Studiengang

Information and Communication Technology

(Master of Science)

Modulhandbuch

SS 2022
WS 2021/2022

Prüfungsordnungsversion: 2019s

Modulhandbuch generiert aus UnivIS

Stand: 15.06.2022 18:14

[Link]
Information and Communication Technology (Master of
Science)
SS 2022, WS 2021/2022; Prüfungsordnungsversion: 2019s

1 Gesamtkonto
1.1 Pflicht- und Wahlpflichtmodule der Studienschwerpunkte
1.1.1 Schwerpunkt Embedded Systems
[Link] Pflichtmodule
Communication Electronics
• Kommunikationselektronik, 5 ECTS, Jörg Robert, SS 2022 17
Design of Integrated Circuits I
• Entwurf Integrierter Schaltungen I, 5 ECTS, Sebastian M. Sattler, Florian Deeg, WS 20
2021/2022
Embedded Systems
• Eingebettete Systeme, 5 ECTS, Frank Hannig, WS 2021/2022 22
Hardware-Software-Co-Design
• Hardware-Software-Co-Design, 5 ECTS, Jürgen Teich, SS 2022 24

[Link] Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems

Analoge elektronische Systeme
• Analoge elektronische Systeme, 5 ECTS, Robert Weigel, Torsten Reißland, WS 2021/2022 26
Architekturen der digitalen Signalverarbeitung
• Architekturen der Digitalen Signalverarbeitung, 5 ECTS, Georg Fischer, Torsten Reißland, 28
SS 2022
Digitale elektronische Systeme
• Digitale elektronische Systeme, 5 ECTS, Robert Weigel, SS 2022 30
Elektronik programmierbarer Digitalsysteme
Entwurf Integrierter Schaltungen II/Technologie integrierter Schaltungen
• Technologie integrierter Schaltungen, 5 ECTS, Jörg Schulze, Jannik Schwarberg, WS 32
2021/2022
• Entwurf Integrierter Schaltungen II, 5 ECTS, Sebastian M. Sattler, SS 2022 34
Entwurf von Mixed-Signal-Schaltungen
• Entwurf von Mixed-Signal-Schaltungen, 5 ECTS, Sebastian M. Sattler, SS 2022 36
Hardware-Beschreibungssprache VHDL
• Hardware-Beschreibungssprache VHDL, 2.5 ECTS, Jürgen Frickel, SS 2022 38
Information Theory and Coding / Informationstheorie und Codierung
• Information Theory and Coding, 5 ECTS, Ralf Müller, SS 2022 40
Integrierte Navigationssysteme
• Integrierte Navigationssysteme, 5 ECTS, Jörn Thielecke, SS 2022 43
Machine Learning in Signal Processing
• Machine Learning in Signal Processing, 5 ECTS, Jürgen Seiler, WS 2021/2022 45
Modellierung und Simulation von Schaltungen und Systemen
• Modellierung und Simulation von Schaltungen und Systemen, 5 ECTS, Klaus Helmreich, 47
WS 2021/2022

UnivIS: 15.06.2022 18:14 3

Satellitenkommunikation
• Satellitenkommunikation, 5 ECTS, Christian Rohde, SS 2022 50
Speech and Audio Signal Processing
• Sprach- und Audiosignalverarbeitung, 5 ECTS, Walter Kellermann, Mhd Modar Halimeh, 53
SS 2022
Test integrierter Schaltungen
• Test Integrierter Schaltungen, 2.5 ECTS, Klaus Helmreich, SS 2022 55
Transceiver-Systementwurf
• Transceiver-Systementwurf, 5 ECTS, Jörn Thielecke, SS 2022 58

[Link] Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems

CPU Entwurf mit VHDL (CPU)
• CPU Entwurf mit VHDL, 7.5 ECTS, Philipp Holzinger, Thomas Schlögl, SS 2022 60
CPU Entwurf mit VHDL (Schwerpunkt Prozessorentwurf)
CPU Entwurf mit VHDL (Schwerpunkt VHDL)
• CPU Entwurf mit VHDL (Schwerpunkt VHDL), 5 ECTS, Philipp Holzinger, Thomas 62
Schlögl, SS 2022
Echtzeitsysteme (Vorlesung mit Übungen)
• Echtzeitsysteme-V+Ü, 5 ECTS, Peter Wägemann, Simon Schuster, Phillip Raffeck, Flo- 64
rian Schmaus, SS 2022
Echtzeitsysteme 2 - Verlässliche Echtzeitsysteme
Echtzeitsysteme mit erweiterten Übungen
• Echtzeitsysteme-V+EÜ, 7.5 ECTS, Peter Wägemann, Simon Schuster, Phillip Raffeck, 68
Florian Schmaus, SS 2022
Fehlertolerierende Softwarearchitekturen (Vorlesung mit Übung)
• Fehlertolerierende Softwarearchitekturen, 5 ECTS, Francesca Saglietti, Marc Spisländer, 72
WS 2021/2022
Grundlagen des Übersetzerbaus
• Grundlagen des Übersetzerbaus, 7.5 ECTS, Michael Philippsen, WS 2021/2022 74
Implementierung von Datenbanksystemen
• Implementierung von Datenbanksystemen, 5 ECTS, Viktor Leis, WS 2021/2022 80
Kommunikationssysteme
• Kommunikationssysteme-VÜ, 5 ECTS, Reinhard German, WS 2021/2022 83
Konzeptionelle Modellierung
• Konzeptionelle Modellierung, 5 ECTS, Richard Lenz, SS 2022 85
Organic Computing
Programmierung und Architekturen von Cluster-Rechnern
Rechnerarchitektur (Vorlesung mit Übung und Rechnerübung)
• Rechnerarchitektur (Vorlesung mit Übung und Rechnerübung), 7.5 ECTS, Dietmar Fey, 88
WS 2021/2022
Rechnerarchitektur
• Rechnerarchitektur, 5 ECTS, Dietmar Fey, WS 2021/2022 90
Reconfigurable Computing
Reconfigurable Computing (Lecture with Extended Exercises)
• Reconfigurable Computing with Extended Exercises, 7.5 ECTS, Frank Hannig, Andreas 92
Becher, WS 2021/2022

UnivIS: 15.06.2022 18:14 4

Simulation und Modellierung I
• Simulation und Modellierung 1 - VÜ, 5 ECTS, Reinhard German, WS 2021/2022 95
Test- und Analyseverfahren zur Software-Verifikation und Validierung
• Test- und Analyseverfahren zur Softwareverifikation und -Validierung, 5 ECTS, Francesca 98
Saglietti, WS 2021/2022
Verteilte Systeme (Vorlesung mit Übungen)
• Verteilte Systeme - V+Ü, 5 ECTS, Tobias Distler, Jürgen Kleinöder, Laura Lawniczak, 100
SS 2022
Betriebssysteme (Vorlesung mit erweiterten Übungen)
• Betriebssysteme-V+EÜ, 7.5 ECTS, Volkmar Sieh, Wolfgang Schröder-Preikschat, WS 102
2021/2022
Betriebssysteme (Vorlesung mit Übungen)
• Betriebssysteme-V+Ü, 5 ECTS, Volkmar Sieh, Wolfgang Schröder-Preikschat, WS 104
2021/2022
Middleware - Cloud Computing (Vorlesung mit Übungen)
• Middleware - Cloud Computing V+Ü, 5 ECTS, Tobias Distler, Michael Eischer, Laura 106
Lawniczak, WS 2021/2022
Human Computer Interaction
• Human Computer Interaction, 5 ECTS, Björn Eskofier, SS 2022 109
Parallele Systeme (Vorlesung mit erweiterten Übungen)
• Parallele Systeme mit erweiterter Übung, 7.5 ECTS, Jürgen Teich, Frank Hannig, SS 2022 111
Swarm Intelligence
• Swarm Intelligence (SI), formerly Organic Computing (OC), 5 ECTS, Rolf Wanka, SS 114
2022
Test- und Analyseverfahren zur Software-Verifikation und Validierung
• Test- und Analyseverfahren zur Softwareverifikation und -Validierung, 5 ECTS, Francesca 116
Saglietti, WS 2021/2022

1.1.2 Schwerpunkt Networks and Digital Communication

[Link] Pflichtmodule
Communication Systems
• Kommunikationssysteme-VÜ, 5 ECTS, Reinhard German, WS 2021/2022 118
Information Theory and Coding / Informationstheorie und Codierung
• Information Theory and Coding, 5 ECTS, Ralf Müller, SS 2022 40
Mobile Communications
• Mobile Communications, 5 ECTS, Ralf Müller, SS 2022 120
Quality of Service of Communication Systems
• Dienstgüte von Kommunikationssystemen, 5 ECTS, Reinhard German, SS 2022 122

[Link] Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication

Advanced Communication Networks
• Advanced Communication Networks, 5 ECTS, Laura Cottatellucci, SS 2022 124
Ausgewählte Kapitel der Audiodatenreduktion
• Ausgewählte Kapitel der Audiodatenreduktion, 2.5 ECTS, Jürgen Herre, WS 2021/2022 127
Ausgewählte Kapitel der Audiodatenreduktion (mündl. Prüfung)
Channel Coding on Graphs
• Channel Coding on Graphs, 5 ECTS, Laura Cottatellucci, SS 2022 129

UnivIS: 15.06.2022 18:14 5

Drahtlose Automobilelektronik
Entzerrung und adaptive Systeme in der digitalen Übertragung
• Entzerrung und adaptive Systeme in der digitalen Übertragung, 2.5 ECTS, Wolfgang 132
Gerstacker, WS 2021/2022
HF- und Digital-Architektur von Funksystemen
• HF- und Digital-Architektur von Funksystemen, 2.5 ECTS, Georg Fischer, Heinrich Milo- 134
siu, SS 2022
Integrierte Schaltungen für Funkanwendungen
• Integrierte Schaltungen für Funkanwendungen, 5 ECTS, Christopher Söll, Albert-Marcel 137
Schrotz, WS 2021/2022
Kanalcodierung
• Kanalcodierung, 5 ECTS, Clemens Stierstorfer, SS 2022 139
Kommunikationselektronik
• Kommunikationselektronik, 5 ECTS, Jörg Robert, SS 2022 143
Kommunikationsstrukturen
• Kommunikationsstrukturen, 5 ECTS, Jürgen Frickel, WS 2021/2022 146
MIMO Communication Systems
• MIMO Communication Systems, 5 ECTS, Robert Schober, SS 2022 148
Machine Learning in Signal Processing
• Machine Learning in Signal Processing, 5 ECTS, Jürgen Seiler, WS 2021/2022 45
Optische Übertragungstechnik
• Optische Übertragungstechnik, 5 ECTS, Bernhard Schmauss, SS 2022 150
Satellitenkommunikation
• Satellitenkommunikation, 5 ECTS, Christian Rohde, SS 2022 50
Schaltungen und Systeme der Übertragungstechnik
• Schaltungen und Systeme der Übertragungstechnik, 5 ECTS, Maximilian Lübke, SS 2022 152
Statistical Signal Processing
• Statistische Signalverarbeitung, 5 ECTS, Walter Kellermann, Thomas Haubner, WS 154
2021/2022
Transmission and Detection for Advanced Mobile Communications
• Transmission and Detection for Advanced Mobile Communications, 2.5 ECTS, Wolfgang 157
Gerstacker, SS 2022
Digitale Rundfunksysteme
Globale Navigationssatellitensysteme
• Globale Navigationssatellitensysteme, 5 ECTS, Jörn Thielecke, WS 2021/2022 159
Machine Learning in Communications
• Machine Learning in Communications, 5 ECTS, Laura Cottatellucci, WS 2021/2022 161
Optische Kommunikationsnetze
Bild-, Video- und mehrdimensionale Signalverarbeitung
• Bild-, Video- und mehrdimensionale Signalverarbeitung, 5 ECTS, André Kaup, WS 162
2021/2022

[Link] Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication

Advanced Networking LEx
• Advanced Networking LEx, 5 ECTS, Kai-Steffen Jens Hielscher, WS 2021/2022 165
Einführung in die IT-Sicherheit
• Einführung in die IT-Sicherheit, 5 ECTS, Felix Freiling, WS 2021/2022 167

UnivIS: 15.06.2022 18:14 6

Fahrzeugkommunikation
• Fahrzeugkommunikation, 2.5 ECTS, Kai-Steffen Jens Hielscher, SS 2022 169
Implementierung von Datenbanksystemen
• Implementierung von Datenbanksystemen, 5 ECTS, Viktor Leis, WS 2021/2022 80
Konzeptionelle Modellierung
• Konzeptionelle Modellierung, 5 ECTS, Richard Lenz, SS 2022 85
Programmierung und Architekturen von Cluster-Rechnern
Security and Privacy in Pervasive Computing
• Security and Privacy in Pervasive Computing, 5 ECTS, Zinaida Benenson, WS 2021/2022 171
Simulation und Modellierung I
• Simulation und Modellierung 1 - VÜ, 5 ECTS, Reinhard German, WS 2021/2022 95
Smart Grids und Elektromobilität
Verteilte Systeme (Vorlesung mit Übungen)
• Verteilte Systeme - V+Ü, 5 ECTS, Tobias Distler, Jürgen Kleinöder, Laura Lawniczak, 100
SS 2022
Data Warehousing und Transaktionssysteme
Datenstromsysteme mit Übungen
Deep Learning
• Deep Learning, 5 ECTS, Andreas Maier, SS 2022 173
Pattern Recognition
• Pattern Recognition, 5 ECTS, Andreas Maier, WS 2021/2022 175
Approximate Computing
• Approximate Computing, 5 ECTS, Oliver Keszöcze, Jürgen Teich, SS 2022 177
Human Computer Interaction
• Human Computer Interaction, 5 ECTS, Björn Eskofier, SS 2022 109
Einführung in die moderne Kryptographie
• Einführung in die moderne Kryptographie, 7.5 ECTS, Dominique Schröder, WS 2021/2022 179
Fahrzeugkommunikation (Vorlesung mit Übung)
• Fahrzeugkommunikation, 5 ECTS, Kai-Steffen Jens Hielscher, SS 2022 181
Nebenläufige Systeme
Vernetzte Mobilität und autonomes Fahren
• Vernetzte Mobilität und autonomes Fahren, 5 ECTS, Anatoli Djanatliev, WS 2021/2022 183
Einführung in die algorithmische Kryptographie

1.1.3 Schwerpunkt Media Processing Systems

[Link] Pflichtmodule
Communication Systems
• Kommunikationssysteme-VÜ, 5 ECTS, Reinhard German, WS 2021/2022 118
Image and Video Compression
• Image and Video Compression, 5 ECTS, André Kaup, Fabian Brand, SS 2022 185
Pattern Recognition
• Pattern Recognition, 5 ECTS, Andreas Maier, WS 2021/2022 175
Statistical Signal Processing
• Statistische Signalverarbeitung, 5 ECTS, Walter Kellermann, Thomas Haubner, WS 154
2021/2022

UnivIS: 15.06.2022 18:14 7

[Link] Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems
Advanced Communication Networks
• Advanced Communication Networks, 5 ECTS, Laura Cottatellucci, SS 2022 124
Auditory Models
• Auditory Models, 2.5 ECTS, Bernd Edler, SS 2022 187
Ausgewählte Kapitel der Audiodatenreduktion
• Ausgewählte Kapitel der Audiodatenreduktion, 2.5 ECTS, Jürgen Herre, WS 2021/2022 127
Ausgewählte Kapitel der Audiodatenreduktion (mündl. Prüfung)
Digitale Rundfunksysteme
Digitale elektronische Systeme
• Digitale elektronische Systeme, 5 ECTS, Robert Weigel, SS 2022 30
Information Theory and Coding / Informationstheorie und Codierung
• Information Theory and Coding, 5 ECTS, Ralf Müller, SS 2022 40
Integrierte Navigationssysteme
• Integrierte Navigationssysteme, 5 ECTS, Jörn Thielecke, SS 2022 43
Kanalcodierung
• Kanalcodierung, 5 ECTS, Clemens Stierstorfer, SS 2022 139
Machine Learning in Signal Processing
• Machine Learning in Signal Processing, 5 ECTS, Jürgen Seiler, WS 2021/2022 45
Mobile Communications
• Mobile Communications, 5 ECTS, Ralf Müller, SS 2022 120
Musiksignalverarbeitung - Synthese
• Musiksignalverarbeitung - Synthese, 2.5 ECTS, Maximilian Schäfer, WS 2021/2022 188
Signalanalyse
• Signalanalyse, 2.5 ECTS, Heinrich Löllmann, WS 2021/2022 190
Speech Enhancement
• Speech Enhancement, 2.5 ECTS, Emanuël A. P. Habets, WS 2021/2022 192
Speech Enhancement
• Speech Enhancement, 2.5 ECTS, Emanuël A. P. Habets, WS 2021/2022 194
Speech and Audio Signal Processing
• Sprach- und Audiosignalverarbeitung, 5 ECTS, Walter Kellermann, Mhd Modar Halimeh, 53
SS 2022
Transformationen in der Signalverarbeitung
• Transformationen in der Signalverarbeitung, 2.5 ECTS, Jürgen Seiler, SS 2022 196
Virtual Acoustics
Bild-, Video- und mehrdimensionale Signalverarbeitung
• Bild-, Video- und mehrdimensionale Signalverarbeitung, 5 ECTS, André Kaup, WS 162
2021/2022
Virtual Vision
• Virtual Vision, 2.5 ECTS, Christian Herglotz, SS 2022 198

[Link] Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems

Applied Visualization
Diagnostic Medical Image Processing
• Diagnostic Medical Image Processing (VHB-Kurs), 5 ECTS, Luis Carlos Rivera Monroy, 200
Celia Martín Vicario, Arpitha Ravi, SS 2022

UnivIS: 15.06.2022 18:14 8

Dienstgüte von Kommunikationssystemen
• Dienstgüte von Kommunikationssystemen, 5 ECTS, Reinhard German, SS 2022 202
Echtzeitsysteme (Vorlesung mit Übungen)
• Echtzeitsysteme-V+Ü, 5 ECTS, Peter Wägemann, Simon Schuster, Phillip Raffeck, Flo- 64
rian Schmaus, SS 2022
Echtzeitsysteme 2 - Verlässliche Echtzeitsysteme
Echtzeitsysteme mit erweiterten Übungen
• Echtzeitsysteme-V+EÜ, 7.5 ECTS, Peter Wägemann, Simon Schuster, Phillip Raffeck, 68
Florian Schmaus, SS 2022
Hardware-Software-Co-Design
• Hardware-Software-Co-Design, 5 ECTS, Jürgen Teich, SS 2022 204
Hardware-Software-Co-Design (Vorlesung mit erweiterter Übung)
• Hardware-Software-Co-Design mit erweiterter Übung, 7.5 ECTS, Jürgen Teich, SS 2022 206
Implementierung von Datenbanksystemen
• Implementierung von Datenbanksystemen, 5 ECTS, Viktor Leis, WS 2021/2022 80
Interventional Medical Image Processing
• Interventional Medical Image Processing (Online-Kurs), 5 ECTS, Luis Carlos Rivera Mon- 208
roy, Celia Martín Vicario, Arpitha Ravi, SS 2022
Konzeptionelle Modellierung
• Konzeptionelle Modellierung, 5 ECTS, Richard Lenz, SS 2022 85
Multimedia-Datenbanken und Objektorientierte Datenbanken
Pattern Analysis
• Pattern Analysis, 5 ECTS, Christian Riess, SS 2022 210
Computer Graphics
• Computergraphik-VU, 5 ECTS, Marc Stamminger, WS 2021/2022 213
Interaktive Computergraphik
• Interaktive Computergraphik, 5 ECTS, Marc Stamminger, SS 2022 216
Human Computer Interaction
• Human Computer Interaction, 5 ECTS, Björn Eskofier, SS 2022 109
Radar Signal Processing
Multimedia Security
• Multimedia Security, 5 ECTS, Christian Riess, WS 2021/2022 218
Scientific Visualization
• Scientific Visualization, 5 ECTS, Tobias Günther, SS 2022 220

1.2 Wahlmodule
1.2.1 Wahlmodule aus dem Angebot von EEI und Informatik
4G/5G Mobile Communication Systems
• 4G/5G Mobile Communication Systems, 2.5 ECTS, Stefan Brück, SS 2022 222
Advanced Networking LEx
• Advanced Networking LEx, 5 ECTS, Kai-Steffen Jens Hielscher, WS 2021/2022 165
Body Area Communications
• Body Area Communications, 2.5 ECTS, Georg Fischer, WS 2021/2022 224
Eingebettete Systeme (Vorlesung mit erweiterten Übungen)
• Eingebettete Systeme mit erweiterter Übung, 7.5 ECTS, Frank Hannig, WS 2021/2022 226

UnivIS: 15.06.2022 18:14 9

Fahrzeugkommunikation
• Fahrzeugkommunikation, 2.5 ECTS, Kai-Steffen Jens Hielscher, SS 2022 169
Hardware-Software-Co-Design (Vorlesung mit erweiterter Übung)
• Hardware-Software-Co-Design mit erweiterter Übung, 7.5 ECTS, Jürgen Teich, SS 2022 206
Modellierung, Optimierung und Simulation von Energiesystemen
• Modellierung, Optimierung und Simulation von Energiesystemen, 5 ECTS, Marco Pruck- 228
ner, WS 2021/2022
Molecular Communications
• Molecular Communications, 5 ECTS, Robert Schober, WS 2021/2022 230
Pattern Recognition (Lecture + Exercises)
Approximate Computing
• Approximate Computing, 5 ECTS, Oliver Keszöcze, Jürgen Teich, SS 2022 177
Channel Coding on Graphs
• Channel Coding on Graphs, 5 ECTS, Laura Cottatellucci, SS 2022 129
Cryptocurrencies
Deep Learning
• Deep Learning, 5 ECTS, Andreas Maier, SS 2022 173
Foundations of Cryptocurrencies
High End Simulation in Practice
Human Computer Interaction
• Human Computer Interaction, 5 ECTS, Björn Eskofier, SS 2022 109
Knowledge discovery in databases
• Knowledge Discovery in Databases, 2.5 ECTS, Richard Lenz, SS 2022 231
Machine Learning in Communications
• Machine Learning in Communications, 5 ECTS, Laura Cottatellucci, WS 2021/2022 161
Multiuser Information and Communications Theory
• Multiuser Information and Communications Theory, 5 ECTS, Ralf Müller, WS 2021/2022 233
Programming Techniques for Supercomputers (Lecture and Tutorial)
• Programming Techniques for Supercomputers (Lecture and Tutorial), 7.5 ECTS, Gerhard 235
Wellein, SS 2022
Random Matrices in Communications and Signal Processing
• Random Matrices in Communications and Signal Processing, 5.0 ECTS, Ralf Müller, WS 237
2021/2022
Wearable and Implantable Computing
• Wearable and Implantable Computing, 5 ECTS, Oliver Amft, und Mitarbeiter/innen, WS 239
2021/2022
Computer vision
• Computer Vision, 5 ECTS, Bernhard Egger, Andreas Maier, Tim Weyrich, SS 2022 241
Kommunikation in Technik-Wissenschaften
Kommunikationsstrukturen
• Kommunikationsstrukturen, 5 ECTS, Jürgen Frickel, WS 2021/2022 146
Künstliche Intelligenz I
• Künstliche Intelligenz I, 7.5 ECTS, Michael Kohlhase, WS 2021/2022 243
Middleware - Cloud Computing (Vorlesung mit erweiterten Übungen)
• Middleware - Cloud Computing V+EÜ, 7.5 ECTS, Tobias Distler, Michael Eischer, Laura 245
Lawniczak, WS 2021/2022

UnivIS: 15.06.2022 18:14 10

Virtual Vision
• Virtual Vision, 2.5 ECTS, Christian Herglotz, SS 2022 198
Virtuelle Maschinen (Vorlesung mit Übung und Laborübung)
• Virtuelle Maschinen - V+EÜ, 7.5 ECTS, Volkmar Sieh, WS 2021/2022 248
Virtuelle Maschinen (Vorlesung mit Übungen)
• Virtuelle Maschinen - V+Ü, 5 ECTS, Volkmar Sieh, WS 2021/2022 250
Algorithmen und Datenstrukturen
• Algorithmen und Datenstrukturen, 10 ECTS, Christoph Pflaum, Harald Köstler, Norbert 252
Oster, WS 2021/2022
Convex Optimization in Communications and Signal Processing
• Convex Optimization in Communications and Signal Processing, 5 ECTS, Wolfgang Ger- 255
stacker, WS 2021/2022
Cyber-Physical Systems
Digital Communications
• Digital Communications, 5 ECTS, Laura Cottatellucci, WS 2021/2022 257
Einführung digitaler ASIC Entwurf
FPGA-Online Basic Course with VHDL
Fortgeschrittene forensische Informatik
• Fortgeschrittene forensische Informatik, 5 ECTS, Felix Freiling, WS 2021/2022 259
Hochfrequenztechnik
• Hochfrequenztechnik, 5 ECTS, Martin Vossiek, WS 2021/2022 260
Kommunikation in Technik-Wissenschaften
• Kommunikation in Technik-Wissenschaften, 2.5 ECTS, Klaus Helmreich, WS 2021/2022 262
Kommunikationselektronik
• Kommunikationselektronik, 5 ECTS, Jörg Robert, SS 2022 143
Kommunikationsnetze
• Kommunikationsnetze, 5 ECTS, André Kaup, WS 2021/2022 266
MIMO Communication Systems
• MIMO Communication Systems, 5 ECTS, Robert Schober, SS 2022 148
Medizinelektronik
• Medizinelektronik, 5 ECTS, Jens Kirchner, Thomas Kurin, SS 2022 268
Music Processing Analysis - Lecture and Exercise
• Music Processing Analysis - Lecture & Exercise, 5 ECTS, Meinard Müller, WS 2021/2022 270
Regelungstechnik A (Grundlagen)
• Regelungstechnik A (Grundlagen), 5 ECTS, Knut Graichen, Julian Dahlmann, WS 273
2021/2022
Verifikation digitaler Systeme
• Verifikation digitaler Systeme, 5 ECTS, Oliver Keszöcze, SS 2022 275
Praktikum Innovationslabor für Wearable und Ubiquitous Computing
• Praktikum Innovationslabor für Wearable und Ubiquitous Computing, 5 ECTS, Björn Es- 277
kofier, Matthias Zürl, Michael Nissen, Marlies Nitschke, Nils Roth, Johannes Link, Moha-
mad Wehbi, Imrana Abdullahi Yari, Alzhraa Ahmed, Ann-Kristin Seifer, Philipp Schlieper,
Misha Sadeghi, Kai Klede, SS 2022
High-Frequency Devices and Circuits for Mobile Communications
Bild-, Video- und mehrdimensionale Signalverarbeitung
• Bild-, Video- und mehrdimensionale Signalverarbeitung, 5 ECTS, André Kaup, WS 162
2021/2022

UnivIS: 15.06.2022 18:14 11

Radar, RFID and Wireless Sensor Systems (RWS)
• Radar, RFID and Wireless Sensor Systems, 5 ECTS, Martin Vossiek, SS 2022 279
Advanced Programming Techniques
• Advanced Programming Techniques, 7.5 ECTS, Harald Köstler, WS 2021/2022 281
Audio Processing for the Internet of Things
• Audio Processing for the Internet of Things, 2.5 ECTS, Nils Peters, SS 2022 283
Quantentechnologien 1
• Quantentechnologien 1, 5 ECTS, Roland Nagy, Andre Pointner, SS 2022 285
Grundlagen der elektrischen Energieversorgung
Komponenten optischer Kommunikationssysteme
• Komponenten optischer Kommunikationssysteme, 5 ECTS, Bernhard Schmauss, WS 287
2021/2022
Machine Learning for Engineers - Introduction to Methods and Tools
• Machine Learning for Engineers I: Introduction to Methods and Tools, 5 ECTS, Björn 289
Eskofier, Jörg Franke, Nico Hanenkamp, SS 2022
Musiksignalverarbeitung - Analyse
• Music Processing Analysis, 2.5 ECTS, Meinard Müller, WS 2021/2022 291
Photonik 1
• Photonik 1, 5 ECTS, Bernhard Schmauss, WS 2021/2022 294
Reinforcement Learning
Selected Topics of Deep Learning for Audio, Speech, and Music Processing
Fahrzeugkommunikation (Vorlesung mit Übung)
• Fahrzeugkommunikation, 5 ECTS, Kai-Steffen Jens Hielscher, SS 2022 181
Compressive Sensing
• Compressive Sensing, 5 ECTS, Ali Bereyhi, SS 2022 296
AI-enabled Wireless Networks
• AI-enabled wireless networks, 5 ECTS, Mehdi Harounabadi, WS 2021/2022 299
Cognitive Neuroscience for AI Developers
• Cognitive Neuroscience for AI Developers, 5 ECTS, N.N, SS 2022 302
Computational Visual Perception
• Computational Visual Perception, 7.5 ECTS, Bernhard Egger, Tim Weyrich, WS 304
2021/2022
Data Structure Engineering
• Data Structure Engineering, 5 ECTS, Viktor Leis, SS 2022 306
Query Processing on Modern Hardware
• Query Processing on Modern Hardware, 5 ECTS, Viktor Leis, WS 2021/2022 307
Communications Systems Design
• Praktikum Communications Systems Design, 2.5 ECTS, Arslan Ali, Florian Irnstorfer, WS 308
2021/2022
• Communications Systems Design, 5 ECTS, Georg Fischer, WS 2021/2022 310
Elektrische Bahnen
• Elektrische Bahnen, 2.5 ECTS, Matthias Hofstetter, SS 2022 312
Entwurf von mobilen Sensorsystemen und Knoten
• Entwurf von mobilen Sensorsystemen- und knoten, 2.5 ECTS, Fabian Michler, Benedict 314
Scheiner, WS 2021/2022

UnivIS: 15.06.2022 18:14 12

Interaktive Computergraphik und globale Beleuchtungsberechnung
• Interaktive Computergraphik und Globale Beleuchtungsberechnung, 10 ECTS, Marc Stam- 315
minger, SS 2022
Speech and Language Processing
• Speech and Language Understanding, 5 ECTS, Andreas Maier, Seung Hee Yang, Abner 317
Hernandez, SS 2022
Testfreundlicher Schaltungsentwurf
• Testfreundlicher Schaltungsentwurf (Design-for-Test), 2.5 ECTS, Jürgen Alt, WS 319
2021/2022

1.2.2 Wahlmodule aus dem Angebot der Technischen Fakultät oder der Naturwissenschaft-
lichen Fakultät
Body Area Communications
• Body Area Communications, 2.5 ECTS, Georg Fischer, WS 2021/2022 224
Modellierung, Optimierung und Simulation von Energiesystemen
• Modellierung, Optimierung und Simulation von Energiesystemen, 5 ECTS, Marco Pruck- 228
ner, WS 2021/2022
Virtual Vision
• Virtual Vision, 2.5 ECTS, Christian Herglotz, SS 2022 198
Experimentalphysik I
• Experimentalphysik I für EEI, MT, 5 ECTS, Bernhard Hensel, WS 2021/2022 321
Experimentalphysik II
• Experimentalphysik II für EEI, MT, 5 ECTS, Dozenten der experimentellen Physik, Bern- 323
hard Hensel, Jürgen Ristein, SS 2022
Wissenschaftliches Arbeiten in den Ingenieur- und Naturwissenschaften
• Wissenschaftliche Arbeitstechniken für Ingenieure und Naturwissenschaftler, 2.5 ECTS, 325
Jens Kirchner, Sebastian Meyer, SS 2022
High-Frequency Devices and Circuits for Mobile Communications
Bild-, Video- und mehrdimensionale Signalverarbeitung
• Bild-, Video- und mehrdimensionale Signalverarbeitung, 5 ECTS, André Kaup, WS 162
2021/2022
Radar, RFID and Wireless Sensor Systems (RWS)
• Radar, RFID and Wireless Sensor Systems, 5 ECTS, Martin Vossiek, SS 2022 279
Audio Processing for the Internet of Things
• Audio Processing for the Internet of Things, 2.5 ECTS, Nils Peters, SS 2022 283
Quantentechnologien 1
• Quantentechnologien 1, 5 ECTS, Roland Nagy, Andre Pointner, SS 2022 285
Reinforcement Learning
Selected Topics of Deep Learning for Audio, Speech, and Music Processing
Fahrzeugkommunikation (Vorlesung mit Übung)
• Fahrzeugkommunikation, 5 ECTS, Kai-Steffen Jens Hielscher, SS 2022 181
Compressive Sensing
• Compressive Sensing, 5 ECTS, Ali Bereyhi, SS 2022 296
AI-enabled Wireless Networks
• AI-enabled wireless networks, 5 ECTS, Mehdi Harounabadi, WS 2021/2022 299
Computational Visual Perception
• Computational Visual Perception, 7.5 ECTS, Bernhard Egger, Tim Weyrich, WS 304
2021/2022

UnivIS: 15.06.2022 18:14 13

Data Structure Engineering
• Data Structure Engineering, 5 ECTS, Viktor Leis, SS 2022 306
Query Processing on Modern Hardware
• Query Processing on Modern Hardware, 5 ECTS, Viktor Leis, WS 2021/2022 307
Becoming an Innovative Engineer
• Becoming an innovative engineer, 2.5 ECTS, Björn Eskofier, Marlies Nitschke, SS 2022 327
Communications Systems Design
• Praktikum Communications Systems Design, 2.5 ECTS, Arslan Ali, Florian Irnstorfer, WS 308
2021/2022
• Communications Systems Design, 5 ECTS, Georg Fischer, WS 2021/2022 310
Data Science Survival Skills
• Data Science Survival Skills, 5 ECTS, Andreas Kist, WS 2021/2022 329
Elektrische Bahnen
• Elektrische Bahnen, 2.5 ECTS, Matthias Hofstetter, SS 2022 312
Heterogene Rechnerarchitekturen Online
• Heterogene Rechnerarchitekturen Online, 5 ECTS, Dietmar Fey, Philipp Holzinger, SS 331
2022
Interpretation and Analysis of Neural and Muscle Signals (BioSignalIS)
• Interpretation and Analysis of Neural and Muscle Signals, 5 ECTS, Alessandro Del Vecchio, 333
Seung Hee Yang, WS 2021/2022
Machine Learning for Engineers - Introduction to Methods and Tools
• Machine Learning for Engineers I: Introduction to Methods and Tools, 5 ECTS, Björn 289
Eskofier, Jörg Franke, Nico Hanenkamp, SS 2022
Machine Learning for Engineers II: Advanced Methods
• Machine Learning for Engineers II: Advanced Methods, 2.5 ECTS, Björn Eskofier, Jörg 335
Franke, Nico Hanenkamp, SS 2022
Movement Neuroscience: Connections between Brain and Muscles in Humans
• Movement Neuroscience: Connections between the Brain and Muscles in Humans, 5 ECTS, 337
Alessandro Del Vecchio, u. Mitarbeiter, WS 2021/2022
Wahlmodule aus dem Angebot der FAU
• Random Matrices in Communications and Signal Processing, 5.0 ECTS, Ralf Müller, WS 339
2021/2022
• Multiuser Information and Communications Theory, 5 ECTS, Ralf Müller, WS 2021/2022 341
• Machine Learning in Communications, 5 ECTS, Laura Cottatellucci, WS 2021/2022 343

1.3 Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt

1.3.1 Praktikum oder Projektarbeit
Audio Processing Laboratory
• Audio Processing Laboratory, 2.5 ECTS, Meinard Müller, Emanuël A. P. Habets, Jürgen 344
Herre, Bernd Edler, Nils Peters, SS 2022
Laborpraktikum Digitaler ASIC-Entwurf
• Praktikum Digitaler ASIC-Entwurf (Blockpraktikum), 2.5 ECTS, Jürgen Frickel, SS 2022 346
Praktikum Architekturen der digitalen Signalverarbeitung
• Praktikum Architekturen der digitalen Signalverarbeitung, 2.5 ECTS, Jasmin Kolpak, WS 348
2021/2022
Praktikum Bild- und Videosignalverarbeitung auf eingebetteten Plattformen
• Laborpraktikum Bild- und Videosignalverarbeitung auf eingebetteten Plattformen, 349
2.5 ECTS, Jürgen Seiler, Viktoria Heimann, WS 2021/2022

UnivIS: 15.06.2022 18:14 14

Praktikum Digitale Übertragung
• Praktikum Digitale Übertragung, 2.5 ECTS, Clemens Stierstorfer, SS 2022 351
Praktikum Machine Learning in der Signalverarbeitung
• Lab Course Machine Learning in Signal Processing, 2.5 ECTS, Kamal Gopikrishnan Nam- 355
biar, SS 2022
Praktikum Test
• Praktikum Test, 2.5 ECTS, Tobias Rumpel, SS 2022 357
Laborpraktikum Digitale Signalverarbeitung
• Laborpraktikum Digitale Signalverarbeitung, 2.5 ECTS, Matthias Kreuzer, Heinrich Löll- 359
mann, Jürgen Seiler, WS 2021/2022
Laborpraktikum Mobilkommunikation
• Praktikum Mobilkommunikation, 2.5 ECTS, Wolfgang Gerstacker, SS 2022 361
Praktikum Mikroelektronik
• Praktikum Mikroelektronik, 2.5 ECTS, Tobias Dirnecker, Tobias Stolzke, u.a., SS 2022 363
Laborpraktikum Image and Video Compression
• Laborpraktikum Image and Video Compression, 2.5 ECTS, Kristian Fischer, SS 2022 365
Laborpraktikum Eingebettete Mikrocontroller-Systeme (PEMSY)
• Praktikum Eingebettete Mikrocontroller-Systeme (semesterbegleitend), 2.5 ECTS, Markus 367
Hartmann, Sally Nafie, SS 2022
Praktikum Hochfrequenztechnik/Mikrowellentechnik 2
• Praktikum Hochfrequenztechnik/Mikrowellentechnik 2, 2.5 ECTS, Jan Schür, u. Mitar- 369
beiter, SS 2022
Praktikum Lasertechnik
• Praktikum Lasertechnik, 2.5 ECTS, Richard Rothfelder, Tobias Staudt, SS 2022 371
Praktikum Photonik/Lasertechnik 1
• Praktikum Photonik/Lasertechnik 1, 2.5 ECTS, Rainer Engelbrecht, WS 2021/2022 373
Software Engineering in der Praxis
• Software Engineering in der Praxis, 2.5 ECTS, Xiaochen Wu, Loui Al Sardy, SS 2022 375
Laborpraktikum Roboternavigation
• Praktikum Roboternavigation, 2.5 ECTS, Sebastian Kram, Adam Kalisz, WS 2021/2022 376
Praktikum Communications Systems Design
• Praktikum Communications Systems Design, 2.5 ECTS, Arslan Ali, Florian Irnstorfer, WS 378
2021/2022
Advanced Seminar on Medical Electronics and Systems for Ambient Assisted Living AAL
• Advanced Seminar on Medical Electronics and Systems for Ambient Assisted Living AAL, 380
2.5 ECTS, Benedict Scheiner, SS 2022
Laborpraktikum Statistische Signalverarbeitung
• Laborpraktikum Statistische Signalverarbeitung, 2.5 ECTS, Annika Briegleb, WS 382
2021/2022
Praktikum Innovationslabor für Wearable und Ubiquitous Computing
• Praktikum Innovationslabor für Wearable und Ubiquitous Computing, 5 ECTS, Björn Es- 277
kofier, Matthias Zürl, Michael Nissen, Marlies Nitschke, Nils Roth, Johannes Link, Moha-
mad Wehbi, Imrana Abdullahi Yari, Alzhraa Ahmed, Ann-Kristin Seifer, Philipp Schlieper,
Misha Sadeghi, Kai Klede, SS 2022
Praktikum Photonik/Lasertechnik 2
• Praktikum Photonik/Lasertechnik 2, 2.5 ECTS, Bernhard Schmauss, Christian Carlowitz, 384
SS 2022
Seminar

UnivIS: 15.06.2022 18:14 15

Hauptseminar Software Engineering
• Hauptseminar Software Engineering, 2.5 ECTS, N.N, SS 2022 386
Seminar Machine Learning and Data Analytics for Industry 4.0
• Seminar Machine Learning and Data Analytics for Industry 4.0, 5 ECTS, An Nguyen, 387
Björn Eskofier, Johannes Roider, Christoph Scholl, SS 2022
Seminar Ausgewählte Kapitel der Nachrichtentechnik
• Seminar Ausgewählte Kapitel der Nachrichtentechnik, 2.5 ECTS, Robert Schober, Wolf- 389
gang Gerstacker, WS 2021/2022
Seminar über ausgewählte Aspekte der elektrischen Energietechnik
• Seminar über ausgewählte Aspekte der elektrischen Energietechnik, 2.5 ECTS, Martin 391
März, Nikolai Weitz, Stefanie Büttner, Madlen Hoffmann, Melanie Lavery, Thomas Eberle,
SS 2022
Audio Processing Seminar
• Audio Processing Seminar, 2.5 ECTS, Emanuël A. P. Habets, Jürgen Herre, Bernd Edler, 393
Meinard Müller, Nils Peters, SS 2022
Hauptseminar Ausgewählte Kapitel der Informationstechnik (Kommunikationselektronik)
• Ausgewählte Kapitel der Informationstechnik, 2.5 ECTS, Frank Oehler, SS 2022 395
Seminar Energieinformatik
• Seminar Energieinformatik ([Link].), 5 ECTS, Marco Pruckner, WS 2021/2022 397
• Seminar Energieinformatik ([Link].), 5 ECTS, Marco Pruckner, WS 2021/2022 399
Seminar Sprachtechnologie für Sprachpathologien
• Seminar Automatische Analyse von Stimm-, Sprech- und Sprachstörungen bei Sprachpa- 401
thologien, 5 ECTS, Seung Hee Yang, Andreas Maier, SS 2022
Masterseminar Graphische Datenverarbeitung
• Masterseminar "Graphische Datenverarbeitung", 5 ECTS, Tobias Günther, WS 2021/2022 403
Seminar Kommunikationssysteme ([Link].)
• Seminar Kommunikationssysteme ([Link].), 5 ECTS, N.N, WS 2021/2022 405
Systems- and Networks-on-a-Chip
• Systems- and Networks-on-a-Chip, 2.5 ECTS, Stefan Wildermann, Behnaz Pourmohseni, 406
WS 2021/2022
Hauptseminar Ausgewählte Kapitel der Navigation und Identifikation
• Ausgewählte Kapitel der Navigation und Identifikation, 2.5 ECTS, Clemens Neumüller, SS 408
2022
Seminar Advanced Algorithms in Medical Image Processing
• Seminar Advanced Algorithms in Medical Image Processing, 5 ECTS, Andreas Maier, 410
Vincent Christlein, Joachim Hornegger, Katharina Breininger, SS 2022
Seminar Ausgewählte Kapitel der Multimediakommunikation und Signalverarbeitung
• Seminar Ausgewählte Kapitel der Multimediakommunikation und Signalverarbeitung, 411
2.5 ECTS, Assistenten, SS 2022
Seminar Nachhaltige Energiesysteme
• Nachhaltige Energiesysteme, 2.5 ECTS, Matthias Luther, Assistenten, SS 2022 413
Mastermodul 414
Forschungsprojekt 415

UnivIS: 15.06.2022 18:14 16

Modulbezeichnung: Kommunikationselektronik (KE) 5 ECTS
(Communication Electronics)
Modulverantwortliche/r: Jörg Robert
Lehrende: Jörg Robert
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Kommunikationselektronik (SS 2022, Vorlesung, 2 SWS, Jörg Robert et al.)
Übung Kommunikationselektronik (SS 2022, Übung, 2 SWS, Clemens Neumüller)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen, grundlegende Kenntnisse im Bereich digitaler Signalverarbeitung
werden vorausgesetzt

Inhalt:
1. Einleitung
2. Darstellung von Signalen und Spektren
• Kontinuierliche und diskrete Signale
• Spektrum eines Signals
• Unterabtastung und Überabtastung
3. Aufbau und Signale eines Software Defined Radio Systems
• Blockschaltbild eines Software Defined Radio Systems
• Basisband- und Trägersignale
• Empfänger-Topologien
• Signale in einem Software Defined Radio System
4. Drahtlose Netzwerke
5. Übertragungsstrecke
• Funkstrecke
• Antennen
6. Leistungsdaten eines Empfängers
• Rauschen
• Nichtlinearität
• Dynamikbereich eines Empfängers
7. Digital Downconverter
• CIC-Filter
• Polyphasen-FIR-Filter
• Halbband-Filterkaskade
• Interpolation
8. Demodulation digital modulierter Signale
• Einführung
• Demodulation einer GFSK/PAM-Paketsendung
Das Modul Kommunikationselektronik behandelt Aspekte der Schaltungstechnik und der Signalverar-
beitung drahtloser Übertragungssysteme, die als sog. "Software Defined Radio" Systeme aufgebaut
sind. Als Beispiel dient der Empfänger eines einfachen Telemetrie-Systems, der von der Antenne bis
zum Nutzdatenausgang behandelt wird. Schwerpunkte bilden der Aufbau und die Eigenschaften der
Hardware des Empfängers sowie die Algorithmen zum Empfang von Telemetrie-Signalen. Dabei wird
ein typisches System mit Hilfe eines miniaturisierten Empfängers und einer Verarbeitung mit dem
MATLAB-kompatiblen Mathematikprogramm Octave implementiert. Die benötigte Software wird den
Studierenden zur Verfügung gestellt.
Content:
1. Introduction
2. Signal representation and discrete signals

UnivIS: 15.06.2022 18:14 17

 a. Continuous and discrete signals
b. Signal spectrum
c. Downsampling and upsampling
3. Structure and signals of a Software Defined Radio
a. Block diagram of a Software Defined Radio
b. Base band signals and carrier signals
c. Receiver topologies
d. Signals in a Software Defined Radio
4. Wireless networks
5. Transmission path
a. Radio link
b. Antennas
6. Performance data of a receiver
a. Noise
b. Nonlinearities
c. Dynamic range of a receiver
7. Digital Down Converter
a. CIC filter
b. Polyphase FIR filter
c. Halfband filter cascade
d. Interpolation
8. Demodulation of digital modulated signals
a. Introduction
b. Demodulation of a GFSK/PAM packet transmission
The module Communication Electronics deals with aspects of circuitry and signal processing of wireless
communication systems, built up as so-called “Software Defined Radio" systems. A receiver of a simple
telemetry system serves as an example, being examined starting from its antenna to the user data
output. The focus lies on the structure and the characteristic of the receiver’s hardware as well as the
algorithms for the reception of telemetry signals. A typical system is implemented using a miniaturized
receiver and processing with the MATLAB-compatible Octave math program. The required software
is provided to the students.
Lernziele und Kompetenzen:
1. Die Studierenden verstehen die grundlegende Funktionsweise eines Software Defined Radio (SDR)
Systems, d.h. sie verstehen die Funktionsweise der einzelnen Signalverarbeitungsschritte sowie die
auftretenden Signale selbst.
2. Die Studierenden analysieren die Leistungsfähigkeit der analogen Komponenten eines SDR Systems
und können Verfahren zur Optimierung dieser Komponenten selbständig anwenden.
3. Die Studierenden analysieren die digitalen Verarbeitungsschritte ausgewählter Modulationsarten und
können damit selbst die digitale Signalverarbeitung eines SDR Senders und Empfängers erschaffen.
1. The students will understand the basic operation of a Software Defined Radio (SDR) system, i.e.
the students will understand how the individual signal processing steps work as well as the signals
themselves.
2. The students analyze the performance of the analog components of an SDR system and are able
to apply procedures for optimizing these components independently.
3. The students analyse the digital processing steps of selected modulation types and are able to create
the digital signal processing of an SDR transmitter and receiver themselves.
Literatur:
Skriptum zur Veranstaltung im StudON verfügbar: [Link]

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Pflichtmodule)

UnivIS: 15.06.2022 18:14 18

 Dieses Modul ist daneben auch in den Studienfächern "247#56#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educati-
on)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik
und Informationstechnik (Master of Science)", "Informatik (Master of Science)", "Informations- und Kom-
munikationstechnik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Mas-
ter of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Kommunikationselektronik (Prüfungsnummer: 27301)
(englische Bezeichnung: Communication Electronics)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jörg Robert (100352)

Organisatorisches:
Organisatorisches / Sprache: Skripte: deutsche und englische Vorlesungsfolien Vorlesungssprache:
Deutsch Prüfungssprache: Englisch und Deutsch unabhängig vom Studiengang

UnivIS: 15.06.2022 18:14 19

Modulbezeichnung: Entwurf Integrierter Schaltungen I (EIS I) 5 ECTS
(Design on Integrated Circuits I)
Modulverantwortliche/r: Sebastian M. Sattler
Lehrende: Sebastian M. Sattler, Florian Deeg
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Entwurf Integrierter Schaltungen I (WS 2021/2022, Vorlesung, 2 SWS, Sebastian M. Sattler)
Übungen zu Entwurf Integrierter Schaltungen I (WS 2021/2022, Übung, 2 SWS, Florian Deeg et al.)

Inhalt:
Es wird in die Grundlagen des integrierten digitalen Schaltungsentwurfes auf Basis von CMOS einge-
führt. Ausgehend vom MOS Transistor wird die Complementäre Logik erklärt und auf gängige statische
und dynamische Schaltelemente und ihre Erweiterungen auf hochintegrierte Schaltungen bis 0.13µm
eingegangen.
• Digitaler IC Entwurf für Deep Submicron
• MOS Transistor
• Herstellung, Layout und Simulation
• MOS Inverterschaltung
• Statische CMOS Gatter-Schaltungen
• Entwurf von Logik mit hoher Schaltrate
• Transfer-Gatter und dynamische Logik
• Entwurf von Speichern
• Zusätzliche Themen des Speicherentwurfs
Content
It introduces students to the basics of digital integrated circuit design in CMOS. Starting from the
MOS transistor, complementary logic is explained. Common static and dynamic switching elements are
discussed as well as their extensions to large scale integrated circuits (0.18μm-0.13μm).
• Deep Submicron Digital IC Design
• MOS Transistor
• Fabrication, Layout and Simulation
• MOS Inverter Circuits
• Static CMOS Gate-Circuits
• Design of Logic with High Switching Rate
• Transfer-Gates and Dynamic Logic
• Design of Memory
• Additional Topics of Memory Design
Lernziele und Kompetenzen:
Verstehen
• Die Studierenden gewinnen einen Überblick über existierende Integrationstechnologien und Ent-
wurfsmethodiken für Integrierte Schaltungen in 0,18µm und 0,13µm CMOS. Dabei verstehen die
Studierenden auch die Zusammenhänge zwischen technischen und wirtschaftlichen Gesichtspunkten
der Halbleiterfertigung.
Evaluieren (Beurteilen)
• Die Studierenden analysiert das Verhalten von MOS/CMOS-Transistoren. Daneben können sie ver-
schiedene statische und dynamische digitale Schaltungsstrukturen auf Transistorebene bewerten.
Learning objectives and competencies:
Understand
• gain an overview of existing integration technologies and integrated circuit design techniques in
CMOS (0.18μm-0.13μm), understanding technical and economic aspects of semicon-
ductor manufacturing.

UnivIS: 15.06.2022 18:14 20

 Evaluate (Assess)
• Analyze the behavior of MOS / CMOS transistors and evaluate various static and dynamic digital
circuit structures at transistor level.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstech-
nik (Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations-
und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master
of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Entwurf integrierter Schaltungen I / Design of Integrated Circuits I (Prüfungsnummer: 65901)
(englische Bezeichnung: Design of Integrated Circuits I)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Sebastian M. Sattler (100270)

UnivIS: 15.06.2022 18:14 21

Modulbezeichnung: Eingebettete Systeme (ES-VU) 5 ECTS
(Embedded Systems)
Modulverantwortliche/r: Frank Hannig
Lehrende: Frank Hannig
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Eingebettete Systeme (WS 2021/2022, Vorlesung, 2 SWS, Frank Hannig)
Übung zu Eingebettete Systeme (WS 2021/2022, Übung, 2 SWS, Peter Brand et al.)

Inhalt:
Schwerpunkt des Moduls ist der Entwurf und die Implementierung eingebetteter Systeme unter Einsatz
formaler Methoden und rechnergestützter Entwurfsverfahren.
Unter eingebetteten Systemen versteht man Rechensysteme, die auf einen Anwendungsbereich zu-
geschnitten (z.B. mobile Kommunikationsgeräte, Chipkartensysteme, Industriesteuerungen, Unterhal-
tungselektronik, Medizintechnik) und in einen technischen Kontext eingebunden sind. Das große In-
teresse am systematischen Entwurf von heterogenen eingebetteten Systemen ist verursacht durch die
steigende Vielfalt und Komplexität von Anwendungen für eingebettete Systeme, die Notwendigkeit,
Entwurfs- und Testkosten zu senken sowie durch Fortschritte in Schlüsseltechnologien (Mikroelektro-
nik, formale Methoden).
Content:
The focus of this module is the design and implementation of embedded systems using formal methods
and computer-aided design techniques.
Embedded systems are computing systems tailored for a particular application (e.g., mobile communi-
cation devices, smart card systems, industrial control, consumer electronics, medical technology) and
integrated into a technical context. The keen interest in the systematic design of heterogeneous em-
bedded systems is driven by the increasing diversity and complexity of embedded system applications,
the need to reduce design and test costs, and advances in key technologies (microelectronics, formal
methods).
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• Die Studierenden setzen sich mit einem aktuellen Forschungsgebiet auseinander. / The students
deal with a current field of research.
Verstehen
• Die Studierenden verstehen grundlegende Konzepte des Entwurfs eingebetteter Systeme. / The
students become familiar with the fundamental concepts of designing of embedded systems.
Anwenden
• Die Studierenden wenden grundlegende Algorithmen an zur Analyse und Optimierung von
Hardware-Architekturen und Echtzeit-Softwaresystemen. / The students apply basic algorithms
to analyze and optimize hardware architectures and real-time software systems.
• Die Studierenden erfassen den Hardware/Software-Entwurf von Systemen mit harten Beschrän-
kungen. / The students understand the hardware/software design of hard-constrained systems.
Literatur:
empfohlenes Buch zur Begleitung und Vertiefung:
• Teich J., Haubelt C.: "Digitale Hardware/Software-Systeme: Synthese und Optimierung", Springer-
Verlag, 2007, ISBN: 978-3-540-46822-6

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 22

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Com-
munications Engineering (Master of Science)", "Artificial Intelligence (Master of Science)", "Computational
Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational Engineering (Rech-
nergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Ba-
chelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor
of Science)", "Mechatronik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik
(Master of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Eingebettete Systeme (Vorlesung mit Übungen) (Prüfungsnummer: 44101)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulnote ergibt sich aus der Klausurnote.
• Unterrichtssprache: Die Vorlesung wird auf Deutsch gehalten. Zusätzlich werden englische Vorle-
sungsaufzeichnungen zur Verfügung gestellt.
• Prüfungssprache: Die Sprache der Klausur ist abhängig von der Wahl der Studierenden entweder
Deutsch oder Englisch.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Frank Hannig (100192)

Organisatorisches:
Die Auswahl dieses Moduls schließt die Auswahl des Moduls „Eingebettete Systeme mit erweiterter
Übung“ aus.

UnivIS: 15.06.2022 18:14 23

Modulbezeichnung: Hardware-Software-Co-Design (HSCD-VU) 5 ECTS
(Hardware-Software-Co-Design)
Modulverantwortliche/r: Jürgen Teich
Lehrende: Jürgen Teich
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Hardware-Software-Co-Design (SS 2022, Vorlesung, 2 SWS, Jürgen Teich)
Übungen zu Hardware-Software-Co-Design (SS 2022, Übung, 2 SWS, Tobias Hahn et al.)

Inhalt:
Zahlreiche Realisierungen eingebetteter Systeme (z.B. Mobiltelephone, Faxgeräte, Industriesteuerun-
gen) zeichnen sich durch kooperierende Hardware- und Softwarekomponenten aus. Die Popularität
solcher Realisierungsformen lässt sich begründen durch 1) die steigende Vielfalt und Komplexität he-
terogener Systeme, 2) die Notwendigkeit, Entwurfs- und Testkosten zu senken und 3) Fortschritte in
Schlüsseltechnologien (Mikroelektronik, formale Entwurfsmethoden). Zum Beispiel bieten Halbleiter-
hersteller kostengünstige ASICs an, die einen Mikrocontroller und benutzerspezifische Peripherie und
Datenpfade auf einem Chip integrieren.
Die Synthese solcher Systeme wirft jedoch eine Reihe neuartiger Entwurfsprobleme auf, insbesonde-
re 1) die Frage der Auswahl von Hardware- und Softwarekomponenten, 2) die Partitionierung einer
Spezifikation in Hard- und Software, 3) die automatische Synthese von Interface- und Kommunikati-
onsstrukturen und 4) die Verifikation und Cosimulation.
1. Überblick und Vergleich von Architekturen und Komponenten in Hardware/Software-Systemen.
2. Aufbau eines Compilers und Codeoptimierungsverfahren für Hardware und Software
3. Hardware/Software-Partitionierung (Partitionierung komplexer Systeme, Schätzungsverfahren, Per-
formanzanalyse, Codegenerierung)
4. Interfacesynthese (Kommunikationsarten, Synchronisation, Synthese)
5. Verifikation und Cosimulation
6. Tafelübungen
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• Die Studierenden erhalten Einblick in ein aktuelles Forschungsgebiet.
Verstehen
• Die Studierenden verstehen Grundlagen des modernen Systementwurfs.
• Die Studierenden erklären Implementierungsalternativen für digitale Hardware/Software-
Systeme.
Anwenden
• Die Studierenden wenden grundlegende Algorithmen an, zur Analyse und Optimierung von
Hardware/Software-Systemen.
Literatur:
empfohlene Bücher zur Begleitung und Vertiefung:
• Teich J., Haubelt C.: "Digitale Hardware/Software-Systeme: Synthese und Optimierung", Springer-
Verlag, 2007, ISBN: 978-3-540-46822-6
• Gajski, D. et al.: "Specification and Design of Embedded Systems", Prentice Hall, Englewood Cliffs,
NJ, 1994, ISBN: 978-0131507319

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 24

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Computational Engineering (Rech-
nergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes In-
genieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor
of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of
Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Hardware-Software-Co-Design (Prüfungsnummer: 34901)
(englische Bezeichnung: Hardware-Software-Co-Design)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulnote ergibt sich aus der Klausurnote. Die Sprache der Klausur ist abhängig von der Wahl
der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jürgen Teich (100115)

Organisatorisches:
Die Auswahl dieses Moduls schließt die Auswahl des Moduls „Hardware-Software-Co-Design mit er-
weiterter Übung (HSCD-VEU)“ aus.

UnivIS: 15.06.2022 18:14 25

Modulbezeichnung: Analoge elektronische Systeme (AES) 5 ECTS
(Analogue Electronic Systems)
Modulverantwortliche/r: Robert Weigel
Lehrende: Robert Weigel, Torsten Reißland
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Analoge elektronische Systeme (WS 2021/2022, Vorlesung, 3 SWS, Robert Weigel et al.)
Übungen zu Analoge elektronische Systeme (WS 2021/2022, Übung, 1 SWS, Torsten Reißland)

Inhalt:
• Feldeffekttransistor
• Verstärker, Leistungsverstärker
• Nichtlinearität und Verzerrung
• Filtertheorie
• Realisierung von Filtern
• Intrinsisches Rauschen (Konzepte)
• Physikalische Rauschursachen
• Rauschparameter
• Mischer
• Oszillatoren
• Phasenregelschleifen (PLLs)
Lernziele und Kompetenzen:
• Die Studierenden erlangen Kenntnisse um Rauscheffekte und Nichtlinearitäten in Analogschaltungen
zu erklären
• Die Studierenden verstehen die Ursachen verschiedener physikalischer Rauschprozesse und können
diese klassifizieren
• Die Studierenden erwerben die Fähigkeit zur Planung und Implementierung frequenzumsetzender
Systeme mittels zugehöriger Frequenz- und Pegelpläne
• Die Studierenden bewerten Hochfrequenzoszillatoren und stabilisierende PLL-Schaltungen
• Die Studierenden untersuchen Messaufbauten zur Charakterisierung von Rauschen und Nichtlinea-
ritäten
• Die Studierenden analysieren den inneren Aufbau von Leistungsverstärkern auf Basis von Transis-
torschaltungen
• Die Studierenden sind in der Lage komplexe Analogschaltungen simulativ und analytisch zu unter-
suchen und deren Verhalten im Groß- und Kleinsignalbereich zu charakterisieren
• Die Studierenden führen Filterentwürfe durch und bestimmen deren Amplituden- und Phasengang
• Die Studierenden können bei auftretenden Problemen selbstständig mit Hilfe weitergehender Lite-
ratur oder durch Diskussion in der Gruppe Lösungen erarbeiten

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bache-
lor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Mas-

UnivIS: 15.06.2022 18:14 26

 ter of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Analoge elektronische Systeme (Prüfungsnummer: 65001)
(englische Bezeichnung: Analogue Electronic Systems)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022, 2. Wdh.: WS 2022/2023

1. Prüfer: Robert Weigel (100221)

UnivIS: 15.06.2022 18:14 27

Modulbezeichnung: Architekturen der Digitalen Signalverarbeitung (ADS) 5 ECTS
(Architectures for Digital Signal Processing)
Modulverantwortliche/r: Georg Fischer
Lehrende: Georg Fischer, Torsten Reißland
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Architekturen der Digitalen Signalverarbeitung (SS 2022, Vorlesung, 2 SWS, Georg Fischer)
Übungen zu Architekturen der Digitalen Signalverarbeitung (SS 2022, Übung, 2 SWS, Torsten Reiß-
land)

Inhalt:
Content:
• Basic algorithms of signal processing (FFT, windowing, digital FIR and IIR-filters)
• Non-idealities of digital filters (quantization of filter coefficients, fixed-point arthmetic)
• CORDIC-architectures
• Architectures of systems with multiple sampling rates (conversion between different sampling rates)
• Digital signal generation
• Measures of performance improvement (pipelining)
• Architecture of digital signal processors
• Applications
Lernziele und Kompetenzen:
• Die Studierenden erlangen Grundlagenkenntnisse der Signaltheorie und können zeit- und wertkonti-
nuierliche sowie zeit- und wertdiskrete Signale im Zeit- und Frequenzbereich definieren und erklären
• Die Studierenden sind in der Lage, ein klassisches Echtzeitsystem zur digitalen Signalverarbeitung
konzeptionieren und die Einzelkomponenten nach den Anforderungen zu dimensionieren
• Die Studierenden erlangen einen Überblick über Vor- und Nachteile analoger sowie digitaler Signal-
verarbeitung
• Die Studierenden verstehen die Theorie der Fourier-Transformation und sind in der Lage, die Vorteile
der Fast-Fourier-Transformation in der digitalen Signalverarbeitung zu verstehen und anzuwenden
• Die Studierenden können digitale Filter dimensionieren und beurteilen
Learning objectives and competencies:
Students
-can obtain fundamentals of signal theory and can define as well time-comtinous and value-continous
as time-discrete and value-discrete signals in time and frequency domain
-can construct a realtime digital signal processing system and dimension its components according
requirements
-can review pros and cons of analogue versus digitzal signal processing
-can apply fourier transformation and illustrate the advantages of fast fourier transformation in the
context of digital signal processing
-can dimension digital filters and evaluate their performance

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)",
"Berufspädagogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master
of Science)", "Computational Engineering (Master of Science)", "Computational Engineering (Rechnerge-
stütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor

UnivIS: 15.06.2022 18:14 28

 of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of
Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirt-
schaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Architekturen der digitalen Signalverarbeitung_ (Prüfungsnummer: 60101)
(englische Bezeichnung: Architectures for Digital Signal Processing_)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Prüfung in elektronischer Form (Multiple-Choice sowie Freitextaufgaben); electronic exam (proce-
dure: multiple-choice and free text)
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Georg Fischer (100226)

UnivIS: 15.06.2022 18:14 29

Modulbezeichnung: Digitale elektronische Systeme (DES) 5 ECTS
(Digital Electronic Systems)
Modulverantwortliche/r: Robert Weigel
Lehrende: Robert Weigel
Startsemester: SS 2022 Dauer: 1 Semester Turnus: unregelmäßig
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Digitale elektronische Systeme (SS 2022, Vorlesung, 3 SWS, Robert Weigel)
Übungen zu Digitale elektronische Systeme (SS 2022, Übung, 1 SWS, Albert-Marcel Schrotz)

Inhalt:
• Analog-Digital-Umsetzer: Qualitätsmerkmale, Messtechnik, Hardwarearchitekturen
• Digital-Analog-Umsetzer: Qualitätsmerkmale, Messtechnik, Hardwarearchitekturen
• Programmierbare Logikschaltungen (PLD, FPGA): Grundlegende Konzepte, Kategorien, Hardwa-
rearchitekturen
• Digitale-Filter: Theorie, Eigenschaften, Entwicklung und Implementierung und IIR und FIR Filtern
Lernziele und Kompetenzen:
• Die Studierenden verstehen die Hardwarearchitekturen und Funktionsweisen von Komponenten di-
gitaler Elektronischer Systeme wie Digital-Analog-Umsetzer, Analog-Digital Umsetzer, PLDs und
FPGAs und können diese erläutern
• Die Studierenden Verstehen die Qualitätsmerkmale von Digitalen Elektronischen Komponenten, kön-
nen diese auf konkrete Komponenten anwenden und somit die Qualität von digitalen Elektronischen
Komponenten anhand der in Datenblättern typischer weise gegebenen Qualitätsmerkmale evaluieren
• Die Studierenden können die Einflüsse von nichtidealen Bauelementen auf digitale elektronische
Systeme analysieren
• Die Studierenden verstehen die Funktion, die Eigenschaften, die Entwicklungsmethodik sowie die
Implementierung von digitalen Filtern und könne diese erläutern

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educati-
on)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Mas-
ter of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Digitale elektronische Systeme (Prüfungsnummer: 60901)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

UnivIS: 15.06.2022 18:14 30

 1. Prüfer: Robert Weigel (100221)

UnivIS: 15.06.2022 18:14 31

Modulbezeichnung: Technologie integrierter Schaltungen (TIS) 5 ECTS
(Technology of Integrated Circuits)
Modulverantwortliche/r: Jörg Schulze
Lehrende: Jannik Schwarberg, Jörg Schulze
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Technologie integrierter Schaltungen (WS 2021/2022, Vorlesung, 3 SWS, Jörg Schulze)
Übung zu Technologie integrierter Schaltungen (WS 2021/2022, Übung, 1 SWS, Jannik Schwarberg)

Empfohlene Voraussetzungen:
Kenntnisse aus dem Bereich Halbleiterbauelemente (Pflichtveranstaltung im Bachelorstudiengang EEI
und Mechatronik)

Inhalt:
In diesem Modul werden die wesentlichen Technologieschritte zur Herstellung elektronischer Halblei-
terbauelemente und integrierter Schaltungen behandelt.
Ausgehend von der Frage nach den relevanten Parametern chemischer und physikalischer Herstellungs-
prozesse werden zu Beginn die Verfahren und Methoden zur Herstellung von einkristallinen Siliziumkris-
tallen besprochen. Anschließend werden die physikalischen und chemischen Grundlagen der Oxidation,
der Dotierverfahren Diffusion und Ionenimplantation sowie der physikalischen und chemischen Gas-
phasenabscheidung von dünnen Schichten behandelt. Eine Einführung in die relevanten Lithographie-
und Strukturierungsverfahren beendet den Kanon der wesentlichen Technologieschritte zur Herstellung
elektronischer Halbleiterbauelemente. Ergänzend dazu werden Sequenzen von Prozessabläufen, wie sie
heute bei der Herstellung von hochintegrierten Schaltungen wie Mikroprozessoren oder Speichern ver-
wendet werden, besprochen.
Lernziele und Kompetenzen:
Die Studierenden
Fachkompetenz
Anwenden
• beschreiben die Technologieschritte und notwendigen Prozessgeräte
• erklären die physikalischen und chemischen Vorgänge bei der Herstellung von Integrierten Schal-
tungen
Evaluieren (Beurteilen)
• ermitteln en Einfluss von Prozessparametern und können Vorhersagen für Einzelprozesse ablei-
ten
• sind in der Lage, verschiedene Herstellungsschritte hinsichtlich ihrer Vor- und Nachteile bzgl.
der hergestellten Schichten, Strukturen oder Bauelemente zu beurteilen
Literatur:
• S. M. Sze: VLSI - Technology, MacGraw-Hill, 1988
• C. Y. Chang, S. M. Sze: ULSI - Technology, MacGraw-Hill, 1996
• D. Widmann, H. Mader, H. Friedrich: Technology of Integrated Circuits, Springer Verlag, 2000
• Hong Xiao: Introduction to Semiconductor Manufacturing Technology, Prentice Hall, 2001

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,

UnivIS: 15.06.2022 18:14 32

 Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Technologie integrierter Schaltungen (Prüfungsnummer: 61901)
(englische Bezeichnung: Technology of Integrated Circuits)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jörg Schulze (100492)

UnivIS: 15.06.2022 18:14 33

Modulbezeichnung: Entwurf Integrierter Schaltungen II (EIS II) 5 ECTS
(Design of Integrated Circuits II)
Modulverantwortliche/r: Sebastian M. Sattler
Lehrende: Sebastian M. Sattler
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Entwurf Integrierter Schaltungen II (SS 2022, Vorlesung, 2 SWS, Sebastian M. Sattler)
Übungen zu Entwurf Integrierter Schaltungen II (SS 2022, Übung, 2 SWS, Tobias Rumpel et al.)

Empfohlene Voraussetzungen:
Digitaltechnik oder Technische Informatik I, o.ä.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Entwurf Integrierter Schaltungen I

Inhalt:
Die Vorlesung behandelt formalisierte Methoden für den Entwurf kombinatorischer Schaltungen.
Schwerpunkt liegt auf einer grundlagenorientierten Darstellung der verwendeten Definitionen und Al-
gorithmen, damit eine Übertragung auf und Anwendung in andere Wissensgebiete erleichtert wird.
• Einführung
• Zielstellung beim Entwurf binärer Systeme
• Beschreibungen kombinatorischer Systeme
• Darstellung Boolescher Funktionen
• Normalformen
• Automatenbasierte Komposition
• Überdeckungstabelle
• Dynamische Operationen
• Ableitung nach der Zeit
• Schaltungtechnische Realisierung kombinatorischer Systeme
• Dynamisches Verhalten von kombinatorischen Schaltungen
• Strukturierte Datenanalyse
Lernziele und Kompetenzen:
Anwenden
• Die Studierenden wenden Kenntnisse über den automatisierten Entwurf digitaler Schaltungen und
Systeme an und lernen verschiedende Verfahren zum automatisierten Entwurf von Schaltnetzen und
Schaltwerken kennen.
Erschaffen
• Sie Studierenden sind in der Lage den Entwurfsfluss von der Spezifikation bis zum Test von digitalen
Schaltungen zu entwickeln.
Literatur:
Zander, Logischer Entwurf binärer Systeme VEB Verlag Technik, Berlin 1989

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of

UnivIS: 15.06.2022 18:14 34

 Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Entwurf Integrierter Schaltungen II (Prüfungsnummer: 61902)
(englische Bezeichnung: Design of Integrated Circuits II)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Es werden nach Möglichkeit noch folgende Prüfungsformen angeboten:
• mündliche Prüfung/Vortrag über ZOOM oder MS Teams
• Klausur mit Videoaufsicht

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Sebastian M. Sattler (100270)

UnivIS: 15.06.2022 18:14 35

Modulbezeichnung: Entwurf von Mixed-Signal-Schaltungen (EMIX) 5 ECTS
(Design on Mixed Signal ICs)
Modulverantwortliche/r: Sebastian M. Sattler
Lehrende: Sebastian M. Sattler
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Entwurf von Mixed-Signal-Schaltungen (SS 2022, Vorlesung, 2 SWS, Sebastian M. Sattler)
Übungen zu Entwurf von Mixed-Signal-Schaltungen (SS 2022, Übung, 2 SWS, Florian Deeg et al.)

Empfohlene Voraussetzungen:
Schaltungstechnik, Entwurf Integrierter Schaltungen I, o.ä.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Entwurf Integrierter Schaltungen I

Inhalt:
Es werden Methoden zur Analyse und Synthese von Phänomenen behandelt, welche aus sogenannten
Rückkopplungen in gemischt analog-digitalen Systemen entstehen. Es wird an Hand eines allgemei-
nen Transistormodells abstrahiert, und Beispiele aus der Integrierten Schaltungs- und Systemtechnik
erarbeitet.
• Modellierung aktiver Bauelemente
• Grundschaltungen des allgemeinen Transistors
• Abstraktion der Rückkopplung
• Analyse der Stabilität im Frequenz- und Zeitbereich
• Kompensationstechniken im Frequenzbereich
• Grundschaltungen von Rückkopplungen
• Harmonische Verzerrungen
• Rauschen
• Beispiele von Rückkopplungen
Lernziele und Kompetenzen:
Analysieren
• Die Studierenden können die verschiedenste Strukturen für analoge integrierte Schaltungen entwi-
ckeln, analysieren und bewerten.
Erschaffen
• Die Studierenden gewinnen einen Überblick über die wichtigsten Methoden und Verfahren für Ana-
lyse und Entwurf von analogen rückgekoppelten Schaltungen.
Literatur:
G. Palumbo, S. Pennisi, Feedback Amplifiers, Theory and Design, Springer 2009

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Berufspädagogik Technik (Bachelor
of Science)", "Berufspädagogik Technik (Master of Education)", "Computational Engineering (Rechnerge-
stütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor
of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 36

 Entwurf von Mixed-Signal-Schaltungen_ (Prüfungsnummer: 62001)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Es werden nach Möglichkeit noch folgende Prüfungsformen angeboten:
• mündliche Prüfung/Vortrag über ZOOM oder MS Teams
• Klausur mit Videoaufsicht

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Sebastian M. Sattler (100270)

Organisatorisches:
Entwurf Integrierter Schaltungen I (EIS1)

UnivIS: 15.06.2022 18:14 37

Modulbezeichnung: Hardware-Beschreibungssprache VHDL (VHDL-D) 2.5 ECTS
(Hardware Description Language VHDL)
Modulverantwortliche/r: Jürgen Frickel
Lehrende: Jürgen Frickel
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Hardware-Beschreibungssprache VHDL (SS 2022, Vorlesung mit Übung, 2 SWS, Jürgen Frickel)

Inhalt:
Vorlesung mit integrierter Rechnerübung zur Syntax und zur Anwendung der Hardware-
Beschreibungssprache VHDL (Very High Speed Integrated Circuit Hardware Description Language)
nach dem Sprachstandard IEEE 1076-1987 und 1076-1993, Anwendung von VHDL zum Entwurf von
FPGAs in der Praxis.
• Konzepte und Konstrukte der Sprache VHDL
• Beschreibung auf Verhaltens- und Register-Transfer-Ebene
• Simulation und Synthese auf der Gatterlogik-Ebene
• Verwendung professioneller Software-Tools (Xilinx Vivado)
• Vorlesung mit integrierten Rechner-Übungen (Labs)
• Kursmaterial ist englisch-sprachig, die Vorlesungssprache deutsch
Zielgruppe sind Hörer aller Fachrichtungen, die sich mit dem Entwurf, Simulation und Synthese digitaler
Systeme und Schaltungen beschäftigen wollen.
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Die Studierenden können Begriffe und Definitionen einer Hardware-Beschreibungssprache (hier
VHDL) darlegen.
Verstehen
Die Studierenden verstehen den Zusammenhang bzw. die Transformation zwischen einer
Hardware-Struktur und deren Abbildung in einer Hardware-Beschreibungssprache in beiden Rich-
tungen.
Analysieren
Die Studierenden klassifizieren ein gewünschtes Systemverhalten, strukturieren dieses in Teilm-
odule, und realisieren die Teilmodule bzw. das System in der Hardware-Beschreibungssprache.
Evaluieren (Beurteilen)
Die Studierenden schätzen VHDL-Modelle bezüglich des quantitativen und qualitativen Hardware-
Aufwandes ein, überprüfen diese gegen vorliegende Randbedingungen (constraints), und verglei-
chen sie mit alternativen Lösungen.
Lern- bzw. Methodenkompetenz
Die theoretischen Inhalte der Sprache können durch Einsatz eines Simulations- und Synthesewerk-
zeuges im praktischen Einsatz selbständig verifiziert und deren Verständnis vertieft werden.
Sozialkompetenz
Die Studierenden stärken ihre Fähigkeit, vorliegende Aufgabenstellungen in Gruppenarbeit gemein-
sam zu lösen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor

UnivIS: 15.06.2022 18:14 38

 of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwe-
sen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Hardware-Beschreibungssprache VHDL (Prüfungsnummer: 67501)
(englische Bezeichnung: VHDL Hardware Description Language)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jürgen Frickel (100261)

Bemerkungen:
Anmeldung über StudOn, begrenztes Platzangebot

UnivIS: 15.06.2022 18:14 39

Modulbezeichnung: Information Theory and Coding (ITC) 5 ECTS
(Information Theory and Coding)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ralf Müller
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Informationstheorie und Codierung (SS 2022, Vorlesung, 3 SWS, Ralf Müller)
Informationstheorie und Codierung - Übungen (SS 2022, Übung, 1 SWS, N.N.)

