Wissen und Verstehen: Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage,

• eine komplexe forschungs- und/oder praxisorientierte Problemstellung der Informatik zu verstehen und zu analysieren, und
• wissenschaftliche und fachpraktische Methoden und Verfahren der Informatik zur Problemlösung zu differenzieren, zu selektieren und anzuwenden.

Einsatz, Anwendung und Erzeugung von Wissen: Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage,

• geeignete theoretische oder konzeptuelle Ansätze zur Bearbeitung einer komplexen Aufgabenstellung auszuwählen, anzuwenden und zu bewerten,
• Projektaufgaben zu planen, zu strukturieren und durch geeignete Methoden des Projektmanagements zu organisieren,
• Ergebnisse schriftlich unter Berücksichtigung wissenschaftlicher Standards zu dokumentieren und kritisch zu reflektieren, und
• Ergebnisse mündlich vor Fachpublikum zu präsentieren und zu diskutieren.

Kommunikation und Kooperation: Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage,

• effektiv in einem Team zusammenzuarbeiten, um eine komplexe forschungs- oder praxisorientierte Aufgabenstellung zu bearbeiten,
• Verantwortung für bestimmte Aufgabenbereiche zu übernehmen und aktiv zum Projekterfolg beizutragen, und
• Konflikt- und Kommunikationsfähigkeiten zu stärken, indem Gruppenkonflikte konstruktiv gelöst werden.

Wissenschaftliches Selbstverständnis / Professionalität: Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage,

• in teamorientierten Forschungs- und Entwicklungsprojekten zu arbeiten und sich an wissenschaftlichen sowie industriellen Standards zu orientieren, und
• sich erfolgreich in größeren Projekten und interdisziplinären Arbeitsumfeldern einzubringen.

Das Guided Research Project beinhaltet die Bearbeitung einer komplexen forschungs- oder praxisnahen Problemstellung der Informatik in Teamarbeit. Die Problemstellung wird von den Lehrenden gestellt und stammt in der Regel von laufenden Forschungsprojekten, Forschungseinrichtungen, Industrieunternehmen oder den Lehrgebieten der Lehrenden.

Um eine fachliche Tiefe zu erreichen, die geeignet auf die Master-Thesis vorbereiten kann, und um die langfristige und nachhaltige Organisation und Abstimmung im Team sowie das verbindliche Übernehmen der Verantwortung für bestimmte Aktivitäten intensiv zu fördern, erstreckt sich das Guided Research Project über zwei Semester (Teil 1 + Teil 2).

Die projektspezifischen Fachinhalte und Grundlagen werden gemeinsam im Seminar zu Beginn des Projektes erarbeitet und durch die Bearbeitung des Projektes erweitert und vertieft.

Darüber hinaus vermittelt das Guided Research Project folgende übergreifende Inhalte:

• Einführung in das wissenschaftliche Arbeiten und projektorientierte Forschung
• Analyse einer komplexen, forschungs- oder praxisnahen Problemstellung
• Methoden und Werkzeuge zur strukturierten Bearbeitung wissenschaftlicher Projekte
• Auswahl und Anwendung geeigneter theoretischer und praktischer Konzepte zur Lösung der Aufgabenstellung
• Projektplanung, Meilensteinsetzung und Fortschrittskontrolle
• Wissenschaftliche Dokumentation und Publikationsformate
• Präsentation und Diskussion von Ergebnissen vor Fachpublikum
• Teamarbeit, Projektmanagement und interdisziplinäre Zusammenarbeit
• Reflexion der erarbeiteten Lösungen und Ableitung von Optimierungspotenzialen

Das Guided Research Project trägt wesentlich zur Vorbereitung auf die Master-Thesis bei.

• Projektorientierte Bearbeitung einer komplexen Aufgabenstellung in Teamarbeit über zwei Semester
• Seminar zur gemeinsamen Erarbeitung projektspezifischen Fachinhalte und Grundlagen bei Projektbeginn: Präsentation selbständig bearbeiteter Themen durch die Studierenden mit anschließender Diskussion
• Kontinuierliches Coaching durch die betreuenden Lehrenden (z.B. durch regelmäßige Projekt-Meetings, Reviews)

Darüber hinaus können weitere, im projektspezifischen Kontext erforderliche bzw. relevante, Lehrformen Anwendung finden.

Die Prüfung erfolgt in Form von zwei Teilprüfungen (Teil 1 und 2):

Teil 1:

• Referat (Umfang: 20%, Dauer: 20-30 Minuten)
• Projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung (Umfang: 30%, Dauer mündl. Prüfung: 15-30 Minuten)

Teil 2:

• Projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung (Umfang: 50%, Dauer mündl. Prüfung: 15-30 Minuten)

Projektspezifische Literatur wird von den Lehrenden gestellt und/oder von den Studierenden im Rahmen der Projektbearbeitung selbst recherchiert werden.

Übergreifende Literatur:

• Kirchner, Jens; Meyer, Sebastian (2022): Wissenschaftliche Arbeitstechniken für die MINT-Fächer, Springer Vieweg. ISBN: 978-3-6583-3911-1
• Carrera-Rivera, Angela; Ochoa, William; Larrinaga, Felix; Lada, Ganix (2022): How-to conduct a systematic literature review: A quick guide for computer science research, MethodsX, 9. DOI: doi.org/10.1016/j.mex.2022.101895
• Creswell, John W.; Creswell, J. David (2018): Research design: qualitative, quantitative, and mixed methods approaches, 5. Auflage, Los Angeles SAGE. ISBN: 978-1-5063-8676-8
• Shull, Forrest; Singer, Janice and Sjøberg, Dag I. K. (2008): Guide to Advanced Empirical Software Engineering. Springer, Berlin. ISBN: 978-1-8480-0043-8
• Dresch, Aline; Lacerda, Daniel Pacheco; Antunes, José Antônio Valle (2015): Design Science Research: Springer, Cham
• Denning, Peter J. (2005): Is computer science science? Communications of the ACM 48, 4 (April 2005), 27–31. DOI: doi.org/10.1145/1053291.1053309

