen, Piezotechnik als Federelement im Fahrzeugbau.

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik

Literatur

  • Common, Michael / Stagl, Sigrid, Ecological Economies, Cambridge 2005
  • Schaltegger, S. / Wagner, M., Manageing the business case for susatainability, Sheffield / UK 2006

Fortgeschrittenes Webengineering
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46854

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

In diesem Modul erhalten Studierende einen Überblick über Architekturen komplexer Web-Anwendungen und analysieren deren Unterschiede sowie Einsatzgebiete. Sie lernen, wie entsprechende Web-Anwendungen durch die Auswahl und den Einsatz geeigneter client- und serverseitiger Technologien realisiert werden können.

Fach- und Methodenkompetenz:

  • Die Teilnehmer*innen können verschiedene Architekturen sowie zentrale Architekturmuster von Web-Anwendungen analysieren und differenzieren.
  • Die Teilnehmer*innen sind in der Lage, aus einer konkreten Problemstellung eine passende Architektur abzuleiten sowie für die Umsetzung geeignete Web-Technologien zu bestimmen und anzuwenden.
  • Die Studierenden können wichtige Web-Standards und -Technologien benennen, einordnen und anwenden.

Fachübergreifende Methodenkompetenz:

  • Die Teilnehmer*innen beherrschen die Analyse einer umfangreichen Anforderung und können diese in Teilanforderungen zerlegen. Sie haben Erfahrungen, Teilanforderungen über mehrere Wochen im Rahmen eines Gesamtprojektes im Team umzusetzen.
  • Studierende können Architekturen von Softwaresystemen einordnen, ableiten und umsetzen.

Sozialkompetenz:

  • Die Teilnehmer*innen erarbeiten und realisieren Lösungen kooperativ im Team.
  • Sie sind darüber hinaus in der Lage, ihre Ideen und Lösungen zu präsentieren, zu erläutern und zu diskutieren.


Berufsfeldorientierung:

  • Studierende erwerben Kenntnisse typischer Aufgabenstellungen in der Web-Entwicklung sowie in der Anwendung konkreter Web-Technologien.
  • Zudem sammeln sie Erfahrungen in der Anwendung von essentiellen Werkzeugen der Softwareentwicklung, wie etwa Entwicklungsumgebungen oder Build-Management-Werkzeugen.

Inhalte

Die Vorlesung umfasst folgende Themenbereiche:

  • Kurze Wiederholung der Grundlagen zum Aufbau von Webseiten mit HTML, CSS und JavaScript (Bachelor-Stoff)
  • Betrachtung, Analyse und Differenzierung von Architekturen moderner Web-Anwendungen:
    • Architekturmuster wie z.B. MVC und seine Varianten (MVVM, MVP, etc.)
    • Anfragebasierte und komponentenbasierte Web-Frameworks
    • Single Page Applications, Server-Side Rendering, Client-Side Rendering
    • Reaktive Programmierung/Streaming
  • Vertiefung serverseitiger Technologien zur Entwicklung von Web-Anwendungen (z.B. mit Java, JavaScript)
  • Vertiefung clientseitiger Konzepte und Technologien zur Entwicklung von Web-Anwendungen (z.B. komponentenorientierte Entwicklung, State-Management, Routing)
  • Übersicht aktueller Entwicklungen in Web-Standards (z.B. Web Components, WebAssembly)

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • vorlesungsbegleitendes Praktikum
  • Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit
  • Gruppenarbeit
  • Umgedrehter Unterricht (inverted classroom)
  • Screencasts
  • Projektorientiertes Praktikum in Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit oder mündliche Prüfung (gemäß akt. Prüfungsplan)
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit oder bestandene mündliche Prüfung (gemäß akt. Prüfungsplan)
  • erfolgreiches Praktikumsprojekt (projektbezogene Arbeit)

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Wirtschaftsinformatik
  • Master Informatik
  • Master Medizinische Informatik

Literatur

  • Wolf J.; HTML5 und CSS3: Das umfassende Handbuch; Rheinwerk Computing; 4. Auflage; 2021
  • Bühler P., Schlaich P., Sinner D.; HTML5 und CSS3: Semantik - Design- Responsive Layouts; Springer Vieweg; 2017
  • Simpson K.; Buchreihe "You Don't Know JS" (6 Bände); O'Reilly; 2015
  • Haverbeke M.; JavaScript : richtig gut programmieren lernen; dpunkt.verlag; 2. Auflage; 2020
  • Simons M.; Spring Boot 2: Moderne Softwareentwicklung mit Spring 5; dpunkt.verlag; 2018
  • Tilkov S., Eigenbrodt M., Schreier S., Wolf O.; REST und HTTP; dpunkt.verlag; 3. Auflage; 2015
  • Kress, D.; GraphQL: Eine Einführung in APIs mit GraphQL; dpunkt.verlag; 2020
  • Starke G.; Effektive Softwarearchitekturen. Hanser Verlag; 9. Auflage; 2020

 

Kommerzielle Anwendungssysteme in der MI
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46872

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Die Studierenden können ein gegebenes Problem aus dem Bereich der Einführung oder des Produktmanagements kommerzieller Systeme anhand eines strukturierten Projekts lösen
  • Sie können sich selbständig in ein neues Themengebiet einarbeiten
  • Sie können kommerzielle Systeme hinsichtlich Technologie und Funktionalität klassifizieren und einordnen. - Sie kennen die Unterschiede zwischen kommerziellen und nicht kommerziellen Systemen und können deren Vor- Und Nachteile bewerten.

Sozialkompetenz:

  • Arbeit und Organisation im Team

Berufsfeldorientierung:

  • Kenntnis marktrelevanter Anwendungen der med. Informatik in einem ausgewählten Themengebiet

Inhalte

Die Veranstaltung wird gemeinsam mit einem Krankenhaus durchgeführt. Jede Gruppe bekommt ein konkretes Projekt, in dem es darum geht, entweder ein kommerzielles Anwendungssystem auszuwählen, zu bewerten, zu verbessern oder zu analysieren. Für die Projekte gibt es ein gemeinsamens Oberthema (z.B. Usability oder Prozessoptimierung). Das Projekt wird semesterbegleitend durchgeführt und zu ausgewählten Meilensteinen präsentiert. Der notwendige Input wird begleitend durch eine seminaristische Vorlesung vermittelt und hängt stark vom gewählten Thema ab.

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation
  • aktives, selbstgesteuertes Lernen durch Internet-gestützte Aufgaben, Musterlösungen und Begleitmaterialien

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • Hausarbeit
  • Referat

Voraussetzungen für die Vergabe von Kreditpunkten

  • erfolgreiche Hausarbeit
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Medizinische Informatik

Literatur

 

Konzepte in Programmiersprachen
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46914

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

In den letzten zehn Jahren hat sich der Ansatz verbreitet, in den einführenden Programmiervorlesungen die Programmiersprachen sehr pragmatisch zu betrachten. Im Kern wird die Syntax einer konkreten Programmiersprache vermittelt (z.B. Java) und es wird gezeigt, wie sich konkrete Aufgabenstellungen mit der Sprache lösen lassen. Einzelne Konzepte wie z.B. Datentypen und Kontrollstrukturen werden vornehmlich an konkreten Ausprägungen veranschaulicht und nicht in einer allgemeinen Form diskutiert.