Inhalt:
1. Introduction: binomial distribution, (7,4)-Hamming code, parity-check matrix, generator matrix
2. Probability, entropy, and inference: entropy, conditional probability, Bayes’ law, likelihood, Jensen’s
inequality
3. Inference: inverse probability, statistical inference
4. The source coding theorem: information content, typical sequences, Chebychev inequality, law of
large numbers
5. Symbol codes: unique decidability, expected codeword length, prefix-free codes, Kraft inequality,
Huffman coding
6. Stream codes: arithmetic coding, Lempel-Ziv coding, Burrows-Wheeler transform
7. Dependent random variables: mutual information, data processing lemma
8. Communication over a noisy channel: discrete memory-less channel, channel coding theorem, channel
capacity
9. The noisy-channel coding theorem: jointly-typical sequences, proof of the channel coding theorem,
proof of converse, symmetric channels
10. Error-correcting codes and real channels: AWGN channel, multivariate Gaussian pdf, capacity of
AWGN channel
11. Binary codes: minimum distance, perfect codes, why perfect codes are bad, why distance isn’t
everything
12. Message passing: distributed counting, path counting, low-cost path, min-sum (=Viterbi) algorithm
13. Exact marginalization in graphs: factor graphs, sum-product algorithm
14. Low-density parity-check codes: density evolution, check node degree, regular vs. irregular codes,
girth
15. Lossy source coding: transform coding and JPEG compression
–
1. Einleitung: Binomialverteilung, (7,4)-Hamming-Code, Paritätsmatrix, Generatormatrix
2. Wahrscheinlichkeit, Entropie und Inferenz: Entropie, bedingte Wahrscheinlichkeit, Bayes’sches Ge-
setz, Likelihood, Jensen’sche Ungleichung
3. Inferenz: Inverse Wahrscheinlichkeit, statistische Inferenz
4. Das Quellencodierungstheorem: Informationsgehalt, typische Folgen, Tschebyschev’sche Unglei-
chung, Gesetz der großen Zahlen
5. Symbolcodes: eindeutige Dekodierbarkeit, mittlere Codewortlänge, präfixfreie Codes, Kraft’sche Un-
gleichung, Huffmancodierung
6. Stromcodes: arithmetische Codierung, Lempel-Ziv-Codierung, Burrows-Wheeler-Transformation
7. Abhängige Zufallsvariablen: Transinformation, Datenverarbeitungslemma
8. Kommunikation over gestörte Kanäle: diskreter gedächtnisloser Kanal, Kanalcodierungstheorem,
Kanalkapazität
9. Das Kanalcodierungstheorem: verbundtypische Folgen, Beweis des Kanalcodierungstheorems, Beweis
des Umkehrsatzes, symmetrische Kanaäle
10. Fehlerkorrigierende Codes und reale Kanäle: AWGN-Kanal, mehrdimensionale Gauß’sche WDF,
Kapazität des AWGN-Kanals

UnivIS: 15.06.2022 18:14 40

 11. Binäre Codes: Minimaldistanz, perfekte Codes, Warum perfekte Codes schlecht sind, Warum Di-
stanz nicht alles ist
12. Nachrichtenaustausch: verteiltes Zählen, Pfadzählen, günstigster Pfad, Minimumsummenalgorith-
mus
13. Exakte Marginalisierung in Graphen: Faktorgraph, Summenproduktalgorithmus
14. LDPC-Codes: Dichteevolution, Knotenordnung, reguläre und irreguläre Codes, Graphumfang
15. Verlustbehaftete Quellencodierung: Transformationscodierung und JPEG-Kompression
Lernziele und Kompetenzen:
The students apply Bayesian inference to problems in both communications and everyday’s life.
The students explain the concept of digital communications by means of source compression and
forward-error correction coding.
For the design of communication systems, they use the concepts of entropy and channel capacity.
They calculate these quantities for memoryless sources and channels.
The students proof both the source coding and the channel coding theorem.
The students compare various methods of source coding with respect to compression rate and com-
plexity.
The students apply source compression methods to measure mutual information.
The students factorize multivariate functions, represent them by graphs, and marginalize them with
respect to various variables.
The students explain the design of error-correcting codes and the role of minimum distance.
They decode error-correcting codes by means of maximum-likelihood decoding and message passing.
The students apply distributed algorithms to problems in both communications and everyday’s life.
The students improve the properties of low-density parity-check codes by widening the girth and/or
irregularity in the degree distribution.
The students transform source images into the frequency domain to improve lossy compression.
The language of instruction is either German (summer) or English (winter). The textbook used is in
English.
–
Die Studierenden wenden Bayes’sche Inferenz auf Probleme in der Nachrichtentechnik und im Alltags-
leben an.
Die Studierenden erklären die konzeptuelle Trennung von digitaler Übertragung in Quellen- und Ka-
nalcodierung.
Kommunikationssysteme entwerfen sie unter Betrachtung von Entropie und Kanalkapazität.
Sie berechnen diese Größen für gedächtnislose Quellen und Kanäle.
Die Studierenden beweisen sowohl das Quellen- als auch das Kanalcodierungstheorem.
Die Studierenden vergleichen verschiedenartige Quellencodierungsverfahren hinsichtlich Komplexität
und Kompressionsrate.
Die Studierenden verwenden Quellencodierverfahren zur Messung von Transinformation.
Die Studierenden faktorisieren Funktionen mehrerer Veränderlicher, stellen diese als Graph dar und
marginalisieren sie bezüglich mehrerer Veränderlicher.
Die Studierenden erklären den Entwurf von Kanalcodes und den Einfluss der Minimaldistanz.
Sie decodieren Kanalcodes gemäß maximaler Likelihood und Nachrichtenaustausch.
Die Studierenden wenden verteilte Algorithmen auf Probleme der Nachrichtentechnik und des Alltags-
lebens an.
Die Studierenden verbessern die Eigenschaften von LDPC-Codes durch Erhöhung des Umfangs
und/oder durch irreguäre Knotenordnungsverteilungen.
Die Studierenden transformieren Bildquellen zur Verbesserung verlustbehafteter Kompression iin den
Frequenzbereich.
Die Unterrichtssprache ist entweder Deutsch (Sommer) oder Englisch (Winter). Das verwendete Lehr-
buch ist in englischer Sprache.
Literatur:
MacKay, D.: Information Theory, Inference, and Learning Algorithms, Cambridge University Press,
Cambridge, 2003.

UnivIS: 15.06.2022 18:14 41

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Pflichtmodule)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Edu-
cation)", "Communications and Multimedia Engineering (Master of Science)", "Computational Engineering
(Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)",
"Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elek-
tronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bache-
lor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of
Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirt-
schaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Information Theory and Coding / Informationstheorie und Codierung (Prüfungsnummer: 36011)
(englische Bezeichnung: Information Theory and Coding)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Prüfungssprache abhängig von der Wahl des/der Studierenden
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Ralf Müller (100355)

Bemerkungen:
Schlüsselwörter: ASC

UnivIS: 15.06.2022 18:14 42

Modulbezeichnung: Integrierte Navigationssysteme (NavSys) 5 ECTS
(Integrated and Embedded Navigation Systems)
Modulverantwortliche/r: Jörn Thielecke
Lehrende: Jörn Thielecke
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Integrierte Navigationssysteme (SS 2022, Vorlesung, 3 SWS, Jörn Thielecke)
Übung Integrierte Navigationssysteme (SS 2022, Übung, 1 SWS, Jörn Thielecke)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen, geeignet für Masterstudium, grundlegende Kenntnisse erforderlich
in: linearer Algebra, Physik, Signal- & Systemtheorie, Wahrscheinlichkeitstheorie.

Inhalt:
1. Überblick
• Von der Astronavigation zur Navigation mit Mikroelektronik
• Messprinzipien & Positionsberechnung (Standlinien/-flächen)
• Begriffsdefinitionen (s. US Federal Radionavigation Plan), Genauigkeit, Verfügbarkeit, Verlässlich-
keit, Integrität, etc.
• Systematische Strukturierung des Gebiets: siehe 2. bis 7.
2. Positions- und Lagebestimmung
• Funkausbreitung und Funkortung (Beispiel WLAN)
• Fingerabdruckverfahren
• Lokalisierung mit Markovketten
3. Koppelnavigation (Tracking) mittels Trägheitsnavigation
• Koordinatensysteme und ihre Einsatzgebiete
• Mathematische Gundlagen, z.B. Quaternionen, Corioliseffekt
• Strapdown Inertial Navigation Systems
• Sensorprinzipien und Trägheitssensoren
• Computergestützte Lösung der Navigationsgleichungen
• System- und Fehlermodellierung im Zustandsraum
• Das Kalmanfilter und Glättung mittels Retrodiktion
4. Seiteninformationen: Kinematik und Karten (kurze Übersicht)
5. Landmarken als lokaler Ortsbezug
• Merkmalsbasierte Ortung z.B. mit Kamera oder UWB
• Partikelfilter und Monte-Carlo-Integration
6. Integration von Navigationskomponenten: Sensordatenfusion
• Fusionsarchitekturen: Beispiel GPS & Trägheitsnavigation
7. Einbettung von Navigationssystemen
• Assisted GPS oder Location Based Service
Anmerkung: Die Navigationsmethoden werden gleichermaßen anhand von Tafel- und Rechnerübungen
(MATLAB) einstudiert
Lernziele und Kompetenzen:
1. Die Studierenden werden in die Lage versetzt, typische Navigationsverfahren hinsichtlich ihrer Funk-
tionsweise und Einsetzbarkeit zu analysieren, zu bewerten und weiterzuentwickeln.
2. Die Studierenden lernen Navigationsgleichungen selbst aufzustellen, anzuwenden und mit unter-
schiedlichen Algorithmen auf dem Computer zu lösen.
3. Die Studierenden entwickeln ein Verständnis für die Herausforderungen bei der Integration unter-
schiedlicher Teilsysteme zu einem Navigationssystem und der Einbettung von Navigationssystemen in
übergeordnete Systeme
Literatur:

UnivIS: 15.06.2022 18:14 43

 Skriptum zur Lehrveranstaltung.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor
of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informatik (Master
of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Bachelor of
Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Integrierte Navigationssysteme (Prüfungsnummer: 61011)
(englische Bezeichnung: Integrated and Embedded Navigation Systems)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Bei bestandener Prüfung wird die Note um eine Teilnotenstufe (z.B. von 2,0 auf 1,7) verbessert,
wenn Sie mindestens 75% der Hausaufgaben einschließlich der Rechnerübungen erfolgreich absolviert
haben. Eine Note besser als 1,0 wird nicht vergeben.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jörn Thielecke (100224)

Bemerkungen:
Auskünfte bei Thielecke (09131/85 25-118, [Link]@[Link])
Masterstudium (Wahlfach oder Wahlpflichtfach).

UnivIS: 15.06.2022 18:14 44

Modulbezeichnung: Machine Learning in Signal Processing (MLISP) 5 ECTS
(Machine Learning in Signal Processing)
Modulverantwortliche/r: Jürgen Seiler
Lehrende: Jürgen Seiler
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Machine Learning in Signal Processing (WS 2021/2022, Vorlesung, 3 SWS, Jürgen Seiler)
Supplements for Machine Learning in Signal Processing (WS 2021/2022, Übung, 1 SWS, Jürgen Seiler)

Inhalt:
This course is an introduction into machine learning and artificial intelligence. The special emphasis
is on applications to modern signal processing problems. The course is focused on design principles
of machine learning algorithms. The lectures start with a short introduction, where the nomenclature
is defined. After this, probabilistic graphical models are introduced and the use of latent variables is
discussed, concluding with a discussion of hidden Markov models and Markov fields. The second part
of the course is about deep learning and covers the use of deep neural networks for machine learning
tasks. In the last part of the lecture, the use of deep neural networks for speech processing tasks is
introduced.
The course is based on the materials and video footage from Dr. Roland Maas. He is an outstanding
machine learning expert and a former member of the Chair of Multimedia Communications and Signal
Processing.
Lernziele und Kompetenzen:
After attending the lecture, students will be able to
• understand regression and classification problems
• apply PDF estimation algorithms
• understand Gaussian mixture models and expectation-maximization
• apply principal component analysis and independent component analysis
• assess different estimation algorithms
• explain the application of machine learning to system identification
• apply hidden Markov models
• understand different artificial neural network architectures
• explain deep learning principles
• apply artificial neural networks
• devise learning strategies for deep neural networks
• assess the application of deep neural networks for speech processing tasks.
Literatur:
Literature:
• C. M. Bishop: Pattern Recognition and Machine Learning, [Link]
us/um/people/cmbishop/PRML
• S. Theodoridis and K. Koutroumbas: Pattern Recognition
• M. Nielsen: Neural Networks and Deep Learning.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

UnivIS: 15.06.2022 18:14 45

 [3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Data Science (Master of Science)", "Elektrotechnik, Elektronik und Informationstech-
nik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik
(Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Machine Learning in Signal Processing (Prüfungsnummer: 84401)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jürgen Seiler (100290)

UnivIS: 15.06.2022 18:14 46

Modulbezeichnung: Modellierung und Simulation von Schaltungen und 5 ECTS
Systemen (MOSIM)
(Modeling and Simulation of Circuits and Systems)
Modulverantwortliche/r: Klaus Helmreich
Lehrende: Klaus Helmreich
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Modellierung und Simulation von Schaltungen und Systemen (WS 2021/2022, Vorlesung, 2 SWS,
Klaus Helmreich)
Modellierung und Simulation von Schaltungen und Systemen Übung (WS 2021/2022, Übung, 2 SWS,
Klaus Helmreich et al.)

Inhalt:
Motivation
Ohne Simulation ist weder der Entwurf (mikro-)elektronischer Bauteile und Schaltungen denkbar, noch
der von technischen Systemen, die solche Schaltungen und zusätzlich z.B. mechanische Komponenten
enthalten. In Elektrotechnik, Elektronik und Informationstechnik werden zu entwerfende Systeme daher
auf verschiedenen Abstraktionsebenen simuliert. Dazu müssen sie geeignet modelliert sein, so daß die
Simulation mittels numerischer Algorithmen rasch und genau erfolgen kann.
Gliederung
Die Vorlesung umfaßt Modellierungsansätze und Simulationsalgorithmen für elektronische Bauteile,
hochfrequenztechnische Anordnungen, analoge elektrische Schaltkreise, digitale und gemischt analog-
digitale Schaltungen sowie Systeme gemischter, also nicht rein elektrischer Natur.
In der Übung werden wesentliche Algorithmen mit Matlab implementiert, wobei z.B. ein einfacher
Schaltkreissimulator entsteht.
1 Einführung
Begriffe und Definitionen, Modellierungsansätze, Modell- und Theoriebildung in der Naturwissenschaft,
naturwissenschaftliche Darstellungen als Modelle der Wirklichkeit, Nutzung physikalischer Prinzipien
und Theorien zur Behandlung technischer Fragestellungen durch Modellierung und Simulation, Ab-
straktionsebenen für Modellierung und Simulation in der Mikroelektronik
2 Beschreibung räumlich verteilter Systeme am Beispiel elektromagnetischer Felder
Begriffe, mathematische Hilfsmittel: Operationen und Rechenregeln, Entstehung feldtheoretischer Be-
griffe und Darstellungen, Voraussagen der elektromagnetischen Feldtheorie und deren technische An-
wendungen, Modellierung der Wechselwirkung elektromagnetischer Felder mit einfacher Materie, Dar-
stellung im Frequenzbereich, Formulierung mathematischer Probleme in elektromagnetischen Größen
zur Behandlung technischer Aufgabenstellungen
3 Simulation räumlich verteilter Systeme am Beispiel elektromagnetischer Felder
Diskretisierung, Übersetzung der Operatoren und mathematischen Probleme auf räumliches Gitter,
alternative Diskretisierungs- und Darstellungsmethoden, resultierende numerische Aufgabenstellungen,
Formulieren von Randbedingungen
4 Simulation elektrischer Schaltkreise aus konzentrierten Bauelementen
Übergang auf Netzwerke aus konzentrierten Bauelementen, Signaldarstellung durch Spannungen und
Ströme, Knotenanalyse und modifizierte (erweiterte) Knotenanalyse, Zweigströme und Bauteilglei-
chungen, Problemformulierung als lineares Gleichungssystem, Einbeziehung nichtlinearer Bauelemen-
te und Reaktanzen, Algorithmen zur numerischen Simulation elektrischer Schaltkreise, Schaltkreis-
Simulationsprogramme: Schaltungsdarstellung und Analysearten
5 Simulation wert- und zeitdiskreter Systeme
Übergang auf Signaldarstellung durch diskrete Werte, Abstraktionsebenen: Gatter-, Register-Transfer-
und Algorithmenebene, Simulationsprogramme: Kategorien und Anforderungen, Klassifikation von Si-
mulatoren hinsichtlich der Zeitverwaltung, Abstraktionsgrade bei der Modellierung des Zeitverhaltens
von Komponenten, prinzipieller Simulationsalgorithmus

UnivIS: 15.06.2022 18:14 47

 6 Hardware-Beschreibungssprachen für zeitdiskrete Systeme
Begriff, Notwendigkeit, Entstehungsgeschichte und Anwendungsspektrum, aktuelle Hardware-
Beschreibungssprachen, enthaltene Konzepte für Modellierung und Simulation am Beispiel VHDL:
Strukturmodellierung, nebenläufige und sequentielle Verhaltensmodellierung, unterstützte Zeitverhal-
tensmodelle, Beispiele
7 Hardware-Beschreibung gemischt analog-digitaler Systeme und verschiedener analoger Naturen
Konzept der Modellierung konservativer und mathematisch ähnlicher Systeme verschiedener analo-
ger Naturen (elektrisch, mechanisch, hydraulisch, ...), Fluß- und Potentialgrößen, Simulationstech-
nik für gemischt analog-digitale Systeme, Entstehungsgeschichte entsprechender Simulatoren und
Hardware-Beschreibungssprachen, unterstützte Abstraktionsebenen und Konzepte am Beispiel VHDL-
AMS, Schnittstellenbeschreibung analoger Modelle, konservative und Signalflußmodellierung, Attribute
und implizite Größen, Modellbeschreibung durch algebraische bzw. gewöhnlicher DGL, Modellbeispiele:
FET, Inverter, A/D-Umsetzer, Gleichstrommotor
Lernziele und Kompetenzen:
Die Studierenden arbeiten an den folgenden Fachkompetenzen:
Fachkompetenz
Wissen
• physikalische Prinzipien zur Behandlung technischer Fragestellungen durch Modellierung und
Simulation nennen
• alternative Diskretisierungs- und Darstellungsmethoden zur simulativen Behandlung feldtheo-
retischer Probleme darstellen
• Anforderungen an Simulationsprogramme für wert- und zeitdiskrete Systeme angeben
Verstehen
• Netzlistendarstellung elektrischer Schaltungen kennen und interpretieren, die wesentlichen Al-
gorithmen der elektrischen Schaltkreissimulation verstehen und Analysearten der Schaltkreissi-
mulation erläutern
• wesentliche Konzepte von Hardware-Beschreibungssprachen für zeitdiskrete Systeme erläutern
• Konzept der Modellierung konservativer und mathematisch ähnlicher Systeme verschiedener
analoger Naturen verstehen und beschreiben
Anwenden
• bei raumverteilten Systemen Differentialoperationen in diskretisierte Darstellung übersetzen,
Gleichungssystem bzw. Eigenwertproblem formulieren und in Datenstrukturen (Systemmatrix)
übertragen
• auf elektrische Schaltkreise bzw. Netzwerke aus konzentrierten Elementen die modifizierte Kno-
tenanalyse anwenden, Gleichungssystem aufstellen sowie in Datenstrukturen (Systemmatrix ,
Absolutvektor) übertragen
Analysieren
• die für technische Fragestellungen gebräuchlichen Modellierungsansätze unterscheiden
• die verschiedenen Abstraktionsebenen für Modellierung und Simulation in der Mikroelektronik
untereinander abgrenzen hinsichtlich Anwendungsbereich, zugrundeliegender Annahmen, be-
schriebener Objekte, mathematischer Systembeschreibung und relevanter Darstellungsgrößen
• Simulationsprogramme hinsichtlich der Zeitverwaltung klassifizieren
• Abstraktionsgrade bei der Modellierung des Zeitverhaltens von Komponenten zeitdiskreter Sys-
teme unterscheiden
• bei Hardware-Beschreibungssprachen zwischen Strukturmodellierung, nebenläufiger und se-
quentieller Verhaltensmodellierung unterscheiden
Evaluieren (Beurteilen)
• elektrotechnische Fragestellungen in Bezug auf Modellierung und Simulation hinsichtlich der
Abstraktionsebene einstufen
• Simulationswerkzeuge hinsichtlich der Eignung für eine gegebene Aufgabenstellung bewerten
• für eine gegebene Aufgabenstellung die geeignete Modellierung und Simulationsunterstützung
wählen

UnivIS: 15.06.2022 18:14 48

 Erschaffen
• einfaches Simulationsprogramm für potentialtheoretische Probleme erstellen
• elementaren Schaltkreissimulator entwickeln
Lern- bzw. Methodenkompetenz
Lernziele hinsichtlich Lern- und Arbeitsmethoden:
• Programmiersprache, Datenstrukturkonzepte und wesentliche Operationen des Numerik-
Werkzeugs Matlab exemplarisch für ähnliche Produkte erlernen
• in der Lage sein, sich das Arbeiten mit ähnlichen Werkzeugen und Programmiersprachen selb-
ständig zu erschließen
• numerische Simulationsalgorithmen mit speziell dafür geeigneten Werkzeugen wie Matlab, Scilab
oder Octave umsetzen
• Simulationswerkzeuge in der Ingenieurtätigkeit souverän und mit Überlegung einsetzen
Selbstkompetenz
Lernziele hinsichtlich persönlicher Weiterentwicklung:
• naturwissenschaftliche Aussagen und Beziehungen als Modelle verstehen
• Möglichkeiten und Grenzen kommerzieller Simulationswerkzeuge auf verschiedenen Abstraktions-
ebenen beurteilen und sich deren effiziente Nutzung selbst aneignen
• Modelle hinsichtlich Plausibilität, Falsifizierbarkeit und Gültigkeitsgrenzen hinterfragen sowie auf
Simulationergebnissen beruhenden Aussagen kritisch begegnen
Sozialkompetenz
Lernziele hinsichtlich des Umgangs mit Menschen:
• Programme gemeinsam in Kleingruppen entwickeln
• dabei auf Vorkenntnisse anderer zugreifen und aufbauen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Berufspädagogik Technik (Bachelor
of Science)", "Berufspädagogik Technik (Master of Education)", "Computational Engineering (Rechnerge-
stütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor
of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Modellierung und Simulation von Schaltungen und Systemen_ (Prüfungsnummer: 39111)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Klaus Helmreich (100222)

UnivIS: 15.06.2022 18:14 49

Modulbezeichnung: Satellitenkommunikation (SATKOM) 5 ECTS
(Satellite Communications)
Modulverantwortliche/r: Albert Heuberger
Lehrende: Christian Rohde
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Satellitenkommunikation (SS 2022, Vorlesung, 2 SWS, Christian Rohde)
Übung Satellitenkommunikation (SS 2022, Übung, 2 SWS, Marcelo Michael)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen

Inhalt:
Nach einem historischen Rückblick zur Entwicklung der Satellitenkommunikation werden die einzelnen
Komponenten eines typischen Gesamtsystems (Boden- und Raumsegment) näher betrachtet. Hierzu
zählt der prinzipielle Aufbau von Trägerraketen, von Satelliten (Satellitenplattformen, Subsysteme,
Nutzlasten), die meist genutzten Umlaufbahnen und die verschiedenen Kommunikationsverbindungen
(Uplink, Downlink, Inter-Satellite-Link). Die Besonderheiten der Signalausbreitung und -übertragung
über große Entfernungen zwischen Bodenstationen und Satelliten werden erklärt und mit Beispie-
len ergänzt. Dabei wird insbesondere eingegangen auf verwendete Frequenzen, Signaldispersion und
-dämpfung, atmosphärische Effekte sowie Störeinflüsse der Weltraumumgebung. Die Architektur trans-
parenter und regenerativer Kommunikationseinheiten wird ausführlich an Beispielen kommerziell ver-
fügbarer Transponder und Onboard-Prozessoren erklärt. Die Prinzipien moderner, standardisierter Ver-
fahren zur Signalaufbereitung und Übertragung von Video-/Bild und Audiosignalen über Satellit (z.B.
MPEG, H.264/265, DVB-S/-S2/-S2X) werden erläutert und diskutiert. Dies umfasst Verfahren zur
Quellencodierung, Kanalcodierung und Modulation, Kanalzugriff und -diversität. Außerdem wird auf
die im Orbit und im kommerziellen Einsatz befindlichen Kommunikationssatelliten und der damit
verbundenen großen Dienstevielfalt eingegangen wie z.B. bei TV- und Breitbandversorgung sowie in
Mobilkommunikationssystemen. Abschließend werden einige Herausforderungen und Forschungsansät-
ze im Zusammenhang mit den neuen Megakonstellationen und Next Generation High Throughput
Satellites (HTS) für zukünftige Satellitensysteme vorgestellt. Die in der Vorlesung behandelten physi-
kalischen, elektro- und nachrichtentechnischen Zusammenhänge werden in den ergänzenden Übungen
mit Rechenbeispielen vertieft.
Gliederung der Vorlesung:
1. Einführung: Überblick über die Hauptkomponenten, Satelliten, Anwendungen und Dienste, sowie
Orbits, Aufgaben und Frequenzen der Satellitennetzwerke
2. Historie der Satellitenkommunikation: Wichtige Meilensteine, Entwicklung in Europa und Deutsch-
land
3. Orbits und Konstellationen: Keplersche Gesetze, Beschreibung von Orbits, verwendete Umlaufbah-
nen, Bodenspuren, erreichbare Abdeckung
4. Trägersysteme: Trägerraketen, Entwicklung, Anbietermarkt, Nutzlastfähigkeit, Startplätze, Start-
verlauf
5. Satellitenaufbau: Auswahl aktueller Satellitenplattformen, Satellitenaufbau, Plattformkomponenten,
Montageschritte und Tests
6. Satellitennutzlast (Payload): Komponenten, Industrielle Beispiele, Aufbau und Aufgaben der Pay-
load, Transponderarchitekturen, Antennen
7. Signalausbreitung und Leistungsbilanz: Signalausbreitung, Freiraumverluste, Signaldämpfung, Rau-
schen, Signal-Rausch-Verhältnis, Linkbudget
8. Weltraumumgebung: Weltraumumgebungsbedingungen, Einflüsse auf den Satelliten und die Elek-
tronik der Nutzlast
9. Quellencodierung: Audio-, Bild- und Videokompression - das Content des Satellitenfernsehens

UnivIS: 15.06.2022 18:14 50

 10. Signalmodulation und Kanalcodierung: Signalkonstellationen, Modulation und Codes zur Fehler-
korrektur
11. Diversitäts- und Zugriffsverfahren: Medium Access, Duplextechniken, Multiplexmethoden, Diversi-
tätstechniken
12. Moderne Satellitenkommunikationssysteme: Rundfunksysteme wie Sirius XM Satellite Radio, zel-
lulare Internetversorgung mittels Satellitenkommunikation
13. Neueste Themen aus Forschung und Entwicklung
SatKom auf StudOn: [Link]
After a historical retrospective about the developments in satellite communication, the core com-
ponents of a typical satellite system (ground- and space-segment) are introduced. The principles and
architectures of rockets/ carriers, satellites (platform, subsystems, payload), used orbits, and the va-
rious communication links (uplink, downlink, inter-satellite-link) are shown. The special features and
properties of signal transmission over such large distances are explained and stuffed with examples.
In particular, more details are provided on the used frequencies, signal dispersion and attenuation,
atmospheric effects as well as impairments due to space environment. The architecture of transpa-
rent and regenerative communication payloads are described in detail, accompanied by corresponding
examples of commercially used transponders and onboard-processors and their technology. The prin-
ciples of modern standardized methods for signal transmission and preparation of video-/image- and
audio-signals via satellite, e.g., MPEG, H.264/265, DVB-S/-S2/-S2X, are illustrated and discussed.
This includes methods for efficient source coding, channel coding and modulation, channel access and
diversity schemes. Furthermore, the currently available communication satellites in orbit and the related
variety of commercial services are introduced like, e.g., TV- and broadband services as well as mobile
communication services and systems. Based on that, a few challenges and perspectives for research
and development for future satellite systems are highlighted with respect to the upcoming new mega
constellations and next generation high throughput satellites (HTS). The physical, electro-technical
and communications concepts and schemes shown in the lectures are complemented by tutorials with
sample calculations.
Table of contents:
1. Introduction: Overview of main components, satellites, applications and services, orbits, tasks,
frequencies, satellite networks
2. History of satellite communications: Major milestones, development in Europe and Germany
3. Orbits and constellations: Kepler’s laws, description of orbits, orbits used, ground tracks, achievable
coverage
4. Launcher systems: Launch vehicles, providers, payload capabilities, launch sites, launch history
5. Satellite structure: Selection of current satellite platforms, satellite structure, platform components,
assembly steps and tests
6. Payload: Components, structure and tasks of payload, transponder architecture, antennas
7. Signal propagation and link budget: Signal propagation, free space losses, signal attenuation, noise,
signal to noise ratio, link budget
8. Space environment: Space environmental conditions, influences on the satellites and payload elec-
tronics
9. Source coding: Audio, image and video compression - the satellite TV broadcasting content
10. Signal modulation and channel coding: Signal constellations, modulation and error correction
coding
11. Diversity and access schemes: Medium access, duplex methods, multiplex methods, diversity tech-
niques
12. Modern satellite communications systems: Broadcasting systems like Sirius XM Satellite Radio,
satellite cellular broadband communication
13. Latest topics in research and development
Lernziele und Kompetenzen:
• Die Studierenden bekommen einen guten Überblick über alle Aspekte der Satellitenkommunikation
inklusive Historie.
• Die Studierenden lernen die weltweit führenden oder in Europa ansässigen Firmen und Organisationen
kennen, die in den Bereichen Satellitenbau und -betrieb, Satellitendienste bzw. -anwendungen, sowie

UnivIS: 15.06.2022 18:14 51

 Forschung und Entwicklung tätig sind.
• Die Studierenden können die Herausforderungen der Weltraumumgebung sowie Vor- und Nachteile
verschiedener Orbits einschätzen und wichtige Kenngröße berechnen
• Die Studierenden lernen die Signalverarbeitungsschritte im Sender, Satelliten und Empfänger kennen
- von der Audio/Video-Quelle über Link-Budget-Berechnungen bis zur Datensenke.
• Die Studierenden lernen den Aufbau und wichtige Kenngrößen von Satelliten, Konstellationen und
Launchern kennen und dabei verwendete Konzepte zu unterscheiden und zu klassifizieren bzgl. deren
Vor- und Nachteilen.
Literatur:
Skriptum zur Lehrveranstaltung

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Berufspädagogik Technik (Bachelor of
Science)", "Berufspädagogik Technik (Master of Education)", "Computational Engineering (Rechnergestütz-
tes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informatik (Bachelor
of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations-
und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Satellitenkommunikation (Prüfungsnummer: 34601)
(englische Bezeichnung: Satellite Communication)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Sprache der Prüfung ist Studiengang-spezifisch
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Christian Rohde (100476)

Bemerkungen:
Sprache: Vortrag in Deutsch, Skript in Englisch

UnivIS: 15.06.2022 18:14 52

Modulbezeichnung: Sprach- und Audiosignalverarbeitung (SAV) 5 ECTS
(Speech and Audio Signal Processing)
Modulverantwortliche/r: Walter Kellermann
Lehrende: Walter Kellermann, Mhd Modar Halimeh
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Sprach- und Audiosignalverarbeitung (SS 2022, Vorlesung, 3 SWS, Walter Kellermann)
Übung zur Sprach- und Audiosignalverarbeitung (SS 2022, Übung, 1 SWS, Mhd Modar Halimeh)

Empfohlene Voraussetzungen:
Vorlesung Signale und Systeme I & II

Inhalt:
It concentrates on algorithms for speech and audio signal processing with applications in telecommu-
nications and multimedia, especially
• physiology and models for human speech production and hearing: source-filter model, filterbank
model of the cochlea, masking effects,
• representation of speech and audio signals: estimation and representation of short-term and long-
term statistics in the time and frequency domain as well as the cepstral domain; typical examples
and visualizations
• source coding for speech and audio signals: criteria, scalar and vector quantization, linear predic-
tion, prediction of the pitch frequency; waveform coding, parametric coding, hybrid coding, codec
standards (ITU, GSM, ISO-MPEG)
• basic concepts of automatic speech recognition (ASR): feature extraction, dynamic time warping,
Hidden Markov Models (HMMs)
• basic concepts of speech synthesis: text-to-speech systems, model-based and data-driven synthesis,
PSOLA synthesis system
• signal enhancement for acquisition and reproduction: noise reduction, acoustic echo cancellation,
dereverberation using single-channel and multichannel algorithms.
Es werden Grundlagen und Algorithmen der Verarbeitung von Sprach- und Audiosignalen mit Anwen-
dungen in Telekommunikation und Multimedia behandelt, insbesondere:
• Physiologie und Modelle der Spracherzeugung und des Hörens: Quelle-Filter-Modell, Filterbank-
Modell der Cochlea; Maskierungseffekte;
• Darstellung von Sprach- und Audiosignalen: Schätzung und Darstellung der Kurzzeit- und Langzeit-
statistik in Zeit-, Frequenz- und Cepstralbereich; typische Beispiele, Visualisierungen;
• Quellencodierung für Sprache und Audiosignale: Kriterien; skalare und vektorielle Codierung; linea-
re Prädiktion; Pitchprädiktion; Wellenform-/Parameter-/Hybrid-Codierung; Standards (ITU, GSM,
ISO-MPEG)
• Spracherkennung: Merkmalextraktion, Dynamic Time Warping, Hidden Markov Models
• Grundprinzipien der Sprachsynthese: Text-to-Speech Systeme, modellbasierte und datenbasierte Syn-
these, PSOLA-Synthese
• Signalverbesserung bei Signalaufnahme und - wiedergabe: Geräuschbefreiung, Echokompensation,
Enthallung mittels ein- und mehrkanaliger Verfahren;
Lernziele und Kompetenzen:
The students
• understand basic physiological mechanisms of human speech production and hearing and can apply
them for the analysis of speech and audio signals
• apply basic methods for the estimation and representation of the short-term and long-term statistics
of speech and audio signals and can analyze such signals by means of these methods
• understand current methods for source coding of speech and audio signals and can analyze current
coding standards

UnivIS: 15.06.2022 18:14 53

 • verstehen die Grundbausteine von Spracherkennungssystemen und können deren Funktion mittels
Rechnersimulation analysieren
• understand the basic principle of text-to-speech systems and can apply fundamental methods for
speech synthesis
• can apply basic algorithms for speech enhancement and understand their functionality for real-world
data.
Die Studierenden
• verstehen die grundlegenden physiologischen Mechanismen der Spracherzeugung und des Hörens
beim Menschen und können diese zur Analyse von Sprach- und Audiosignalen anwenden
• wenden die grundlegenden Methoden zur Schätzung und Darstellung der Kurzzeit- und Langzeit-
statistik von Sprach- und Audiosignalen an und können diese damit analysieren
• verstehen die aktuellen Methoden zur Quellencodierung von Sprache-und Audiosignalen und können
aktuelle Codierstandards analysieren
• verstehen die Grundbausteine von Spracherkennungssystemen und können deren Funktion mittels
Rechnersimulation analysieren
• verstehen die Grundprinzipien von Text-to-Speech Systemen und können elementare Algorithmen
zur Sprachsynthese anwenden
• können elementare Algorithmen zur Signalverbesserung anwenden und für reale Daten analysieren
Literatur:
Gemäß themenbezogenen Angaben in der Lehrveranstaltung

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Communi-
cations Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik
Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik
(Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Ba-
chelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschafts-
ingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Speech and Audio Signal Processing (Prüfungsnummer: 64601)
(englische Bezeichnung: Speech and Audio Signal Processing)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Walter Kellermann (100247)

UnivIS: 15.06.2022 18:14 54

Modulbezeichnung: Test Integrierter Schaltungen (TEST) 2.5 ECTS
(Test of Integrated Circuits)
Modulverantwortliche/r: Klaus Helmreich
Lehrende: Klaus Helmreich
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Test Integrierter Schaltungen (SS 2022, Vorlesung, 2 SWS, Klaus Helmreich)

Inhalt:
Motivation
Damit unsere elektronischen Geräten überhaupt funktionieren, muß jede einzelne mikroelektronische
Schaltung darin nach ihrer Fertigung geprüft werden. Wegen der Komplexität heutiger integrierter
Schaltungen (ICs) machen diese Tests bis zur Hälfte der Fertigungskosten aus! - Ein guter Grund, sich
mit dem Thema Test auseinanderzusetzen, wenn man sich mit Mikroelektronik befaßt.
Gliederung
Die Vorlesung umfaßt Inhalte zu Bedeutung, Theorie, Methodik, Gerätetechnik und Praxis des Tests
in der Halbleiterfertigung.
1 Test in der Halbleiterfertigung
Herstellungsphasen integrierter Schaltungen, wirtschaftliche Bedeutung des Tests, Testysteme,
Zuführungs- und Sortierautomaten, Prüfadapter für montierte ICs und Wafer, Kontakttechnologien
für Wafertest, Modulare Testsysteme
2 Messen und Testen
Begriffe und Definitionen, Meßunsicherheit und Irrtumsrisiko, Schätzung von statistischen Parametern:
Mittelwert, Streuwert, Konfidenzintervalle, Rechnen mit statistischen Schätzwerten, Entscheidungsfin-
dung bei Irrtumsrisiken, Hypothesentest der mathematischen Statistik als theoretische Grundlage des
Fertigungstests, Schließen aus statistischen Aussagen
3 Fehler und Tests
Definition, Klassifizierung hinsichtlich Entstehung und Auswirkung, Test im Herstellungsprozess und
während des Produktlebens, Randbedingungen verschiedener Testaufgaben
4 Testkosten und Prüfstrategie
Wirtschaftlichkeitsbetrachtungen, „Zehner-Regel", Testkosten und Testgüte, Testkomplexität, Maß-
zahlen: Fehlerwahrscheinlichkeit, Ausbeuten, Fehlerüberdeckung, Testschlupf und Ausbeuteverlust
5 Testkategorien und Testerzeugung
Notwendigkeit des Produktionstests, Defekte und Fehler, Zuverlässigkeitstest, Simulation und Test,
Testentwurf, Bestandteile von Fertigungstests, Funktionstest und Strukturtest, Fehlermodelle, Test-
mustererzeugung durch Fehlersimulation und synthetische Verfahren, Fehlerklassen und Fehlerkatalog,
redundante Fehler, D-Kalkül
6 Testsysteme
Entstehungsgeschichte, Funktionsprinzip, Einteilung nach Einsatzbereich und Prüflingskategorie, Leis-
tungsmerkmale und Aufbau, Pinelektronik
7 Prüfprogramm und Testsignalbeschreibung
Zyklisierung und Prüftakt, Prüfmuster, Zeitmarken, Testsystemarchitekturen, Signalformate
8 Test gemischt analog-digitaler Schaltungen (Mixed-Signal Test)
Instrumentierung, digitale Signalverarbeitung, Kohärentes Testen, Parameter gemischt analog-digitaler
Schaltungen, spektrale und Histogrammtests, Testabläufe
9 Test weiterer Schaltungsklassen
Speichertest: Fehlermodell, Prüfverfahren, algorithmische Mustergenerierung und Redundanzanalyse,
Test von Hochfrequenzschaltungen: Instrumentierung und Besonderheiten, synthetische Instrumente,
System-on-Chip- / System-In-Package-Test
10 Testfreundlicher Entwurf (Design for Testability)

UnivIS: 15.06.2022 18:14 55

 Begriff, Kosten, Standardisierung, Systematik der Verfahren, Ad-hoc-Methoden, Stimulusgenerierung
und Signaturanalyse, Prüfpfadverfahren, Selbsttest
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• die wesentlichen Geräte und Komponenten für den Produktionstest integrierter Schaltungen
nennen und erläutern
Verstehen
• Prüfergebnisse als wahrscheinlichkeitsbehaftete Aussagen verstehen
• technische und wirtschaftliche Erfordernisse beim Halbleitertest erläutern und entsprechende
Abwägungen darstellen
• technisch-wirtschaftliche Kenngrößen definieren und deren Zusammenhänge darstellen
• Fehlermodelle beschreiben und deren Bedeutung für die Testsynthese darstellen
• Verfahren zur automatischen Testmustererzeugung unterscheiden und beschreiben
• Funktionsprinzip von Testsystemen und deren Komponenten erläutern
• Komponenten der Testsignalbeschreibung zusammenstellen
• Methoden des prüffreundlichen Entwurfs darstellen
Anwenden
• Vorgänge „Messen“ und „Prüfen“ voneinander abgrenzen und den Zusammenhang zwischen
Meßunsicherheit und Irrtumsrisiko erklären
• Mittelwerte und Streuwerte aus Meßdaten schätzen und für diese Konfidenzintervalle zu gege-
bener Irrtumswahrscheinlichkeit angeben
• die Unsicherheit von aus meßunsicherheitsbehafteten Anfangsgrößen berechneten Ergebnissen
berechnen
• sich der Denkfallen beim Schließen aus statistischen Aussagen bewußt sein
• Prüfsignale anhand der Kriterien für kohärentes Testen definieren
Analysieren
• Fehler in technischen Produkten hinsichtlich Entstehung und Auswirkung klassifizieren
• Testvorgänge an integrierten Schaltungen klassifizieren und zugehörige Randbedingungen nen-
nen
• Begriffe „Defekt“ (’defect’), „Fehler“ (’fault’), „Irrtum“ (’error’), „Ausfall“ (’failure’) am Beispiel
Halbleitertest voneinander abgrenzen
• Abläufe bei Halbleitertests hinsichtlich verschiedener Kriterien (hierarchisch) strukturieren und
unterscheiden
• Testsysteme und deren Architekturen hinsichtlich verschiedener Kriterien klassifizieren
Evaluieren (Beurteilen)
• technische und wirtschaftliche Bedeutung des Tests im Vergleich zu weiteren Bereichen der
Halbleiterindustrie zutreffend einschätzen
• Prüfkriterien anhand angestrebter Qualitätsanforderungen (Testschlupf) aufstellen
• Testschwellen im Hinblick auf Minimierung einer Irrtumswahrscheinlichkeit wählen
Erschaffen
(keine)
Lern- bzw. Methodenkompetenz
Lernziele hinsichtlich Lern- und Arbeitsmethoden:
• Hypothesen statistisch prüfen, wahrscheinlichkeitsbehaftete Aussagen interpretieren
Selbstkompetenz
Lernziele hinsichtlich persönlicher Weiterentwicklung:
• Schlüsse aus statistischen Aussagen und Ergebnissen hinterfragen diesen kritisch begegnen
Sozialkompetenz
Lernziele hinsichtlich des Umgangs mit Menschen:
• Übungsaufgabenstellungen gemeinsam in Kleingruppen lösen

UnivIS: 15.06.2022 18:14 56

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Elektrotechnik, Elektronik und In-
formationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)",
"Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Test integrierter Schaltungen (Prüfungsnummer: 40001)
(englische Bezeichnung: Testing of Integrated Circuits)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: digitale Fernprüfung
von 30 Minuten Dauer mittels ZOOM.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Klaus Helmreich (100222)

UnivIS: 15.06.2022 18:14 57

Modulbezeichnung: Transceiver-Systementwurf (TRXSys) 5 ECTS
(Transceiver System Design)
Modulverantwortliche/r: Jörn Thielecke
Lehrende: Jörn Thielecke
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Transceiver-Systementwurf (SS 2022, Vorlesung, 2 SWS, Jörn Thielecke)
Übung Transceiver-Systementwurf (SS 2022, Übung, 2 SWS, Jörn Thielecke)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen, grundlegende Kenntnisse erforderlich aus: Signal- und Systemtheorie,
Nachrichtentechnische Systeme, Stochastik. Erste mikroelektronische Kenntnisse helfen.

Inhalt:
1. Einführung
2. Systemübersicht und Anforderungen
• GPS - GSM-WLAN
• Vergleichende Zusammenfassung
3. Basisbandverarbeitung
• Optimierung und Wechselwirkungen am Beispiel einer PLL
• Anforderungsprofil bei GPS, GSM und WLAN
4. A/D- und D/A-Umsetzung
• Dominierendes Nutzsignal bei GSM und WLAN
• Dominierendes Rauschen bei GPS
• Anforderungsübersicht
5. Frontend
• Analyse und Charakterisierung von Störungen (Nichtlinearitäten, Rauschen, Dynamikbereicht, I/Q-
Balance, Phasenrauschen)
• Systementwurf (Entwurfzyklus, Empfänger-Architekturen, Sender-Architekturen)
6. Ausblick
Lernziele und Kompetenzen:
1. Anhand der Beispielsysteme GPS, GSM und WLAN sollen Studierende beurteilen lernen, wie das
Wechselspiel zwischen Realisierungsaufwand und nachrichtentechnischer Systemanforderung ist. 2. An-
hand von Beispielen sollen Studierenden die wesentlichen Entwurfsschritte bis hin zur Parametrisierung
auf Blockschaltbildebene klar werden, wenn der Ausgangspunkt eine nachrichtentechnische Systembe-
schreibung ist.
3. Anhand von Architekturbeispielen sollen Studierende ein Verständnis für die Spielräume und Abwä-
gungen beim Entwurf eines Endgerätes entwickeln.
Literatur:
Skriptum zur Vorlesung.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 58

Studien-/Prüfungsleistungen:
Transceiver-Systementwurf (Prüfungsnummer: 66211)
(englische Bezeichnung: Transceiver System Design)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Ergebnis der mündlichen Prüfung: 100% der Modulnote. Bei bestandener Prüfung wird die Note um
eine Teilnotenstufe (z.B. von 2,0 auf 1,7) verbessert, wenn Sie mindestens 75% der Hausaufgaben
einschließlich der Rechnerübungen erfolgreich absolviert haben. Eine Note besser als 1,0 wird nicht
vergeben. Ein Bonus wird nur berücksichtigt, wenn die Prüfung auch ohne ihn bestanden ist.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jörn Thielecke (100224)

Organisatorisches:
Lehrveranstaltung ist im Masterstudium verankert, kann aber ins Bachelorstudium vorgezogen werden.
(Wahl- oder Wahlpflichtfach), Pflichtfach für MSc EEI mit Vertiefung Mikroelektronik.
Bemerkungen:
Übung und Vorlesung abwechselnd in 14.-tägigen Modus

UnivIS: 15.06.2022 18:14 59

Modulbezeichnung: CPU Entwurf mit VHDL (CPU) 7.5 ECTS
(CPU Design with VHDL)
Modulverantwortliche/r: Dietmar Fey
Lehrende: Thomas Schlögl, Philipp Holzinger
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
CPU Entwurf mit VHDL (SS 2022, Vorlesung, 4 SWS, Philipp Holzinger)
Übungen zu CPU Entwurf mit VHDL (SS 2022, Übung, 2 SWS, Thomas Schlögl et al.)

Empfohlene Voraussetzungen:
keine

Inhalt:
Die Vorlesung wird einen Einblick in die wichtigsten Strukturen eines Rechners und insbesondere die
der CPU geben. Wie sind die Register, die ALU, die Caches usw. aufgebaut, wie sind sie miteinander
verschaltet? Wie werden Pipelines gebildet?
Um die Vorlesung verstehen und die Übungsaufgaben lösen zu können, werden VHDL-Kenntnisse
benötigt. Diese werden in der Vorlesung vermittelt.
Im ersten Teil der Vorlesung geht es darum, aus einfachen Und-, Oder- und Inverter-Gattern größere
Strukturen aufzubauen. So werden bespielsweise die Register und die Komponenten der ALU (Addierer,
Multiplizierer, Shifter usw.) nach und nach aufgebaut. Aus den Einzelteilen lassen sich dann wiederum
die Registerbänke, die ALU, die Speichereinheit usw. zusammensetzen.
Mit guten Rechenwerken allein ist eine CPU noch nicht wirklich schnell. Es müssen schnell genug
Instruktionen gelesen und dekodiert sowie die Operanden geholt werden können. Nach dem schnellen
Verarbeiten in den Rechenwerken müssen die Ergebnisse dann wiederum schnell in die Zielregister bzw.
Ziel-Speicherzellen kopiert werden. Das wichtigste Verfahren, um hierbei Performance zu gewinnen,
ist das Pipelining.
Leider gibt es eine Reihe von Bedingungen, die erfüllt sein müssen, dass Pipelining wirklich gut funktio-
niert. So dürfen keine Daten-Abhängigkeiten im Code vorhanden sein, müssen Sprungziele rechtzeitig
bekannt sein und dürfen bestimmte Ressourcen nicht mehrfach gleichzeitig genutzt werden. Mittels
Forwarding, Sprungvorhersage und Caches können die Probleme gemildert werden.
Mit den so gewonnenen Fähigkeiten sind dann auch Multi-Core- und Multi-Threading-Architekturen
verständlich.
Lernziele und Kompetenzen:
Die Studierenden verstehen den inneren Aufbau moderner CPUs (Pipeline, Registerbänke, ALU, Ca-
ches, Memory-Management-Unit, Segmentierungseinheit, ...) und können selbst performante CPUs
aus einfachen Basis-Schaltungen aufbauen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 60

 CPU Entwurf mit VHDL (CPU) (Prüfungsnummer: 211243)
(englische Bezeichnung: CPU Design with VHDL (CPU))
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Dietmar Fey (100101)

UnivIS: 15.06.2022 18:14 61

Modulbezeichnung: CPU Entwurf mit VHDL (Schwerpunkt VHDL) (CPU-VHDL) 5 ECTS
(CPU Design with VHDL (Focus on VHDL))
Modulverantwortliche/r: Dietmar Fey
Lehrende: Thomas Schlögl, Philipp Holzinger
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
CPU Entwurf mit VHDL (SS 2022, Vorlesung, 4 SWS, Philipp Holzinger)
Übungen zu CPU Entwurf mit VHDL (SS 2022, Übung, 2 SWS, Thomas Schlögl et al.)

Empfohlene Voraussetzungen:
keine

Inhalt:
Die Vorlesung wird einen Einblick in die wichtigsten Strukturen eines Rechners und insbesondere die
der CPU geben. Wie sind die Register, die ALU, die Caches usw. aufgebaut, wie sind sie miteinander
verschaltet? Wie werden Pipelines gebildet?
Um die Vorlesung verstehen und die Übungsaufgaben lösen zu können, werden VHDL-Kenntnisse
benötigt. Diese werden in der Vorlesung vermittelt.
Im ersten Teil der Vorlesung geht es darum, aus einfachen Und-, Oder- und Inverter-Gattern größere
Strukturen aufzubauen. So werden bespielsweise die Register und die Komponenten der ALU (Addierer,
Multiplizierer, Shifter usw.) nach und nach aufgebaut. Aus den Einzelteilen lassen sich dann wiederum
die Registerbänke, die ALU, die Speichereinheit usw. zusammensetzen.
Mit guten Rechenwerken allein ist eine CPU noch nicht wirklich schnell. Es müssen schnell genug
Instruktionen gelesen und dekodiert sowie die Operanden geholt werden können. Nach dem schnellen
Verarbeiten in den Rechenwerken müssen die Ergebnisse dann wiederum schnell in die Zielregister bzw.
Ziel-Speicherzellen kopiert werden. Das wichtigste Verfahren, um hierbei Performance zu gewinnen,
ist das Pipelining.
Leider gibt es eine Reihe von Bedingungen, die erfüllt sein müssen, dass Pipelining wirklich gut funktio-
niert. So dürfen keine Daten-Abhängigkeiten im Code vorhanden sein, müssen Sprungziele rechtzeitig
bekannt sein und dürfen bestimmte Ressourcen nicht mehrfach gleichzeitig genutzt werden. Mittels
Forwarding, Sprungvorhersage und Caches können die Probleme gemildert werden.
Mit den so gewonnenen Fähigkeiten sind dann auch Multi-Core- und Multi-Threading-Architekturen
verständlich.
Lernziele und Kompetenzen:
Die Studierenden verstehen den inneren Aufbau moderner CPUs (Pipeline, Registerbänke, ALU, Ca-
ches, Memory-Management-Unit, Segmentierungseinheit, ...) und können selbst performante CPUs
aus einfachen Basis-Schaltungen aufbauen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 62

 CPU Entwurf mit VHDL (Schwerpunkt VHDL) (Prüfungsnummer: 436348)
(englische Bezeichnung: CPU design with VHDL (Focus on VHDL))
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Dietmar Fey (100101)

UnivIS: 15.06.2022 18:14 63

Modulbezeichnung: Echtzeitsysteme-V+Ü (EZS-VU) 5 ECTS
(Real-Time Systems L+E)
Modulverantwortliche/r: Peter Wägemann
Lehrende: Simon Schuster, Peter Wägemann, Phillip Raffeck, Florian Schmaus
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 60 Std. Sprache: Deutsch
Lehrveranstaltungen:
Echtzeitsysteme (SS 2022, Vorlesung, 2 SWS, Peter Wägemann)
Übungen zu Echtzeitsysteme (SS 2022, Übung, 2 SWS, Simon Schuster et al.)
Rechnerübungen zu Echtzeitsysteme (SS 2022, Übung, 2 SWS, N.N.)

Empfohlene Voraussetzungen:
Für eine erfolgreiche Teilnahme an der Veranstaltung sind grundlegende Programmierkenntnisse in
C/C++ erforderlich.
Diese können durch den (empfohlenen) Besuch entsprechender Grundlagenveranstaltungen oder im
Eigenstudium erworben sein, eine formale Voraussetzung besteht in diesem Zusammenhang nicht.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Systemprogrammierung
Systemnahe Programmierung in C
Grundlagen der Systemprogrammierung
Grundlagen der systemnahen Programmierung in C

Inhalt:
Videobearbeitung in Echtzeit, Echtzeitstrategiespiel, echtzeitfähig - der Begriff Echtzeit ist wohl einer
der am meisten strapazierten Begriffe der Informatik und wird in den verschiedensten Zusammenhängen
benutzt. Diese Vorlesung beschäftigt sich mit dem Begriff Echtzeit aus der Sicht von Betriebssystemen
- was versteht man eigentlich unter dem Begriff Echtzeit im Betriebssystemumfeld, wo und warum setzt
man sog. Echtzeitbetriebssysteme ein und was zeichnet solche Echtzeitbetriebssysteme aus?
In dieser Vorlesung geht es darum, die oben genannten Fragen zu beantworten, indem die grundlegenden
Techniken und Mechanismen vermittelt werden, die man im Betriebssystemumfeld verwendet, um
Echtzeitsysteme und Echtzeitbetriebssysteme zu realisieren. Im Rahmen dieser Vorlesung werden unter
anderem folgende Themen behandelt:
• zeitgesteuerte und ereignisgesteuerte Systeme
• statische und dynamische Ablaufplanungsverfahren
• Fadensynchronisation in Echtzeitbetriebssystemen
• Behandlung von periodischen und nicht-periodischen Ereignissen
In den begleitenden Übungen werden die in der Vorlesung vorgestellten Techniken bei der Entwicklung
eines kleinen Echtzeitsystems praktisch umgesetzt.
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• unterscheiden die verschiedenen Komponenten eines Echtzeitsystems.
• bewerten die Verbindlichkeiten von Terminvorgaben (weich, fest, hart).
• erläutern die Zusammensetzung des Laufzeitverhaltes einer Echtzeitanwendung.
• klassifizieren die Berührungspunkte zwischen physikalischem Objekt und kontrollierendem Echtzeit-
system.
• interpretieren die Zeitparameter des durch das Echtzeitrechensystem zu kontrollierenden Objekts.
• nennen die Zeitparameter des zugrundeliegenden Rechensystems (Unterbrechungslatenz, Ausfüh-
rungszeit, ...).
• unterscheiden synchrone und asynchrone Programmunterbrechung (insbesondere Trap/Interrupt,
Ausnahmebehandlung und Zustandssicherung).
• skizzieren die Verwaltungsgemeinkosten des schlimmsten Falls.

UnivIS: 15.06.2022 18:14 64

 • entwickeln in der Programmiersprache C und wenden die GNU Werkzeugkette für den ARM Cortex
M4 Microcontroller an.
• erstellen Echtzeitanwendungen auf Basis der eCos OS-Schnittstelle
• ordnen die Strukturelemente von Echtzeitanwendungen zu: Aufgabe, Arbeitsauftrag und Faden.
• erläutern die Implikationen von zeitlichem Mehrfachbetrieb auf die Verwaltungsgemeinkosten.
• unterscheiden die Umsetzungsalternativen zur Ablaufsteuerung und die Trennung der Belange in
Einplanung (Strategie) und Einlastung (Mechanismus).
• benennen die grundsätzliche Verfahren der Ablaufsteuerung (taktgesteuert, reihum, vorranggesteu-
ert).
• erklären die grundlegenden Zeitparameter einer Aufgabe (Auslösezeitpunkt, Termin, Antwortzeit,
Latenz, Ausführungszeit, Schlupfzeit).
• unterscheiden die Grundlagen der Planbarkeit (gültig vs. zulässig, Optimalität von Einplanungsalgo-
rithmen).
• beschreiben den Unterschied zwischen konstruktiver und analytischer Einhaltung von Terminen-.
• vergleich die Möglichkeiten (statisch, dynamisch) der zeitliche Analyse von Echtzeitanwendungen.
• erklären die Grundlagen und Beschränkungen von dynamischer (worst-case?) und statischer WCET-
Analyse (makroskopisch und mikroskopisch).
• illustrieren Lösungsverfahren zur Bestimmung des längsten Ausführungspfads (Timing Schema,
IPET).
• erstellen Zeitmessung mittels Zeitgeber / Oszilloskop und bestimmen den längsten Pfad durch Code-
Review.
• erproben werkzeuggestützte WCET-Analyse mittels des absint aiT Analysewerkzeugs.
• beschreiben die Grundlagen der Abfertigung periodischer Echtzeitsysteme (Periode, Phase, Hyper-
periode).
• skizzieren das periodische Modell und dessen Folgen (Entwicklungskomfort vs. Analysierbarkeit).
• erklären die ereignisgesteuerte Ausführung (feste und dynamische Priorität, Verdrängbarkeit) mittels
ereignisorienterter Planer (Berechnungskomplexität, MLQ-Scheduler, O(1)-Scheduler).
• unterscheiden die zeitgesteuerte Ausführung (Busy Loop, Ablaufplan)und die Abfertigung von Ar-
beitsaufträgen im Abfrage- bzw. Unterbrecherbetrieb.
• wenden die Grundlagen der ereignisgesteuerten Ablaufplanung periodischer Echtzeitsysteme an.
• unterscheiden Verfahren zur statischen (RM, DM) und dynamischen Prioritätsvergabe (EDF, LRT,
LST).
• nennen den Unterschied zwischen Anwendungs- und Systemebene (Mehrdeutigkeit von Prioritäten).
• erläutern den Optimalitätsnachweis des RM-, DM- und EDF-Algorithmus und dessen Ausnahmen.
• beschreiben grundlegende Verfahren zur Planbarkeitsanalyse (CPU-Auslastung, Antwortzeitanalyse).
• implementieren komplexe Aufgabensysteme in eCos.
• unterscheiden die Grundlagen der zeitgesteuerten Ablaufplanung periodischer Echtzeitsysteme.
• erstellen regelmäßige, zyklische Ablaufpläne (cyclic executive model, Rahmen).
• vergleich Methoden der manuellen und algorithmischen Ablaufplanung.
• unterscheiden optimale von heuristischen Verfahren (List Scheduling, Branch & Bound).
• diskutieren die Konsequenzen eines Betriebswechsels in Echtzeitsystemen.
• erstellen takt- beziehungsweise ereignisgesteuerte Abläufe in eCos beziehungsweise tt-eCos.
• klassifizieren die Grundlagen der Abfertigung nicht-periodischer Echtzeitsysteme (minimale Zwi-
schenankunftszeit).
• definieren die Verbindlichkeiten von nicht-periodischen Aufgaben (aperiodisch, sporadisch)
• zeigen die sich ergebenden Restriktionen des periodischen Modells (Mischbetrieb, Prioritätswarte-
schlangen, Übernahmeprüfung) auf.
• beschreiben die Basistechniken des Laufzeitsystems (Zusteller, Unterbrecherbetrieb, Hintergrundbe-
trieb).
• quantifizieren die Eigenschaften und Auswirkungen auf den periodischen Teil des Echtzeitsystems.
• formulieren die Grundlagen des Slack-Stealing.
• beschreiben den Einsatz von bandweite-bewahrenden Zustellern.
• unterscheiden aufschiebbare Zusteller und Sporadic Server (SpSL und POSIX).

UnivIS: 15.06.2022 18:14 65

 • wenden eine Übernahmeprüfung bei sporadischen Aufgaben mittels dichte- oder schlupfbasierten
Akzeptanztests an.
• arbeiten einen strukturierter Ablaufplan (Rahmen) aus und untersuchen den Einsatz von Slack-
Stealing.
• ermitteln gerichtete Abhängigkeiten und Rangfolgen in Echtzeitanwendungen (Abhängigkeits- und
Aufgabengraph).
• stellen Umsetzungsalternativen für Abhängigkeiten einander gegenüber (naiv, implizit, explizit).
• beschreiben das Konzept der zeitlichen Domänen und physikalischer bzw. logischer Ereignisse.
• übertragen Abhängigkeiten auf das Problem der Ablaufplanung (modifiziere Auslösezeit-
punkt/Termin, Phasenversatz).
• konzipieren Rangfolge und aperiodische Steuerung in eCos.
• implementieren einen aperiodischer Moduswechsel mit Zustandsüberführung in eCos.
• wenden die Grundlagen von Wettstreit um Betriebsmitteln, Konkurrenz und Konfliktsituationen
(kritische Abschnitte, (un)kontrollierte Prioritätsumkehr) an.
• beschreiben echtzeitfähige Synchronisationsprotokolle (NPCS, PI, PCP).
• nennen die Vor- und Nachteile der Techniken (transitive Blockung, Verklemmungen).
• hinterfragen die Vereinfachung des PCP durch stapelbezogene Grenzprioritäten.
• bestimmen die Ablaufplanung unter Berücksichtigung von Blockierungszeiten und Selbstsuspendie-
rung.
• implementieren Zugriffskontrolle (NPCS, PI, PCP) in Echtzeitanwendungen mit eCos.
• erläutern die Anforderungen an verteile Echtzeitsysteme (Komposition, Erweiterbarkeit, Komplexität,
Ereignis- vs. Zustandsnachricht).
• fassen die Grundlagen von Knoten, Netzwerkschnittstellen und Netzübergängen sowie die Konzepte
der expliziten und impliziten Flusskontrolle zusammen.
• erschließen sich typische Probleme (zeitliche Analyse, Beobachtbarkeit, Synchronisation, Rangfolge)
und Fehlerquellen bei der Programmierung von Echtzeitanwendungen.
• können in Gruppen kooperativ und effektiv arbeiten.
• können ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argumentativ
vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten in der Konzeption wie Umsetzung umgehen.
Literatur:
• Hermann Kopetz. Real-Time Systems: Design Principles for Distributed Embedded Applications.
Kluwer Academic Publishers, 1997.
• Jane W. S. Liu. Real-Time Systems. Prentice-Hall, Inc., 2000.
• Wolfgang Schröder-Preikschat. Softwaresysteme 1. Vorlesungsfolien. 2006.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Computational Engineering (Rechner-
gestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Ba-
chelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor
of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Maschinenbau (Bachelor of
Science)", "Maschinenbau (Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Bachelor
of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik

UnivIS: 15.06.2022 18:14 66

 (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Echtzeitsysteme (Vorlesung mit Übungen) (Prüfungsnummer: 707303)
(englische Bezeichnung: Real Time Systems (Lecture with Exercises))
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
30-minütige mündliche Prüfung über den gesamten Stoff der Veranstaltung.
Teilnahme an den Übungen und die Bearbeitung aller Übungsaufgaben wird hierzu dringend emp-
fohlen!
Prüfungssprache: Deutsch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Wolfgang Schröder-Preikschat (100114)

UnivIS: 15.06.2022 18:14 67

Modulbezeichnung: Echtzeitsysteme-V+EÜ (EZS-VEU) 7.5 ECTS
(Real-Time Systems L+EE)
Modulverantwortliche/r: Peter Wägemann
Lehrende: Phillip Raffeck, Florian Schmaus, Simon Schuster, Peter Wägemann
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
Echtzeitsysteme (SS 2022, Vorlesung, 2 SWS, Peter Wägemann)
Erweiterte Übungen zu Echtzeitsysteme (SS 2022, Übung, 2 SWS, Simon Schuster et al.)
Rechnerübungen zu Echtzeitsysteme (SS 2022, Übung, 2 SWS, N.N.)

Empfohlene Voraussetzungen:
Für eine erfolgreiche Teilnahme an der Veranstaltung sind grundlegende Programmierkenntnisse in
C/C++ erforderlich.
Diese können durch den (empfohlenen) Besuch entsprechender Grundlagenveranstaltungen oder im
Eigenstudium erworben sein, eine formale Voraussetzung besteht in diesem Zusammenhang nicht.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Systemprogrammierung
Systemnahe Programmierung in C
Grundlagen der Systemprogrammierung
Grundlagen der systemnahen Programmierung in C

Inhalt:
Videobearbeitung in Echtzeit, Echtzeitstrategiespiel, echtzeitfähig - der Begriff Echtzeit ist wohl einer
der am meisten strapazierten Begriffe der Informatik und wird in den verschiedensten Zusammenhängen
benutzt. Diese Vorlesung beschäftigt sich mit dem Begriff Echtzeit aus der Sicht von Betriebssystemen
- was versteht man eigentlich unter dem Begriff Echtzeit im Betriebssystemumfeld, wo und warum
setzt man sog. Echtzeitbetriebssysteme ein und was zeichnet solche Echtzeitbetriebssysteme aus? In
dieser Vorlesung geht es darum, die oben genannten Fragen zu beantworten, indem die grundlegenden
Techniken und Mechanismen vermittelt werden, die man im Betriebssystemumfeld verwendet, um
Echtzeitsysteme und Echtzeitbetriebssysteme zu realisieren. Im Rahmen dieser Vorlesung werden unter
anderem folgende Themen behandelt:
• zeitgesteuerte und ereignisgesteuerte Systeme
• statische und dynamische Ablaufplanungsverfahren
• Fadensynchronisation in Echtzeitbetriebssystemen
• Behandlung von periodischen und nicht-periodischen Ereignissen
In den begleitenden Übungen werden die in der Vorlesung vorgestellten Techniken bei der Entwicklung
eines kleinen Echtzeitsystems praktisch umgesetzt.
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• unterscheiden die verschiedenen Komponenten eines Echtzeitsystems.
• bewerten die Verbindlichkeiten von Terminvorgaben (weich, fest, hart).
• erläutern die Zusammensetzung des Laufzeitverhaltes einer Echtzeitanwendung.
• klassifizieren die Berührungspunkte zwischen physikalischem Objekt und kontrollierendem Echtzeit-
system.
• interpretieren die Zeitparameter des durch das Echtzeitrechensystem zu kontrollierenden Objekts.
• nennen die Zeitparameter des zugrundeliegenden Rechensystems (Unterbrechungslatenz, Ausfüh-
rungszeit, ...).
• unterscheiden synchrone und asynchrone Programmunterbrechung (insbesondere Trap/Interrupt,
Ausnahmebehandlung und Zustandssicherung).
• skizzieren die Verwaltungsgemeinkosten des schlimmsten Falls.

UnivIS: 15.06.2022 18:14 68

 • entwickeln in der Programmiersprache C und wenden die GNU Werkzeugkette für den ARM Cortex
M4 an.
• erstellen Echtzeitanwendungen auf Basis der eCos OS-Schnittstelle
• ordnen die Strukturelemente von Echtzeitanwendungen zu: Aufgabe, Arbeitsauftrag und Faden.
• erläutern die Implikationen von zeitlichem Mehrfachbetrieb auf die Verwaltungsgemeinkosten.
• unterscheiden die Umsetzungsalternativen zur Ablaufsteuerung und die Trennung der Belange in
Einplanung (Strategie) und Einlastung (Mechanismus).
• benennen die grundsätzliche Verfahren der Ablaufsteuerung (taktgesteuert, reihum, vorranggesteu-
ert).
• erklären die grundlegenden Zeitparameter einer Aufgabe (Auslösezeitpunkt, Termin, Antwortzeit,
Latenz, Ausführungszeit, Schlupfzeit).
• unterscheiden die Grundlagen der Planbarkeit (gültig vs. zulässig, Optimalität von Einplanungsalgo-
rithmen).
• beschreiben den Unterschied zwischen konstruktiver und analytischer Einhaltung von Terminen-.
• vergleich die Möglichkeiten (statisch, dynamisch) der zeitliche Analyse von Echtzeitanwendungen.
• erklären die Grundlagen und Beschränkungen von dynamischer (worst-case?) und statischer WCET-
Analyse (makroskopisch und mikroskopisch).
• illustrieren Lösungsverfahren zur Bestimmung des längsten Ausführungspfads (Timing Schema,
IPET).
• erstellen Zeitmessung mittels Zeitgeber / Oszilloskop und bestimmen den längsten Pfad durch Code-
Review.
• erproben und konzipieren werkzeuggestützte WCET-Analyse mittels des absint aiT Analysewerk-
zeugs.
• Entwickeln und annotieren Flußrestrikionen für die statische WCET-Analyse.
• beschreiben die Grundlagen der Abfertigung periodischer Echtzeitsysteme (Periode, Phase, Hyper-
periode).
• skizzieren das periodische Modell und dessen Folgen (Entwicklungskomfort vs. Analysierbarkeit).
• erklären die ereignisgesteuerte Ausführung (feste und dynamische Priorität, Verdrängbarkeit) mittels
ereignisorienterter Planer (Berechnungskomplexität, MLQ-Scheduler, O(1)-Scheduler).
• unterscheiden die zeitgesteuerte Ausführung (Busy Loop, Ablaufplan)und die Abfertigung von Ar-
beitsaufträgen im Abfrage- bzw. Unterbrecherbetrieb.
• wenden die Grundlagen der ereignisgesteuerten Ablaufplanung periodischer Echtzeitsysteme an.
• unterscheiden Verfahren zur statischen (RM, DM) und dynamischen Prioritätsvergabe (EDF, LRT,
LST).
• nennen den Unterschied zwischen Anwendungs- und Systemebene (Mehrdeutigkeit von Prioritäten).
• erläutern den Optimalitätsnachweis des RM-, DM- und EDF-Algorithmus und dessen Ausnahmen.
• beschreiben grundlegende Verfahren zur Planbarkeitsanalyse (CPU-Auslastung, Antwortzeitanalyse).
• implementieren komplexe Aufgabensysteme in eCos.
• unterscheiden die Grundlagen der zeitgesteuerten Ablaufplanung periodischer Echtzeitsysteme.
• erstellen regelmäßige, zyklische Ablaufpläne (cyclic executive model, Rahmen).
• vergleich Methoden der manuellen und algorithmischen Ablaufplanung.
• unterscheiden optimale von heuristischen Verfahren (List Scheduling, Branch & Bound).
• diskutieren die Konsequenzen eines Betriebswechsels in Echtzeitsystemen.
• erstellen takt- beziehungsweise ereignisgesteuerte Abläufe in eCos beziehungsweise tt-eCos.
• entwickeln ein softwarebasiertes Oszilloskop und erstellen dessen zeitliche Analyse und Ablaufpla-
nung.
• klassifizieren die Grundlagen der Abfertigung nicht-periodischer Echtzeitsysteme (minimale Zwi-
schenankunftszeit).
• definieren die Verbindlichkeiten von nicht-periodischen Aufgaben (aperiodisch, sporadisch)
• zeigen die sich ergebenden Restriktionen des periodischen Modells (Mischbetrieb, Prioritätswarte-
schlangen, Übernahmeprüfung) auf.
• beschreiben die Basistechniken des Laufzeitsystems (Zusteller, Unterbrecherbetrieb, Hintergrundbe-
trieb).

UnivIS: 15.06.2022 18:14 69

 • quantifizieren die Eigenschaften und Auswirkungen auf den periodischen Teil des Echtzeitsystems.
• formulieren die Grundlagen des Slack-Stealing.
• beschreiben den Einsatz von bandweite-bewahrenden Zustellern.
• unterscheiden aufschiebbare Zusteller und Sporadic Server (SpSL und POSIX).
• wenden eine Übernahmeprüfung bei sporadischen Aufgaben mittels dichte- oder schlupfbasierten
Akzeptanztests an.
• arbeiten einen strukturierter Ablaufplan (Rahmen) aus und untersuchen den Einsatz von Slack-
Stealing.
• ermitteln gerichtete Abhängigkeiten und Rangfolgen in Echtzeitanwendungen (Abhängigkeits- und
Aufgabengraph).
• stellen Umsetzungsalternativen für Abhängigkeiten einander gegenüber (naiv, implizit, explizit).
• beschreiben das Konzept der zeitlichen Domänen und physikalischer bzw. logischer Ereignisse.
• übertragen Abhängigkeiten auf das Problem der Ablaufplanung (modifiziere Auslösezeit-
punkt/Termin, Phasenversatz).
• konzipieren Rangfolge und aperiodische Steuerung in eCos.
• implementieren einen aperiodischer Moduswechsel mit Zustandsüberführung in eCos.
• gestalten einen Signal-Trigger für das entwickelte softwarebasierten Oszilloskops.
• konzipieren explizite Synchronisation mittels Nachrichten in eCos.
• wenden die Grundlagen von Wettstreit um Betriebsmitteln, Konkurrenz und Konfliktsituationen
(kritische Abschnitte, (un)kontrollierte Prioritätsumkehr) an.
• beschreiben echtzeitfähige Synchronisationsprotokolle (NPCS, PI, PCP).
• nennen die Vor- und Nachteile der Techniken (transitive Blockung, Verklemmungen).
• hinterfragen die Vereinfachung des PCP durch stapelbezogene Grenzprioritäten.
• bestimmen die Ablaufplanung unter Berücksichtigung von Blockierungszeiten und Selbstsuspendie-
rung.
• implementieren Zugriffskontrolle (NPCS, PI, PCP) in Echtzeitanwendungen mit eCos.
• analysieren Blockade für die Zugriffskontrolle in eCos.
• erläutern die Anforderungen an verteile Echtzeitsysteme (Komposition, Erweiterbarkeit, Komplexität,
Ereignis- vs. Zustandsnachricht).
• fassen die Grundlagen von Knoten, Netzwerkschnittstellen und Netzübergängen sowie die Konzepte
der expliziten und impliziten Flusskontrolle zusammen.
• erschließen sich typische Probleme (zeitliche Analyse, Beobachtbarkeit, Synchronisation, Rangfolge)
und Fehlerquellen bei der Programmierung von Echtzeitanwendungen.
• können in Gruppen kooperativ und effektiv arbeiten.
• können ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argumentativ
vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten in der Konzeption wie Umsetzung umgehen.
Literatur:
• Hermann Kopetz. Real-Time Systems: Design Principles for Distributed Embedded Applications.
Kluwer Academic Publishers, 1997.
• Jane W. S. Liu. Real-Time Systems. Prentice-Hall, Inc., 2000.
• Wolfgang Schröder-Preikschat. System-programmierung. Vorlesungsfolien. 2006.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

UnivIS: 15.06.2022 18:14 70

 Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik
(Bachelor of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Infor-
matik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik
(Bachelor of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Echtzeitsysteme mit erweiterten Übungen (Prüfungsnummer: 179490)
(englische Bezeichnung: Real-Time Systems with Extended Exercises)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
30-minütige mündliche Prüfung über den gesamten Stoff der Veranstaltung.
Teilnahme an den Übungen und die Bearbeitung aller Übungsaufgaben wird hierzu dringend emp-
fohlen!
Prüfungssprache: Deutsch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Wolfgang Schröder-Preikschat (100114)

UnivIS: 15.06.2022 18:14 71

Modulbezeichnung: Fehlertolerierende Softwarearchitekturen (SWE-FT) 5 ECTS
(Fault-Tolerant Software Architectures)
Modulverantwortliche/r: Francesca Saglietti
Lehrende: Francesca Saglietti, Marc Spisländer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Fehlertolerierende Softwarearchitekturen (WS 2021/2022, Vorlesung, 2 SWS, Francesca Saglietti et
al.)
Übungen zu Fehlertolerierende Softwarearchitekturen (WS 2021/2022, Übung, N.N.)