• Einführung in das Requirements Engineering
  • Definition, Relevanz und Herausforderungen
  • Einbettung abhängig von Systemtyp und Projekteigenschaften
  • Frameworks (z. B. Jacksons WRSPM-Modell)
• Anforderungsermittlung
  • Stakeholder-Identifizierung
  • Kreativität und Innovation
  • Interviews, Fokusgruppen und Ethnographie
  • Brainstorming und kollaborative Workshops
• Anforderungsdokumentation
  • Standards für Anforderungsspezifikationen (SRS)
  • Informelle Methoden: Prototypen, Storyboards
  • Modellierungsanforderungen: i-star, UML, User Stories
  • Tools: JIRA, Confluence, ReqIF
• Validierung und Verifizierung
  • Qualitätsmerkmale: Vollständigkeit, Konsistenz, Richtigkeit
  • Prototyping und Benutzerfeedback
  • Strategien zum Testen von Anforderungen
• Anforderungsmanagement
  • Priorisierungstechniken: z.B. MoSCoW, Kano, Weighted Scoring
  • Traceability
  • Auswirkungsanalyse für Änderungen
  • Versionierung und Änderungsmanagement
  • Verbesserung des RE-Prozesses
• Fortgeschrittene Themen
  • Software-Produktlinien, adaptive Systeme und Crowd-basierte Systeme
  • Domänenspezifische Sprachen
  • Generative KI und natürliche Sprachverarbeitung im RE

Vorlesung mit Tafelanschrieb und Projektion

Keine

• schriftliche Klausurarbeit, Dauer 90 min (70%)
• semesterbegleitende Prüfungsleistung, als 

  projektbezogene Arbeit mit Präsentation

   (30%)

• bestandene Klausurarbeit
• erfolgreiches Miniprojekt (projektbezogene Arbeit)

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik

Keine

Projektarbeit mit mündlicher Prüfung

erfolgreiche Projektarbeit

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik

• 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.

• verschiedene Web-Architekturen und zentrale Architekturmuster von Web-Anwendungen zu analysieren und zu unterscheiden,
• wichtige Web-Standards und -technologien zu benennen und zu kategorisieren.

• eine komplexe Web-Engineering-Aufgabe im Rahmen eines mehrwöchigen Projekts umzusetzen,
• eine geeignete Web-Architektur zur Lösung eines spezifischen Problems abzuleiten und zu entwerfen,
• geeignete Web-Standards und -technologien zur Umsetzung dieser Architektur zu bestimmen und zu kombinieren,
• fortgeschrittene Web-Engineering-Tools wie Entwicklungsumgebungen, Bundler, Scaffolding und Transpiler zu verwenden.

• Lösungen kooperativ im Team zu entwickeln und umzusetzen,
• ihre Ideen und Lösungen in verschiedenen Formaten wie Gruppenpräsentationen, Code-Reviews, Lightning Talks oder Pitches zu präsentieren, zu erklären und zu diskutieren, insbesondere vor einem Fachpublikum (z.B. Gästen/Partner*innen aus der Industrie oder aus Forschungsprojekten).

• industrielle und wissenschaftliche Best Practices aus dem Bereich Web-Engineering situationsadäquat auszuwählen und anzuwenden,
• Feedback zu reflektieren und zu bewerten, z. B. aus Code-Reviews mit Experten, und das erhaltene Feedback selbstständig zu nutzen, um ihre Lösungen zu verbessern.

• Flipped/Inverted Classroom:
  • Online-E-Learning-Materialien mit interaktiven Folien und Videos (asynchrones Selbststudium)
  • Interaktive Präsenzveranstaltungen für Aufgaben und Übungen anhand von Praxis- und Forschungsbeispielen (z.B. Coding, Gruppenübungen, Lightning Talks), für zusätzliche Vertiefung und zur Beantwortung und Diskussion von Fragen
• Projektorientiertes Praktikum: Projektaufgabe, die über das gesamte Semester in Teams bearbeitet wird
• Gastvorträge mit Experten und aktuellen Themen aus Forschung und Industrie

Keine

• Master Wirtschaftsinformatik
• Master Informatik
• Master Medizinische Informatik
• Master Digital Transformation

• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation

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

• Mündliche Prüfung (30 Minuten) mit einem Anteil von 50% an der Gesamtnote
• Projektarbeit mit mündlicher Prüfung mit einem Anteil von 50% an der Gesamtnote

• Bestandene mündliche Prüfung
• Bestandene Projektarbeit

Master Wirtschaftsinformatik

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Übung
• vorlesungsbegleitendes Praktikum

• Schriftliche Klausurarbeit
• projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung
• mündliche Prüfungen
• Hausarbeiten
• Referate 

bestandene Prüfung

Master Informatik

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Übung
• vorlesungsbegleitendes Praktikum

• Schriftliche Klausurarbeit
• projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung
• mündliche Prüfungen
• Hausarbeiten
• Referate 

bestandene Prüfung

Master Informatik

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Übung
• vorlesungsbegleitendes Praktikum

• Schriftliche Klausurarbeit
• projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung
• mündliche Prüfungen
• Hausarbeiten
• Referate 

bestandene Prüfung

Master Informatik

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Übung
• vorlesungsbegleitendes Praktikum

• Schriftliche Klausurarbeit
• projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung
• mündliche Prüfungen
• Hausarbeiten
• Referate 

bestandene Prüfung

Master Informatik

Die Studierenden sind in der Lage,
- relevante Begriffe zu definieren, zu differenzieren und zu erklären.
- die entscheidende Bedeutung der Standardisierung in der Informationssicherheit zu verstehen und methodisch umzusetzen.
- praxisrelevante Methoden, Best Practices und Softwaretools anzuwenden.
- Projektaufgaben selbstständig umzusetzen und Ergebnisse zu dokumentieren.

Keine

- Projektbezogene Arbeit (100%)

- erfolgreiche Projektarbeit

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik

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

• Grundlagen dynamischer Systeme
  • ­Beschreibung zeitdiskreter Systeme, z-Transformation
  • ­Zustandsraumdarstellung
  • Regelung mittels Zustandsrückführung
  • Zustandsbeobachtung
• Zustandsschätzung dynamischer Systeme
  • Methode der kleinsten Fehlerquadrate
  • ­Kalman Filter, Erweitertes Kalman Filter, Unscented Kalman Filter
  • Monte Carlo Methoden
• Autonome mobile Systeme
  • ­Grundlagen der Lokalisierung mobiler Systeme
  • ­Lokalisierung mittels Kalman Filter
  • ­Lokalisierung mittels Partikel Filter
  • Umgebungsmodelle und Kartierung
  • ­Navigation und Pfadplanung
  • Kollisionsvermeidung
• Ausgewählte Problemstellungen aus aktuellen Forschungsprojekten