In diesem Modul werden ausgewählte Konzepte systematisch diskutiert. Zum einen werden diese Konzepte von einer konkreten Programmiersprache gelöst und zum anderen wird betrachtet, wie ein Konzept in verschiedenen Programmiersprachen (in unterschiedlichen Paradigmen) umgesetzt wird. Die unterschiedlichen Ansätze der Abstraktion werden dabei herausgearbeitet. Dies führt zu einem tieferen Verständnis der Programmierung. Die Möglichkeiten einer Programmiersprache können dadurch souveräner und zielgerichteter eingesetzt werden. Dies ist vor allem vor dem Hintergrund einer verstärkten "Hybridisierung" (z.B. Lambda-Ausdrücke und Stream-API in Java) der Sprachen wichtig. Fach- und Methodenkompetenz:
  • Benennen unterschiedlicher Programmierparadigmen
  • Beschreiben der Unterschiede zwischen der imperativen und der funktionalen Programmierung
  • Kennen unterschiedlicher Abstraktionsansätze
  • Erstellen von lauffähigen Programmen in einer funktionalen Programmiersprache
  • Übertragung von Abstraktionskonzepten zwischen objektorientierten und funktionalen Sprachen
  • Vergleichen von Abstraktionskonzepten in unterschiedlichen Programmierparadigmen
  • Lösen von Aufgabenstellungen auf unterschiedlichen Abstraktionsebenen
Fachübergreifende Methodenkompetenz:
  • Auswählen einer geeigneten Programmiersprache für eine gegebene Anwendungsdomäne
  • Beurteilen von Lösungsalternativen
  • Beherrschen unterschiedlicher Abstraktionsmechanismen
  • Lösen von komplexen Aufgabenstellungen
  • Planen von Software-Projekten (Aufwand, Ressourcen, Qualifikation)

Inhalte

  • Programmierparadigmen
  • Einführung in die funktionale Programmierung
  • Lambda-Kalkül
  • Abstraktion mit Daten
  • Typsysteme und Typinferenz
  • Abstraktion mit Prozeduren
  • Speichermanagement
  • Kontrollstrukturen
  • Vergleich von Rekursion und Iteration
  • Modularisierung
  • Metalinguistische Abstraktion
  • Grundlagen der logischen Programmierung

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • vorlesungsbegleitendes Praktikum

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit oder mündliche Prüfung (gemäß akt. Prüfungsplan)

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit oder bestandene mündliche Prüfung (gemäß akt. Prüfungsplan)

Literatur

  • Mitchell, J.C.; "Concepts in Programming Languages", Cambridge University Press, New York, 2002
  • Pierce, B.C.; "Types and Programming Languages", The MIT Press, Cambridge, 2002
  • Michaelson, G.; "Functional Programming Through Lambda Calculus", Dover Publications Inc, New York, 2011
  • Pepper, P., Hofstedt, P.; "Funktionale Programmierung, Sprachdesign und Programmiertechnik", Springer, Berlin, 2006
  • Emerick, C., Carper, B., Grand, C.; "Clojure Programming", O'Reilly, Beijing, 2012
  • Scott, M.L.; "Programming Language Pragmatics", Elsevier, Amsterdam, 2016
  • Thompson, S.; "Haskell: The Craft of Functional Programming", Addison Wesley, London, 2011
  • Abelson, H., Sussman, G.J., Sussman, J.; "Structure and Interpretation of Computer Programs", The MIT Press, Cambridge, 1996
  • Nederpelt, R., Geuvers, H.; "Type Theory and Formal Proof", Cambridge University Press, 2014

Maschinelles Lernen
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46839

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Die Veranstaltung beschäftigt sich mit der Entwicklung und Analyse von maschinellen Lernverfahren in Anwendungen der Informatik, Medizininformatik bzw. für allgemeine Informationssysteme.

 

Fach- und Methodenkompetenz:

Nachdem die Studierenden die Veranstaltung besucht haben, sind sie in der Lage

  • die wichtigsten Begriffe des Maschinellen Lernens für die Erklärung von Lernsystemen einzusetzen.
  • Maschinelle Lernsysteme für konkrete Anwendungsbezüge der Informatik zu entwerfen, implementieren und analysieren.
  • den Einsatz maschineller Lernmethoden für eigene Anwendungsaufgaben zu beurteilen. Hierzu kennen die Studierenden typische Anwendungen für diese Methoden.
  • theoretische Grenzen maschineller Lernsysteme zu erkennen, diese formal beschreiben sowie für die Beurteilung der Grenzen eigener Anwendungen einsetzen.
  • ethische Grundlagen maschineller Lernsysteme zu hinterfragen und darüber zu diskutieren.

Selbstkompetenz:

Der/die Studierende kann:

  • Ideen und Lösungsvorschläge schriftlich und mündlich formulieren
  • in den Übungen und Praktika Aufgaben selbstständig lösen und die Ergebnisse präsentieren
  • sich theoretische Inhalte zum Thema maschinelles Lernen aus wissenschaftlicher Literatur erarbeiten und eigenständig präsentieren

 

Sozialkompetenz:

Der/die Studierenden können:

  • In den Übungs- und Projektphasen kooperativ Lösungen erarbeiten
  • In den Projektphasen kooperativ Aufgaben zur Lösung planen, verteilen und gemeinsam durchführen
  • in Diskussionen zielorientiert argumentieren und mit Kritik sachlich umgehen
  • Ergebnisse aus Gruppenarbeit gemeinsam präsentieren
  • Projektergebnisse bewerten und Verbesserungsvorschläge formulieren
  • vorhandene Missverständnisse zwischen Gesprächspartnern erkennen und abbauen

 