Inhalt:
Das Modul befasst sich schwerpunktmäßig mit redundanzbasierten Verfahren zur Tolerierung sporadi-
scher Softwarefehler im Betrieb. Im Falle besonders hoher Zuverlässigkeits- bzw. Verfügbarkeitsanfor-
derungen (insbesondere für sicherheitskritische Systeme) ist es lohnenswert, während der Entwicklung
mehr Hilfsmittel bereitzustellen und während des Betriebes einzusetzen, als es im Falle einer vollständig
korrekten Implementierung erforderlich wäre.
Die allgemeine Behandlung obiger Themen wird durch Berichte aktueller Erfahrungen aus der indus-
triellen Entwicklungs- und Genehmigungspraxis abgerundet und ergänzt.
Lernziele und Kompetenzen:
Die Studierenden
• klassifizieren das Fehlverhalten von Softwaresystemen im Hinblick auf Konsistenzeigenschaften (fail-
silent, konsistent, byzantinisch) und Persistenzeigenschaften (permanent, intermittierend);
• unterscheiden Redundanzarten nach der Art der redundanten Mittel (Struktur, Funktion, Informa-
tion, Zeit) und nach der Art ihrer Aktivierung (statisch bzw. dynamisch);
• beschreiben Strategien zur Fehlerbehandlung im Betrieb (Fehlerausgrenzung, Fehlerbehebung, Feh-
lermaskierung);
• erläutern sowohl allgemeine fehlertolerante Systemkonzepte (N-Versionen- und Rücksetzblock-
Programmierung) als auch konkrete Architekturen (TMR, Duplex, Dual-Dual);
• erfassen die Grundbegriffe der klassischen Zuverlässigkeitstheorie (Lebensdauer, Zuverlässigkeit, Ver-
fügbarkeit, Versagensrate, Mean Time To Failure);
• wenden analytische Ansätze zur quantitativen Bewertung redundanter Softwarearchitekturen an;
• diskutieren Ursachen der Versagensabhängigkeit von Softwarekomponenten auf Basis der Theorie
von Eckhardt & Lee und des Experiments von Knight & Leveson;
• erläutern Effizienz und Effektivität von Back-to-back Teststrategien für diversitäre Systeme;
• unterscheiden Ursachen der Softwarefehlerentstehung und differenzieren Strategien zur Forcierung
von Diversität während der Entwicklung.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Mas-
ter of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik (Bachelor of
Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 72

 Fehlertolerierende Softwarearchitekturen (Vorlesung mit Übung) (Prüfungsnummer: 869140)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfungsteilnehmer entscheiden sich unmittelbar vor der Prüfung für Deutsch oder Englisch als
Prüfungssprache. Wechsel während der Prüfung ist möglich.
Alternative Prüfungsformen:
• elektronische mündliche Fernprüfung (über Zoom)
• schriftliche Präsenzprüfung (90 Minuten)
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Francesca Saglietti (100112)

UnivIS: 15.06.2022 18:14 73

Modulbezeichnung: Grundlagen des Übersetzerbaus (PS-UE1) 7.5 ECTS
(Principles of Compiler Construction)
Modulverantwortliche/r: Michael Philippsen
Lehrende: Michael Philippsen
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 50 Std. Eigenstudium: 175 Std. Sprache: Deutsch
Lehrveranstaltungen:
Grundlagen des Übersetzerbaus (WS 2021/2022, Vorlesung, 2 SWS, Michael Philippsen)
Übungen zu Grundlagen des Übersetzerbaus (WS 2021/2022, Übung, 2 SWS, Patrick Kreutzer et al.)

Empfohlene Voraussetzungen:
Participants of this lecture are expected to have profound skills in the following programming languages:
• Java (assignments are implemented in Java)
• Assembler

Inhalt:
[Deutsch:]
Auf den ersten Blick erscheint es wenig sinnvoll, sich mit Übersetzerbau zu beschäftigen. Andere
Themen scheinen wesentlich näher an der direkten Anwendbarkeit in der industriellen Praxis. Der erste
Blick täuscht:
• Übersetzer gehören wohl zu den am gründlichsten studierten mittelgroßen sequentiellen Software-
Systemen. Man kann viel aus den Erfahrungen lernen, die im Laufe der Jahre gesammelt wurden.
• In den Übungen, die die Vorlesung begleiten, werden Sie selbst einen (kleinen) Übersetzer entwickeln.
• Für viele Teilnehmer wird dieses Projekt das erste größere Software-Projekt sein. Viele der Algorith-
men aus dem Grundstudium werden angewendet.
• Bei jedem von Ihnen verwendeten Übersetzer gehen Sie in der Regel davon aus, dass richtiger
Coder erzeugt wird. In der Vorlesung erfahren Sie, wie das geforderte hohe Maß an Korrektheit und
Zuverlässigkeit erreicht wird.
• Sie erlangen ein Verständnis für Konzepte von Programmiersprachen und verstehen, welcher
Maschinen-Code aus Sprachkonstrukten gemacht wird. Mit diesem Wissen im Hinterkopf verbessern
Sie Ihre Fähigkeit, gute und effiziente Programme zu schreiben.
• Übersetzer werden nicht nur für Programmiersprachen benötigt. Spezielle Übersetzer braucht man
in vielen Bereichen des täglichen Informatik-Lebens z.B. zur Textformatierung, für Programmtrans-
formationen, für aspektorientiertes Programmieren, für die Verarbeitung von XML, ...
• Es gehört zu einer Ingenieur-Ausbildung, in der Lage zu sein, diejenigen Werkzeuge selbst zu fertigen,
die man verwendet. Für Informatiker gehört daher ein Verständnis vom Innenleben eines Übersetzers
zum Rüstzeug.
.
Fokus der Lehrveranstaltung:
Es werden Konzepte und Techniken der Übersetzerkonstruktion aus Sicht eines Übersetzerbauers und
entlang der wesentlichen Arbeitsschritte eines Übersetzers (Frontend; Mittelschicht; Backend) vorge-
stellt. Übungen und Praxisaufgaben ergänzen die Vorlesung. Hier entwickeln die Studierenden auf der
Basis eines vorgegebenen Programmrahmens einen eigenen Übersetzer für die Programmiersprache e2,
die speziell für den Übersetzerbau-Vorlesungszyklus entworfen wurde.
Behandelte Themenfelder:
• Prinzipien der Übersetzung imperativer Programmiersprachen
• Struktur eines Übersetzers
• Symbolentschlüssler (Scanner) und Zerteiler (Parser)
• Abstrakter Syntaxbaum (AST)
• Besuchermuster
• AST-Transformationen, Entzuckerung
• Symboltabellen und Sichtbarkeitsbereiche

UnivIS: 15.06.2022 18:14 74

 • Semantische Analyse: Namensanalyse, Typprüfung
• Übersetzung von arithmetischen Ausdrücken und Kontrollflusskonstrukten in registerbasierte oder
stapelbasierte Zwischensprachen
• Übersetzung von Methoden und Methodenaufrufen; Methodenschachteln
• Übersetzung objektorientierter Sprachen mit Einfachvererbung, Schnittstellen und Mehrfachverer-
bung
• Methodenauswahl in Java (überladene und überschriebene Methoden)
• Code-Generierung nach Sethi-Ullmann, Graham-Glanville, per Baumtransformation sowie mit Hilfe
dynamischer Programmierung
• Registerallokation mit lokalen Techniken und mit Graphfärbung
• Instruktionsanordnung mit "list scheduling"
• Debugger
.
Themen der Vorlesungseinheiten:
1. Einführung (Überblick, modulare Struktur von Übersetzern, Frontend, Mittelschicht, Backend),
Bootstrapping)
2. Symbolentschlüssler (Lexer) und Zerteiler (Parser), (Token, Literale, Symboltabelle, Grammatik-
klassen (LK(k), LL(k), ...), konkreter Syntaxbaum, Shift-Reduce-Parser)
3. AST und semantische Analyse (abstrakter Syntaxbaum, Besuchermuster, Double Dispatch, Sicht-
barkeitsbereiche, Definitionstabelle)
4. Typkonsistenz (Typsicherheit, Typsystem, Typüberprüfung, Typberechnung, Typkonvertierung, at-
tributierte Grammatiken)
5. AST-Transformationen (Transformationsschablonen für Ausdrücke, Transformation innerer und ge-
nerischer Klassen)
6. Transformation in Zwischensprache (registerbasiert versus stapelbasiert, Übersetzung von arithme-
tischen Ausdrücken, Zuweisungen, mehrdimensionalen Feldern, struct-Datentypen und Kontrollfluss-
strukturen (einschließlich Kurzschlussauswertung))
7. Methodenschachteln und Kellerrahmen (relative Adressen, call by value/reference/name, geschach-
telte Funktionen, Funktionszeiger, Stack- und Framepointer, Funktionsaufruf, Prolog, Epilog)
8. Objektorientierte Sprachen I: Einfachvererbung (Symbol- und Typanalyse, Methodenauswahl mit
Überschreiben und Überladen, virtuelle Methodenaufrufe, Klassendeskriptoren, dynamische Typprüfung
und -wandlung)
9. Objektorientierte Sprachen II: Schnittstellen und Mehrfachvererbung (Interface v-Tables, dynami-
sche Typprüfung und -wandlung mit Interfaces, Interfaces mit Default-Implementierung, Diamanten-
problem)
10. Einfache Code-Erzeugung (Code-Selektion nach Sethi-Ullman, Register-Allokation, Instruktions-
reihenfolge, optimale Code-Erzeugung für Ausdrucksbäume)
11. Fortgeschrittene Code-Erzeugung (Baumtransformation, Graham-Glanville, dynamisches Program-
mieren)
12. Registerallokation (Leistungsabschätzung, Lebendigkeitsintervalle, Kollisions- und Interferenzgraph,
Spilling, Färbungsheuristiken, Aufteilung von Lebendigkeitsintervallen, 2nd Chance Bin Packing, Re-
gisterverschmelzung)
13. Parallelismus auf Instruktionsebene, Instruktionsreihenfolge, Debugger (Konflikte im Instruktions-
fließband, List Scheduling, Delay-Slots, Sprungzielvorhersage, ptrace, Unterbrechungs- und Beobach-
tungspunkte, DWARF)
Meilensteine der Übungsbetriebs:
Im Rahmen der Übungen (separater Univis-Eintrag) werden die in der Vorlesung vorgestellten Konzepte
und Techniken zur Implementierung eines Übersetzers in die Praxis umgesetzt. Ziel der Übungen ist es,
bis zum Ende des Semesters einen funktionsfähigen Übersetzer für die Beispiel-Programmiersprache e2
zu implementieren. Ein Rahmenprogramm ist gegeben, das in fünf Meilensteinen um selbstentwickelte
Schlüsselkomponenten zu erweitern ist.
Folgende Meilensteine sind zu erreichen:
Meilenstein 1: Grammatik, AST-Konstruktion: Antlr-Produktionen, AST-Besucherschnittschelle, ge-
nerischer AST-Besucher für return und Schleifen, AST-Besucher zur Visualisierung.

UnivIS: 15.06.2022 18:14 75

 Meilenstein 2: Symbolanalyse, Symboltabelle, Standardfunktionen, AST-Besucher für die Symbolana-
lyse.
Meilenstein 3: Konstantenfaltung per AST-Transformation, Typanalyse mit bottom-up AST-Besuch,
der implizite Typwandlungen bei Bedarf ergänzt.
Meilenstein 4: AST-Besucher zur Erzeugung der Zwischensprachrepräsentation, Übersetzung von arith-
metischen Ausdrücken, return, Zuweisungen, logischen Ausdrücken, Bedingungen und Schleifen.
Meilenstein 5.0: Speicherzuteilung: Festlegung und Umsetzung der ABI Aufrufkonvention, Zuweisung
von Speicheradressen zu Variablen; Kellerrahmenallokation; caller-save und callee-save Register.
Meilenstein 5.1: Code-Erzeugung: Implementierung der e2 Standardbibliothek; IR-Besucher zur Erzeu-
gung von Assembly-Code.
Für die Meilensteine 1-3 soll der Übersetzer sowohl Integer- als auch Gleitkomma-Arithmetik unter-
stützen. Für die nachfolgenden Meilensteine reicht Integer-Arithmetik.
.
[English:]
The lecture teaches concepts and techniques of compiler construction from a compiler developer view,
following the structure of the compiler frontend, middle end, and backend. Exercise sessions and
practical assignments complement the lecture; the students implement their own compiler (based on a
framework) for the e2 programming language, which is designed for this series of compiler construction
lectures.
Content Summary
• Principles of compiling imperative programming languages
• Structure of a compiler
• Scanner and parser
• Abstract syntax trees (ASTs)
• Visitor design pattern
• AST transformations, desugaring
• Symbol tables and scopes
• Semantic analysis: name analysis, type checking
• Compilation of arithmetic expressions and control flow structures to register-based and stack-based
intermediate languages
• Compilation of functions and function calls, activation records
• Compilation of object-oriented languages with single inheritance, interfaces, and multiple inheritance
• Method resolution in Java (overloaded and overridden methods)
• Code generation with Sethi-Ullmann algorithm, Graham-Glanville algorithm, tree transformations,
and dynamic programming
• Register allocation with local techniques and graph coloring
• Instruction scheduling with the list scheduling technique
• Debuggers
.
Lecture Topics
• 1. Introduction: Class overview, modular structure of compilers (front-, middle-, and backend),
compilation bootstrapping
• 2. Lexer and Parser: Tokens, literals, symbol table, grammar classes (LR(k), LL(k), ...), concrete
syntax tree, shift-reduce parser
• 3. ASTs and semantic analysis: Abstract syntax tree, visitor pattern, double dispatch, scopes, defi-
nition table
• 4. Type consistency: Type safety, type system, type checks, type inference, type conversions, attri-
buted grammars
• 5. AST transformations: Transformation patterns (arithmetics), transformation of nested and generic
classes
• 6. Intermediate representations: Types of IRs, arithmetic operations, assignments, multidimensional
array access, structs, control flow instructions, short-circuit evaluation

UnivIS: 15.06.2022 18:14 76

 • 7. Activation record and stack frame: Relative addresses, call by value/reference/name, nested
functions, function pointers, stack pointer and frame pointer, function calls: prolog and epilog
• 8. Object-oriented languages: single inheritance: Symbol and type analysis, method selection with
method overloading and overriding, virtual method calls, class descriptors, dynamic type checks and
casts
• 9. Object-oriented languages II: interfaces, multiple inheritance: Interface v-tables, dynamic type
checks and casts with interfaces, interfaces with default implementations and state, diamond pro-
blem, virtual inheritance
• 10. Basic code generation: Code selection, register allocation, instruction order, basic blocks, optimal
code generation for expression trees
• 11. Optimized code selection: Code selection as tree transformation, Graham-Glanville code gene-
rators, dynamic programming
• 12. Optimized register allocation: Performance approximations, liveness analysis, collision and inter-
ference graph, register spilling, coloring heuristics, optimistic extension, live range splitting, register
coalescing, data structures
• 13. Instruction level parallelism, instruction order, debugger: Data, structural, and control conflicts
in CPU pipelines, list scheduling, delay slots, branch predictions, superscalar and VLIW architectures,
ptrace, break- and watch-points, DWARF
.
Assignment Milestones
For the assignments of this course, the students put the concepts and techniques presented in the
lecture for implementing a compiler into practice. The goal of the assignments is to implement a
functional compiler for the e2 programming language by the end of the semester. The e2 language is
specifically designed for educational purposes; the students obtain a description of the language.
A framework for the implementation is provided to the students. The students implement the core
components of the compiler in five milestones.
All milestones need to be fulfilled to pass the module; the last milestone contains two tasks. In
particular, the milestones are:
• Milestone 1: Grammar definition and construction of the AST: ANTLR productions, AST visitor
interface, and generic AST visitor for array accesses and return and loop statements; AST visitor
for AST visualization.
• Milestone 2: Name analysis: symbol table; declaring standard functions; AST visitor for name ana-
lysis.
• Milestone 3: Constant folding and type analysis: AST transformations for constant folding; AST
visitor for bottom-up type analysis, adding AST nodes for implicit casts;
• Milestone 4: AST translation to intermediate representation: AST visitor to generate IR; translation
of arithmetic, return, and assign statements, logical expressions, conditions, loops.
• Milestone 5.0: Memory assignment: definition and implementation of the ABI calling convention;
memory assignment of variables; stack frame allocation; caller-save and callee-save registers.
• Milestone 5.1: Code generation: implementation of the e2 standard library; IR visitor to generate
assembly code.
For milestones one through three, the compiler needs to support both integer and floating-point
arithmetic. For the last two milestones, only integer arithmetic is required.
Lernziele und Kompetenzen:
[Deutsch:]
Die Studierenden
• nennen die typischen Aufgaben und Datenstrukturen eines Übersetzers
• erläutern das Konzept des Bootstrapping
• beschreiben Struktur und Arbeitsweise eines Abtasters (Scanner) und zeigen Grenzen und Problem-
fälle auf
• wenden Grammatiken zur Konstruktion von Zerteilern (Parser) an
• kennen die Komplexität eines Zerteilers für Java
• beschreiben die wichtigsten Aufgaben der semantischen Analyse und wenden diese am Beispiel
verschiedener Programmiersprachen (insbesondere Java) an

UnivIS: 15.06.2022 18:14 77

 • skizzieren typische AST-Transformationen am Beispiel des Java-Übersetzers
• veranschaulichen die Grundzüge der Java-Kellermaschine und die zugehörige Transformation von
Quell- zu Byte-Code
• analysieren die Unterschiede zwischen Programmiersprachen hinsichtlich Felder und Verbund-
Strukturen
• erläutern die Verwendung von Stapel- und Kellerspeicher bei der Programmausführung
• kennen verschiedene Maschineninstruktionssätze
• optimieren die Registerverwendung vor der Generierung von Maschinencode
• wenden das Verfahren von Graham & Glanville zur Erzeugung von Maschinencode an
• erkennen Grenzen der Optimierung bei der Code-Generierung und analysieren alternative Strategien
• beschreiben den Unterschied zwischen statischer und dynamischer Ablaufplanung
• untersuchen Besonderheiten des Übersetzerbaus für objekt-orientierte Sprachen
• ergänzen einen vorgegebenen Abtaster und abstrakten Syntaxbaum, um alle Sprachkonstrukte einer
Beispielsprache zu unterstützen
• implementieren Konstantenfaltung, den Aufbau der Symboltabelle und Typprüfung auf dem abstrak-
ten Syntaxbaum
• erzeugen Zwischencode aus dem abstrakten Syntaxbaum
• bilden Kontrollstrukturen auf Sprünge ab
• veranschaulichen die Adressierung von (mehrdimensionalen) Feldern
• entwickeln Konventionen für Funktionsaufrufe und den Aufbau des Stacks
• berechnen Offsets fuer Variablen auf dem Stack.
• implementieren eine einfache Registervergabe.
• kennen Details verschiedener Prozessorarchitekturen
• generieren Maschinencode für mindestens eine Prozessorarchitektur
• implementieren eine Laufzeitbibliothek
• wenden Debugging für maschinennahen Code an
[English:]
Students who have successfully completed the module will have the ability to
• identify the components and data structures of a compiler
• explain the concept of bootstrapping
• describe the structure and operation of a lexer and show limitations and problem cases
• use grammars for the construction of parsers
• know the complexity of Java parsers
• describe the main tasks of semantic analysis and apply them to different programming languages
(especially Java)
• outline typical AST transformations using the Java compiler as an example
• illustrate the basic features of the Java Virtual Machine (JVM) and the corresponding transformation
from source to byte code
• analyze the differences between programming languages in terms of arrays and compound structures
• explain the use of stack memory in program execution
• know different machine instruction sets
• optimize register allocation before generating machine code
• apply the Graham-Glanville algorithm to generate machine code
• recognize limitations of optimization in code generation and to analyze alternative strategies
• describe the difference between static and dynamic scheduling
• examine features of compiler construction for object-oriented languages
• augment a given lexer and abstract syntax tree to support all language constructs in an example
language
• implement constant folding, symbol table construction, and type checking on the abstract syntax
tree
• generate intermediate code from the abstract syntax tree
• map control structures to jumps
• translate compound boolean expressions with shortcut evaluation
• illustrate addressing of (multidimensional) arrays

UnivIS: 15.06.2022 18:14 78

 • design conventions for function calls and stack frame layout
• calculate offsets for stack variables
• implement a basic register allocation.
• know details of different processor architectures
• generate machine code for at least one processor architecture
• implement a runtime library
• apply debugging to machine code
Literatur:
• „Modern Compiler Implementation in Java“, A.W. Appel, Cambridge University Press, 1998
• „Compilers - Principles, Techniques and Tools“, A. Aho, R. Sethi, J. Ullmann, Addison-Wesley, 2006
• „Modern Compiler Design“, D. Grune, H. Bal, C. Jacobs, Langendoen, Wiley, 2002

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Informatik (Bachelor of Arts (2 Fä-
cher))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommuni-
kationstechnik (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Grundlagen des Übersetzerbaus (Prüfungsnummer: 42401)
(englische Bezeichnung: Oral Examination on Foundations of Compiler Construction)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
[Deutsch:]
Wichtige Hinweise:
• Je nach Anzahl der Teilnehmer bzw. Verlängerung der Corona-Satzung findet die Modulprüfung
entweder schriftlich (90 Min. Klausur) oder mündlich (30 Min.) statt. Die konkrete Prüfungsform
wird zu Semesterbeginn bekannt gegeben.
• Die Erfahrung zeigt, dass ein Bestehen der Modulprüfung ohne die erfolgreiche Bearbeitung der
Übungsaufgaben in der Regel äußerst schwer fällt. Wir empfehlen daher eindringlich das Erreichen
aller Meilensteine des Übungsbetriebes.
[English:]
Grading Policy:
Successful completion of all assignment milestones during the semester (5 milestones, each graded
pass/fail) is required for the exam admission.
The module grade results from 100% of the evaluation of the final examination. The final exami-
nation is either oral (30 minutes) or written (90 minutes) based on the number of participants and
infection prevention regulations.
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Michael Philippsen (100113)

UnivIS: 15.06.2022 18:14 79

Modulbezeichnung: Implementierung von Datenbanksystemen (IDB) 5 ECTS
(Implementation of Database Systems)
Modulverantwortliche/r: Viktor Leis
Lehrende: Viktor Leis
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Implementierung von Datenbanksystemen (WS 2021/2022, Vorlesung, 2 SWS, Viktor Leis et al.)
Übungen zu Implementierung von Datenbanksystemen (WS 2021/2022, Übung, 2 SWS, Demian E.
Vöhringer)
Intensivierungsübung zu Implementierung von Datenbanksystemen (WS 2021/2022, Übung, 2 SWS,
Demian E. Vöhringer)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Konzeptionelle Modellierung

Inhalt:
Die Vorlesung führt ein in den Aufbau und die Architektur von Datenbanksystemen, die Modularisie-
rung und Schichtenbildung mit Abstraktionen verwenden. Schwerpunkt sind deshalb systemtechnische
Aspekte von Datenbanksystemen. Die Übungen vertiefen verschiedene Aspekte an Beispielrechnungen
und erweitern gelegentlich auch noch den Stoff um einige Facetten (z.b. Mehrattribut-Zugriffspfade).
Ausgangspunkt einer Reihe von aufeinander aufbauenden Abstraktionen ist die Speicherung von Da-
ten auf Hintergrundspeichern. Die erste Abstraktion ist die Datei. Dann werden Sätze eingeführt und
auf verschiedene Weisen in Blöcken organisiert (sequenziell, mit Direktzugriff, indexsequentiell). Das
schließt die Organisation eines Blockpuffers und Zugriffspfade (Indexstrukturen) unterschiedlichen Typs
ein. Als zweite große Abstraktion werden Datenmodelle eingeführt und hier insbesondere das relatio-
nale. Das ist bereits aus dem Modul "Konzeptionelle Modellierung" bekannt, wird hier aber aus einer
ganz anderen Perspektive heraus entwickelt.
Der zweite Teil befasst sich mit der Realisierung der Leistungen eines Datenbanksystems unter Ver-
wendung der vorher eingeführten Sätze und Zugriffspfade ("top-down"). Das umfasst die Anfrage-
verarbeitung und -optimierung, aber auch die Mechanismen zur Protokollierung von Aktionen und
zur Wiederherstellung von Datenbankzuständen nach einem Fehler oder Ausfall. Ein laufend ver-
vollständigtes Schichtenmodell fasst abschließend die Aufgaben in einer Architektur für Datenbank-
Verwaltungssysteme zusammen. Ziel des Moduls ist es also, ein grundlegendes Verständnis für den
Aufbau und die Funktionsweise eines Datenbanksystems zu vermitteln.
Lernziele und Kompetenzen:
Die Studierenden
• kennen das Schichtenmodell eines Datenbankverwaltungssystems;
• verstehen das Prinzip der Datenunabhängigkeit (Datenabstraktion);
• beherrschen das Aufbauprinzip einer Software-Schicht;
• unterscheiden die Begriffe "Datenbank", "Datenbanksystem" und "Datenbankverwaltungssystem";
• unterscheiden die Begriffe "Datenmodell" und "Schema";
• zeigen das Konzept der blockorientierten Datei mit ihren Zugriffsoperationen auf;
• unterscheiden einen Satz von einem Block;
• erklären das Konzept der sequentiellen Satzdatei;
• schildern das Prinzip der Wechselpuffertechnik;
• charakterisieren den Schlüsselzugriff auf Sätze;
• stellen Gestreute Speicherung (Hashing) auf der Basis von Blöcken (Buckets) dar;
• formulieren die Funktionsweise des Virtuellen Hashings;
• fassen die Funktionsweise eines B-Baums zusammen;
• unterscheiden die Dienste eines B-Baums von denen des Hashings;
• können für eine Folge von Schlüsselwerten einen B-Baum aufbauen;

UnivIS: 15.06.2022 18:14 80

 • unterscheiden einen B-Baum von einem B-Stern-Baum (B+-Baum);
• veranschaulichen einen Bitmap-Index;
• unterscheiden die Primär- und Sekundärorganisation von Sätzen;
• zählen Ersetzungsstrategien der Pufferverwaltung auf und vergleichen sie;
• benennen die Dienste einer Pufferverwaltung;
• erklären die Konzepte "Seite" und "Segment" im Gegensatz zu "Block" und "Datei";
• unterscheiden direkte und indirekte Seitenzuordnung;
• interpretieren in Programmiersprachen eingebettete Anfragesprachen und Datenbank-
Unterprogrammaufrufe;
• charakterisieren Datenbank-Transaktionen;
• kennen die Aufrufe zur Definition von Transaktionen;
• erläutern die spaltenweise Abspeicherung von Relationen;
• diskutieren die algebraische Optimierung von Anfragen;
• stellen Planoperatoren eines Datenbanksystems dar;
• unterscheiden Planoperatoren für den Verbund;
• beschreiben Kostenformeln für die Abschätzung von Anfrageausführungen;
• schildern die verschiedenen Anomalien im Mehrbenutzerbetrieb;
• beschreiben die Serialisierbarkeit von Transaktionen;
• erläutern das Konzept der Sperren in Datenbanksystemen;
• unterscheiden physische und logische Konsistenz;
• kennen die vier Recovery-Klassen;
• erläutern die verschiedenen Arten von Sicherungspunkten.
Literatur:
KEMPER, Alfons ; EICKLER, André: Datenbanksysteme : Eine Einführung. 9., aktual. u. erweit. Aufl.
München : Oldenbourg, 2013. - ISBN 978-3-486-72139-3. - Kapitel 7 bis 11
KEMPER, Alfons ; WIMMER, Martin: Übungsbuch Datenbanksysteme. 2., aktual. u. erweit. Aufl.
München : Oldenbourg, 2009. - ISBN 978-3-486-59001-2. - Kapitel 7 bis 11
HEUER, Andreas ; SAAKE, Gunter: Datenbanken : Konzepte und Sprachen. 3., aktual. u. erw. Aufl.
Bonn : mitp, 2007. - ISBN 3-8266-1664-2
HÄRDER, Theo ; RAHM, Erhard: Datenbanksysteme : Konzepte und Techniken der Implementierung.
Berlin : Springer, 1999 - ISBN 3-540-65040-7
SAAKE, Gunter ; HEUER, Andreas: Datenbanken : Implementierungstechniken. 2., aktual. u. erw.
Aufl. Bonn : mitp, 2005. ISBN 3-8266-1438-0

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "079#72#H", "079#74#H", "Berufspädagogik Technik
(Master of Education)", "Data Science (Master of Science)", "Elektrotechnik, Elektronik und Informations-
technik (Bachelor of Science)", "Informatik (1. Staatsprüfung für das Lehramt an Gymnasien)", "Informatik
(1. Staatsprüfung für das Lehramt an Realschulen)", "Informatik (Bachelor of Arts (2 Fächer))", "Informa-
tik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik
(Bachelor of Science)", "Wirtschaftsinformatik (Bachelor of Science)", "Wirtschaftsmathematik (Bachelor of
Science)" verwendbar.

UnivIS: 15.06.2022 18:14 81

Studien-/Prüfungsleistungen:
Implementierung von Datenbanksystemen (Prüfungsnummer: 30201)
Prüfungsleistung, Klausur mit MultipleChoice, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022, 2. Wdh.: WS 2022/2023

1. Prüfer: Viktor Leis (100428)

Bemerkungen:
Die Lehrveranstaltungen zu diesem Modul werden letztmalig im WiSe 2023/24 angeboten.

UnivIS: 15.06.2022 18:14 82

Modulbezeichnung: Kommunikationssysteme-VÜ (KS-VÜ) 5 ECTS
(Communication Systems LeEx)
Modulverantwortliche/r: Reinhard German
Lehrende: Reinhard German
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Kommunikationssysteme (WS 2021/2022, Vorlesung, 2 SWS, Reinhard German)
Übungen zu Kommunikationssysteme (WS 2021/2022, Übung, 2 SWS, Alexander Brummer)

Empfohlene Voraussetzungen:
Basic knowledge of working with the Linux command line interface (terminal).

Inhalt:
Aus Rechnerkommunikation ist der grundlegende Aufbau von IP-basierten Netzen bekannt, Inhalt
von Kommunikationssysteme sind weitere Netztechnologien wie Leitungsvermittlung (Telefonnetze,
Sonet/SDH/WDM) und Netze mit virtueller Leitungsvermittlung (ATM, MPLS) sowie Netzwerkvir-
tualisierung (SDN, NFV), Multimediakommunikation über paketvermittelte Netze (Streaming, RTP,
SIP, Multicast), Dienstgüte in paketvermittelten Netzen (Integrated Services, RSVP, Differentiated
Services, Active Queue Management, Policing, Scheduling), drahtlose und mobile Kommunikation
(GSM, UMTS, LTE, 5G, Wimax, WLAN, Bluetooth, ZigBee u.a. Sensornetze). Auch Kommunikation
in der Industrie wird behandelt. In der Übung werden praktische Aufgaben im Labor durchgeführt: ein
Labor enthält mehrere IP-Router, Switches und Rechner, IP-Telefone und Telefonie-Software für VoIP,
es werden verschiedene Konfigurationen eingestellt und getestet. Ein weiterer Übungsteil beschäftigt
sich mit Mobilkommunikation.
Contents:
Based on the course computer communications the architecture of IP networks is known. Contents
of this course will be additional networking technologies such as circuit switching (telephony, SO-
NET/SDH/WDM) and networks with virtual circuit switching (ATM, MPLS) as well as network vir-
tualization (SDN, NFV), multimedia communications over packet switched networks (streaming, RTP,
SIP, multicast), quality-of-service in packet switched networks (integrated services, RSVP, differentia-
ted services, active queue management, policing, scheduling), wireless and mobile communications
(GSM, UMTS, LTE, 5G, Wimax, WLAN, Bluetooth, sensor networks such as ZigBee). Industrial com-
munication will also be a topic. In the tutorial practical tasks are performed in the laboratory: One
laboratory contains several IP routers, switches and computers, IP phones and VoIP telephone soft-
ware. Various configurations are set up and tested. Another part of the tutorial deals with mobile
communications.
Lernziele und Kompetenzen:
Die Studierenden erlangen
• Kenntnisse über Technologien bei der Leitungs- und Paketvermittlung in leitungsgebundenen und
drahtlosen/mobilen Netzen
• Kenntnisse über die Grundlagen von Dienstgütemechanismen in paketvermittelten Netzen
• praktische Erfahrung in der Konfiguration eines IP-Switch-Router-Netzes mit Multimediaverkehr
Students obtain the following learning targets and competences
• Knowledge of technologies in circuit and packet switching in wired and wireless/mobile networks
• Knowledge of the foundations of quality of service mechanisms in packet switched networks
• Practical experience in configuring an IP switch router network with multimedia traffic
Literatur:
• Kurose, Ross. Computer Networking: A Top-Down Approach. 7th Ed., Pearson Education, 2017
• W. Stallings. Data and Computer Communications, 10th ed., Pearson Education, 2014

UnivIS: 15.06.2022 18:14 83

 • W. Stallings. Foundations of Modern Networking: SDN, NFV, QoE, IoT, and Cloud, Pear-son Edu-
cation, 2016
• Cox. An Introduction to LTE. Wiley, 2012

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Rechnergestütztes In-
genieurwesen) (Bachelor of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor
of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of
Science)", "Informations- und Kommunikationstechnik (Master of Science)", "International Information Sys-
tems (IIS) (Master of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Kommunikationssysteme (Prüfungsnummer: 39501)
(englische Bezeichnung: Communication systems)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulprüfung besteht aus:
• Bearbeitung (zwei)wöchentlicher Aufgabenblätter in Gruppenarbeit. Für diese unbenotete Stu-
dienleistung sind alle Aufgabenblätter korrekt zu lösen und abzugeben.
• Klausur von 90 Minuten

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Reinhard German (100165)

UnivIS: 15.06.2022 18:14 84

Modulbezeichnung: Konzeptionelle Modellierung (KonzMod) 5 ECTS
(Conceptual Modeling)
Modulverantwortliche/r: Richard Lenz
Lehrende: Richard Lenz
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Aktueller Hinweis:
Diese Veranstaltung findet dieses Semester online statt.
Weitere Informationen finden Sie im zugehörigen StudOn-Kurs.
Informations regarding online courses are provided via StudOn.
Konzeptionelle Modellierung (SS 2022, Vorlesung, 2 SWS, Viktor Leis)
Übungen zu Konzeptionelle Modellierung (SS 2022, Übung, 2 SWS, David Haller)

Empfohlene Voraussetzungen:
Gewünscht "Algorithmen und Datenstrukturen" und "Grundlagen der Logik und Logikprogrammie-
rung"
Recommended prerequisites:
"Algorithms and Data Structures" and "Logic in Computer Science"

Inhalt:
• Grundlagen der Modellierung
• Datenmodellierung am Beispiel Entity-Relationship-Modell
• Modellierung objektorientierter Systeme am Beispiel UML
• Relationale Datenmodellierung und Anfragemöglichkeiten
• Grundlagen der Metamodellierung
• XML
• Multidimensionale Datenmodellierung
• Domänenmodellierung und Ontologien
Contents:
• Fundamentals of modeling
• Data modeling by the example of the Entity-Relationship-Model
• Modeling of object-oriented systems based on the example of UML
• Relational data modeling and query capabilities
• Introduction to metamodeling
• XML
• Multidimensional data modeling
• Domain modeling and ontologies
Lernziele und Kompetenzen:
Die Studierenden:
• definieren grundlegende Begriffe aus der Datenbankfachliteratur
• erklären die Vorteile von Datenbanksystemen
• erklären die verschiedenen Phasen des Datenbankentwurfs
• benutzen das Entity-Relationship Modell und das erweiterte Entity-Relationship Modell zur seman-
tischen Datenmodellierung
• unterscheiden verschiedene Notationen für ER-Diagramme
• erläutern die grundlegenden Konzepte des relationalen Datenmodells
• bilden ein gegebenes EER-Diagramm auf ein relationales Datenbankschema ab
• erklären die Normalformen 1NF, 2NF, 3NF, BCNF und 4NF

UnivIS: 15.06.2022 18:14 85

 • definieren die Operationen der Relationenalgebra
• erstellen Datenbanktabellen mit Hilfe von SQL
• lösen Aufgaben zur Datenselektion und Datenmanipulation mit Hilfe von SQL
• erklären die grundlegenden Konzepte der XML
• erstellen DTDs für XML-Dokumente
• benutzen XPATH zur Formulierung von Anfragen an XML-Dokumente
• definieren die grundlegenden Strukturelemente und Operatoren des multidimensionalen Datenmo-
dells
• erklären Star- und Snowflake-Schema
• benutzen einfache UML Use-Case Diagramme
• benutzen einfache UML-Aktivitätsdiagramme
• erstellen UML-Sequenzdiagramme
• erstellen einfache UML-Klassendiagramme
• erklären den Begriff Meta-Modellierung
• definieren den Begriff der Ontologie in der Informatik
• definieren die Begriffe RDF und OWL
Learning Objectives and Qualifications
Students will:
• define basic terms from database literature
• explain the advantages of database systems
• explain the different phases of database design
• use the Entity-Relationship-Model and the extended Entity-Relationship Model for semantic data
modeling
• distinguish different notations for ER diagrams
• explain the basic concepts of the relational data model
• map a given EER diagram to a relational database schema
• explain the normal forms 1NF, 2NF, 3NF, BCNF and 4NF
• define the operations of the relational algebra
• create database tables using SQL
• accomplish tasks of data selection and data manipulation through the use of SQL
• explain the basic concepts of XML
• create DTDs for XML documents
• use XPATH to formulate queries to XML documents
• define the basic structural elements and operators of the multidimensional data model
• explain the Star and Snowflake schemas
• use simple UML use-case diagrams
• use simple UML activity diagrams
• create UML sequence diagrams
• create simple UML class diagrams
• explain the term "meta-modeling"
• define the term "ontology" in the context of computer science
• define the terms RDF and OWL
Literatur:
• Elmasri, Ramez, and Sham Navathe. Grundlagen von Datenbanksystemen. Pearson Deutschland
GmbH, 2009. - ISBN-10: 9783868940121
• Alfons Kemper, Andre Eickler: Datenbanksysteme : Eine Einführung. 6., aktualis. u. erw. Aufl.
Oldenbourg, März 2006. - ISBN-10: 3486576909
• Bernd Oestereich: Analyse und Design mit UML 2.1. 8. Aufl. Oldenbourg, Januar 2006. - ISBN-10:
3486579266
• Ian Sommerville: Software Engineering. 8., aktualis. Aufl. Pearson Studium, Mai 2007. - ISBN-10:
3827372577
• Horst A. Neumann: Objektorientierte Softwareentwicklung mit der Unified Modeling Language.
(UML). Hanser Fachbuch, März 2002. - ISBN-10: 3446188797
• Rainer Eckstein, Silke Eckstein: XML und Datenmodellierung. Dpunkt Verlag, November 2003. -

UnivIS: 15.06.2022 18:14 86

 ISBN-10: 3898642224

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "079#72#H", "079#74#H", "Berufspädagogik Tech-
nik (Bachelor of Science)", "Data Science (Bachelor of Science)", "Digitale Geistes- und Sozialwissenschaften
(Bachelor of Arts (2 Fächer))", "Informatik (1. Staatsprüfung für das Lehramt an Realschulen)", "Informatik
(Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "International Information Systems (IIS) (Master of Science)", "Linguistische Informatik
(Bachelor of Arts (2 Fächer))", "Maschinenbau (Master of Science)", "Mathematik (Bachelor of Science)",
"Medizintechnik (Master of Science)", "Modulstudien Digital Humanities (keine Abschlussprüfung angestrebt
bzw. möglich)", "Modulstudien Naturale (keine Abschlussprüfung angestrebt bzw. möglich)", "Modulstudien
Naturale: Naturwissenschaften und Nachhaltigkeit (keine Abschlussprüfung angestrebt bzw. möglich)", "Physik
(Master of Science)", "Physik mit integriertem Doktorandenkolleg (Master of Science)", "Physische Geogra-
phie (Bachelor of Science)", "Technomathematik (Bachelor of Science)", "Wirtschaftsinformatik (Bachelor of
Science)", "Wirtschaftsingenieurwesen (Master of Science)", "Wirtschaftsmathematik (Bachelor of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Konzeptionelle Modellierung (Klausur) (Prüfungsnummer: 31301)
(englische Bezeichnung: Written examination in conceptual modelling)
Prüfungsleistung, Klausur mit MultipleChoice, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Richard Lenz (100185)

UnivIS: 15.06.2022 18:14 87

Modulbezeichnung: Rechnerarchitektur (Vorlesung mit Übung und 7.5 ECTS
Rechnerübung) (RA)
(Computer Architecture (Lecture with Exercise and practical
course))
Modulverantwortliche/r: Dietmar Fey
Lehrende: Dietmar Fey
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
Rechnerarchitektur (WS 2021/2022, Vorlesung, 2 SWS, Dietmar Fey)
Übungen zu Rechnerarchitektur (WS 2021/2022, Übung, 2 SWS, Sebastian Rachuj)
Rechnerübungen zu Rechnerarchitektur (WS 2021/2022, Übung, 2 SWS, Anwesenheitspflicht, Chris-
tian Widerspick)

Inhalt:
Die Vorlesung baut auf die in den Grundlagen der Rechnerarchitektur und -organisation vermittel-
ten Inhalte auf und setzt diese mit weiterführenden Themen fort. Es werden zunächst grundlegende
fortgeschrittene Techniken bei Pipelineverarbeitung und Cachezugriffen in modernen Prozessoren und
Parallelrechnern behandelt. Ferner wird die Architektur von Spezialprozessoren, z.B. DSPs und Embed-
ded Prozessoren behandelt. Es wird aufgezeigt, wie diese Techniken in konkreten Architekturen (Intel
Nehalem, GPGPU, Cell BE, TMS320 DSP, Embedded Prozessor ZPU) verwendet werden. Zur Vorle-
sung werden eine Tafel- und eine Rechnerübung angeboten. Die Rechnerübung erfodert 11 erfolgreich
abgeschlossene Übungsaufgaben, diese gehen mit 10% in die Modulgesamtnote ein. Die verbleibenden
90% werden durch die mündliche Prüfung bestimmt. Insgesamt werden 7,5 ECTS erworben. In den
Tafelübungen werden die in der Vorlesung vermittelten Techniken durch zu lösende Aufgaben ver-
tieft. In der Rechnerübung soll u.a. ein einfacher Vielkern-Prozessor auf Basis des ZPU-Prozessors mit
Simulationswerkzeugen aufgebaut werden. Im Einzelnen werden folgende Themen behandelt:
• Organisationsaspekte von CISC und RISC-Prozessoren
• Behandlung von Hazards in Pipelines
• Fortgeschrittene Techniken der dynamischen Sprungvorhersage
• Fortgeschritten Cachetechniken, Cache-Kohärenz
• Ausnutzen von Cacheeffekten
• Architekturen von Digitalen Signalprozessoren
• Architekturen homogener und heterogener Multikern-Prozessoren (Intel Corei7, Nvidia GPUs, RISC-
V)
• Architektur von Parallelrechnern (Clusterrechner, Superrechner)
• Effiziente Hardware-nahe Programmierung von Mulitkern-Prozessoren (OpenMP, SSE, CUDA)
• Leistungsmodellierung und -analyse von Multikern-Prozessoren (Roofline-Modell)
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Lernende können Wissen abrufen und wiedergeben. Sie können konkrete Einzelheiten wie Begriffe,
Definitionen, Fakten, und Abläufe in einem Prozessor darlegen.
Verstehen
Lernende können Beispiele für Rechnerarchitekturen anführen, sie sind in der Lage, Schaubilder
von Prozessoren zu interpretieren und die Abläufe in eigenen Worten zu beschreiben.
Anwenden
Lernende können beim Erstellen eigener Programme durch Transfer des Wissens über Interna von
Prozesorarchitekturen Optimierungen hinsichtlich des Laufzeitverhaltens vornehmen.
Analysieren
Lernende können zwischen verschiedenen Varianten von Lösungen einer Prozessorarchitektur klas-
sifizieren, die Gründe für durchgeführte Entwurfsentscheidungen erschließen, Unterscheide gegen-

UnivIS: 15.06.2022 18:14 88

 überstellen und gegeneinander bewerten.
Lern- bzw. Methodenkompetenz
Lernende erwerben die Fähigkeit selbstständig Testprogramme zum Bewerten der Leistungsfähigkeit
eines Prozessors zu erstellen.
Literatur:
• Patterson/Hennessy: Computer Organization und Design
• Hennessy/Patterson: Computer Architecture - A Quantitative Approach
• Stallings: Computer Organization and Architecture
• Märtin: Rechnerarchitekturen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Informatik (Bachelor of
Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Rechnerarchitektur (Vorlesung mit Übung und Rechnerübung) (Prüfungsnummer: 333815)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
30-minütige mündliche Prüfung + 2x-maliges Vorführen einer der Üungsaufgaben + 5 Abgaben der
Rechnerübung

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Dietmar Fey (100101)

Organisatorisches:
Schein durch Kolloquium

UnivIS: 15.06.2022 18:14 89

Modulbezeichnung: Rechnerarchitektur (RA) 5 ECTS
(Computer Architecture)
Modulverantwortliche/r: Dietmar Fey
Lehrende: Dietmar Fey
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Rechnerarchitektur (WS 2021/2022, Vorlesung, 2 SWS, Dietmar Fey)
Übungen zu Rechnerarchitektur (WS 2021/2022, Übung, 2 SWS, Sebastian Rachuj)
Rechnerübungen zu Rechnerarchitektur (WS 2021/2022, optional, Übung, 2 SWS, Anwesenheits-
pflicht, Christian Widerspick)

Inhalt:
Die Vorlesung baut auf die in den Grundlagen der Rechnerarchitektur und -organisation vermittel-
ten Inhalte auf und setzt diese mit weiterführenden Themen fort. Es werden zunächst grundlegende
fortgeschrittene Techniken bei Pipelineverarbeitung und Cachezugriffen in modernen Prozessoren und
Parallelrechnern behandelt. Ferner wird die Architektur von Spezialprozessoren, z.B. DSPs und Em-
bedded Prozessoren behandelt. Es wird aufgezeigt, wie diese Techniken in konkreten Architekturen
(Intel Nehalem, GPGPU, Cell BE, TMS320 DSP, Embedded Prozessor ZPU) verwendet werden. Zur
Vorlesung wird eine Tafelübung angeboten. Mit erfolgreicher mündlicher Prüfung können 5 ECTS er-
worben werden. In den Tafelübungen werden die in der Vorlesung vermittelten Techniken durch zu
lösende Aufgaben vertieft. In der Rechnerübung soll u.a. ein einfacher Vielkern-Prozessor auf Basis des
ZPU-Prozessors mit Simulationswerkzeugen aufgebaut werden. Im Einzelnen werden folgende Themen
behandelt:
• Organisationsaspekte von CISC und RISC-Prozessoren
• Behandlung von Hazards in Pipelines
• Fortgeschrittene Techniken der dynamischen Sprungvorhersage
• Fortgeschritten Cachetechniken, Cache-Kohärenz
• Ausnutzen von Cacheeffekten
• Architekturen von Digitalen Signalprozessoren
• Architekturen homogener und heterogener Multikern-Prozessoren (Intel Corei7, Nvidia GPUs, RISC-
V)
• Architektur von Parallelrechnern (Clusterrechner, Superrechner)
• Effiziente Hardware-nahe Programmierung von Mulitkern-Prozessoren (OpenMP, SSE, CUDA)
• Leistungsmodellierung und -analyse von Multikern-Prozessoren (Roofline-Modell)
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Lernende können Wissen abrufen und wiedergeben. Sie kennen konkrete Einzelheiten wie Begriffe,
Definitionen, Fakten, und Abläufe in einem Prozessor darlegen.
Verstehen
Lernende können Beispiele für Rechnerarchitekturen anführen, sie sind in der Lage, Schaubilder
von Prozessoren zu interpretieren und die Abläufe in eigenen Worten zu beschreiben.
Anwenden
Lernende können beim Erstellen eigener Programme durch Transfer des Wissens über Interna von
Prozesorarchitekturen Optimierungen hinsichtlich des Laufzeitverhaltens vornehmen.
Analysieren
Lernende können zwischen verschiedenen Varianten von Lösungen einer Prozessorarchitektur klas-
sifizieren, die Gründe für durchgeführte Entwurfsentscheidungen erschließen, Unterscheide gegen-
überstellen und gegeneinander bewerten.
Lern- bzw. Methodenkompetenz

UnivIS: 15.06.2022 18:14 90

 Lernende erwerben die Fähigkeit selbstständig Testprogramme zum Bewerten der Leistungsfähigkeit
eines Prozessors zu erstellen.
Literatur:
• Patterson/Hennessy: Computer Organization und Design
• Hennessy/Patterson: Computer Architecture - A Quantitative Approach
• Stallings: Computer Organization and Architecture
• Märtin: Rechnerarchitekturen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütz-
tes Ingenieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Infor-
matik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Rechnerarchitektur (Prüfungsnummer: 798810)
(englische Bezeichnung: Computer architecture)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
30-minütige mündliche Prüfung (80%) + 2x-maliges Vorführen einer der Übungsaufgaben (20%)
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Dietmar Fey (100101)

UnivIS: 15.06.2022 18:14 91

Modulbezeichnung: Reconfigurable Computing with Extended 7.5 ECTS
Exercises (RC-VEU)
(Reconfigurable Computing with Extended Exercises)
Modulverantwortliche/r: Frank Hannig
Lehrende: Andreas Becher, Frank Hannig
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Englisch
Lehrveranstaltungen:
Reconfigurable Computing (WS 2021/2022, Vorlesung, 2 SWS, Frank Hannig)
Exercises to Reconfigurable Computing (WS 2021/2022, Übung, 2 SWS, Jorge A. Echavarria)
Extended Exercises to Reconfigurable Computing (WS 2021/2022, Übung, 2 SWS, Martin Letras)

Inhalt:
Content:
Reconfigurable (adaptive) computing is a novel yet important research field investigating the capability
of hardware to adapt to changing computational requirements such as emerging standards, late design
changes, and even to changing processing requirements arising at run-time. Reconfigurable computing
thus benefits from a) the programmability of software similar to the Von Neumann computer and b)
the speed and efficiency of parallel hardware execution.
The purpose of the course reconfigurable computing is to instruct students about the possibilities
and rapidly growing interest in adaptive hardware and corresponding design techniques by providing
them the necessary knowledge for understanding and designing reconfigurable hardware systems and
studying applications benefiting from dynamic hardware reconfiguration.
After a general introduction about benefits and application ranges of reconfigurable (adaptive) com-
puting in contrast to general-purpose and application-specific computing, the following topics will be
covered:
• Reconfigurable computing systems: Introduction of available technology including fine grained look
up table (LUT-) based reconfigurable systems such as field programmable gate arrays (FPGA) as
well as newest coarse grained architectures and technology.
• Design and implementation: Algorithms and steps (design entry, functional simulation, logic synthe-
sis, technology mapping, place and route, bit stream generation) to implement (map) algorithms to
FPGAs. The main focus lies on logic synthesis algorithms for FPGAs, in particular LUT technology
mapping.
• Temporal partitioning: techniques to reconfigure systems over time. Covered are the problems of
mapping large circuits which do not fit one single device. Several temporal partitioning techniques
are studied and compared.
• Temporal placement: Techniques and algorithms to exploit the possibility of partial and dynamic
(run-time) hardware reconfiguration. Here, OS-like services are needed that optimize the allocation
and scheduling of modules at run-time.
• On-line communication: Modules dynamically placed at run-time on a given device need to commu-
nicate as well as transport data off-chip. State-of-the-art techniques are introduced how modules
can communicate data at run-time including bus-oriented as well as network-on-a-chip (NoC) ap-
proaches.
• Designing reconfigurable applications on Xilinx Virtex FPGAs: In this part, the generation of partial
bitstreams for components to be placed at run-time on Xilinx FPGAs is introduced and discussed
including newest available tool flows.
• Applications: This section presents applications benefiting from dynamic hardware reconfiguration.
It covers the use of reconfigurable systems including rapid prototyping, reconfigurable supercompu-
ters, reconfigurable massively parallel computers and studies important application domains such as
distributed arithmetic, signal processing, network packet processing, control design, and cryptogra-
phy.
Lernziele und Kompetenzen:

UnivIS: 15.06.2022 18:14 92

 Learning objectives and competencies:
Fachkompetenz
Wissen
• The students know to exploit run-time reconfigurable design methodologies for adaptive appli-
cations.
Verstehen
• The students understand the mapping steps, and optimization algorithms.
• The students classify different types and kinds of reconfigurable hardware technologies available
today.
• The students clarify pros and cons of reconfigurable computing technology.
• The students summarize applications benefiting from reconfigurable computing.
Anwenden
• The students apply design tools for implementation of circuits and systems-on-a-chip (SoC) on
FPGAs during practical training.
Sozialkompetenz
• The students perform group work in small teams during practical training.
Literatur:
• The Hamburg VHDL Archive (see Documentation link for free books)
• Interactive VHDL Tutorial with 150 examples from ALDEC
• Easy FPGA tutorials, projects and boards
• Xilinx WebPack ISE and Modelsim MXE (free FPGA synthesis tool and free VHDL simulator)
• Symphone EDA free VHDL simulator (select FREE Edition license)
• Icarus open-source Verilog simulator

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)",
"Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Ma-
thematik (Bachelor of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)",
"Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Reconfigurable Computing (Lecture with Extended Exercises) (Prüfungsnummer: 110334)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Oral examination (Duration: 30 min) and successful completion of all tasks of the extended exercises
(mandatory, at the workstations residing in our lab at the chair).
The oral examination determines the final grade of the module.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Frank Hannig (100192)

Organisatorisches:
Selection of this module prohibits the selection of the module "Reconfigurable Computing (RC-VU)"
by the student.
Bemerkungen:

UnivIS: 15.06.2022 18:14 93

 Reconfigurable computing is an interdisciplinary field of research between computer science and elec-
trical engineering.

UnivIS: 15.06.2022 18:14 94

Modulbezeichnung: Simulation und Modellierung 1 - VÜ (SaM 1-VÜ) 5 ECTS
(Simulation and Modeling 1 - L+E)
Modulverantwortliche/r: Reinhard German
Lehrende: Reinhard German
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Simulation and Modeling 1 (WS 2021/2022, Vorlesung, 2 SWS, Reinhard German)
Exercises to Simulation and Modeling 1 (WS 2021/2022, Übung, 2 SWS, Lisa Maile)

Empfohlene Voraussetzungen:
elementare Programmierkenntnisse, vorzugsweise in Java, Mathematikkenntnisse in Analysis, wie z.B.
im 1. Semester der angewandten Mathematik vermittelt
Recommended background knowledge:
basic programming skills, preferably in Java, mathematics skills in analysis, such as taught in the first
semester in applied mathematics.

Inhalt:
Das Modul vermittelt die Grundlagen der diskreten Ereignissimulation und beinhaltet
• diskrete Simulation
• analytische Modellierung (z.B. Warteschlangen)
• Eingabemodellierung (z.B. Fitting-Verfahren)
• Zufallszahlenerzeugung
• statistische Ausgabeanalyse
• Modellierungsparadigmen (u.a. Ereignis-/Prozessorientierung, Warteschlangen, Automaten, Petri-
Netze, UML, graphische Bausteine)
• kontinuierliche und hybride Simulation
• Simulationssoftware
• Fallstudien
Content:
Overview of the various kinds of simulation
• discrete simulation (computational concepts, simulation of queuing systems, simulation in Java,
professional simulation tools)
• required probability concepts and statistics, modeling paradigms (e.g., event/process oriented,
queuing systems, Petri nets, UML statecharts)
• input modeling (selecting input probability distributions)
• random number generation (linear congruential generators and variants, generating random variates)
• output analysis (warm-up period detection, independent replications, result presentation)
• continuous and hybrid simulation (differential equations, numerical solution, hybrid statecharts)
• simulation software, case studies, parallel and distributed simulation.
Lernziele und Kompetenzen:
Die Studierenden
• erwerben Kenntnisse über Verfahren und Realisierungsmöglichkeiten der diskreten Simulation mit
Ausblick auf andere Simulationsarten
• erwerben Kenntnisse über statistische Aspekte der Simulation, die für die Anwendung wichtig sind
• wenden statistische Methoden zur Analyse und Bewertung von Eingabe- sowie Ausgabedaten an
• erwerben praktische Erfahrung mit kommerziellen Simulationswerkzeugen
• erwerben Erfahrungen bei der Simulation in verschiedenen Anwendungsbereichen (u.a. Rechnernetze,
Fertigungssysteme, Materialflusssysteme)
• entwickeln eigenständig anhand von Beispielaufgaben Simulationsmodelle unter Verwendung ver-
schiedener Modellierungsparadigmen
• können in Gruppen kooperativ und verantwortlich arbeiten

UnivIS: 15.06.2022 18:14 95

 Learning targets and competences:
Students
• gain knowledge about methods and realization possibilities of discrete simulation with an outlook
on other types of simulation
• gain knowledge of statistical aspects of simulation that are important for practice
• apply statistical methods for analysis and evaluation of input and output data
• gain hands-on experience with commercial simulation tools
• gain experience in simulation in various fields of application (including computer networks, manu-
facturing systems, material flow systems)
• independently develop simulation models on the basis of sample tasks using different modeling
paradigms
• can work in groups cooperatively and responsibly
Literatur:
Law, “Simulation Modeling and Analysis", 5th ed., McGraw Hill, 2014

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Computational Engineering (Master
of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Data Science (Bachelor of
Science)", "Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Ba-
chelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "International Information Systems (IIS) (Master of Science)", "Internationales Projektmanagement
Großanlagenbau/International Project Management in Systems Engineering (Master of Science)", "Maschi-
nenbau (Bachelor of Science)", "Maschinenbau (Master of Science)", "Mathematik (Bachelor of Science)",
"Mechatronik (Master of Science)", "Medizintechnik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Simulation und Modellierung I (Prüfungsnummer: 70901)
(englische Bezeichnung: Lecture: Simulation and Modelling I)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die im Rahmen der Übung gestellten (zwei)wöchentlichen Übungsaufgaben können abgegeben wer-
den und werden in diesem Fall bewertet. Auf Basis des Ergebnisses dieser Bewertungen können bis zu
10 % Bonuspunkte erworben werden, die zu dem Ergebnis einer bestandenen Klausur hinzugerechnet
werden.
Benotete Prüfung (schriftlich 90 min)
———————————————-
The (two) weekly assignments of the exercise can be submitted and will be scored in this case.
Based on the result of these scores, up to 10% bonus points can be earned, which are added to the
final points of a successfully passed exam.
Graded Exam (written 90min)
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

UnivIS: 15.06.2022 18:14 96

 1. Prüfer: Reinhard German (100165)

UnivIS: 15.06.2022 18:14 97

Modulbezeichnung: Test- und Analyseverfahren zur Softwareverifikation und 5 ECTS
-Validierung (TestAn-SWE)
(Test and Analysis Techniques for Software Verification and
Validation)
Modulverantwortliche/r: Francesca Saglietti
Lehrende: Francesca Saglietti
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Software Test and Analysis (Software Verification and Validation) (WS 2021/2022, Vorlesung, 2 SWS,
Francesca Saglietti et al.)
Übungen zu Software Test and Analysis (Exercises in Software Verification and Validation) (WS
2021/2022, Übung, 2 SWS, Marc Spisländer)

Inhalt:
Das Modul befasst sich zunächst mit der Bewertung der Relevanz eingebetteter Software in kom-
plexen Automatisierungssystemen. In Abhängigkeit vom Grad der zu übernehmenden Sicherheitsver-
antwortung werden anschließend zahlreiche Test- und Analyseverfahren unterschiedlicher Rigorosität
behandelt, die sich jeweils zur Überprüfung der Entwicklungskorrektheit (Verifikation) bzw. der Auf-
gabenangemessenheit (Validierung) eignen.
Content:
The module starts with approaches aimed at evaluating the relevance of embedded software in complex
control systems. Depending on the degree of the underlying safety relevance, several testing and analysis
techniques at different levels of rigour are successively introduced; their application helps checking the
correctness of the product developed (verification) resp. the appropriateness of the task specified
(validation).
Lernziele und Kompetenzen:
Die Studierenden
• analysieren die Relevanz eingebetteter Software in komplexen Automatisierungssystemen anhand
von Fehlerbäumen und kausalen Relationen;
• unterscheiden verschiedene Testverfahren hinsichtlich ihrer Erfüllung struktureller, kontrollflussba-
sierter bzw. datenflussbasierter Codeüberdeckungskriterien sowie ihres Fehlererkennungspotenzials;
• bewerten die Angemessenheit von Testfallmengen mittels Mutationstesten;
• überprüfen die Korrektheit von Modellen und Programmen anhand axiomatischer Beweisverfahren
und Model-Checking-Verfahren.
Learning objectives and competencies:
The students
• analyse the relevance of embedded software in complex control systems by means of fault trees and
causal relations;
• distinguish between different testing techniques in terms of their achievement of structural, control
flow based resp. data flow based code coverage criteria and their fault detection capabilities;
• evaluate the adequacy of test case sets by means of mutation testing;
• check the correctness of models and programs by means of axiomatic proofs and model checking.
Literatur:
Lehrbuch der Softwaretechnik (Band 1), Helmut Balzert, 2000

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

UnivIS: 15.06.2022 18:14 98

 Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Science)", "Informatik (Mas-
ter of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik (Bachelor of
Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Test- und Analyseverfahren zur Software-Verifikation und Validierung (Prüfungsnummer: 32001)
(englische Bezeichnung: Testing and Analytical Procedures in Software Verification and Validation)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfungsteilnehmer wählen unmittelbar vor Prüfungsbeginn die Prüfungssprache. Wechsel ist
während der Prüfung möglich.
Alternative Prüfungsformen:
• elektronische mündliche Fernprüfung (über Zoom)
• schriftliche Präsenzprüfung (90 Minuten)
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Francesca Saglietti (100112)

Test- und Analyseverfahren zur Software-Verifikation und Validierung (Prüfungsnummer: 32001)

(englische Bezeichnung: Testing and Analytical Procedures in Software Verification and Validation)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfungsteilnehmer wählen unmittelbar vor Prüfungsbeginn die Prüfungssprache. Wechsel ist
während der Prüfung möglich.
Alternative Prüfungsformen:
• elektronische mündliche Fernprüfung (über Zoom)
• schriftliche Präsenzprüfung (90 Minuten)
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Francesca Saglietti (100112)

UnivIS: 15.06.2022 18:14 99

Modulbezeichnung: Verteilte Systeme - V+Ü (VS) 5 ECTS
(Distributed Systems - L+E)
Modulverantwortliche/r: Tobias Distler
Lehrende: Tobias Distler, Laura Lawniczak, Jürgen Kleinöder
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Verteilte Systeme (SS 2022, Vorlesung, 2 SWS, Tobias Distler)
Übungen zu Verteilte Systeme (SS 2022, Übung, 2 SWS, Laura Lawniczak et al.)
Rechnerübungen zu Verteilte Systeme (SS 2022, Übung, 2 SWS, Laura Lawniczak et al.)

Empfohlene Voraussetzungen:
Gute Programmierkenntnisse in Java

Inhalt:
Verteilte Systeme bestehen aus mehreren Rechnern, die über ein Netzwerk miteinander verbunden
sind und einen gemeinsamen Dienst erbringen. Obwohl die beteiligten Rechner hierfür in weiten Teilen
unabhängig voneinander agieren, erscheinen sie ihren Nutzern gegenüber in der Gesamtheit dabei trotz-
dem als ein einheitliches System. Die Einsatzmöglichkeiten für verteilte Systeme erstrecken sich über
ein weites Spektrum an Szenarien: Von der Zusammenschaltung kleinster Rechenknoten zur Samm-
lung von Daten im Rahmen von Sensornetzwerken über Steuerungssysteme für Kraftfahrzeuge und
Industrieanlagen bis hin zu weltumspannenden, Internet-gestützten Infrastrukturen mit Komponenten
in Datenzentren auf verschiedenen Kontinenten.
Ziel dieses Moduls ist es, die sich durch die speziellen Eigenschaften verteilter Systeme ergebenden Pro-
blemstellungen zu verdeutlichen und Ansätze zu vermitteln, mit deren Hilfe sie gelöst werden können;
Beispiele hierfür sind etwa die Interaktion zwischen heterogenen Systemkomponenten, der Umgang
mit erhöhten Netzwerklatenzen sowie die Wahrung konsistenter Zustände über Rechnergrenzen hin-
weg. Gleichzeitig zeigt das Modul auf, dass die Verteiltheit eines Systems nicht nur Herausforderungen
mit sich bringt, sondern auf der anderen Seite auch Chancen eröffnet. Dies gilt insbesondere in Bezug
auf die im Vergleich zu nicht verteilten Systemen erzielbare höhere Widerstandsfähigkeit eines Gesamt-
systems gegenüber Fehlern wie den Ausfällen ganzer Rechner oder sogar kompletter Datenzentren.
Ausgehend von den einfachsten, aus nur einem Client und einem Server bestehenden verteilten Syste-
men, beschäftigt sich die Vorlesung danach mit der deutlich komplexeren Replikation der Server-Seite
und behandelt anschließend die Verteilung eines Systems über mehrere, mitunter weit voneinander
entfernte geografische Standorte. In allen Abschnitten umfasst die Betrachtung des jeweiligen The-
mas eine Auswahl aus Grundlagen, im Praxiseinsatz befindlicher Ansätze und Techniken sowie für den
aktuellen Stand der Forschung repräsentativer Konzepte.
Im Rahmen der Übungen wird zunächst ein plattformunabhängiges Fernaufrufsystem schrittweise ent-
wickelt und parallel dazu getestet. Als Vorlage und Orientierungshilfe dient dabei das in der Praxis
weit verbreitete Java RMI. In den weiteren Übungsaufgaben stehen anschließend klassische Problem-
stellungen von verteilten Systemen wie fehlertolerante Replikation und verteilte Synchronisation im
Mittelpunkt.
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• beschreiben charakteristische Merkmale und Eigenschaften verteilter Systeme sowie grundlegende
Probleme im Zusammenhang mit ihrer Realisierung.
• untersuchen die Unterschiede zwischen lokalen Methodenaufrufen und Fernmethodenaufrufen.
• vergleichen Ansätze zur Konvertierung von Nachrichten zwischen verschiedenen Datenrepräsenatio-
nen.
• konzipieren eine eigene auf Java RMI basierende Anwendung.
• entwickeln ein eigenes Fernaufrufsystem nach dem Vorbild von Java RMI.

UnivIS: 15.06.2022 18:14 100

 • gestalten ein Modul zur Unterstützung verschiedener Fernaufrufsemantiken (Maybe, Last-of-Many)
für das eigene Fernaufrufsystem.
• beurteilen auf Basis eigener Experimente mit Fehlerinjektionen die Auswirkungen von Störeinflüssen
auf verschiedene Fernaufrufsemantiken.
• klassifizieren Mechanismen zur Bereitstellung von Fehlertoleranz, insbesondere verschiedene Arten
der Replikation (aktiv vs. passiv).
• vergleichen verschiedene Konsistenzgarantien georeplizierter Systeme.
• illustrieren das Problem einer fehlenden gemeinsamen Zeitbasis in verteilten Systemen.
• erforschen logische Uhren als Mittel zur Reihenfolgebestimmung und Methoden zur Synchronisation
physikalischer Uhren.
• unterscheiden grundlegende Zustellungs- und Ordnungsgarantien beim Multicast von Nachrichten.
• gestalten ein Protokoll für den zuverlässigen und totalgeordneten Versand von Nachrichten in einer
Gruppe von Knoten.
• entwickeln einen Dienst zur Verwaltung verteilter Sperrobjekte auf Basis von Lamport-Locks.
• bewerten die Qualität einer Publikation aus der Fachliteratur.
• erschließen sich typische Probleme (Nebenläufigkeit, Konsistenz) und Fehlerquellen bei der Program-
mierung verteilter Anwendungen.
• können in Kleingruppen kooperativ arbeiten.
• können ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argumentativ
vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten und Irrwegen umgehen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Infor-
matik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstech-
nik (Master of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik (Bache-
lor of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik
(Master of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Verteilte Systeme (Vorlesung mit Übungen) (Prüfungsnummer: 649073)
(englische Bezeichnung: Distributed Systems - L+E)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Erfolgreiche Bearbeitung aller 6 Übungsaufgaben (Bewertung jeweils mit "ausreichend") und 30-
minütige mündliche Prüfung. Die Modulnote ergibt sich zu 100% aus der Bewertung der mündlichen
Prüfung.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Tobias Distler (100377)

UnivIS: 15.06.2022 18:14 101

Modulbezeichnung: Betriebssysteme-V+EÜ (BS-VEU) 7.5 ECTS
(Operating Systems L+EE)
Modulverantwortliche/r: Volkmar Sieh
Lehrende: Wolfgang Schröder-Preikschat, Volkmar Sieh
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
Betriebssysteme (WS 2021/2022, Vorlesung, 2 SWS, Volkmar Sieh)
Erweiterte Übungen zu Betriebssysteme (WS 2021/2022, Übung, 4 SWS, Bernhard Heinloth)
Übungen zu Betriebssysteme (Rechnerübungen) (WS 2021/2022, Übung, Bernhard Heinloth)

Empfohlene Voraussetzungen:
• C/C++ (Übungsaufgaben werden in C++ implementiert)
• Assembler (Grundkenntnisse)

Inhalt:
Inhalt des Moduls ist Vermittlung grundlegender Konzepte, Methoden und Techniken von Betriebssys-
temen aus dem Blickwinkel einer Betriebssystementwicklerin. Im Rahmen der Übungen entwickeln
die Studierenden in einem "bottom-up" Entwurf- und Entwicklungsprozess ihr eigenes Mehrkern-
betriebssystem für die IA-32 Platform, ausgehend von der "nackten Hardware" über grundlegende
Ein-Ausgabemöglichleiten, Unterbrechungsbearbeitung bis hin zu quasi- und echtparalleler Program-
mausführung.
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• erläutern den Startvorgang eines Rechensystems am Beispiel eines IA32 PCs.
• beschreiben die spezifischen Herausforderungen bei der Softwareentwicklung für "bare metal".
• beschreiben den Ablauf einer Unterbrechungsbehandlung von der Hardware bis zur (System-
)software.
• skizzieren Besonderheiten und Strategien der Unterbrechungsbehandlung in Hardware für Mehrkern-
systemen am Beispiel des IA32-APICs.
• diskutieren die Aufgabenteilung zwischen Hardware und Systemsoftware bei der Unterbrechungsbe-
arbeitung.
• unterscheiden die verschiedenen Typen von Kontrollflüssen in einem Betriebssystem anhand des
Ebenenmodells.
• unterscheiden harte, mehrstufige, und weiche Verfahren zur Unterbrechungssynchronisation in Be-
triebssystemen und können diese für ein Mehrkernsystem implementieren.
• klassifizieren konkrete Konkurrenzsituationen anhand des Ebenenmodels und leiten daraus geeignete
Synchronisationsmaßnahmen ab.
• schildern die IA32-Architektur und gängige PC-Technologie und deren Schnittstellen zur System-
software.
• erläutern grundlegende Bausteine für die Implementierung von Quasi-Parallelität (Fortsetzungen,
Koroutinen, Fäden) und grenzen diese gegeneinander ab.
• erläutern die Interaktionen zwischen Hardware, Übersetzer und Systemsoftware, die dabei zu beach-
ten sind.
• entwickeln den Koroutinenwechsel für einen gegebene Architektur.
• erläutern die Implikationen von Quasi-Parallität auf das Ebenenmodell und die daraus abgeleiteten
Synchronisationsmaßnahmen.
• beschreiben die Implementierung von (verdrängendem) Scheduling in einem Betriebssystem.
• analysieren das Zusammenspiel von Scheduling und Unterbrechungssynchronisation.
• nennen Kriterien und Dimensionen des Schedulings von Betriebsmitteln, insbesondere der CPU.
• erläutern die konkrete Umsetzung am Beispiel der Scheduler in Linux und Windows.

UnivIS: 15.06.2022 18:14 102

 • unterscheiden grundlegende Möglichkeiten der Koordinierung und Synchronisation von Fäden (akti-
ves/passives Warten, nichtverdrängbare kritische Abschnitte).
• entwickeln Mechanismen für die Synchronisation auf Fadenebene für Mehrkernsystemen.
• erklären die dabei zu beachtenden Synchronisationsprobleme (lost update, lost wakeup) und geeig-
nete Gegenmaßnahmen.
• interpretieren die Bedeutung von Gerätetreibern in der Betriebssystempraxis.
• erläutern die Anforderungen an ein Treibermodell.
• vergleichen die Umsetzung von Treibermodellen in Windows und Linux.
• vergleichen grundlegende BS-Architekturen (Bibliothek, Monolith, Mikrokern, Exokern, Hypervisor)
anhand fundamentaler Charakteristika (Robustheit, Performanz, Portierbarkeit) und Mechanismen.
• schildern die grundlegenden Paradigmen zur Interprozesskommunikation in Betriebssystemen
(speicherbasiert vs. nachrichtenbasiert).
• erläutern die grundlegenden Primitiven dieser Verfahren.
• skizzieren, wie unter Anwendung dieser Primitiven höhere Synchronisationskonstrukte implementiert
werden (Monitore, Leser-/Schreiber-Sperre).
• illustrieren die Dualität der Paradigmen.
• erschließen sich typische Probleme (Nebenläufigkeit, Compilerverhalten, Debuggen ohne dedizierte
Hilfsmittel) und Fehlerquellen bei der hardwarenahen Softwareentwicklung für Mehrkernsysteme.
• können in Kleingruppen kooperativ arbeiten.
• können die ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argu-
mentativ vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten und Irrwegen umgehen.
Literatur:
Hinweise zu empfohlener Begleitliteratur erfolgen in der Vorlesung.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Betriebssysteme (Vorlesung mit erweiterten Übungen) (Prüfungsnummer: 820947)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Erfolgreiche Bearbeitung aller während des Semesters gestellten Übungsaufgaben (6 Programmier-
aufgaben, Bewertung jeweils mit "ausreichend") + 30-minütige mündliche Prüfung am Ende des
Semesters. Die Modulnote ergibt sich zu 100% aus der Bewertung der mündlichen Prüfung.
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Volkmar Sieh (100548)

UnivIS: 15.06.2022 18:14 103

Modulbezeichnung: Betriebssysteme-V+Ü (BS-VU) 5 ECTS
(Operating Systems L+E)
Modulverantwortliche/r: Volkmar Sieh
Lehrende: Volkmar Sieh, Wolfgang Schröder-Preikschat
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Betriebssysteme (WS 2021/2022, Vorlesung, 2 SWS, Volkmar Sieh)
Übungen zu Betriebssysteme (WS 2021/2022, Übung, 2 SWS, Bernhard Heinloth)
Übungen zu Betriebssysteme (Rechnerübungen) (WS 2021/2022, Übung, Bernhard Heinloth)

Empfohlene Voraussetzungen:
• C/C++ (Übungsaufgaben werden in C++ implementiert)
• Assembler (Grundkenntnisse)

Inhalt:
Inhalt des Moduls ist Vermittlung grundlegender Konzepte, Methoden und Techniken von Betriebs-
systemen aus dem Blickwinkel einer Betriebssystementwicklerin. Im Rahmen der Übungen entwickeln
die Studierenden in einem "bottom-up" Entwurf- und Entwicklungsprozess ihr eigenes Einkernbe-
triebssystem für die IA-32 Platform, ausgehend von der "nackten Hardware" über grundlegende Ein-
Ausgabemöglichleiten, Unterbrechungsbearbeitung bis hin zu quasiparalleler Programmausführung.
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• erläutern den Startvorgang eines Rechensystems am Beispiel eines IA32 PCs.
• beschreiben die spezifischen Herausforderungen bei der Softwareentwicklung für "bare metal".
• beschreiben den Ablauf einer Unterbrechungsbehandlung von der Hardware bis zur (System-
)software.
• skizzieren Besonderheiten und Strategien der Unterbrechungsbehandlung in Hardware für Mehrkern-
systemen am Beispiel des IA32-APICs.
• diskutieren die Aufgabenteilung zwischen Hardware und Systemsoftware bei der Unterbrechungsbe-
arbeitung.
• unterscheiden die verschiedenen Typen von Kontrollflüssen in einem Betriebssystem anhand des
Ebenenmodells.
• unterscheiden harte, mehrstufige, und weiche Verfahren zur Unterbrechungssynchronisation in Be-
triebssystemen und können diese implementieren.
• klassifizieren konkrete Konkurrenzsituationen anhand des Ebenenmodels und leiten daraus geeignete
Synchronisationsmaßnahmen ab.
• schildern die IA32-Architektur und gängige PC-Technologie und deren Schnittstellen zur System-
software.
• erläutern grundlegende Bausteine für die Implementierung von Quasi-Parallelität (Fortsetzungen,
Koroutinen, Fäden) und grenzen diese gegeneinander ab.
• erläutern die Interaktionen zwischen Hardware, Übersetzer und Systemsoftware, die dabei zu beach-
ten sind.
• entwickeln den Koroutinenwechsel für einen gegebene Architektur.
• erläutern die Implikationen von Quasi-Parallität auf das Ebenenmodell und die daraus abgeleiteten
Synchronisationsmaßnahmen.
• beschreiben die Implementierung von (verdrängendem) Scheduling in einem Betriebssystem.
• analysieren das Zusammenspiel von Scheduling und Unterbrechungssynchronisation.
• nennen Kriterien und Dimensionen des Schedulings von Betriebsmitteln, insbesondere der CPU.
• erläutern die konkrete Umsetzung am Beispiel der Scheduler in Linux und Windows.