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

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

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

Master Informatik

• Sebastian Thrun, Wolfram Burgard, Dieter Fox: Probabilistic Robotics (Intelligent Robotics and Autonomous Agents), MIT Press, 2005
• Siegwart, Roland; Nourbakhsh, Illah R.: Introduction to Autonomous Mobile Robots, MIT Press, 2nd Edition, 2011
• Karsten Berns, Ewald von Puttkamer: Autonomous Land Vehicles: Steps towards Service Robots, Vieweg+Teubner Verlag, 2009
• Hertzberg, Joachim; Lingemann, Kai; Nüchter, Andreas: Mobile Roboter - Eine Einführung aus Sicht der Informatik, Springer Vieweg Verlag, 2012
• Howie Choset, Kevin M. Lynch, Seth Hutchinson, George Kantor, Wolfram Burgard, Lydia E. Kavraki, Sebastian Thrun: Principles of Robot Motion: Theory, Algorithms, and Implementations (Intelligent Robotics and Autonomous Agents), MIT Press, 2005
• Unbehauen, Heinz: Regelungstechnik II, Vieweg Verlag, 9. Auflage, 2007
• Lunze, Jan: Regelungstechnik 2: Mehrgrößensysteme, Digitale Regelung, Springer Verlag, 6. Auflage, 2010

• 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

• 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

schriftliche Klausurarbeit

bestandene Klausurarbeit

• Master Informatik
• Master Medizinische Informatik

• 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; 5. Auflage; 2022
• Erk, K., Priese, L.; Theoretische Informatik; Springer; 4. Auflage; 2018

• Anforderungen an Big Data Anwendungen zu beurteilen und geeignete Verfahren zur Datenanalyse auszuwählen
• Big Data Anwendungen von klassischen Anwendungen abzugrenzen und zu erläutern
• anhand von Anwendungsszenarien zu entscheiden, welche Verfahren der Datenanalyse großer Datenmengen (sowohl statischer als auch Echtzeitdaten) in Big Data Anwendungen eingesetzt werden
• exemplarisch Big Data Anwendungen zu konzipieren, zu entwerfen, zu implementieren und kritisch zu reflektieren.
• die Grundlagen der Datenanalyse von großen Datenmengen und Echtzeitdaten zu erklären

• Grundlagen zum Thema Big Data
  • Herausforderungen und Architektur von Big Data Anwendungen
  • Grundlagen von Echtzeitanwendungen im Big Data Kontext und deren Besonderheiten
  • Grenzen von klassischen Lösungskonzepten im Big Data Kontext (CAP-Theorem, vertikales / horizontales Skalieren), NoSQL Datenbanken und Datenvisualisierung
  • Ethische, soziale und wirtschaftliche Bewertung von Big Data-Anwendungen
• Grundlagen und Verfahren zur Datenanalyse von großen Datenmengen
  • Verfahren zum Verteilen von Daten (MapReduce, RDD)
  • Management Rechenclustern und verteilte Datenhaltung 
  • Methoden und Technologien der Datenanalyse großer Datenmengen
• Grundlagen und Verfahren zur Datenanalyse in Echtzeitsystemen
  • Konzeption und Entwurf von Datenstrom Anwendungen (Datenstrom-Managementsysteme, Datenstrom-Designmuster)
  • Methoden und Technologien der Datenstromanalyse (Streaming Analytics) 
  • Anomalie-Erkennung und Überwachung von Datenströmen
• Unterschiede und Gemeinsamkeiten bei der Datenanalyse vor großen Datenmengen bzw. Daten in Echtzeitsystemen, insbesondere der betrachteten Verfahren

• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitendes Praktikum
• Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit
• vorlesungsbergleitendes Projekt

1. zu 60% aus einer mündlichen Prüfung (20-30 Minuten, gemäß akt. Prüfungsplan), in der die Studierenden Anwendungsszenarien analysieren, verschiedene theoretische Grundlagen erläutern und situativ anwenden können und
2. zu 40% aus einer semesterbegleitenden Prüfungsleistung (Projektarbeit mit abschließendem Referat), mit der die Studierenden zeigen sollen, dass sie die in der Vorlesung gelernten Technologien anwenden, reflektieren und bewerten können.

Master Informatik

• Kleppmann, Designing data-intensive applications, O'Reilly Media (2017)
• Bifet, Machine learning for data stream, MIT-Press (2017)
• Ellis, Real-time analytics, Wiley & Sons (2014)
• Parsian, Data Algorithmns, O'Reilly Media (2015)
• Arundel und Domingus, Cloud Native DevOps mit Kubernetes, dpunkt.verlag (2019)

• Flipped/Inverted Classroom:
  • Online-E-Learning-Materialien mit interaktiven Folien und Videos (asynchrones Selbststudium)
  • Interaktive Präsenzveranstaltungen für Aufgaben und Übungen anhand von Praxis- und Forschungsbeispielen (z.B. Coding, Gruppenübungen, Lightning Talks), für zusätzliche Vertiefung und zur Beantwortung und Diskussion von Fragen
• Projektorientiertes Praktikum: Projektaufgabe, die über das gesamte Semester in Teams bearbeitet wird
• Gastvorträge mit Experten und aktuellen Themen aus Forschung und Industrie

Keine

• Master Wirtschaftsinformatik
• Master Informatik
• Master Medizinische Informatik
• Master Digital Transformation

• Vernon, Vernon (2016): Domain-Driven Design Distilled, Addison-Wesley
• Evans, Eric (2003): Domain-Driven Design: Tackling Complexity in the Heart of Software, Addison-Wesley
• Richardson, Chris (2018): Microservice Patterns: With examples in Java, Manning
• Martin, Robert C. (2017): Clean Architecture: A Craftsman's Guide to Software Structure and Design, Pearson
• Lilienthal, Carola (2019): Sustainable Software Architecture: Analyze and Reduce Technical Debt; dpunkt.verlag
• Bass, Len; Clements, Paul; Kazman, Rick (2021): Software Architecture in Practice, SEI Series in Software Engineering, Fourth Edition, Addison-Wesley Professional
• Gamma, Erich; Helm, Richard; Johnson, Ralph; Vlissides, John (1994): Design Patterns: Elements of Reusable Object-Oriented Software, Addison-Wesley
• Combemale, Benoit; France, Robert; Jézéquel, Jean-Marc; Rumpe, Bernhard;  Steel, James; Vojtisek, Didier (2016): Engineering Modeling Languages. CRC Press
• Rademacher, Florian (2022). A language ecosystem for modeling microservice architecture, Phd Thesis, https://dx.doi.org/doi:10.17170/kobra-202209306919

• Der Zeitbegriff: mathematische Reduktion der Zeit, Aufbau und Eigenschaften einer Uhr, Zeitstandards
• Einführung in die Planung: Prozessparameter, WCET, Brauchbarkeit, Prozesspräzedenz, Prozessanomalien
• Prioritätsbasierte Planungsverfahren für aperiodische Prozesse: Earliest Due Date, Earliest Deadline First, Least Laxity First
• Prioritätsbasierte Planungsverfahren für periodische Prozesse: Rate und Deadline Monotonic Scheduling, Einplanungstests (LL-Test, kritisches Intervall, RT-Test), Earliest Deadline First
• Zeitbasierte Planungsverfahren: äußerer und innerer Zyklus, Anforderungen nach Baker&Shaw, Implementierung des Cyclic Executives
• Planungsverfahren für synchronisierte Prozesse: Prioritätsumkehr, Verfahren (Nicht-präemptive kritische Abschnitte, Prioritätsvererbung, Prioritätsobergrenzen), Berechnung von Blockierungszeiten
• Echtzeitbetriebssysteme: u.a. Architektur, Scheduler, Umgang mit Interrupts, Fallstudie
• Verteilte Systeme: Synchronisation von Uhren, Echtzeiteigenschaften verschiedener Medienzugriffsverfahren, aktuelle Echtzeit-Protokolle