Inhalte

  • Grundbegriffe des Maschinellen Lernens
  • Nutzung von KNime für das Maschinelle Lernen
  • Design von Evaluationsstudien für Maschinelle Lernverfahren und Durchführung solcher Studien
  • Lineare Modelle
  • Verschiedene Modelle überwachter und unüberwachter Neuronaler Netzwerke
  • Von radialen Basisnetzen zur Support Vektor Maschine
  • Entscheidungsbäume, Random Forest, Gradient Boosting Machines (GBM)
  • Nächster Nachbarverfahren und Lazy Learning
  • Bayesische Netzwerke
  • Unüberwachte Lernverfahren (k-means, SOM)
  • Kombinationsmodelle (Ensembles, Boosting Machines)
  • Deep Learning Modelle (Convolutional Neural Networks (CNN), Long Short Term Memory (LSTM), Transformer Architekturen z.B. BERT)
  • Deep Learning Konzepte - Transferlernen, Datenvermehrung, Generative Adversarial Networks (GAN)
  • Deep Learning - Parallelisierung mit GPUs, Implementierung auf mobilen Plattformen mit geringen Ressourcen
  • Theoretische Konzepte: Bias-Varianz Dilemma, No Free Lunch Theorem
  • Erklärbarkeit von Modellen
  • Anwendungen mit Daten verschiedener Modalitäten (Text, Image, Sound), Word2Vec, FastText, Transformer
  • Methoden zur Verbesserung der Generalisierungsleistung (Regularisierung, Feature Selektion, Dimensionsreduktion, Komplexitätsanpassung)
  • Problemlösung am Beispiel studiengangsbezogener Miniprojekte aus industriellen Anwendungen (studentische Miniprojekte in 2-3er Teams)

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit
  • vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation
  • Umgedrehter Unterricht (inverted classroom)

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit
  • erfolgreiches Miniprojekt (projektbezogene Arbeit)

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Master Wirtschaftsinformatik

Literatur

 

  • I. Witten, E. Frank, M. Hall und C. J. Pal, Data Mining: Practical Machine Learning Tools and Techniques, 4. Auflage, Morgan Kaufmann (2017) - elektronische Version im Intranet verfügbar
  • C. M. Bishop, Pattern Recognition and Machine Learning, Springer (2006)
  • E. Alpaydin, Introduction to Machine Learning (Adaptive Computation and Machine Learning), Third Edition, MIT Press (2014)
  • I. Goodfellow, Y. Bengio und A. Courville: Deep Learning, MIT Press (2016)

Mathematik und Quantum Computing
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    47725

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Vermittlung der mathematischen Grundlagen des Quantum Computing, soweit sie für das erfolgreiche Studium der Informatik relevant sind. Die Studierenden sollen die unten angegebenen Lehrinhalte kennen und die zentralen Algorithmen beherrschen und in ihrer Bedeutung beurteilen können.

Fach- und Methodenkompetenz:

  • Umgang und Rechnen mit Vektoren und Matrizen, speziell Tensorprodukte, einschließlich bra- und ket-Notation
  • Wissen um die historische Entwicklung und die Einordnung in die Quantenmechanik
  • Kennen und anwenden der Quantenteleportation und der dichten Codierung
  • die für das Quantum-Computing fundamentalen Eigenschaften von sogenannten Qubits benennen, mathematisch abstrakt beschreiben und in Hinblick auf ihre physikalischen Grundlagen erklären können
  • zunächst einfache, dann aber zunehmend komplexer werdende Quanten-Gatter analysieren, entwerfen, berechnen und mit Hilfe der IBM-Online-Quantum-Software praktisch umsetzen können
  • die sehr abstrakte Quanten-Fourier-Transformation nach Erarbeitung der wesentlichen Eigenschaften der klassischen Fourier-Transformation verstehen, an kleinen Beispielen nachvollziehen und anwenden können
  • die wesentlichen Quanten-Algorithmen (Deutsch, Grover, Shor) analysieren, verstehen und anwenden können und die Implikationen formulieren können, die die reale Existenz dieser Algorithmen auf zukünftigen Quanten-Architekturen für verschiedene Anwendungsbereiche haben wird
  • Kennen und anwenden des Quanten-Addierers auf QFT-Basis als eine der zusätzlichen Anwendungsszenarien der Quanten-Fourier-Transformation
  • Kennen, anwenden und bewerten der wichtigsten Verfahren der Quantenkryptografie
     

Inhalte

  • Mathematische Grundlagen
  • Quantenmechanischer Überblick
  • Bits und Qubits
  • Klassische Gatter und Quantengatter
  • No-Cloning-Theorem versus Quantenteleportation
  • Holevo-Schranke versus dichte Codierung
  • Algorithmus von Deutsch
  • Algorithmus von Grover
  • Quanten-Fourier-Transformation
  • Quanten-Addierer auf QFT-Basis
  • Algorithmus von Shor
  • Quantenkryptografie

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • aktives, selbstgesteuertes Lernen durch Internet-gestützte Aufgaben, Musterlösungen und Begleitmaterialien
  • aktives, selbstgesteuertes Lernen durch Aufgaben, Musterlösungen und Begleitmaterialien
  • jeweils unmittelbare Rückkopplung und Erfolgskontrolle

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Informatik

Literatur

  • B. Lenze, Mathematik und Quantum Computing, Buch und E-Book, Logos Verlag, Berlin, 2020, zweite Auflage.

Ergänzend:

  • M. Homeister. Quantum Computing verstehen, Springer Vieweg Verlag, Wiesbaden, 2018, fünfte Auflage.
  • R.J. Lipton, K.W. Regan. Quantum Algorithms via Linear Algebra: A Primer, MIT Press, Cambridge MA, 2014.
  • M.A. Nielson, I.L. Chuang. Quantum Computation and Quantum Information, Cambridge University Press, Cambridge, 2010.
  • C.P. Williams. Explorations in Quantum Computing, Springer-Verlag, London, 2011, zweite Auflage.

Mathematische Grundlagen der Verschlüsselungstechnik
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46800

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Vermittlung der mathematischen Grundlagen der Verschlüsselungstechnik, soweit sie für das erfolgreiche Studium der Informatik relevant sind. Die Studierenden sollen die unten angegebenen Lehrinhalte kennen und fundiert entscheiden können, welche Verschlüsselungstechnik man zur Lösung welchen Verschlüsselungsproblems anwendet.

Fach- und Methodenkompetenz:

  • Umgang mit und Rechnen in Gruppen, Ringen und Körpern
  • Polynomiales und duales Rechnen in Galois-Feldern
  • Kennen und anwenden des erweiterten Euklidischen Algorithmus, des Chinesischen Restsatzes sowie des Satzes von Fermat und Euler
  • Benennen wichtiger Einwegfunktionen (mit und ohne Falltür) und kennen ihrer wesentlichen Eigenschaften
  • Kennen, anwenden und bewerten von Diffie-Hellman- und RSA-Verfahren, von Vernam-, DES- und AES-Verfahren sowie der wichtigsten ECC-Verfahren
  • alle gängigen asymmetrischen und symmetrischen Verschlüsselungsverfahren benennen, anwenden, systematisch vergleichen und in Hinblick auf ihre Sicherheit beurteilen können
  • auf abstrakter mathematischer Ebene sowohl die Grundlagen der Standard-Verschlüsselungsverfahren als auch die der beiden vorgestellten Post-Quanten-Verschlüsselungsverfahren beschreiben und analysieren können
  • auf Basis der gewonnenen Einsichten in die vorgestellten Verfahren Alternativen, Modifikationen und im besten Fall Verbesserungen vorschlagen, begründen, analysieren und kritisch begutachten können
  • problemlos in der Lage sein, sich auf Grundlage der soliden erarbeiteten Theorie auch in andere, nicht explizit vorgestellte Verfahren einarbeiten zu können und diese ebenfalls systematisch vergleichen und in Hinblick auf ihre Sicherheit beurteilen zu können