UnivIS: 15.06.2022 18:14 104

 • unterscheiden grundlegende Möglichkeiten der Koordinierung und Synchronisation von Fäden (akti-
ves/passives Warten, nichtverdrängbare kritische Abschnitte).
• entwickeln Mechanismen für die Synchronisation auf Fadenebene.
• erklären die dabei zu beachtenden Synchronisationsprobleme (lost update, lost wakeup) und geeig-
nete Gegenmaßnahmen.
• interpretieren die Bedeutung von Gerätetreibern in der Betriebssystempraxis.
• erläutern die Anforderungen an ein Treibermodell.
• vergleichen die Umsetzung von Treibermodellen in Windows und Linux.
• vergleichen grundlegende BS-Architekturen (Bibliothek, Monolith, Mikrokern, Exokern, Hypervisor)
anhand fundamentaler Charakteristika (Robustheit, Performanz, Portierbarkeit) und Mechanismen.
• schildern die grundlegenden Paradigmen zur Interprozesskommunikation in Betriebssystemen
(speicherbasiert vs. nachrichtenbasiert).
• erläutern die grundlegenden Primitiven dieser Verfahren.
• skizzieren, wie unter Anwendung dieser Primitiven höhere Synchronisationskonstrukte implementiert
werden (Monitore, Leser-/Schreiber-Sperre).
• illustrieren die Dualität der Paradigmen.
• erschließen sich typische Probleme (Nebenläufigkeit, Compilerverhalten, Debuggen ohne dedizierte
Hilfsmittel) und Fehlerquellen bei der hardwarenahen Softwareentwicklung.
• können in Kleingruppen kooperativ arbeiten.
• können die ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argu-
mentativ vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten und Irrwegen umgehen.
Literatur:
Hinweise zu geeigneter Literatur erfolgen in der Vorlesung.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Betriebssysteme (Vorlesung mit Übungen) (Prüfungsnummer: 150033)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Erfolgreiche Bearbeitung aller während des Semesters gestellten Übungsaufgaben (6 Programmier-
aufgaben, Bewertung jeweils mit "ausreichend") + 30-minütige mündliche Prüfung am Ende des
Semesters. Die Modulnote ergibt sich zu 100% aus der Bewertung der mündlichen Prüfung.
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Volkmar Sieh (100548)

UnivIS: 15.06.2022 18:14 105

Modulbezeichnung: Middleware - Cloud Computing V+Ü (MW-VU) 5 ECTS
(Middleware - Cloud Computing L+E)
Modulverantwortliche/r: Tobias Distler
Lehrende: Tobias Distler, Laura Lawniczak, Michael Eischer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Middleware - Cloud Computing (WS 2021/2022, Vorlesung, 2 SWS, Tobias Distler)
Übungen zu Middleware - Cloud Computing (WS 2021/2022, Übung, 2 SWS, Laura Lawniczak et al.)
Übungen zu Middleware - Cloud Computing (Rechnerübungen) (WS 2021/2022, Übung, 2 SWS, Laura
Lawniczak et al.)

Inhalt:
• Überblick Cloud Computing
• Grundlagen verteilter Programmierung (Web Services/SOAP/REST)
• Virtualisierung als Basis für Cloud Computing
• Infrastructure as a Service (IaaS) am Beispiel von Eucalyptus und Amazon EC2
• Skalierbare Verarbeitung von großen Datenmengen
• Interoperabilität und Multi-Cloud Computing
• Fehlertoleranz und Sicherheit im Kontext von Cloud Computing
• Aktuelle Forschungstrends
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• nennen unterschiedliche Ausprägungen von Cloud-Computing.
• erläutern verschiedene Cloud-Architekturen.
• stellen Vor- und Nachteile von Cloud-Computing gegenüber.
• unterscheiden die Herangehensweisen bei der Entwicklung von SOAP- im Vergleich zu REST-
Anwendungen.
• organisieren den Austausch von Informationen in einer verteilten Anwendung unter Verwendung
eines Verzeichnisdienstes.
• entwickeln eigene auf Web-Services basierende Anwendungen.
• erläutern die Anforderungen an ein virtualisiertes System.
• beschreiben die für die Virtualisierung eines Systems erforderlichen Kriterien.
• vergleichen zwischen unterschiedlichen Virtualisierungstechniken und -ebenen.
• schildern den Aufbau und die Funktionsweise von Xen und Linux-VServer.
• erproben das Einrichten eines Abbilds für eine virtuelle Maschine.
• skizzieren die Architektur einer Infrastruktur-Cloud sowie die Aufgabenbereiche hierfür zentraler
Komponenten am Beispiel von Eucalyptus.
• erproben das Bereitstellen von Anwendungen in einer Infrastruktur-Cloud.
• zeigen die Grundlagen Software-definierter Netzwerke am Beispiel von Onix und B4 auf.
• bewerten verschiedene im Bereich Cloud-Computing zum Einsatz kommende Datenspeichersysteme
(Google File System, Bigtable, Windows Azure Storage, Amazon Dynamo) hinsichtlich der Kriterien
Verfügbarkeit, Konsistenz und Partitionstoleranz.
• erläutern eine auf Vektoruhren basierende Methode zur Auflösung im Zusammenhang mit letztend-
licher Konsistenz auftretender Konflikte.
• entwickeln ein verteiltes Dateisystem nach dem Vorbild von HDFS, das auf die Speicherung großer
Datenmengen ausgelegt ist.
• erkunden das Bereitstellen selbst entwickelter Dienste mittels Docker.
• erstellen ein Framework zur parallelen Bearbeitung von Daten nach dem Vorbild von MapReduce.
• konzipieren eigene MapReduce-Anwendungen zur Verarbeitung strukturierter Rohdaten.
• diskutieren die Fehlertoleranzmechanismen in Google MapReduce.

UnivIS: 15.06.2022 18:14 106

 • schildern die grundsätzliche Funktionsweise von Systemen zur Kühlung von Datenzentren mittels
Umgebungsluft.
• beschreiben das Grundkonzept einer temperaturabhängigen Lastverteilung von Prozessen in einem
Datenzentrum.
• stellen diverse Ansätze zur Erhöhung der Energieeffizienz von MapReduce-Clustern gegenüber.
• unterscheiden die Architekturen und Funktionsweisen der Koordinierungsdienste Chubby und Zoo-
Keeper.
• entwickeln einen eigenen Koordinierungsdienst nach dem Vorbild von ZooKeeper.
• ermitteln die Konsistenzeigenschaften der eigenen Koordinierungsdienstimplementierung.
• erläutern unterschiedliche Ansätze zur Reduzierung bzw. Tolerierung von Tail-Latenz.
• skizzieren das Grundkonzept von Erasure-Codes.
• beschreiben den Aufbau eines auf die Clouds mehrerer Anbieter gestützten Datenspeichersystems.
• erläutern den Einsatz passiver Replikation zur Bereitstellung von Fehlertoleranzmechanismen für
virtuelle Maschinen am Beispiel von Remus.
• schildern die Grundlagen der Migration von virtuellen Maschinen.
• bewerten die Qualität einer aktuellen Publikation aus der Fachliteratur.
• erschließen sich typische Probleme (Nebenläufigkeit, Konsistenz, Skalierbarkeit) und Fehlerquellen
bei der Programmierung verteilter Anwendungen.
• können in Kleingruppen kooperativ arbeiten.
• können ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argumentativ
vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten und Irrwegen umgehen.
Literatur:
• Mache Creeger. Cloud computing: An overview. Queue Distributed Computing, 7(5), 2009.
• Michael Armbrust, Armando Fox, Rean Griffith, Anthony D. Joseph, Randy Katz, Andy Konwinski,
Gunho Lee, David Patterson, Ariel Rabkin, Ion Stoica, and Matei Zaharia. A view of cloud computing.
Communications of the ACM, 53(4):5058, 2010.
weitere Literaturangaben auf der Vorlesungs-Webseite

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Infor-
matik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "International Information Systems (IIS)
(Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)", "Wirtschafts-
informatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Middleware - Cloud Computing (Vorlesung mit Übungen) (Prüfungsnummer: 557235)
(englische Bezeichnung: Middleware - Cloud Computing (Lecture with Exercises))
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Erfolgreiche Bearbeitung aller während des Semesters gestellten Übungsaufgaben (6 Aufgaben, Be-
wertung jeweils mit "ausreichend") + 30-minütige mündliche Prüfung am Ende des Semesters. Die
Modulnote ergibt sich zu 100% aus der Bewertung der mündlichen Prüfung.
Prüfungssprache: Deutsch

UnivIS: 15.06.2022 18:14 107

 Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022
1. Prüfer: Tobias Distler (100377)

UnivIS: 15.06.2022 18:14 108

Modulbezeichnung: Human Computer Interaction (HCI) 5 ECTS
(Human Computer Interaction)
Modulverantwortliche/r: Björn Eskofier
Lehrende: Björn Eskofier
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Human Computer Interaction (SS 2022, Vorlesung, 3 SWS, Björn Eskofier)
Human Computer Interaction Exercises (SS 2022, Übung, 1 SWS, Madeleine Flaucher)

Inhalt:
Das Modul vermittelt Konzepte, Prinzipien, Modelle, Methoden und Techniken für die effektive Ent-
wicklung von benutzerfreundlichen Mensch-Computer-Schnittstellen. Das Thema moderner Benut-
zungsschnittstellen wird dabei für klassische Computer aber auch für mobile Geräte, eingebettete
Systeme, Automobile und intelligente Umgebungen betrachtet.
Die folgenden Themen werden im Modul behandelt:
• Einführung in die Grundlagen der Mensch-Computer-Interaktion, historische Entwicklung
• Entwurfsprinzipien und Modelle für moderne Benutzungsschnittstellen und interaktive Systeme
• Informationsverarbeitung des Menschen, Wahrnehmung, Motorik, Eigenschaften und Fähigkeiten
des Benutzers
• Interaktionskonzepte und -stile, Metaphern, Normen, Regeln und Style Guides
• Ein- und Ausgabegeräte, Entwurfsraum für interaktive Systeme
• Analyse-, Entwurfs- und Entwicklungsmethoden und -werkzeuge für Benutzungsschnittstellen
• Prototypische Realisierung und Implementierung von interaktiven Systemen, Werkzeuge
• Architekturen für interaktive Systeme, User Interface Toolkits und Komponenten
• Akzeptanz, Evaluationsmethoden und Qualitätssicherung
Contents: Aim of the module is to teach basic knowledge of concepts, principles, models, methods
and techniques for developing highly user-friendly Human Computer Interfaces. Beyond traditional
computer system the topic of modern user interfaces is also discussed in the context of automobile
and intelligent environments, mobile devices and embedded systems.
This module addresses the following topics:
• Introduction to the basics of Human Computer Interaction
• Design principles and models for modern user interfaces and interactive systems
• Information processing of humans, perception, motor skills, properties and skills of the users
• Interaction concepts, metaphors, standards, norms and style guides
• In- and output devices, design space for interactive systems
• Analysis-, design- and development methodologies and tools for easy to use user interfaces
• Prototypic implementation of interactive systems
• Architectures for interactive systems, User Interface Toolkits and components
• Acceptance, evaluation methods and quality assurance
Lernziele und Kompetenzen:
• Studierende entwickeln ein Verständnis für Modelle, Methoden und Konzepte der Mensch-Computer-
Interaktion.
• Sie lernen verschiedene Ansätze für den Entwurf, die Entwicklung und Bewertung von Benutzungs-
schnittstellen kennen und verstehen deren Vor- und Nachteile.
• Die Teilnahme an der Veranstaltung versetzt Studierende in die Lage, einen Entwicklungsprozess in
der Mensch-Computer-Interaktion zu verstehen und umzusetzen.
• Sie werden weiterhin in die Lage versetzt, dies vor dem Hintergrund der Informationsverarbeitungs-
fähigkeit, Wahrnehmung und Motorik des Benutzers zu gestalten.
• Schlussendlich werden Methoden der Evaluation sowie Akzeptanz- und Qualitätssicherung erlangt.
Learning Objectives and Competences:

UnivIS: 15.06.2022 18:14 109

 • Students develop an understanding for models, methods and concepts in the field of Human-
Computer Interaction.
• They learn different approaches for designing, developing and evaluating User Intefaces and their
advantages and disadvantages.
• Joining the course enalbes students to understand and execute a development process in the area
of Human-Computer Interaction.
• Student will be able to do an UI evaluation by learning basics about information processing, percep-
tion and motoric skills of the user.
• Additionally, appropriate evaluation method as well as acceptance and quality assurance aspects will
be learned.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)
[4] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Artificial Intelligence (Master of Science)", "Computational Engineering (Mas-
ter of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Data
Science (Bachelor of Science)", "Data Science (Master of Science)", "Digital Humanities (Master of Arts)", "In-
formatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "International Information Systems (IIS)
(Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizin-
technik (Bachelor of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsinformatik (Bachelor of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Human Computer Interaction (Prüfungsnummer: 645618)
(englische Bezeichnung: Human Computer Interaction)
Prüfungsleistung, elektronische Prüfung, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Je nach Pandemielage: elektronische Präsenzprüfung oder elektronische Fernprüfung mit Videoauf-
sicht
Depending on the development of the pandemic: e-exam (on-site) or remote exam with video mo-
nitoring
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Björn Eskofier (100122)

Organisatorisches:
Folien zur Vorlesung und Organisation über StudOn.
Organisation and slides via StudOn.

UnivIS: 15.06.2022 18:14 110

Modulbezeichnung: Parallele Systeme mit erweiterter Übung (PSYS-VEU) 7.5 ECTS
(Parallel Systems with Extended Exercises)
Modulverantwortliche/r: Jürgen Teich
Lehrende: Frank Hannig, Jürgen Teich
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Parallele Systeme (SS 2022, Vorlesung, 2 SWS, Frank Hannig et al.)
Erweiterte Übungen zu Parallele Systeme (SS 2022, Übung, 2 SWS, Stefan Groth et al.)
Übung zu Parallele Systeme (SS 2022, Übung, 2 SWS, Frank Hannig)

Inhalt:
Aktuelle PCs verfügen über Mehrkernprozessoren und Grafikkarten, die wiederum aus hunderten von
einfachen Prozessoren bestehen können. Hierdurch wird ein hohes Maß an nebenläufiger Datenverar-
beitung möglich, welche bis vor einigen Jahren nur in Großrechnern erreicht werden konnte. Die effizi-
ente Ausnutzung dieser Parallelität bedarf allerdings mehr als nur mehrerer Prozessoren, insbesondere
muss das zu lösende Problem Parallelverarbeitung erlauben. In dieser Vorlesung werden Eigenschaften
unterschiedlicher paralleler Rechnerarchitekturen und Metriken zu deren Beurteilung behandelt. Wei-
terhin werden Modelle und Sprachen zum Programmieren paralleler Rechner eingeführt. Neben der
Programmierung von allgemeinen Parallelrechnern werden Entwurfsmethoden (CAD) vorgestellt, wie
man ausgehend von einer algorithmischen Problemstellung ein massiv paralleles Rechenfeld in VLSI
herleiten kann, das genau dieses Problem optimal parallel berechnet. Solche Schaltungen spielen auf
der Bit- bzw. Wortebene eine dominante Rolle (Arithmetik) sowie bei Problemen der Signal- und
Bildverarbeitung (z.B. Filter).
Im Einzelnen werden behandelt:
1. Theorie der Parallelität (parallele Computermodelle, parallele Spezifikationsformen und -sprachen,
Performanzmodelle und -berechnung)
2. Klassifikation paralleler und skalierbarer Rechnerarchitekturen (Multiprozessoren und Multicomputer,
Vektorrechner, Datenflussmaschinen, VLSI-Rechenfelder)
3. Programmierbare System-on-Chip (SoC) und Mehrkern-Architekturen (Grafik-Prozessoren, Cell,
etc.)
4. Programmierung paralleler Rechner (Sprachen und Modelle, Entwurfsmethoden und Compiler, Op-
timierung)
5. Massive Parallelität: Vom Algorithmus zur Schaltung
6. Praktische Übungen mit rechnergestützten Werkzeugen
Today’s PCs consist of multi-core processors and graphics cards that again comprise hundreds to thou-
sands of simple processors. As a result of this, a very high degree of parallel data processing becomes
possible, which was subjected to supercomputers a couple of years ago. The efficient exploitation of
parallel processing requires not only multiple processors but also parallelism inherent in the problem
to be solved. In this lecture, properties of different parallel computer architectures and corresponding
quality metrics are examined. Further, models and parallel programming languages are introduced. In
addition to programming general parallel computers, design methods (CAD) are presented that syste-
matically transform an algorithmic problem description into a massive parallel processor array (VLSI),
which can optimally execute the given problem in parallel. Such highly parallel circuits play an essential
role at the bit level and circuit level (arithmetics) as well as in the case of signal processing and image
processing (e.g., filter).
In detail, the following topics are covered:
1. Theory of parallelism (parallel models of computation, parallel specification and parallel languages,
performance models)
2. Classification of parallel and scalable computer architectures (multi-processors and multi-computers,
vector computers, data-flow machines, VLSI processor arrays)
3. Programmable System-on-Chip (SoC) and multi-core architetcures (graphics processors, Cell, etc.)

UnivIS: 15.06.2022 18:14 111

 4. Programming of parallel computers (languages and models, design methods and compiler, optimi-
zation)
5. Massive parallelism: From algorithm to circuit
6. Practical training with computer-aided design tools
Lernziele und Kompetenzen:
Schwerpunkt der Vorlesung ist die Vermittlung von Grundlagen der parallelen Datenverarbeitung. /
The focus of this lecture are foundations of parallel data processing.
Fachkompetenz
Verstehen
• Die Studierenden verstehen grundlegende Konzepte der parallelen Datenverarbeitung, sowohl
theoretischer Art anhand von Modellen, als auch an Architekturbeispielen. / The students
become familiar with the fundamentals of parallel data processing, theoretic in the form of
models as well as by architecture examples.
Anwenden
• Die Studierenden setzen sich mit modernen eingebetteten parallelen Ein-Chip-Architekturen
auseinander. / The students get familiar with modern embedded parallel system-on-chip archi-
tectures.
• Die Studierenden wenden grundlegende Performanzmodelle und Parallelisierungtechniken zur
Analyse und Optimierung von parallelen Algorithmen und Architekturen an. / The students
exercise basic performance models and parallelization techniques for the analysis and optimiza-
tion of parallel algorithms and architectures.
• Die Studierenden setzen die Modellierung und den Entwurf von massiv-parallelen Prozessorfel-
dern in konkreten Aufgaben selbstständig um. / In concrete tasks, the students apply indepen-
dently the modeling and the design of massively parallel processors arrays.
• Die Studierenden wenden das erlernte Wissen in den erweiterten Übungen vor Ort an den
Rechnerarbeitsplätzen des Lehrstuhls an. / The students apply their learned knowledge in hands-
on computer exercises on-site at the chair’s computer workstations.
Literatur:
Siehe Webseite: [Link]
systeme/

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Informatik (Bachelor of
Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Bachelor
of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Parallele Systeme (Vorlesung mit erweiterten Übungen) (Prüfungsnummer: 740665)
(englische Bezeichnung: Parallel Systems with Extended Exercises)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:

• Prüfung und erfolgreiche Bearbeitung aller Übungsaufgaben in den erweiterten Übungen (ver-
pflichtend, vor Ort an den Rechnerarbeitsplätzen des Lehrstuhls).
• Die Modulnote ergibt sich aus der Prüfungsleistung.

UnivIS: 15.06.2022 18:14 112

 • Ein Wechsel der Prüfungsform von einer Klausur zu einer mündlichen Prüfung ist in Ausnahme-
fällen (siehe § 16 ABMPO/TechFak) auch nach Semesterbeginn noch möglich. In diesem Fall
werden die Studierenden spätestens zwei Wochen nach Vorlesungsbeginn informiert.
• Prüfungssprache: Deutsch oder Englisch. Die Unterrichts- und Prüfungssprache hängt von den
Sprachkenntnissen und Präferenzen der Teilnehmerinnen und Teilnehmer ab und wird dement-
sprechend innerhalb der ersten zwei Wochen nach Vorlesungsbeginn festgelegt.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Jürgen Teich (100115), 2. Prüfer: Frank Hannig (100192)

Organisatorisches:
Die Auswahl dieses Moduls schließt die Auswahl des Moduls „Parallele Systeme (PSYS-VU)“ aus.
Bemerkungen:
auch für Computational Engineering

UnivIS: 15.06.2022 18:14 113

Modulbezeichnung: Swarm Intelligence (SI), formerly Organic Computing 5 ECTS
(OC) (SI)
(Swarm Intelligence (SI), formerly Organic Computing (OC))
Modulverantwortliche/r: Rolf Wanka
Lehrende: Rolf Wanka
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Swarm Intelligence (SI), formerly Organic Computing (OC) (SS 2022, Vorlesung, 2 SWS, Rolf Wanka)
Übungen zu Swarm Intelligence (SS 2022, Übung, 2 SWS, Matthias Kergaßner)

Inhalt:
Unter Swarm Intelligence (SI) versteht man den Entwurf und den Einsatz von selbst-organisierenden
Systemen, die sich den jeweiligen Umgebungsbedürfnissen dynamisch anpassen. Diese Systeme zeich-
nen sich dadurch aus, dass sie die sog. Self-*-Eigenschaft besitzen, d.h. sie sind selbst-konfigurierend,
selbst-optimierend, selbst-heilend, selbst-schützend, selbst-erklärend, ...
Als Vorbild für solche technischen Systeme werden Strukturen und Methoden biologischer und anderer
natürlicher Systeme gewählt.
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Lernende können Wissen abrufen und wiedergeben. Sie kennen konkrete Einzelheiten wie Begriffe,
Definitionen, Fakten, Regeln, Theorien, Merkmale, Kriterien, Abläufe. Sie lernen den Begriff des
Organic Computings von anderen Paradigmen zu unterscheiden.
Verstehen
Lernende können Beispiele anführen und Aufgabenstellungen interpretieren.
Anwenden
Lernende können ein neues Problem wie z.B. Ranking-Erstellung durch Transfer des Wissens lösen.
Analysieren
Lernende können ein Problem in einzelne Teile zerlegen und so die Struktur des Problems verste-
hen.
Sozialkompetenz
Fähigkeit und Bereitschaft, zielorientiert mit anderen zusammenzuarbeiten.
Literatur:
• Ch. Müller-Schloer, Ch. von der Malsburg, R. P. Würt. Organic Computing. Informatik-Spektrum,
Band 27, Nummer 4, S. 332-336. (LINK)
• I. C. Trelea. The particle swarm optimization algorithm: convergence analysis and parameter selec-
tion. Information Processing Letters 85 (2003) 317-325. (LINK)
• J. M. Kleinberg. Authoritative sources in a hyperlinked environment. Journal of the ACM 46 (1999)
604-632. (LINK)
• M. Dorigo. V. Maniezzo. A Colorni. Ant system: an autocatalytic optimizing process. Technical
Report 91-016, Politecnico di Milano, 1991. (LINK)
• A. Badr. A. Fahmy. A proof of convergence for Ant algorithms. Information Sciences 160 (2004)
267-279.
• M. Clerc. J. Kennedy. The particle swarm - Explosion, stability, and convergence in a multidimen-
sional complex space. IEEE Transactions on Evolutionary Computation 8 (2002) 58-73.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

UnivIS: 15.06.2022 18:14 114

 Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Compu-
tational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Mathematik
(Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)", "Wirt-
schaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Swarm Intelligence (Prüfungsnummer: 45001)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Rolf Wanka (100367)

Bemerkungen:
Auch für CE

UnivIS: 15.06.2022 18:14 115

Modulbezeichnung: Test- und Analyseverfahren zur Softwareverifikation und 5 ECTS
-Validierung (TestAn-SWE)
(Test and Analysis Techniques for Software Verification and
Validation)
Modulverantwortliche/r: Francesca Saglietti
Lehrende: Francesca Saglietti
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Software Test and Analysis (Software Verification and Validation) (WS 2021/2022, Vorlesung, 2 SWS,
Francesca Saglietti et al.)
Übungen zu Software Test and Analysis (Exercises in Software Verification and Validation) (WS
2021/2022, Übung, 2 SWS, Marc Spisländer)

Inhalt:
Das Modul befasst sich zunächst mit der Bewertung der Relevanz eingebetteter Software in kom-
plexen Automatisierungssystemen. In Abhängigkeit vom Grad der zu übernehmenden Sicherheitsver-
antwortung werden anschließend zahlreiche Test- und Analyseverfahren unterschiedlicher Rigorosität
behandelt, die sich jeweils zur Überprüfung der Entwicklungskorrektheit (Verifikation) bzw. der Auf-
gabenangemessenheit (Validierung) eignen.
Content:
The module starts with approaches aimed at evaluating the relevance of embedded software in complex
control systems. Depending on the degree of the underlying safety relevance, several testing and analysis
techniques at different levels of rigour are successively introduced; their application helps checking the
correctness of the product developed (verification) resp. the appropriateness of the task specified
(validation).
Lernziele und Kompetenzen:
Die Studierenden
• analysieren die Relevanz eingebetteter Software in komplexen Automatisierungssystemen anhand
von Fehlerbäumen und kausalen Relationen;
• unterscheiden verschiedene Testverfahren hinsichtlich ihrer Erfüllung struktureller, kontrollflussba-
sierter bzw. datenflussbasierter Codeüberdeckungskriterien sowie ihres Fehlererkennungspotenzials;
• bewerten die Angemessenheit von Testfallmengen mittels Mutationstesten;
• überprüfen die Korrektheit von Modellen und Programmen anhand axiomatischer Beweisverfahren
und Model-Checking-Verfahren.
Learning objectives and competencies:
The students
• analyse the relevance of embedded software in complex control systems by means of fault trees and
causal relations;
• distinguish between different testing techniques in terms of their achievement of structural, control
flow based resp. data flow based code coverage criteria and their fault detection capabilities;
• evaluate the adequacy of test case sets by means of mutation testing;
• check the correctness of models and programs by means of axiomatic proofs and model checking.
Literatur:
Lehrbuch der Softwaretechnik (Band 1), Helmut Balzert, 2000

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Embedded
Systems | Wahlpflichtmodul aus INF im Schwerpunkt Embedded Systems)

UnivIS: 15.06.2022 18:14 116

 Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Science)", "Informatik (Mas-
ter of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik (Bachelor of
Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Test- und Analyseverfahren zur Software-Verifikation und Validierung (Prüfungsnummer: 32001)
(englische Bezeichnung: Testing and Analytical Procedures in Software Verification and Validation)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfungsteilnehmer wählen unmittelbar vor Prüfungsbeginn die Prüfungssprache. Wechsel ist
während der Prüfung möglich.
Alternative Prüfungsformen:
• elektronische mündliche Fernprüfung (über Zoom)
• schriftliche Präsenzprüfung (90 Minuten)
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Francesca Saglietti (100112)

Test- und Analyseverfahren zur Software-Verifikation und Validierung (Prüfungsnummer: 32001)

(englische Bezeichnung: Testing and Analytical Procedures in Software Verification and Validation)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfungsteilnehmer wählen unmittelbar vor Prüfungsbeginn die Prüfungssprache. Wechsel ist
während der Prüfung möglich.
Alternative Prüfungsformen:
• elektronische mündliche Fernprüfung (über Zoom)
• schriftliche Präsenzprüfung (90 Minuten)
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Francesca Saglietti (100112)

UnivIS: 15.06.2022 18:14 117

Modulbezeichnung: Kommunikationssysteme-VÜ (KS-VÜ) 5 ECTS
(Communication Systems LeEx)
Modulverantwortliche/r: Reinhard German
Lehrende: Reinhard German
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Kommunikationssysteme (WS 2021/2022, Vorlesung, 2 SWS, Reinhard German)
Übungen zu Kommunikationssysteme (WS 2021/2022, Übung, 2 SWS, Alexander Brummer)

Empfohlene Voraussetzungen:
Basic knowledge of working with the Linux command line interface (terminal).

Inhalt:
Aus Rechnerkommunikation ist der grundlegende Aufbau von IP-basierten Netzen bekannt, Inhalt
von Kommunikationssysteme sind weitere Netztechnologien wie Leitungsvermittlung (Telefonnetze,
Sonet/SDH/WDM) und Netze mit virtueller Leitungsvermittlung (ATM, MPLS) sowie Netzwerkvir-
tualisierung (SDN, NFV), Multimediakommunikation über paketvermittelte Netze (Streaming, RTP,
SIP, Multicast), Dienstgüte in paketvermittelten Netzen (Integrated Services, RSVP, Differentiated
Services, Active Queue Management, Policing, Scheduling), drahtlose und mobile Kommunikation
(GSM, UMTS, LTE, 5G, Wimax, WLAN, Bluetooth, ZigBee u.a. Sensornetze). Auch Kommunikation
in der Industrie wird behandelt. In der Übung werden praktische Aufgaben im Labor durchgeführt: ein
Labor enthält mehrere IP-Router, Switches und Rechner, IP-Telefone und Telefonie-Software für VoIP,
es werden verschiedene Konfigurationen eingestellt und getestet. Ein weiterer Übungsteil beschäftigt
sich mit Mobilkommunikation.
Contents:
Based on the course computer communications the architecture of IP networks is known. Contents
of this course will be additional networking technologies such as circuit switching (telephony, SO-
NET/SDH/WDM) and networks with virtual circuit switching (ATM, MPLS) as well as network vir-
tualization (SDN, NFV), multimedia communications over packet switched networks (streaming, RTP,
SIP, multicast), quality-of-service in packet switched networks (integrated services, RSVP, differentia-
ted services, active queue management, policing, scheduling), wireless and mobile communications
(GSM, UMTS, LTE, 5G, Wimax, WLAN, Bluetooth, sensor networks such as ZigBee). Industrial com-
munication will also be a topic. In the tutorial practical tasks are performed in the laboratory: One
laboratory contains several IP routers, switches and computers, IP phones and VoIP telephone soft-
ware. Various configurations are set up and tested. Another part of the tutorial deals with mobile
communications.
Lernziele und Kompetenzen:
Die Studierenden erlangen
• Kenntnisse über Technologien bei der Leitungs- und Paketvermittlung in leitungsgebundenen und
drahtlosen/mobilen Netzen
• Kenntnisse über die Grundlagen von Dienstgütemechanismen in paketvermittelten Netzen
• praktische Erfahrung in der Konfiguration eines IP-Switch-Router-Netzes mit Multimediaverkehr
Students obtain the following learning targets and competences
• Knowledge of technologies in circuit and packet switching in wired and wireless/mobile networks
• Knowledge of the foundations of quality of service mechanisms in packet switched networks
• Practical experience in configuring an IP switch router network with multimedia traffic
Literatur:
• Kurose, Ross. Computer Networking: A Top-Down Approach. 7th Ed., Pearson Education, 2017
• W. Stallings. Data and Computer Communications, 10th ed., Pearson Education, 2014

UnivIS: 15.06.2022 18:14 118

 • W. Stallings. Foundations of Modern Networking: SDN, NFV, QoE, IoT, and Cloud, Pear-son Edu-
cation, 2016
• Cox. An Introduction to LTE. Wiley, 2012

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Pflichtmodule)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Rechnergestütztes In-
genieurwesen) (Bachelor of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor
of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of
Science)", "Informations- und Kommunikationstechnik (Master of Science)", "International Information Sys-
tems (IIS) (Master of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Kommunikationssysteme (Prüfungsnummer: 39501)
(englische Bezeichnung: Communication systems)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulprüfung besteht aus:
• Bearbeitung (zwei)wöchentlicher Aufgabenblätter in Gruppenarbeit. Für diese unbenotete Stu-
dienleistung sind alle Aufgabenblätter korrekt zu lösen und abzugeben.
• Klausur von 90 Minuten

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Reinhard German (100165)

UnivIS: 15.06.2022 18:14 119

Modulbezeichnung: Mobile Communications (MC) 5 ECTS
(Mobile Communications)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ralf Müller
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Mobile Communications (SS 2022, Vorlesung, 3 SWS, Ralf Müller et al.)
Mobile Communications - Tutorial (SS 2022, Übung, 1 SWS, Ali Bereyhi)

Inhalt:
History of mobile communications, cellular systems, sectorization, spectral efficiency, co-channel in-
terference, adjacent-channel interference, near-far effect, cellular network architecture, antenna types
and parameters, free space propagation, reflection, attenuation, diffraction, scattering, classification of
channel models, ground reflection model, Okumura-Hata model, shadowing, narrow-band fading, time-
variant channels, scattering function, delay-Doppler spectrum, diversity principles, combining methods,
diversity gain, multiplexing, duplexing, digital modulation, Gaussian filtered minimum shift keying, ba-
sics of channel coding, interleaving, global system for mobile communications, physical versus logical
channels, frame structure, call set-up, synchronization, channel estimation, hand-off
Lernziele und Kompetenzen:
The students explain the cellular structure of mobile communication systems. They students explain
the physical mechanics of radio wave propagation in the cm-band. The students explain the GSM
cellular communications standard. The students discuss the pros and cons of several multiple-access
and duplexing methods. The students discuss the pros and cons of several modulation and coding
formats. The students decide which antenna type is suitable for a given morphological structure of the
environment. The students predict the amplitude and dynamic of the antenuation between a mobile
transmitter and a fixed receiver. The students utilize diversity methods to improve the link quality.
The students determine the coverage probability of a given cellular communication system.
The students collaborate on solving exercise problems. The students discuss which system solutions
fit to which environments.
Literatur:
Proakis, J.: Digital Communications, McGraw-Hill, 4th ed., 2001.
Rappaport, T.: Wireless Communications: Principles & Practice, Prentice Hall, 2nd ed., 2001.
Mouly, M., Paulet, M.: The GSM System for Mobile Communications, Cell & SYS, France, 1992.
Goldsmith, A.: Wireless Communications, Cambridge Univ. Press, 2005.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Pflichtmodule)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Communi-
cations Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik
Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik
und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master
of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kom-
munikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)", "Wirtschaftsingenieurwesen
(Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 120

Studien-/Prüfungsleistungen:
Mobile Communications (Prüfungsnummer: 31411)
(englische Bezeichnung: Mobile Communications)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Ralf Müller (100355)

UnivIS: 15.06.2022 18:14 121

Modulbezeichnung: Dienstgüte von Kommunikationssystemen (DKS) 5 ECTS
(Quality of Service in Communications)
Modulverantwortliche/r: Reinhard German
Lehrende: Reinhard German
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Quality of Service in Communications (SS 2022, Vorlesung, 2 SWS, Reinhard German)
Quality of Service in Communications (Ex-QoSiC) (SS 2022, Übung, 2 SWS, Lisa Maile)

Empfohlene Voraussetzungen:
Rechnerkommunikation, Kommunikationssysteme, grundlegende Programmierkenntnisse (optimal in R
und C++)
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Kommunikationssysteme-VÜ

Inhalt:
Zunächst wird der Begriff der Dienstgüte (Quality-of-Service, QoS) eingegrenzt und es werden die
wichtigsten Ansätze zur Erzielung von Dienstgüte besprochen und in ausgewählten Netztechnologien
untersucht. Dann werden unterschiedliche Methoden vorgestellt, mit denen Systeme bezüglich ihrer
Dienstgüte bewertet und ausgelegt werden können:
• Netzplanung und - optimierung,
• stochastische Analyse (Markow-Ketten, Warteschlangen),
• Netzwerksimulation,
• deterministische Analyse mit Network Calculus zur Ermittlung von Dienstgütegarantien
• Messung (HW-, SW-, Hybrid-Monitoring, Benchmarks).
Alle Methoden werden an Beispielen demonstriert.
Contents:
We introduce the term quality-of-service (QoS), discuss important approaches to achieve certain de-
grees of QoS, and show how the implementation in computer networks. Then a number of methodo-
logies to assess and design systems with respect to their QoS:
• network planning and optimization,
• network simulation,
• stochastic analysis (Markov chains, non-Markovian models, queuing systems),
• deterministic analysis with network calculus to determine QoS guarantees
• measurements (hardware, software, and hybrid monitoring, benchmarks).
All methods are illustrated by examples.
Lernziele und Kompetenzen:
Die Studierenden erwerben
• Kenntnisse in Methoden zur Modellierung und Bewertung von quantitativen, nicht-funktionalen
Eigenschaften von vernetzten Systemen
• Kenntnisse in Mechanismen von vernetzten Systemen zur Erzielung von Dienstgüte
Learning targets and competences:
The students get
• experience in methods to model and evaluate quantitative, non-functional properties of computer
networks and related systems
• knowledge of mechanisms of computer networks to achieve quality-of-service
Literatur:
• Kurose, Ross. Computer Networking: A Top-Down Approach Featuring the Internet. 6th Ed., Addison
Wesley, 2013

UnivIS: 15.06.2022 18:14 122

 • W. Stallings. Data and Computer Communications, 10th ed., Pearson Education, 2014
• W. Stallings. Foundations of Modern Networking: SDN, NFV, QoE, IoT, and Cloud, Pearson Edu-
cation, 2016

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikations-
technik (Master of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik
(Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Dienstgüte von Kommunikationssystemen (Prüfungsnummer: 43611)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Prüfungsleistung, Klausur, benotet, 5 ECTS
Anteil an der Berechnung der Modulnote: 100.0 %
Weitere Erläuterungen:
Die im Rahmen der Übung gestellten (zwei-) wöchentlichen Übungsaufgaben können abgegeben
werden und werden in diesem Fall bewertet. Auf Basis des Ergebnisses dieser Bewertungen können
bis zu 10 % Bonuspunkte bei der schriftlichen Klausur erworben werden, die zu dem Ergebnis einer
bestandenen Klausur hinzugerechnet werden. Bei einer mündlichen Klausur werden die Bonuspunkte
umgerechnet auf Notenschritte, um welche eine bestandene Klausurnote verbessert werden kann (bis
zu zwei Notenschritte, Beispiel: von 1.7 auf 1.3 or 1.0).
Benotete Prüfung: Bei mehr als 20 Teilnehmern wird die Prüfung schriftlich stattfinden (Dauer
90 Minuten) sonst mündlich (Dauer 30 min).
Further explanations:
The (two-) weekly assignments of the exercise can be submitted and will be scored in this case.
Based on the result of these scores, up to 10% bonus points can be earned, which are added to
the final points of a successfully passed exam. In an oral exam, the bonus points are converted into
steps by which a passed exam grade can be improved (up to two steps, e.g. from 1.7 to 1.3 or 1.0).
Graded examination: If there are more than 20 participants, the examination will be written
(duration 90 minutes) otherwise oral (duration 30 minutes).
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Reinhard German (100165)

Organisatorisches:
Alles Material ist in Englisch, die Vorlesung und die Übungen werden in Englisch gehalten.
All material, lectures and exercises are in English.

UnivIS: 15.06.2022 18:14 123

Modulbezeichnung: Advanced Communication Networks (ACN) 5 ECTS
(Advanced Communication Networks)
Modulverantwortliche/r: Laura Cottatellucci
Lehrende: Laura Cottatellucci
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Advanced Communication Networks (SS 2022, Vorlesung, 3,5 SWS, Laura Cottatellucci)
Advanced Communication Networks - Tutorial (SS 2022, Übung, 0,5 SWS, Walid Ghanem)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Digital Communications

Inhalt:
Telecommunications have become ubiquitous in daily life and wireless networks play a fundamental role
thanks to their capability to support mobility. In a wireless communication, the concept of link does not
exist. Users radiate energy and communicate through the superposition of each other’s transmissions
which creates interference. Compared to wireline networks this scenario is extremely challenging but also
offers unpredictable opportunities in the development of new technologies (massive MIMO, cognitive
radio, etc.) and exploitation of new features, e.g., opportunistic communications and multiuser diversity.
The exponentially increasing request of higher and higher throughput is satisfied densifying users and
access points per unit area and allowing more and more interference while adopting advanced techniques
and innovative resource allocation to mitigate the detrimental effects of interference.
Objective of this course is to introduce the student to advanced techniques for coordinated medium
access control and radio resource management in cellular systems. Power allocation, rate adaptation
and scheduling will be discussed both in centralized and distributed settings. Some mathematical
methods play a fundamental role in resource allocation, namely, classical Perron-Frobenius theory for
nonnegative matrices, convex and nonconvex constrained optimization, distributed optimization and
game theory. The course introduces the student to such methods and exemplifies their application to
various resource allocation problems. Additionally, the course addresses relevant aspects of resource
allocation in wireless networks such as fairness and cross-layer design.
Technical Content
• Properties and challenges of the wireless medium.
• Basic concepts of communication networks: the layered architecture.
• Evolution of wireless cellular network architectures: From Global System for Mobile to Advanced-
Long Term Evolution.
• Multiple Access Schemes: CSMA variants, TDMA, FDMA, CDMA, OFDMA, SC-FDMA, SDMA.
• Uplink-downlink duality.
• Opportunistic scheduling and multiuser diversity.
• Advanced concepts: small cells and heterogeneous networks, relaying and cooperation, network
coding, cognitive radio networks.
• Basics of resource allocation: power allocation, rate adaptation, and scheduling.
• Classical resource allocation techniques: Centralized and distributed power control based on the
Perron-Frobenius theorem.
• Fundamentals of convex constrained optimization and application to resource allocation.
• Resource allocation and fairness.
• Fundamentals of nonconvex optimization and relaxation techniques.
• Applications of nonconvex optimization to resource allocation.
• Fundamentals of distributed optimization and applications to resource allocation.
• Fundamental concepts of game theory.
• Resource contention via game theoretical methods.
Lernziele und Kompetenzen:

UnivIS: 15.06.2022 18:14 124

 The student
• Describes and/or recognizes wireless channel models.
• Criticizes the limits of a layered architecture in wireless systems.
• Defends the use of cross-layer design in wireless network.
• Appraises and compares the distribution of functionalities in network entities for different architec-
tures.
• Argue on the pros and contras of different multiple access schemes according to various criteria (e.g.
spectral efficiency, power efficiency, robustness to interference).
• Compares and contrasts micro-diversity and various macro-diversity schemes.
• Computes the total rate of SDMA with various receivers.
• Relates the multiple access in uplink to broadcasting in downlink and justifies the concept of uplink-
downlink duality.
• Uses uplink-downlink duality to design a precoder and allocate power.
• Contrasts multiple access in uplink and broadcasting in downlink in terms of channel state acquisition
both for TDD and FDD transmission.
• Uses multiuser diversity for opportunistic scheduling.
• Compares multiuser diversity for users having identical and different channel statistics.
• Contrasts opportunistic scheduling in terms of channel state acquisition and feedback both for uplink
and downlink and for both FDD and TDD transmission schemes.
• Appraises the impact of multiple antennas on opportunistic scheduling.
• Analyses different settings with interference in small cells and designs countermeasures.
• Categorizes relaying schemes in LTE.
• Analyses performance of relaying schemes.
• Argues on possible improvements of relaying schemes via network coding and physical layer network
coding.
• Uses the Perron-Frobenious theorem to allocate power in a centralized manner.
• Judges the feasibility of a power control problems and formulates alternative approaches in case of
unfeasibility.
• Uses the Perron-Frobenious theorem to design a distributed power control scheme.
• Judges the convergences of distributed power control based on the Perron-Frobenius theorem and
appraises the robustness of asynchronous power control.
• Applies techniques of convex optimization to discriminate convex problems and determine necessary
and/or sufficient conditions for global optimality.
• Judges the applicability of KKT conditions and duality.
• Uses KKT conditions to solve convex optimization problems.
• Uses duality to solve convex optimization problems.
• Applies convex optimization to resource allocation in wireless communications.
• Compares different definitions of fairness and applies them to rate allocation.
• Appraises the effect of channel knowledge at the transmitter on different fairness criteria.
• Applies KKT conditions for opportunistic user scheduling.
• Describes a proportional fair algorithm for opportunistic scheduling.
• Applies relaxation to nonconvex quadratic constrained quadratic programming.
• Formulates resource allocation problems as constrained optimization programming.
• Contrasts various distributed optimization methods.
• Applies the concept of best response to determine Nash equilibria.
• Argues about existence and uniqueness of Nash equilibria.
• Assesses if a given game is a potential game and solves it.
• Defends the concept of Pareto optimality in resource allocation.
• Contrasts the concepts of pure and mixed strategies in game theory.
• Uses coupled constrained concave game to allocate powers in heterogeneous networks.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)

UnivIS: 15.06.2022 18:14 125

 (Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Enginee-
ring (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:
Advanced Communication Networks (Prüfungsnummer: 151664)
(englische Bezeichnung: Advanced Communication Networks)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Possibly carried out as a 30-minute digital remote exam with ZOOM.
Evtl. digitale Fernprüfung von 30 Minuten Dauer mittels ZOOM.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Laura Cottatellucci (100463)

UnivIS: 15.06.2022 18:14 126

Modulbezeichnung: Ausgewählte Kapitel der Audiodatenreduktion (AKADR) 2.5 ECTS
(Advanced Topics in Perceptual Audio Coding)
Modulverantwortliche/r: Jürgen Herre
Lehrende: Jürgen Herre
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Ausgewählte Kapitel der Audiodatenreduktion (WS 2021/2022, Vorlesung, 2 SWS, Jürgen Herre)

Inhalt:
Perceptual audio coding is ubiquitous in modern life (mp3 players, mobile phones, DVD players,
computers, ...) Based on related classes (esp. „Speech and Audio Processing"), this lecture aims at
deepening the understanding of modern algorithms for perceptual source coding of audio. It includes
an overview of the most relevant standardized coders, starting with MPEG-1 (incl. mp3) via MPEG-4
all the way to the most recent MPEG Audio standard. The significant algorithms are discussed and
new approaches are described.
The selected topics include:
• Efficient coding of several audio channels / parametric multi- channel coding
• Typical coding artifacts; subjective and objective quality assessment
• Scalable audio coding
• Bandwidth extension
• Semi-parametric audio coding
• Low-delay audio coding
The lecture includes a number of demonstrations and audio examples to illustrate the discussed algo-
rithms.
Lernziele und Kompetenzen:
• Wissen - Die Studenten kennen die Hauptkomponenten eines gehörangepassten Audiocodecs, sowie
die wichtigsten Algorithmen, Codierstrategien und Bewertungsmethoden. Weiterhin kennen sie die
Terminologie und gängige Abkürzungen aus diesem Kontext.
• Verstehen - Die Studenten verstehen, wie Designentscheidungen in Audiocodecs die letztendlich
erreichte Audioqualität beeinflussen, verstehen die gebräuchlichsten Tools aus dem Bereich der
gehörangepasste Audiocodierung und wie verschiedene Anwendungsszenarien das Coderdesign be-
stimmen.
• Anwenden - Die Studenten können übliche mathematische Analysemethoden verwenden, um einfache
Coder-Componenten zu beschreiben und gegebenenfalls zu modifizieren.
• Analysieren - Die Studenten können Audiocodierungs-Standards und wahrnehmungsbasierte Mess-
werkzeuge dazu analysieren um die zugrundeliegenden Konzepte und Anforderungen zu erfassen.
• Evaluieren (Beurteilen) - Die Studenten können Audiocodierungs-Standards und wahrnehmungsba-
sierte Messwerkzeuge evaluieren um zu beurteilen, welcher Standard bzw. welches Messwerkzeug
das passendste ist für einen bestimmten Anwendungsfall.
• Synthese - Die Studenten können eine Liste von Anforderungen und Bewertungskriterien für Audio-
codecs zusammenstellen für gewünschte Anwendungsfälle.
• Lern- bzw. Methodenkompetenz - Die Studenten hinterfragen bestehende Ansätze hinsichtlich ihrer
Anwendbarkeit in der Praxis.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

UnivIS: 15.06.2022 18:14 127

 [2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)",
"Berufspädagogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master
of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik,
Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Mas-
ter of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Ausgewählte Kapitel der Audiodatenreduktion (Prüfungsnummer: 68751)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfung kann wahlweise in Deutsch oder Englisch abgelegt werden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jürgen Herre (100004)

UnivIS: 15.06.2022 18:14 128

Modulbezeichnung: Channel Coding on Graphs (ChCoGraph) 5 ECTS
(Channel Coding on Graphs)
Modulverantwortliche/r: Laura Cottatellucci
Lehrende: Laura Cottatellucci
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Channel Coding on Graphs (SS 2022, Vorlesung, 3,5 SWS, Laura Cottatellucci)
Channel Coding on Graphs - Tutorial (SS 2022, Übung, 0,5 SWS, Nikita Shanin)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Information Theory and Coding

Inhalt:
Description
In today’s communications world, channel coding underlies the physical layer of all major communica-
tion systems. For example: algebraic block coding (Reed-Solomon codes) are used in the CD and DVD
standards; trellis coded modulation is used in line modems; low-density parity check codes (LDPC) are
used in satellite communications (DVB-S2 standard), LAN (10GBase-T Ethernet) and wireless LAN
(Wi-Fi 802.11); turbo codes are implemented in 3G/4G mobile communications (e.g. in UMTS and
LTE) and in (deep space) satellite communications. Recently, polar codes have been adopted for the
eMBB (Enhanced Mobile Broadband) control channels for the 5G NR (5th Generation New Radio)
interface.
Objective of this course is to provide an introductory but thorough background on codes over graphs
and covers both classical convolutional codes and the modern theory of random-like codes with iterative
decoding. Namely, LDPCs (Low Density Parity Check Codes, Turbo Codes, and Polar Codes. Students
will acquire the fundamental knowledge to design and analyze performance of channel codes on graphs,
as well as implement the corresponding encoders and decoders.
Technical Content
• Role of channel coding in a communication system.
• Idealized channel models : the binary symmetric channel (BSC), the binary erasure channel (BEC),
the constrained-input Gaussian channel.
• Some preliminary basic concepts from linear block codes: Parity Check, Hamming distance, weight
enumerating functions, performance evaluations, and performance bounds.
• Factor graphs and belief propagation.
• Binary random-like codes: LDPC codes and message-passing decoding, threshold behaviour of mes-
sage passing decoding: density evolution analysis. Design of LDPC ensembles.
• Polar Codes: Polarization, polar channel coding, performance, encoding and decoding.
• Binary convolutional codes : the algebraic structure, the dynamic structure, Viterbi decoding, per-
formance analysis via weight enumerating function, the forward-backward algorithm.
• Other random-like codes: the Turbo Codes. Efficient decoding of Turbo Codes via forward-backward
algorithm and interpretation via factor graphs. Performance analysis and exit charts.
Lernziele und Kompetenzen:
The student
• Uses idealized channel models (the binary symmetric channel (BSC), the binary erasure channel
(BEC), the constrained-input
Gaussian channel) to compute their capacities
• Contrasts soft output decoders with disjoint detection and decoding, maximum likelihood and ma-
ximum a posteriori decoders
• Relates the concepts of Parity Check, Hamming distance, weight enumerating functions to the
performance analysis of codes on graphs

UnivIS: 15.06.2022 18:14 129

 • Devises factor graphs of proposed communication systems
• Assesses and justifies the applicability of belief propagation to given factor graphs
• Assesses and justifies the applicability of message passing to codebooks defined in terms of Tanner
graph or parity check matrix
• Applies message passing to codebooks defined in terms of Tanner graph or parity check matrix
• Analyses the performance of LDPC code decoding via density evolution
• Computes exit charts for LDPC codes for the equations of the density evolution
• Designs LDPC ensemble for a given channel to maximize the code rate
• Justifies the design of LDPC codes via design of LDPC ensembles
• Interprets convolutional codes as linear block codes
• Compares algebraic and dynamic representations of convolutional codes
• Computes steps of the Viterbi algorithm
• Summarizes and justifies the fundamental structure of the Viterbi algorithm
• Computes steps of the BCJR algorithm
• Summarizes and justifies the fundamental structure of BCJR algorithm
• Compares Viterbi and BCJR algorithms
• Justifies low complexity and/or practical implementations of the Viterbi and the BCJR algorithm
• Attaches a direct graph to a convolutional code and computes its transfer function
• Assesses the performance of the Viterbi decoder via (bit) weight enumerating function based on the
transfer function method
• Interprets a BCJR algorithm as message passing over a factor graph
• Combines encoders of convolutional codes to generate parallel concatenated codes with interleaver
(turbo codes) of given rate
• Combines encoders of convolutional codes to generate serial concatenated codes with interleaver
(turbo codes)
• Compares the key features of parallel concatenated codes with interleaver (turbo codes) to serial
concatenated codes with interleaver (turbo codes)
• Designs decoders for turbo codes utilizing coupled BCJR-based decoders for convolutional codes
• Interprets turbo decoders as factor graphs and justifies their implementation via message passing
• Assesses the performance of turbo codes using exit charts
• Formulates the concept of source polarization and relates it to polar channel coding
• Interprets polar channel coding as factor graphs
• Designs polar channel codes
• Argues about capacity achievability of polar channel codes

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Enginee-
ring (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 130

 Channel Coding on Graphs (Prüfungsnummer: 412023)
(englische Bezeichnung: Channel Coding on Graphs)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
mündliche Prüfung, 30 Minuten (falls notwendig als elektronische Fernprüfung) (oral exam, 30
minutes (if necessary as electronic remote exam))
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Laura Cottatellucci (100463)

UnivIS: 15.06.2022 18:14 131

Modulbezeichnung: Entzerrung und adaptive Systeme in der digitalen 2.5 ECTS
Übertragung (E AS DÜ)
(Equalization and Adaptive Systems for Digital Communications)
Modulverantwortliche/r: Wolfgang Gerstacker
Lehrende: Wolfgang Gerstacker
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Equalization and Adaptive Systems for Digital Communications (WS 2021/2022, Vorlesung, 2 SWS,
Wolfgang Gerstacker)

Empfohlene Voraussetzungen:
Vorkenntnisse in Systemtheorie und digitaler Signalverarbeitung, sowie entweder der Vorlesung Nach-
richtentechnische Systeme oder Digitale Übertragung sind für die Teilnahme hilfreich.

Inhalt:
Bei der digitalen Übertragung spielen Kanalverzerrungen aufgrund ständig steigender Datenraten ei-
ne immer grössere Rolle. Bei vielen Anwendungen müssen für eine zuverlässige Übertragung kom-
plexe Entzerrverfahren eingesetzt werden. Dies gilt sowohl für die leitungsgebundene als auch die
drahtlose Kommunikation. Z.B. werden in der xDSL-Systemfamilie (Digital Subscriber Lines), die eine
schnelle digitale Übertragung über Ortsanschlussleitungen gewährleistet, oft entscheidungsrückgekop-
pelte Entzerrverfahren oder Vorcodierungsverfahren eingesetzt und beim Mobilfunkstandard GSM und
seiner Weiterentwicklung EDGE (Enhanced Data Rates for GSM Evolution) Maximum-Likelihood-
Sequenzschätzung bzw. zustandsreduzierte Entzerrung. Eng im Zusammenhang mit der eigentlichen
Entzerrung stehen Adaptionsverfahren, mit denen die Parameter des Entzerrers optimal an den Über-
tragungskanal angepasst werden können.
Lernziel: Ziel der Vorlesung ist eine umfassende Darstellung gebräuchlicher Entzerrungs- und Adap-
tionsverfahren. Den Teilnehmern sollen fundierte Kenntnisse der verschiedenen Verfahren vermittelt
werden, die sie zu deren sinnvollem Einsatz in der Praxis befähigen.
Content:
Channel distortions are playing an increasingly important role in digital transmission due to constantly
increasing data rates. In many applications, complex equalization techniques must be used for a reliable
transmission. This applies to both wired and wireless communication. For example, decision feedback
equalization or precoding techniques are often used in the xDSL (Digital Subscriber Lines) system
family, which ensures fast digital transmission over local subscriber loops, and the GSM system and
its advanced version EDGE (Enhanced Data Rates for GSM Evolution) employ maximum likelihood
sequence estimation and state-reduced equalization. Closely related to the task of equalization are
adaptation methods with which the parameters of the equalizer can be optimally adjusted to the
transmission channel. Objective: The aim of the lecture is a comprehensive presentation of common
equalization and adaptation methods. The participants should acquire an in-depth knowledge of the
various procedures which enables them to make meaningful design decisions in practice.
Lernziele und Kompetenzen:
Die Studierenden
• beschreiben verschiedene Verfahren zur Entzerrung frequenzselektiver Übertragungskanäle
wie lineare Entzerrung, entscheidungsrückgekoppelte Entzerrung und Maximum-Likelihood-
Sequenzschätzung,
• setzen die verschiedenen Ansätze in Blockdiagramme um und optimieren deren Komponenten,
• vergleichen Entzerrverfahren hinsichtlich ihrer Leistungsfähigkeit, charakterisiert durch die Fehlerra-
te, und Komplexität,
• wählen geeignete Verfahren für verschiedene Anwendungen wie leitungsgebundene und drahtlose
Übertragung aus,
• entwerfen neuartige Verfahren für gegebene Anforderungen,

UnivIS: 15.06.2022 18:14 132

 • formulieren Adaptionsalgorithmen zur automatischen Anpassung des Empfängers eines Übertra-
gungssystems an den Kanal,
• ordnen Entzerrverfahren einen geeigneten Adaptionsalgorithmus zu.
Learning Objectives and Competences:
The students
• describe various methods for equalizing frequency-selective transmission channels such as linear
equalization, decision feedback equalization and maximum likelihood sequence estimation,
• realize various approaches in block diagrams and optimize their components,
• compare equalization methods in terms of their performance, characterized by the error rate, and
complexity,
• select suitable methods for various applications such as wired and wireless transmission,
• design novel schemes for given requirements,
• formulate adaptation algorithms for automatic adaptation of the receiver of a transmission system
to the channel,
• assign suitable adaptation algorithms to equalization schemes.
Literatur:
Gerstacker, W.: Skriptum zur Vorlesung Entzerrung und adaptive Systeme in der digitalen Übertragung.
Huber, J.: Trelliscodierung, Springer Verlag, Berlin, 1992.
Benedetto, S., Biglieri, E.: Principles of Digital Transmission with Wireless Applications, Kluwer Aca-
demic Publishers, New York, 1999.
Proakis, J. G.: Digital Communications. McGraw-Hill, New York, 3. ed., 1995.
Haykin, S.: Adaptive Filter Theory, Prentice Hall, Upper Saddle River, NJ, 3. ed., 1996.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Com-
munications Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspäd-
agogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)",
"Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elek-
tronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Entzerrung und adaptive Systeme in der digitalen Übertragung_ (Prüfungsnummer: 34001)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Wolfgang Gerstacker (100255)

UnivIS: 15.06.2022 18:14 133

Modulbezeichnung: HF- und Digital-Architektur von Funksystemen (HFDAF) 2.5 ECTS
(RF and Digital Architecture of Radio Systems)
Modulverantwortliche/r: Georg Fischer
Lehrende: Georg Fischer, Heinrich Milosiu
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
RF and Digital Architecture of Radio Systems (SS 2022, Vorlesung, 2 SWS, Heinrich Milosiu)

Inhalt:
• Architektur von Funksystemen
• Hochfrequenz- und Digital-Teil
• Analog-Digital Balance
• Vielfachzugriff
• Leistungsmerkmale der physikalischen Schicht und ihre Implementierung
• Transceiver-Architekturen
• AD- und DA-Umsetzung
• Beurteilung der Transceiverkomplexität
• Grundanforderungen an Basisbandprozessoren
• Signalintegrität und Analyse von Verzerrungen (EVM)
• Elektronische Kompensationsverfahren
• Digitale Signalkonditionierung
• Spektrumszuweisung
• Frequenzagile Funksysteme
• Pegelrechnung zur Funkschnittstelle
• Grundzüge der Verkehrstheorie und Netzdimensionierung
• Funknetzplanung
• Funkabdeckung, Netzkapazität und spektrale Effizienz
• Leistungsverbrauch
• Leistungshaushalt
Content:
Architecture of radio communication systems
RF and digital section
Analogue-digital Balance
Multiple Access schemes
Physical Layer features and their hardware implementation
Transceiver architectures
AD and DA conversion
Transceiver complexity assessment
Baseband processor fundamentals
Signal integrity and impairment analysis (Error Vector Magnitude)
Electronic counter measures
Digital signal conditioning
Spectrum licensing
Frequency agile radio
Link budget calculations
Basic traffic theory and engineering
Network planning
Network coverage, capacity and spectral efficiency
Power consumption
Power budget
Lernziele und Kompetenzen:

UnivIS: 15.06.2022 18:14 134

 • Die Studierenden verstehen die Architektur von Mobilfunk-Basisstationen
• Die Studierenden sind in der Lage Blockdiagramme für den Sende- und Empfangspfad zu erstellen.
• Die Studierenden kennen die Leistungsmerkmale des GSM Mobilfunksystems auf der Funkschnitt-
stelle.
• Die Studierenden wissen welche Leistungsmerkmale die Netzabdeckung und welche die Netzkapazität
erhöhen.
• Die Studierenden kennen die Implementierung von Leistungsmerkmalen.
• Die Studierenden kennen die Vor- und Nachteile verschiedener Sender- und Empfängerarchitekturen.
• Die Studierenden können einen Pegelplan für die Funknetzplanung erstellen.
• Die Studierenden können die Störquellen für Signalverzerrungen qualitativ und quantitativ beschrei-
ben.
• Die Studierenden verstehen die Vor- und Nachteile analoger und digitaler Signalverarbeitung.
• Die Studierenden verstehen die Grundsätze der Verkehrstheorie und -modellierung.
• Die Studierenden kennen die Metriken zur Beschreibung der ökonomischen Zusammenhänge bei der
Funknetzplanung.
• Die Studierenden können die Signaldynamik im Kontext der Analog-Digital-Umsetzung berechnen.
• Die Studierenden können den Leistungshaushalt einer Basisstation quantitativ beschreiben.
Learning objectives and competencies:
Stundents
-can analyse the architecture of cellular basestations
-can sketch block diagrams for the TX and RX path
-can reproduce radio requirements of GSM physical layer
-can identify radio features whether they increase coverage or capacity
-can describe implementation of radio features
-can analyse the pros and cons of different radio architectures
-can sketch a level plan for link budget analysis
-can describe sources of signal distortion in qualitative and quantitative way
-can explain the pros and cons of analogue versus digital signal processing
-can recall basics of traffic theory and modelling
-can apply metrics for economical assessment with network planning
-can evaluate the dynamic range in the context of Analog-Digital-Conversion
-can analyse the power budget of a basestation in a quantitative way

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Communications and Multimedia Engineering (Master
of Science)", "Informations- und Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
HF- und Digital-Architektur von Funksystemen (Prüfungsnummer: 629391)
(englische Bezeichnung: RF and Digital Architecture of Radio Systems)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Prüfungssprache abhängig von der Wahl des Studierenden
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023 (nur für Wiederholer), 2. Wdh.: SS 2023

UnivIS: 15.06.2022 18:14 135

 1. Prüfer: Georg Fischer (100226)

UnivIS: 15.06.2022 18:14 136

Modulbezeichnung: Integrierte Schaltungen für Funkanwendungen (ISF) 5 ECTS
(Integrated Circuits for Wireless Technologies)
Modulverantwortliche/r: Christopher Söll
Lehrende: Albert-Marcel Schrotz, Christopher Söll
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Integrierte Schaltungen für Funkanwendungen (WS 2021/2022, Vorlesung, 2 SWS, Robert Weigel)
Übungen zu Integrierte Schaltungen für Funkanwendungen (WS 2021/2022, Übung, 2 SWS, Albert-
Marcel Schrotz)

Inhalt:
• Transceiver-Architekturen
• Hochfrequenzaspekte
• Tranistoren und Technologien
• Passive Bauelemente und Netzwerke
• Rauscharme Vorverstärker
• Mischer
• Oszillatoren
• Phasenregelschleifen und Synthesizer
• Messtechnische Grundlagen
Lernziele und Kompetenzen:
Nach der Teilnahme an den Modulveranstaltungen sind die Studierenden in der Lage:
• Den Aufbau sowie Vor-und Nachteile von Transceiver-Architekturen zu verstehen
• Hochfrequenzaspekte von Transistoren und Schaltungen zu analysieren
• Geeignete Integrationstechnologien auszuwählen
• Passive Bauelemente und Netzwerke zu verstehen und anzuwenden
• Schaltungstopologien rauscharmer Vorverstärker, Mischer,Oszillatoren anzuwenden und zu analysie-
ren

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor
of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Bachelor of
Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Integrierte Schaltungen für Funkanwendungen (Prüfungsnummer: 62601)
(englische Bezeichnung: Integrated Circuits for Wireless Technologies)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Robert Weigel (100221)

UnivIS: 15.06.2022 18:14 137

UnivIS: 15.06.2022 18:14 138
Modulbezeichnung: Kanalcodierung (KaCo) 5 ECTS
(Channel Coding)
Modulverantwortliche/r: Clemens Stierstorfer
Lehrende: Clemens Stierstorfer
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Channel Coding (SS 2022, Vorlesung mit Übung, 4 SWS, Clemens Stierstorfer)

Empfohlene Voraussetzungen:
Es ist hilfreich, wenn die Studierenden die erlernten Algorithmen in eine Programmiersprache (C,
Matlab usw.) umsetzen können.
It would be very helpful if the participants can implement the specified algorithms into a programming
language (C, Matlab, etc.).
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Digital Communications
Information Theory and Coding

Inhalt:
1 Introduction and Motivation 1.1 Definition,Related Fields 1.2 Basic Principles 1.2.1 Schemes 1.2.2
How to Add Redundancy 1.2.3 Applications 1.3 Historical Notes
2 Fundamentals of Block Coding 2.1 General Assumptions 2.2 Transmission Channels 2.2.1 Discrete-
Time AWGN Channel 2.2.2 Binary Symmetric Channel(BSC) 2.2.3 Channels with Memory 2.3 Moti-
vation for Coding 2.4 Fundamentals of Block Coding 2.4.1 Code and Encoding 2.4.2 Decoding
3 Introduction to Finite Fields I 3.1 Group 3.1.1 Orders of Elements and Cycles 3.1.2 Subgroups,
Cosets 3.2 Field 3.3 Vector Spaces
4 Linear Block Codes 4.1 Generator Matrix 4.2 Distance Properties 4.3 Elementary Operations 4.4
Parity-Check Matrix 4.5 Dual Codes 4.6 Syndrome Decoding 4.7 Error Probability and CodingGain
4.7.1 Error Detection 4.7.2 Error Correction - BMD 4.7.3 Error Correction - ML Decoding 4.7.4 Coding
Gain 4.7.5 Asymptotic Results 4.8 Modifications of Codes 4.9 Bounds on the Minimum Distance 4.10
Examples for Linear Block Codes 4.10.1 Binary Hamming Codes (q=2) 4.10.2 Simplex Codes 4.10.3
Ternary Golay Code 4.10.4 Reed-Muller Codes
5 Linear Cyclic Codes 5.1 Modular Arithmetic 5.2 Generator Polynomial 5.3 Parity-Check Polynomial
5.4 Dual Codes 5.5 Discrete Systems over Fq 5.6 Encoders for Cyclic Codes 5.6.1 Generator Matrix
5.6.2 Non-Systematic Encoding 5.6.3 Systematic Encoding 5.6.4 Systematic Encoding Using h(x) 5.7
Syndrome Decoding 5.7.1 Syndrome 5.7.2 Decoding Strategies 5.8 Examples for Linear Cyclic Block
Codes 5.8.1 Repetition Code and Single Parity-Check Code 5.8.2 Binary Hamming Codes 5.8.3 Simplex
Codes 5.8.4 Golay Codes 5.8.5 CRC Codes
6 Introduction to Finite Fields II 6.1 Extension Fields 6.2 Polynomials over Finite Fields 6.3 Primitive
Element 6.4 Existence of Finite Fields 6.5 Finite Fields Arithmetic 6.6 Minimal Polynomials, Conjugate
Elements, and Cyclotomic Cosets 6.7 Summary of Important Properties of Finite Fields 6.8 (Discrete)
Fourier Transform over Finite Fields
7 BCH and RS Codes 7.1 The BCH Bound 7.2 Reed-Solomon Codes 7.3 BCH Codes 7.4 Algebraic
Decoding of BCH Codes and RS Codes 7.4.1 Basic Idea 7.4.2 The Berlekamp-Massey Algorithm 7.5
Application: Channel Coding for CD and DVD 7.5.1 Error Correction for the CD 7.5.2 Error Correction
for the DVD
8 Convolutional Codes 8.1 Discrete Systems over F 8.2 Trellis Coding 8.3 Encoders for Convolutional
Codes 8.4 (Optimal) Decoding of Convolutional Codes 8.4.1 Maximum-Likelihood Sequence Estimation
(MLSE) 8.4.2 Maximum A-Posteriori Symbol-by-Symbol Estimation
9 Codes with Iterative Decoding 9.1 State of the Art 9.2 Preliminaries 9.2.1 Check Equations 9.2.2
Repetition Code, Parallel Channels 9.2.3 Log-Likelihood Ratios(LLR) 9.3 Turbo Codes 9.4 LDPC Codes
Lernziele und Kompetenzen:

UnivIS: 15.06.2022 18:14 139

 Das Modul Kanalcodierung umfasst eine umfassende Einführung in die Grundlagen der algebraischen,
fehlerkorrigierenden Blockcodes sowie einen Einstieg in die Thematik der Faltungscodes. Iterativ de-
codierte Codeschemata wie Turbo-Codes und LDPC-Codes werden ebenfalls eingeführt. Im Einzelnen
sind die Inhalte oben aufgeführt.
Die Studierenden definieren die Problematik der Kanalcodierung, grenzen sie von anderen Codierverfah-
ren (z.B. der Quellencodierung) ab und kennzeichnen die unterschiedlichen Ansätze zur Fehlerkorrektur
und -erkennung. Sie nennen Beispiele für Einsatzgebiete von Kanalcodierung und geben einen Überblick
über die historische Entwicklung des Fachgebiets.
Die Studierenden erstellen Übertragungsszenarien für den Einsatz von Kanalcodierung bestehend aus
Sender, Übertragungskanal und Empfänger und beachten dabei die Grundannahmen beim Einsatz von
Blockcodes bzw. der Modellierung der Kanäle. Sie formulieren mathematische Beschreibungen der
Encodierung sowie der optimalen Decodierung bzw. suboptimaler Varianten.
Die Studierenden beherrschen die Grundlagen fehlerkorrigierender linearer Blockcodes, beschreiben die-
se mathematisch korrekt mittels Vektoren und Matrizen über endlichen Körpern und implementieren
und bewerten zugehörige Encoder- und Decoderstrukturen insbesondere Syndromdecoder. Dabei modi-
fizieren sie Generatormatrizen, ermitteln Prüfmatrizen und erstellen Syndromtabellen. Sie schätzen die
minimale Hammingdistanz von Codes mittels (asymptotischer) Schranken ab und können den erzielba-
ren Codegewinn erläutern. Sie kennen und benutzen beispielhaften Codefamilien (z.B. Hamming-Codes,
Simplex-Codes, Reed-Muller-Codes).
Die Studierenden erkennen die Vorteile zyklischer linearer Blockcodes und beschreiben diese mit Poly-
nomen über endlichen Körpern. Sie nutzen die Restklassenrechnung bzgl. Polynomen zur Umsetzung
systematischer Encoder und zur Realisierung von Syndromdecodern mittels Schieberegisterschaltun-
gen. Sie kennen beispielhafte Codefamilien.
Die Studierenden nutzen Primkörper, Erweiterungskörper, Minimalpolynome und Kreisteilungsklassen
sowie die Spektraldarstellung über endlichen Körpern zur Realisierung von BCH- und Reed-Solomon-
Codes gemäß der BCH-Schranke. Se verstehen die Grundlagen der Decodierung von BCH- und Reed-
Solomon-Codes insbesondere des Berlekamp-Massey-Algorithmus. Sie skizzieren und erläutern die Ka-
nalcodierkonzepte von CD und DVD.
Die Studierenden erklären die Unterschiede von Faltungscodes und Blockcodes, skizzieren anhand
von tabellierten Generatorpolynomen zugehörige Encoder und erläutern diese. Sie erklären die Funk-
tionsweise des optimalen Decoders (MLSE), demonstrieren diese beispielhaft und vergleichen sie mit
symbolweiser Decodierung (MAPPSE).
Die Studierenden verstehen die Grundlagen der iterativen Decodierung, insbesondere wenden sie die
Grundlagen des Information Combining zur Kombination von verschiedenen Beobachtungen an. Sie
verstehen die Bedeutung von Log-Likelihood-Ratios bei iterativen Decodieruvorgängen und berechnen
diese. Sie skizzieren die Grundlegenden Encoder- und Decoderstrukturen von Turbo-Codes und die
Grundzüge der Codierung mit LDPC-Codes u.a. der Decodierung mittels Belief Propagation.
Die Vorlesung erfolgt wechselweise auf Deutsch oder Englisch (Winter/Sommer). Die zur Verfügung
gestellten Unterlagen sind ausschließlich in Englisch gehalten. Die Studierenden verwenden entweder
die englischen Fachtermini sicher oder kennen diese und drücken sich sicher mit den entsprechenden
deutschen Fachbegriffen aus.
Die Umsetzung der angegebenen Algorithmen in eine Programmiersprache (C, Matlab usw.) sollten die
Studierenden zu diesem Zeitpunkt des Studiums üblicherweise beherrschen. Übungen hierzu bleiben
der Eigeninitiative überlassen.
—
Students define the problems of channel coding, how to distinguish it from other coding methods
(such as source coding) and how to describe the various different approaches to error correction and
detection. They are able to list example application areas of channel coding and give an overview of
the historical development of the field. Furthermore, they describe and analyze transmission scenarios
for the application of channel coding which consist of transmitter, transmission channel and receiver,
taking into account the general assumptions for applying block codes or modeling the channels. They
formulate mathematical descriptions of encoding, optimal decoding and sub-optimal methods.
Students illustrate the principles of error-correcting linear block codes and describe them mathemati-
cally using vectors and matrices over finite fields. They implement and analyze corresponding encoder

UnivIS: 15.06.2022 18:14 140

 and decoder structures, in particular syndrome decoders, and modify generator matrices, construct
test matrices and create syndrome tables. They estimate the minimum Hamming distance of codes
using (asymptotic) bounds and are able to explain the coding gain that can be achieved in individual
cases. They analyze and use example code families (e.g. Hamming codes, simplex codes, Reed-Muller
codes).
Students explain the advantages of cyclic linear block codes and how to describe them with polynomials
over finite fields. They apply polynomial modular arithmetic to implement systematic encoders and
realize syndrome decoders using shift register circuits. They know and use exemplary code families.
Students use prime fields, extension fields, minimal polynomials and cyclotomic cosets, and spectral re-
presentation over finite fields to implement BCH and Reed-Solomon codes using the BCH bound. They
understand the foundations of decoding BCH and Reed-Solomon codes, in particular the Berlekamp-
Massey algorithm, and how to sketch and explain the channel coding concepts of CDs and DVDs.
Students are able to describe the differences between convolutional codes and block codes, to sketch
the respective encoders based on tabulated generator polynomials and to explain them. They are able to
explain how optimal decoders (MLSE) work using examples and compare them with symbol-by-symbol
decoding (MAPPSE).
Students sketch the foundations of iterative decoding. In particular, they apply methods of information
combining to combine different observations. They use and calculate log-likelihood ratios in iterative
decoding processes, sketch the basic encoding and decoding structures of turbo codes and the basics
of coding using LDPC codes (including decoding using belief propagation).
The lecture is held alternately in German or English (winter / summer). The documents provided are
only in English. Students are able to use the English technical terms correctly or know them and are
able to express themselves using the respective technical terms in German.
Students should usually be able to convert the algorithms specified into a programming language (C,
Matlab, etc.) at this point in their studies. Exercises for this are left to your own initiative.
Literatur:
• C. Stierstorfer, R. Fischer, J. Huber: Skriptum zur Vorlesung
• M. Bossert: Kanalcodierung, Oldenbourg Wissenschaftsverlag, 3. Auflage, 2013
• M. Bossert: Channel Coding for Telecommunications, John Wiley & Sons, 1999
• B. Friedrichs: Kanalcodierung, Springer Verlag, 1996
• S.B. Wicker: Error Control Systems for Digital Communications and Storage, Prentice-Hall, 1995

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Communi-
cations Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik
Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik
(Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Ba-
chelor of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)"
verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 141

 Kanalcodierung (Prüfungsnummer: 62701)
(englische Bezeichnung: Channel Coding)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Erlaubte Hilfsmittel: nicht-programmierbarer Taschenrechner, ein Blatt Format A4 (oder entspre-
chende Fläche) mit eigenen, handschriftlichen Notizen; Prüfungssprache abhängig von der Wahl
des/der Studenten/-in.
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Clemens Stierstorfer (100285)

UnivIS: 15.06.2022 18:14 142

Modulbezeichnung: Kommunikationselektronik (KE) 5 ECTS
(Communication Electronics)
Modulverantwortliche/r: Jörg Robert
Lehrende: Jörg Robert
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Kommunikationselektronik (SS 2022, Vorlesung, 2 SWS, Jörg Robert et al.)
Übung Kommunikationselektronik (SS 2022, Übung, 2 SWS, Clemens Neumüller)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen, grundlegende Kenntnisse im Bereich digitaler Signalverarbeitung
werden vorausgesetzt

Inhalt:
1. Einleitung
2. Darstellung von Signalen und Spektren
• Kontinuierliche und diskrete Signale
• Spektrum eines Signals
• Unterabtastung und Überabtastung
3. Aufbau und Signale eines Software Defined Radio Systems
• Blockschaltbild eines Software Defined Radio Systems
• Basisband- und Trägersignale
• Empfänger-Topologien
• Signale in einem Software Defined Radio System
4. Drahtlose Netzwerke
5. Übertragungsstrecke
• Funkstrecke
• Antennen
6. Leistungsdaten eines Empfängers
• Rauschen
• Nichtlinearität
• Dynamikbereich eines Empfängers
7. Digital Downconverter
• CIC-Filter
• Polyphasen-FIR-Filter
• Halbband-Filterkaskade
• Interpolation
8. Demodulation digital modulierter Signale
• Einführung
• Demodulation einer GFSK/PAM-Paketsendung
Das Modul Kommunikationselektronik behandelt Aspekte der Schaltungstechnik und der Signalverar-
beitung drahtloser Übertragungssysteme, die als sog. "Software Defined Radio" Systeme aufgebaut
sind. Als Beispiel dient der Empfänger eines einfachen Telemetrie-Systems, der von der Antenne bis
zum Nutzdatenausgang behandelt wird. Schwerpunkte bilden der Aufbau und die Eigenschaften der
Hardware des Empfängers sowie die Algorithmen zum Empfang von Telemetrie-Signalen. Dabei wird
ein typisches System mit Hilfe eines miniaturisierten Empfängers und einer Verarbeitung mit dem
MATLAB-kompatiblen Mathematikprogramm Octave implementiert. Die benötigte Software wird den
Studierenden zur Verfügung gestellt.
Content:
1. Introduction
2. Signal representation and discrete signals

UnivIS: 15.06.2022 18:14 143

 a. Continuous and discrete signals
b. Signal spectrum
c. Downsampling and upsampling
3. Structure and signals of a Software Defined Radio
a. Block diagram of a Software Defined Radio
b. Base band signals and carrier signals
c. Receiver topologies
d. Signals in a Software Defined Radio
4. Wireless networks
5. Transmission path
a. Radio link
b. Antennas
6. Performance data of a receiver
a. Noise
b. Nonlinearities
c. Dynamic range of a receiver
7. Digital Down Converter
a. CIC filter
b. Polyphase FIR filter
c. Halfband filter cascade
d. Interpolation
8. Demodulation of digital modulated signals
a. Introduction
b. Demodulation of a GFSK/PAM packet transmission
The module Communication Electronics deals with aspects of circuitry and signal processing of wireless
communication systems, built up as so-called “Software Defined Radio" systems. A receiver of a simple
telemetry system serves as an example, being examined starting from its antenna to the user data
output. The focus lies on the structure and the characteristic of the receiver’s hardware as well as the
algorithms for the reception of telemetry signals. A typical system is implemented using a miniaturized
receiver and processing with the MATLAB-compatible Octave math program. The required software
is provided to the students.
Lernziele und Kompetenzen:
1. Die Studierenden verstehen die grundlegende Funktionsweise eines Software Defined Radio (SDR)
Systems, d.h. sie verstehen die Funktionsweise der einzelnen Signalverarbeitungsschritte sowie die
auftretenden Signale selbst.
2. Die Studierenden analysieren die Leistungsfähigkeit der analogen Komponenten eines SDR Systems
und können Verfahren zur Optimierung dieser Komponenten selbständig anwenden.
3. Die Studierenden analysieren die digitalen Verarbeitungsschritte ausgewählter Modulationsarten und
können damit selbst die digitale Signalverarbeitung eines SDR Senders und Empfängers erschaffen.
1. The students will understand the basic operation of a Software Defined Radio (SDR) system, i.e.
the students will understand how the individual signal processing steps work as well as the signals
themselves.
2. The students analyze the performance of the analog components of an SDR system and are able
to apply procedures for optimizing these components independently.
3. The students analyse the digital processing steps of selected modulation types and are able to create
the digital signal processing of an SDR transmitter and receiver themselves.
Literatur:
Skriptum zur Veranstaltung im StudON verfügbar: [Link]

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

UnivIS: 15.06.2022 18:14 144

 [2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "247#56#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educati-
on)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik
und Informationstechnik (Master of Science)", "Informatik (Master of Science)", "Informations- und Kom-
munikationstechnik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Mas-
ter of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Kommunikationselektronik (Prüfungsnummer: 27301)
(englische Bezeichnung: Communication Electronics)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jörg Robert (100352)

Organisatorisches:
Organisatorisches / Sprache: Skripte: deutsche und englische Vorlesungsfolien Vorlesungssprache:
Deutsch Prüfungssprache: Englisch und Deutsch unabhängig vom Studiengang

UnivIS: 15.06.2022 18:14 145

Modulbezeichnung: Kommunikationsstrukturen (KOST) 5 ECTS
(Communication Structures)
Modulverantwortliche/r: Jürgen Frickel
Lehrende: Jürgen Frickel
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Kommunikationsstrukturen (WS 2021/2022, Vorlesung, 2 SWS, Jürgen Frickel)
Übungen zu Kommunikationsstrukturen (WS 2021/2022, Übung, 2 SWS, Jürgen Frickel)

Inhalt:
Einführung
• Information und Kommunikation
• Anwendungsgebiete - Kommunikation
Strukturen und Eigenschaften von Kommunikationssystemen
• Grundlegende Definitionen und Klassifikationen
• Grundlegende Strukturen
Protokolle und Schnittstellen
• Grundlagen
• Basis-Verfahren und Beispiele
• TCP/IP-Protokol
• Referenzmodell nach ISO/OSI
• Sicherungsschicht/Data Link Layer (LLC und MAC)
• Bitübertragungsschicht/Physical Layer
• Übertragungsmedien
Hardware in Kommunikationsstrukturen
• HW-Architekturen und Funktionsblöcke
• Digitale und Analoge Komponenten
• Schaltungsdetails von Komponenten
Grundlagen von Bussystemen
• Klassifikation
• Funktionale Eigenschaften
• Arbitrierungs-Verfahren
Leitungsgebundene Anwendungen für Rechnersysteme
• Bus-Applikationen
• Baustein-/IC-interne Busse (AMBA, FPI, ConTraBus, . . . .)
• Baugruppeninterne Busse (I2C, Chipsätze+Bridges, . . . .)
• Busse für Rechensysteme (VME, ISA, PCI, PCIe, AGP, . . . .)
• Peripherie-Busse (ATA, IEC, USB, Firewire, Fibre Channel, Thunderbolt . . . .)
Leitungsgebundene Anwendungen in Systemen
• Feldkommunikation
• Automobil, Luftfahrt, Space (CAN, MOST, LIN, MILBus, Spacewire . . . .)
• Industrie, Haustechnik (Profibus, EIB, . . . .)
• Weitverkehrsnetze
• SDH, PDH, ATM, . . .
Lernziele und Kompetenzen:
1. Die Studierenden werden in die Lage versetzt die Konzepte und Verfahren vor allem drahtgebundener
Kommunikationssysteme anzuwenden.
2. Die Studierenden lernen die Funktionsweise und den Einsatzzweck diverser Kommunikationsproto-
kolle zu verstehen, und miteinander zu vergleichen.
3. Desweiteren analysieren und klassifizieren Sie grundlegende Strukturen von leitungsgebundenen
Kommunikationssystemen anhand ihrer funktionalen Eigenschaften.