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Übung
• vorlesungsbegleitendes Praktikum

• mündliche Prüfung, 30min (70%)
• semesterbegleitende Prüfungsleistung, als 

  projektbezogene Arbeit mit Präsentation

  (30%)

bestandene mündliche Prüfung

Master Informatik

• Charakterisierung und Abgrenzung Software-intensiver Systeme

• Anwendungen, Referenzarchitekturen und Lebenszyklen in verschiedenen Industrien

• Systemorientierung (Systembegriff, Sytemkontexte, Systemebenen/Bausteine)

• Entwicklungsprozesse für komplexe Software-intensive Systeme (traditionell und agil)

• Architektur und Design: Prinzipien und Best Practices für Softwarearchitekturen.

• Implementierung und Integration: DevOps-Ansätze, CI/CD-Pipelines, Virtualisierung und Containertechnologien.

• Test, Verifikation und Validierung komplexer und eingebetteter Systeme aus Hard- und Software

• Deployment: Bereitstellungsstrategien mit modernen Tools

• Funktionale Sicherheit: Risiko, -reduktion, SIL und Sicherheit, Normen, Kultur in verschiedenen Industrien

• Dependable Systems: Konzepte zu Zuverlässigkeit, Verfügbarkeit, Wartbarkeit und Sicherheit Software-intensiver Systeme.

• Architekturmuster und Prozesse für Verfügbarkeit und Funktionale Sicherheit

• Das Modul wird in Seminarform abgehalten und kombiniert Vorlesungen, praktische Übungen und Projektarbeit.
• Lösung von praxisorientierten Übungsaufgaben, einzeln oder in Teams
• Bearbeitung von Programmieraufgaben am Computer in Einzel- oder Gruppenarbeit
• vorlesungsbegleitende Projektarbeit mit Abschlusspräsentation

bestandene mündliche Prüfung mit der Note 4,0 oder besser

Master Informatik

• Sommerville: Software Engineering ,10. Aufl. , Pearson Deutschland, 2018.
• Liggesmeyer, Rombach: Software Engineering eingebetteter Systeme, Spektrum Akademischer Verlag, 2005.
• Bass, Clements, Kazman: Software Architecture in Practice, 3rd ed., Addison Wesley, 2013.
• Delligatti: SysML Distilled, Addison Wesley, 2014.
• Zörner: Software-Architekturen dokumentieren und kommunizieren, 2. Aufl., Hanser, 2015.
• Starke, Hruschka: Arc42 in Aktion, Hanser, 2016.
• Grünfelder: Software-Test für Embedded Systems, 2. Aufl., dpunkt Verlag, 2017.
• Grenning: Test Driven Development of Embedded C, O'Reilly, 2011.
• MISRA, MISRA C:2012, Guidelines for the use of the C language in critical systems, HORIBA MIRA Limited, 2015.
• Hobbs: Embedded Software Development for Safety-Critical Systems, CRC Press (2016).
• verschiedene Normen (werden in der Veranstaltung bekannt gegeben)

Formale Methoden sind Sprachen zur Modellierung von Softwaresystemen auf einer gewissen Abstraktionsebene. Da sie eine formale Semantik besitzen, können die so beschriebenen Modelle auf ihre Korrektheit analysiert werden. Dies ist insbesondere für softwareintenive Systeme wichtig.

Die Vorlesung vermittelt Kenntnisse und Fähigkeiten in der Modellierung und Analyse von Softwaresystemen. Die Studenten sollen ferner in die Lage versetzt werden, passende Sprachen und Analysetechniken für die Modellierung auszuwählen.

Fach- und Methodenkompetenz:

• die Theorie von formalen Methoden einzusetzen
• Formale Modelle zu komplexen Systemen zu entwerfen, implementieren und analysieren
• Verschiedene formale Methoden und Modelle hinsichtlich Kriterien zu beurteilen

Selbstkompetenz:
Die/der Studierende/r kann Ideen und Lösungsvorschläge schriftlich und mündlich präsentieren, die eigenständige Präsentation von Lösungen tragen zur Entwicklung von Selbstsicherheit/Sachkompetenz bei; die Entwicklung von Strategien zum Wissens- und Kenntniserwerbs werden durch die Kombination (seminaristische) Vorlesung mit eigenständiger Erarbeitung der Inhalte wissenschaftlicher Literatur unterstützt.

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.

• Einbettung von formalen Methoden in den Software-Entwicklungszyklus, Vorgehensmodelle
• Methoden zur formalen Programmentwicklung im Großen
• Formalismen, die in heutigen Programmentwicklungssystemen Verwendung finden:
  • Algebraische Spezifikationstechniken
  • Zustandsorientierte und zeitbehaftete Spezifikationen
  • Behandlung von Nebenläufigkeit
• Verfahren zur Verifikation und Validierung von formalen Entwicklungsschritten, formale Spezifikationssprachen
• Werkzeuge zur formalen Programmentwicklung

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

Keine

• Schriftliche Klausurarbeit (Umfang 70%, Dauer 90min)
• Prüfungsleistung: Projekt (Umfang 30%)

• bestandene Klausurarbeit
• bestandenes Projekt

Master Informatik

• Reisig, W. (2013): Understanding Petri Nets – Modeling Techniques, Analysis Methods, Case Studies, Springer
• Clarke, E.M., Grumberg, O., Peled, D.A. (1999): Model Checking, MIT Press
• Baier, C., Katoen, J.-P. (2008): Principles of Model Checking, MIT Press
• Spivey, J.M. (2001): The Z Reference Manual (https://github.com/Spivoxity/zrm/blob/master/zrm-pub.pdf)
• Ruhela, V. (2012): Z Formal Specification Language – An Overview, INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH & TECHNOLOGY (IJERT) Volume 01, Issue 06
• http://www.tapaal.net
• http://www.uppaal.org

Nach erfolgreicher Teilnahme an diesem Modul sind die Studierenden in der Lage:

Wissen und Verstehen:

• Die Anwendungsgebiete und Systemumgebungen von Compilern zu erläutern.
• Die Phasen eines Compilers zu beschreiben und deren Aufgaben und Ergebnisse zu verstehen.
• Die Grundlagen der lexikalischen Analyse, insbesondere Grammatiken, reguläre Sprachen und Automaten, zu erklären.
• Die Prinzipien der Top-Down-Analyse sowie LL(k)-Grammatiken zu verstehen und anzuwenden.
• Die Struktur und Funktion von Syntaxbäumen und abstrakten Syntaxbäumen zu analysieren.
• Konzepte der Speicherorganisation, Laufzeitsysteme und Zwischendarstellungen zu erläutern.