Inhalte

  • Gruppen, Ringe, Körper
  • Galois-Felder von Zweierpotenz-Ordnung
  • Erweiterter euklidischer Algorithmus (für prime Restklassenkörper und Galois-Felder)
  • Chinesischer Restsatz
  • Satz von Fermat und Euler
  • Einwegfunktionen (mit und ohne Falltür)
  • Asymmetrische Verschlüsselungsverfahren (Diffie-Hellman, RSA)
  • Symmetrische Verschlüsselungsverfahren (Vernam, DES, AES)
  • Verschlüsselung über elliptischen Kurven (ECC)
  • Post-Quanten-Kryptografie (NTRU, RLWE)

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • aktives, selbstgesteuertes Lernen durch Internet-gestützte Aufgaben, Musterlösungen und Begleitmaterialien

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik

Literatur

  • B. Lenze, Basiswissen Angewandte Mathematik -- Numerik, Grafik, Kryptik --, Buch und E-Book, Springer Vieweg Verlag, Wiesbaden, 2020, zweite Auflage.

Ergänzend:

  • D.J. Bernstein, J. Buchmann, E. Dahmen, Post-Quantum-Cryptography, Springer-Verlag, Berlin-Heidelberg, 2009.
  • J. Buchmann, Einführung in die Kryptographie, Springer-Verlag, Berlin-Heidelberg-New York, 2016, sechste Auflage.
  • H. Delfs, H. Knebl, Introduction to Cryptography, Springer-Verlag, Berlin-Heidelberg, 2015, dritte Auflage.
  • J. Hoffstein, J. Pipher, J.H. Silverman, An Introduction to Mathematical Cryptography, Springer-Verlag, New York, 2014, zweite Auflage.
  • C. Paar, J. Pelzl, Kryptografie verständlich, Springer Vieweg Verlag, Berlin-Heidelberg, 2016.
  • D. Wätjen, Kryptographie, Springer Vieweg Verlag, Wiesbaden, 2018, dritte Auflage.
  • A. Werner, Elliptische Kurven in der Kryptographie, Springer-Verlag, Berlin-Heidelberg-New York, 2013.

Multimodale Interaktion in Ambienten Umgebungen
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46851

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Auf Computersysteme ausgerichtete Ein- und Ausgabemodalitäten (Bildschirm, Tastatur, Maus aber auch Mikrofone, Lautsprecher usw.) bilden die Ausgangsbasis auf der über Interaktion mit Computersystemen gesprochen wird. Dieses Modul beschäftigt sich aber mit einem Paradigmenwechsel, bei dem nicht die Bedienung eines Computersystems (oder Anwendung) im Vordergrund steht, sondern das Computersystem in die Lage versetzt wird, menschliches Handeln zu registrieren, zu interpretieren und Assistenzfunktionen zu übernehmen. Das Computersystem selbst bleibt dabei unsichtbar und ist in die Umwelt integriert, ohne als technisches System sichtbar zu werden. Solche Systeme gewinnen vor allem durch Entwicklungen im Bereich des Internet of Things, Cyber Physical Systems und der zunehmenden Vernetzung zunehmend an Bedeutung.
In diesem Modul wird systematisch analysiert wie sich direkte Interaktion z.B. Befehlseingabe) und indirekte Interaktionen (z.B. Nutzung von Kontextinformationen) unterscheiden, und wie sie gemeinsam genutzt werden können, um der Vision einer intelligenten Umgebung näher zu kommen. Dabei werden neben den theoretischen Hintergründen auch ausgewählte Aspekte aus den folgenden Bereichen thematisiert:
Sensor-basierte Interaktionstechnologien
Spracherkennung- und -steuerung
Interaktive Umgebungen und Oberflächen
Ambiente Umgebungen
Physiologische Sensoren für die Interaktion (Affective Computing)
Begreifbare Interaktion (Tangible Interaction, Physical Computing)
Zielbasierte Interaktion


Im Anwendungsfeld des Ambient Assisted Living werden Konzepte, Methoden und Technologien motiviert und die Studierenden in die Lage versetzt selbst solche Systeme gestalten und auch umsetzen zu können.

Fach- und Methodenkompetenz:
Aktuelle Forschungsarbeiten aus dem Bereich Ambient Intelligence zu verstehen und einordnen zu können.
Neue (Sensor-basierte, tangible, Sprach-basierte, ) Interaktionsformen zu verstehen, zu analysieren und auf eigene Anwendungsfälle zu übertragen. Hierzu kennen die Studierenden typische Einsatzbereiche und sind in der Lage Technologien und Infrastrukturen einzuordnen.
Konzepte, Methoden und Modelle für die Entwicklung ambienter Assistenzsysteme einzusetzen.
Anforderungen (insbesondere an die MMI) moderner AAL-Systeme zu erkennen und Lösungen/Produkte in ihrem Kontext als Bausteine einer Problemlösung zusammen zu fügen.
Infrastrukturen für neue Interaktionsformen zu verstehen und problembezogen in eigene Lösungen integrieren zu können.
Erstellen von kontext-sensitiven Anwendungen, durch den Einsatz des Kontext-Life-Cycles (Messen, Modellieren, Ableiten, Verteilen).


Fachübergreifende Methodenkompetenzen:
Identifizieren von Alternativen zu imperativen Benutzerschnittstellen.
Erweitern von Anwendungen zu intelligenten Assistenzsystemen.
Bewerten, auswählen und Kombinieren von Interaktionsformen.
Ableiten von semantischen Informationen aus Sensordaten.

Inhalte

 

  • Ambient Intelligence (AmI)
  • Explizite und Implizite Interaktionen in AmI
  • Neue Interaktionsformen (Multimodality, Proxemic Interaction, Tangible Computing, Affective Computing...)
  • Kontextsensitive Anwenwendungen (Context Life Cycle)
  • Semantische Modellierung von Kontextinformationen
  • Kontext Reasoning (OWL)
  • Interaktionsmodelle für AmI
  • Vertiefung und Anwendung in den folgenden technischen Bereichen:
    • Sensor-basierte Interaktionstechnologien,
    • Spracherkennung- und Steuerung,
    • Tangible Interaktion/Kamera-Projektor-Systeme;
  • Ambiente Umgebungen aus dem Bereich AAL, in den Aufgabenbereichen:
    • Sicherheit & Prävention (Hausnotruf, Beleuchtungssysteme, ),
    • Gesundheit und Pflege (Vitalparameter Monitoring, Fitness-Tracker, ),
    • Haushalt und Versorgung (Google Nest, Robotik, Service-Portale, ),
    • Kommunikation und soziales Umfeld (Sprachsteuerung, Kommunikationslösungen, );
  • AAL-Plattformen und Internet of Things -Infrastrukturen als Grundlage für AmI.
  • Vorgehen (Analyse, Konzeption, Methoden, Modelle) für die die Entwicklung von AmI - Lösungen
  • Problemlösung am Beispiel einer selbst entwickelten Assistenzfunktion aus dem Bereich AAL (studentische Projekte);