UnivIS: 15.06.2022 18:14 146

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Infor-
matik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master
of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsin-
genieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Kommunikationsstrukturen (Prüfungsnummer: 68011)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jürgen Frickel (100261)

Bemerkungen:
Vorlesung für Lehramtstudierende: 2 SWS

UnivIS: 15.06.2022 18:14 147

Modulbezeichnung: MIMO Communication Systems (MIMOCom) 5 ECTS
(MIMO Communication Systems)
Modulverantwortliche/r: Robert Schober
Lehrende: Robert Schober
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
MIMO Communication Systems (SS 2022, Vorlesung, 3 SWS, Robert Schober)
MIMO Communication Systems - Tutorial (SS 2022, Übung, 1 SWS, Hedieh Ajam)

Empfohlene Voraussetzungen:
Basic course in communications

Inhalt:
Modern communication systems employ multiple antennas at the transmitter and/or receiver creating
a multiple-input multiple-output (MIMO) system. This course covers the fundamental mathematical
and communication theoretical concepts necessary for the design and analysis of MIMO communication
systems. Relevant topics include MIMO Channel Capacity, Receive Diversity, Transmit Diversity, Space-
Time Coding, Spatial Multiplexing, MIMO Transceiver Design, Multi-user MIMO, Massive MIMO,
Relay-based MIMO, and applications in modern communication systems.
Lernziele und Kompetenzen:
The students
• learn about different MIMO channel models,
• analyze MIMO communication systems with respect to their channel capacity and reliability,
• determine MIMO figures of merit such as coding gain, diversity gain, and multiplexing gain,
• compare and evaluate different MIMO receiver designs,
• characterize the rate region of multiuser systems,
• analyze massive MIMO systems,
• discuss the advantages and disadvantages of different relay network architectures.
Die Studierenden
• lernen verschiedene MIMO-Kanalmodelle kennen,
• analysieren MIMO-Kommunikationssysteme hinsichtlich der Kanalkapazität und Zuverlässigkeit,
• ermitteln MIMO-Kenngrößen wie Codierungsgewinn, Diversitätsgewinn und Multiplexgewinn,
• vergleichen und beurteilen verschiedene MIMO-Empfangsstrategien,
• charakterisieren die Ratenregion von Mehrteilnehmersystemen,
• analysieren Massive-MIMO-Systeme,
• diskutieren die Vor- und Nachteile verschiedener Relaisnetzwerkarchitekturen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Communi-
cations Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik
Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik

UnivIS: 15.06.2022 18:14 148

 (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsinge-
nieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
MIMO Communication Systems (Prüfungsnummer: 63001)
(englische Bezeichnung: MIMO Communication Systems)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Robert Schober (100229)

UnivIS: 15.06.2022 18:14 149

Modulbezeichnung: Optische Übertragungstechnik (OPÜT) 5 ECTS
(Optical Communication Systems)
Modulverantwortliche/r: Bernhard Schmauss
Lehrende: Bernhard Schmauss
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Optische Übertragungstechnik (SS 2022, Vorlesung, 2 SWS, Bernhard Schmauss)
Optische Übertragungstechnik Übung (SS 2022, Übung, 2 SWS, Benedikt Beck et al.)

Empfohlene Voraussetzungen:
Komponenten optischer Kommunikationssysteme hilfreich aber nicht obligatorisch
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Komponenten optischer Kommunikationssysteme

Inhalt:
Kommerzielle Optische Kommunikationssysteme erreichen pro Faser Übertragungskapazitäten von
mehreren Tbit/s. Im Labor wurden mehr als 100Tbit/s nachgewiesen. Die Realisierung derartiger
Systeme setzt die Beherrschung verschiedenster Techniken der optischen Übertragungstechnik voraus.
In der Vorlesung werden Techniken des Zeitbereichs - (TDM) und Wellenlängenmultiplex (WDM),
aber besonders auch der Auslegung der Übertragungsstrecke (Link Design) auf der Basis entsprechen-
der physikalischer und signaltheoretischer Grundlagen behandelt und vertieft. Dabei werden Verfahren
besprochen, die sicherstellen, dass sowohl die Signalverzerrungen durch lineare und nichtlineare Faser-
effekte als auch die Akkumulation des Verstärkerrauschens begrenzt bleiben. Es wird ausführlich die
Systemoptimierung hinsichtlich des optischen Signal-Rausch-Verhältnisses (OSNR) diskutiert sowie
auf Techniken des Dispersions- und Nichtlinearitätsmanagements (z.B. Solitonenübertragung) einge-
gangen. Hierbei wird dem Themenkomplex einer optimalen Streckenauslegung besonders eingehend
behandelt. In der Folge werden verschiedene, gebräuchliche Modulationsverfahren einschließlich kohä-
renter Übertragungsverfahren behandelt, die in neueren Systemen eingesetzt und in experimentellen
Systemen getestet werden. Eine Besprechung optischer Verfahren zur Signalregeneration bildet die
Brücke zu aktuellen eigenen Forschungsarbeiten.
Die vermittelten Grundlagen werden in der Übung zur Vorlesung durch praxisnahe und anschauliche
Simulationsbeispiele vertieft.
Lernziele und Kompetenzen:
Die Studierenden
• besitzen spezialisiertes und vertieftes Wissen über die Konzeption und Struktur verschiedener opti-
scher Übertragungssysteme.
• können die Qualität optischer Datensignale im Kontext verschiedener Systemkonzepte vergleichen
und bewerten
• sind in der Lage Streckenauslegungen zu entwickeln und zu optimieren.
• besitzen methodische Kenntnis zur Bestimmung und Verbesserung der Leistungsfähigkeit optischer
Übertragungsstrecken unter Einbeziehung aktueller wissenschaftlicher Ergebnisse.
Literatur:
Agrawal, G.P.: Fiber-Optic Communication Systems, John Wiley & Sons, 1997
Agrawal, G.P.: Nonlinear Fiber Optics, John Wiley & Sons, 3. Auflage, 2001
Kaminow, I, Koch, T.: Optical Fiber Telecommunications IVA, Academic Press, 2002
Skriptum zur Vorlesung Kaminow, I, Li, T., Willner,A.: Optical Fiber Telecommunications VA, Acade-
mic Press, 2008

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 150

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educa-
tion)", "Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes In-
genieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Mas-
ter of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik,
Elektronik und Informationstechnik (Master of Science)", "Informatik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Optische Übertragungstechnik (Prüfungsnummer: 24001)
(englische Bezeichnung: Optical Communication Systems)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
According to the regulations concerning deviations from degree programme and examina-
tion regulations digital online examinations via ZOOM (30 minutes) have been defined as
an alternative form for examinations.
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: digitale Fernprüfung
von 30 Minuten Dauer mittels ZOOM.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Bernhard Schmauss (100256)

Organisatorisches:
Siehe UniVIS-Eintrag der zugeordneten Lehrveranstaltungen!

UnivIS: 15.06.2022 18:14 151

Modulbezeichnung: Schaltungen und Systeme der Übertragungstechnik (SSÜ) 5 ECTS
(Circuits and Systems of Transmission Techniques)
Modulverantwortliche/r: Norman Franchi
Lehrende: Maximilian Lübke
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Schaltungen und Systeme der Übertragungstechnik (SS 2022, Vorlesung, 2 SWS, Norman Franchi et
al.)
Übungen zu Schaltungen und Systeme der Übertragungstechnik (SS 2022, Übung, 2 SWS, Norman
Franchi et al.)

Inhalt:
Im Rahmen dieses Modules werden die Grundlagen und technische Ausführung Übertragungstechniken
vermittelt. Fokus liegt dabei auf dem Automotivebereich. Elektrofahrzeuge werden nicht nur die heute
bereits in der Oberklasse verfügbaren Fahrassistenzsysteme nutzen sondern weitere E-Mobility spe-
zifische Anwendung insbesondere zur Energie- und Reichweitoptimierung. Drahtlose Kommunikation
zwischen Fahrzeug und Ladeeinrichtungen, zwischen Fahrzeugen untereinander, genaue Ortung und
Streckenprognose sowie autonomes energiesparendes Fahren mit Radar-Abstandsreglung spielen hier
eine wichtige Rolle. In diesem Modul werden diese modernen Entwicklungen adressiert und die dafür
notwendigen Grundlagen erarbeitet.
• Grundlagen:
-Funkkanaleigenschaften
-Modellierung
-Modulation, Codierung, Vielfachzugriff
• Fahrzeugkommunikationssysteme:
-Übertragungssysteme für die Fahrassistenz
-Car-to-Car und Car-to-X-Kommunikation
-Breitbandige In-Car-Datenübertragung
• Fahrzeugsensorik:
-Fahrzeugortung (lokal und global)
-Automobilradar und Umfeldüberwachung
-Sensorische Erfassung von Bioparametern im Fahrzeug
Lernziele und Kompetenzen:
Die Studierenden sind nach der erfolgreichen Teilnahme am Modul in der Lage:
• Funkkanaleigenschaften und Modelle für spezifische Anwendungs- und Betriebsszenarien anzuwen-
den
• Modulationstechniken zu erläutern und zu analysieren
• Moderne Codierungs- und Vielfachzugriffstechniken zu erläutern
• Architekturen und Anwendungen von Fahrzeugkommunikationssystemen zu erläutern und zu analy-
sieren
• Architekturen und Anwendungen von Fahrzeugsensoriksystemen zu erläutern und zu analysieren

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

UnivIS: 15.06.2022 18:14 152

 Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Communications
and Multimedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Ba-
chelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informatik
(Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Ba-
chelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschafts-
ingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Schaltungen und Systeme der Übertragungstechnik (Prüfungsnummer: 64101)
(englische Bezeichnung: Circuits and Systems of Transmission Techniques)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Eine alternative Prüfungsleistung kann gemäß Corona-Satzung die mündliche Prüfung darstellen.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Norman Franchi (100365)

UnivIS: 15.06.2022 18:14 153

Modulbezeichnung: Statistische Signalverarbeitung (STASIP) 5 ECTS
(Statistical Signal Processing)
Modulverantwortliche/r: Walter Kellermann
Lehrende: Walter Kellermann, Thomas Haubner
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Statistische Signalverarbeitung (WS 2021/2022, Vorlesung, 3 SWS, Walter Kellermann)
Ergänzungen und Übungen zur statistischen Signalverarbeitung (WS 2021/2022, Übung, 1 SWS, Tho-
mas Haubner)

Empfohlene Voraussetzungen:
Module ,Signale und Systeme I’ und ,Signale und Systeme II’, ,Digitale Signalverarbeitung’ oder gleich-
wertige

Inhalt:
The course concentrates on fundamental methods of statistical signal processing and their applications.
The main topics are:
Discrete-time stochastic processes in the time and frequency domain Random variables (RVs),
probability distributions and densities, expectations of random variables, transformation of RVs, vectors
of normally distributed RVs, time-discrete random processes: probability distribution and densities,
expectation, stationarity, cyclostationarity, ergodicity, correlation functions and correlation matrices,
spectral representations, principal component analysis (PCA), Karhunen-Loève transform (KLT).
Estimation theory
estimation criteria, prediction, classical and Bayesian parameter estimation (including MMSE, Maxi-
mum Likelihood, and Maximum A Posteriori estimation), Cramer-Rao bound
Linear signal models
Parametric models (cepstral decomposition, Paley-Wiener theorem, spectral flatness), non-parametric
models (all-pole, all-zero and pole-zero models, lattice structures, Yule-Walker equations, PARCOR
coefficients, cepstral representation)
Signal estimation
Supervised estimation, problem classes, orthogonality principle, MMSE estimation, linear MMSE esti-
mation for normally distributed random processes, optimum FIR filtering, optimum linear filtering for
stationary processes, prediction and smoothing, Kalman filters, optimum multichannel filtering (Wiener
filter, LCMV, MVDR, GSC)
Adaptive filtering
Gradient methods, LMS, NLMS, APA and RLS algorithms and their convergence behavior
Zeitdiskrete Zufallsprozesse im Zeit- und Frequenzbereich
Zufallsvariablen (ZVn), Wahrscheinlichkeitsverteilungen und - dichten, Erwartungswerte; Transforma-
tion von ZVn; Vektoren normalverteilter ZVn; zeitdiskrete Zufallsprozesse (ZPe): Wahrscheinlichkeits-
verteilungen und - dichten, Erwartungswerte, Stationarität, Zyklostationarität, Ergodizität, Korrelati-
onsfunktionen und -matrizen, Spektraldarstellungen; ,Principal Component Analysis’, Karhunen-Loeve
Transformation;
Schätztheorie
Schätzkriterien; Prädiktion; klassische und Bayes’sche Parameterschätzung (inkl. MMSE, Maximum
Likelihood, Maximum A Posteriori); Cramer-Rao-Schranke
Lineare Signalmodelle
Parametrische Modelle (Cepstrale Zerlegung, Paley-Wiener Theorem, Spektrale Glattheit); Nichtpa-
rametrische Modelle: ,Allpole’-/’Allzero’-/’Pole-zero’-(AR/MA/ARMA) Modelle; ,Lattice’-Strukturen,
Yule-Walker Gleichungen, PARCOR-Koeffizienten, Cepstraldarstellungen;
Signalschätzung

UnivIS: 15.06.2022 18:14 154

 Überwachte Signalschätzung, Problemklassen; Orthogonalitätsprinzip, MMSE-Schätzung, lineare
MMSE-Schätzung für Gaußprozesse; Optimale FIR-Filter; Lineare Optimalfilter für stationäre Pro-
zesse; Prädiktion und Glättung; Kalman-Filter; optimale Multikanalfilterung (Wiener-Filter, LCMV,
MVDR, GSC);
Adaptive Filterung
Gradientenverfahren; LMS-, NLMS-, APA- und RLS-Algorithmus und Ihr Konvergenzverhalten.
Lernziele und Kompetenzen:
The students:
• analyze the statistical properties of random variables, random vectors, and stochastic processes by
probability density functions and expectations as well as correlation functions and matrices and their
frequency-domain representations
• know the Gaussian distribution and its role to describe the properties of random variables, vectors
and processes
• understand the differences between classical and Bayesian estimation, derive and analyze MMSE
and ML estimators for specific estimation problems, especially for signal estimation
• analyze and evaluate optimum linear MMSE estimators (single- and multichannel Wiener filter and
Kalman filter) for direct and inverse supervised estimation problems
• evaluate adaptive filters for the identification of optimum linear estimators.
Die Studierenden
• analysieren die statistischen Eigenschaften von Zufallsvariablen, -vektoren und stochastischen Pro-
zessen mittels Wahrscheinlichkeitsdichten und Erwartungswerten, bzw. Korrelationsfunktionen, Kor-
relationsmatrizen und deren Frequenzbereichsdarstellungen
• kennen die spezielle Rolle der Gaußverteilung und ihre Auswirkungen auf die Eigenschaften von
Zufallsvariablen, -vektoren und Prozessen
• verstehen die Unterschiede klassischer und Bayes’scher Schätzung, entwerfen und analysieren
MMSE- und ML-Schätzer für spezielle Schätzprobleme, insbesondere zur Signalschätzung
• analysieren und evaluieren lineare MMSE-optimale Schätzer (ein- und vielkanalige Wiener-Filter und
Kalman-Filter) für direkte und inverse überwachte Schätzprobleme;
• evaluieren adaptive Filter zur Identifikation optimaler linearer Signalschätzer
Literatur:
• A. Papoulis, S. Pillai: Probability, Random Variables and Stochastic Processes; McGraw-Hill, 2002
(englisch)
• D. Manolakis, V. Ingle, S. Kogon: Statistical and Adaptive Signal Processing; Artech House, 2005
(englisch)

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Com-
munications Engineering (Master of Science)", "Artificial Intelligence (Master of Science)", "Berufspädagogik
Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Communications and Mul-
timedia Engineering (Master of Science)", "Computational Engineering (Master of Science)", "Computational
Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",
"Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Medizin-
technik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen
(Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 155

Studien-/Prüfungsleistungen:
Statistical Signal Processing (Prüfungsnummer: 64301)
(englische Bezeichnung: Statistical Signal Processing)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Durch Abgabe der Übungsblätter können Bonuspunkte für die Klausur erarbeitet werden. Wird die
Klausur ohne Bonus nicht bestanden, darf der Bonus nicht angerechnet werden. Der Bonus verfällt
dann auch für die Wiederholungsklausur. Es gilt folgende Abbildung (bei 100 erreichbaren Punkten in
der Klausur): weniger als 4 Übungspunkte = 0 Bonuspunkte in der Klausur, 4 bis 4,5 Übungspunkte
= 4 Bonuspunkte in der Klausur, 5 bis 5,5 Übungspunkte = 5 Bonuspunkte in der Klausur, 6 bis 6,5
Übungspunkte = 6 Bonuspunkte in der Klausur, 7 Übungspunkte = 7 Bonuspunkte in der Klausur.
Fernprüfungen werden in begründeten Ausnahmefällen durchgeführt.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Walter Kellermann (100247)

Organisatorisches:
The course material and the timetable for the lecture and supplement course can be found on StudOn.
Extra points for the written exam can be obtained by handing in the homework. Please note:
1.) The homework is to be prepared in groups of two.
2.) Copying from another group will result in zero points.
3.) All calculations for arriving at an answer must be shown.
4.) If you fail in the exam without extra points, they cannot be taken into account.
5.) The extra points expire for the resit.
0 - 3.5 passed worksheets: 0 extra points for the written exam (based on 100 achievable points) 4 -
4.5 passed worksheets: 4 extra points
5 - 5.5 passed worksheets: 5 extra points 6 - 6.5 passed worksheets: 6 extra points

UnivIS: 15.06.2022 18:14 156

Modulbezeichnung: Transmission and Detection for Advanced Mobile 2.5 ECTS
Communications (TraMoCo)
(Transmission and Detection for Advanced Mobile
Communications)
Modulverantwortliche/r: Wolfgang Gerstacker
Lehrende: Wolfgang Gerstacker
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Transmission and Detection for Advanced Mobile Communications (SS 2022, Vorlesung, 2 SWS, Wolf-
gang Gerstacker)

Empfohlene Voraussetzungen:
Systemtheorie, Nachrichtenübertragung

Inhalt:
The aim of this lecture is that the students acquire a basic knowledge of advanced transmission and
detection techniques which are relevant to practical mobile communications systems. In the first part, it
is shown how equalization schemes like decision-feedback equalization (DFE) and maximum-likelihood
sequence estimation (MLSE) can be applied to the GSM/EDGE (Enhanced Data Rates for GSM
Evolution) standard. Also, channel estimation for GSM/EDGE is covered. In GSM/EDGE, disturbance
by interfering signals of other users is a further major problem. Therefore, interference cancellation
algorithms are discussed in detail. The cases of several receive antennas and one receive antenna (single
antenna interference cancellation) are distinguished. Several receive antennas can be also utilized for
increasing the robustness against fading, applying diversity combination techniques. In the case of
the availability of several transmit antennas only, additional space-time coding has to be used for
realization of diversity gains. These aspects are also discussed in depth. Furthermore, an introduction
to code-division multiple access (CDMA) transmission is given and it is shown how CDMA is applied
in the UMTS system. The lecture is concluded by an introduction to digital transmission in the Long
Term Evolution (LTE) system.
Lernziele und Kompetenzen:
The students
• describe basic equalization algorithms such as decision-feedback equalization (DFE) and maximum-
likelihood sequence estimation (MLSE),
• apply equalization algorithms to the GSM / Enhanced Data Rates for GSM Evolution (EDGE)
mobile communication system,
• formulate channel estimation methods for mobile communication systems,
• characterize the interference problem in GSM / EDGE,
• design interference suppression schemes for GSM/EDGE for receivers with a single antenna (single
antenna interference cancellation) and multiple antennas, respectively,
• characterize the performance of mobile communication networks for different reception schemes,
• devise receivers for the realization of diversity gains for multiple receive antennas,
• design space-time coding schemes for the realization of diversity gains for multiple transmit antennas,
• describe transmission schemes which are based on code-division multiple access (CDMA),
• apply reception techniques for CDMA to the UMTS system,
• characterize the uplink transmission in the Long Term Evolution (LTE) system,
• develop receivers for LTE.
Die Studierenden

UnivIS: 15.06.2022 18:14 157

 • beschreiben grundlegende Entzerrverfahren wie entscheidungsrückgekoppelte Entzerrung (Decision-
Feedback Equalization, DFE) und Maximum-Likelihood-Sequenzschätzung (Maximum-Likelihood
Sequence Estimation, MLSE),
• wenden Entzerrverfahren auf das GSM/EDGE (Enhanced Data Rates for GSM Evolution) Mobil-
funksystem an,
• formulieren Kanalschätzverfahren für Mobilfunksysteme,
• charakterisieren das Interferenzproblem bei GSM/EDGE,
• entwerfen Interferenzunterdrückungsverfahren für GSM/EDGE für Empfänger mit einer Antenne
(Single Antenna Interference Cancellation) und mehreren Antennen,
• bewerten die Leistungsfähigkeit von Mobilfunknetzen bei Einsatz verschiedener Empfangsverfahren,
• konzipieren Empfänger zur Realisierung von Diversitätsgewinnnen bei empfangsseitiger Antennendi-
versität
• entwerfen Space-Time-Codierverfahren zur Realisierung von Diversitätsgewinnen bei sendeseitiger
Antennendiversität,
• beschreiben auf Code-Division Multiple Access (CDMA) basierende Übertragungsverfahren,
• wenden Empfangsverfahren für CDMA auf das UMTS-System an,
• charakterisieren die Aufwärtsstrecke von Long Term Evolution (LTE),
• entwerfen Empfänger für LTE.
Literatur:
Lecture notes

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Communi-
cations Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik
Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Transmission and Detection for Advanced Mobile Communications_ (Prüfungsnummer: 34201)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: digitale Fernprüfung von 30
Minuten Dauer mittels ZOOM.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023, 2. Wdh.: SS 2023

1. Prüfer: Wolfgang Gerstacker (100255)

UnivIS: 15.06.2022 18:14 158

Modulbezeichnung: Globale Navigationssatellitensysteme (GNSS-V) 5 ECTS
(Global Navigation Satellite Systems)
Modulverantwortliche/r: Jörn Thielecke
Lehrende: Jörn Thielecke
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Globale Navigationssatellitensysteme (WS 2021/2022, Vorlesung, 3 SWS, Jörn Thielecke)
Übung zu Globale Navigationssatellitensysteme (WS 2021/2022, Übung, 1 SWS, Jörn Thielecke)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen, grundlegende Kenntnisse erforderlich in: linearer Algebra, Signal- &
Systemtheorie, Wahrscheinlichkeitstheorie

Inhalt:
Hinweis:
1. Mehrere Übungsstunden werden rechnergestützt (Python) sein, um den Vorlesungsstoff durch eigene
praktische Erfahrung zu vertiefen.
2. Eine Laborbesichtigung beim Fraunhofer Institut für Integrierte Schaltungen soll den Studierenden
Einblick in die einschlägigen Arbeiten zu GPS und Galileo geben.
Inhalte:
1. Überblick: Signale und Systeme
• Einführung
• GPS - Global Positioning System
• Galileo
• Satellitenergänzungssysteme: EGNOS, WAAS, LAAS
• Mathematische Grundlagen: Navigationssignale, Gold Codes, Cramer-Rao-Schranke für Laufzeitmes-
sungen
2. Grundlagen und Funktiosweise der Satellitenortung
• Koordinatensysteme, Zeitsysteme und Orbits
• Ausbreitungsbedingungen und Fehlerquellen
• Positions-, Geschwindigkeits- und Zeitschätzung
• Hochgenaue Positionsschätzung mittels Trägerphase
3. GNSS Empfänger
• Signalkonditionierung
• Leistungsfähigkeit der GPS- und Galileo-Signale
• Releschleifen zur Signalverfolgung
Lernziele und Kompetenzen:
1. Eine Übersicht über die Möglichkeiten von GPS und Galileo soll die Beurteilungsfähigkeit der Stu-
dierenden für neue Anwendungen schärfen.
2. Durch vertiefte Kenntnisse der Grundlagen, Funktionsweise und Fehlerquellen sollen die Studierenden
die gelösten Herausforderungen und die Grenzen von GPS und Galileo einschätzen lernen.
3. Die Studierenden sollen ein nachrichtentechnisches Verständnis für die Funktionsweise eines GPS-
Empfängers erlangen.
Literatur:
1. Pratap Misra, Per Enge, „Global Positioning System“, Ganga-Jamuna Press, 2001
2. E.D. Kaplan, C.J. Hegarty, „Understanding GPS - Principles and Applications“Artech House, 2.
Auflage, 2006
3. Werner Mansfeld, “Satellitenortung und Navigation", Vieweg, 2004

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

UnivIS: 15.06.2022 18:14 159

 Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Berufspädagogik Technik (Bachelor of
Science)", "Berufspädagogik Technik (Master of Education)", "Computational Engineering (Rechnergestütz-
tes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informatik (Bachelor
of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations-
und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Globale Navigationssatellitensysteme (Prüfungsnummer: 64011)
(englische Bezeichnung: Global Navigation Satellite Systems)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Klausurergebnis: 100% der Modulnote Bei bestandener Prüfung wird die Note um eine Teilnotenstufe
(z.B. von 2,0 auf 1,7) verbessert, wenn Sie:
1. Mindestens 75% der Hausaufgaben bestanden haben und 2. mindestens 75% der Rechnerübungen
erfolgreich absolviert haben.
Eine Note besser als 1,0 wird nicht vergeben.
Zugelassene Hilfsmittel sind ausschließlich Schreib- und Zeichengeräte sowie ein nicht programmier-
barer Taschenrechner ohne Kommunikationsfunktion. Schreiben Sie nicht mit Bleistift. Verwenden
Sie nicht die Farben Rot oder Grün. Ein Bonus wird nur berücksichtigt, wenn die Prüfung auch ohne
ihn bestanden ist.
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jörn Thielecke (100224)

Organisatorisches:
Masterstudium, kann ins Bachelorstudium vorgezogen werden. (Wahl- oder Wahlpflichtfach)

UnivIS: 15.06.2022 18:14 160

Modulbezeichnung: Machine Learning in Communications (MLC) 5 ECTS
(Machine Learning in Communications)
Modulverantwortliche/r: Laura Cottatellucci
Lehrende: Laura Cottatellucci
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Machine Learning in Communications (WS 2021/2022, Vorlesung, 3,5 SWS, Laura Cottatellucci)
Tutorial for Machine Learning in Communications (WS 2021/2022, Übung, 0,5 SWS, Nikita Shanin)

Inhalt:
Recently, in many areas of wireless communications such as wireless sensor networks (WSNs), hete-
rogeneous networks and complex ad hoc networks, distributed graph algorithms and machine learning
on graphs are gaining relevance as fundamental tools in network analysis and information processing.
This motivates to deliver a general introduction to fundamentals of machine learning such as detection
of clusters on graphs. The introduction is followed by the application of machine learning to the design
of physical and data layer techniques in wireless communications and in the optimization of mobile
networks.
Lernziele und Kompetenzen:
The students
• know and explain the fundamentals of machine learning with special attention to machine learning
over graphs.
• apply these principles in the design and optimisation of wireless communications systems and mobile
networks.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:
Machine Learning in Communications (Prüfungsnummer: 668129)
(englische Bezeichnung: Machine Learning in Communications)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Laura Cottatellucci (100463)

UnivIS: 15.06.2022 18:14 161

Modulbezeichnung: Bild-, Video- und mehrdimensionale 5 ECTS
Signalverarbeitung (IVMSP)
(Image, Video, and Multidimensional Signal Processing)
Modulverantwortliche/r: André Kaup
Lehrende: André Kaup
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Bild-, Video- und mehrdimensionale Signalverarbeitung (WS 2021/2022, Vorlesung, 2 SWS, André
Kaup)
Übung zu Bild-, Video- und mehrdimensionaler Signalverarbeitung (WS 2021/2022, Übung, 2 SWS,
Andreas Spruck)

Empfohlene Voraussetzungen:
Vorlesung Signale und Systeme I und II

Inhalt:
Punktoperationen
Histogrammausgleich, Gamma-Korrektur
Binäroperationen
Morphologische Filter, Erosion, Dilatation, Opening, Closing
Farbräume
Trichromat, RGB- Farbraum, HSV-Farbraum
Mehrdimensionale Signale und Systeme
Theorie mehrdimensionaler Signale und Systeme, Impulsantwort, lineare Bildfilterung, Leistungsspek-
trum, Wiener Filter
Interpolation von Bildsignalen
Bilineare Interpolation, Bicubische Interpolation, Spline Interpolation
Merkmalsdetektion in Bildern
Bildmerkmale, Kantendetektion, Hough Transformation, Harris Ecken Detektor, Texturmerkmale,
Grauwertematrix
Skalierungsraumdarstellung
LoG, DoG, SIFT, SURF
Bildabgleich
Projektive Abbildungen, Blockabgleich, Optischer Fluss, Merkmalsbasierter Abgleich mittels SIFT und
SURF, RANSAC
Bildsegmentierung
Amplituden Schwellenwertermittlung, K-Means Clustering, Bayes Klassifikation, Regionen-basierte
Segmentierung, kombinierte Segmentierung und Bewegungsschätzung, zeitliche Segmentierung von
Videos
Bildverarbeitung im Transformationsbereich
Unitäre Transformation, Karhunen-Loeve Transformation, separable Transformationen, Haar und Ha-
damard Transformation, DFT, DCT
Content:
Point operations
Histogram equalization, gamma correction
Binary operations
Morphological filters, erosion, dilation, opening, closing
Color spaces
Trichromacy, red-green-blue color spaces, color representation using hue, saturation and value of in-
tensity
Multidimensional signals and systems

UnivIS: 15.06.2022 18:14 162

 Theory of multidimensional signals and systems, impulse response, linear image filtering, power spec-
trum, Wiener filtering
Interpolation of image signals
Bi-linear interpolation, bi-cubic interpolation, spline interpolation
Image feature detection
Image features, edge detection, Hough transform, Harris corner detector, texture features, co-
occurrence matrix
Scale space representation
Laplacian of Gaussian, difference of Gaussian, scale invariant feature transform, speeded-up robust
feature transform
Image matching
Projective transforms, block matching, optical flow, feature-based matching using SIFT and SURF,
random sample consensus algorithm
Image segmentation
Amplitude thresholding, k-means clustering, Bayes classification, region-based segmentation, combined
segmentation and motion estimation, temporal segmentation of video
Transform domain image processing
Unitary transform, Karhunen-Loeve transform, separable transform, Haar and Hadamard transform,
DFT, DCT
Lernziele und Kompetenzen:
Die Studierenden
• verstehen Punktoperationen an Bilddaten und Gamma-Korrektur
• testen die Wirkung von Rangordnungs- und Medianfiltern an Bilddaten
• unterscheiden und bewerten verschiedene Farbräume für Bilddaten
• erklären das Prinzip der zwei-dimensionalen linearen Filterung für Bildsignale
• berechnen und bewerten die zweidimensionale diskrete Fourier-Transformierte eines Bildsignales
• bestimmen vergrößerte diskrete Bildsignale mit Methoden der bilinearen und Spline-Interpolation
• überprüfen Bilddaten auf ausgewählte Textur-, Kanten- und Bewegungsmerkmale
• analysieren Bild- und Videodaten auf Merkmale in unterschiedlichen Scale-Spaces
• erläutern und beurteilen Methoden für das Matching von Bilddaten
• segmentieren Bilddaten durch Programmierung von einfachen Klassifikations- oder Clustering-
Verfahren
• verstehen das Prinzip von Transformation auf Bilddaten und können diese an Beispielen anwenden.
The students
• understand point operations for image data and gamma correction
• test the effects of rank order and median filters for image data
• evaluate and differentiate between different color spaces for image data
• explain the principle of two-dimensional linear filtering for image signals
• calculate and evaluate the two-dimensional discrete Fourier transform of an image signal
• determine enlarged discrete image signals by bi-linear and spline interpolation
• verify image data for selected texture, edge and motion features
• analyze image and video data for features in different scale spaces
• explain and evaluate methods for the matching of image data
• segment image data by implementing basic classification and clustering methods
• understand the principle of transformations on image data and apply them exemplarily
Literatur:
J.-R. Ohm: Multimedia Content Analysis, Springer, 2016
J. W. Woods: Multidimensional Signal, Image, and Video Processing and Coding, Academic Press,
2nd edition, 2012

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 163

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus EEI im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[4] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Bild-, Video- und mehrdimensionale Signalverarbeitung (Prüfungsnummer: 63121)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: André Kaup (100219)

Bemerkungen:
This lecture replaces the previous lecture Visual Computing for Communication (VCC).

UnivIS: 15.06.2022 18:14 164

Modulbezeichnung: Advanced Networking LEx (AdN-LEx) 5 ECTS
(Advanced Networking LEx)
Modulverantwortliche/r: Kai-Steffen Jens Hielscher
Lehrende: Kai-Steffen Jens Hielscher
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Advanced Networking (WS 2021/2022, Vorlesung, 2 SWS, Kai-Steffen Jens Hielscher)
Advanced Networking Exercises (WS 2021/2022, Übung, 2 SWS, Peter Bazan)

Inhalt:
Für die durch Big Data, Cloud Computing, Internet-of-Things (IoT) und mobile Endgeräte hervorge-
rufenen Herausforderungen sind neue Architekturen für Rechnernetze entstanden: Software-Defined-
Networking (SDN) entkoppelt die Data Plane (Weiterleitung von Paketen, auf handelsüblicher Hard-
ware) und die Control Plane (Steuerung, auf leistungsfähigen Plattformen) und bietet offene Pro-
grammierschnittstellen; Network Functions Virtualization (NFV) erweitert Konzepte zur Server- und
Netzwerkvirtualisierung, so dass bisher auf proprietärer Hardware ausgeführte Netzwerkfunktionen (wie
z.B. Routing) ebenfalls virtualisiert und auf handelsüblicher Hardware ausgeführt werden können. Die
Vorlesung stellt hinter diesen Technologien stehende Konzepte und Standards vor und zeigt, wie sie für
Rechenzentren, für Cloud- und Fog-Computing und für IoT-Anwendungen eingesetzt werden können.
Contents
Due to the demands of big data, cloud computing, Internet-of-Things (IoT) and mobile devices, new
architectures for computer networks have evolved: Software Defined Networking (SDN) decouples the
data plane (packet forwarding, on commodity hardware) from the control plane (control functions, on
high performance servers) and offers open programming interfaces. Network Functions Virtualization
(NFV) extends existing concepts for server and network virtualization. This allows network functions
(like, e.g., routing) that have traditionally been executed on proprietary hardware to be virtualized
and executed on commercial off-the-shelf hardware. This lecture offers an introduction to these new
technologies, concepts and standards and provides insight into their application in data centers, for
fog and cloud computing and for IoT applications.
Educational Objectives and Competencies
Understanding
The students learn to understand the basic concepts of
• Software Defined Networking
• Network Function Virtualization
• Internet of Things
• Cloud Computing
Application
The students learn to apply the knowledge in assignments in labs.
Creating
The students create own configurations in the lab for
• Software Defined Networking
• Internet of Things
Furthermore, the students create an IoT application according to their own ideas.
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
Die Studierenden erlangen Verständnis der grundlegenden Konzepze von
• Software Defined Networking
• Network Function Virtualization
• Internet of Things
• Cloud Computing.

UnivIS: 15.06.2022 18:14 165

 Anwenden
Die Studierenden wenden die Erkenntisse in Übungsaufgaben an.
Erschaffen
Die Studierenden erstellen eigene Laborkofigurationen zu
• Software Defined Networking
• Internet of Things.
Literatur:
William Stallings: Foundations of Modern Networking - SDN, QoE, IoT, and Cloud; Pearson

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Informatik
(Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Advanced Networking LEx (Prüfungsnummer: 869547)
(englische Bezeichnung: Advanced Networking LEx)
Prüfungsleistung, mehrteilige Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulprüfung besteht aus:
• Bearbeitung (zwei)wöchentlicher Aufgabenblätter in Gruppenarbeit. Für diese unbenotete Stu-
dienleistung sind alle Aufgabenblätter korrekt zu lösen und abzugeben.
• mündliche Prüfung (Dauer: 30 Minuten)
• Die Studierenden dürfen individuell frei wählen, ob sie die Prüfung in deutscher oder englischer
Sprache absolvieren möchten.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022 (nur für Wiederholer)

1. Prüfer: Kai-Steffen Jens Hielscher (100125)

UnivIS: 15.06.2022 18:14 166

Modulbezeichnung: Einführung in die IT-Sicherheit (EinfITSec) 5 ECTS
(Introduction to IT Security)
Modulverantwortliche/r: Felix Freiling
Lehrende: Felix Freiling
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Angewandte IT-Sicherheit (WS 2021/2022, Vorlesung, 2 SWS, Felix Freiling et al.)
Einführung in die IT-Sicherheit - Übung (WS 2021/2022, Übung, 2 SWS, Felix Freiling et al.)

Inhalt:
Die Vorlesung gibt einen einführenden Überblick über Konzepte und Methoden der IT-Sicherheit und
eignet sich als Einstieg in das Vertiefungsgebiet "IT-Sicherheit" an der FAU. Themen (unter anderem):
IT-Sicherheit vs. physische Sicherheit, Identifizierung und Authentifizierung, grundlegende Muster von
Unsicherheit in technischen Systemen, grundlegende Abwehrmechanismen, ausgewählte Beispiele aus
dem Bereich Systemsicherheit, Netzwerksicherheit und Softwaresicherheit. In der Übung werden die
Themen der Veranstaltung beispielhaft eingeübt. Themen (unter anderem): "lock picking", "social
engineering", ausnutzen von Softwareschwachstellen.
Lernziele und Kompetenzen:
Teilnehmer erwerben einen Überblick über Konzepte und Methoden aus dem Bereich der IT-Sicherheit
und können diese im Kontext der Informatik und der Lebenswirklichkeit anhand von Beispielen ein-
ordnen und erläutern. Die Studierenden können die wichtigsten Arten von Softwareschwachstellen in
Programmen erkennen und benennen. Sie können außerdem erläutern, wie man diese Schwachstellen
ausnutzt und welche technischen und organisatorischen Maßnahmen geeignet sind, diese Schwach-
stellen zu vermeiden. Die Studierenden lernen, die Wirksamkeit von IT-Sicherheitsmechanismen im
gesellschaftlichen Kontext und in Kenntnis professioneller Strukturen der Cyberkriminalität aus tech-
nischen, ethischen und rechtlichen Perspektiven zu bewerten.
Literatur:
Dieter Gollmann: Computer Security. 3. Auflage, Wiley, 2010. Joachim Biskup: Security in Computing
Systems. Springer, 2008. Weitere Literatur wird in der Vorlesung bekanntgegeben.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Data Science (Master of Science)", "Elektrotech-
nik, Elektronik und Informationstechnik (Bachelor of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informations- und Kommunikationstechnik (Master of Science)", "International Information Systems (IIS)
(Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Bachelor of Science)", "Mecha-
tronik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)",
"Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Einführung in die IT-Sicherheit (AppITSec-Ü) (Prüfungsnummer: 46311)
(englische Bezeichnung: Applied IT security (AppITSec))
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Felix Freiling (100128)

UnivIS: 15.06.2022 18:14 167

UnivIS: 15.06.2022 18:14 168
Modulbezeichnung: Fahrzeugkommunikation (FzK-VL) 2.5 ECTS
(Vehicular Networks)
Modulverantwortliche/r: Kai-Steffen Jens Hielscher
Lehrende: Kai-Steffen Jens Hielscher
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Fahrzeugkommunikation (SS 2022, Vorlesung, 2 SWS, Kai-Steffen Jens Hielscher)

Inhalt:
Die Bedeutung von Elektronik und Software ist in der Fahrzeugtechnik stark gestiegen, gleichzeitig
stellen die komplexen Entwicklungsprozesse in der Automobilindustrie hohe Anforderungen an Berufs-
einsteiger. Absolventen benötigen daher zunehmend spezialisierte Kenntnisse aus den Themenbereichen
Elektronik, Software und Vernetzung von Fahrzeugen. Um diesen Anforderungen Rechnung zu tragen,
wurde am Department Informatik ein spezieller Studienschwerpunkt „Informatik in der Fahrzeugtech-
nik“ im Studiengang Informatik eingerichtet. Die Vorlesung „Fahrzeugkommunikation“ [FzK] ist in
zwei Blöcke gegliedert: Zunächst führt die Vorlesung in die fahrzeuginterne Vernetzung ein, behandelt
Vernetzungsarchitekturen, Bussysteme und Steuergeräte, Fahrerassistenzfunktionen, Multimedia und
Systemarchitekturen. Den Abschluss bilden Betrachtungen zu Security und Safety in der fahrzeugin-
ternen Vernetzung. Als zweiten Block gibt die Vorlesung einen Überblick über Themen der externen
Kommunikation von und mit Fahrzeugen, behandelt Systemarchitekturen zur Vernetzung von Fahr-
zeugen untereinander und mit Infrastruktur, Medienzugriffsverfahren verbreiteter Lösungen, Protokolle
von Vehrkehrsinformationssystemen. Sie schließt wiederum mit Betrachtungen zu Safety und Security
- erweitert um die in diesem Themengebiet besonders relevanten Fragestellungen rund um die Wah-
rung der Privatsphäre von Nutzern. Die Vorlesung wird für einen Abschluss mit Studienschwerpunkt
„Informatik in der Fahrzeugtechnik“ anerkannt. Sie setzt Grundkenntnisse in Rechnerkommunikation
voraus und richtet sich so schwerpunktmäßig an Studierende aus Informatik, IuK und CE ab dem 5.
Semester.
Auszug Interne Vernetzung:
• Interne Steuerung: ECU-ECU, Safety
• Bussysteme (CAN, LIN, FlexRay, MOST, ...)
• HW-, SW- Architekturen von Steuergeräten
• Security & Safety
Auszug Externe Vernetzung
• Car-2-X-Kommunikation
• Topologien, Architekturen
• Medienzugriff: Wifi, WAVE/DSRC
• Safety Anwendungen
• Security & Privacy
Lernziele und Kompetenzen:
Das Modul wird für einen Abschluss mit Studienschwerpunkt „Informatik in der Fahrzeugtechnik“
anerkannt. Sie setzt Grundkenntnisse in Rechnerkommunikation voraus und richtet sich so schwer-
punktmäßig an Studierende aus Informatik, IuK und CE ab dem 5. Semester.
Fachkompetenz
Wissen
Die Studierenden lernen die grundlegenden Mechanismen der internen und externen Fahrzeug-
kommunikation kennen. Sie können aktuelle und zukünftige Anwendungen für Vernetzung im
Fahrzeugbereich nennen.
Verstehen
Die Studierenden verstehen die grundlegenden Prinzipien der internen Bussysteme und können die
Vorteile und Nachteile der wesentlichen Technologien in diesem Bereich erklären (CAN, FlexRay,

UnivIS: 15.06.2022 18:14 169

 MOST, ...). Ebenso können Sie die Probleme von mobilen Ad-Hoc-Netzen erklären und Lösungs-
ansätze vergleichen (z.B. ETSI ITS-G5 und WAVE). Sie können wesentliche Anwendungen nach
ihren Anforderungen bezüglich der Vernetzung klassifizieren.
Analysieren
Die Studierenden werden in die Lage versetzt, zukünftige Anwendungen bezüglich ihres Kommu-
nikationsverhaltens zu analysieren.
Evaluieren (Beurteilen)
Dabei können Sie die zugrundeliegenden Mechanismen beurteilen und einschätzen, welche Ver-
netzungstechnologien diese Anforderungen am besten erfüllen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Mas-
ter of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik (Bachelor of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Fahrzeugkommunikation (Prüfungsnummer: 730178)
(englische Bezeichnung: Vehicular Networks)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulprüfung besteht aus einer mündlichen Prüfung mit 30 Minuten Dauer.
Die Sprache ist abhängig von der Wahl der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Kai-Steffen Jens Hielscher (100125)

UnivIS: 15.06.2022 18:14 170

Modulbezeichnung: Security and Privacy in Pervasive Computing (SecPriPC) 5 ECTS
(Security and Privacy in Pervasive Computing)
Modulverantwortliche/r: Zinaida Benenson
Lehrende: Zinaida Benenson
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Die erste Übung findet in der zweiten Vorlesungswoche statt.
This module will be held in German, slides are in English. Exercise tasks will be formulated in English, and can be
answered in both languages, German or English.
Security and Privacy in Pervasive Computing (WS 2021/2022, Vorlesung, 2 SWS, N.N.)
Security and Privacy in Pervasive Computing - Übung (WS 2021/2022, Übung, 2 SWS, Zinaida
Benenson et al.)

Empfohlene Voraussetzungen:
Basic knowledge in the area of IT security and privacy is required, for example: security goals
(CIA), symmetric and asymmetric cryptography principles, PKI, basic functionality of SSL. This know-
ledge can be acquired through the attendance of the module “Applied IT Security" (Angewandte IT
Sicherheit) or similar modules.

Inhalt:
Pervasive Computing, also called Ubiquitous Computing, is a computing paradigm that comprises bil-
lions computing devices integrated into everyday objects and connected into a global communication
network that is orders of magnitude larger than the Internet today. These devices measure environmen-
tal characteristics, exchange information about their surroundings and interact with people in many
different ways, such that sometimes people may be even unaware that they are using computers.
The era of pervasive computing has already started and moves on rapidly, integrating the Internet,
smartphones, wearable computing devices (such as Google glass or Apple Watch), smart grid, home
automation, intelligent cars and smart cities.
In this course we look at the visions and current scenarios of Pervasive Computing from the security
and privacy point of view. We consider security mechanisms and privacy concerns of the present-day
technologies, such as smartphone operating systems, GSM/UMTS, WLAN, Bluetooth, ZigBee, RFID,
and also of present and envisioned systems and services such vehicular networks, sensor networks,
location-based services and augmented reality.
The exercise comprises (1) practical tasks on specific attacks, such as eavesdropping on WiFi or
ZigBee communication, and (2) guest talks on selected topics, for example, NFC security. For practical
exercises, students will be divided into groups, and each group will have to execute the tasks in our
lab and write a report about their work for each task. Further details will be communicated in the first
exercise.
Lernziele und Kompetenzen:
The students achieve the main module goals if they are able to:
• recognize existing and future computing systems as pervasive through analysis of their conceptual
design and development, deployment and actual usage
• critically appraise pervasive computing systems for typical security- and privacy-related concerns and
weaknesses in design, deployment and usage
• choose appropriate techniques and policies for securing pervasive computing systems
• choose appropriate techniques and policies for addressing privacy issues in pervasive computing
systems
Literatur:
Books and papers will be presented during the lecture.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

UnivIS: 15.06.2022 18:14 171

 Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Security and Privacy in Pervasive Computing (Prüfungsnummer: 327615)
(englische Bezeichnung: Security and Privacy in Pervasive Computing)
Prüfungsleistung, Klausur mit MultipleChoice, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Zinaida Benenson (100191)

UnivIS: 15.06.2022 18:14 172

Modulbezeichnung: Deep Learning (DL) 5 ECTS
(Deep Learning)
Modulverantwortliche/r: Andreas Maier
Lehrende: Andreas Maier
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Deep Learning (SS 2022, Vorlesung, 2 SWS, Andreas Maier)
Deep Learning Exercises (SS 2022, Übung, 2 SWS, Leonhard Rist et al.)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Introduction to Machine Learning

Inhalt:
Deep Learning (DL) has attracted much interest in a wide range of applications such as image reco-
gnition, speech recognition and artificial intelligence, both from academia and industry. This lecture
introduces the core elements of neural networks and deep learning, it comprises:
• (multilayer) perceptron, backpropagation, fully connected neural networks
• loss functions and optimization strategies
• convolutional neural networks (CNNs)
• activation functions
• regularization strategies
• common practices for training and evaluating neural networks
• visualization of networks and results
• common architectures, such as LeNet, Alexnet, VGG, GoogleNet
• recurrent neural networks (RNN, TBPTT, LSTM, GRU)
• deep reinforcement learning
• unsupervised learning (autoencoder, RBM, DBM, VAE)
• generative adversarial networks (GANs)
• weakly supervised learning
• applications of deep learning (segmentation, object detection, speech recognition, ...)
The accompanying exercises will provide a deeper understanding of the workings and architecture of
neural networks.
Lernziele und Kompetenzen:
The students
• explain the different neural network components,
• compare and analyze methods for optimization and regularization of neural networks,
• compare and analyze different CNN architectures,
• explain deep learning techniques for unsupervised / semi-supervised and weakly supervised learning,
• explain deep reinforcement learning,
• explain different deep learning applications,
• implement the presented methods in Python,
• autonomously design deep learning techniques and prototypically implement them,
• effectively investigate raw data, intermediate results and results of Deep Learning techniques on a
computer,
• autonomously supplement the mathematical foundations of the presented methods by self-guided
study of the literature,
• discuss the social impact of applications of deep learning applications.
Literatur:
• Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, 2016.
• Christopher Bishop: Pattern Recognition and Machine Learning, Springer Verlag, Heidelberg, 2006
• Yann LeCun, Yoshua Bengio, Geoffrey Hinton: Deep learning. Nature 521, 436 - 444 (28 May 2015)

UnivIS: 15.06.2022 18:14 173

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Optical Technologies (Master of Science)",
"Advanced Signal Processing & Communications Engineering (Master of Science)", "Artificial Intelligence
(Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Computational
Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of
Science)", "Data Science (Master of Science)", "Informatik (Master of Science)", "Informations- und Kom-
munikationstechnik (Master of Science)", "International Information Systems (IIS) (Master of Science)", "Me-
chatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)",
"Nanotechnologie (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Deep Learning (Prüfungsnummer: 901895)
(englische Bezeichnung: Deep Learning)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
90-minütige schriftliche Prüfung über den Stoff der Vorlesung und der Übungen. Auf Basis der
Bewertungen der abgegebenen Übungsaufgaben können bis zu 10 % Bonuspunkte erworben werden,
die zu dem Ergebnis einer bestandenen Klausur hinzugerechnet werden.
90 minute written exam about the lecture and the exercises. Based on the scores of the submitted
exercises, up to 10% bonus points can be earned, which will be added to the score of a passed exam.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Andreas Maier (100196)

UnivIS: 15.06.2022 18:14 174

Modulbezeichnung: Pattern Recognition (PR) 5 ECTS
(Pattern Recognition)
Modulverantwortliche/r: Andreas Maier
Lehrende: Andreas Maier
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Pattern Recognition (WS 2021/2022, Vorlesung, 3 SWS, Andreas Maier et al.)
Pattern Recognition Exercises (WS 2021/2022, Übung, 1 SWS, Paul Stöwer et al.)

Empfohlene Voraussetzungen:
• Well grounded in probability calculus, linear algebra/matrix calculus
• The attendance of our bachelor course ’Introduction to Pattern Recognition’ is not required but
certainly helpful.
• Gute Kenntnisse in Wahrscheinlichkeitsrechnung und Linearer Algebra/Matrizenrechnung
• Der Besuch der Bachelor-Vorlesung ’Introduction to Pattern Recognition’ ist zwar keine Vorausset-
zung, aber sicherlich von Vorteil.

Inhalt:
Mathematical foundations of machine learning based on the following classification methods:
• Bayesian classifier
• Logistic Regression
• Naive Bayes classifier
• Discriminant Analysis
• norms and norm dependent linear regression
• Rosenblatt’s Perceptron
• unconstraint and constraint optimization
• Support Vector Machines (SVM)
• kernel methods
• Expectation Maximization (EM) Algorithm and Gaussian Mixture Models (GMMs)
• Independent Component Analysis (ICA)
• Model Assessment
• AdaBoost
Mathematische Grundlagen der maschinellen Klassifikation am Beispiel folgender Klassifikatoren:
• Bayes-Klassifikator
• Logistische Regression
• Naiver Bayes-Klassifikator
• Diskriminanzanalyse
• Normen und normabhängige Regression
• Rosenblatts Perzeptron
• Optimierung ohne und mit Nebenbedingungen
• Support Vector Maschines (SVM)
• Kernelmethoden
• Expectation Maximization (EM)-Algorithmus und Gaußsche Mischverteilungen (GMMs)
• Analyse durch unabhängige Komponenten
• Modellbewertung
• AdaBoost
Lernziele und Kompetenzen:
Die Studierenden
• verstehen die Struktur von Systemen zur maschinellen Klassifikation einfacher Muster
• erläutern die mathematischen Grundlagen ausgewählter maschineller Klassifikatoren

UnivIS: 15.06.2022 18:14 175

 • wenden Klassifikatoren zur Lösung konkreter Klassifikationsproblem an
• beurteilen unterschiedliche Klassifikatoren in Bezug auf ihre Eignung
• verstehen in der Programmiersprache Python geschriebene Lösungen von Klassifikationsproblemen
und Implementierungen von Klassifikatoren
Students
• understand the structure of machine learning systems for simple patterns
• explain the mathematical foundations of selected machine learning techniques
• apply classification techniques in order to solve given classification tasks
• evaluate various classifiers with respect to their suitability to solve the given problem
• understand solutions of classification problems and implementations of classifiers written in the
programming language Python
Literatur:
• Richard O. Duda, Peter E. Hart, David G. Stock: Pattern Classification, 2nd edition, John Wi-
ley&Sons, New York, 2001
• Trevor Hastie, Robert Tobshirani, Jerome Friedman: The Elements of Statistical Learning - Data
Mining, Inference, and Prediction, 2nd edition, Springer, New York, 2009
• Christopher M. Bishop: Pattern Recognition and Machine Learning, Springer, New York, 2006

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Optical Technologies (Master
of Science)", "Advanced Signal Processing & Communications Engineering (Master of Science)", "Artifici-
al Intelligence (Master of Science)", "Communications and Multimedia Engineering (Master of Science)",
"Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieur-
wesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of
Science)", "Data Science (Bachelor of Science)", "Data Science (Master of Science)", "Digital Humanities
(Master of Arts)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik
(Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "International Infor-
mation Systems (IIS) (Master of Science)", "Maschinenbau (Master of Science)", "Mathematik (Bachelor of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master
of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Pattern Recognition (Prüfungsnummer: 41301)
(englische Bezeichnung: Pattern Recognition)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Andreas Maier (100196)

UnivIS: 15.06.2022 18:14 176

Modulbezeichnung: Approximate Computing (APPROXC) 5 ECTS
(Approximate Computing)
Modulverantwortliche/r: Oliver Keszöcze, Jürgen Teich
Lehrende: Jürgen Teich, Oliver Keszöcze
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Approximate Computing (SS 2022, Vorlesung, 2 SWS, Oliver Keszöcze et al.)
Exercises to Approximate Computing (SS 2022, Übung, Pierre-Louis Sixdenier et al.)

Inhalt:
Approximate Computing denotes a quite young research area that exploits the fact and capability
of many applications and systems to tolerate imprecision and/or inexactness of computed results.
Prominent areas of applications and novel techniques of computing approximate rather than exact
results have brought up new implementations either at hardware and/or software levels for important
emergent workloads such as searching, mining, image processing, and data retrieval.
Although hardware technology is improving at a fast pace, energy and power are becoming more and
more important constraints apart from exactly computing results in an acceptable amount of time. The
main goals of approximate computing techniques are therefore to exploit the possible trade-off between
power/energy consumption, accuracy, performance, and/or cost, e.g., utilized hardware resources.
The purpose of the course approximate computing is to instruct students about the main ideas and
concepts of approximate computing. This includes analyzing the trade-off between energy consumption,
accuracy, run-time and hardware costs, concrete approximating techniques (e.g. approximate hardware
synthesis, approximating algorithms) as well as theoretical background (determining the computational
error and its complexity).
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• The students know the principles and benefits of Approximate Computing and when it is
applicable.
• The students know multiple error metrics and their semantic meaning.
Verstehen
• The students understand the difference between the error metrics.
• The students understand the principle of function falsification.
• The students can apply the presented approximation techniques.
Anwenden
• The students are capable of choosing the appropriate approximation
technique based on given requirements.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Artificial Intelligence (Master of Science)", "Data Science (Master of Science)",
"Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)" verwend-
bar.

UnivIS: 15.06.2022 18:14 177

Studien-/Prüfungsleistungen:
Approximate Computing (Prüfungsnummer: 965820)
(englische Bezeichnung: Approximate Computing)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
On default, an oral examination of duration 30 minutes will determine your grade. Due to COVID19,
the examination can alternatively be held as a remote digital examination using Zoom. However, if
a large number of students participate, your grade will be determined by a written examination of
duration 60 minutes.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Oliver Keszöcze (100421), 2. Prüfer: Jürgen Teich (100115)

UnivIS: 15.06.2022 18:14 178

Modulbezeichnung: Einführung in die moderne Kryptographie (ModCrypt) 7.5 ECTS
(Introduction to Modern Cryptography)
Modulverantwortliche/r: Dominique Schröder
Lehrende: Dominique Schröder
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 165 Std. Sprache: Englisch
Lehrveranstaltungen:
Einführung in die moderne Kryptographie (WS 2021/2022, Vorlesung, 4 SWS, Dominique Schröder)
Einführung in die moderne Kryptographie (Übung) (WS 2021/2022, Übung, 2 SWS, Dominique Schrö-
der)

Empfohlene Voraussetzungen:
No previous knowledge in Cryptography or computer Security is required.

Inhalt:
This course gives a comprehensive introduction to modern cryptography. The course also serves as
a base for other courses on cryptography that are offered by the chair. The topics covered are the
following:
• Information theoretic security
• Computational security
• Private key Encryption
• Message Authentication Codes
• Hash functions
• Public key Encryption
• Digital Signatures
More advanced topics may be covered if time permits.
Lernziele und Kompetenzen:
On successfully passing the course, the student is guaranteed to be knowledgeable on the basic concepts
of provable security.
Literatur:
Introduction to Modern Cryptography Jonathan Katz and Yehuda Lindell 2nd Edition (2014) (Chapman
& Hall/CRC Cryptography and Network Security Series) ISBN-13: 978-1466570269

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of
Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master
of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Einführung in die moderne Kryptographie (Prüfungsnummer: 30151)
(englische Bezeichnung: Introduction to modern cryptography)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Um das Modul zu bestehen müssen sowohl 50 % der Übungspunkte erzielt werden als auch die
schriftliche Prüfung bestanden werden. Die Note setzt sich zu 100 % aus der Note der schriftlichen
Prüfung zusammen.

UnivIS: 15.06.2022 18:14 179

 Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Dominique Schröder (100450)

UnivIS: 15.06.2022 18:14 180

Modulbezeichnung: Fahrzeugkommunikation (FzK) 5 ECTS
(Vehicular Networks)
Modulverantwortliche/r: Kai-Steffen Jens Hielscher
Lehrende: Kai-Steffen Jens Hielscher
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Fahrzeugkommunikation (SS 2022, Vorlesung, 2 SWS, Kai-Steffen Jens Hielscher)
Fahrzeugkommunikation Übungen (SS 2022, optional, Übung, 2 SWS, Kai-Steffen Jens Hielscher)

Empfohlene Voraussetzungen:
Rechnerkommunikation

Inhalt:
Die Bedeutung von Elektronik und Software ist in der Fahrzeugtechnik stark gestiegen, gleichzeitig
stellen die komplexen Entwicklungsprozesse in der Automobilindustrie hohe Anforderungen an Berufs-
einsteiger. Absolventen benötigen daher zunehmend spezialisierte Kenntnisse aus den Themenbereichen
Elektronik, Software und Vernetzung von Fahrzeugen. Um diesen Anforderungen Rechnung zu tragen,
wurde am Department Informatik ein spezieller Studienschwerpunkt „Informatik in der Fahrzeugtech-
nik“ im Studiengang Informatik eingerichtet.
Die Vorlesung „Fahrzeugkommunikation“ [FzK] ist in zwei Blöcke gegliedert: Zunächst führt die Vor-
lesung in die fahrzeuginterne Vernetzung ein, behandelt Vernetzungsarchitekturen, Bussysteme und
Steuergeräte, Fahrerassistenzfunktionen, Multimedia und Systemarchitekturen. Den Abschluss bilden
Betrachtungen zu Security und Safety in der fahrzeuginternen Vernetzung. Als zweiten Block gibt die
Vorlesung einen Überblick über Themen der externen Kommunikation von und mit Fahrzeugen, behan-
delt Systemarchitekturen zur Vernetzung von Fahrzeugen untereinander und mit Infrastruktur, Medi-
enzugriffsverfahren verbreiteter Lösungen, Protokolle von Vehrkehrsinformationssystemen. Sie schließt
wiederum mit Betrachtungen zu Safety und Security - erweitert um die in diesem Themengebiet be-
sonders relevanten Fragestellungen rund um die Wahrung der Privatsphäre von Nutzern.
Die Vorlesung wird für einen Abschluss mit Studienschwerpunkt „Informatik in der Fahrzeugtechnik“
anerkannt. Sie setzt Grundkenntnisse in Rechnerkommunikation voraus und richtet sich so schwer-
punktmäßig an Studierende aus Informatik, IuK und CE ab dem 5. Semester.
Auszug Interne Vernetzung:
• Interne Steuerung: ECU-ECU, Safety
• Bussysteme (CAN, LIN, FlexRay, MOST, ...)
• HW-, SW- Architekturen von Steuergeräten
• Security & Safety
Auszug Externe Vernetzung
• Car-2-X-Kommunikation
• Topologien, Architekturen
• Medienzugriff: Wifi, WAVE/DSRC
• Safety Anwendungen
• Security & Privacy
Lernziele und Kompetenzen:
Das Modul wird für einen Abschluss mit Studienschwerpunkt „Informatik in der Fahrzeugtechnik“
anerkannt. Sie setzt Grundkenntnisse in Rechnerkommunikation voraus und richtet sich so schwer-
punktmäßig an Studierende aus Informatik, IuK und CE ab dem 5. Semester.
Fachkompetenz
Wissen
Die Studierenden lernen die grundlegenden Mechanismen der internen und externen Fahrzeug-
kommunikation kennen. Sie können aktuelle und zukünftige Anwendungen für Vernetzung im
Fahrzeugbereich nennen.