Einsatz, Anwendung und Erzeugung von Wissen:

• Reguläre Ausdrücke in deterministische endliche Automaten zu übersetzen.
• Endliche Automaten geeignet zu vereinigen und zu minimieren.
• Scanner basierend auf deterministischen endlichen Automaten zu implementieren.
• Parser unter Verwendung von rekursivem Abstieg für LL(1)-Grammatiken zu entwickeln.
• Symboltabellen zu entwerfen und zu implementieren.
• Die syntaxgesteuerte Übersetzung mittels attributierter Grammatiken zu realisieren.
• Zwischencode (z. B. 3-Adress-Code, stackbasierter Zwischencode) zu erzeugen und maschinenunabhängige sowie maschinenabhängige Optimierungen durchzuführen.

Kommunikation und Kooperation:

• In kleinen Teams Compilerkomponenten zu entwerfen und zu implementieren.
• Dokumentation und Präsentationen zu Compilertechniken für Fachpublikum zu erstellen.

Wissenschaftliches Selbstverständnis / Professionalität:

• Effiziente Implementierungen von Compilertechniken unter Beachtung theoretischer Grundlagen zu erstellen.
• Die praktische Relevanz von Compilern für Softwareentwicklung und Systemprogrammierung kritisch zu reflektieren.

• Anwendungsgebiete und Systemumgebungen für Compiler
• Phasen eines Compilers
• Aufgaben und Ergebnisse der Analyse- und Übersetzungsphasen eines Compilers
• Grammatiken, Reguläre Sprachen und Automaten im Kontext der Lexikalischen Analyse
• Komposition und Minimierung von endlichen Automaten
• 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 Top-Down-Analyse
• Charakterisierung von LL(1)-Grammatiken
• Berechnung von FIRST-, FOLLOW- und Steuermengen für LL(1)-Grammatiken
• Implementierung eines Parsers durch rekursiven Abstieg
• Syntaxbäume und abstrakte Syntaxbäume
• Fehlerbehandlung
• Attributierte Grammatiken als Basis für die syntaxgesteuerte Übersetzung
• Symboltabellen
• Implementierung der syntaxgesteuerte Übersetzung durch eine Variante des rekursiven Abstiegs basierend auf Übersetzungsschemata
• Speicherorganisation und Laufzeitsystem
• Verschiedene Arten von Zwischendarstellungen., insbesondere 3-Adress-Code und stackbasierter Zwischencode
• Übersetzung einer Beispielsprache in Zwischencode
• Maschinenunabhängige und maschinenabhängige Optimierungen

• 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

Die Prüfung besteht aus zwei Teilen:

1. schriftliche Klausurarbeit (semesterbegleitend), 60 - 90 Minuten, mit einem Anteil von 30% an der Gesamtnote
2. projektbezogene Arbeit mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung, 30 Minuten, mit einem Anteil von 70% an der Gesamtnote

bestandene Klausurarbeit und bestandene projektbezogene Arbeit (mit Dokumentation und Präsentation mit anschließender mündlicher Prüfung), jeweils mit der Note 4,0 oder besser

• Master Informatik

• U. Meyer, Grundkurs Compilerbau, Rheinwerk Verlag, zweite Auflage 2024
• C. Wagenknecht, M. Hielscher, Formale Sprachen, abstrakte Automaten und Compiler, Springer 2022
• A.V. Aho, M.S. Lam, R. Sethi und J.D. Ullman, Compilers. Principles, Techniques, and Tools. Addison-Wesley, 2006
• H. Mössenböck, N. Wirth, Compilerbau: Grundlagen und Anwendungen, dpunkt Verlag 2024
• K. D. Cooper und L.Torczon, Engineering a Compiler, Second Edition. Academic Press, 2011

1. Erweiterte Analysetechniken und Tools
   • Arbeitsspeicherforensik
   • Mobile Device Forensics (Android, iOS)
2. Netzwerk- und Cloud-Forensik
   • Log- und Datenanalyse in virtualisierten und Cloud-Umgebungen
   • Netzwerkflussanalysen (z.B. NetFlow, Zeek)
   • Protokoll- und Paketanalysen in verteilten Systemen
3. Forensik in komplexen IT-Infrastrukturen
   • Container- und Microservices-Forensik (z.B. Docker)
   • IoT- und Embedded-Systeme (z.B. Smarthome-Forensik)
   • Besonderheiten bei Hybrid- und Multi-Cloud-Strategien
4. Incident Response und Notfallmanagement
   • Aufbau und Rollenverteilung in Incident-Response-Teams
   • Einbindung in bestehende Sicherheitskonzepte (SIEM, SOC)
   • Forensische Reaktion auf aktuelle Angriffsszenarien (z.B. Ransomware, APTs)
5. Rechtliche Grundlagen und Compliance
   • Datenschutzgesetze (DSGVO, BDSG)
   • Cybercrime-Gesetzgebung und strafprozessuale Aspekte
   • Gerichtsfeste Beweiserhebung und Dokumentation
6. Forensische Dokumentation und Kommunikation
   • Strukturierte Erstellung forensischer Berichte und Gutachten
   • Kommunikation mit juristischen Instanzen und Management
   • Präsentationstechniken für komplexe forensische Sachverhalte
7. Aktuelle Forschung und Trends
   • KI-gestützte forensische Analysen (z.B. Machine Learning für Anomalieerkennung)
   • Zukünftige Herausforderungen

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• vorlesungsbegleitendes Praktikum

• mündliche Prüfung

bestandene mündliche Prüfung

Master Informatik

• Grundlagen der praktischen Funktionalen Programmierung
• Lambda-Kalkül
• Typisierung im Lambda-Kalkül
• Natürliches Schließen
• Propositions-as-Types
• Dependent Types
• Programmierung von Beweisen
• Formalisierung ausgewählter Gundlagen der Programmierung

• Seminaristische Vorlesunge, mit Tafelanschrieb und Live-Programmierung
• Situationsbedingter Wechsel zwischen Vorlesung, praktischen Übungen und Diskussion von Lösungen

Schriftliche Klausurarbeit (60 - 90 Minuten) oder mündliche Prüfung (gemäß akt. Prüfungsplan)