 

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • vorlesungsbegleitende Übung
  • Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit
  • vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit oder mündliche Prüfung (gemäß akt. Prüfungsplan)
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit oder bestandene mündliche Prüfung (gemäß akt. Prüfungsplan)

Verwendbarkeit des Moduls (in anderen Studiengängen)

Master Informatik

Literatur

 

    • Rogers, I. (2012). HCI Theory: Classical, Modern, and Contemporary - Synthesis Lectures on Human-Centered Informatics. Morgen & Claypool.
    • Journal on Multimodal User Interfaces (2016), Volume 10, Springer International Publishing 2016
    • BMBF/VDE Innovationspartnerschaft AAL (Hrsg.) 2011: Ambient Assisted Living (AAL) Komponenten, Projekte, Services Eine Bestandsaufnahme, VDE Verlag.

Organisatorische und rechtliche Aspekte von IT-Beschaffung
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46877

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Prozesse, Aktivitäten, Methoden, Techniken, Sprachen und Werkzeuge zum Vorgehen bei IT-Beschaffungsprojekten
  • Überblick über die zentralen Verfahren, rechtlichen Rahmenbedingungen und relevanten Ausschreibungsrichtlinien für IT-Beschaffungsprojekte

Fachübergreifende Methodenkompetenz:

  • Anforderungsmanagement
  • Projektmanagement
  • Marktrecherche und -analyse

Selbstkompetenz:

  • Eigenständige Ausarbeitung und Erstellung von Ergebnisdokumenten und deren inhaltliche Präsentation zu IT-Beschaffungs-spezifischen Themen und Inhalten

Sozialkompetenz:

  • Projektarbeit in Teams mit 5-8 Studierenden

Berufsfeldorientierung:

  • Praxisorientierte Duchführung eines Ausschreibungs- und Beschaffungsprojekts in Kooperation mit IT-Unternehmen

Inhalte

  • Projektmanagement
    • Projektplanung mit Vorgangsknotennetzplänen und Gantt-Diagrammen, Kosten- und Aufwands-Controlling
  • Anforderungserhebung und -bestimmung
    • Erhebungsmethoden wie schriftliche Befragung und semi-strukturiertes Interview mit Interview-Leitfaden
    • Praktische Durchführung durch das bzw. die Projektteams in Kooperation mit regionalen IT-Unternehmen
  • Anforderungsanalyse, -spezifikation und -dokumentation
    • Aufbau und Erstellung von Anforderungsdokumenten und Pflichtenheften
    • Gliederungen und IEEE-Standards
  • Rechtliche Rahmenbedingungen eines IT-Beschaffungsprojekts
    • Rechte und Pflichten von Auftraggeber/Auftragnehmer
    • ITIL vs. IT-Beschaffung
  • Aufbau und Erstellung von Ausschreibungsunterlagen: Formulare, Regelungen, Gesetze
    • EVB-IT, BVB
  • Ausschreibungsrecht, Vergaberecht, Ausschreibungsbewertung
    • Öffentliche, beschränkte und freihändige Vergabe
    • Primär- und Sekundärrechtsschutz
  • Durchführung von Bietergesprächen und -präsentationen: Ablauf und Vorgehen

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • seminaristischer Unterricht
  • seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion
  • Präsentation
  • abschließende Präsentation

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Master Wirtschaftsinformatik

Literatur

  • Balzert, H. (2008): Lehrbuch der Softwaretechnik - Softwaremanagement, Heidelberg: Spektrum Akademischer Verlag.
  • Balzert, H. (2009): Lehrbuch der Softwaretechnik - Basiskonzepte und Requirements Engineering, 3. Auflage, Heidelberg: Spektrum Akademischer Verlag.
  • Keller-Stoltenhoff, Leitzen, Ley (2017): Handbuch für die IT-Beschaffung (Band 1 und 2), Heidelberg: Rehm-Verlag.
  • Mangold, P. (2009): IT-Projektmanagement kompakt, 3. erweiterte Auflage, Heidelberg: Spektrum Akademischer Verlag.
  • Spitczok, N.; Vollmer, G., Weber-Schäfer, U. (2014): Pragmatisches IT-Projektmanagement, 2. überarbeitete Auflage, Heidelberg: dpunkt-Verlag.
  • Vollmer, G. (2018): Vorlesungsunterlagen zur seminaristischen Lehrveranstaltung "Organisatorische und rechtliche Aspekte der IT-Beschaffung"
  • Winkelhofer, G. (2005): Management- und Projekt-Methoden, 3. vollst. überarbeitete Auflage, Berlin, Heidelberg: Springer Verlag.

 

Personalführung
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    47723

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Die Studierenden können die spezifischen Aufgaben von Führungskräften erläutern und gegen Fachaufgaben abgrenzen.
  • Die Studierenden kennen ausgewählte psychologische Grundlagen der Führung sowie ausgewählte Führungstheorien.
  • Die Studierenden kennen ausgewählte Führungsmethoden und könne diese im Rahmen von Fallbeispielen und Rollenspielen anwenden.
  • Die Studierenden können Fallbeschreibungen zu typischen Führungssituationen analysieren und Lösungsvorschläge auf Basis der gelernten Theorie entwickeln und argumentieren.

Fachübergreifende Methodenkompetenz:

  • Die Kenntnisse der psychologischen Grundlagen, die Fähigkeit (Konflikt-)Situationen analysieren zu können sowie die kommunikativen Fertigkeiten können die Studierenden in jedweder beruflichen Situation sinnvoll einsetzen.

Sozialkompetenz:

 

  • Gruppenarbeiten fördern die Fähigkeit, mit anderen (fremden) Studierenden Lösungen zu erarbeiten.
  • Rollenspiele stärken die Fähigkeiten im konstruktiven Umgang mit Feedback und trainieren die Beobachtungsgabe für kommunikative (Konflikt-)Situationen.

Berufsfeldorientierung:

  • Durch Gastbeiträge von PersonalleiterInnen sowie von Führungskräften aus der Praxis erfahren die Studierenden, welche Anforderungen an Führungskräfte in Berufsfeldern der Informatik gestellt werden.