UnivIS: 15.06.2022 18:14 181

 Verstehen
Die Studierenden verstehen die grundlegenden Prinzipien der internen Bussysteme und können die
Vorteile und Nachteile der wesentlichen Technologien in diesem Bereich erklären (CAN, FlexRay,
MOST, ...). Ebenso können Sie die Probleme von mobilen Ad-Hoc-Netzen erklären und Lösungs-
ansätze vergleichen (z.B. ETSI ITS-G5 und WAVE). Sie können wesentliche Anwendungen nach
ihren Anforderungen bezüglich der Vernetzung klassifizieren.
Anwenden
In den Übungen werden die Erkenntnisse in praktischen Aufgaben angewendet.
Analysieren
Die Studierenden werden in die Lage versetzt, zukünftige Anwendungen bezüglich ihres Kommu-
nikationsverhaltens zu analysieren.
Evaluieren (Beurteilen)
Dabei können Sie die zugrundeliegenden Mechanismen beurteilen und einschätzen, welche Ver-
netzungstechnologien diese Anforderungen am besten erfüllen. Unterstützt wird dies durch Si-
mulationen der Netze an konkreten Beispielen, die die notwendigen Metriken zur Analyse liefern
können.
Erschaffen
Die Studierenden entwickeln eigene Simulationen von Car2X-Netzen auf Basis realer Karten.
Ebenso können die Studierenden Simulationsmodelle für interne Netze erstellen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Computational Engineering (Master
of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Infor-
matik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "International Information Systems (IIS)
(Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Fahrzeugkommunikation (Vorlesung mit Übung) (Prüfungsnummer: 716033)
Prüfungsleistung, mehrteilige Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulprüfung besteht aus:
• Bearbeitung (zwei)wöchentlicher Aufgabenblätter in Gruppenarbeit. Für diese unbenotete Stu-
dienleistung sind alle Aufgabenblätter korrekt zu lösen und abzugeben.
• mündliche Prüfung mit 30 Minuten Dauer
Die Note ergibt sich alleine aus der Leistung in der mündlichen Prüfung.
Die Sprache ist abhängig von der Wahl der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Kai-Steffen Jens Hielscher (100125)

UnivIS: 15.06.2022 18:14 182

Modulbezeichnung: Vernetzte Mobilität und autonomes Fahren (VM) 5 ECTS
(Connected Mobility and Autonomous Driving)
Modulverantwortliche/r: Anatoli Djanatliev
Lehrende: Anatoli Djanatliev
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Vernetzte Mobilität und autonomes Fahren (WS 2021/2022, Vorlesung, 2 SWS, Anatoli Djanatliev)
Vernetzte Mobilität und autonomes Fahren (Übungen) (WS 2021/2022, Übung, 2 SWS, Anatoli Dja-
natliev)

Inhalt:
Es ist inzwischen allgemein bekannt, dass Fahrzeuge der Zukunft hochgradig vernetzt sein werden.
Der aktuelle Trend geht in Richtung des autonomen Fahrens. In den bisheringen Betrachtungen wur-
de insbesondere die ad-hoc Kommunikation zwischen Fahrzeugen auf unteren Schichten untersucht
(Fahrzeugkommunikation). Im Rahmen der vernetzten Mobilität soll das Fahrzeug vor allem als Teil
eines größeren Ökosystems mit weiteren Teilnehmern (z.B. Personen, Radfahrern, Ampeln, Gebäuden
etc.) gesehen werden.
All dies gibt die Möglichkeit den ständig wachsenden Bedarf an Mobilität zu optimieren und neue
Sicherheits- und Komfortdienstleistungen zu schaffen. Dies erfordert jedoch die Lösung einiger kom-
plexer Herausforderungen. Neben den gesellschaftlichen und rechtlichen Aspekten müssen insbesondere
auch technische Voraussetzungen geschaffen werden. Dazu gehören u.a. geeignete Kommunikatione-
technologien (v.a. ad-hoc, Mobilfunk) und Kommunikationsarchitekturen (Cloud-, Edge/Fog-, Node-
Computing). Neben Technologien, Methoden und innovativen Mobilitätsdienstleitungen werden im
Rahmen dieser Lehrveranstalung auch grundlegende Aspekte der Verkehrsplanung und Verkehrstech-
nik eingeführt sowie der intermodale Verkehr besprochen.
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
Verständnis grundlegender Konzepte u.a. von
• Ad-Hoc Kommunikation
• Mobilfunkkommunikation
• Verkehrsplanung
• Architekturen
• Fahrzeug als Teil eines Mobilitäts-Ökosystems
• Innovative Dienste
Anwenden
Bearbeitung von Übungsaufgaben
Analysieren
• Unterschiede zwischen unterschiedlichen Kommunikationstechnologien und Architekturen auf-
decken
• Relevante Zukunftsszenarien aufbauen
Evaluieren (Beurteilen)
Anwendung von Simulation und Modellierung zur Evaluierung zukünftiger Szenarien und Fallstu-
dien.
Literatur:
Barbara Flügge; Smart Mobility - Connecting Everyone: Trends, Concepts and Best Practices; Vieweg
Teubner, 2017
Maurer, M., Gerdes, J.C., Lenz, B., Winner, H. (Hrsg.); Autonomes Fahren: Technische, rechtliche
und gesellschaftliche Aspekte; Springer 2015
Johanning, V., Mildner, R.; Car IT kompakt: Das Auto der Zukunft - Vernetzt und autonom fahren;
Springer, 2015

UnivIS: 15.06.2022 18:14 183

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Networks
and Digital Communication | Wahlpflichtmodul aus INF im Schwerpunkt Networks and Digital Communication)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Compu-
tational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "International
Information Systems (IIS) (Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Vernetzte Mobilität und autonomes Fahren (Prüfungsnummer: 593320)
(englische Bezeichnung: Connected Mobility and Autonoumous Driving)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022 (nur für Wiederholer)

1. Prüfer: Anatoli Djanatliev (100361)

UnivIS: 15.06.2022 18:14 184

Modulbezeichnung: Image and Video Compression (IVC) 5 ECTS
(Image and Video Compression)
Modulverantwortliche/r: André Kaup
Lehrende: André Kaup, Fabian Brand
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Image and Video Compression (SS 2022, Vorlesung, 3 SWS, André Kaup)
Übung Image and Video Compression (SS 2022, Übung, 1 SWS, Fabian Brand)

Empfohlene Voraussetzungen:
Modul „Signale und Systeme II“ und das Modul „Nachrichtentechnische Systeme“

Inhalt:
Multi-Dimensional Sampling
Sampling theorem revisited, 2D sampling, spatiotemporal sampling, motion in 3D sampling
Entropy and Lossless Coding
Entropy and information, variable length codes, Huffman coding, unary coding, Golomb coding, arith-
metic coding
Statistical Dependency
Joint entropy and statistical dependency, run-length coding, fax compression standards
Quantization
Rate distortion theory, scalar quantization, Lloyd-Max quantization, entropy coded scalar quantization,
embedded quantization, adaptive quantization, vector quantization
Predictive Coding
Lossless predictive coding, optimum 2D linear prediction, JPEG-LS lossless compression standard,
differential pulse code modulation (DPCM)
Transform Coding
Principle of transform coding, orthonormal transforms, Karhunen-Loève transform, discrete cosine
transform, bit allocation, compression artifacts
Subband Coding
Principle of subband coding, perfect reconstruction property, discrete wavelet transform, bit allocation
for subband coding
Visual Perception and Color
Anatomy of the human eye, sensitivity of the human eye, color spaces, color sampling formats
Image Coding Standards
JPEG and JPEG2000
Interframe Coding
Interframe prediction, motion compensated prediction, motion estimation, motion compensated hybrid
coding
Video Coding Standards
H.261, H.263, MPEG-1, MPEG-2 / H.262, H.264 / MPEG-4 AVC, H.265 / MPEG-H HEVC
Lernziele und Kompetenzen:
Die Studierenden
• veranschaulichen die mehrdimensionale Abtastung und den Einfluss darauf durch Bewegung im
Videosignal
• unterscheiden und bewerten verschiedene Verfahren zur verlustfreien Codierung von Bild- und Vide-
odaten
• verstehen und analysieren Verbundentropie und statistische Abhängigkeiten in Bild- und Videodaten
• berechnen skalare und vektorielle Quantisierer nach unterschiedlichen Optimierungsvorgaben (mini-
maler mittlerer quadratischer Fehler, entropiecodiert, eingebetteter Quantisierer)
• bestimmen und evaluieren optimale ein- und zwei-dimensionale lineare Prädiktoren

UnivIS: 15.06.2022 18:14 185

 • wenden Prädiktion und Quantisierung sinnvoll in einem gemeinsamen DPCM-System an
• verstehen das Prinzip und die Effekte von Transformations- und Teilbandcodierung für Bilddaten
einschließlich optimaler Bitzuteilungen
• beschreiben die Grundzüge der menschlichen visuellen Wahrnehmung für Helligkeit und Farbe
• analysieren Blockschaltbilder und Wirkungsweisen hybrider Coder und Decoder für Videosignale
• kennen die maßgeblichen internationalen Standards aus ITU und MPEG zur Bild- und Videokom-
pression.
The students
• visualize multi-dimensional sampling and the influence of motion within the video signal
• differentiate and evaluate different methods for lossless image and video coding
• understand and analyze mutual entropy and statistical dependencies in image and video data
• determine scalar and vector quantization for different optimization criteria (minimum mean square
error, entropy coding, embedded quantization)
• determine and evaluate optimal one-dimensional and two-dimensional linear predictor
• apply prediction and quantization for a common DPCM system
• understand the principle and effects of transform and subband coding for image data including
optimal bit allocation
• describe the principles of the human visual system for brightness and color
• analyze block diagrams and the functioning of hybrid coders and decoders for video signals
• know the prevailing international standards of ITU and MPEG for image and video compression.
Literatur:
J.-R. Ohm, „Multimedia Communications Technology“, Berlin: Springer-Verlag, 2004

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Pflichtmodule)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Com-
munications Engineering (Master of Science)", "Artificial Intelligence (Master of Science)", "Berufspädagogik
Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Education)", "Communications and Mul-
timedia Engineering (Master of Science)", "Computational Engineering (Master of Science)", "Computational
Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",
"Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Medizin-
technik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Image and Video Compression (Prüfungsnummer: 63111)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: André Kaup (100219)

UnivIS: 15.06.2022 18:14 186

Modulbezeichnung: Auditory Models (AudMo) 2.5 ECTS
(Auditory Models)
Modulverantwortliche/r: Bernd Edler
Lehrende: Bernd Edler
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Auditory Models (SS 2022, Vorlesung, 2 SWS, Bernd Edler)

Inhalt:
• Main components of the human auditory system
• Common models
• Mechanical models
• Physiological models
• Psychoacoustic models
• Applications (hearing aids, audio coding, . . . )
Lernziele und Kompetenzen:
Goals
• Students understand the structure and function of the human auditory system
• Students gain deeper insight into psychoacoustic phenomena, such as masking, directional and
spatial hearing
• Students implement and evaluate perceptual models for various applications
• Students collaborate with scientists in the fields of audiology and neuroscience

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elek-
tronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirt-
schaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Auditory Models_ (Prüfungsnummer: 947709)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: Digitale Fernprüfung von 30
Minuten Dauer mittels ZOOM.
Die Prüfung kann wahlweise in Deutsch oder Englisch abgelegt werden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Bernd Edler (100295)

UnivIS: 15.06.2022 18:14 187

Modulbezeichnung: Musiksignalverarbeitung - Synthese (MPS) 2.5 ECTS
(Music Processing - Synthesis)
Modulverantwortliche/r: Maximilian Schäfer
Lehrende: Maximilian Schäfer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Musikverarbeitung - Synthese (WS 2021/2022, Vorlesung, 2 SWS, Maximilian Schäfer)

Inhalt:
• Verarbeitung von Audiosignalen durch parametrische Filter und Effekte
• Erzeugung von künstlichen Klängen mit Mitteln der digitalen Klangsynthese
• Klangwiedergabe in echten und virtuellen Räumen
• Klangbeispiele und Demonstrationen
• Programmiersprachen für Audio-Echtzeit-Verarbeitung
Content:
• a short history of electrical and electronic music
• processing of audio signals by parametric filters and effects
• digital sound synthesis
• sound reproduction in real and in virtual environments
• sound examples and demonstrations
• programming languages for audio real-time
processing
Lernziele und Kompetenzen:
Die Studierenden
• beschreiben die speziellen Anforderungen für Audio-Echtzeit-Verarbeitung,
• wenden ihre theoretischen Kenntnisse zeitdiskreter Signale und Systeme für die Verarbeitung und
Erzeugung musikalischer Klänge an,
• gestalten eigene Software-Realisierungen zur Klangsynthese,
• entwerfen technische Systeme für musikalisch motivierte Aufgabenstellungen.
The students
• specify the special requirements for audio realtime processing,
• apply their theoretical knowledge about discrete-time signals and systems to processing and synthesis
of musical sounds,
• design their own software realizations for sound synthesis
• implement technical systems for digital music.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Berufspädagogik Technik (Bachelor of
Science)", "Berufspädagogik Technik (Master of Education)", "Communications and Multimedia Engineering
(Master of Science)", "Computational Engineering (Master of Science)", "Computational Engineering (Rech-
nergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Ba-
chelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 188

Studien-/Prüfungsleistungen:
Musiksignalverarbeitung - Synthese (Prüfungsnummer: 502007)
(englische Bezeichnung: Music Processing - Synthesis)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Maximilian Schäfer (100472)

UnivIS: 15.06.2022 18:14 189

Modulbezeichnung: Signalanalyse (SA) 2.5 ECTS
(Signal Analysis)
Modulverantwortliche/r: Heinrich Löllmann
Lehrende: Heinrich Löllmann
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Signalanalyse (WS 2021/2022, Vorlesung, 2 SWS, Heinrich Löllmann)

Empfohlene Voraussetzungen:
Fundierte Kenntnisse in digitaler Signalverarbeitung.
Requirements
Solid knowledge in digital signal processing

Inhalt:
Es werden im Rahmen dieser Vorlesung unterschiedliche Verfahren zur Analyse digitaler Signale, so-
wie deren Anwendungsmöglichkeiten behandelt. Die folgenden Konzepte werden dabei insbesondere
behandelt:
• Fourieranalyse von Signalen
• Signalanalyse mittels Zeit-Frequenz-Transformationen
• Parametrische und nichtparametrische Signalanalyse
• Verfahren zur Frequenzschätzung
• Räumliche Signalanalyse
• Filterbänke und Wavelets.
In this course, different approaches for the analysis of digital signals and their applications are treated,
which comprises the following topics:
• Fourier analysis of signals
• Signal analysis by means of time-frequency transformations
• Parametric and non-parametric signal analysis
• Frequency estimation
• Spatial signal analysis
• Filter-banks and wavelets.
Lernziele und Kompetenzen:
Die Studierenden
• beschreiben, welche Methoden der Signalanalyse für unterschiedlichen Arten von Signalen angewen-
det werden
• beschreiben grundlegende Methoden der spektralen Signalanalyse
• erläutern wodurch die spektrale und zeitliche Auflösung bei der Spektralanalyse von Signalen be-
grenzt wird
• beschreiben die Konzepte sowie die Vor- und Nachteile der parametrischen und nichtparametrischen
Signalanalyse
• erklären unterschiedliche Verfahren der Zeit-Frequenz-Analyse
• stellen die Analyse von Signalen mittels Filterbänke und Wavelets dar
• können Verfahren zur Frequenzschätzung erläutern
• formulieren Verfahren zur Analyse räumlicher Signale.
The students
• describe which methods for signal analysis can be applied for different types of signals
• describe fundamental approaches for spectral signal analysis
• explain the limiting factors for the time and frequency resolution for the spectral analysis of signals
• describe concepts as well as the pros and cons of parametric and non-parametric signal analysis
• explain different approaches for time-frequency analysis
• describe the analysis of signals by means of filter-banks and wavelets

UnivIS: 15.06.2022 18:14 190

 • explain methods for frequency estimation
• formulate approaches for spatial signal analysis.
Literatur:
P. Stoica und R. Moses: "Spectral Analysis of Signals", Pearson Prentice Hall, 2005

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Communi-
cations Engineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)",
"Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieur-
wesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Signalanalyse (Prüfungsnummer: 250058)
(englische Bezeichnung: Signal Analysis)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Heinrich Löllmann (100292)

UnivIS: 15.06.2022 18:14 191

Modulbezeichnung: Speech Enhancement (SpEn) 2.5 ECTS
(Speech Enhancement)
Modulverantwortliche/r: Emanuël A. P. Habets
Lehrende: Emanuël A. P. Habets
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Speech Enhancement (WS 2021/2022, Vorlesung, 2 SWS, Emanuël A. P. Habets)

Inhalt:
Course Description
We live in a noisy world! In all applications related to speech, from hands-free communication to human-
machine interfaces, a speech signal of interest captured by one or more microphones is contaminated
by noise and reverberation. The quality and intelligibility of the signal of interest depend highly on the
level of noise and reverberation. Therefore, it is highly desirable, and sometimes even indispensable,
to "clean up" the captured signals before storage, transmission, or reproduction.
This course discusses both model-driven and data-driven methods to estimate the signal of interest.
It aims to provide a strong foundation for researchers, engineers, and graduate students interested in
signal and speech enhancement.
Relation to other courses
This course is the most advanced course offered by the university on this topic, and serves as an
excellent basis from which to commence research in the area. Various aspects of the course bring
students up to date with the very latest developments in the field, as seen in recent international
conferences and journals. This course is well complimented by Selected Topics in Perceptual Audio
Coding (Prof. Herre) and Auditory Models (Prof. Edler).
Lernziele und Kompetenzen:
Students
• Formulate the speech enhancement problem mathematically.
• Derive optimal single- and multi-channel filters to reduce noise and reverberation.
• Evaluate and compare the performance of single- and multi-channel filters for speech enhancement.
• Understand how reference signals and other prior information can be used in a speech enhancement
system.
• Understand the limitations and challenges of existing speech enhancement systems.
• Understand the importance of binaural cues and the influence of a speech enhancement system on
the binaural cues in the context of hearing aids.
• Design a microphone array and analyze its performance.
• Design a speech enhancement system for a given acoustic scenario.
• Evaluate both subjectively and objectively the performance of a speech enhancement system in
terms of the speech quality and intelligibility.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik
(Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 192

Studien-/Prüfungsleistungen:
Speech Enhancement (Prüfungsnummer: 68801)
(englische Bezeichnung: Speech Enhancement)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfung kann wahlweise in Deutsch oder Englisch abgelegt werden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Emanuël A. P. Habets (100005)

Organisatorisches:
Die Unterrichts- und Prüfungssprache (Deutsch oder Englisch) wird in der ersten Lehrveranstaltung
mit den Studierenden vereinbart.

UnivIS: 15.06.2022 18:14 193

Modulbezeichnung: Speech Enhancement (SpEn) 2.5 ECTS
(Speech Enhancement)
Modulverantwortliche/r: Emanuël A. P. Habets
Lehrende: Emanuël A. P. Habets
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Speech Enhancement (WS 2021/2022, Vorlesung, 2 SWS, Emanuël A. P. Habets)

Inhalt:
Course Description
We live in a noisy world! In all applications related to speech, from hands-free communication to human-
machine interfaces, a speech signal of interest captured by one or more microphones is contaminated
by noise and reverberation. The quality and intelligibility of the signal of interest depend highly on the
level of noise and reverberation. Therefore, it is highly desirable, and sometimes even indispensable,
to "clean up" the captured signals before storage, transmission, or reproduction.
This course discusses both model-driven and data-driven methods to estimate the signal of interest.
It aims to provide a strong foundation for researchers, engineers, and graduate students interested in
signal and speech enhancement.
Relation to other courses
This course is the most advanced course offered by the university on this topic, and serves as an
excellent basis from which to commence research in the area. Various aspects of the course bring
students up to date with the very latest developments in the field, as seen in recent international
conferences and journals. This course is well complimented by Selected Topics in Perceptual Audio
Coding (Prof. Herre) and Auditory Models (Prof. Edler).
Lernziele und Kompetenzen:
Students
• Formulate the speech enhancement problem mathematically.
• Derive optimal single- and multi-channel filters to reduce noise and reverberation.
• Evaluate and compare the performance of single- and multi-channel filters for speech enhancement.
• Understand how reference signals and other prior information can be used in a speech enhancement
system.
• Understand the limitations and challenges of existing speech enhancement systems.
• Understand the importance of binaural cues and the influence of a speech enhancement system on
the binaural cues in the context of hearing aids.
• Design a microphone array and analyze its performance.
• Design a speech enhancement system for a given acoustic scenario.
• Evaluate both subjectively and objectively the performance of a speech enhancement system in
terms of the speech quality and intelligibility.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik
(Master of Education)", "Communications and Multimedia Engineering (Master of Science)", "Elektrotechnik,
Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik
(Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieur-
wesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 194

Studien-/Prüfungsleistungen:
Speech Enhancement (Prüfungsnummer: 788996)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfung kann wahlweise in Deutsch oder Englisch abgelegt werden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Emanuël A. P. Habets (100005)

Organisatorisches:
Die Unterrichts- und Prüfungssprache (Deutsch oder Englisch) wird in der ersten Lehrveranstaltung
mit den Studierenden vereinbart.

UnivIS: 15.06.2022 18:14 195

Modulbezeichnung: Transformationen in der Signalverarbeitung (TSV) 2.5 ECTS
(Transforms in Signal Processing)
Modulverantwortliche/r: Jürgen Seiler
Lehrende: Jürgen Seiler
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Transformationen in der Signalverarbeitung (SS 2022, Vorlesung, 2 SWS, Jürgen Seiler)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Signale und Systeme I
Signale und Systeme II

Inhalt:
Das Modul "Transformationen in der Signalverarbeitung" behandelt mehrere verschiedene Transforma-
tionen, die im Rahmen der Signalverarbeitung Verwendung finden. Dabei werden zuerst die grundlegen-
den Konzepte von Transformationen diskutiert und die Vorteile die Transformationen mit sich bringen
erläutert. Im Anschluss daran werden die grundlegenden Eigenschaften von Integraltransformationen
betrachtet und die Laplace- und die Fourier-Transformation im Detail untersucht. Um auch zeitlich ver-
änderliche Signale gut transformieren zu können werden danach die Kurzzeit-Fourier-Transformation
und die Gabor-Transformation eingeführt. Im Anschluss daran erfolgt eine Betrachtung der Auswirkung
der Abtastung auf transformierte Signale, bevor die z-Transformation als Transformation für diskrete
Signale behandelt wird. Abschließend erfolgt die Betrachtung weiterer Transformationen für diskrete
Signale wie der Diskreten Fourier-Transformation oder linearer Block-Transformationen.
The module "Transforms in Signal Processing" covers several different transforms which are used in
the field of signal processing. For this, first the basic concepts of transforms are discussed and the
advantages which are offered by the different transforms are presented. Subsequent to this, fundamen-
tal properties of integral transforms are considered and the Laplace- and the Fourier-Transform are
examined in detail. To be able to transform time-varying signals, the Short-Time Fourier-Transform
and the Gabor-Transform are introduced, afterwards. Subsequent to this, the impact of sampling on
transformed signals is analyzed before the z-Transform as a transform for discrete signals is cover-
ed. Finally, further transforms for discrete signals like the Discrete Fourier-Transform or Linear-Block
Transforms are discussed.
Lernziele und Kompetenzen:
Die Studierenden können nach Besuch der Vorlesung
• Anwendungsmöglichkeiten von Transformationen bestimmen
• Integraltransformationen gegenüberstellen und untersuchen
• die Existenz von Transformationen hinterfragen
• die Eindeutigkeit von Transformationen überprüfen
• Sätze und Eigenschaften von Transformationen entwickeln
• zu Transformationen zugehörige inverse Transformationen einschätzen
• die Zusammenhänge zwischen verschiedenen Transformationen einschätzen
• auf Zusammenhänge zwischen Ausgangssignalen und transformierten Signalen folgern
• Symmetriebeziehungen von Transformationen ausarbeiten
• Zusammenhänge zwischen kontinuierlichen und diskreten Signalen ausarbeiten
Educational Objectives and Competences: After attending the lecture, students will be able to
• determine applications of transforms
• contrast and examine integral transforms
• question the existence of transforms
• evaluate the uniqueness of transforms
• develop theorems and properties of transforms
• evaluate to transforms corresponding inverse transforms

UnivIS: 15.06.2022 18:14 196

 • evaluate the relationships between different transforms
• asses the relationship between original signal and transformed signals
• devise the symmetry properties of transforms
• devise the relationship between continuous and discrete signals
Literatur:
K. Krüger, Transformationen - Grundlagen und Anwendungen in der Nachrichtentechnik, Vieweg Ver-
lag, Braunschweig
B. Girod, R. Rabenstein, A. Stenger, Einführung in die Systemtheorie, B. G. Teubner Verlag, Stuttgart

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Enginee-
ring (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Computational
Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieur-
wesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Transformationen in der Signalverarbeitung (Prüfungsnummer: 498723)
(englische Bezeichnung: Transforms in Signal Processing)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: digitale Fernprüfung von 30
Minuten Dauer mittels ZOOM
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jürgen Seiler (100290)

Organisatorisches:
Die Vorlesungsunterlagen sowie Aufzeichnungen der Vorlesung werden via StudOn semesterbegleitend
zur Verfügung gestellt bis ein regulärer Lehrbetrieb wieder möglich ist.
The lecture notes and recordings of each lecture will be provided via StudOn until a regular teaching
is possible again.

UnivIS: 15.06.2022 18:14 197

Modulbezeichnung: Virtual Vision (ViVi) 2.5 ECTS
(Virtual Vision)
Modulverantwortliche/r: Christian Herglotz, Christian Herglotz
Lehrende: Christian Herglotz
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Virtual Vision (SS 2022, Vorlesung, 2 SWS, Christian Herglotz)

Inhalt:
Menschliches Sehen
• Sichtfeld und Fovea
• Dynamic Range
• Stereoskopie
Eigenschaften der Lichtfeldunktion
• Helligkeit
• 3D und Tiefe
• Farben
• Räumliche und zeitliche Auflösung
Energieeffizienz in der Videokommunikation.
Content:
Human Vision
• Field of view and fovea
• Dynamic Range
• Stereoscopy
Properties of the light field funtion
• Brightness
• 3D and depth
• Colors
• Spatial and temporal resolution
Energy efficiency in video communications
Lernziele und Kompetenzen:
The students
• give an overview on basic properties of the human visual system
• know and explain all hardware and software components necessary to perform video capturing,
processing, and display.
• describe differences and properties of video formats such as fisheye, 360°, or high dynamic range
• distinguish video formats and discuss advantages and disadvantages
• show real-time demonstrations of these video formats with common portable devices
• assess the quality and the compression performance of video formats
• come up with new strategies to improve processing algorithms like stitching or compression.
Literatur:
Literaturhinweise werden in der Vorlesung gegeben.
References for further reading will be given in the lecture.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 198

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus EEI im Schwerpunkt Media Processing Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[3] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elek-
trotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und In-
formationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of
Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Virtual Vision (Prüfungsnummer: 63151)
(englische Bezeichnung: Virtual Vision)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Christian Herglotz (100475)

Organisatorisches:
Further information and material can be found on StudOn (htt-
ps://[Link]/[Link]).
Bemerkungen:
Diese Vorlesung ersetzt die frühere Vorlesung "Mensch-Maschine Schnittstelle" von Prof. Rudolf Ra-
benstein.
This lecture replaces the former lecture "Human-Machine Interfaces" of Prof. Rudof Rabenstein.

UnivIS: 15.06.2022 18:14 199

Modulbezeichnung: Diagnostic Medical Image Processing 5 ECTS
(VHB-Kurs) (DMIP-VHB)
(Diagnostic Medical Image Processing (VHB course))
Modulverantwortliche/r: Andreas Maier
Lehrende: Celia Martín Vicario, Arpitha Ravi, Luis Carlos Rivera Monroy
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: k.A. Std. Eigenstudium: 150 Std. Sprache: Englisch
Lehrveranstaltungen:
Medical Image Processing for Diagnostic Applications (VHB-Kurs) (SS 2022, Vorlesung, 4 SWS,
Andreas Maier et al.)

Empfohlene Voraussetzungen:
Ingenieurmathematik

Inhalt:
English version:
The contents of the module comprise basics about medical imaging modalities and acquisition hard-
ware. Furthermore, details on acquisition-dependent preprocessing are covered for image intensifiers,
flat-panel detectors, and MR. The fundamentals of 3D reconstruction from parallel-beam to cone-beam
reconstruction are also covered. In the last chapter, rigid registration for image fusion is explained.
Deutsche Version:
Die Inhalte des Moduls umfassen Grundlagen der medizinischen Bildverarbeitung und Aufnahmeprinzi-
pien. Darüber hinaus werden Details der Vorverarbeitung für Bildverstärker, Flachpaneldetektoren und
MR erklärt. Die Grundlagen der Rekonstruktion von Parallelstrahl bis hin zur Kegelstrahl-Tomographie
werden ebenfalls behandelt. Im letzten Kapitel wird starre Registrierung für Bildfusion erläutert.
Lernziele und Kompetenzen:
English Version: The participants
• understand the challenges in interdisciplinary work between engineers and medical practitioners.
• develop understanding of algorithms and math for diagnostic medical image processing.
• learn that creative adaptation of known algorithms to new problems is key for their future career.
• develop the ability to adapt algorithms to different problems.
• are able to explain algorithms and concepts of the module to other engineers.
Deutsche Version: Die Teilnehmenden
• verstehen die Herausforderungen in der interdisziplinären Arbeit zwischen Ingenieuren und Ärzten.
• entwickeln Verständnis für Algorithmen und Mathematik der diagnostischen medizinischen Bildver-
arbeitung.
• erfahren, dass kreative Adaption von bekannten Algorithmen auf neue Probleme der Schlüssel für
ihre berufliche Zukunft ist.
• entwickeln die Fähigkeit Algorithmen auf verschiedene Probleme anzupassen.
• sind in der Lage, Algorithmen und Konzepte des Moduls anderen Studierenden der Technischen
Fakultät zu erklären.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Optical Technologies (Master
of Science)", "Advanced Signal Processing & Communications Engineering (Master of Science)", "Artifici-
al Intelligence (Master of Science)", "Communications and Multimedia Engineering (Master of Science)",

UnivIS: 15.06.2022 18:14 200

 "Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieur-
wesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of
Science)", "Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Ba-
chelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik
(Master of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Diagnostic Medical Image Processing (Prüfungsnummer: 41501)
(englische Bezeichnung: Diagnostic Medical Image Processing)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Andreas Maier (100196)

Diagnostic Medical Image Processing (Prüfungsnummer: 41501)

(englische Bezeichnung: Diagnostic Medical Image Processing)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Andreas Maier (100196)

UnivIS: 15.06.2022 18:14 201

Modulbezeichnung: Dienstgüte von Kommunikationssystemen (DKS) 5 ECTS
(Quality of Service in Communications)
Modulverantwortliche/r: Reinhard German
Lehrende: Reinhard German
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Quality of Service in Communications (SS 2022, Vorlesung, 2 SWS, Reinhard German)
Quality of Service in Communications (Ex-QoSiC) (SS 2022, Übung, 2 SWS, Lisa Maile)

Empfohlene Voraussetzungen:
Rechnerkommunikation, Kommunikationssysteme, grundlegende Programmierkenntnisse (optimal in R
und C++)
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Kommunikationssysteme-VÜ

Inhalt:
Zunächst wird der Begriff der Dienstgüte (Quality-of-Service, QoS) eingegrenzt und es werden die
wichtigsten Ansätze zur Erzielung von Dienstgüte besprochen und in ausgewählten Netztechnologien
untersucht. Dann werden unterschiedliche Methoden vorgestellt, mit denen Systeme bezüglich ihrer
Dienstgüte bewertet und ausgelegt werden können:
• Netzplanung und - optimierung,
• stochastische Analyse (Markow-Ketten, Warteschlangen),
• Netzwerksimulation,
• deterministische Analyse mit Network Calculus zur Ermittlung von Dienstgütegarantien
• Messung (HW-, SW-, Hybrid-Monitoring, Benchmarks).
Alle Methoden werden an Beispielen demonstriert.
Contents:
We introduce the term quality-of-service (QoS), discuss important approaches to achieve certain de-
grees of QoS, and show how the implementation in computer networks. Then a number of methodo-
logies to assess and design systems with respect to their QoS:
• network planning and optimization,
• network simulation,
• stochastic analysis (Markov chains, non-Markovian models, queuing systems),
• deterministic analysis with network calculus to determine QoS guarantees
• measurements (hardware, software, and hybrid monitoring, benchmarks).
All methods are illustrated by examples.
Lernziele und Kompetenzen:
Die Studierenden erwerben
• Kenntnisse in Methoden zur Modellierung und Bewertung von quantitativen, nicht-funktionalen
Eigenschaften von vernetzten Systemen
• Kenntnisse in Mechanismen von vernetzten Systemen zur Erzielung von Dienstgüte
Learning targets and competences:
The students get
• experience in methods to model and evaluate quantitative, non-functional properties of computer
networks and related systems
• knowledge of mechanisms of computer networks to achieve quality-of-service
Literatur:
• Kurose, Ross. Computer Networking: A Top-Down Approach Featuring the Internet. 6th Ed., Addison
Wesley, 2013

UnivIS: 15.06.2022 18:14 202

 • W. Stallings. Data and Computer Communications, 10th ed., Pearson Education, 2014
• W. Stallings. Foundations of Modern Networking: SDN, NFV, QoE, IoT, and Cloud, Pearson Edu-
cation, 2016

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikations-
technik (Master of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik
(Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Dienstgüte von Kommunikationssystemen (Vorlesung und Übung) (Prüfungsnummer: 472330)
(englische Bezeichnung: Quality of Service of Communication Systems (Lecture and Exercise))
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Prüfungsleistung, Klausur, benotet, 5 ECTS
Anteil an der Berechnung der Modulnote: 100.0 %
Weitere Erläuterungen:
Die im Rahmen der Übung gestellten (zwei-) wöchentlichen Übungsaufgaben können abgegeben
werden und werden in diesem Fall bewertet. Auf Basis des Ergebnisses dieser Bewertungen können
bis zu 10 % Bonuspunkte bei der schriftlichen Klausur erworben werden, die zu dem Ergebnis einer
bestandenen Klausur hinzugerechnet werden. Bei einer mündlichen Klausur werden die Bonuspunkte
umgerechnet auf Notenschritte, um welche eine bestandene Klausurnote verbessert werden kann (bis
zu zwei Notenschritte, Beispiel: von 1.7 auf 1.3 or 1.0).
Benotete Prüfung: Bei mehr als 20 Teilnehmern wird die Prüfung schriftlich stattfinden (Dauer
90 Minuten) sonst mündlich (Dauer 30 min).
Further explanations:
The (two-) weekly assignments of the exercise can be submitted and will be scored in this case.
Based on the result of these scores, up to 10% bonus points can be earned, which are added to
the final points of a successfully passed exam. In an oral exam, the bonus points are converted into
steps by which a passed exam grade can be improved (up to two steps, e.g. from 1.7 to 1.3 or 1.0).
Graded examination: If there are more than 20 participants, the examination will be written
(duration 90 minutes) otherwise oral (duration 30 minutes).
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Reinhard German (100165)

Organisatorisches:
Alles Material ist in Englisch, die Vorlesung und die Übungen werden in Englisch gehalten.
All material, lectures and exercises are in English.

UnivIS: 15.06.2022 18:14 203

Modulbezeichnung: Hardware-Software-Co-Design (HSCD-VU) 5 ECTS
(Hardware-Software-Co-Design)
Modulverantwortliche/r: Jürgen Teich
Lehrende: Jürgen Teich
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Hardware-Software-Co-Design (SS 2022, Vorlesung, 2 SWS, Jürgen Teich)
Übungen zu Hardware-Software-Co-Design (SS 2022, Übung, 2 SWS, Tobias Hahn et al.)

Inhalt:
Zahlreiche Realisierungen eingebetteter Systeme (z.B. Mobiltelephone, Faxgeräte, Industriesteuerun-
gen) zeichnen sich durch kooperierende Hardware- und Softwarekomponenten aus. Die Popularität
solcher Realisierungsformen lässt sich begründen durch 1) die steigende Vielfalt und Komplexität he-
terogener Systeme, 2) die Notwendigkeit, Entwurfs- und Testkosten zu senken und 3) Fortschritte in
Schlüsseltechnologien (Mikroelektronik, formale Entwurfsmethoden). Zum Beispiel bieten Halbleiter-
hersteller kostengünstige ASICs an, die einen Mikrocontroller und benutzerspezifische Peripherie und
Datenpfade auf einem Chip integrieren.
Die Synthese solcher Systeme wirft jedoch eine Reihe neuartiger Entwurfsprobleme auf, insbesonde-
re 1) die Frage der Auswahl von Hardware- und Softwarekomponenten, 2) die Partitionierung einer
Spezifikation in Hard- und Software, 3) die automatische Synthese von Interface- und Kommunikati-
onsstrukturen und 4) die Verifikation und Cosimulation.
1. Überblick und Vergleich von Architekturen und Komponenten in Hardware/Software-Systemen.
2. Aufbau eines Compilers und Codeoptimierungsverfahren für Hardware und Software
3. Hardware/Software-Partitionierung (Partitionierung komplexer Systeme, Schätzungsverfahren, Per-
formanzanalyse, Codegenerierung)
4. Interfacesynthese (Kommunikationsarten, Synchronisation, Synthese)
5. Verifikation und Cosimulation
6. Tafelübungen
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• Die Studierenden erhalten Einblick in ein aktuelles Forschungsgebiet.
Verstehen
• Die Studierenden verstehen Grundlagen des modernen Systementwurfs.
• Die Studierenden erklären Implementierungsalternativen für digitale Hardware/Software-
Systeme.
Anwenden
• Die Studierenden wenden grundlegende Algorithmen an, zur Analyse und Optimierung von
Hardware/Software-Systemen.
Literatur:
empfohlene Bücher zur Begleitung und Vertiefung:
• Teich J., Haubelt C.: "Digitale Hardware/Software-Systeme: Synthese und Optimierung", Springer-
Verlag, 2007, ISBN: 978-3-540-46822-6
• Gajski, D. et al.: "Specification and Design of Embedded Systems", Prentice Hall, Englewood Cliffs,
NJ, 1994, ISBN: 978-0131507319

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 204

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Computational Engineering (Rech-
nergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes In-
genieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor
of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of
Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Hardware-Software-Co-Design (Prüfungsnummer: 502509)
(englische Bezeichnung: Hardware-Software-Co-Design)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulnote ergibt sich aus der Klausurnote. Die Sprache der Klausur ist abhängig von der Wahl
der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jürgen Teich (100115)

Organisatorisches:
Die Auswahl dieses Moduls schließt die Auswahl des Moduls „Hardware-Software-Co-Design mit er-
weiterter Übung (HSCD-VEU)“ aus.

UnivIS: 15.06.2022 18:14 205

Modulbezeichnung: Hardware-Software-Co-Design mit erweiterter 7.5 ECTS
Übung (HSCD-VEU)
(Hardware-Software-Co-Design with Extended Exercises)
Modulverantwortliche/r: Jürgen Teich
Lehrende: Jürgen Teich
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
Hardware-Software-Co-Design (SS 2022, Vorlesung, 2 SWS, Jürgen Teich)
Übungen zu Hardware-Software-Co-Design (SS 2022, Übung, 2 SWS, Tobias Hahn et al.)
Erweiterte Übungen zu Hardware-Software-Co-Design (SS 2022, Übung, 2 SWS, Tobias Hahn et al.)

Inhalt:
Zahlreiche Realisierungen eingebetteter Systeme (z.B. Mobiltelephone, Faxgeräte, Industriesteuerun-
gen) zeichnen sich durch kooperierende Hardware- und Softwarekomponenten aus. Die Popularität
solcher Realisierungsformen lässt sich begründen durch 1) die steigende Vielfalt und Komplexität he-
terogener Systeme, 2) die Notwendigkeit, Entwurfs- und Testkosten zu senken und 3) Fortschritte in
Schlüsseltechnologien (Mikroelektronik, formale Entwurfsmethoden). Zum Beispiel bieten Halbleiter-
hersteller kostengünstige ASICs an, die einen Mikrocontroller und benutzerspezifische Peripherie und
Datenpfade auf einem Chip integrieren.
Die Synthese solcher Systeme wirft jedoch eine Reihe neuartiger Entwurfsprobleme auf, insbesonde-
re 1) die Frage der Auswahl von Hardware- und Softwarekomponenten, 2) die Partitionierung einer
Spezifikation in Hard- und Software, 3) die automatische Synthese von Interface- und Kommunikati-
onsstrukturen und 4) die Verifikation und Cosimulation.
1. Überblick und Vergleich von Architekturen und Komponenten in Hardware/Software-Systemen.
2. Aufbau eines Compilers und Codeoptimierungsverfahren für Hardware und Software
3. Hardware/Software-Partitionierung (Partitionierung komplexer Systeme, Schätzungsverfahren, Per-
formanzanalyse, Codegenerierung)
4. Interfacesynthese (Kommunikationsarten, Synchronisation, Synthese)
5. Verifikation und Cosimulation
6. Tafelübungen
7. Demonstrationen mit rechnergestützten Entwurfswerkzeugen und praktische Übungen
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• Die Studierenden erhalten Einblick in ein aktuelles Forschungsgebiet.
Verstehen
• Die Studierenden verstehen Grundlagen des modernen Systementwurfs.
• Die Studierenden erklären Implementierungsalternativen für digitale Hardware/Software-
Systeme.
Anwenden
• Die Studierenden wenden grundlegende Algorithmen an, zur Analyse und Optimierung von
Hardware/Software-Systemen.
• Die Studierenden wenden das erlernte Wissen in den erweiterten Übungen vor Ort an den
Rechnerarbeitsplätzen des Lehrstuhls an.
Sozialkompetenz
• Die Studierenden benutzen aktuelle Entwurfswerkzeuge für die Spezifikation, Optimierung und
Prototypisierung von Hardware/Software-Systemen bei der kooperativen Bearbeitung der erwei-
terten Übung in Gruppen.
Literatur:
empfohlene Bücher zur Begleitung und Vertiefung:

UnivIS: 15.06.2022 18:14 206

 • Teich J., Haubelt C.: "Digitale Hardware/Software-Systeme: Synthese und Optimierung", Springer-
Verlag, 2007, ISBN: 978-3-540-46822-6
• Gajski, D. et al.: "Specification and Design of Embedded Systems", Prentice Hall, Englewood Cliffs,
NJ, 1994, ISBN: 978-0131507319

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Master of Science)",
"Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational En-
gineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikations-
technik (Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Bachelor of Science)",
"Mechatronik (Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Hardware-Software-Co-Design (Vorlesung mit erweiterter Übung) (Prüfungsnummer: 292952)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Klausur (90 min) und erfolgreicher Bearbeitung aller Übungsaufgaben in den erweiterten Übungen
(verpflichtend, vor Ort an den Rechnerarbeitsplätzen des Lehrstuhls). Die Sprache der Klausur ist
abhängig von der Wahl der Studierenden.
Die Modulnote ergibt sich aus der Klausurnote.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Jürgen Teich (100115)

Organisatorisches:
Die Auswahl dieses Moduls schließt die Auswahl des Moduls „Hardware-Software-Co-Design (HSCD-
VU)“ aus.

UnivIS: 15.06.2022 18:14 207

Modulbezeichnung: Interventional Medical Image Processing 5 ECTS
(Online-Kurs) (IMIP)
(Interventional Medical Image Processing (online course))
Modulverantwortliche/r: Andreas Maier
Lehrende: Celia Martín Vicario, Luis Carlos Rivera Monroy, Arpitha Ravi
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: k.A. Std. Eigenstudium: 150 Std. Sprache: Englisch
Lehrveranstaltungen:
Medical Image Processing for Interventional Applications (VHB-Kurs) (SS 2022, Vorlesung, 4 SWS,
Andreas Maier et al.)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Diagnostic Medical Image Processing (VHB-Kurs)

Inhalt:
English Version:
This module focuses on recent developments in image processing driven by medical applications.
All algorithms are motivated by practical problems. The mathematical tools required to solve the
considered image processing tasks will be introduced.
The module starts with an overview on preprocessing algorithms such as scatter correction for x-
ray images, edge detection, super-resolution and edge-preserving noise reduction. The second chapter
describes automatic image analysis using feature descriptors, key point detection, and segmentation
using bottom-up algorithms such as the random walker or top-down approaches such as active shape
models. Furthermore, the module covers geometric calibration algorithms for single view calibration,
epipolar geometry, and factorization. The last part of the module covers non-rigid registration based
on variational methods and motion-compensated image reconstruction.
Deutsche Version:
Das Modul ist auf die jüngsten Entwicklungen in der Verarbeitung von medizinischen Bildern ausgerich-
tet. Alle Algorithmen werden durch praktische Probleme motiviert. Die mathematischen Werkzeuge,
die für die Bildverarbeitungsaufgaben benötigt werden, werden eingeführt.
Das Modul beginnt mit einem Überblick über Vorverarbeitungsalgorithmen, wie zum Beispiel Streu-
strahlkorrektur für Röntgenbilder, Kantenerkennung, Superresolution und kantenerhaltende Rauschun-
terdrückung. Das zweite Kapitel beschreibt die automatische Bildanalyse mit Merkmalsdeskriptoren,
Punkterkennung und Segmentierung mit Bottom-up-Algorithmen wie dem Random-Walker oder Top-
Down-Ansätzen wie aktiven Formmodellen. Darüber hinaus deckt die Vorlesung auch geometrische
Kalibrierungsalgorithmen zur Einzelansicht-Kalibrierung, Epipolargeometrie und Faktorisierung ab. Der
letzte Teil des Moduls deckt nicht-starre Registrierung auf der Grundlage von Variationsmethoden und
bewegungskompensierter Bildrekonstruktion ab.
Lernziele und Kompetenzen:
English Version:
The participants
• summarize the contents of the lecture.
• apply pre-processing algorithms such as scatter correction and edge-preserving filtering.
• extract information from images automatically by image analysis methods such as key point detectors
and segmentation algorithms.
• calibrate projection geometries for single images and image sequences using the described methods.
• develop non-rigid registration methods using variational calculus and different regularizers.
• adopt algorithms to new domains by appropriate modifications.
Deutsche Version:
Die Teilnehmenden
• fassen die Inhalte der Vorlesung zusammen.
• wenden Vorverarbeitungsalgorithmen wie Streustrahlkorrektur und kantenerhaltende Filterung an.

UnivIS: 15.06.2022 18:14 208

 • extrahieren automatisch Informationen aus Bildern, indem sie Bildanalyseverfahren wie Punktdetek-
toren und Segmentierungsalgorithmen verwenden.
• kalibrieren Projektionsgeometrien für Einzelbilder und Bildsequenzen mit den beschriebenen Metho-
den.
• entwickeln nicht-starre Registrierungsmethoden mit Hilfe von Variationsrechnung und unterschied-
lichen Regularisierern.
• wenden Algorithmen auf neue Modalitäten durch entsprechende Änderungen im Algorithmus an.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Optical Technologies (Mas-
ter of Science)", "Artificial Intelligence (Master of Science)", "Communications and Multimedia Engineering
(Master of Science)", "Computational Engineering (Master of Science)", "Computational Engineering (Rech-
nergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik
(Master of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Interventional Medical Image Processing (VHB-Kurs) (Prüfungsnummer: 41401)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Andreas Maier (100196)

UnivIS: 15.06.2022 18:14 209

Modulbezeichnung: Pattern Analysis (PA) 5 ECTS
(Pattern Analysis)
Modulverantwortliche/r: Christian Riess
Lehrende: Christian Riess
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Pattern Analysis (SS 2022, Vorlesung, 3 SWS, Christian Riess)
Pattern Analysis Programming (SS 2022, Übung, 1 SWS, Dalia Rodriguez Salas)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Pattern Recognition

Inhalt:
This module introduces the design of pattern analysis systems as well as the corresponding fundamental
mathematical methods. The topics comprise:
• clustering methods: soft and hard clustering
• classification and regression trees and forests
• parametric and non-parametric density estimation: maximum-likelihood (ML) estimation, maximum-
a-posteriori (MAP) estimation, histograms, Parzen estimation, relationship between folded histo-
grams and Parzen estimation, adaptive binning with regression trees
• mean shift algorithm: local maximization using gradient ascent for non-parametric probability density
functions, application of the mean shift algorithm for clustering, color quantization, object tracking
• linear and non-linear manifold learning: curse of dimensionality, various dimensionality reduction
methods: principal component analysis (PCA), multidimensional scaling (MDS), isomaps, Laplacian
eigenmaps
• Gaussian mixture models (GMM) and hidden Markov models (HMM): expectation maximization
algorithm, parameter estimation, computation of the optimal sequence of states/Viterbi algorithm,
forward-backward algorithm, scaling
• Markov random fields (MRF): definition, probabilities on undirected graphs, clique potentials,
Hammersley-Clifford theorem, inference via Gibbs sampling and graph cuts
Das Modul führt in das Design von Musteranalysesystemen sowie die zugrundeliegenden mathemati-
schen Methoden ein. Die Vorlesung umfasst im Einzelnen:
• Clustering-Methoden: Soft- und Hard-Clustering
• Klassifikations- und Regressionsbäume/-wälder
• parametrische und nicht-parametrische Dichteschätzung: Verfahren sind ML- und MAP-Schätzung,
Histogramme, Parzenschätzung, Zusammenhang gefaltete Histogramme und Parzenschätzung, ad-
aptives Binning mit Regressionsbäumen.
• ’Mean Shift’-Algorithmus: lokale Maximierung durch Gradientenaufstieg bei nicht-parametrischen
Dichtefunktionen, Anwendungen des ’Mean Shift’-Algorithmus zum Clustering, Farbquantisierung
und Objektverfolgung
• Linear and Non-Linear Manifold Learning: Curse of Dimensionality, Verschiedene Methode zur Di-
mensionsreduktion: Principal Component Analysis (PCA), Multidimensionsional Scaling (MDS), Iso-
map, Laplacian Eigenmaps
• Gaußsche Mischverteilungsmodelle (GMM) und Hidden-Markov-Modelle (HMM): ’Ex-
pectation Maximization’-Algorithmus, Parameterschätzung, Bestimmung der optimalen
Zustandsfolge/Viterbi-Algorithmus, Vorwärts-Rückwärts-Algorithmus, Skalierung
• Markov-Zufallsfelder: Definition, Wahrscheinlichkeiten auf ungerichteten Graphen, Cliquen-
Potenziale, Hammersley-Clifford-Theorem, Inferenz mit Gibbs-Sampling und Graph Cuts
Lernziele und Kompetenzen:
The students
• explain the discussed methods for classification, prediction, and analysis of patterns,

UnivIS: 15.06.2022 18:14 210

 • compare and analyze methods for manifold learning and select a suited method for a given set of
features and a given problem,
• compare and analyze methods for probability density estimation and select a suited method for a
given set of features and a given problem,
• apply non-parametric probability density estimation to pattern analysis problems,
• apply dimensionality reduction techniques to high-dimensional feature spaces,
• explain statistic modeling of feature sets and sequences of features,
• explain statistic modeling of statistical dependencies,
• implement presented methods in Python,
• supplement autonomously the mathematical foundations of the presented methods by self-guided
study of the literature,
• discuss the social impact of applications of pattern analysis solutions.
Die Studierenden
• erläutern die behandelten Methoden zur Klassifikation, Vorhersage und Analyse von Mustern,
• vergleichen und analysieren Methoden des Manifold Learning und wählen für eine vorgegebene
Fragestellung eine geeignete Methode aus,
• vergleichen und analysieren Methoden zur Dichteschätzung und wählen für eine vorgegebene Fra-
gestellung eine geeignete Methode aus,
• wenden nicht-parametrische Dichteschätzung auf Probleme der Musteranalyse an,
• wenden Dimensionsreduktion bei hochdimensionalen Merkmalsräumen an,
• erläutern statistische Modellierung von Merkmalsmengen und Merkmalsfolgen,
• erklären statistische Modellierung abhängiger Größen,
• implementieren vorgestellte Verfahren in Python.
• ergänzen eigenständig mathematische Grundlagen der präsentierten Methoden durch selbstbestimm-
tes Studium der Literatur
• diskutieren die gesellschaftlichen Auswirkungen von Anwendungen der Musteranalyse
Literatur:
Begleitende Literatur / Accompanying literature:
• C. Bishop: Pattern Recognition and Machine Learning, Springer Verlag, Heidelberg, 2006
• T. Hastie, R. Tibshirani und J. Friedman: The Elements of Statistical Learning, 2nd Edition, Springer
Verlag, 2009
• A. Criminisi and J. Shotton: Decision Forests for Computer Vision and Medical Image Analysis,
Springer, 2013

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Optical Technologies (Master
of Science)", "Advanced Signal Processing & Communications Engineering (Master of Science)", "Artifici-
al Intelligence (Master of Science)", "Communications and Multimedia Engineering (Master of Science)",
"Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Inge-
nieurwesen) (Master of Science)", "Data Science (Master of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "International Information Systems (IIS)
(Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizin-
technik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 211

 Pattern Analysis (Prüfungsnummer: 41201)
(englische Bezeichnung: Oral Examination on Pattern Analysis)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Christian Riess (100374)

Organisatorisches:
Please join the associated studOn class: [Link]

UnivIS: 15.06.2022 18:14 212

Modulbezeichnung: Computergraphik-VU (CG-VU) 5 ECTS
(Computer Graphics)
Modulverantwortliche/r: Marc Stamminger
Lehrende: Marc Stamminger
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Computer Graphics (WS 2021/2022, Vorlesung, 3 SWS, Marc Stamminger)
Übungen zur Computergraphik (WS 2021/2022, Übung, 1 SWS, Marc Stamminger)

Inhalt:
Die Vorlesung gibt eine Einführung in die Computergraphik:
• Graphik Pipeline
• Clipping
• 3D Transformationen
• Hierarchische Display Strukturen
• Perspektive und Projektionen
• Visibilitätsbetrachtungen
• Rastergraphik und Scankonvertierung
• Farbmodelle
• Lokale und globale Beleuchtungsmodelle
• Schattierungsverfahren
• Ray Tracing und Radiosity
• Schatten und Texturen
Contents:
This lecture covers the following aspects of Computer Graphics:
• graphics pipeline
• clipping
• 3D transformations
• hierarchical display structures
• perspective transformations and projections
• visibility determination
• raster graphics and scan conversion
• color models
• local and global illumination models
• shading models
• ray tracing and radiosity
• shadows and textures
Lernziele und Kompetenzen:
Die Studierenden
• geben die unterschiedlichen Schritte der Graphik Pipeline wieder
• erklären die Funktionsweise der Clippingalgorithmen für Linien und Polygone
• beschreiben, charakterisieren und berechnen affine und perspektivische Transformationen in 3D und
veranschaulichen die allgemeine Form der Transformationsmatrix in homogener Koordinaten
• skizzieren die Verfahren zur Tiefe- und Visibilitätsberechnung
• vergleichen die unterschiedlichen Farbmodelle der Computergraphik
• illustrieren und untersuchen die Datenstrukturen zur Beschreibung virtueller 3D Modelle und kom-
plexer Szenen
• erläutern die Funktionsweise der Rasterisierung und Scankonvertierung in der Graphikpipeline

UnivIS: 15.06.2022 18:14 213

 • lösen Aufgaben zu Beleuchtung und Texturierung von 3D virtuellen Modellen
• klassifizieren Schattierungsverfahren
• bestimmen den Unterschied zwischen lokaler und globaler Beleuchtung und formulieren Algorithmen
für Ray Tracing und Radiocity
Educational objectives and skills:
Students should be able to
• describe the processing steps in the graphics pipeline
• explain clipping algorithms for lines and polygons
• explain, characterize and compute affine and perspective transformations in 2D and 3D, and provide
an intuitive description of the general form of corresponding transformation matrices in homogeneous
coordinates
• depict techniques to compute depth, occlusion and visibility
• compare the different color models
• describe data structures to represent 3D virtual models and complex scenes
• explain the algorithms for rasterization and scan conversion
• solve problems with shading and texturing of 3D virtual models
• classify different shadowing techniques
• explain the difference between local and global illumination techniques and formulate algorithms for
ray tracing and radiosity
Literatur:
• P. Shirley: Fundamentals of Computer Graphics. AK Peters Ltd., 2002
• Hearn, M. P. Baker: Computer Graphics with OpenGLD. Pearson
• Foley, van Dam, Feiner, Hughes: Computer Graphics - Principles and Practice
• Rauber: Algorithmen der Computergraphik
• Bungartz, Griebel, Zenger: Einführung in die Computergraphik
• Encarnação, Strasser, Klein: Computer Graphics

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Communications and Multimedia Engi-
neering (Master of Science)", "Computational Engineering (Master of Science)", "Computational Engineering
(Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes
Ingenieurwesen) (Master of Science)", "Data Science (Master of Science)", "Digital Humanities (Master of
Arts)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master
of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kom-
munikationstechnik (Master of Science)", "Maschinenbau (Bachelor of Science)", "Maschinenbau (Master
of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Computer Graphics (Prüfungsnummer: 38211)
(englische Bezeichnung: Computer Graphics)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Sprache ist abhängig von der Wahl der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marc Stamminger (100173)

UnivIS: 15.06.2022 18:14 214

 Computer Graphics (Prüfungsnummer: 38212)
(englische Bezeichnung: Computer Graphics)
Studienleistung, Übungsleistung
weitere Erläuterungen:
Übung: 50% der schriftlichen Aufgaben, etwa 10 Aufgabenblätter. Die Sprache ist abhängig von der
Wahl der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marc Stamminger (100173)

Bemerkungen:
Vorlesungsunterlagen, Übungsblätter und die Klausur sind in englischer Sprache

UnivIS: 15.06.2022 18:14 215

Modulbezeichnung: Interaktive Computergraphik (InCG) 5 ECTS
(Interactive Computer Graphics)
Modulverantwortliche/r: Marc Stamminger
Lehrende: Marc Stamminger
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Interactive Computer Graphics (SS 2022, Vorlesung, 2 SWS, Marc Stamminger)
Tutorials to Interactive Computer Graphics (SS 2022, Übung, 2 SWS, Jonas Müller et al.)

Empfohlene Voraussetzungen:
Die Übungen setzen Kenntnisse in C/C++ voraus.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Computergraphik-VU

Inhalt:
In dem Modul werden GPUs und dafür maßgeschneiderte Algorithmen behandelt:
• Architektur von GPUs und Echtzeit-Rendering-Pipeline
• Deferred Shading und Anti-Aliasing-Verfahren
• Simulation von Umgebungsbeleuchtung
• Verfahren zur Generierung von Schatten
• Level-of-Detail-Verfahren zur Darstellung komplexer Szenen
• Animation von Objekten
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
Lernende können verschiedene in der Vorlesung behandelte Verfahren der interaktiven Computer-
graphik mit eigenen Worten erklären.
Anwenden
Lernende können Zusammenhänge zwischen den in der Vorlesung behandelten Verfahren der
interaktiven Computergraphik erkennen, und Ideen auf neue Anwendungen übertragen.
Analysieren
Lernende können Unterschiede und Ähnlichkeiten der in der Vorlesung behandelten Verfahren
erkennen und daraus neue Lösungen entwickeln.
Literatur:
• Möller, Haines: "Real-Time Rendering"

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Studien-/Prüfungsleistungen:
Interaktive Computergraphik (Prüfungsnummer: 33911)
(englische Bezeichnung: Interactive Computer Graphics)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Marc Stamminger (100173)

UnivIS: 15.06.2022 18:14 216

 Übung Interaktive Computergraphik (Prüfungsnummer: 33912)
Studienleistung, Übungsleistung
weitere Erläuterungen:

• Etwa 8 Aufgabenblätter, die innerhalb einer Woche zu bearbeiten sind.

• Zum Bestehen sind 50% der möglichen Punkte aus den Übungen nötig.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Marc Stamminger (100173)

UnivIS: 15.06.2022 18:14 217

Modulbezeichnung: Multimedia Security (MMSec) 5 ECTS
(Multimedia Security)
Modulverantwortliche/r: Christian Riess
Lehrende: Christian Riess
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Englisch
Lehrveranstaltungen:
Multimedia Security (WS 2021/2022, Vorlesung, 2 SWS, Christian Riess)
Multimedia Security Exercises (WS 2021/2022, Übung, 2 SWS, Christian Riess)

Inhalt:
This lecture covers a variety of security-related topics around multimedia data. In particular, the lecture
presents algorithms and key results from the past 15 years in multimedia security, including topics on
image forensics, steganography, watermarking, and biometrics.
Selected algorithms are implemented and tested by the participants. It is helpful to bring some know-
ledge in signal processing or pattern recognition. It is also helpful to be not afraid from equations.
Tentative list of topics and algorithms:
• Image forensics for manipulation detection in digital media. Statistical and physics-based features
for manipulation detection. Detecting traces of manipulations versus validating image authenticity.
• Blind source attribution: was an image or video captured with a particular camera?
• Steganography for covert communication. Fundamental algorithms, when can their application be
detected?
• Watermarking for copyright protection in images/video. Fundamental algorithms, and their security.
• Biometric features for person re-identification, and practical concerns on their implementation.
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
Die Studierenden fassen die wesentlichen Fragestellungen auf dem Gebiet der Multimediasicherheit
zusammen (The participants summarize the relevant questions within the field of multimedia
security). Die Studierenden nennen und erklären die wesentlichen Fachbegriffe aus den Teilgebieten
der Multimediasicherheit (The participants name and explain relevant terms from the subfields of
multimedia security).
Evaluieren (Beurteilen)
Die Studierenden bewerten die Eignung der vorgestellten bildforensischen Algorithmen für ein
gegebenes Untersuchungsszenario (The participants evaluate the suitability of the presented image
forensics algorithms for a given examination scenario).
Erschaffen
Die Studierenden implementieren kurze Beispielsprogramme für ausgewählte Algorithmen der Mul-
timediasicherheit (The participants implement short example programs for selected algorithms of
multimedia security).
Lern- bzw. Methodenkompetenz
Die Studierenden implementieren ausgewählte Methoden in der Programmiersprache C++ (The
participants implement selected methods in the C++ programming language).
Sozialkompetenz
Die Studierenden implementieren und diskutieren Beispielsmethoden in Gruppenarbeit (The parti-
cipants implement and discuss the example method in groups). Die Studierenden diskutieren die
gesellschaftlichen Auswirkung von Multimediasicherheit am Beispiel aktueller Probleme (The parti-
cipants discuss multimedia security’s impact on society using current issues).
Literatur:
begleitend zu der Veranstaltung:
• Husrev Sencar, Nasir Memon (Editors): "Digital Image Forensics. There is More to a Picture than
Meets the Eye", Springer 2013.

UnivIS: 15.06.2022 18:14 218

 • Hany Farid: "Photo Forensics", MIT Press, 2016.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Compu-
tational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Medizintechnik
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Multimedia Security (Prüfungsnummer: 330467)
(englische Bezeichnung: Multimedia Security)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Participation in the exercises includes successful preparation of the programming tasks (In total 5
tasks, where one task takes 2-3 weeks). The grade is the result of a 30 minutes oral exam.
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: 30-minütige mündliche Prüfung
online, d.h. über zoom oder ein vergleichbares Kommunikationstool.
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Christian Riess (100374)

Organisatorisches:
The lecture format will be an inverted classroom.
Everything will be coordinated via studon, please register for the class here: htt-
ps://[Link]/studon/[Link]?target=crs_3279420

UnivIS: 15.06.2022 18:14 219

Modulbezeichnung: Scientific Visualization (SciVis) 5 ECTS
(Scientific Visualization)
Modulverantwortliche/r: Tobias Günther
Lehrende: Tobias Günther
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Scientific Visualization (SS 2022, Vorlesung, 2 SWS, Tobias Günther)
Tutorials to Scientific Visualization (SS 2022, Übung, 2 SWS, Tobias Günther et al.)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Algorithmen und Datenstrukturen

Inhalt:
The amount of data, generated in the pursuit of scientific discovery, keeps rapidly increasing across
all major scientific disciplines. How can we make sense of large, time-dependent, high-dimensional and
multi-variate data? This lecture provides an introduction into scientific visualization. Throughout the
course, we cover the fundamental perception basics needed to convey information accurately. After
categorizing different data types based on their dimensionality, we dive deeper into specific techniques
for scalar, vector and tensor valued data. To facilitate the discovery of patterns and to support the
communication of findings, we further elaborate on data reduction, feature extraction, and interactive
exploration.
The lecture covers the following topics:
• a review of scalar and vector calculus
• data structures and data types
• direct and indirect scalar field visualization
• geometry-based, feature-based and topology-based vector field visualization
• glyph-based tensor field visualization
• uncertainty and multi-variate data visualization
Lernziele und Kompetenzen:
Students are able to:
• classify data and select appropriate visualization techniques
• calculate differential properties of scalar and vector fields
• identify features in scalar and vector-valued data
• implement numerical extraction algorithms
• learn the advantages and disadvantages of common visualization techniques
• use perceptual basics to select appropriate visualization methods
• explain and apply common interaction and data exploration paradigms

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Pflicht- und Wahlpflichtmodule der Studienschwerpunkte | Schwerpunkt Media
Processing Systems | Wahlpflichtmodul aus INF im Schwerpunkt Media Processing Systems)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Rechnergestütztes Inge-
nieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master
of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "International Informa-
tion Systems (IIS) (Master of Science)", "Maschinenbau (Bachelor of Science)", "Maschinenbau (Master of
Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 220

 Scientific Visualization (Prüfungsnummer: 37221)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Klausur in elektronischer Form mit einem Anteil im Antwort-Wahl-Verfahren
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Tobias Günther (100426)

UnivIS: 15.06.2022 18:14 221

Modulbezeichnung: 4G/5G Mobile Communication Systems (4G/5G MCS) 2.5 ECTS
(4G/5G Mobile Communication Systems)
Modulverantwortliche/r: Stefan Brück, Wolfgang Gerstacker
Lehrende: Stefan Brück
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
4G/5G Mobile Communication Systems (SS 2022, Vorlesung, 2 SWS, Stefan Brück)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Digital Communications

Inhalt:
Mobile communication plays a significant role in our daily life. Over the last three decades the mobile
applications have been tremendously enhanced from voice only over mobile broadband to applications
for the mobile internet. Currently, the next generation of cellular systems, the so-called ’5th Generation
(5G)’ is developed and first commercial 5G networks are expected to be deployed around mid of 2019.
5G will play an outstanding role for the Internet of Things and will redefine a wide range of industries
by enabling new use cases. This lecture will provide the technical foundation of 4G (LTE) and 5G
mobile communication systems with a focus on the radio access network and the PHY & MAC layer
concepts.
Lernziele und Kompetenzen:
The students
• learn the technical history of mobile communications from 2nd (GSM), 3rd (UMTS), 4th (LTE) to
the 5th (5G New Radio) Generation
• understand the system and radio access network architecture of modern cellular communications
systems and their enhancements towards 5G
• compare the physical layer design of LTE and 5G New Radio
• discuss how 5G networks are designed to address a wide range of diverse services and devices
• analyze enhanced radio resource management concepts for use cases like cellular V2X (Vehicle-to-
Everything) and NB-IoT (Narrowband Internet of Things)
Die Studierenden
• erfahren die technische Geschichte der Mobilkommunikation von der 2. (GSM), 3. (UMTS), 4. (LTE)
bis zur 5. Generation (5G New Radio)
• verstehen die System- und Funkzugangsnetzarchitektur moderner zellularer Kommunikationssysteme
und ihre Verbesserungen bei 5G
• vergleichen das Design der physikalischen Übertragungsschicht von LTE und 5G New Radio
• diskutieren, wie 5G-Netze für eine breite Palette unterschiedlicher Dienste und Geräte konzipiert
sind
• analysieren verbesserte Funkressourcenverwaltungskonzepte für Anwendungsfälle wie zellulare V2X
(Vehicle-to-Everything) Kommunikation und das NB-IoT (Schmalband-Internet der Dinge)
Literatur:
Lecture Notes 4G/5G Mobile Communication Systems

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

UnivIS: 15.06.2022 18:14 222

 Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieur-
wesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
4G/5G Mobile Communications Systems (Prüfungsnummer: 571704)
(englische Bezeichnung: 4G/5G Mobile Communications Systems)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: digitale Fernprüfung von 30
Minuten Dauer mittels ZOOM.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Wolfgang Gerstacker (100255)

UnivIS: 15.06.2022 18:14 223

Modulbezeichnung: Body Area Communications (BAC) 2.5 ECTS
(Body Area Communications)
Modulverantwortliche/r: Georg Fischer
Lehrende: Georg Fischer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Body Area Communications (WS 2021/2022, Vorlesung, 2 SWS, Georg Fischer)

Inhalt:
Contents: The Lecture and exercise deals with the following topics:
• Introduction to Body Area Communications
• Electromagnetic Characteristics of Human Body
• Electromagnetic Analysis Methods
• Body Area Channel Modeling
• Modulation/Demodulation
• Body Area Communication Performance
• Electromagnetic Compatibility Consideration
Lernziele und Kompetenzen:
Learning objectives
• Students understand the challenges in designing Body Area Communication (BAC) systems
• Students can conduct basic design decisions with BAC systems, like frequency and modulation
selection
• Students understand electromagnetic wave propagation in bodies
• Students understand the frequency dependent loss and propagation behavior of electromagnetic
waves
• Students can analyze the communication performance of a BAC system
• Students can evaluate Electromagnetic Compatibility of a BAC system
• Students can assess the field strength inside body and relate it to regulatory limits like SAR (Specific
Absorption rate), frequency dependent maximum electrical and magnetic field strength
• Students can sketch block diagrams of BAC systems
• tudents can derive channel models for BAC

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Enginee-
ring (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektrotech-
nik, Elektronik und Informationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschaft-
singenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 224

 Body Area Communications (Prüfungsnummer: 816185)
(englische Bezeichnung: Body Area Communications)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Prüfungssprache nach Wahl der Studierenden
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Georg Fischer (100226)

Organisatorisches:
Die Unterrichtssprache wird in der ersten Sitzung der Vorlesung festgelegt.
The language of instruction is decided upon at the first meeting

UnivIS: 15.06.2022 18:14 225

Modulbezeichnung: Eingebettete Systeme mit erweiterter Übung (ES-VEU) 7.5 ECTS
(Embedded Systems with Extended Exercises)
Modulverantwortliche/r: Frank Hannig
Lehrende: Frank Hannig
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Eingebettete Systeme (WS 2021/2022, Vorlesung, 2 SWS, Frank Hannig)
Übung zu Eingebettete Systeme (WS 2021/2022, Übung, 2 SWS, Peter Brand et al.)
Erweiterte Übungen zu Eingebettete Systeme (WS 2021/2022, Übung, 2 SWS, Peter Brand et al.)

Inhalt:
Das Modul, Eingebettete Systeme mit erweiterter Übung, thematisiert den Entwurf und die Implemen-
tierung eingebetteter Systeme unter Einsatz formaler Methoden und rechnergestützter Entwurfsver-
fahren.
Unter eingebetteten Systemen versteht man Rechensysteme, die auf einen Anwendungsbereich zu-
geschnitten (z.B. mobile Kommunikationsgeräte, Chipkartensysteme, Industriesteuerungen, Unterhal-
tungselektronik, Medizintechnik) und in einen technischen Kontext eingebunden sind. Das große In-
teresse am systematischen Entwurf von heterogenen eingebetteten Systemen ist verursacht durch die
steigende Vielfalt und Komplexität von Anwendungen für eingebettete Systeme, die Notwendigkeit,
Entwurfs- und Testkosten zu senken sowie durch Fortschritte in Schlüsseltechnologien (Mikroelektro-
nik, formale Methoden).
The focus of this module is the design and implementation of embedded systems using formal methods
and computer-aided design techniques.
Embedded systems are computing systems tailored for a particular application (e.g., mobile communi-
cation devices, smart card systems, industrial control, consumer electronics, medical technology) and
integrated into a technical context. The keen interest in the systematic design of heterogeneous em-
bedded systems is driven by the increasing diversity and complexity of embedded system applications,
the need to reduce design and test costs, and advances in key technologies (microelectronics, formal
methods).
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• Die Studierenden setzen sich mit einem aktuellen Forschungsgebiet auseinander. / The students
deal with a current field of research.
• In den erweiterten Übungen lernen die Studierenden aktuelle Entwurfswerkzeuge für die Ar-
chitektursynthese (Hardware) und Softwaresynthese vor Ort an den Rechnerarbeitsplätzen des
Lehrstuhls kennen. / In the extended exercises, the students learn about current design tools
for architecture synthesis (hardware) and software synthesis on-site at the chair’s computer
workstations.
Verstehen
• Die Studierenden verstehen grundlegende Konzepte des Entwurfs eingebetteter Systeme. / The
students become familiar with the fundamental concepts of designing of embedded systems.
Anwenden
• Die Studierenden wenden grundlegende Algorithmen an zur Analyse und Optimierung von
Hardware-Architekturen und Echtzeit-Softwaresystemen. / The students apply basic algorithms
to analyze and optimize hardware architectures and real-time software systems.
• Die Studierenden erfassen den Hardware/Software-Entwurf von Systemen mit harten Beschrän-
kungen. / The students understand the hardware/software design of hard-constrained systems.
• Die Studierenden wenden aktuelle Entwurfswerkzeuge, die auf den Rechnerarbeitsplätzen des
Lehrstuhls installiert sind, an, um damit die Aufgaben der erweiterten Übungen unter Anlei-

UnivIS: 15.06.2022 18:14 226

 tung zu lösen. / The students apply current design tools installed on the chair’s computer
workstations to solve the tasks of the extended exercises with the help of instructions.
Sozialkompetenz
• Die Studierenden lernen aktuelle Entwurfswerkzeuge für die Architektursynthese (Hardware) und
Softwaresynthese kennen bei der kooperativen Bearbeitung der erweiterten Übung in Gruppen. /
The students learn about current design tools for architecture synthesis (hardware) and software
synthesis by processing the extended exercises in groups cooperatively.
Literatur:
empfohlenes Buch zur Begleitung und Vertiefung:
• Teich J., Haubelt C.: "Digitale Hardware/Software-Systeme: Synthese und Optimierung", Springer-
Verlag, 2007, ISBN: 978-3-540-46822-6

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Informatik (Bachelor of
Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of
Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Eingebettete Systeme (Vorlesung mit erweiterten Übungen) (Prüfungsnummer: 773774)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Klausur (90 min) und erfolgreicher Bearbeitung aller Übungsaufgaben in den erweiterten Übungen
(verpflichtend, vor Ort an den Rechnerarbeitsplätzen des Lehrstuhls).
Die Modulnote ergibt sich aus der Klausurnote.
• Unterrichtssprache: Die Vorlesung wird auf Deutsch gehalten. Zusätzlich werden englische Vorle-
sungsaufzeichnungen zur Verfügung gestellt.
• Prüfungssprache: Die Sprache der Klausur ist abhängig von der Wahl der Studierenden entweder
Deutsch oder Englisch.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Frank Hannig (100192)

Organisatorisches:
Die Auswahl dieses Moduls schließt die Auswahl des Moduls „Eingebettete Systeme“ aus.

UnivIS: 15.06.2022 18:14 227

Modulbezeichnung: Modellierung, Optimierung und Simulation von 5 ECTS
Energiesystemen (MOSES)
(Modeling, Optimization and Simulation of Energy Systems)
Modulverantwortliche/r: Marco Pruckner
Lehrende: Marco Pruckner
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Modellierung, Optimierung und Simulation von Energiesystemen (WS 2021/2022, Vorlesung, 2 SWS,
Marco Pruckner)
Übungen zu Modellierung, Optimierung und Simulation von Energiesystemen (WS 2021/2022, Übung,
2 SWS, N.N.)

Inhalt:
In der Vorlesung Modellierung, Optimierung und Simulation von Energiesystemen werden systemtech-
nische Planungs- und Analysemethoden behandelt, die zur Lösung komplexer und interdisziplinärer
Entscheidungsaufgaben in der Energiewirtschaft eingesetzt werden. Dabei werden die wichtigsten
Methoden und Verfahren anhand praktischer Fragestellungen (z.B. Ausbau erneuerbarer Energien,
Zunahme der Elektromobilität) aus der energiepolitischen Planung vermittelt und die Bewältigung
technisch-ökonomischer Probleme verdeutlicht.
Zu den eingesetzten Tools zählen die Statistiksoftware R, AnyLogic und lpSolve. Vorkenntnisse im
Umgang mit diesen Werkzeugen ist nicht zwingend erforderlich. In den Übungen werden Einführungen
in die genannten Softwarepakete gegeben.
Lernziele und Kompetenzen:
Die Studierenden
• unterscheiden Probleme und Herausforderungen, die mit dem Energieumstieg verbunden sind,
• erfassen die Vorteile und die Anwendungsmöglichkeiten computergestützter Planungsmethoden im
Energiebereich,
• analysieren verschiedene Problemstellungen und setzen Lösungen dafür um,
• erlernen verschiedene Methoden der Datenanalyse, Optimierung und Simulation.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Compu-
tational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Data Science (Bachelor of Science)", "Data Science (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Bachelor of Science)", "Energietechnik (Master of Science)", "In-
formatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "International Information Systems (IIS)
(Master of Science)", "Maschinenbau (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 228

 Modellierung, Optimierung und Simulation von Energiesystemen (Prüfungsnummer: 858896)
(englische Bezeichnung: Modeling, Optimization and Simulation of Energy Systems)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Modulprüfung besteht aus:
• Bearbeitung von bis zu vier Aufgabenblätter in Gruppenarbeit. Für den unbenoteten Übungsschein
sind alle Aufgabenblätter korrekt zu lösen und abzugeben.
• Mündliche Prüfung (Dauer: 30 min)
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marco Pruckner (100381)

Organisatorisches:
Die Vorlesung und die Übungen zu MOSES finden ausschließlich online statt!

UnivIS: 15.06.2022 18:14 229

Modulbezeichnung: Molecular Communications (MolCom) 5 ECTS
(Molecular Communications)
Modulverantwortliche/r: Robert Schober
Lehrende: Robert Schober
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Molecular Communications (WS 2021/2022, Vorlesung, 4 SWS, Robert Schober)
Tutorial for Molecular Communications (WS 2021/2022, Übung, Sebastian Lotter)

Inhalt:
Conventional communication systems employ electromagnetic waves for information transmission. This
approach is suitable for typical macroscopic applications such as mobile communication. However,
newly emerging applications in biology, nanotechnology, and medicine require communication bet-
ween so-called nano-machines (e.g. nano-robots and nano-sensors) with sizes on the order of nano-
and micro-meter. For such device sizes electromagnetic waves cannot be used for efficient information
transmission. Instead Molecular Communication, an approach that is also widely used in natural biologi-
cal systems, has to be applied. In Molecular Communication, transmitter and receiver communicate by
exchanging information-carrying molecules. The design of molecular communication systems requires
a basic understanding of relevant biological processes and systems as well as their communication-
theoretical modelling and analysis. The course is structured as follows: 1) Introduction to Molecular
Communication; 2) Biological Nano-Machines; 3) Molecular Communication in Biological Systems; 4)
Synthetic Molecular Communication Systems; 5) Mathematical Modelling and Simulation; 6) Commu-
nication and Information Theory for Molecular Communication; 7) Design of Molecular Communication
Systems; 8) Applications for Molecular Communication Systems.
Lernziele und Kompetenzen:
The students learn how to design synthetic molecular communication systems. They develop an under-
standing of natural communication processes in biological systems and how to harness these natural
processes for the construction of man-made molecular communication systems. The students also learn
how to analyse, model, and simulate molecular communication systems.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Molecular Communications (Prüfungsnummer: 454183)
(englische Bezeichnung: Molecular Communications)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Robert Schober (100229)

UnivIS: 15.06.2022 18:14 230

Modulbezeichnung: Knowledge Discovery in Databases (KDD) 2.5 ECTS
(Knowledge Discovery in Databases)
Modulverantwortliche/r: Richard Lenz
Lehrende: Richard Lenz
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Knowledge Discovery in Databases (SS 2022, Vorlesung, 2 SWS, Dominik Probst et al.)