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

Master Informatik

• Bove A., Dybjer P.; "Dependent types at work. In Language Engineering and Rigorous Software Development", LNCS 5520, 57-99, Springer, Berlin, 2008 
• Hindley, J.R., Seldin J.P.; "Lambda-Calculus and Combinators, an Introduction", Cambridge University Press, Cambridge, UK, 2008
• Hutton G.; "Programming in Haskell. Cambridge", University Press, Cambdridge, UK, 2016
• Wadler P.; "Proposition as types", Commun. ACM, 58(12):75-84, Nov, 2015
• Wadler P., Kokke W., Siek J.G.; "Programming language foundations in Agda", 2021

• Der Zeitbegriff: mathematische Reduktion der Zeit, Aufbau und Eigenschaften einer Uhr, Zeitstandards
• Einführung in die Planung: Prozessparameter, WCET, Brauchbarkeit, Prozesspräzedenz, Prozessanomalien
• Prioritätsbasierte Planungsverfahren für aperiodische Prozesse: Earliest Due Date, Earliest Deadline First, Least Laxity First
• Prioritätsbasierte Planungsverfahren für periodische Prozesse: Rate und Deadline Monotonic Scheduling, Einplanungstests (LL-Test, kritisches Intervall, RT-Test), Earliest Deadline First
• Zeitbasierte Planungsverfahren: äußerer und innerer Zyklus, Anforderungen nach Baker&Shaw, Implementierung des Cyclic Executives
• Planungsverfahren für synchronisierte Prozesse: Prioritätsumkehr, Verfahren (Nicht-präemptive kritische Abschnitte, Prioritätsvererbung, Prioritätsobergrenzen), Berechnung von Blockierungszeiten
• Echtzeitbetriebssysteme: u.a. Architektur, Scheduler, Umgang mit Interrupts
• Verteilte Systeme: Synchronisation von Uhren, Echtzeiteigenschaften verschiedener Medienzugriffsverfahren, aktuelle Echtzeit-Protokolle

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Übung
• vorlesungsbegleitendes Praktikum

• mündliche Prüfung
• semesterbegleitende Prüfungsleistungen

bestandene mündliche Prüfung

Master Informatik

• Kommunikations- und Referenzmodelle;
• theoretische Verfahren zur Kapazitätsplanung und Berechnung basierend auf statistischen Modellen und Markov-Ketten;
• Netzalgorithmen für Switching - Spanning Tree Protokoll - und Routing - Open Shortest Path First
• Weitverkehrslösungen, wie Multi Protocol Label Switching;
• Virtualisierte Netzgeräte am Beispiel von CumulusVX und OPNSense,
• Netzwerkmanagement auf Basis von SNMP und Einsatz von Zabbix als Überwachungssystem;
• Referenzarchitekturen für Unternehmensnetze und Rechenzentrumsnetze,
• Netzaspekte in Cloud Computing

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

Keine

schriftliche Klausurarbeit

bestandene Klausurarbeit

Master Informatik

• Larry L. Peterson Bruce S. Davie: Computer Networks: a system approach, 2.ed., Morgan
  Kaufmann
• Douglas Comer / David L. Stevens: Internetworking with TCP/IP, Vol.1 und 2, Prentice Hall

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

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

bestandene Klausurarbeit

Master Informatik

• 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)

Keine

• schriftliche Klausurarbeit (70% der Prüfungsleistung)
• semesterbegleitende Prüfungsleistungen (30% der Prüfungsleistung)

• bestandene Klausurarbeit
• erfolgreiche semesterbegleitende Prüfungsleistung (Miniprojekt mit Präsentation)

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik
• Master Digital Transformation
• Master Embedded Systems Engineering
• Master Medical Informatics

• 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

• 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

schriftliche Klausurarbeit

bestandene Klausurarbeit

Master Informatik

• Gruppen
• Ringe
• Ideale
• Körper
• Kryptographische Anwendungen von modularer Arithmetik (z.B. Diffie-Hellman, RSA,...)
• das Diskrete Logarithmusproblem (DLP)
• Algorithmisches Finden und Testen von Primzahlen (z.B. Fermat-Test, Miller-Rabin Verfahren)
• Algorithmisches Angreifen des DLP (z.B. via Babystep-Giantstep oder Pollard Rho) und generelle algorithmische Techniken, die in der Kryptographie Anwendung finden (z.B. Floyd cycle detection)
• Grundlagen zu probabilistischen Algorithmen in der Kryptographie
• Mathematische Grundlagen, die zur Analyse probabilistischer Algorithmen herangezogen werden
• sog. "sichere Primzahlen"
• Vertiefte Analyse, am Beispiel von Diffie-Hellman, wie sich die Parameter (Primzahl, g) auf die Angreifbarkeit des DLP auswirken
• Elliptische Kurven über endlichen Körpern
• Kryptographische Anwendungen von elliptischen Kurven (z.B. elliptischer Diffie-Hellman)

• einer Vorlesung mit Interaktion mit den Studierenden, sowie
• eines Praktikums, mit unterstützender Anleitung, in der die Studierenden konkrete Verfahren implementieren oder testen

Es findet ausschließlich eine Abschlussprüfung am Ende der Veranstaltung statt.

Prüfungsformate: Schriftliche Klausur, 60 min, oder ersatzweise mündliche Prüfungen

Unabhängig vom Prüfungsformat wird mit der Prüfung evaluiert, inwieweit die Studierenden

• souverän mit den mathematischen Konzepten aus der Veranstaltung umgehen können,
• die abstrakten mathematischen Konzepte mit konkreten Fragen aus der Kryptographie oder Implementierungsfragen verbinden können,
• die Angreifbarkeit verschiedener kryptographischer Verfahren und ihrer Varianten unter gegebenen Parametern bewerten können,
• bzw. einen konkreten Angriff beschreiben oder durchführen können,
• gelernte Techniken und Verfahren wiedergeben oder in konkreten Beispielen anwenden können,
• potenzielle Schwachstellen erkennen können

Bestehen der Abschlussprüfung

• Master Informatik
• Master Medizinische Informatik

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

Wissen und Verstehen

• zentrale Konzepte, Architekturen und Interaktionsmechanismen von mobilen Multiagentensystemen (MAS) zu erklären und sie von klassischen verteilten Systemen abzugrenzen.
• Methoden der Koordination, Kooperation und Konsensfindung in mobilen MAS zu analysieren und deren Einsatz in realen Anwendungen zu bewerten.

Einsatz, Anwendung und Erzeugung von Wissen

• Planungs-, Lern- und Selbstorganisationsmechanismen in mobilen MAS zu entwerfen, zu implementieren und auf Problemstellungen wie Schwarmintelligenz oder autonome Systeme anzuwenden.
• Mobile MAS mit geeigneten Simulationstools zu modellieren, zu testen und ihre Leistungsfähigkeit zu evaluieren.