Inhalte

  • Führungsrollen
  • Führungsaufgaben
  • Delegation und Zielvereinbarung
  • Motivation
  • Führungsstile
  • Teamstrukturen
  • Persönlichkeitseigenschaften
  • Gesprächsführung
  • (Laterale) Führung in Projekten
  • Changemanagement - Führung im Wandel

Lehrformen

  • seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • Gruppenarbeit
  • Einzelarbeit
  • Fallstudien
  • Rollenspiele
  • Übungen oder Projekte auf der Basis von praxisnahen Beispielen

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Medizinische Informatik
  • Master Informatik

Literatur

  • BLESSIN, B. & WICK, A. 2014. Führen und Führen lassen, Konstanz und München, UVK Verlagsgesellschaft mbH.
  • FREY, D. & SCHMALZRIED, L. 2013. Philosophie der Führung, Gute Führung lernen von Kant, Aristoteles, Popper & Co, Berlin, Heidelberg, Springer-Verlag.
  • GERRIG, R. J. 2015. Psychologie, Halbergmoos, Pearson.
  • GROTE, S. & GOYK, R. (eds.) 2018. Fu hrungsinstrumente aus dem Silicon Valley Konzepte und Kompetenzen: Springer Gabler.
  • NERDINGER, F. W., BLICKLE, G. & SCHAPER, N. 2014. Arbeits- und Organisationspsychologie, Berlin, Heidelberg, Springer-Verlag.
  • PASCHEN, M. 2014. Psychologie der Menschenführung, Berlin, Heidelberg, Springer-Verlag.
  • VON ROSENSTIEL, L., REGNET, E. & DOMSCH, M. E. (eds.) 2014. Führung von Mitarbeitern - Handbuch für erfolgreiches Pesonalmanagement, Stuttgart: Schäffer-Poeschel Verlag.
  • STÖWE, C. & KEROMOSEMITO, L. 2013. Führen ohne Hierarchie - Laterale Führung, Wiesbaden, Springer.

Projektmanagement
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46858

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Zunächst werden zentrale Konzepte des Projektmanagement eingeführt. Insbesondere werden Methoden der Projektplanung vertieft. Die Studierenden sind in der Lage, ein Planungsprojekt durchzuführen.
  • Die Studierenden kennen aktuelle Standards im Projektmanagement.
  • Es werden Kenntnisse in den Methoden der Projektsteuerung (insbesondere Zeit- und Kostenmanagement) erworben.
  • Die Studierenden lernen Konzepte des Qualitäts- und Risikomanagements.

Fachübergreifende Methodenkompetenz:

  • Die Studierenden erkennen, dass Methoden des Projektmanagements auf andere Aufgaben eines Wirtschaftsinformatikers übertragbar sind.

Selbstkompetenz:

  • Ausgewählte Methoden des Projektmanagements werden in der Veranstaltung von den Studierenden selbst angewendet.

Sozialkompetenz:

  • Die Studierenden erlernen spezielle Methoden und Werkzeuge, die die Kooperation und Kommunikation in einem Projekt unterstützen (z.B. Mind Mapping, CSCW-Tools, Entscheidungstabellen, Verknüpfung der Werkzeuge. DIe Methoden und Werkzeuge werden auch in der Veranstaltung eingesetzt.
  • Die Studierenden sind in der Lage, die Kenntnisse aus allen Phasen der Veranstaltung anzuwenden, d.h. für dieses komplexe Projekt sowohl Methoden als auch Werkzeuge des Projektmanagements auswählen und im Team anwenden zu können.

Berufsfeldorientierung:

  • Die Studierenden kennen die Aufgaben und das Berufsbild eines IT-Projektmanagers.

Inhalte

  • Grundkonzepte des Projektmanagements
  • Methoden und Werkzeuge der Projektplanung
  • Methoden und Werkzeuge der Projektsteuerung (Zeitmanagement, Kostenmanagement)
  • Methoden und Werkzeuge für ein Qualitätsmanagement in Projekten (Normen, Qualitätssysteme)
  • Methoden und Werkzeuge für das Risikomanagement in Projekten (Risikoabschätzung, Risikoüberwachung und handhabung)
  • Methoden und Werkzeuge für die Unterstützung von Kommunikation und Kooperation in Projektgruppen

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit
  • erfolgreiche Hausarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Bachelor Wirtschaftsinformatik
  • Master Medizinische Informatik

Requirements Engineering
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46910

  • Sprache(n)

    en, de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

Nach Abschluss der Lehrveranstaltung sind die Studierenden in der Lage,

  • für neu zu entwickelnde Softwareprodukte oder services den Problemraum abzugrenzen und eine Lösung zu konzipieren
  • die Techniken aus dem Bereich des Requirements Engineerings für die zentralen Aktivitäten (z.B. Erhebung, Dokumentation, Validierung) anzuwenden,
  • Requirements Engineering Prozesse für spezifische Projekte und Anwendungsdomänen zu planen
  • Managementaktivitäten rund um Anforderungen zu definieren
  • die Prüfung für den Foundation Level des IREB (International Requirements Engineering Board) abzulegen

Sozialkompetenz:

  • Kooperations- und Teamfähigkeit wird während der Übungs- und Projektphasen trainiert. Die/der Studierende/r kann in Diskussionen zielorientiert argumentieren und mit Kritik sachlich umgehen; er/sie/es kann vorhandene Missverständnisse zwischen Gesprächspartnern erkennen und abbauen. Ergebnisse aus Gruppenarbeit können gemeinsam präsentiert werden.

Berufsfeldorientierung:

  • Requirements Engineeer / Business Analyst ist eine Bezeichnung eines Berufsfelds. Teilnehmer sind in der Lage, in diesem Feld eine Tätigkeit zu finden, umabhängig von ihrer Studienrichtung.
  • Es ist eine zertifizierbare Tätigkeit eines Informatikers/einer Informatikerin (IREB).

Inhalte

  • Der Anforderungsbegriff, Problem vs. Lösung
  • Rahmenwerke (z.B. Jackson s WRSPM Modell)
  • Requirements Engineering Prozess (Stakeholder, Aktivitäten)
  • System und Systemkontext abgrenzen
  • Gewinnung von Anforderungen (Techniken und unterstützende Vorgehensweisen, Kano-Modell)
  • Textuelle Anforderungsdokumente
  • Modellierung von Anforderungen (u.a. Zielmodellierung, Requirements Patterns)
  • Umgang mit Qualitätsanforderungen (auch nicht-funktionale Anforderungen genannt)
  • Validierung von Anforderungen
  • Management von Anforderungen in großen Projekten (Attributierung, Priorisierung, Traceability, Änderungsmanagement, Werkzeugunterstützung, CMMI, ReqIF Austauschformat)
  • Einführung in Software-Produktlinien und Variantenmanagement

Lehrformen

Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • schriftliche Klausurarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene Klausurarbeit
  • erfolgreiches Miniprojekt (projektbezogene Arbeit)

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Master Wirtschaftsinformatik