Inhalt:
• Why data mining?
• What is data mining?
• A multi-dimensional view of data mining
• What kinds of data can be mined?
• What kinds of patterns can be mined?
• What technologies are used?
• What kinds of applications are targeted?
• Major issues in data mining
• A brief history of data mining
Lernziele und Kompetenzen:
Die Studierenden
• kennen den typischen KDD-Prozess;
• kennen Verfahren zur Vorbereitung von Daten für das Data Mining;
• definieren Distanz- oder Ähnlichkeits-Funktionen auf einem speziellen Datenbestand;
• überprüfen Attribute eines Datensatzes auf ihre Bedeutung für die Analyse hin und transformieren
ggf. Attributwerte geeignet;
• wissen, wie ein typisches Data Warehouse aufgebaut ist;
• kennen die Definition von Distanz- bzw. Ähnlichkeitsfunktionen für die verschiedenen Typen von
Attributen;
• sind vertraut mit dem Prinzip des Apriori-Algorithmus zur Bestimmung von Mengen häufiger Ele-
mente (frequent itemsets);
• kennen den FP-Growth-Algorithmus zum schnellen Auffinden von Mengen häufiger Elemente;
• geben die Definitionen von Support und Confidence für Assoziationsregeln wieder;
• beschreiben die Ermittlung von Assoziationsregeln auf der Basis von Mengen häufiger Elemente;
• sind in der Lage, die Vorgehensweise bei Klassifikationsaufgaben darzustellen;
• legen dar, wie ein Entscheidungsbaum auf einem Trainingsdatensatz erzeugt wird;
• stellen das Prinzip der Bayes’schen Klassifikation dar;
• zählen verschiedene Clustering-Verfahren auf;
• beschreiben den Ablauf von k-Means-Clustering;
• kennen die verschiedenen Arten von Ausreißern.
The students:
• know the typical KDD process;
• know procedures for the preparation of data for data mining;
• know the definition of distance or similarity functions for the different kinds of attributes;
• define distance and similarity functions for a particular dataset;
• check attributes of a dataset for their meaning with reference to an analysis and transform attribute
values accordingly, if required.
• know how a typical data warehouse is structured;
• are familar with the principle of the Apriori algorithm for the identification of frequent itemsets;
• know the FP-growth algorithm for a faster identification of frequent itemsets:
• present the definitions of support and confidence for association rules;
• describe the construction of association rules based on frequent itemsets;

UnivIS: 15.06.2022 18:14 231

 • are capable of describing the course of action in classification tasks;
• present the construction of a decision tree based on a training dataset;
• present the principle of Bayes’ classification;
• enumerate different clustering procedures;
• describe the steps of k-means clustering;
• know the different kinds of outliers.
Literatur:
The lecture is based on the following book:
• J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd. San Francisco, CA,
USA: Morgan Kaufmann Publishers Inc., 2011, ISBN: 0123814790
Also interesting and related textbooks are:
• A. Géron, Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and
techniques to build intelligent systems, 2nd ed. O’Reilly Media, 2017, ISBN: 978-1491962299
• H. Du, Data Mining Techniques and Applications: An Introduction. Cengage Learning EMEA, May
2010, p. 336, ISBN: 978-1844808915
• I. H. Witten, E. Frank, M. A. Hall, et al., Data Mining, Fourth Edition: Practical Machine Learning
Tools and Techniques, 4th. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2016, ISBN:
0128042915

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Informations- und Kommunikationstechnik (Master of
Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Knowledge discovery in databases (Prüfungsnummer: 392229)
(englische Bezeichnung: Knowledge discovery in databases)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Richard Lenz (100185)

UnivIS: 15.06.2022 18:14 232

Modulbezeichnung: Multiuser Information and Communications Theory (MICT) 5 ECTS
(Multiuser Information and Communications Theory)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ralf Müller
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Multiuser Information and Communications Theory (WS 2021/2022, Vorlesung, 3 SWS, Ralf Müller)
Tutorial for Multiuser Information and Communications Theory (WS 2021/2022, Übung, 1 SWS, Saba
Asaad)

Empfohlene Voraussetzungen:
Recommended: A basic course on information theory (can be taken in parallel)

Inhalt:
Linear vs. nonlinear multiple-access, CDMA as a canoncal framework for any multiple-access sche-
mes, optimum multiuser detection, linear multiuser detection, interference cancellation, rate region,
multiuser source coding, time sharing, multiuser channel codes, multiple-access channel (MAC), ca-
pacity region, mutual information versus minimum-mean squared error, Gaussian MAC, power region,
Gaussian vector MAC, source coding with side information, degraded broadcast channel, Gaussian
broadcast-MAC duality, Gaussian vector broadcast channel, dirty-paper coding, physically degraded
relay channel, scalar Gaussian relay channel, Gaussian interference channel, cut-set bound, network
coding, fading channels, multiuser water filling, block fading, diversity, user diversity, capacity versus
outage, near-far gain, dual antenna arrays
Lernziele und Kompetenzen:
The students model any multiple access method as a special case of code-division multiple access.
The students apply various algorithms for multiuser detection.
The students explain various types of multiuser channels and their limits to transport information.
The students explain the limits of distributed source coding algorithms.
The students apply the cut-set bound.
The students explain the method of dirty-paper coding.
The students collaborate on solving exercise problems.
Literatur:
• El Gamal, A., Kim, Y.: Network Information Theory, Cambridge University Press, 2011
• Cover, T., Thomas, J.: Elements of Information Theory, 2nd ed., Wiley, Hoboken, 2006
• Verdú, S.: Multiuser Detection, Cambridge Univ. Press, Cambridge, 1998
• Tse, D., Viswanath, P.: Fundamentals of Wireless Communications, Cambridge University Press,
2005.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Wirt-
schaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 233

 Multiuser Information and Communications Theory (Prüfungsnummer: 687141)
(englische Bezeichnung: Multiuser Information and Communications Theory)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Ralf Müller (100355)

UnivIS: 15.06.2022 18:14 234

Modulbezeichnung: Programming Techniques for Supercomputers (Lecture and 7.5 ECTS
Tutorial) (PTfS)
(Programming Techniques for Supercomputers (Lecture and
Tutorial))
Modulverantwortliche/r: Gerhard Wellein
Lehrende: Gerhard Wellein
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Englisch
Lehrveranstaltungen:
Programming Techniques for Supercomputers (SS 2022, Vorlesung, 4 SWS, Gerhard Wellein)
Programming Techniques for Supercomputers - Exercises (SS 2022, Übung, 2 SWS, Gerhard Wellein)

Empfohlene Voraussetzungen:
Experience in C/C++ or Fortran programming required; basic knowledge of MPI and OpenMP pro-
gramming

Inhalt:
• Introduction to the architecture of modern supercomputers
• Single core architecture and optimisation strategies
• Memory hierarchy and data access optimization
• Concepts of parallel computers and parallel computing
• Efficient “shared memory" parallelisation (OpenMP)
• Parallelisation approaches for multi-core processors including GPUs
• Efficient “distributed memory" parallelisation (MPI)
• Roofline performance model
• Serial and parallel performance modelling
• Energy efficient implementation and execution of parallel programs
Lernziele und Kompetenzen:
Students
• acquire a comprehensive overview of programming modern supercomputers efficiently for numerical
simulations
• learn modern optimisation and parallelisation strategies, guided by structured performance modelling
• acquire an insight into innovative programming techniques and alternative supercomputer architec-
tures
• are able to implement basic numerical methods with high hardware efficiency on parallel computers
• are able to program and use modern supercomputer with high (energy) efficiency
Literatur:
G. Hager and G. Wellein: Introduction to High Performance Computing for Scientists and Engineers.
CRC Computational Science Series, 2010. ISBN 978-1439811924
J. Hennessy and D. Patterson: Computer Architecture. A Quantitative Approach. Morgan Kaufmann
Publishers, Elsevier, 2003. ISBN 1-55860-724-2

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Compu-
tational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)

UnivIS: 15.06.2022 18:14 235

 (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Infor-
matik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathematik
(Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Programming Techniques for Supercomputers (Lecture and Tutorial)_ (Prüfungsnummer: 278169)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Written exam will also cover material presented and exercised in the tutorials. In der Klausur wird
auch Stoff der Übungen abgeprüft.
Falls die Klausur bestanden wird, kann die Note durch eine erfolgreiche Bearbeitung der Übungen
verbessert werden.
Gemäß Corona-Satzung wird als alternative Prüfungsform festgelegt: mündliche Prüfung mit 30
Minuten Dauer
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Gerhard Wellein (100166)

UnivIS: 15.06.2022 18:14 236

Modulbezeichnung: Random Matrices in Communications and Signal 5.0 ECTS
Processing (RM-CSP)
(Random Matrices in Communications and Signal Processing)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ralf Müller
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Random Matrices in Communications and Signal Processing (WS 2021/2022, Vorlesung, 2 SWS, Ralf
Müller)
Tutorial for Random Matrices in Communications and Signal Processing (WS 2021/2022, Übung,
2 SWS, N.N.)

Empfohlene Voraussetzungen:
Recommended: Good skills in linear algebra, probability theory and complex analysis

Inhalt:
Dual antenna arrays, compressive sensing, Wishart distribution, factor iid model, Kronecker model,
convergence of random variables, semi-circle law, quarter circle law, full circle law, Haar distribution,
Marchenko-Pastur distribution, Stieltjes transform, Girko’s law, unitary invariance, freeness, free convo-
lution, R-transform, free central limit theorem, free Poisson limit theorem, subordination, S-transform,
R-diagonal random matrices, R-diagonal free convolution, Haagerup-Larsen law, operator-valued freen-
ess, linearization of noncommutative polynomials, free Fourier transform, self-averaging properties,
microscopic vs. macroscopic random variables, quenched random variable, a statistical physics point of
view of digital systems, spin glasses, frozen disorder, replica method, replica continuity, replica symme-
try, replica symmetry breaking, approximate message passing, classification of np-complete problems
Lernziele und Kompetenzen:
The students find the limiting eigenvalue distributions of various types of random matrices.
The students explain Stieltjes, R- and S-transforms.
The students explain the limits of various types of fading channels.
The students design coding and decoding methods for a given type of multiuser channel.
The students perform additive and multiplicative free convolution.
The students calculate the asymptotic eigenvalues distributions of given random matrix ensembles.
The students construct random matrix ensembles with a given eigenvalue distribution. The students
linearize matrix polynomials.
The students derive the Boltzmann distribution.
The students utilize saddle point integration.
The students perform replica calculations.
The students explain the meaning of replica symmetry breaking.
The students collaborate on solving exercise problems.
Literatur:
• Mingo, J., Speicher, R.: Free Probability and Random Matrices, Springer, 2017
• Couillet, R., Debbah, M.: Random Matrix Methods for Wireless Communications, Cambridge Univ.
Press, Cambridge, 2011.
• Mezard, M., Montanari, A.: Information, Physics, and Computation, Oxford Graduate Texts, 2009.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",

UnivIS: 15.06.2022 18:14 237

 "Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Random Matrices in Communications and Signal Processing (Prüfungsnummer: 451971)
(englische Bezeichnung: Technical Elective (5 ECTS))
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Ralf Müller (100355)

UnivIS: 15.06.2022 18:14 238

Modulbezeichnung: Wearable and Implantable Computing (WIC) 5 ECTS
(Wearable and Implantable Computing)
Modulverantwortliche/r: Oliver Amft
Lehrende: Oliver Amft, und Mitarbeiter/innen
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
WPF MT-MA-BDV ab 1 WPF MT-MA-MEL ab 1 WPF MT-MA-GPP ab 1 WPF MT-BA ab 5 WPF-DS-MA ab 1. FS
Wearable and Implantable Computing (WS 2021/2022, Vorlesung mit Übung, 4 SWS, Anwesenheits-
pflicht, Oliver Amft et al.)

Empfohlene Voraussetzungen:
• Ability to apply sensors, analyse signals, basic signal processing methods.
• Ability to write scripts in Matlab, Python, or similar.

Inhalt:
The course provides an overview on the system design of wearable computing systems and implan-
table systems. Electronic design topics will be addressed, including bioelectronics, flexible electronics,
electronics textile integration, multiprocess additive manufacturing. On the system functional level,
frequent sensor and actuators and their designs for on-body and implantable systems are discussed.
Powering and energy management concepts will be detailed, including processing and task scheduling,
sparse sampling and sparse sample signal processing. Energy harvesting methods for wearable and im-
plantable systems are analysed. Principles of biocompatibility and system validation for remote health
monitoring are covered. Concrete design problems related to context awareness, energy-efficient con-
text recognition, and mechanical design in medical applications are demonstrated, prototypes realised
and discussed in mini-projects.
Submitting reports for all exercises is compulsory to be accepted for the oral exam.
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
• Gain overview on context awareness, sensors and actuators for context management in digital
health.
• Understand design concepts and apply/analyse wearable and implantable system design me-
thods for accessories, smart textiles, skin-attachables using soft substrates, and encapsulation.
Analysieren
• Analyse the electrical and physical principles, select and optimise on-body energy harvesting
and power management techniques.
Evaluieren (Beurteilen)
• Apply system evaluation methods, assess and design for biocompatibility.
Erschaffen
• Create continuous context recognition and energy-efficient processing using sparse sampling,
related signal and pattern processing methods.
• Create digital models of wearable systems.
Literatur:
Literature references will be provided during the lecture.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

UnivIS: 15.06.2022 18:14 239

 Dieses Modul ist daneben auch in den Studienfächern "Data Science (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Wearable and Implantable Computing (Prüfungsnummer: 403776)
(englische Bezeichnung: Wearable and Implantable Computing)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Abgabe von Berichten zu allen Übungsaufgaben ist Voraussetzung für die Zulassung zur Prüfung.
Die Klausur findet als Fernprüfung statt.
Submitting reports for all exercises is compulsory to be accepted for the exam. The exam will be
carried out as a remote exam.
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: WS 2021/2022

1. Prüfer: Oliver Amft (030111)

UnivIS: 15.06.2022 18:14 240

Modulbezeichnung: Computer Vision (CV) 5 ECTS
(Computer Vision)
Modulverantwortliche/r: Bernhard Egger, Andreas Maier
Lehrende: Tim Weyrich, Andreas Maier, Bernhard Egger
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Computer Vision (SS 2022, Vorlesung, 2 SWS, Bernhard Egger et al.)
Computer Vision Exercise (SS 2022, Übung, 2 SWS, Bernhard Egger et al.)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Introduction to Machine Learning

Inhalt:
This lecture discusses important algorithms from the field of computer vision. The emphasis lies on 3-D
vision algorithms, covering the geometric foundations of computer vision, and central algorithms such
as stereo vision, structure from motion, optical flow, and 3-D multiview reconstruction. Participants
of this advanced course are expected to bring experience from prior lectures either from the field of
pattern recognition or from the field of computer graphics.
Lernziele und Kompetenzen:
Die Vorlesung stellt eine Auswahl von Methoden aus dem Gebiet der Computer Vision vor, die in dem
Feld eine zentrale Stellung einnehmen. In den Übungen implementieren und evaluieren die Studierenden
selbständig diese Methoden. Die Studierenden arbeiten die ganze Zeit über an populären Computer
Vision-Methoden wie zum Beispiel Stereosehen, optischer Fluss und 3D-Rekonstruktion aus mehreren
Ansichten. Für diese Probleme
• beschreiben die Studierenden perspektivische Projektion, Rotationen und verwandte geometrische
Grundlagen,
• erklären die Studierenden die behandelten Methoden,
• diskutieren die Studierenden Vor- und Nachteile verschiedener Modalitäten zur Erfassung von 3D-
Informationen,
• implementieren die Studierenden einzeln und gemeinschaftlich in Kleingruppen Code,
• entdecken die Studierenden optimale Vorgehensweisen in der Datenaufnahme,
• erkunden und bewerten die Studierenden unterschiedliche Möglichkeiten für die Evaluation,
• diskutieren und präsentieren die Gruppenarbeiter in Gruppen die Vor- und Nachteile ihrer Implemen-
tierungen,
• diskutieren und reflektieren die Studierenden gesellschaftliche Auswirkungen von Anwendungen des
3D-Rechnersehens.
The lecture introduces computer vision algorithms that are central to the field. In the exercises,
participants autonomously implement and evaluate these algorithms. The participants work throughout
the time on popular computer vision algorithms, like for example stereo vision, optical flow, and 3-D
multiview reconstruction. For these problems, the participants
• describe perspective projection, rotations, and related geometric foundations,
• explain the presented methods,
• discuss the advantages and disadvantages of different modalities for acquiring 3-D information,
• implement individually and in small groups code,
• discover best practices in data acquisition,
• explore and rank different choices for evaluation,
• discuss and present in groups the advantages and disadvantages of their implementations,
• discuss and reflect the social impact of applications of computer vision algorithms.
Literatur:
Richard Szeliski: "Computer Vision: Algorithms and Applications", Springer 2011.

UnivIS: 15.06.2022 18:14 241

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Optical Technologies (Master of Science)",
"Artificial Intelligence (Master of Science)", "Communications and Multimedia Engineering (Master of
Science)", "Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes
Ingenieurwesen) (Master of Science)", "Data Science (Master of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Materials Physics (Master of Science)",
"Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Computer vision (Prüfungsnummer: 713618)
(englische Bezeichnung: Computer vision)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Bernhard Egger (100496)
1. Prüfer: Andreas Maier (100196)
1. Prüfer: Tim Weyrich (100494)

UnivIS: 15.06.2022 18:14 242

Modulbezeichnung: Künstliche Intelligenz I (KI I) 7.5 ECTS
(Artificial Intelligence I)
Modulverantwortliche/r: Michael Kohlhase
Lehrende: Michael Kohlhase
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Artificial Intelligence I (WS 2021/2022, Vorlesung, 4 SWS, Michael Kohlhase)
Übungen zu Künstliche Intelligenz I (WS 2021/2022, Übung, 2 SWS, Florian Rabe)

Inhalt:
Dieses Modul beschäftigt sich mit den Grundlagen der Künstlichen Intelligenz (KI), insbesondere forma-
le Wissensrepräsentation, Heuristische Suche, Automatisches Planen und Schliessen unter Unsicherheit.
—
This module covers the foundations of Artificial Intelligence (AI), in particular symbolic techniques
based on search and inference.
Lernziele und Kompetenzen:
• Wissen: Die Studierenden lernen grundlegende Repräsentationsformalismen und Algorithmen der
Künstlichen Intelligenz kennen.
• Anwenden: Die Konzepte werden an Beispielen aus der realen Welt angewandt (Übungsaufgaben).
• Analyse: Die Studierenden lernen die über die modellierung in der Maschine menschliche Intelligenz-
leistungen besser einzuschätzen.
Sozialkompetenz
• Die Studierenden arbeiten in Kleingruppen zusammen um kleine Projekte zu bewältigen
—
Learning Goals and Competencies
Technical, Learning, and Method Competencies
• Knowledge: The students learn foundational representations and algorithms in AI.
• Application: The concepts learned are applied to examples from the real world (homeworks).
• Analysis: By modeling human cognitive abilities, students learn to assess and understand human
intelligence better.
• Social Competences: Students work in small groups to solve an AI game-play challenge/competition
(Kalah).
Literatur:
Die Vorlesung folgt weitgehend dem Buch
Stuart Russell und Peter Norvig: Artificial Intelligence: A Modern Approach. Prentice Hall, 3rd edition,
2009.
Deutsche Ausgabe:
Stuart Russell und Peter Norvig: Künstliche Intelligenz: Ein Moderner Ansatz. Pearson-Studium, 2004
(Übersetzung der 2.​ Auflage). ISBN: 978-3-8273-7089-1.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Data Science (Bachelor
of Science)", "Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Mas-
ter of Science)", "International Information Systems (IIS) (Master of Science)", "Mathematik (Bachelor of
Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master

UnivIS: 15.06.2022 18:14 243

 of Science)", "Wirtschaftsinformatik (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Künstliche Intelligenz I (Prüfungsnummer: 894856)
(englische Bezeichnung: Artificial Intelligence I)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfung besteht aus einer Klausur (90 Minuten). Auf Basis der Bewertungen der abgegebenen
Übungsaufgaben können bis zu 10 % Bonuspunkte erworben werden, die zu dem Ergebnis einer
bestandenen Klausur hinzugerechnet werden
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Michael Kohlhase (100451)

UnivIS: 15.06.2022 18:14 244

Modulbezeichnung: Middleware - Cloud Computing V+EÜ (MW-VEU) 7.5 ECTS
(Middleware - Cloud Computing L+EE)
Modulverantwortliche/r: Tobias Distler
Lehrende: Laura Lawniczak, Tobias Distler, Michael Eischer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
Middleware - Cloud Computing (WS 2021/2022, Vorlesung, 2 SWS, Tobias Distler)
Übungen zu Middleware - Cloud Computing (WS 2021/2022, Übung, 2 SWS, Laura Lawniczak et al.)
Übungen zu Middleware - Cloud Computing (Rechnerübungen) (WS 2021/2022, Übung, 2 SWS, Laura
Lawniczak et al.)

Inhalt:
• Überblick Cloud Computing
• Grundlagen verteilter Programmierung (Web Services/SOAP/REST)
• Virtualisierung als Basis für Cloud Computing
• Infrastructure as a Service (IaaS) am Beispiel von Eucalyptus und Amazon EC2
• Skalierbare Verarbeitung von großen Datenmengen
• Interoperabilität und Multi-Cloud Computing
• Fehlertoleranz und Sicherheit im Kontext von Cloud Computing
• Aktuelle Forschungstrends (z.B. einbruchstolerante Systeme)
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• nennen unterschiedliche Ausprägungen von Cloud-Computing.
• erläutern verschiedene Cloud-Architekturen.
• stellen Vor- und Nachteile von Cloud-Computing gegenüber.
• unterscheiden die Herangehensweisen bei der Entwicklung von SOAP- im Vergleich zu REST-
Anwendungen.
• organisieren den Austausch von Informationen in einer verteilten Anwendung unter Verwendung
eines Verzeichnisdienstes.
• entwickeln eigene auf Web-Services basierende Anwendungen.
• bewerten die Vor- und Nachteile der Bündelung von Nachrichten beim Aufruf von Web-Services.
• erläutern die Anforderungen an ein virtualisiertes System.
• beschreiben die für die Virtualisierung eines Systems erforderlichen Kriterien.
• vergleichen zwischen unterschiedlichen Virtualisierungstechniken und -ebenen.
• schildern den Aufbau und die Funktionsweise von Xen und Linux-VServer.
• erproben das Einrichten eines Abbilds für eine virtuelle Maschine.
• skizzieren die Architektur einer Infrastruktur-Cloud sowie die Aufgabenbereiche hierfür zentraler
Komponenten am Beispiel von Eucalyptus.
• erproben das Bereitstellen von Anwendungen in einer Infrastruktur-Cloud.
• zeigen die Grundlagen Software-definierter Netzwerke am Beispiel von Onix und B4 auf.
• bewerten verschiedene im Bereich Cloud-Computing zum Einsatz kommende Datenspeichersysteme
(Google File System, Bigtable, Windows Azure Storage, Amazon Dynamo) hinsichtlich der Kriterien
Verfügbarkeit, Konsistenz und Partitionstoleranz.
• erläutern eine auf Vektoruhren basierende Methode zur Auflösung im Zusammenhang mit letztend-
licher Konsistenz auftretender Konflikte.
• entwickeln ein verteiltes, repliziertes Dateisystem nach dem Vorbild von HDFS, das auf die hierar-
chische Speicherung großer Datenmengen ausgelegt ist.
• erkunden das Bereitstellen selbst entwickelter Dienste mittels Docker.
• erstellen ein Framework zur parallelen Bearbeitung von Daten nach dem Vorbild von MapReduce.

UnivIS: 15.06.2022 18:14 245

 • konzipieren eigene MapReduce-Anwendungen zur Verarbeitung strukturierter bzw. unstrukturierter
Rohdaten.
• diskutieren die Fehlertoleranzmechanismen in Google MapReduce.
• schildern die grundsätzliche Funktionsweise von Systemen zur Kühlung von Datenzentren mittels
Umgebungsluft.
• beschreiben das Grundkonzept einer temperaturabhängigen Lastverteilung von Prozessen in einem
Datenzentrum.
• stellen diverse Ansätze zur Erhöhung der Energieeffizienz von MapReduce-Clustern gegenüber.
• unterscheiden die Architekturen und Funktionsweisen der Koordinierungsdienste Chubby und Zoo-
Keeper.
• entwickeln einen eigenen Koordinierungsdienst nach dem Vorbild von ZooKeeper.
• ermitteln die Konsistenzeigenschaften der eigenen Koordinierungsdienstimplementierung.
• erläutern unterschiedliche Ansätze zur Reduzierung bzw. Tolerierung von Tail-Latenz.
• skizzieren das Grundkonzept von Erasure-Codes.
• beschreiben den Aufbau eines auf die Clouds mehrerer Anbieter gestützten Datenspeichersystems.
• erläutern den Einsatz passiver Replikation zur Bereitstellung von Fehlertoleranzmechanismen für
virtuelle Maschinen am Beispiel von Remus.
• schildern die Grundlagen der Migration von virtuellen Maschinen.
• bewerten die Qualität einer aktuellen Publikation aus der Fachliteratur.
• erschließen sich typische Probleme (Nebenläufigkeit, Konsistenz, Skalierbarkeit) und Fehlerquellen
bei der Programmierung verteilter Anwendungen.
• können in Kleingruppen kooperativ arbeiten.
• können ihre Entwurfs- und Implementierungsentscheidungen kompakt präsentieren und argumentativ
vertreten.
• reflektieren ihre Entscheidungen kritisch und leiten Alternativen ab.
• können offen und konstruktiv mit Schwachpunkten und Irrwegen umgehen.
Literatur:
• Mache Creeger. Cloud computing: An overview. Queue Distributed Computing, 7(5), 2009.
• Michael Armbrust, Armando Fox, Rean Griffith, Anthony D. Joseph, Randy Katz, Andy Konwinski,
Gunho Lee, David Patterson, Ariel Rabkin, Ion Stoica, and Matei Zaharia. A view of cloud computing.
Communications of the ACM, 53(4):5058, 2010.
weite Literaturangaben auf der Vorlesungs-Webseite

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Data
Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)",
"Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mathe-
matik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Middleware - Cloud Computing (Vorlesung mit erweiterten Übungen) (Prüfungsnummer: 722831)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Erfolgreiche Bearbeitung aller während des Semesters gestellten Übungsaufgaben (6 Aufgaben, Be-
wertung jeweils mit "ausreichend") + 30-minütige mündliche Prüfung am Ende des Semesters. Die
Modulnote ergibt sich zu 100% aus der Bewertung der mündlichen Prüfung.
Prüfungssprache: Deutsch

UnivIS: 15.06.2022 18:14 246

 Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022
1. Prüfer: Tobias Distler (100377)

UnivIS: 15.06.2022 18:14 247

Modulbezeichnung: Virtuelle Maschinen - V+EÜ (VM-VEU) 7.5 ECTS
(Virtual Machines - V+EÜ)
Modulverantwortliche/r: Volkmar Sieh
Lehrende: Volkmar Sieh
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch
Lehrveranstaltungen:
Virtuelle Maschinen (WS 2021/2022, Vorlesung, 2 SWS, Volkmar Sieh)
Übungen zu Virtuelle Maschinen (WS 2021/2022, Übung, 2 SWS, Volkmar Sieh)
Erweiterte Übungen zu Virtuelle Maschinen (WS 2021/2022, Übung, 2 SWS, Volkmar Sieh)

Inhalt:
Vorgestellt werden verschiedene Virtualisierungs-Ansätze:
• Emulation
• Just-In-Time-Compiler
• Para-Virtualisierung
• Bibliotheks-basierte Virtualisierung
• OS-Virtualisierung
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• erläutern verschiedene Motivationen für den Einsatz von VMs
• unterscheiden verschiedene VMs
• klassifizieren verschiedene Ziele unterschiedlicher VMs (z.B. Performance, Konfigurierbarkeit, Ge-
nauigkeit, ...)
• hinterfragen verschiedene Simulationansätze für MMUs
• erstellen virtuelle Komponenten und Busse
• strukturieren Callbacks und entsprechendes Forwarding und Caching
• unterscheiden zwischen Architektur, Chip und Komponente
• klassifizieren unterschiedliche Just-In-Time-Compiler-Ansätze
• erzeugen JIT Code aus vorgefertigten Code-Teilen
• bewerten unterschiedliche JIT-Code-Optimierungen
• erläutern Probleme bei der JIT-Code-Invalidierung
• nennen JIT Probleme mit Exceptions/Interrupts sowie berechnete Sprüngen und Return-
Instruktionen
• unterscheiden verschiedene JIT Cache-Verwaltungen
• beschreiben Möglichkeiten der Fehlerinjektion durch VMs
• entwickeln ein an JIT angepasstes virtuelles "Hardware"-Design
• erläutern die Java-VM Instruktionssatz-Architektur
• nutzen Hardware-basierte Virtualisierung
• entwickeln Verfahren zum Ausfiltern bestimmter Befehle
• erläutern Probleme der Speicherverwaltung bei HW-basierter Virtualisierung
• nutzen User-Mode-Emulation zur Paravirtualisierung
• diskutieren Möglichkeiten von Debuggern für die Umleitung von System-Calls und die Ausfilterung
von Befehlen
• nutzen einen Hypervisor zur Paravirtualisierung
• unterscheiden verschiedene Ansätze zur Geräteverwaltung in paravirtualisierten Systemen
• erläutern Betriebssystem-basierte Virtualisierung
• entwickeln unterschiedliche Bibliotheks-basierte Virtualisierungen
• erläutern Probleme beim Speicher-Layout bei Bibliotheks-basierte Virtualisierung
• konzipieren Personalities für Bibliotheks-basierte Virtualisierungen
• beurteilen Probleme bei der korrekten Zeit-Simulation
• nennen Ideen für die dynamische Anpassung der Zeit-Simulation

UnivIS: 15.06.2022 18:14 248

 • klassifizieren bekannte VMs (z.B. VICE, FAUmachine, QEMU, Bochs, JVM, KVM, User-Mode-
Linux, Xen, VServer, Wine)
• diskutieren in der Gruppe Vor- und Nachteile von bestimmten VM-Ansätzen
• entwickeln selbst CPU-Emulationen
• entwickeln selbst Geräte-Emulationen
• verteilen Implementierungsaufgaben in ihrer Gruppe
• erstellen Zeitpläne für Implementierungen für sich und ihre Gruppe

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Virtuelle Maschinen (Vorlesung mit Übung und Laborübung) (Prüfungsnummer: 462793)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Volkmar Sieh (100548)

UnivIS: 15.06.2022 18:14 249

Modulbezeichnung: Virtuelle Maschinen - V+Ü (VM-VU) 5 ECTS
(Virtual Machines - V+Ü)
Modulverantwortliche/r: Volkmar Sieh
Lehrende: Volkmar Sieh
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Virtuelle Maschinen (WS 2021/2022, Vorlesung, 2 SWS, Volkmar Sieh)
Übungen zu Virtuelle Maschinen (WS 2021/2022, Übung, 2 SWS, Volkmar Sieh)

Inhalt:
Vorgestellt werden verschiedene Virtualisierungs-Ansätze:
• Emulation
• Just-In-Time-Compiler
• Para-Virtualisierung
• Bibliotheks-basierte Virtualisierung
• OS-Virtualisierung
Lernziele und Kompetenzen:
Studierende, die das Modul erfolgreich abgeschlossen haben:
• erläutern verschiedene Motivationen für den Einsatz von VMs
• unterscheiden verschiedene VMs
• klassifizieren verschiedene Ziele unterschiedlicher VMs (z.B. Performance, Konfigurierbarkeit, Ge-
nauigkeit, ...)
• hinterfragen verschiedene Simulationansätze für MMUs
• erstellen virtuelle Komponenten und Busse
• strukturieren Callbacks und entsprechendes Forwarding und Caching
• unterscheiden zwischen Architektur, Chip und Komponente
• klassifizieren unterschiedliche Just-In-Time-Compiler-Ansätze
• erzeugen JIT Code aus vorgefertigten Code-Teilen
• bewerten unterschiedliche JIT-Code-Optimierungen
• erläutern Probleme bei der JIT-Code-Invalidierung
• nennen JIT Probleme mit Exceptions/Interrupts sowie berechnete Sprüngen und Return-
Instruktionen
• unterscheiden verschiedene JIT Cache-Verwaltungen
• beschreiben Möglichkeiten der Fehlerinjektion durch VMs
• entwickeln ein an JIT angepasstes virtuelles "Hardware"-Design
• erläutern die Java-VM Instruktionssatz-Architektur
• nutzen Hardware-basierte Virtualisierung
• entwickeln Verfahren zum Ausfiltern bestimmter Befehle
• erläutern Probleme der Speicherverwaltung bei HW-basierter Virtualisierung
• nutzen User-Mode-Emulation zur Paravirtualisierung
• diskutieren Möglichkeiten von Debuggern für die Umleitung von System-Calls und die Ausfilterung
von Befehlen
• nutzen einen Hypervisor zur Paravirtualisierung
• unterscheiden verschiedene Ansätze zur Geräteverwaltung in paravirtualisierten Systemen
• erläutern Betriebssystem-basierte Virtualisierung
• entwickeln unterschiedliche Bibliotheks-basierte Virtualisierungen
• erläutern Probleme beim Speicher-Layout bei Bibliotheks-basierte Virtualisierung
• konzipieren Personalities für Bibliotheks-basierte Virtualisierungen
• beurteilen Probleme bei der korrekten Zeit-Simulation
• nennen Ideen für die dynamische Anpassung der Zeit-Simulation

UnivIS: 15.06.2022 18:14 250

 • klassifizieren bekannte VMs (z.B. VICE, FAUmachine, QEMU, Bochs, JVM, KVM, User-Mode-
Linux, Xen, VServer, Wine)
• diskutieren in der Gruppe Vor- und Nachteile von bestimmten VM-Ansätzen
• untersuchen CPU-Emulationen
• untersuchen Geräte-Emulationen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Mathematik (Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Virtuelle Maschinen (Vorlesung mit Übungen) (Prüfungsnummer: 202041)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Volkmar Sieh (100548)

UnivIS: 15.06.2022 18:14 251

Modulbezeichnung: Algorithmen und Datenstrukturen (AuD) 10 ECTS
(Algorithms and Data Structures)
Modulverantwortliche/r: Michael Philippsen
Lehrende: Harald Köstler, Norbert Oster, Christoph Pflaum
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 120 Std. Eigenstudium: 180 Std. Sprache: Deutsch
Lehrveranstaltungen:
Algorithmen und Datenstrukturen (WS 2021/2022, Vorlesung, 4 SWS, Christoph Pflaum et al.)
Tafelübungen zu Algorithmen und Datenstrukturen (WS 2021/2022, Übung, 2 SWS, Norbert Oster)
Rechnerübungen zu Algorithmen und Datenstrukturen (WS 2021/2022, Übung, 2 SWS, Norbert Oster)

Inhalt:
• Grundlagen der Programmierung
• Datenstrukturen
• Objektorientierung
• JAVA-Grundkenntnisse
• Aufwandsabschätzungen
• Grundlegende Algorithmen
Lernziele und Kompetenzen:
A - Fachkompetenz:
Die Studierenden...
1.) Grundlagen der Programmierung in Java
• interpretieren Syntaxdiagramme für grundlegende Programmstrukturen und übertragen diese in ent-
sprechenden Java-Code
• deklarieren und verwenden Variablen mit adäquatem Java-Datentyp (primitive Typen, Reihungen,
Zeichenketten)
• überprüfen die Zulässigkeit der Variablendeklaration und -Wertzuweisung nach Java-Typ-Regeln
• bestimmen den Datentyp und den Wert eines Java-Ausdrucks mit primitivem Datentyp und zuge-
hörigen Operatoren
• überführen einfache mathematische Ausdrücke in Java-Code
• werten zusammengesetzte Bedingungen nach den Regeln der strikten bzw. faulen Auswertung für
Java aus
• konzipieren zu einer gegebenen Aufgabenstellung einen Algorithmus
• implementieren einfache Algorithmen in Java unter Verwendung verschiedener Kontrollstrukturen
• bestimmen die Gültigkeitsbereiche der Variablen anhand der Blockstruktur eines Java-Programms
• strukturieren Java-Code in Methoden und entwickeln wiederverwendbare Funktionen
2.) Rekursion
• beurteilen den Typ der Rekursion für gegebene Java-Methoden
• entwerfen rekursive Algorithmen zu einer gegebenen Problemstellung unter Anwendung des Indukti-
onsprinzips, des Teile-und-Herrsche-Prinzips sowie des Rücksetzverfahrens und implementieren diese
jeweils in Java
• entwickeln effizientere Lösungen, indem sie rekursive Methoden in endrekursive bzw. iterative Me-
thoden umwandeln, implementieren diese jeweils in Java-Code und bewerten deren Laufzeit- und
Speicherverbrauch
• bewerten und verbessern rekursive Lösungen unter Verwendung von Dynamischer Programmierung
und implementieren diese in Java-Code
3.) Aufwandsanalyse
• analysieren den Laufzeitaufwand und den Speicherbedarf verschiedener Implementierungen
• klassifizieren den asymptotischen Laufzeitaufwand anhand der Komplexitätsklassen des O-Kalküls
• unterscheiden verschiedene Sortierverfahren (Blasensortierung, Sortieren durch Auswählen/Einfügen,
Haldensortierung, Sortieren durch Verschmelzen/Zerlegen/Fachverteilen) hinsichtlich ihres Laufzeit-
und Speicherplatzbedarfs

UnivIS: 15.06.2022 18:14 252

 4.) Objekt-Orientierte Programmierung in Java
• implementieren Java-Klassen gemäß textueller oder graphischer (UML) Spezifikation
• wenden Verfahren zur systematischen Ableitung von Klassen und Attributen (Hauptwortextraktion),
ihren statischen Beziehungen (Vererbung, Polymorphie, Assoziationen) und ihrem dynamischen Zu-
sammenspiel (CRC, Kollaboration) aus einer textuellen Problemstellung an und entwickeln so kleine
objekt-orientierte Java-Programme
• instantiieren Klassen und verwenden Objektvariablen sachgerecht
• unterscheiden statische und dynamische Bindung gemäß Polymorphie-Konzept von Java und wenden
die Erkenntnisse sachgerecht bei der Entwicklung eigener Applikationen an
5.) Robustes Programmieren
• wenden Checklisten an, um typische Programmierfehler im Vorfeld zu vermeiden oder nach der
Programmierung zu identifizieren
• benutzen verschieden Möglichkeiten zur Absicherung gegen Fehlersituationen und zur Fehlerrück-
meldung (Rückgabewert, Ausnahmebehandlung)
• wenden Junit zum Testen von Java-Programmen an
• setzen Verfahren und Werkzeuge zur systematischen Lokalisierung und Behebung von Programm-
fehlern an (Debugging) und verbessern ihre Lösungen auf diese Weise iterativ
6.) Elementare Datentypen
• übertragen eine Spezifikation in Form eines Abstrakten Datentyps (ADT) in ein gleichwertiges Java-
Modul
• erstellen eine formale Spezifikation eines Datentyps in Form eines Abstrakten Datentyps (ADT) aus
einer gegebenen textuellen Beschreibung
• verstehen die grundlegende Behälterdatentypen (Liste, Stapel, Schlange, Streutabelle) und deren
Eigenschaften (insbesondere Laufzeit- und Speicherplatzbedarf ihrer Operationen)
• verwenden generische Behälterdatentypen sachgerecht in eigenen Programmen
• kennen die Verfügbarkeit generischer Behälterdatentypen in der Java-API und erschließen sich bei
Bedarf selbst neue Datentypen sowie deren Funktionen aus der zugehörigen API-Spezifikation für
die Verwendung in eigenen Programmen
7.) Bäume und Graphen
• bewerten verschiedene Baum- und Graphdarstellungen hinsichtlich Zeitaufwand und Speicherbedarf
• unterscheiden und klassifizieren die grundlegenden Baum-Arten (Suchbaum, AVL-Baum, Halde)
• wenden die Grundoperationen (Einfügen, Suchen, Löschen, ggf. Restrukturieren) anhand von Bei-
spieldaten auf gegebene Bäume artgerecht an
• implementieren und verwenden verschiedene Baumstrukturen sachgerecht in eigenen Java-
Programmen
• führen verschiedene Durchlaufmöglichkeiten (Tiefensuche (DFS), Breitensuche (BFS)) für Graphen
und Bäume auf Beispieldaten aus und setzen diese zielführend in eigenen Java-Programmen ein
• wenden grundlegende Graphalgorithmen (Dijkstra, Floyd, Prim, Kruskal) auf Beispieldaten an und
implementieren diese Verfahren in Java-Code
B - Selbst- und Sozialkompetenz:
Die Studierenden...
• organisieren sich selbständig zu Gruppen und koordinieren in gegenseitiger Absprache den organisa-
torischen und technischen Ablauf der Gruppenarbeiten
• kommunizieren und erarbeiten gemeinsam Lösungen für theoretische Fragestellungen und praktische
Programmieraufgaben in Rahmen von Gruppenaufgaben
• planen und wenden zielgerichtet Maßnahmen zu gegenseitigen Qualitätssicherung der eingereichten
Lösungen an (prüfen wechselseitig die Gruppenabgaben)
• verantworten gemeinsam das Ergebnis ihrer Gruppenarbeit, deren Bewertung für beide Gruppenpart-
ner gleichermaßen gilt
Literatur:
Lehrbuch: Saake, Sattler: „Algorithmen und Datenstrukturen - Eine Einführung mit JAVA“

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 253

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "079#72#H", "079#74#H", "Berufspädagogik Tech-
nik (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of
Science)", "Informatik (1. Staatsprüfung für das Lehramt an Gymnasien)", "Informatik (1. Staatsprüfung für
das Lehramt an Realschulen)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstech-
nik (Master of Science)", "Mathematik (Bachelor of Science)", "Physische Geographie (Bachelor of Science)",
"Technomathematik (Bachelor of Science)", "Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Algorithmen und Datenstrukturen (Prüfungsnummer: 30501)
Prüfungsleistung, Klausur, Dauer (in Minuten): 120
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:

• Zur Klausur sind KEINE Hilfsmittel zugelassen - insbesondere KEINE elektronischen Geräte mit
eigenem Betriebssystem (z.B. Handy, SmartWatch o.ä.).
• Bei den schriftlichen Prüfungen kann ein zweisprachiges Wörterbuch verwendet werden. Es darf
sich dabei auch um ein Fachwörterbuch handeln. Ergänzungen oder Anmerkungen sind nicht
erlaubt. Die Kandidaten werden gebeten, ihre Wörterbücher an den jeweiligen Prüfungstagen bei
den Aufsichten zur Kontrolle vorzulegen. Elektronische Wörterbücher sind ausdrücklich verboten.
• Die Klausur muss mit einem dokumentenechten Stift (Kugelschreiber, Füller) ausgefüllt werden.
Bleistifte, Buntstifte o.ä. sind NICHT zugelassen.
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Philipp/Oster/Riehle/Stammin/Brinda (ps0566)

Übungen zu Algorithmen und Datenstrukturen (Prüfungsnummer: 30502)

Studienleistung, Übungsleistung
weitere Erläuterungen:
Bearbeitung wöchentlicher Übungsblätter, die je zur Hälfte aus Einzel- bzw. Gruppenaufgaben be-
stehen. Für den unbenoteten Übungsschein sind sowohl 60% der möglichen Einzelpunkte als auch
60% der Gruppenpunkte erforderlich.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Philipp/Oster/Riehle/Stammin/Brinda (ps0566)

UnivIS: 15.06.2022 18:14 254

Modulbezeichnung: Convex Optimization in Communications and Signal 5 ECTS
Processing (ConvOpt)
(Convex Optimization in Communications and Signal Processing)
Modulverantwortliche/r: Wolfgang Gerstacker
Lehrende: Wolfgang Gerstacker
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Convex Optimization in Communications and Signal Processing (WS 2021/2022, Vorlesung, 3 SWS,
Wolfgang Gerstacker)
Tutorial for Convex Optimization in Communications and Signal Processing (WS 2021/2022, Übung,
1 SWS, Adela Vagollari)

Empfohlene Voraussetzungen:
Signals and Systems, Communications

Inhalt:
Convex optimization problems are a special class of mathematical problems which arise in a variety
of practical applications. In this course we focus on the theory of convex optimization, correspon-
ding algorithms, and applications in communications and signal processing (e.g. statistical estimation,
allocation of resources in communications networks, and filter design). Special attention is paid to
recognizing and formulating convex optimization problems and their efficient solution. The course is
based on the textbook "Convex Optimization" by Boyd and Vandenberghe and includes a tutorial in
which many examples and exercises are discussed.
Lernziele und Kompetenzen:
Students
• characterize convex sets and functions,
• recognize, describe and classify convex optimization problems,
• determine the solution of convex optimization problems via the dual function and the KKT condi-
tions,
• apply numerical algorithms in order to solve convex optimization problems,
• apply methods of convex optimization to different problems in communications and signal processing
Literatur:
Boyd, Steven ; Vandenberghe, Lieven: Convex Optimization. Cambridge, UK : Cambridge University
Press, 2004

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Com-
munications Engineering (Master of Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspäd-
agogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master of Science)",
"Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieur-
wesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)",
"Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikati-
onstechnik (Master of Science)", "Medizintechnik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor
of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 255

 Convex Optimization in Communications and Signal Processing (Prüfungsnummer: 68501)
(englische Bezeichnung: Convex Optimization in Communications and Signal Processing)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Wolfgang Gerstacker (100255)

UnivIS: 15.06.2022 18:14 256

Modulbezeichnung: Digital Communications (DiCo) 5 ECTS
(Digital Communications)
Modulverantwortliche/r: Laura Cottatellucci
Lehrende: Laura Cottatellucci
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Digital Communications (WS 2021/2022, Vorlesung, 3 SWS, Laura Cottatellucci)
Tutorial for Digital Communications (WS 2021/2022, Übung, 1 SWS, Aravindh Krishnamoorthy)

Inhalt:
Alle modernen Kommunikationssysteme basieren auf digitalen Übertragungsverfahren.
Diese Vorlesung befasst sich mit den Grundlagen der Analyse und des Entwurfs digitaler Sender und
Empfänger. Dabei wird zunächst von einem einfachen Kanalmodell bei dem das Empfangssignal nur
durch additives weißes Gaußsches Rauschen gestört wird ausgegangen. Im Verlauf der Vorlesung wer-
den aber auch Kanäle mit unbekannter Phase sowie verzerrende Kanäle betrachtet. Behandelt werden
unter anderem digitale Modulationsverfahren (z.B. Pulsamplitudenmodulation (PAM), digitale Fre-
quenzmodulation (FSK), und Kontinuierliche-Phasenmodulation (CPM)), Orthogonalkonstellationen,
das Nyquistkriterium in Zeit- und Frequenzbereich, optimale kohärente und inkohärente Detektions-
und Decodierungsverfahren, die Signalraumdarstellung digital modulierter Signale, verschiedene Ent-
zerrungsverfahren, und Mehrträger-Übertragungsverfahren.
—
Modern communication systems are based on digital transmission methods.
This course covers basics of analysis and design of digital transmitters and receivers. Initially, we con-
sider a simple channel model whose received signal is impaired only by additive white Gaussian noise.
Then, we extend fundamental concepts to channels with unknown phases and distortion. Additionally,
we treat digital modulation techniques, e.g., pulse amplitude modulation (PAM), digital frequency
modulation (FSK) and continuous-phase modulation (CPM), and orthogonal constellations. The Ny-
quist criterion in time and frequency domain, optimal coherent and incoherent detection and decoding
methods, signal space representations of digitally modulated signals, various equalization methods,
and multicarrier transmission methods are also discussed.
Lernziele und Kompetenzen:
Die Studierenden
• analysieren und klassifizieren digitale Modulationsverfahren hinsichtlich ihrer Leistungs- und Band-
breiteneffizienz sowie ihres Spitzenwertfaktors,
• ermitteln notwendige Kriterien für impulsinterferenzfreie Übertragung,
• charakterisieren digitale Modulationsverfahren im Signalraum,
• ermitteln informationsverlustfreie Demodulationsverfahren,
• entwerfen optimale kohärente und inkohärente Detektions- und Decodierungsverfahren,
• vergleichen verschiedene Entzerrungsverfahren hinsichtlich deren Leistungsfähigkeit und Komplexi-
tät,
• entwerfen einfache digitale Übertragungssysteme mit vorgeschriebenen Leistungs- und Bandbrei-
teneffizienzen sowie Spitzenwertfaktoren.
—
The students
• analyze and classify digital modulation techniques in terms of performance and bandwidth efficiency
as well as crest factor,
• determine necessary criteria to design impulses for interference-free transmission,
• characterize digital modulation methods in signal space,
• determine information loss-free demodulation methods,
• design optimal coherent and incoherent detection and decoding methods,
• compare different equalization methods in terms of performance and complexity,

UnivIS: 15.06.2022 18:14 257

 • design simple digital transmission systems with prescribed power and bandwidth efficiency and crest
factor.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Communications and Multimedia Engi-
neering (Master of Science)", "Computational Engineering (Master of Science)", "Computational Engineering
(Rechnergestütztes Ingenieurwesen) (Master of Science)", "Informations- und Kommunikationstechnik (Master
of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Digital Communications (Prüfungsnummer: 78001)
(englische Bezeichnung: Digital communications)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Laura Cottatellucci (100463)

UnivIS: 15.06.2022 18:14 258

Modulbezeichnung: Fortgeschrittene forensische Informatik (ForensInfII) 5 ECTS
(Advanced Forensic Computing)
Modulverantwortliche/r: Felix Freiling
Lehrende: Felix Freiling
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Fortgeschrittene forensische Informatik (WS 2021/2022, Vorlesung, 2 SWS, Felix Freiling)
Fortgeschrittene forensische Informatik - Übung (WS 2021/2022, Übung, 2 SWS, Anwesenheitspflicht,
Felix Freiling)

Inhalt:
Die Vorlesung "Fortgeschrittene Forensische Informatik" ist eine forschungsorientierte Weiterführung
der Vorlesung "Forensische Informatik". Behandelt werden forschungsnahe Themen aus dem Be-
reich der forensischen Informatik, beispielsweise Browser- und Anwendungsforensik, Netzwerkforensik,
Hauptspeicheranalyse, Analyse von Mobiltelefonen, theoretische Modelle. Der Stoff der Vorlesung wird
beispielhaft durch praktische Aufgaben in der gleichlautenden Übung vertieft.
Lernziele und Kompetenzen:
Die Studierenden erhalten Einblicke in aktuelle Forschung im Bereich der forensischen Informatik. Sie
koennen die wesentlichen Fragestellungen, Probleme und Loesungsmoeglichkeiten wiedergeben und in
den Kontext digitaler Ermittlungen einordnen. Sie koennen Forschungsergebnisse qualitativ bewerten
und vergleichen. Sie lernen, die Forschungsergebnisse auf konkrete Problemstellungen im Bereich der
IT-Forensik anzuwenden und die entstehenden Ergebnisse vor Fachexperten zu vertreten.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Fortgeschrittene forensische Informatik (Prüfungsnummer: 393750)
(englische Bezeichnung: Advanced Forensic Computing)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
ACHTUNG: Falls erforderlich, findet die Prüfung gemäß §4, Absatz 1, Satz 2 der Corona-Satzung
der FAU (vom 17.04.2020) in elektronischer/digitaler Form als Videokonferenz statt!
Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Felix Freiling (100128)

Organisatorisches:
Vorausgesetzt werden die Inhalte der Vorlesung "Forensische Informatik".

UnivIS: 15.06.2022 18:14 259

Modulbezeichnung: Hochfrequenztechnik (HF) 5 ECTS
(Microwave Technology)
Modulverantwortliche/r: Martin Vossiek
Lehrende: Martin Vossiek
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Hochfrequenztechnik (WS 2021/2022, Vorlesung, 2 SWS, Martin Vossiek)
Hochfrequenztechnik Übung (WS 2021/2022, Übung, 2 SWS, Lukas Engel)

Empfohlene Voraussetzungen:
Empfohlene Voraussetzungen:
• Passive Bauelemente
• Elektromagnetische Felder I

Inhalt:
Nach einer Einführung in die Frequenzbereiche und Arbeitsmethoden der Hochfrequenztechnik wer-
den die Darstellung und Beurteilung linearer n-Tore im Wellen-Konzept systematisch hergeleitet und
Schaltungsanalysen in der Streumatrix-Darstellung durchgeführt. Bauelemente wie Dämpfungsglieder,
Phasenschieber, Richtungsleitungen, Anpassungstransformatoren, Resonatoren und Mehrkreisfilter so-
wie Richtkoppler und andere Verzweigungs-n-Tore erfahren dabei eine besondere Behandlung, insbe-
sondere in Duplex- und Brückenschaltungen. Rauschen in Hochfrequenzschaltungen wirkt vor allem
in Empfängerstufen störend und ist zu minimieren. Antennen und Funkfelder mit ihren spezifischen
Begriffen, einschließlich der Antennen- Gruppen bilden einen mehrstündigen Abschnitt. Abschließend
werden Hochfrequenzanlagen, vor allem Sender- und Empfängerkonzepte in den verschiedenen Anwen-
dungen wie Rundfunk, Richtfunk, Satellitenfunk, Radar und Radiometrie vorgestellt und analysiert.
Lernziele und Kompetenzen:
Die Studierenden
• erwerben fundierte Kenntnisse über die typischen passiven HF-Bauelemente sowie den Umgang mit
Streuparametern und die Analyse von HF-Schaltungen.
• lernen Antennenkonzepte und elementare Berechnungsmethoden für Antennen, Funkfelder, Rau-
schen und HF-Systeme kennen.
• sind in der Lage, die Kenngrößen und die hochfrequenten Eigenschaften von HF-Bauelementen und
Baugruppen sowie Antennen und einfachen HF-Systemen zu berechnen und zu bewerten.
Literatur:
Zinke, O.,Brunswig, H.: Lehrbuch der Hochfrequenztechnik, Band 1, 6. Auflage. Springer-Verlag: Berlin
(2000).
Voges, E.: Hochfrequenztechnik. Hüthig Verlag (2004)

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "247#56#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educati-
on)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik
und Informationstechnik (Master of Science)", "Informatik (Master of Science)", "Informations- und Kommuni-
kationstechnik (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)",
"Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 260

 Hochfrequenztechnik (Prüfungsnummer: 27201)
(englische Bezeichnung: Microwave Engineering)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022, 2. Wdh.: WS 2022/2023

1. Prüfer: Martin Vossiek (100284)

UnivIS: 15.06.2022 18:14 261

Modulbezeichnung: Kommunikation in Technik-Wissenschaften (KTW) 2.5 ECTS
(Communication in Technology Sciences)
Modulverantwortliche/r: Klaus Helmreich
Lehrende: Klaus Helmreich
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Kommunikation in Technik-Wissenschaften (WS 2021/2022, Vorlesung, 2 SWS, Klaus Helmreich)

Inhalt:
Motivation
Das Modul wendet sich an Studierende aller Semester in allen Studiengängen technischer- bzw. MINT-
Fächer (Mathematik, Informatik, Naturwissenschaften, Technik) und soll helfen, Kommunikationsab-
läufe - insbesondere im fachlichen Umfeld - zu verstehen sowie dabei häufig vorkommende Fehler zu
vermeiden. Im Studium ist dies wichtig bei
• schriftlichen Ausarbeitungen wie Seminar- und Abschlußarbeiten,
• mündlichen Darstellungen wie Vorträgen und Diskussionen sowie bei
• Prüfungen - hier vor allem!
Im Beruf - aber auch im Privatleben - ist eine gute Kommunikation mit Menschen aus der MINT- und
vor allem der Nicht-MINT-Welt ebenfalls von entscheidender Bedeutung für erfolgreiches Handeln.
Gliederung
Das Modul vermittelt Kenntnisse und Fähigkeiten zu Kommunikationsabläufen im fachlichen Umfeld,
im beruflichen Austausch mit Vertretern anderer Fachrichtungen und im allgemeinen zwischenmenschli-
chen Umgang. Dementsprechend überstreichen die folgenden Inhalte ein sehr weitgespanntes Spektrum
von Themen.
0 Einführung
Begriffe und Definitionen: Kommunikation zwischen Menschen in Abgrenzung zu anderen Bedeutun-
gen, Technik und Technologie, Wissenschaftsbegriffe, Kriterien zur Abgrenzung, Pseudo-Wissenschaft
1 Physiologische Rahmenbedingungen: Sensorik des Menschen
Sinne und Sinnesorgane, Eigenschaften
2 Kanäle für Kommunikation zwischen Menschen
Bio-Physikalische Grundlagen, akustischer und optischer Kommunikationskanal, Entstehungsgeschich-
te der Zeichen. die Bedeutung von Sprache, Unterschied zwischen Kommunikation in Technik-
Wissenschaften und allgemeiner Kommunikation
3 Sprachen in MINT-Fächern
Begriffe, Fach- und Symbolsprachen, mathematischen Beziehungen, naturwissenschaftliche Darstellun-
gen als Modelle der Wirklichkeit, technischen Zeichnungen, Schaltpläne
4 Formen der Kommunikation in MINT-Fächern
Vorlesung, Übung, Praktikum, Seminar, Bachelor-/Master-Arbeit, Promotionsverfahren, Habilitations-
verfahren, Kolloquium, Kongress
5 Prüfungen gut vorbereiten und erfolgreich bestehen
Ablauf und Vorbereitung mündlicher Prüfungen, Ablauf und Vorbereitung schriftlicher Prüfungen,
allgemeine Vorbereitung auf einen Prüfungsabschnitt, Erwerb von Wissen und Können
6 Normung und Normen in der Technik
Begriffe, Zuständigkeiten, Grundbegriffe bei Gleichungen: physikalische Größen große Zahlen, kleine
Zahlen, Einheiten und Skalenpräfixe, relevante Normen finden, Beispiele
7 Kommunikation mit der Vergangenheit: Schrifttum und Recherche
Formen wissenschaftlichen Schrifttums, richtiges Zitieren, Wege der Literaturrecherche, Sonderfall
Patent-Recherche
8 Kommunikation mit der Zukunft: Protokolle und Patente
Sammeln und Sichern von Arbeits-/Forschungsergebnissen, Umgang mit theoretischen und experimen-
tellen Arbeitsergebnissen, Logistik, Fehler und Korrekturen, rechtliche Absicherung durch Patentieren

UnivIS: 15.06.2022 18:14 262

 9 Publikationen erstellen: Texte
Arten wissenschaftlicher Publikationen, Organisation von Herstellung und Inhalt, formale Regeln, an-
gemessene Schreibstile, Beispiele
10 Publikationen erstellen: Graphik
richtige Gestaltung, Herstellung von Photographien technischer Objekte, technische Zeichnungen, Her-
stellungsanweisungen, Schaltpläne der Elektrotechnik, Graphen von funktionalen Zusammenhängen,
Beispiele
11 Vorträge von der Zuhörerschaft her planen
Vortragscharaktere, Sprache, Niveau, Logistik, Technik, Zeitplanung
12 Vorträge inhaltlich aufbereiten
inhaltliche Planung, Bildmaterial erstellen und aufbereiten, Sprechtext gliedern und formulieren, Spre-
chen und Projizieren
13 Vorträge gut präsentieren
akustische Qualität des Sprechens, der Sprecher als Person, Technik der Bildpräsentation, Verkopp-
lung von Sprechen und Projizieren, Beherrschung der Diskussion, Bewertung nach den sogenannten
„ABOS“-Kriterien
14 Publikationen und Vorträge prüfen
Kommunikations-Fehler beim Planen/Reagieren, Sprechen/Hören, Zeichnen, Schreiben/Lesen, bei Ge-
sprächen, Vorträgen und Diskussionen erkennen und vermeiden
15 Kommunikation mit der Nicht-MINT-Welt
Inter-MINT-Kommunikation, Herausforderungen und Stil bei der Kommunikation mit der Nicht-MINT-
Welt, aufklärende Kommunikation zu kontroversen Themen, Wort contra Graphik, Manipulative Infor-
mation und Desinformation, „Kritischer Verstand“ bei der Beurteilung von Nachrichten, wie sieht die
Nicht-MINT-Welt uns?
17 Grundkonzepte der Kommunikationspsychologie
Merkmale von Kommunikation zwischen Menschen, Kommunikation und Verhalten, Struktur in Kom-
munikationsabläufen: Interpunktion, nicht-sprachliche Ausdrucksmittel, Beziehungsformen, Störungen
in der Kommunikation, Aspekte von Mitteilungen, explizite und implizite Botschaften, Kongruenz und
Inkongruenz, Konstruktion beim Empfänger, Metakommunikation
18 Kommunikationsstile und Persönlichkeitstypen
Intention von Kategorisierungen, Ansätze und Sichtweisen, Kommunikation und Persönlichkeit, Kom-
munikationsstile, belastende Kommunikationsmuster, Werkzeuge zur Analyse und Weiterentwicklung,
Persönlichkeitstypen, Sicht auf sich selbst und die anderen, Nutzen und Risiken, Verhaltenshinweise
19 Interkulturelle Kommunikation
Kulturbegriff, Anwendung des „Kommunikationspsychologischen Werkzeugkoffers“ aus Kap. 17 auf
interkultureller Kommunikation, theoretisches Rüstzeug und praktische Hinweise
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
• Die Studierenden können Formen fachlicher Kommunikation nennen.
• Sie kennen Ablauf und Besonderheiten mündlicher und schriftlicher Prüfungen im Studium.
Verstehen
• Die Studierenden können die Begriffe „Kommunikation“, „Technik“ und verschiedene Wissen-
schaftsbegriffe erläutern.
• Sie können Formen wissenschaftlichen Schrifttums erläutern.
Anwenden
• Die Studierenden können Gleichungen und physikalische Größen normgerecht darstellen.
• Sie können Gestaltungsregeln und Ausdrucksmittel für wissenschaftliche Publikationen in
Seminar- und Abschlussarbeiten korrekt anwenden.
Analysieren
• Die Studierenden können Besonderheiten der Fachkommunikation gegenüber allgemeiner zwi-
schenmenschlicher Kommunikation herausstellen.

UnivIS: 15.06.2022 18:14 263

 • Sie können Äußerungen hinsichtlich der Aspekte Inhalt, Beziehung, Appell und Selbstkundgabe
analysieren.
Evaluieren (Beurteilen)
• Die Studierenden können Wissenschaft von Pseudo-Wissenschaft abgrenzen.
• Sie können Vor- und Nachteile verschiedener Kanäle zwischenmenschlicher Kommunikation
bewerten.
• Sie können theoretische und experimentelle Arbeits- und Forschungsergebnisse kritisch bewer-
ten.
Erschaffen
(keine)
Lern- bzw. Methodenkompetenz
Lernziele hinsichtlich Lern- und Arbeitsmethoden:
Die Studierenden können:
• spezifische Lern- und Vorbereitungsstrategien für mündliche und schriftliche Prüfung anwenden
• Bedeutung von Normung und Normen in der Technik wiedergeben
• wissenschaftliche Quellen richtig zitieren
• wissenschaftliches Schrifttum gezielt recherchieren
• Arbeits- und Forschungsergebnisse protokollieren und sichern
• Vorträge und Präsentationen anlaßgerecht planen, erstellen und präsentieren
Selbstkompetenz
Lernziele hinsichtlich persönlicher Weiterentwicklung:
Die Studierenden können:
• naturwissenschaftliche Aussagen und Beziehungen als Modelle verstehen
• manipulative Information und Kommunikation als solche erkennen, benennen und richtigstellen
• Nachrichten und Aussagen mit kritischem Verstand beurteilen
• Wahrnehmung der eigenen Fachwissenschaft und der eigenen Person als Vertreter derselben durch
die "Nicht-MINT-Welt" richtig einschätzen
Sozialkompetenz
Lernziele hinsichtlich des Umgangs mit Menschen:
Die Studierenden können:
• Vorträge und Präsentationen im Hinblick auf die Zuhörerschaft planen
• Präsentationstechniken hinsichtlich Aufmerksamkeitsführung, Blickkontakt zum Publikum, Qua-
lität des optischen Materials und der akustischen Qualität bewerten
• Kommunikations-Fehler bei Fachkommunikation, bei Gesprächen, Vorträgen und Diskussionen
erkennen und vermeiden
• zu Aussagen und Ergebnisse der eigenen Fachwissenschaft mit Nicht-Fachleuten geeignet kom-
munizieren und dabei aufklärende Kommunikation zu kontroversen Themen pflegen
• Merkmale von Kommunikation zwischen Menschen wiedergeben und verstehen
• Kommunikation als Verhalten bzw. Gesamtheit aus Sprach- und Zeichenkommunikation, paralin-
guistischen Ausdrucksweisen und nicht-sprachlichen Ausdrucksmitteln verstehen
• Kommunikationsabläufen im Hinblick auf die Wahrnehmung durch die Beteiligten strukturieren
• Hierarchiebeziehungen in Kommunikationssituationen erkennen, einordnen und damit umgehen
• Störungen in Kommunikationsabläufen erkennen und ihnen begegnen, z.B. durch Metakommuni-
kation
• verschiedene Aspekte von Mitteilungen in der zwischenmenschlichen Kommunikation erkennen
und geeignet reagieren
• explizite und implizite Botschaften bei Kommunikationsvorgängen unterscheiden und hinsichtlich
Kongruenz analysieren
• mit Bewusstsein für die Konstruktion individueller Wirklichkeiten bei Kommunikationsabläufen
agieren
Literatur:
zur Vorlesungsbegleitung (wird zur Verfügung gestellt):

UnivIS: 15.06.2022 18:14 264

 Hans H. Brand:
Kommunikation in Technik-Wissenschaften: oder: Was Ingenieure - außer dem Fachlichen - sonst noch
wissen müssten und können sollten;
Shaker Verlag, Aachen, 2012; ISBN 978-3-8440-1356-6
zur weiteren Vertiefung:
Paul Watzlawick, Janet H. Beavin, Don D. Jackson:
Pragmatics of Human Communication, A Study of Interactional Patterns, Pathology and Paradoxes;
Mental Research Institute, Palo Alto, CA, USA, 1967;
deutsch:;
Menschliche Kommunikation - Formen, Störungen, Paradoxien;
Hans Huber, Bern, Schweiz, 1969/2000/2003/2007
Friedemann Schulz v. Thun:
Miteinander Reden
1 - Störungen und Klärungen
• Stile, Werte und Persönlichkeitsentwicklung
3 - Das „Innere Team“ und situationsgerechte Kommunikation
Rowohlt Taschenbuch Verlag, Reinbek, 1: 1981, 2:1989, 3:1998

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Energietechnik (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "International Production Engineering and Management
(Bachelor of Science)", "Maschinenbau (Bachelor of Science)", "Maschinenbau (Master of Science)", "Me-
chatronik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Wirtschaftsingenieurwesen (Bachelor
of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Kommunikation in Technik-Wissenschaften (Prüfungsnummer: 779501)
(englische Bezeichnung: Communication in Engineering Sciences)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Klaus Helmreich (100222)

Bemerkungen:
Nicht-technisches Wahlfach für alle Studiengänge der TechFak.

UnivIS: 15.06.2022 18:14 265

Modulbezeichnung: Kommunikationsnetze (KONE) 5 ECTS
(Communication Networks)
Modulverantwortliche/r: André Kaup
Lehrende: André Kaup
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Kommunikationsnetze (WS 2021/2022, Vorlesung, 2 SWS, André Kaup)
Übung zu Kommunikationsnetze (WS 2021/2022, Übung, 2 SWS, Matthias Kränzler)

Empfohlene Voraussetzungen:
Kenntnisse über Grundbegriffe der Stochastik

Inhalt:
Hierarchische Strukturen von Netzfunktionen
OSI-Schichtenmodell, Kommunikation im OSI-Modell, Datenstrukturen, Vermittlungseinrichtungen
Datenübertragung von Punkt zu Punkt
Signalverarbeitung in der physikalischen Schicht, synchrones und asynchrones Multiplex, Verbindungs-
arten
Zuverlässige Datenübertragung
Fehlervorwärtskorrektur, Single-Parity-Check-Code, Stop-and-Wait-ARQ, Go-back-N-ARQ, Selective-
Repeat-ARQ
Vielfachzugriffsprotokoll
Polling, Token Bus und Token Ring, ALOHA, slotted ALOHA, Carrier-Sensing-Verfahren
Routing
Kommunikationsnetze als Graphen, Fluten, vollständiger Baum und Hamilton-Schleife, Dijkstra-
Algorithmus, Bellman-Ford-Algorithmus, statisches Routing mit Alternativen
Warteraumtheorie
Modell und Definitionen, Littles Theorem, Exponentialwarteräume, Exponentialwarteräume mit meh-
reren Bedienstationen, Halbexponentialwarteräume
Systembeispiel Internet-Protokoll
Internet Protokoll (IP), Transmission Control Protocol (TCP), User Datagram Protocol (UDP)
Multimedianetze
Klassifikation von multimedialen Anwendungen, Codierung von Multimediadaten, Audio- und Video-
Streaming, Protokolle für interaktive Echtzeit-Anwendungen (RTP, RTCP), Dienstklassen und Dienst-
gütegarantien
Lernziele und Kompetenzen:
Die Studierenden
• verstehen den hierarchischen Aufbau von digitalen Kommunikationsnetzen
• unterscheiden grundlegende Algorithmen für zuverlässige Datenübertragung mit Rückkanal und be-
urteilen deren Leistungsfähigkeit
• analysieren Protokolle für Vielfachzugriff in digitalen Kommunikationsnetzen und berechnen deren
Durchsatz
• unterscheiden Routingverfahren und berechnen optimale Vermittlungswege für beispielhafte Kom-
munikationsnetze
• abstrahieren und strukturieren Warteräume in Kommunikationsnetzen und berechnen maßgebliche
Kenngrößen wie Aufenthaltsdauer und Belegung
• verstehen grundlegende Mechanismen für die verlustlose und verlustbehaftete Codierung von Medi-
endaten
• kennen die maßgeblichen Standards des Internets für Sicherung, Vermittlung und Transport von
digitalen Daten
Literatur:

UnivIS: 15.06.2022 18:14 266

 M. Bossert, M. Breitbach, „Digitale Netze“, Stuttgart: Teubner-Verlag, 1999

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educati-
on)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational
Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",
"Informatik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mecha-
tronik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)",
"Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:
Vorlesung und Übung Kommunikationsnetze (Prüfungsnummer: 22901)
(englische Bezeichnung: Lecture/Tutorial: Communication Networks)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: André Kaup (100219)

Organisatorisches:
keine Voraussetzungen

UnivIS: 15.06.2022 18:14 267

Modulbezeichnung: Medizinelektronik (MEL) 5 ECTS
(Medical Electronics)
Modulverantwortliche/r: Jens Kirchner
Lehrende: Thomas Kurin, Jens Kirchner
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Medizinelektronik - Medical Electronics (SS 2022, Vorlesung, 2 SWS, Jens Kirchner)
Medizinelektronik - Übung / Medical Electronics Exercises (SS 2022, Übung, 2 SWS, Thomas Kurin)

Empfohlene Voraussetzungen:
We recommend completion of modules in “circuit design" or "Electronics and circuit design" before.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Schaltungstechnik
Elektronik und Schaltungstechnik

Inhalt:
The Lecture and exercise deals with the following topics:
• Implications of MPG (Medizinproduktegesetz) on circuit design
• Electronics for medical diagnostics and therapy
• Circuit design of standard medical equipment ECG, EEG, EMG, SpO2
• Circuit technology for vital sensors
• Circuit technology for impedance spectroscopy
• Circuit technology for impedance tomography
• Circuit technology for microwave/mm-wave spectroscopic sensors
• Electronic Systems for AAL (Ambient Assisted Living)
• Electronic Systems including MEMS (Micro ElectroMechanical Systems) components
• Circuit technology around MEMS “Lab-on-chip"
• Circuit technology for implants
• Electronic circuits around „Smart Textiles“
• Body near energy harvesting
Lernziele und Kompetenzen:
Students will gain
• Substantial knowledge on principles for the circuit design of medical electronic devices
• Ability to analyze circuit diagrams of medical electronic devices
• Ability to separate medical electronic devices into its subfunctions
• Ability to analyze energy budget of medical sensors and circuits with body near electronics
• Basic ability to design electronic circuits to comply with obligations by MPG
• Substantial knowledge on circuit design for standard medical devices, e.g. ECG, EEG, EMG
• Substantial knowledge on wireless Body Area Networks (BAN)
• Substantial knowledge on circuit design rules for micro/mmwave medical sensors
• Substantial knowledge on circuits including microsystem (MEMS) components for health assistance
systems

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Computational Engineering (Master of Science)", "Computa-
tional Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of

UnivIS: 15.06.2022 18:14 268

 Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Medizintechnik (Bachelor of
Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Medizinelektronik (Prüfungsnummer: 60301)
(englische Bezeichnung: Medical Electronics)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Georg Fischer (100226)

UnivIS: 15.06.2022 18:14 269

Modulbezeichnung: Music Processing Analysis - Lecture & Exercise (MPA-LE) 5 ECTS
(Music Processing Analysis - Lecture & Exercise)
Modulverantwortliche/r: Meinard Müller
Lehrende: Meinard Müller
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Music Processing Analysis (WS 2021/2022, Vorlesung, 2 SWS, Meinard Müller)
Music Processing Analysis - Exercise (WS 2021/2022, Übung, 2 SWS, Meinard Müller)

Empfohlene Voraussetzungen:
In this course, we discuss a number of current research problems in music processing or music infor-
mation retrieval (MIR) covering aspects from information science and digital signal processing. We
provide the necessary background information and give numerous motivating examples so that no spe-
cialized knowledge is required. However, the students should have a solid mathematical background.
The lecture is accompanied by readings from textbooks or the research literature. Furthermore, the
students are required to experiment with the presented algorithms using Python.

Inhalt:
Music signals possess specific acoustic and structural characteristics that are not shared by spoken
language or audio signals from other domains. In fact, many music analysis tasks only become feasible
by exploiting suitable music-specific assumptions. In this course, we study feature design principles that
have been applied to music signals to account for the music-specific aspects. In particular, we discuss
various musically expressive feature representations that refer to musical dimensions such as harmony,
rhythm, timbre, or melody. Furthermore, we highlight the practical and musical relevance of these
feature representations in the context of current music analysis and retrieval tasks. Here, our general
goal is to show how the development of music-specific signal processing techniques is of fundamental
importance for tackling otherwise infeasible music analysis problems.
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
• Die Studierenden stellen zentrale Aufgabenstellungen der Musikverarbeitung in eigenen Worten
dar und skizzieren Lösungsansätze.
• Die Studierenden verstehen die Eigenschaften von unterschiedlichen Darstellungsformen von
Musik.
• Die Studierenden interpretieren Signaleigenschaften anhand von Visualisierungen (Exercise).
Anwenden
• Die Studierenden wenden grundlegende Algorithmen zur Analyse und zum Vergleich von Mu-
siksignalen an.
• Die Studierenden können voraussagen, wie sich unterschiedliche musikalische Eigenschaften bei
der Signalanalyse auswirken.
• Die Studierenden implementieren Algorithmen zur Analyse, zum Vergleich und zur inhaltsba-
sierten Suche von Musiksignalen (Exercise).
Analysieren
• Die Studierenden beobachten und diskutieren die Bedeutung und Auswirkung von Parametern
bei der Musikanalyse.
• Die Studierenden stellen unterschiedliche Verfahren bei der Analyse von Periodizitäten gegen-
über.
• Die Studierenden analysieren und erforschen Eigenschaften von Musiksignalen mittels automa-
tisierter Methoden (Exercise).
• Die Studierenden klassifieren und strukturieren Musikdaten mittels Lernverfahren (Exercise).