Kommunikation und Kooperation

• wissenschaftliche Erkenntnisse und technische Konzepte zu mobilen MAS klar zu präsentieren und in interdisziplinären Teams anzuwenden.
• ethische und gesellschaftliche Auswirkungen intelligenter mobiler MAS kritisch zu reflektieren und verantwortungsbewusst zu gestalten.

Wissenschaftliches Selbstverständnis / Professionalität

• sich eigenständig in aktuelle Forschungsthemen zu mobilen MAS einzuarbeiten, neue Fragestellungen zu entwickeln und geeignete Lösungsansätze abzuleiten.
• wissenschaftlich fundierte Entscheidungen bei der Entwicklung und Anwendung von mobilen MAS zu treffen und dabei technische sowie ethische Rahmenbedingungen zu berücksichtigen.

• Grundlagen von Multiagentensystemen (MAS)

  • Definition und Konzepte von Agenten und Multiagentensystemen

  • Eigenschaften und Klassifikation von Agenten

  • Abgrenzung zu klassischen verteilten Systemen

• Agentenarchitekturen und -modelle

  • Reaktive, deliberative und hybride Architekturen

  • Entscheidungsfindung und Autonomie von Agenten

  • Architekturen für intelligente Agenten

• Kommunikation und Interaktion in MAS

  • Agent Communication Languages (ACL)

  • Sprechakttheorie und Ontologien

  • Mechanismen der Koordination und Kooperation

• Konsensfindung und Verhandlung in MAS

  • Nash-Gleichgewicht und kooperative Strategien

  • Verhandlungsprotokolle (Aufgaben- und Wertorientierung)

  • Anwendungen in Auktionen und elektronischen Märkten

• Planung und Lernen in Multiagentensystemen

  • Zentrale vs. verteilte Planung

  • Reinforcement Learning für Agentensysteme

  • Selbstorganisation und evolutionäre Algorithmen

• Modellierung von Umgebungen für MAS

  • Einfluss von deterministischen und dynamischen Umgebungen

  • Simulation von Agentensystemen mit Mesa (Python)

  • Herausforderungen in offenen und komplexen Systemen

• Kollektive Bewegung und Schwarmintelligenz

  • Prinzipien der Schwarmintelligenz (bspw. Boid-Modell)

  • Selbstorganisierte Formationen in Multiagentensystemen

  • Anwendungen: Drohnenschwärme, autonome Fahrzeuge, Such- und Rettungsmissionen

• Anwendungsfälle und Fallstudien

  • Multiagentensysteme in Robotik und Logistik

  • Agentensysteme in der Spieleindustrie und Simulation sozialer Systeme

  • Intelligente Agenten für Smart Cities und IoT

• Praktische Übungen und semesterbegleitendes Projekt

  • Implementierung von Agenten mit Mesa (Python)

  • Entwicklung eines kooperativen Multiagentensystems

  • Evaluierung verschiedener Interaktions- und Planungsmechanismen

• 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
• studienbegleitende Prüfungsleistung mit abschließender Präsentation

• mündliche Prüfung [Umfang: 75%](20-30 min) 
• studienbegleitende Prüfungsleistung [Umfang: 25%]

• Master Informatik

• Wooldridge, M.: An Introduction to MultiAgent Systems, 2nd ed., John Wiley & Sons, 2009
• Russell, S., & Norvig, P.: Artificial Intelligence: A Modern Approach, 4th ed, Pearson, 2021
• Shoham, Y., & Leyton-Brown, K.: Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press, 2009
• Mesa Framework Documentation: https://mesa.readthedocs.io

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation

mündliche Prüfung (30 Minuten)

bestandene mündliche Prüfung (30 Minuten)

Master Informatik

Nach erfolgreicher Teilnahme an den Modulveranstaltungen sind die Studierenden in der Lage:

• Prozesse und Aktivitäten von IT-Beschaffungsprozessen anzuwenden,
• die zentralen Verfahren, rechtlichen Rahmenbedingungen und relevanten Ausschreibungsrichtlinien für IT-Beschaffungsprojekte anzuwenden,
• geeignete Methoden, Techniken, Sprachen und Werkzeuge u.a. des Projekt- und Requirements Managements anzuwenden, um IT-Beschaffungsprozesse adäquat durchführen zu können
• relevante Ergebnisse eines IT-Beschaffungsprozesses in studentischen Projektgruppen zu erschaffen und zu präsentieren

• 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 Projektteam (zumeist 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
  • Aufbau und Erstellung von Ausschreibungsunterlagen: Formulare, Regelungen, Gesetze
  • EVB-IT, BVB-Rahmenwerke
  • Ausschreibungsrecht, Vergaberecht, Ausschreibungsbewertung
  • Öffentliche, beschränkte und freihändige Vergabe
• Durchführung von Bietergesprächen und -präsentationen: Ablauf und Vorgehen

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion
• Vorstellung und Präsentation dedizierter Lehrinhalte durch die Studierenden
• Präsentationen der Studierenden

• für die jeweils 50 Punkte erreicht werden können und
• die jeweils mit 25 Punkten bestanden werden müssen:

• ab 50 Gesamtpunkten erreicht man die Note 4,0 (ausreichend) und
• ab 95 Gesamtpunkten wird die Note 1,0 (sehr gut) vergeben

Sie müssen die beiden Teile der Prüfungsform (siehe Pkt. 6 Prüfungsformen) mit mindestens ausreichend bestanden haben, um die Leistungsüberprüfung des Lehrmoduls zu bestehen und die dafür vorgesehenen Kreditpunkte erreichen zu können.

• Master Informatik
• Master Wirtschaftsinformatik

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

• 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

• Semesterbegleitende Prüfungsleistungen (Umfang 1/3) + mündliche Prüfung (Umfang 2/3)

Semesterbegleitende Prüfungsleistungen und mündliche Prüfung müssen in Summe bestanden
sein.

• Master Medizinische Informatik
• Master Informatik

• 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.

Nach erfolgreicher Teilnahme an diesem Modul sind die Studierenden in der Lage

Wissen und Verstehen

• Zentrale Konzepte des Projektmanagements zu benennen und zu erläutern.
• Aktuelle Standards im Projektmanagement zu beschreiben.
• Die Aufgaben und das Berufsbild eines IT-Projektmanagers wiederzugeben.
• Konzepte des Qualitäts- und Risikomanagements zu erklären.