Literatur

  • Klaus Pohl. Requirements Engineering: Fundamentals, Principles and Techniques. Springer, 2017
  • Klaus Pohl und Chris Rupp: Basiswissen Requirements Engineering: Aus- und Weiterbildung nach IREB-Standard zum Certified Professional for Requirements Engineering Foundation Level, 2015
  • Brian Berenbach, Daniel Paulish, Juergen Kazmeier, Arnold Rudorfer. Software and Systems Requirements Engineering In Practice, McGraw-Hill, March 2009
  • Klaus Pohl, Günter Böckle und Frank J. van der Linden. Software Product Line Engineering: Foundations, Principles and Techniques, Springer, Januar 2011
  • Søren Lausen. Software Requirements - Styles and Techniques, Addison-Wesley, 2002.
  • Ellen Gottesdiener. Requirements by Collaboration - Workshops for Defining Needs. Addison-Wesley, 2002

 

System- und Softwarequalitätssicherung
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46848

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:

  • Die Studierenden sollen
  • Qualitätsbegriffe kennen und einordnen können
  • die Prinzipien der Software-Qualitätssicherung erklären und begründen können
  • (Code-)Inspektionen durchführen können
  • Programme analysieren und kontrollflussorientierte und datenflussorientierte Testverfahren einsetzen können
  • die Konzepte der Verifikation und des symbolischen Testens verwenden und gegen testende Verfahren abgrenzen können
  • für einfache Szenarien Integrations- und Abnahmetests durchführen können
  • Testwerkzeuge beurteilen und einsetzen können
  • Werkzeuge und Verfahren zur Testautomatisierung bestimmen und einsetzen können

 

Fachübergreifende Methodenkompetenz:

  • Erlernen von Methoden des Qualitätsmanagements, die - über den Bereich der Softwareentwicklung hinaus - auch auf andere Gebiete übertagbar sind.

Selbstkompetenz:

  • Selbständige Einarbeitung in vertiefende Fragestellungen und Präsentation der Ergebnisse

Sozialkompetenz:

  • Selbständige Erarbeitung von Übungseinheiten, Übung mit den Mitstudierenden, Organisation von Feeback durch die Mitstudierenden

Inhalte

  • Einführung und Überblick
  • Prinzipien der Qualitätssicherung
  • Qualitätssicherung im System- und Softwarelebenszyklus
  • Qualitätssicherung auf Komponentenebene
    a. Testende Verfahren
    b. Verifizierende Verfahren
    c. Analysierende Verfahren
  • Qualitätssicherung auf Systemebene
    a. Integrationstests
    b. System- und Abnahmetest
  • Bewertung von Software: Produktmetriken
  • Nicht-funktionale Anforderungen
  • Design-for-X
  • Qualitätssicherung in der betrieblichen Praxis
    a. Relevante Standards und Normen
    b. Konformitätstests
  • Verbesserung der Prozessqualität
    a. Prozesse zur System- und Softwareentwicklung
    b. Bewertung von Entwicklungsprozessen: Reifegradmodelle

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

schriftliche Klausurarbeit

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene Klausurarbeit

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Wirtschaftsinformatik
  • Master Medizinische Informatik

Literatur

  • Helmut Balzert: Lehrbuch der Softwaretechnik. Band 2 , Elsevier 1997
  • Peter Liggesmeyer: Software-Qualität, Elsevier, 2002
  • Ernest Wallmüller: Software-Quualitätsmanagement in der Praxis, Hanser, 2. Auflage, 2001

Usability Engineering
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46908

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Die Studierenden lernen die Arbeit im Bereich Usability anhand praktischer Projektbeispiele und Fallstudien, sowie anhand aktueller Forschungarbeiten sowohl von der praktischen als auch von der theoretischen Seite kennen, wenden das Erlernte praktisch an, hinterfragen die eingesetzten Methoden und erarbeiten Ansatzpunkte für die Verbesserung und Weiterentwicklung.

Fach- und Methodenkompetenz:

  • Praktische Anwendung gängiger Werkzeuge und Verfahren des Usability-Engineering (AB-Tests, Analyse mit GOMS, Planung und Durchführung von Interviews, Tests im Usability-Labor, Remote-Tests, etc.)
  • Bewertung der Werkzeuge und Verfahren auf ihre Eignung für eine konkrete Projektsituation
  • Einordnung und Beurteilung der Werkzeuge und Verfahren in den aktuellen wissenschaftlichen Kontext
  • Anpassung und Weiterentwicklung der Werkzeuge und Verfahren für neue Problemstellungen

Selbstkompetenz:

  • Kritische Reflektion der eigenen und fremder Handlungsweisen, sowohl allgemein, als auch in Bezug auf eine konkrete Projektsituation
  • Selbstständiges Erarbeiten des aktuellen Standes der Forschung in einem abgegrenzten Teilgebiet

Sozialkompetenz:

  • Erarbeiten eines Kommunikationskonzeptes für unterschiedliche Zielgruppen (Fachkollegen, unterschiedliche Anwendergruppen, Leitungsebenen, etc.)
  • Abstimmung und Koordination der Arbeiten in einem Team
  • Beobachten, Erkennen und Bewerten von Verhaltens- und Kommunikationsmustern Drítter (beispielsweise zur Analyse von Videomitschnitten bei Nutzertests)

Berufsfeldorientierung:

  • Vorstellung der unterschiedlichen Berufsfelder im Bereich Usability (Usability-Engineer, Interface-Designer, etc.), als Schnittmenge der Fachrichtungen Informatik, Betriebswirtschaftlehre, Gestaltung/Design, Arbeits-/Verhaltenswissenschaften)

Inhalte

1. Einführung

  • Motivation
  • Definition Usability Engineering
  • Anknüpfung an Lehrveranstaltung "Mensch-Computer Interaktion"

2. Prozesse

  • Usability Engineering -Prozesse
  • Einbettung in IT-Projekten
  • Konfliktpotentiale
  • Usability kommunizieren

3. Werkzeuge und Verfahren des Usability Engineering

  • Analyse des Nutzungskontextes
  • Bestimmung der Nutzungsanforderungen
  • Konzepterstellung
  • Validierung

4. Branchen- und Anwendungsspezifische Besonderheiten

In Absprache mit den Studierenden werden ein bis drei der folgenden Themen behandelt. Die Liste wird bei aktuellem Anlass erweitert.

  • Mobile Computing
  • Individualsoftware
  • Consumer- vs. Business-Software
  • Industrielösungen
  • Entertainment- und Edutainment-Software

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • Hausarbeit
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • erfolgreiche Projektarbeit
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik
  • Master Wirtschaftsinformatik

Literatur

Die im jeweiligen Semester eingesetzte Prüfungsform (z.B. mündliche Prüfung) wird zu Beginn der Veranstaltung bekanntgegeben. Dies gilt ebenfalls für möglicherweise genutzte semesterbegleitende Studienleistungen.