Einsatz, Anwendung und Erzeugung von Wissen

• Ein Planungsprojekt eigenständig durchzuführen und dabei vertiefte Methoden der Projektplanung einzusetzen.
• Kenntnisse in den Methoden der Projektsteuerung (insbesondere Zeit- und Kostenmanagement) anzuwenden.
• Für ein komplexes Projekt geeignete Methoden und Werkzeuge des Projektmanagements auszuwählen und diese im Team anzuwenden.
• Methoden des Projektmanagements auf andere Aufgabenbereiche eines Wirtschaftsinformatikers zu übertragen.

Kommunikation und Kooperation

• Spezielle Methoden und Werkzeuge zur Unterstützung der Kooperation und Kommunikation im Projekt (z.B. Mind Mapping, CSCW-Tools, Entscheidungstabellen) zu nutzen und diese Werkzeuge sinnvoll miteinander zu verknüpfen.
• Im Team zusammenzuarbeiten, um die Kenntnisse aus allen Phasen der Veranstaltung in einem komplexen Projekt anzuwenden.

Wissenschaftliches Selbstverständnis / Professionalität

• Die Übertragbarkeit von Projektmanagement-Methoden auf andere Aufgaben eines Wirtschaftsinformatikers zu erkennen.
• Das eigene Handeln in Bezug auf die Aufgaben und das Berufsbild des IT-Projektmanagers einzuordnen.

• 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

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

• schriftliche Klausurarbeit
• semesterbegleitende Prüfungsleistungen in Form von Übernahme einer Teilüprojektleitung

• bestandene Klausurarbeit
• erfolgreiche Bearbeitung des Teilprojektes

• Master Informatik
• Bachelor Wirtschaftsinformatik
• Master Medizinische Informatik

• Tiemeyer, Ernst (Hrsg.): Handbuch IT-Projektmanagement. Vorgehensmodelle, Managementinstrumente, Good Practices. 4., überarbeitete und erweiterte Auflage. Hanser, 2023.
• Wieczorrek, Hans W. / Mertens, Peter: Management von IT-Projekten: Von der Planung zur Realisierung. 5., überarbeitete Auflage. Springer Vieweg, 2021.
• Timinger, Holger: Mit traditionellem, agilem und hybridem Vorgehen zum Erfolg. Wiley-VCH, 2024 
  

• Vorgehensmodelle
• Prozessmodelle
• Merkmale bekannter Prozessmodelle
• Prozess-Frameworks
• Faktor Mensch
• Ökonomie von Software-Projekten
• Kommunikation in der Softwareentwicklung
• Artefakte und Dokumentation
• Prozess- und Produktqualität
• Integration von Projekt-, Risiko-, Qualitäts-, Problem-, Änderungs- und Anforderungs-Management
• Tailoring
• Prozessentwurf

• Seminaristische Vorlesung mit Tafelanschrieb und Projektion
• Situationsbedingter Wechsel zwischen Vorlesung, praktischen Übungen und der Diskussion von Fallstudien

• Schriftliche Klausurarbeit (60 - 90 Minuten) oder mündliche Prüfung.

• Bestandene Klausurarbeit.

Master Informatik

• Ludewig K, Lichter H.; "Software Engineering: Grundlagen, Menschen, Prozesse, Techniken", dpunkt.verlag, Heidelberg, 2023
• Balzert H, Ebert Ch.; "Lehrbuch der Software-Technik, Software-Management", Spektrum Akademischer Verlag, Heidelberg, 2008
• Sommerville I.; "Software Engineering", Pearson, Boston, 2016
• Chrissis M.B., Konrad M., Shrum S; "CMMI for Development", Addison-Wesley, Upper Saddle River, NJ, 2011
• Dawson C, Dawson R.; "Software development process models: a technique for evaluation and decision-making", Knowl Process Manag. 21(1), 43-53, 2014

• systematisch Gestaltungslösungen zu entwickeln und auf deren Gebrauchstauglichkeit zu prüfen
• Forschungsdesigns zu erstellen, durchzuführen und auszuwerten

• methodische Abwägungen vorzunehmen und Auswahlen zu begründen

• gemeinsam als Kleingruppe ein eigenes Forschungsvorhaben planen und umsetzen
• das Vorgehen in einem gemeinsamen Projekt einüben

Wissenschaftliches Selbstverständnis / Professionalität
Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage

• über die Methodik ihres Fachgebiets und darüber hinaus zu reflektieren und konkrete Arbeiten auf deren Methodik zu untersuchen

1. Grundbegriffe Usability
2. Bezüge und Anknüpfpunkte zu Mensch-Computer-Interaktion
3. Usability Engineering – frühe Ansätze
4. Studiendesign und Evaluationsmethoden
5. Projektarbeit
6. Spezialkapitel: Usability bezogen auf einen aktuellen Forschungsgegenstand
   
    

• Hausarbeit und Referat (80%)
• Semesterbegleitleistung (20%)

Master Informatik

• Flipped/Inverted Classroom:
  • Online-E-Learning-Materialien mit interaktiven Folien und Videos (asynchrones Selbststudium)
  • Interaktive Präsenzveranstaltungen für Aufgaben und Übungen anhand von Praxis- und Forschungsbeispielen (z.B. Coding, Gruppenübungen, Lightning Talks), für zusätzliche Vertiefung und zur Beantwortung und Diskussion von Fragen
• Projektorientiertes Praktikum: Projektaufgabe, die über das gesamte Semester in Teams bearbeitet wird
• Gastvorträge mit Experten und aktuellen Themen aus Forschung und Industrie

Keine

• Master Wirtschaftsinformatik
• Master Informatik
• Master Medizinische Informatik
• Master Digital Transformation

• Vernon, Vernon (2016): Domain-Driven Design Distilled, Addison-Wesley
• Evans, Eric (2003): Domain-Driven Design: Tackling Complexity in the Heart of Software, Addison-Wesley
• Richardson, Chris (2018): Microservice Patterns: With examples in Java, Manning
• Martin, Robert C. (2017): Clean Architecture: A Craftsman's Guide to Software Structure and Design, Pearson
• Lilienthal, Carola (2019): Sustainable Software Architecture: Analyze and Reduce Technical Debt; dpunkt.verlag
• Bass, Len; Clements, Paul; Kazman, Rick (2021): Software Architecture in Practice, SEI Series in Software Engineering, Fourth Edition, Addison-Wesley Professional
• Gamma, Erich; Helm, Richard; Johnson, Ralph; Vlissides, John (1994): Design Patterns: Elements of Reusable Object-Oriented Software, Addison-Wesley
• Combemale, Benoit; France, Robert; Jézéquel, Jean-Marc; Rumpe, Bernhard;  Steel, James; Vojtisek, Didier (2016): Engineering Modeling Languages. CRC Press
• Rademacher, Florian (2022). A language ecosystem for modeling microservice architecture, Phd Thesis, https://dx.doi.org/doi:10.17170/kobra-202209306919