Verteilte und mobile Systeme
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46852

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Vermittlung weiterführender Inhalte zum Themenkomplex verteilter Systeme und Vermittlung von Grundlagen zum Thema drahtloser und mobiler Systeme

Fach- und Methodenkompetenz:

  • Beschreiben der Grundlagen der Signalausbreitung und der Übertragungstechniken
  • Benennen und beschreiben der wichtigsten Technologien (drahtgebunden und drahtlos)
  • Differenziertes Beschreiben der besonderen Aspekte von Routing, QoS und Lokalisierung
  • Verstehen der Besonderheiten bei der Softwareentwicklung für kleine Geräte (z.B. Smartphones) im Detail
  • Einordnen der aktuellen und zukünftigen Entwicklungen in den Gesamtkontext
  • Durchführung prototypischer Programmierung drahtloser Anwendungen durchzuführen

Selbstkompetenz:

  • Eigenständige Bearbeitung aktueller forschungsnaher Fragestellungen

Sozialkompetenz:

  • Arbeiten in kleinen Teams
  • Ergebnisorientierte Gruppenarbeit

Inhalte

  • Signalausbreitung in drahtgebundenen und drahtlosen Netzwerken
  • Grundlagen der Übertragungstechnik
  • (Analog-Digital-Wandlung, Modulationsverfahren)
  • Multiplexverfahren
  • Grundlagen drahtloser Übertragungstechniken
  • (Zellwechsel, Handover, Routing, Roaming)
  • Netzwerk-Topologien (Bus-Systeme, Mesh-Netzwerke, Overlay-Netzwerke)
  • Weitere Transportprotokolle (u.a. RTP, RTCP, SIP, SCTP, DDCP)
  • Quality-of Service (QoS) - Anforderungen und Konzepte
  • Mobilität / Lokalisierung / Tracking
  • Satellitensyssteme
  • Mobilfunknetze (GSM, UMT, LTE)
  • Nahbereich-Funknetze (Bluetooth, ZigBee, RFID, NFC)
  • Kommunikationsbus-Architekturen
  • Sicherheit in mobilen Systemen
  • Softwarentwicklung für kleine Geräte (z.B. Smartphones)
    - aktuelle Plattformen im Überblick
    - Qualitässapekte bei mobilen Anwendungen
    - Architekturen und Architekturelemente zur Kommunikation
    - Cross-Plattform-Entwicklung / Fragmentierung
    u.a.m.
  • Ausgewählte Aspekte aktueller Forschung

Lehrformen

  • Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

mündliche Prüfung

Voraussetzungen für die Vergabe von Kreditpunkten

bestandene mündliche Prüfung

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik

Literatur

Literatur:

  • Schiller, Jochen: Mbilkommunikation, Pearson Studium, 2000
  • Sauter, Martin: Grundkurs Mobile Kommunikationssysteme: UMTS, HSDPA und LTE, GSM, GPRS und Wireless LAN, Vieweg und Teubner, 4. Auflage 2011
  • Firtman, M.: Programming the Mobile Web, O'Reilly Media, 2010
  • Fling, B.: Mobile Design an Development: Practical Concepts and Techniques for Creating Mobile Sites and Web Apps, O'Reilly Media, 2010

Visualisierung
  • WP
  • 4 SWS
  • 5 ECTS

  • Nummer

    46861

  • Sprache(n)

    de

  • Dauer (Semester)

    1

  • Kontaktzeit

    60 h

  • Selbststudium

    90 h


Lernergebnisse (learning outcomes)/Kompetenzen

Fach- und Methodenkompetenz:
Nach erfolgreichem Abschluss des Moduls kennen die Studierenden die Fachterminolige der Visualisierung und können diese korrekt zur Beschreibung von Problemen und Systemen der Visualisierung einsetzen. Sie kennen wesentliche Datenstrukturen und Methoden der Datenvisualisierung. Sie kennen die Architektur gängiger Visualisierungssysteme.

Sie sind in der Lage anhand der Eigenschaften der Daten und des Visualisierungszieles ein adäquates Visualisierungsverfahren auszuwählen und einzusetzen. Sie können neu entwickelte Verfahren in den Kontext existierender Verfahren einordnen und beurteilen.

Selbstkompetenz:
Die Entwicklung von Strategien zum Wissens- und Kenntniserwerb wird durch die Analyse, Aufbereitung und Präsentation wissenschaftlicher Literatur unterstützt.

Inhalte

Vorlesung

  • Einführung, Terminologie, Geschichte der Visualisierung
  • 3D-Computergraphik
  • Visualisierungsprozess
  • Datenbeschreibung zur Visualisierung
  • Einflussfaktoren auf die Visualisierung
  • Grundlegende Visualisierungstechniken
  • Visualisierung von Multiparameterdaten
  • Visualisierung von Volumendaten
  • Visualisierung von Strömungsdaten
  • Visualisierungssysteme

Seminar
Vorträge zu Originalarbeiten aus einer aktuellen internationalen Visualisierungs-Konferenz, z.B. Eurographics Conference on Visualization

Praktikum
Erprobung verschiedener Paradigmen und Systeme zur Visualisierung

Lehrformen

  • Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
  • Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
  • Seminar

Teilnahmevoraussetzungen

Siehe jeweils gültige Prüfungsordnung (BPO/MPO) des Studiengangs.

Prüfungsformen

  • mündliche Prüfung
  • Referat
  • semesterbegleitende Prüfungsleistungen

Voraussetzungen für die Vergabe von Kreditpunkten

  • bestandene mündliche Prüfung
  • erfolgreiches Referat

Verwendbarkeit des Moduls (in anderen Studiengängen)

  • Master Informatik
  • Master Medizinische Informatik

Literatur

  • Schumann, H., Müller W.: Visualisierung, 1. Auflage, Springer Verlag, 2000
  • Telea A.: Data Visualization; 2nd ed., CRC Press, 2015
  • Ward M., Grinstein G., Keim D.: Interactive Data Visualization, 2nd ed., CRC Press, 2015
  • Schroeder W., Martin K., Lorensen B.: The Visualization Toolkit, 4th ed., Kitware Inc., 2006
  • Originalarbeiten aus einer aktuellen internationalen Visualisierungskonferenz, z.B. Eurographics Conference on Visualization

3. Studiensemester

Masterprojekt 1+2
  • PF
  • 0 SWS
  • 15 ECTS

  • Nummer

    47652

  • Dauer (Semester)

    1


Masterprojekt 2
  • PF
  • 0 SWS
  • 10 ECTS

  • Nummer

    47620

  • Sprache(n)

    de

  • Dauer (Semester)

    1


4. Studiensemester

Thesis mit Kolloquium
  • PF
  • 0 SWS
  • 30 ECTS

  • Nummer

    103

  • Sprache(n)

    de

  • Dauer (Semester)

    1


Erläuterungen und Hinweise

Diese Seite verwendet Cookies, um die Funktionalität der Webseite zu gewährleisten und statistische Daten zu erheben. Sie können der statistischen Erhebung über die Datenschutzeinstellungen widersprechen (Opt-Out).

Einstellungen (Öffnet in einem neuen Tab)