UnivIS: 15.06.2022 18:14 270

 Evaluieren (Beurteilen)
• Die Studierenden hinterfragen Annahmen, die implizit bei der Verwendung von Analysemetho-
den gemacht werden.
• Die Studierenden schätzen ein, wann Methoden bei der Analyse von gewissen Musiksignalen
funktionieren könnten und wann sie typischerweise versagen.
• Die Studierenden evaluieren automatisierte Methoden mittels geeigneter Evaluationsmaße unter
Verwendung von manuell erstellten Annotationen (Exercise).
Erschaffen
• Die Studierenden entwerfen neue Algorithmen zur Musikanalyse durch Modifikation und Inte-
gration bestehender Software (Exercise).
Lern- bzw. Methodenkompetenz
• Die Studierenden bereiten sich auf die Vorlesung anhand ausgewählter Literatur vor.
• Die Studierenden hinterfragen bestehende Ansätze hinsichtlich ihrer Anwendbarkeit in der Praxis.
• Die Studierenden beachten Fragen der Effizienz bei den diskutierten Algorithmen.
• Die Studierenden entwickeln praktische Lösungswege für Problem in der Musikverarbeitung (Exer-
cise)
Selbstkompetenz
• Die Studierenden hinterfragen ihr Verständnis von dem Gelernten anhand von Übungsaufgaben.
• Die Studierenden formulieren Fragen und stellen diese in der Vorlesung an den Dozenten und die
Zuhörerschaft.
• Die Studierenden nutzen Verbesserungshinweise des Betreuers und der Tutoren zur Verbesserung
ihrer Lernstrategien (Exercise).
Sozialkompetenz
• Die Studierenden organisieren selbständig Lerngruppen, in denen der Stoff diskutiert und vertieft
wird.
• Die Studierenden simulieren mit ihren Kommilitonen mündliche Prüfungen.
• Die Studierenden entwickeln und implementieren Software im Team (Exercise).
• Die Studierenden geben Kommilitonen im Rahmen ihrer Zusammenarbeit wertschätzendes Feed-
back (Exercise).

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Infor-
matik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)", "Wirt-
schaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Music Processing Analysis - Lecture & Exercise (Prüfungsnummer: 639119)
(englische Bezeichnung: Music Processing Analysis - Lecture & Exercise)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
1. Teilprüfung (unbenotet): Lösen von Programmieraufgaben im Gesamtumfang von 2 Lab Units
(je ca. 6-stündige Bearbeitungszeit), die von Tutoren abgenommen werden. Anfertigung einer 2-
seitigen Zusammenfassung eines Kapitels des Lehrbuchs "Fudamentals of Music Processing" (Müller,
Springer 2021).
2. Teilprüfung (benotet): mündliche Prüfung 30 min Die Prüfung kann wahlweise in Deutsch oder
Englisch abgelegt werden.
Prüfungssprache: Deutsch oder Englisch

UnivIS: 15.06.2022 18:14 271

 Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022
1. Prüfer: Meinard Müller (100297)

UnivIS: 15.06.2022 18:14 272

Modulbezeichnung: Regelungstechnik A (Grundlagen) (RT A) 5 ECTS
(Control System Design A (Fundamentals))
Modulverantwortliche/r: Knut Graichen
Lehrende: Knut Graichen, Julian Dahlmann
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Regelungstechnik A (Grundlagen) (WS 2021/2022, Vorlesung, 2 SWS, Knut Graichen)
Übungen zu Regelungstechnik A (Grundlagen) (WS 2021/2022, Übung, 2 SWS, Julian Dahlmann)

Empfohlene Voraussetzungen:
Systemtheorie linearer zeitkontinuierlicher Systeme (inkl. Laplace-Transformation)

Inhalt:
• Gegenstand und Zielstellung der Regelungstechnik
• Modellbildung der Strecke im Zeit und Frequenzbereich und Darstellung als Strukturbild
• Analyse des Streckenverhaltens linearer Eingrößensysteme anhand von Übertragungsfunktion und
Frequenzgang
• Auslegung einschleifiger Regelkreise
• Erweitere Regelkreisstrukturen
Lernziele und Kompetenzen:
Die Studierenden können
• Gegenstand und Zielstellung der Regelungstechnik erläutern.
• Problemstellungen als Steuerungs- und Regelungsaufgabe identifizieren.
• das Streckenverhalten durch ein mathematisches Modell in Form des Strukturbilds beschreiben.
• eine Modellvereinfachung durch Linearisierung und Strukturbildumformung durchführen.
• aus Übertragungsfunktion und Frequenzgang das qualitative Streckenverhalten ermitteln.
• zu einem Frequenzgang Ortskurve und Bode-Diagramm angeben.
• den Aufbau einer Zwei-Freiheitsgrade-Regelung angeben und die Zweckbestimmung von Vorsteue-
rung und Regelung erläutern.
• Sollverläufe auf Zulässigkeit überprüfen und realisierbare Vorsteuerungen entwerfen.
• die Regelkreis-Stabilität definieren und mit dem Nyquist-Kriterium untersuchen.
• entscheiden, wann welcher Reglertyp in Frage kommt und nach welchen Gesichtspunkten dessen
Parameter zu wählen sind.
• für lineare Eingrößensysteme einen geeigneten Regler entwerfen.
• ergänzende Maßnahmen zur Störverhaltensverbesserung beschreiben und zur Anwendung bringen.
• die Vorlesungsinhalte auf verwandte Problemstellungen übertragen und sich weiterführende Fre-
quenzbereichsmethoden der Regelungstechnik selbständig erschließen.
Literatur:
• O. Föllinger. Regelungstechnik: Einführung in die Methoden und ihre Anwendung, 12. Auflage,
VDE-Verlag, 2016
• M. Horn, N. Dourdoumas. Regelungstechnik, Pearson Studium, 2004
• W. Leonhard. Einführung in die Regelungtechnik, 4. Auflage, Vieweg, 1987
• J. Lunze. Regelungstechnik 1: Systemtheoretische Grundlagen, Analyse und Entwurf einschleifiger
Regelungen, 12. Auflage, Springer, 2020
• R. Unbehauen. Regelungtechnik 1, 12. Auflage, 2002
• G. Ludyk. Theoretische Regelungstechnik 1 und 2, Springer, 1995

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 273

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "247#56#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstech-
nik (Bachelor of Science)", "Energietechnik (Master of Science)", "Informatik (Bachelor of Science)", "Informa-
tik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Mechatronik (Bachelor of Science)", "Medizintechnik
(Master of Science)", "Technomathematik (Bachelor of Science)", "Wirtschaftsingenieurwesen (Bachelor of
Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Vorlesung Regelungstechnik A (Grundlagen) (Prüfungsnummer: 26501)
(englische Bezeichnung: Lecture: Control Engineering A (Foundations))
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022, 2. Wdh.: WS 2022/2023

1. Prüfer: Knut Graichen (100423)

UnivIS: 15.06.2022 18:14 274

Modulbezeichnung: Verifikation digitaler Systeme (VdS) 5 ECTS
(Verification of Digital Systems)
Modulverantwortliche/r: Oliver Keszöcze
Lehrende: Oliver Keszöcze
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Verifikation digitaler Systeme (SS 2022, Vorlesung, 2 SWS, Oliver Keszöcze)
Übung zur Verifikation digitaler Systeme (SS 2022, Übung, 2 SWS, Oliver Keszöcze)

Inhalt:
Für den Entwurf eines digitalen Systems werden heute in der Industrie ebenso viele Verifikationsin-
genieure wie Designer benötigt. Trotzdem beansprucht die Verifikation heute bereits 70%-80% der
gesamten Entwurfszeit. Neben konventionellen Verifikationserfahren wie der Simulation sind werden
seit einigen Jahren sogenannte "formale Verifikationsmethoden" in heutigen Entwursflüssen einge-
setzt. Der Umgang mit diesen Methoden stellt ein wichtiges neues Aufgabenfeld dar. Im Gegensatz
zur Simulation beruht die formale Verifikation auf exakten mathematischen Methoden zum Nachweis
funktionaler Schaltungseigenschaften. Dadurch können Entwurfsfehler frühzeitiger und mit höherer
Zuverlässigkeit als bisher erkannt werden. Jedes System zur formalen Hardwareverifikation erfordert:
1. ein geeignetes Modell des zu verifizierenden Systems
2. eine Sprache zur Formulierung der zu verifizierenden Eigenschaften
3. eine Beweismethode.
Die Vorlesung behandelt diese drei Bereiche, vermittelt die grundlegenden Algorithmen und Konzepte
moderner Werkzeuge für die formale Hardwareverifikation und erläutert deren Einsatz in der industri-
ellen Praxis. Im Einzelnen werden in dieser Vorlesung die folgenden Punkte behandelt:
1. Modellierung digitaler Systeme
2. Unterschiede formaler und simulationsbasierter Verifikationsmethoden
3. Äquivalenzvergleich
4. Formale und simulationsbasierte Eigenschaftsprüfung
5. Assertions
6. Verifikation arithmetischer Schaltungen
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
• Die Studierenden erläutern die wesentlichen Techniken zur Verifikation digitaler Systeme, zeigen
deren Vor- und Nachteile auf und vergleichen diese bezüglich Ihrer Mächtigkeit und Komplexität.
Anwenden
• Die Studierenden wenden Modellierungstechniken aus den Bereichen der Binären Entschei-
dungsdiagramme inkl. bekannter Erweiterungen (MDD, etc.) sowie der SAT-Löser auf System-
beschreibungen an.
• Die Studierenden Verifikationstechniken aus den Bereichen der formalen Äquivalenz- und Ei-
genschaftsprüfung (Model Checking, Symbolic Model Checking, Bounded Model Checking) auf
Systembeschreibungen an.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of

UnivIS: 15.06.2022 18:14 275

 Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und
Kommunikationstechnik (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Verifikation digitaler Systeme (Prüfungsnummer: 22801)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Aufgrund geringer Teilnehmerzahlen kann die Prüfung auch als 30-minütige mündliche Prüfung
erfolgen.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Oliver Keszöcze (100421)

UnivIS: 15.06.2022 18:14 276

Modulbezeichnung: Praktikum Innovationslabor für Wearable und Ubiquitous 5 ECTS
Computing (InnoLabPra)
(Innovation Lab for Wearable and Ubiquitous Computing)
Modulverantwortliche/r: Björn Eskofier
Lehrende: Matthias Zürl, Michael Nissen, Marlies Nitschke, Nils Roth, Alzhraa Ahmed, Mis-
ha Sadeghi, Mohamad Wehbi, Johannes Link, Philipp Schlieper, Ann-Kristin Seifer,
Imrana Abdullahi Yari, Björn Eskofier, Kai Klede
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Innovationslabor für Wearable und Ubiquitous Computing (SS 2022, Praktikum, 4 SWS, Björn Eskofier
et al.)

Inhalt:
Mini-Computer, die unseren Lebensrhythmus dokumentieren, EKG-Sensoren, die jedes Detail aufzeich-
nen, Brillen, die uns in eine andere Realität versetzen - diesen Technologien begegnen wir mittlerweile
ständig im Alltag. Im Innovationslabor für Wearable und Ubiquitous Computing werden solche Techno-
logien von Studierenden entwickelt und gleichzeitig aufgezeigt, wie man mit diesen ein eigenes Startup
gründen könnte. Die innovativen Technologien werden dabei prototypisch in Gruppenarbeit (5-8 Stu-
dierende) unter Nutzung von agilen Entwicklungsmethoden (Scrum) geschaffen. Den Studierenden
steht dabei der Zugang zum Innovationslabor offen, welches mit der nötigen Infrastruktur für die Ent-
wicklung der Prototypen ausgestattet ist. Die Ideen für die Projekte stammen dabei entweder von
kooperierenden Firmen oder von den Studierenden selbst. Neben dem Prototyping erlernen die Teil-
nehmer in Tutorials die Grundlagen für innovatives Arbeiten wie Design Thinking und Patentrecherche.
Zudem wird ihnen beigebracht, wie sie nach der Entwicklung ihre Ideen schützen und gegebenenfalls
an den Markt bringen können.
Content:
Mini-computers documenting our rhythm of life, EKG-Sensors tracing every detail or glasses, that
transfer us into another reality are amongst the technologies we are meanwhile facing in our everyday
lives. At the Innovation Lab for Wearable and Ubiquitous Computing students develop such technologies
and learn about the possibilities and requirements to build a start-up. By applying agile development
methods (Scrum), teams of 5 to 8 students develop prototypes of products within the wearable and
ubiquitous computing field. Participating students have open access to the Innovation Lab, which
provides them with everything they need to develop their prototypes. The project ideas originate
from cooperating companies or the students themselves. Besides the great practical experience gained
during development, students also learn about entrepreneurship. There will be tutorials covering design
thinking, market analysis, management of development processes, securing intellectual property, and
business plan creation.
Lernziele und Kompetenzen:
• Die Studierenden nutzen in der gemeinsamen agilen Projektentwicklung das Framework SCRUM.
• Die Studierenden führen eine Ideation Session mit ihrem Projektpartner durch.
• Die Studierenden lernen, die Ergebnisse ihrer Entwicklung sowohl wissenschaftlich als auch im Kon-
text eines Sales-Pitches zu präsentieren.
• Die Studierenden nutzen Gitlab für die gemeinsame Entwicklung von Software-Anwendungen.
• Die Studierenden lernen die verschiedensten Aspekte einer Unternehmensgründung kennen.
Learning Goals and skills:
• Students use the agile project management framework SCRUM.
• Students conduct an ideation session together with project partners.
• Students learn to present their results both in a reseach environment as well as in a sales-pitch
environment
• Students use Gitlab for the joint development of software applications.
• Students are familiarized with various aspects of entrepreneurship and founding.

UnivIS: 15.06.2022 18:14 277

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Informations- und Kommunikationstechnik (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Innovationslabor für Wearable und Ubiquitous Computing (Prüfungsnummer: 741586)
(englische Bezeichnung: Innovation Lab for Wearable and Ubiquitous Computing)
Prüfungsleistung, Praktikumsleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Der Umfang der Leistung im Innovation Lab setzt sich aus vier Teilbereichen zusammen (in Klam-
mern ist der Anteil an der Gesamtnote angegeben):
• Teampräsentation - 30 min (30%)
• Abschlussvortrag - 10 min (10 %)
• Hardware/Software Development, Scrum Meetings, Practical work (40%)
• Abschlussdokumentation/Report - ca. 3 - 6 Seiten pro Studierendem (20 %)
Nach dem erfolgreichen Absolvieren erhalten die Studierenden 10 ECTS.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Björn Eskofier (100122)

Bemerkungen:
Das Modul "Praktikum Innovationslabor für Wearable und Ubiquitous Computing" kann nur in Ver-
bindung mit dem Modul "Seminar Innovationslabor für Wearable und Ubiquitous Computing" belegt
werden, da die Lehrveranstatlung zu diesen Modulen eine 10 ECTS Veranstaltung ist.
The module "Praktikum Innovationslabor für Wearable und Ubiquitous Computing" can only be atten-
ded together with the module "Seminar Innovationslabor für Wearable und Ubiquitous Computing“,
because the course to these modules is rewarded with 10 ECTS.

UnivIS: 15.06.2022 18:14 278

Modulbezeichnung: Radar, RFID and Wireless Sensor Systems (RWS) 5 ECTS
(RWS)
Modulverantwortliche/r: Martin Vossiek
Lehrende: Martin Vossiek
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Radar, RFID and Wireless Sensor Systems (SS 2022, Vorlesung, 2 SWS, Martin Vossiek)
Radar, RFID and Wireless Sensor Systems Exercises (SS 2022, Übung, 2 SWS, Christian Carlowitz)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Passive Bauelemente und deren HF-Verhalten

Inhalt:
Radar, RFID and wireless sensor and wireless locating systems are essential for automotive advanced
driver-assistance systems (ADAS), autonoumous driving and flying, robotics, industrial automation,
logistics and novel human machine interfaces. Further key areas include medical electronics, building
technology and cyber-physical systems. The module "Radar, RFID and Wireless Sensors" is an in-
troduction into functional principles, building blocks, hardware and signal processing concepts and
applications of modern radar, RFID, wireless sensor and real time locating systems. Covered appli-
cations include automotive radar, road and air traffic control systems, as well as robotics, industrial
automation and medical technology. RWS is an identical replacement of the former module “Drahtlose
Sensoren, Radar- und RFID-Systeme - DSR".
Lernziele und Kompetenzen:
The students
• learn about the setup, function and application of wireless sensors, Radar and RFID-systems
• can analyze, discuss and implement basic components and system structures, signal theory, data
processing and use cases
• can determine the underlying physical limitations and sources of errors
• are able to analyze and create system specifications and can compare and rate the usability of
wireless esnsors, Radar and RFID-systems
• can create and define independently applications and system designs of RWSs
Literatur:
„Sensors for Ranging and Imaging“, Graham Brooker, Scitech Publishing Inc., 2009
„Radar mit realer und synthetischer Apertur“, H. Klausing, W. Holpp, Oldenbourg, 1999
„Praxiswissen Radar und Radarsignalverarbeitung“ Albrecht K. Ludloff, 2008
“RFID at ultra and super high frequencies: theory and application" Dominique Paret, John Wiley &
Sons, 2009.
„RFID-Handbuch: Grundlagen und praktische Anwendungen von Transpondern, kontaktlosen Chipkar-
ten und NFC“, Klaus Finkenzeller, Carl Hanser Verlag, 6. Auflage 2012.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)",

UnivIS: 15.06.2022 18:14 279

 "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Radar, RFID and Wireless Sensor Systems (RWS) (Prüfungsnummer: 63161)
Untertitel: ehemals: Drahtlose Sensoren, Radar- und RFID-Systeme (DSR) Prüfungsleistung, münd-
liche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Martin Vossiek (100284)

UnivIS: 15.06.2022 18:14 280

Modulbezeichnung: Advanced Programming Techniques (AdvPT) 7.5 ECTS
(Advanced Programming Techniques)
Modulverantwortliche/r: Harald Köstler
Lehrende: Harald Köstler
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 165 Std. Sprache: Englisch
Lehrveranstaltungen:
Advanced Programming Techniques (WS 2021/2022, Vorlesung mit Übung, 4 SWS, Harald Köstler)
Exercises for Advanced Programming Techniques (WS 2021/2022, Übung, 2 SWS, N.N.)

Inhalt:
Der Inhalt der Vorlesung besteht aus zahlreichen fortgeschrittenen C++-Themen, die ausgerichtet sind
auf die richtige und effiziente Nutzung von C++ für eine professionelle Softwareentwicklung.
The content of the lecture will consist of various topics of advanced C++ programming, aimed at
teaching the proper and efficient usage of C++ for professional software development.
These are basic language concepts, the newer standards (starting from C++11), object oriented pro-
gramming in C++, static and dynamic polymorphism, template metaprogramming, and C++ idioms
and design patterns.
A good preparation for the lecture is the C++ primer book from S. Lippman et al. One should
at least have several hundred hours of programming experience in C/C++ or any related object
oriented programming language. Knowledge of basic concepts like pointers, references, inheritance
and polymorphism is required.
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Lernende können die grundlegenden Sprachkonstrukte in den verschiedenen C++ Standards wie-
dergeben.
Students know the basic language constructs from different C++ standards.
Verstehen
Lernende verstehen das C++ Objektmodell und können es mit anderen Programmiersprachen
vergleichen.
Students understand the C++ object model and are able to compare it to other programming
languages.
Anwenden
Lernenden können Standardalgorithmen in einer objektorientierten Programmiersprache imple-
mentieren.
Students can implement standard algorithms in an object oriented programming language.
Analysieren
Lernende können gängige Design Patterns klassifizieren und deren Anwendbarkeit für bestimmte
Probleme diskutieren.
Students are able to classify common design patterns and to discuss their usability for certain
problems.
Evaluieren (Beurteilen)
Lernende können entscheiden, welches Software Design passend für eine bestimmte Aufgabe ist.
Sie können auch den Implementierungsaufwand dafür abschätzen.
Students can decide, which software design fits for a certain task. They are also able to estimate
the programming effort for it.
Erschaffen
Lernende entwickeln selbständig in einer Gruppe ein größeres Softwarepaket im Bereich Simulation
und Optimierung.
Students develop together in a group a larger software project in the area of simulation and
optimization on their own.

UnivIS: 15.06.2022 18:14 281

Literatur:
• S. Lippman: C++ Primer, Addison-Wesley
• S. Meyers: Effective C++ Third Edition, Addison-Wesley
• H. Sutter: Exceptional C++, Addison-Wesley

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Computational Engineering (Master of Science)", "Computational Engineering (Rechnergestütz-
tes Ingenieurwesen) (Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "In-
formatik (Master of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Advanced Programming Techniques (Vorlesung mit Übung) (Prüfungsnummer: 465562)
Prüfungsleistung, mehrteilige Prüfung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Note ergibt sich aus einer 60minütigen Klausur. Voraussetzung zur Teilnahme an der Klausur ist
die erfolgreiche Bearbeitung des Programmierprojektes. 60 minute written examination. Successful
submission of the programming project is the prerequisite for the written exam.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Harald Köstler (100124)

UnivIS: 15.06.2022 18:14 282

Modulbezeichnung: Audio Processing for the Internet of Things (AIoT) 2.5 ECTS
(Audio Processing for the Internet of Things)
Modulverantwortliche/r: Nils Peters
Lehrende: Nils Peters
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Audio Processing for the Internet of Things (SS 2022, Vorlesung, 2 SWS, Nils Peters)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Signale und Systeme I
Digitale Signalverarbeitung
Machine Learning in Signal Processing
Signale und Systeme II

Inhalt:
The course focuses on audio and speech processing algorithms within the context of the Internet of
Things (IoT).
• Foundation (history, components, current challenges)
• Overview of relevant wireless protocols (bandwidth, range, latency, spectrum)
• Audio device synchronization (NTP, PTP, device orchestration, acoustic wireless sensor networks,
asynchronous and event-driven audio sampling)
• Acoustic Sensing for Voice User Interfaces (keyword spotting, speech recognition, speaker verifica-
tion, anti-spoofing)
• Acoustic Scene Detection (event detection, scene classification, anomaly detection, sound tagging,
blind reverb estimation)
• Sound Creation (text-to-speech, sound generative networks)
• Data-over-sound (sound-beacon, watermarking, acoustic fingerprint)
• Privacy in IoT (edge vs. cloud processing, secure signal processing, federated learning, differential
privacy, audio encryption)
Lernziele und Kompetenzen:
The students will be able to
• understand the principles, key components, and current in IoT
• know the differences between various wireless transmission protocols and can give recommendations
based on the IoT use case
• understand the differences of edge- and cloud-based audio signal processing
• understand algorithmic strategies to enhance privacy in IoT use cases
• understand the algorithmic components in a voice user interface
• understand state-of-the art methods for detection and classification of acoustic scenes and events
• learn and apply algorithms to transmit data via acoustic signals
• quantify the impact of latency in audio networks and apply strategies for acoustic device synchroni-
zation
Literatur:
Recommendations for each topic are given during the lectures

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

UnivIS: 15.06.2022 18:14 283

 Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Audio Processing for the Internet of Things (Prüfungsnummer: 45221)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Nils Peters (100490)

Organisatorisches:
In this course, we require a good knowledge of deep learning techniques, machine learning, and pattern
recognition as well as a strong mathematical background. Furthermore, we require a solid background
in general digital signal processing and some experience with audio, image, or video processing.
It is recommended to finish the following modules (or having equivalent knowledge) before starting
this module:
• Lecture Deep Learning
• Digitale Signalverarbeitung
• Statistische Signalverarbeitung
• Sprach- und Audiosignalverarbeitung

UnivIS: 15.06.2022 18:14 284

Modulbezeichnung: Quantentechnologien 1 (QuantumTech1) 5 ECTS
(Quantum Technologies 1)
Modulverantwortliche/r: Roland Nagy
Lehrende: Andre Pointner, Roland Nagy
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Quantenelektronik I - Quantentechnologien 1 (SS 2022, Vorlesung, 2 SWS, Roland Nagy)
Übungen zu QE I - Quantentechnologien 1 (SS 2022, Übung, 2 SWS, Roland Nagy et al.)

Empfohlene Voraussetzungen:
Mathematik (1 - 4) und Experimentalphysik (1 & 2) sollten abgeschlossen sein.

Inhalt:
Das Modul Einführung in Quantentechnologien vermittelt den Studierenden der Elektrotechnik die phy-
sikalischen Grundlagen von Quantentechnologien. Die Quantentechnologie ist eine neue Forschungs-
richtung, die das Potential besitzt, aktuelle Technologien zu revolutionieren. Es werden relevante The-
men aus der Quantenmechanik in Bezug auf Anwendungen im Bereich der Quantensensorik, Quanten-
kommunikation und Quantencomputer dargestellt. Im Bereich der Quantenmechanik sollen Grundlagen
sowie quantenmechanische Effekte vermittelt werden, die für das Verständnis von Quantentechnologien
wichtig sind.
Lernziele und Kompetenzen:
Die Studierenden können
Fachkompetenz
Verstehen
grundlegende physikalische Zusammenhänge der Quantenmechanik verstehen.
Anwenden
quantenmechanische Effekte mit Hilfe von Berechnungen beschreiben.
Analysieren
Themen der Quantentechnologien selbstständig analysieren.
Literatur:
• Haken, Herrmann & Wolf, Hans Christoph (2004): Atom- und Quantenphysik
• Nolting, Christoph (2009): Grundkurs Theoretische Physik 5/1: Quantenmechanik - Grundlagen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Master of Science)", "Energietechnik (Master of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Bachelor of Science)", "Mechatronik (Bachelor of Science)", "Me-
chatronik (Master of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)"
verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 285

 Einführung in Quantentechnologien (Prüfungsnummer: 23511)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Roland Nagy (100493)

Organisatorisches:
Diese Vorlesung wird ab dem SoS 22 nur noch in Sommersemestern, d.h., im jährlichen Turnus ange-
boten!

UnivIS: 15.06.2022 18:14 286

Modulbezeichnung: Komponenten optischer Kommunikationssysteme (KOK) 5 ECTS
(Components for Optical Communication Systems)
Modulverantwortliche/r: Bernhard Schmauss
Lehrende: Bernhard Schmauss
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Komponenten optischer Kommunikationssysteme (WS 2021/2022, Vorlesung, 2 SWS, Bernhard
Schmauss)
Komponenten optischer Kommunikationssysteme Übung (WS 2021/2022, Übung, 2 SWS, Christian
Carlowitz)

Empfohlene Voraussetzungen:
Empfohlen werden grundlegende Kenntnisse in den Bereichen:
• Halbleiterphysik
• Strahlenoptik
• Photonik

Inhalt:
Seit Ende der 70er Jahre werden Systeme zur optischen Nachrichtenübertragung eingesetzt. Seit-
her haben sich sowohl deren Übertragungskapazität als auch die Reichweite drastisch erhöht. Die so
entstandenen optischen Kommunikationsnetze sind al Rückgrat der weltweiten Kommunikationsinfra-
struktur zu sehen. Diese Entwicklungen wurden und werden besonders durch Innovationen auf dem
Gebiet der Komponenten und Subsysteme ermöglicht. Im Rahmen der Vorlesung wird auf die physikali-
schen Grundlagen der wichtigsten Komponenten wie Halbleiterlaser, Modulatoren, Glasfasern, optische
Verstärker und Empfangsdioden eingegangen, wobei ein besonderes Augenmerk auf systemrelevante
Effekte und Kenngrößen gelegt wird. An Beispielen wird der Einfluss von Komponenteneigenschaften
auf die Leistungsmerkmale des Gesamtsystems erläutert. Dabei wird auch auf real eingesetzte oder in
Entwicklung befindliche Komponenten und Systeme Bezug genommen.
Lernziele und Kompetenzen:
Die Studierenden
• verstehen den Aufbau und die Funktionsweisen von opto-elektronischen und optischen Bauelemen-
ten, die in der optischen Übertragungstechnik eingesetzt werden.
• können die optischen Eigenschaften der Systemkomponenten und deren Beeinflussung durch die
gewählten Betriebsparameter beurteilen.
• kennen die verschiedenen Bauelemente und Subsysteme und deren Eigenschaften
• können die Bedeutung linearer und nichtlinearer faseroptischer Effekte und deren Auswirkung auf
Systemeigenschaften einschätzen.
• können faseroptische Übertragungssysteme und ihre komponentenabhängigen Eigenschaften analy-
sieren.
• beherrschen den grundlegenden Umgang mit Systemsimulationswerkzeugen zur Dimensionierung
faseroptischer Übertragungssysteme.
Literatur:
Agrawal, G.P.: Fiber Optic Communication Systems, Willey, New York, 1992.
Voges, E.; Petermann, K.: Optische Kommunikationstechnik, Springer, Berlin, 2002.
Kaminow, I, Li, T.: Optical Fiber Telecommunications IVA, Academic Press, 2002.
Kaminow, I, Li, T., Willner,A.: Optical Fiber Telecommunications VA, Academic Press, 2008.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

UnivIS: 15.06.2022 18:14 287

 Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Computational Engineering (Rechnergestütztes Ingenieurwe-
sen) (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elek-
trotechnik, Elektronik und Informationstechnik (Master of Science)", "Mechatronik (Bachelor of Science)",
"Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Komponenten optischer Kommunikationssysteme_ (Prüfungsnummer: 24101)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Bernhard Schmauss (100256)

UnivIS: 15.06.2022 18:14 288

Modulbezeichnung: Machine Learning for Engineers I: Introduction to Methods 5 ECTS
and Tools (MLE1)
(Machine Learning for Engineers I: Introduction to Methods and
Tools)
Modulverantwortliche/r: Björn Eskofier
Lehrende: Björn Eskofier, Nico Hanenkamp, Jörg Franke
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: k.A. Std. Eigenstudium: 150 Std. Sprache: Englisch
Lehrveranstaltungen:
Machine Learning for Engineers I: Introduction to Methods and Tools (SS 2022, Vorlesung, Björn
Eskofier et al.)

Inhalt:
This course offers an overview of some of the most widely used machine learning (ML) methods that
are required for solving data science problems. We present the necessary fundamental for each topic
and provide programming exercises.
The course includes:
1) The common practices for data preGprocessing. 2) Teaching different tasks regarding regression,
classification, and dimensionality reduction using methods including but not limited to linear regression
and classification, Support vector machines and Deep neural networks.
3) Introduction to Python programming for data science. 4) Applying machine learning models on real
world engineering applications.
Lernziele und Kompetenzen:
• Understanding the fundamental of data science and machine learning domain
• Understanding some of the most widely used machine learning methods
• Being able to implement machine learning pipeline in order to solve real world problems
Literatur:
Machine Learning: A Probabilistic Perspective, Kevin Murphy, MIT press,2012
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert
Tibshirani, Jerome Friedman, Springer, 2009
Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press, 2016

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Data Science (Bachelor of Science)", "Energietech-
nik (Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "International
Production Engineering and Management (Bachelor of Science)", "Maschinenbau (Bachelor of Science)", "Ma-
schinenbau (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of Science)",
"Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 289

 Machine Learning for Engineers - Introduction to Methods and Tools (Prüfungsnummer: 50671)
Prüfungsleistung, elektronische Prüfung, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
The questions are based on both understanding the methods and ability to implement them. A
project work should be successfully completed.
Digital Open Book exam via StudOn
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Björn Eskofier (100122)

UnivIS: 15.06.2022 18:14 290

Modulbezeichnung: Music Processing Analysis (MPA) 2.5 ECTS
(Music Processing Analysis)
Modulverantwortliche/r: Meinard Müller
Lehrende: Meinard Müller
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Music Processing Analysis (WS 2021/2022, Vorlesung, 2 SWS, Meinard Müller)

Empfohlene Voraussetzungen:
In this course, we discuss a number of current research problems in music processing or music infor-
mation retrieval (MIR) covering aspects from information science and digital signal processing. We
provide the necessary background information and give numerous motivating examples so that no spe-
cialized knowledge is required. However, the students should have a solid mathematical background.
The lecture is accompanied by readings from textbooks or the research literature. Furthermore, the
students are required to experiment with the presented algorithms using Python.

Inhalt:
Music signals possess specific acoustic and structural characteristics that are not shared by spoken
language or audio signals from other domains. In fact, many music analysis tasks only become feasible
by exploiting suitable music-specific assumptions. In this course, we study feature design principles that
have been applied to music signals to account for the music-specific aspects. In particular, we discuss
various musically expressive feature representations that refer to musical dimensions such as harmony,
rhythm, timbre, or melody. Furthermore, we highlight the practical and musical relevance of these
feature representations in the context of current music analysis and retrieval tasks. Here, our general
goal is to show how the development of music-specific signal processing techniques is of fundamental
importance for tackling otherwise infeasible music analysis problems.
Lernziele und Kompetenzen:
Expertise
Understand
• The students present central tasks in music processing in their own words and outline possible
solutions.
• The students understand the properties of different forms of representation of music.
Apply
• The students apply basic algorithms for the analysis and comparison of music signals.
• Students can predict how different musical properties will affect the signal analysis.
Analyze
• The students observe and discuss the meaning and impact of parameters in music analysis.
• The students compare different methods of analyzing periodicities.
Evaluate
• The students question assumptions that are often implicitly made when using analytical methods.
• Students estimate when methods might work when analyzing specific music signals and when they
typically fail.
Learning and methodological skills
• The students prepare for the lecture using selected literature and Jupyter notebooks.
• The students question existing approaches regarding their applicability in practice.
• The students pay attention to efficiency issues in the algorithms discussed.
Self-competence
• The students question their understanding of what they have learned using exercises.
• The students formulate questions and ask them to the lecturer and the audience in the lecture.
Social skills
• The students independently organize learning groups in which the subject is discussed and deepened.

UnivIS: 15.06.2022 18:14 291

 • The students simulate oral exams with their fellow students.
Fachkompetenz
Verstehen
• Die Studierenden stellen zentrale Aufgabenstellungen der Musikverarbeitung in eigenen Worten
dar und skizzieren Lösungsansätze.
• Die Studierenden verstehen die Eigenschaften von unterschiedlichen Darstellungsformen von
Musik.
Anwenden
• Die Studierenden wenden grundlegende Algorithmen zur Analyse und zum Vergleich von Mu-
siksignalen an.
• Die Studierenden können voraussagen, wie sich unterschiedliche musikalische Eigenschaften bei
der Signalanalyse auswirken.
Analysieren
• Die Studierenden beobachten und diskutieren die Bedeutung und Auswirkung von Parametern
bei der Musikanalyse.
• Die Studierenden stellen unterschiedliche Verfahren bei der Analyse von Periodizitäten gegen-
über.
Evaluieren (Beurteilen)
• Die Studierenden hinterfragen Annahmen, die implizit bei der Verwendung von Analysemetho-
den gemacht werden.
• Die Studierenden schätzen ein, wann Methoden bei der Analyse von gewissen Musiksignalen
funktionieren könnten und wann sie typischerweise versagen.
Lern- bzw. Methodenkompetenz
• Die Studierenden bereiten sich auf die Vorlesung anhand ausgewählter Literatur vor.
• Die Studierenden hinterfragen bestehende Ansätze hinsichtlich ihrer Anwendbarkeit in der Praxis.
• Die Studierenden beachten Fragen der Effizienz bei den diskutierten Algorithmen.
Selbstkompetenz
• Die Studierenden hinterfragen ihr Verständnis von dem Gelernten anhand von Übungsaufgaben.
• Die Studierenden formulieren Fragen und stellen diese in der Vorlesung an den Dozenten und die
Zuhörerschaft.
Sozialkompetenz
• Die Studierenden organisieren selbständig Lerngruppen, in denen der Stoff diskutiert und vertieft
wird.
• Die Studierenden simulieren mit ihren Kommilitonen mündliche Prüfungen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elek-
tronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirt-
schaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 292

 Music Processing Analysis (Prüfungsnummer: 302148)
(englische Bezeichnung: Music Processing Analysis)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfung kann wahlweise in Deutsch oder Englisch abgelegt werden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Meinard Müller (100297)

UnivIS: 15.06.2022 18:14 293

Modulbezeichnung: Photonik 1 (Pho1) 5 ECTS
(Photonics 1)
Modulverantwortliche/r: Bernhard Schmauss
Lehrende: Bernhard Schmauss
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Photonik 1 (WS 2021/2022, Vorlesung, 2 SWS, Bernhard Schmauss)
Photonik 1 Übung (WS 2021/2022, Übung, 2 SWS, Max Köppel)

Empfohlene Voraussetzungen:
Empfohlen werden Kenntnisse im Bereich:
• Experimentalphysik, Optik
• Elektromagnetische Felder
• Grundlagen der Elektrotechnik

Inhalt:
Es werden umfassend die technischen und physikalischen Grundlagen des Lasers behandelt. Der Laser
als optische Strahlquelle stellt eines der wichtigsten Systeme im Bereich der optischen Technologien
dar. Ausgehend vom Helium-Neon-Laser als Beispielsystem werden die einzelnen Elemente wie akti-
ves Medium und Resonatoren eines Lasers sowie die ablaufenden physikalischen Vorgänge eingehend
behandelt. Es folgt die Beschreibung von Laserstrahlen und ihrer Ausbreitung als Gauß-Strahlen so-
wie Methoden zur Beurteilung der Strahlqualität. Eine Übersicht über verschiedene Lasertypen wie
Gaslaser, Festkörperlaser und Halbleiterlaser bietet einen Einblick in deren charakteristische Eigen-
schaften und Anwendungen. Vervollständigt wird die Vorlesung durch die grundlegende Beschreibung
von Lichtwellenleitern, Faserverstärkern und halbleiterbasierten optoelektronischen Bauelementen wie
Leuchtdioden und Photodioden.
Lernziele und Kompetenzen:
Die Studierenden
• können Grundlagen der Physik des Lasers darlegen.
• verstehen Eigenschaften und Beschreibungsmethoden von laseraktiven Medien, der stimulierte Strah-
lungsübergänge, der Ratengleichungen, von optischen Resonatoren und von Gauß-Strahlen.
• können verschiedene Lasertypen aus dem Bereichen Gaslaser, Festkörperlaser und Halbleiterlaser
erklären und vergleichen.
• können grundlegende Eigenschaften von Lichtwellenleiter und Lichtwellenleiterbauelementen erklären
und skizzieren.
• verstehen Aufbau und Funktionsweise ausgewählter optoelektronischer Bauelemente.
• können grundlegende Fragestellung der Lasertechnik eigenständig bearbeiten, um Laserstrahlquellen
weiterzuentwickeln und Lasertechnik und Photonik in einer Vielzahl von Anwendungen in Bereichen
wie Medizintechnik, Messtechnik, Übertragungstechnik, Materialbearbeitung oder Umwelttechnik
einzusetzen.
Literatur:
Eichler, J., Eichler, H.J: Laser. 7. Auflage, Springer Verlag, Berlin 2010.
Reider, G.A.: Photonik. 3. Auflage, Springer Verlag, Berlin 2012.
Bergmann, Schäfer: Lehrbuch der Experimentalphysik, Bd.3: Optik. DeGruyter 2004.
Saleh, B., Teich, M.C.: Grundlagen der Photonik. 2. Auflage, Wiley-VCH 2008.
Träger, F. (Editor): Springer Handbook of Lasers and Optics, 2. Auflage, Springer Verlag, Berlin 2012.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

UnivIS: 15.06.2022 18:14 294

 Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Artificial Intelligence (Master of
Science)", "Berufspädagogik Technik (Bachelor of Science)", "Berufspädagogik Technik (Master of Educa-
tion)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computa-
tional Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of
Science)", "Informatik (Master of Science)", "Mechatronik (Bachelor of Science)", "Mechatronik (Master of
Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Photonik 1 (Prüfungsnummer: 23901)
(englische Bezeichnung: Photonics 1)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022, 2. Wdh.: WS 2022/2023

1. Prüfer: Bernhard Schmauss (100256)

UnivIS: 15.06.2022 18:14 295

Modulbezeichnung: Compressive Sensing (CompSense) 5 ECTS
(Compressive Sensing)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ali Bereyhi
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Compressive Sensing (SS 2022, Vorlesung mit Übung, 4 SWS, Ali Bereyhi)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Information Theory and Coding

Inhalt:
This lecture aims to provide a good background on the concept of compressive sensing and its appli-
cations in communications and signal processing.
Part I: Compressive Sensing from the Classical Viewpoint
In the first part, the classic problem of compressive sensing is explained. Important algorithms for
sparse recovery in cases with noise-free underdetermined measurements are studied. These algorithms
are then modified to address sparse recovery from noisy measurements.
Once basic concepts and algorithms are studied, we start with typical analyses in compressive sensing.
In this respect, the null space property, restricted isometry property (RIP) and the coherence of a
matrix are introduced. Based on these definitions, the concept of recovery guarantee for a sparse
recovery algorithm is explained. We then study important recovery guarantees and give some examples
of detailed analyses.
Finally, we give an introduction to compressive sensing via random matrices and present some key
results in this respect.
Part II: Compressive Sensing from a Bayesian Viewpoint
In the second part of the course, we show that compressive sensing can be observed as a Bayesian
inference problem. This new viewpoint lets us define the optimal recovery algorithm. We further show
that well-known recovery algorithms such as LASSO are interpreted as sub-optimal Bayesian estimators.
The key benefit of the Bayesian viewpoint is that it enables us to illustrate approximate message
passing (AMP) algorithms: We start with the implementation of a sparse recovery algorithm via the
sum-product algorithm and then explain how an AMP algorithm is derived from the sum-product
algorithm.
The detailed list of contents is as follows:
• Introduction to Compressive Sensing
• Part I: Compressive Sensing from the Classical Viewpoint
• Zero-norm minimization
• Basis pursuit
• Iterative Algorithms
• The method of regularized least-squares
• Regularization options for sparse recovery
• Dantzig selector
• Null space property
• Coherence of a matrix
• Restricted isometry property
• Some notes on random matrices
• Generic form of a performance guarantee
• Some examples of performance guarantee
• Part II: Compressive Sensing from a Bayesian Viewpoint
• Posterior distribution
• Likelihood in a noisy setting

UnivIS: 15.06.2022 18:14 296

 • Sparse prior
• Recovery algorithm with minimum mean squared error
• Computational complexity of the optimal recovery algorithm
• Mismatched prior of LASSO algorithm
• Mismatched prior of zero-norm regularization
• Implementing a Bayesian algorithm via message passing
• Approximating a message passing algorithm for large problems
• A sample approximate message passing algorithm
Lernziele und Kompetenzen:
• The students understand the concept of sparse recovery.
• The students apply sparse recovery to model problems in several applications, such as communication
and signal processing systems and machine learning.
• The students apply classic approaches to recover sparse signal samples from underdetermined ob-
servations.
• The students implement most important recovery algorithms in compressive sensing, namely basis
pursuit, orthogonal matching pursuit, Lasso and Dantzig algorithm.
• The students understand how to regularize the method of least-squares in order perform sparse
recovery with it.
• The students understand under which condition sparse recovery is successful.
• The students understand important properties of sensing matrices, namely null space property,
coherence of a matrix and restricted isometry property.
• They apply the mentioned properties of sensing matrices to determine the effectiveness of a given
sensing matrix.
• The students understand the analysis of the success probability of a sparse recovery algorithm and
the necessary and sufficient conditions for different algorithms.
• The students derive the components of a typical sparse recovery algorithm in a Bayesian inference
framework.
• In the shadow of the Bayesian interpretation, the students understand the behaviour of different
sparse recovery algorithms.
• The students understand the theoretically optimal minimum mean square bound for compressive
sensing.
• The students apply the sum-product algorithm to implement a typical sparse recovery algorithm.
• Starting from the sum-product algorithm, the students determine an approximate message passing
algorithm via large-system analysis.
• The students understand the state-evolution of the approximate message passing algorithm.
Literatur:
For the first part of the course, we mainly follow the discussions from
• Foucart, Simon, and Holger Rauhut. A Mathematical Introduction to Compressive Sensing. Birk-
häuser, NewYork, NY, 2013.
For the second part, we collect discussions mainly from the following references:
• Bereyhi, Ali. Statistical Mechanics of Regularized Least Squares. PhD Dissertation, Friedrich-
Alexander University of Erlangen (2020).
• Rangan, Sundeep, Alyson K. Fletcher, and Vivek K. Goyal. “Asymptotic analysis of MAP estimation
via the replica method and applications to compressed sensing." IEEE Transactions on Information
Theory 58, no. 3 (2012): 1902-1923.
• Kschischang, Frank R., Brendan J. Frey, and H-A. Loeliger. “Factor graphs and the sum-product
algorithm." IEEE Transactions on Information Theory 47, no. 2 (2001): 498-519.
• Maleki, Arian. Approximate message passing algorithms for compressed sensing. PhD Dissertation,
Stanford University (2011).

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

UnivIS: 15.06.2022 18:14 297

 [2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Compu-
tational Engineering (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Compressive Sensing (Prüfungsnummer: 84471)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Ralf Müller (100355)

UnivIS: 15.06.2022 18:14 298

Modulbezeichnung: AI-enabled wireless networks (AInet) 5 ECTS
(AI-enabled wireless networks)
Modulverantwortliche/r: Mehdi Harounabadi
Lehrende: Mehdi Harounabadi
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
AI-enabled wireless networks (WS 2021/2022, Vorlesung, 2 SWS, Mehdi Harounabadi)
Literature review on the application of machine learning in wireless networks (WS 2021/2022, Übung,
2 SWS, Mehdi Harounabadi)

Empfohlene Voraussetzungen:
Motivation:
Rapid growth in the number of connected wireless nodes such as mobile phones, low power IoT de-
vices, connected vehicles, etc. will expand the scale of the next generation of wireless and mobile
networks. Moreover, the foreseen use cases like connected autonomous vehicles, smart homes and
cities, ultra-fast and reliable industrial wireless networks, etc. will require ultra-low latency and highly
reliable communication. Existing and traditional algorithms are not feasible for the optimization and
management of such networks to fulfill the requirements of the emerging use cases due to their high
complexity, high dynamicity, and the massive amount of the generated data by connected devices.
Recently, artificial intelligence (AI) is planned to be utilized as a new paradigm for the design, deve-
lopment and optimization of the next generation wireless and mobile networks. Machine learning (ML)
as a subset of AI will be applied to develop intelligent wireless nodes and infrastructures to address
the demands of future use cases.

Inhalt:
This course introduces machine learning algorithms such as supervised, unsupervised, reinforcement,
deep, and federated learning and their application in the next generation wireless and mobile networks.
Different ML use cases are explained which solve problems in different layers of the protocol stack
from the physical layer to the application layer. The course includes the following topics:
1. Introduction to machine learning algorithms
2. Python programming language and its ML tools
3. AI-enabled wireless and mobile networks
3.1 Cellular networks and ML use cases
3.1.1 History of 2G to 4G, 5G and 6G vision
3.1.2 ML use cases in physical, MAC and higher layers
3.2 5G-V2X (cellular-V2X) and ML use cases
3.2.1 Sidelink communication as the key enabler
3.2.2 5G-V2X features and use cases
3.2.3 ML use cases in 5G-V2X
3.3 Intelligent wireless networks
3.3.1 Cognitive radio networks
3.3.2 ML use case in wireless networks
4. Standardization activities on AI-enabled wireless networks
4.1.1 3GPP and 5GAA
4.1.2 ETSI Zero touch networks
Exercises:
Literature review on the application of machine learning in wireless networks
The exercise of this course includes a literature review research project where students work individually
on a relevant topic. The steps to accomplish the research project are as follows:
A. Select a topic relevant to the application of ML in wireless networks and register it by email
B. Search for the relevant papers and make a list of papers

UnivIS: 15.06.2022 18:14 299

 C. Study the papers and prepare a summary
D. Present the outcomes
Each student should present her/his research study in an intermediate and a final presentation. A
summary paper should be written following the "survey papers guideline" using IEEE format. The
grade of the research project will be considered as a "Bonus point" (up to 20%) for the final grade.
Lernziele und Kompetenzen:
The students will be able to gain the following competencies after the successful completion of the
course:
• Have knowledge on machine learning algorithms, current and the next generation wireless and mobile
networks and their use cases
• To know how to develop machine learning algorithms in Python
• Know the most important problems in wireless and mobile networks which can be solved by machine
learning algorithms
• Have an insight on the exiting work relevant to the topic of the course
• Learn the procedure of a scientific research study and publication of the outcome
Literatur:
• Dahlman, Erik, Stefan Parkvall, and Johan Skold. 5G NR: The next generation wireless access
technology. Academic Press, 2020.
• Sun, Yaohua, et al. "Application of machine learning in wireless networks: Key techniques and open
issues." IEEE Communications Surveys & Tutorials 21.4 (2019): 3072-3108.
• Harounabadi, Mehdi, et al. "V2X in 3GPP Standardization: NR Sidelink in Release-16 and Beyond."
IEEE Communications Standards Magazine 5.1 (2021): 12-21.
• Xie, Junfeng, et al. "A survey of machine learning techniques applied to software defined networking
(SDN): Research issues and challenges." IEEE Communications Surveys & Tutorials 21.1 (2018):
393-430.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Informatik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
AI-enabled Wireless Networks (Prüfungsnummer: 31721)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
The exam consists of:
1. The final exam will "NOT" be an oral exam. The exam will be in a written form to evaluate the
knowledge and understandings of students from the content of the course and the relevant literature
which are introduced in the lectures. The duration of the written exam will be about 90 minutes.
To pass the course, at least 50 % of the questions should be answered correctly."
2. Each student should present her/his research study in an intermediate and a final presentation.
A summary paper should be written following the „survey papers guideline“ using IEEE format. The
grade of the research project will be considered as a „Bonus point“ (up to 20%) for the final grade.
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

UnivIS: 15.06.2022 18:14 300

 1. Prüfer: Reinhard German (100165)

UnivIS: 15.06.2022 18:14 301

Modulbezeichnung: Cognitive Neuroscience for AI Developers (CNAID) 5 ECTS
(Cognitive Neuroscience for AI Developers)
Modulverantwortliche/r: N.N
Lehrende: Andreas Kist, Andreas Maier, Patrick Krauß
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 90 Std. Eigenstudium: 60 Std. Sprache: Englisch
Lehrveranstaltungen:
Cognitive Neuroscience for AI Developers (SS 2022, Vorlesung, 4 SWS, Patrick Krauß et al.)

Inhalt:
Neuroscience has played a key role in the history of artificial intelligence (AI), and has been an inspi-
ration for building human-like AI, i.e. to design AI systems that emulate human intelligence.
Neuroscience provides a vast number of methods to decipher the representational and computational
principles of biological neural networks, which can in turn be used to understand artificial neural
networks and help to solve the so called black box problem. This endeavour is called neuroscience
2.0 or machine behaviour. In addition, transferring design and processing principles from biology to
computer science promises novel solutions for contemporary challenges in the field of machine learning.
This research direction is called neuroscience-inspired artificial intelligence.
The course will cover the most important works which provide the cornerstone knowledge to understand
the biological foundations of cognition and AI, and applications in the areas of AI-based modelling of
brain function, neuroscience-inspired AI and reverse-engineering of artificial neural networks.
Lernziele und Kompetenzen:
The students
• Explain the principles of neural information processing in the brain
• compare and analyze methods from neuroscience to study neural networks
• explain the neuroscientific underpinnings of artificial intelligence
• explain principles and concepts of cognitive science
• explain principles and concepts of neuroscience
• compare and analyze machine learning methods to analyze neural data
• explain approaches from deep learning to model brain function
• discuss the commonalities of neuroscience and artificial intelligence
• implement the presented methods in Python
• explain concepts from cognitive neuroscience for the design of artificial intelligence systems
Literatur:
Gazzaniga, Michael. Cognitive Neuroscience - The Biology of the Mind. W. W. Norton & Company,
2018.
Ward, Jamie. The Student’s Guide to Cognitive Neuroscience. Taylor & Francis Ltd., 2019.
Bermúdez, José Luis. Cognitive Science: An Introduction to the Science of the Mind. Cambridge
University Press, 2014.
Friedenberg, Jay D., and Silverman, Gordon W. Cognitive Science: An Introduction to the Study of
Mind. SAGE Publications, Inc., 2015.
Gerstner, Wulfram, et al. Neuronal dynamics: From single neurons to networks and models of cognition.
Cambridge University Press, 2014.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Compu-
tational Engineering (Master of Science)", "Data Science (Bachelor of Science)", "Data Science (Master of
Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Mathematik (Bachelor of
Science)", "Medizintechnik (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 302

Studien-/Prüfungsleistungen:
Cognitive Neuroscience for AI Developers (Prüfungsnummer: 44451)
(englische Bezeichnung: Cognitive Neuroscience for AI Developers)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Maier/Kist/Kraus (T10148)

UnivIS: 15.06.2022 18:14 303

Modulbezeichnung: Computational Visual Perception (CompVP) 7.5 ECTS
(Computational Visual Perception)
Modulverantwortliche/r: Bernhard Egger, Andreas Kist, Patrick Krauß, Andreas Maier, Tim Weyrich
Lehrende: Tim Weyrich, Bernhard Egger
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 90 Std. Eigenstudium: 135 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Computational Visual Perception (WS 2021/2022, Vorlesung, 4 SWS, Bernhard Egger et al.)
Tutorials to Computational Visual Perception (WS 2021/2022, Projektseminar, 2 SWS, Bernhard
Egger et al.)

Inhalt:
How do humans perceive the visual world? How can we build computational models to mimic this
human perception? And how can we validate those computational models? This course is designed
as an introduction to enable you to build computational models for human visual perception. It will
therefore provide an introduction into the human visual system building on the course on cognitive
neuroscience for AI developers. You will learn how the human eye and brain process visual input and
what we currently know about the ventral visual stream. We will look at computational models for all
different levels of visual processing and discuss how well they measure behavioral data. This lecture is
designed to be at the intersection of Computer Science (Computer Vision and Graphics) and Cognitive
Neuroscience.
After an initial introductory phase, you will in small teams (2-3 students) perform small projects to
build prototypes for computational models for visual processing, reproduce recent scientific results
or experiment with existing models. In parallel with the project phase we will read and discuss re-
cent research papers studying potential computational models and investigate how we can evaluate
computational models.
Please pre-register if possible: [Link]@[Link]
Lernziele und Kompetenzen:
By the end of this course, students will be able to. . .
• Describe the basic processing steps of visual input in the human brain● Build a computational
model for a known processing step
• Read a recent paper in the discipline and design a follow-up experiment
• Choose/design and conduct a small research project
• Choose adequate methods to evaluate a computational model
• Work in and manage projects

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Computa-
tional Engineering (Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 304

 Computational Visual Perception (Prüfungsnummer: 31731)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
The oral exam will include questions on lectures, exercise and class projects.
Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marc Stamminger (100173)

Computational Visual Perception (Prüfungsnummer: 31732)

Studienleistung, Übungsleistung
weitere Erläuterungen:
Exercises: read and present one paper in class
Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marc Stamminger (100173)

UnivIS: 15.06.2022 18:14 305

Modulbezeichnung: Data Structure Engineering (DSE) 5 ECTS
(Data Structure Engineering)
Modulverantwortliche/r: Viktor Leis
Lehrende: Viktor Leis
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Data Structure Engineering (SS 2022, Vorlesung, 2 SWS, Viktor Leis)
Übungen zu Data Structure Engineering (SS 2022, Übung, 2 SWS, Viktor Leis)

Empfohlene Voraussetzungen:
• Vorlesung Algorithmen und Datenstrukturen
• Vorlesung Systemprogrammierung
• gute Progammierkenntnisse in C oder C++

Inhalt:
Data structures are often crucial for overall performance. On modern hardware a low asymptotic
complexity does not guarantee good performance. To achieve good performance in practice, one must
also take features of today’s processors, such as caches and the abundant parallelism, into account
when designing and implementing data structures. This course teaches principles for engineering of
high-performance data structures on modern hardware. It first introduces the necessary hardware
background, before studying different variants of data structures such as hash tables, search trees, and
tries. Finally, a number of synchronization protocols for concurrent access are presented.
Lernziele und Kompetenzen:
Students can implement efficient data structures. They are capable of designing custom, domain-
specific data structure variants and of synchronizing them for multi-core processors in a scalable
fashion.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Data Science (Master of Science)", "Informatik (Ba-
chelor of Science)", "Informatik (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Data Structure Engineering (Prüfungsnummer: 31231)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Viktor Leis (100428)

UnivIS: 15.06.2022 18:14 306

Modulbezeichnung: Query Processing on Modern Hardware (QPMH) 5 ECTS
(Query Processing on Modern Hardware)
Modulverantwortliche/r: Viktor Leis
Lehrende: Viktor Leis
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Query Processing on Modern Hardware (WS 2021/2022, Vorlesung, 2 SWS, Viktor Leis)
Übungen zu Query Processing on Modern Hardware (WS 2021/2022, Übung, 2 SWS, Adnan Alhomssi)

Inhalt:
The course teaches how to design and develop high-performance query engines. It covers database
query processing methods and algorithms, SIMD instructions, parallelization on many-core processors,
distributed query processing, and out-of-memory processing.
Lernziele und Kompetenzen:
Students understand how query engines of modern database systems work. They can implement sca-
lable and efficient algorithms for large-scale query processing and analytics.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Data Science (Master of Science)", "Informatik (Ba-
chelor of Science)", "Informatik (Master of Science)", "International Information Systems (IIS) (Master of
Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Query Processing on Modern Hardware (Prüfungsnummer: 31681)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Viktor Leis (100428)

UnivIS: 15.06.2022 18:14 307

Modulbezeichnung: Praktikum Communications Systems Design (P-CSD) 2.5 ECTS
(Lab Communications Systems Design)
Modulverantwortliche/r: Georg Fischer
Lehrende: Arslan Ali, Florian Irnstorfer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Englisch
Lehrveranstaltungen:
Praktikum Communications Systems Design (WS 2021/2022, Praktikum, 2 SWS, Arslan Ali)

Inhalt:
Learning based on LabVIEW communications and NI USRP:
• Introduction to USRP including hardware blocks of Tx/Rx chains
• Getting familiar with LabVIEW communications environment and controlling VIs (Panel, diagram,
etc.) and fundamentals of LabVIEW programming: data types, arrays, flow control (for/while loop),
clusters, case structures, signal sources, sinks, signal processing tools, filters, time/ frequency domain
analysis, etc.
• Transmission and reception of analog modulation schemes: AM/DSB-SC and FM
• Implementation of digital modulation schemes: ASK, FSK, BPSK, QPSK, 16-QAM, etc.
• Digital Tx/Rx: symbol mapping, upsampling/downsampling, pulse shaping (rectangular, Gaussian,
RRC), matched filtering, pulse alignment, synchronization, and detection
• Phase synchronization, FDM and image rejection algorithm
• Eye diagram analysis: ISI, clock jitter, optimal sampling time, detection threshold
• Power control for over-the-air transmission in sub-6 GHz ISM bands and analysis on fading and
multipath propagation effects
• Channel estimation, equalization (decision directed, linear LS, adaptive LMS), modelling: coherence
bandwidth and propagation delay
Learning based on MATLAB and USRPs (Communications toolbox and SDR support packages):
• OFDM Tx/Rx with frequency domain equalization (FDE) and synchronization (training sequence
and frame detection)
• LTE downlink transmission (MIMO) including system information blocks (SIB) and spectrum analysis
including estimation/calibration of carrier frequency offset (CFO)
• Impairments/distortion analysis: ACPR, EVM tool: IQ offset errors, phase noise, PA nonlinearity,
etc.
Learning based on GNU Radio and RTL-SDR:
• Introduction to GNU Radio with RF prototyping demonstration
• Spectrum analyzer implementation: RBW, VBW, sweep time, and phase noise
• Small Project/assignment for students
Lernziele und Kompetenzen:
Students
• Can bridge the gap between communications theory, analog/digital baseband, and RF design
• Can develop quick and flexible prototypes for real-time communications systems and standards using
SDR solutions
• Can determine the design parameters and assess the interaction between various analog and digital
parts
• Can create efficient Tx/Rx programs and signal processing algorithms in LabVIEW, MATLAB, and
GNU Radio
• Can implement channel estimation and equalization algorithms in TDD and FDD systems
• Can demonstrate MIMO and OFDM based systems like LTE and beyond

UnivIS: 15.06.2022 18:14 308

 • Can quantify and evaluate system performance using EVM and impairments analysis

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 309

Modulbezeichnung: Communications Systems Design (CSD) 5 ECTS
(Communications Systems Design)
Modulverantwortliche/r: Georg Fischer
Lehrende: Georg Fischer
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Communications Systems Design (WS 2021/2022, Vorlesung, 2 SWS, Georg Fischer)
Praktikum Communications Systems Design (WS 2021/2022, Praktikum, 2 SWS, Arslan Ali)

Empfohlene Voraussetzungen:
Bachelor Courses on Circuit and System design Bachelor Courses on Digital Modulation and MIMO
Bachelor Courses on RF circuit Design

Inhalt:
• Introduction
• Analogue-Digital Balance
• Software Defined Radio
• ADC/DAC Converter Performance Metrics and their evolution over time
• Signal Distortion mechanisms and metrics (IP3, EVM, ACPR, Spectral mask, wideband noise, reverse
intermod)
• Impairment modelling
• System Complexity Analysis for Mixed Signal Systems
• Transceiver architectures, design and analysis
• Chained Noise figures and IP3 figures
• Dynamic Range in RX and TX, Automatic Gain Control in RX and power control in TX
• Synchronous versus asynchronous Architectures (RF DAC, PLM)
• Challenges by Duplex operation, FDD, TDD, same frequency, TX-RX
isolation, transmitter leakage cancelation
• Simulation techniques (HB, Transient, Circuit Envelope)
• Power Amplifier Systems, Amplifier architectures, Vector quantised PA, Class-S, DSM, PWM
• Amplifier linearization, digital predistortion
• MIMO Architectures
• Implementation of Active Antenna Arrays, calibration
• Spectrum Engineering
• Physical Layer definition in light of implementation challenges
The exercise will be conducted based on PC and USRP Software Defined Radios. National Instruments
Labview Comsuite Toolbox will be used for designing and studying Communication Systems.
Lernziele und Kompetenzen:
Students
• can compare key performance indicators of alternative transceiver architectures
• can construct the line up with TX and RX
• can formulate requirements for transceivers
• can gauge isolation between TX and RX
• can choose a power amplifier class based on requirements
• can rate physical layer properties
• can assess complexity in analogue and digital domain

UnivIS: 15.06.2022 18:14 310

 • can plan a simulation strategy for analysing transceivers-can categorise transceiver architectures for
single or multiple antennas
• Can develop a predistorion system for power amplifiers
Literatur:
Ralf Rudersdorfer, Radio Receiver Technology: Principles, Architectures and Applications, Wiley, 2014
Frank Ellinger, Radio Frequency Integrated Circuits and Technologies, Springer, 2008
Abbas Mohammadi und Fadhel M. Ghannouchi, RF Transceiver Design for MIMO Wireless Commu-
nications, Springer, 2012

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Commmunications Systems Design (Prüfungsnummer: 700506)
(englische Bezeichnung: Commmunications Systems Design)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Georg Fischer (100226)

UnivIS: 15.06.2022 18:14 311

Modulbezeichnung: Elektrische Bahnen (EAM-E_Bahnen) 2.5 ECTS
(Electrical Railways)
Modulverantwortliche/r: Matthias Hofstetter
Lehrende: Matthias Hofstetter
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Elektrische Bahnen (SS 2022, Vorlesung, 2 SWS, Matthias Hofstetter)

Inhalt:
Ziel Die Studierenden sind nach der Teilnahme an der Veranstaltung in der Lage,
• den Einfluss der Einsatzbedingungen Elektrischer Bahnen auf die Auslegung der Antriebstechnik
(Traktion) zu bewerten,
• das komplexe Zusammenspiel zwischen elektrischen, elektromechanischen und mechanischen Kom-
ponenten in Straßen- und Stadtbahnen, U-Bahnen, Vollbahnen zu analysieren und zu bewerten,
• einfache Dimensionierungen von Triebfahrzeugen aus Zugkraft-/Geschwindigkeitsanforderungen zu
entwickeln,
• die Steuerung von Fahrmotoren sowie die Erzeugung und Übertragung von Zugkraft zu analysieren,
• sowie die historische Entwicklung, die verkehrstechnischen Aspekte der Zugförderung, die Geräte der
Stromrichtertechnik, die Energieversorgungssysteme der Bahnen und das Gebiet der "unkonventio-
nellen" Bahnen zu erinnern.
Inhalt: Historischer Überblick, elektrische Zugförderung, Vorteile elektrischer Zugförderung, ver-
kehrstechnische Unterteilung der Bahnen, Energieversorgungssysteme der Bahnen, Dimensionie-
rung von Triebfahrzeugen, Übertragung der Zugkraft, Fahrmotoren, Gleichstrom-Reihenschlußmotor,
Einphasenwechselstrom-Kommutatormotor, Asynchronmotor, Antriebe, Getriebe, Kopplung Antrieb-
Fahrzeug, Steuerung der Fahrmotoren, Fahrmotorsteuerung bei Gleichstrombahnen, Fahrmotorsteue-
rung bei Wechselstrombahnen, Umrichter, Drehstromantriebstechnik, Kompatibilität, Geräte der
Stromrichtertechnik, Stromabnehmer, Hauptschalter, Hilfsbetriebe, Fahrzeuge, Straßen- und Stadt-
bahnen, U-Bahnen, Vollbahnen.
Lernziele und Kompetenzen:
Nach der Teilnahme an dieser Vorlesung sind die Studierenden in der Lage,
• die allgemeine Theorie der Leistungselektronik und der elektrischen Antriebstechnik auf die Dimen-
sionierung von Triebfahrzeugen elektrischer Bahnen anzuwenden,
• das erlangte Wissen auf Aspekte der Automobil-Elektromobilität zu übertragen,
• das gewonnene Verständnis für Unternehmerische Strategien mit den zugehörigen Investitionsent-
scheidungen sowie die Betrachtung von Produktkosten im Lebenszyklus zu erinnern,
• basierend auf dem historischen Abriss die heutigen Technologie Chancen bzgl. ihrem Innovationspo-
tenzial am Markt zu beurteilen,
• die erworbene Kenntnis vom komplexen Zusammenwirken der Subsystemen, der regionalen Entste-
hung von Normen und dem heutiger Handlungsbedarf bzgl. deren Harmonisierung zu berücksichtigen
• sowie die Lernziele bei einer zugehörigen Werksführung zu festigen und zu vertiefen.
Literatur:
Z. Filipovic: Elektrische Bahnen, Springer-Verlag

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)
[2] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik

UnivIS: 15.06.2022 18:14 312

 (Bachelor of Science)", "Energietechnik (Master of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Elektrische Bahnen (Prüfungsnummer: 123620)
(englische Bezeichnung: Electrical Railways)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Matthias Hofstetter (100460)

UnivIS: 15.06.2022 18:14 313

Modulbezeichnung: Entwurf von mobilen Sensorsystemen- und knoten (EMSK) 2.5 ECTS
(Design of mobile Sensor-Systems and -nodes)
Modulverantwortliche/r: Benedict Scheiner, Fabian Michler
Lehrende: Benedict Scheiner, Fabian Michler
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Entwurf von mobilen Sensorsystemen und -knoten (WS 2021/2022, Vorlesung, 2 SWS, Benedict Schei-
ner et al.)

Inhalt:
• Sensortypen (low-power, resiliente Sensorsysteme)
• Entwurfswerkzeuge (Simulationsprogramme (SPICE, Altium,...))
• Layout
• EMV-Thematiken
• Bauteilauswahl, Substratauswahl, parasitäre Effekte
• HF-Schnittstelle zur Datenübertragung
• Analoge Signalkonditionierung
• AD-Umsetzung und Signalverarbeitung
• Programmierbare Digitalsysteme (uC/FPGA)
• Power-Management
• Testumgebung (SCPI, Channel-Sounding)
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Die Notwendigkeit verschiedener Sensorsysteme und wissen wie verschiedene Entwurfswerkzeuge
anzuwenden sind.
Verstehen
Den Zusammenhang der einzelnen Systemkomponenten zueinander
Anwenden
Die Studierenden können mobile Sensorsysteme implementieren, erklären und einordnen.
Erschaffen
Studierende sind in der Lage anwendungsspezifische Sensorknoten zu planen und zu kreieren.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik
(Bachelor of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Entwurf von mobilen Sensorsystemen und Knoten (Prüfungsnummer: 23571)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Robert Weigel (100221)

UnivIS: 15.06.2022 18:14 314

Modulbezeichnung: Interaktive Computergraphik und Globale 10 ECTS
Beleuchtungsberechnung (InCG+GlobIllum)
(Interactive Computer Graphics and Global Illumination)
Modulverantwortliche/r: Marc Stamminger
Lehrende: Marc Stamminger
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 120 Std. Eigenstudium: 180 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Interactive Computer Graphics (SS 2022, Vorlesung, 2 SWS, Marc Stamminger)
Tutorials to Interactive Computer Graphics (SS 2022, Übung, 2 SWS, Jonas Müller et al.)
Global Illumination (SS 2022, Vorlesung, 2 SWS, Marc Stamminger)
Tutorials to Global Illumination (SS 2022, Übung, Marc Stamminger et al.)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Computergraphik-VU

Inhalt:
Siehe Module "Interaktive Computergraphik" und "Globale Beleuchtung"
Lernziele und Kompetenzen:
Siehe Module "Interaktive Computergraphik" und "Globale Beleuchtung"

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informatik (Master of Science)", "Mathematik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Interaktive Computergraphik und globale Beleuchtungsberechnung (Prüfungsnummer: 33961)
(englische Bezeichnung: Interactive computer graphics and global illumination)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Marc Stamminger (100173)

Übung Interaktive Computergraphik (Prüfungsnummer: 33962)

Studienleistung, Übungsleistung
weitere Erläuterungen:

• Etwa 8 Aufgabenblätter, die innerhalb einer Woche zu bearbeiten sind.

• Zum Bestehen sind 50% der möglichen Punkte aus den Übungen nötig.
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Marc Stamminger (100173)

Übung Globale Beleuchtungsberechnung (Prüfungsnummer: 33963)

Studienleistung, Übungsleistung
weitere Erläuterungen:

• Etwa 5 Aufgabenblätter, die innerhalb einer Woche zu bearbeiten sind.

UnivIS: 15.06.2022 18:14 315

 • Zum Bestehen sind 50% der möglichen Punkte aus den Übungen nötig.
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Marc Stamminger (100173)

UnivIS: 15.06.2022 18:14 316

Modulbezeichnung: Speech and Language Understanding (SLU) 5 ECTS
(Speech and Language Understanding)
Modulverantwortliche/r: Andreas Maier, Seung Hee Yang
Lehrende: Abner Hernandez, Andreas Maier, Seung Hee Yang
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Speech and Language Understanding (SS 2022, Vorlesung, 2 SWS, Seung Hee Yang et al.)
Speech and Language Understanding Exercises (SS 2022, Übung, Seung Hee Yang et al.)

Inhalt:
Nach Behandlung der grundlegenden Mechanismen menschlicher Spracherzeugung und Sprachwahr-
nehmung gibt die Vorlesung eine detaillierte Einführung in (vornehmlich) statistisch orientierte Me-
thoden der maschinellen Erkennung gesprochener Sprache. Schwerpunktthemen sind Merkmalgewin-
nung, Vektorquantisierung, akustische Sprachmodellierung mit Hilfe von Markovmodellen, linguistische
Sprachmodellierung mit Hilfe stochastischer Grammatiken, prosodische Information sowie Suchalgo-
rithmen zur Beschleunigung des Dekodiervorgangs.
After focussing on of the basic mechanisms of human speech generation and speech perception the
lecture gives a detailed introduction to (mainly) statistically oriented methods of automatic recognition
of spoken language. Main topics are feature extraction, vector quantization, acoustic speech modeling
with the help of Markov models, linguistic speech modeling with the help of stochastic grammars,
prosodic information as well as search algorithms to speed up the decoding process.
Lernziele und Kompetenzen:
Die Studierenden
• verstehen die Grundlagen der menschlichen Sprachproduktion und die akustischen Eigenschaften
unterschiedlicher Phonemklassen
• erklären den allgemeinen Aufbau eines Mustererkennungssystems
• verstehen Abtastung, das Abtasttheorem und Quantisierung in Bezug auf Sprachsignale
• verstehen die Fourier-Transformation und mathematische Modelle der Sprachproduktion
• verstehen harte und weiche Vektorquantisierungsmethoden
• verstehen unüberwachtes Lernen (EM-Algorithmus)
• verstehen Hidden Markov-Modelle (HMMs)
• erklären stochastische Sprachmodelle
The students
• understand the principles of human speech production and acoustic properties of the different pho-
neme classes
• explain the general pipeline of a pattern recognition system
• understand sampling, the sampling theorem, and quantization w.r.t. speech signals
• understand Fourier transformation and mathematical models of speech production
• understand hard and soft vector quantization methods
• understand unsupervised learning (EM-algorithm)
• understand Hidden Markov Models (HMMs)
• explain stochastic language models
Literatur:
• Niemann H.: Klassifikation von Mustern; Springer, Berlin 1983
• Niemann H.: Pattern Analysis and Understanding; Springer, Berlin 1990
• Schukat-Talamazzini E.G.: Automatische Spracherkennung; Vieweg, Wiesbaden 1995
• Rabiner L.R., Schafer R.: Digital Processing of Speech Signals; Prentice Hall, New Jersey 1978
• Rabiner L.R., Juang B.H.: Fundamentals of Speech Recognition; Prentice Hall, New Jersey 1993

UnivIS: 15.06.2022 18:14 317

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Data
Science (Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Mathe-
matik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)",
"Wirtschaftsinformatik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Speech and Language Processing (Prüfungsnummer: 44551)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Andreas Maier (100196)

UnivIS: 15.06.2022 18:14 318

Modulbezeichnung: Testfreundlicher Schaltungsentwurf (Design-for-Test) (DfT) 2.5 ECTS
(Design for Test)
Modulverantwortliche/r: Jürgen Alt
Lehrende: Jürgen Alt
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Testfreundlicher Schaltungsentwurf (Design-for-Test) (WS 2021/2022, Vorlesung, 2 SWS, Jürgen Alt)

Inhalt:
Diese Vorlesung vermittelt die Grundlagen des Testfreundlichen Schaltungsentwurfs (Design-for-Test).
Schwerpunkte hierbei sind digitale Schaltungselemente mit detaillierten Darstellungen zu:
• Fehlermodellierung
• Prüfbus (Scan Design)
• Eingebauter Selbsttest (Built-ln Self-Test)
• Allgemeine Testbarkeitsprobleme
Als generelle Prinzipien, die auch für andere technische Disziplinen gültig sind, werden im Rahmen der
Vorlesung herausgearbeitet:
• Komplexität und ihre Beherrschung
• Strukturierte und funktionsorientierte Methoden
• Optimierungen im Entwicklungsprozess und ihre Abhängkeit von Marktsegmenten
Lernziele und Kompetenzen:
Verstehen
• Die Studierenden verstehen die wirtschaftliche Bedeutung von Test und Testbarkeit
• Die Studierenden erlernen die grundlegenden Schaltungen und Methoden zum testfreundlichen
Schaltungsentwurf
Analysieren
• Die Studierenden charakterisieren in Systemstudien die jeweils eingesetzten Testmethoden
• Die Studierenden erklären die Vorgehensweise beim Test von Analog- und Hochfrequenzmodulen
• Die Studierenden erschließen den Einfluss der Komplexität auf die Lösung technischer Probleme
Evaluieren (Beurteilen)
• Die Studierenden beurteilen die Bedeutung von Standards an Beispielen
• Die Studierenden vergleichen notwendige Optimierungen im Entwicklungsprozess in Abhängigkeit
von Marktsegmenten

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik)

Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik
(Bachelor of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)",
"Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Testfreundlicher Schaltungsentwurf (Prüfungsnummer: 542026)
(englische Bezeichnung: Design-for-Test)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Auf Wunsch der Studierenden kann als Prüfungssprache auch Englisch gewählt werden.
Prüfungssprache: Deutsch oder Englisch

UnivIS: 15.06.2022 18:14 319

 Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022
1. Prüfer: Sebastian M. Sattler (100270)

UnivIS: 15.06.2022 18:14 320

Modulbezeichnung: Experimentalphysik I für EEI, MT (ExpPh I) 5 ECTS
(Experimental Physics I for EEI, MT)
Modulverantwortliche/r: Bernhard Hensel, Bernhard Hensel
Lehrende: Bernhard Hensel
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch
Lehrveranstaltungen:
Experimentalphysik für Elektro- und Medizintechniker I (WS 2021/2022, Vorlesung, 3 SWS, Bernhard
Hensel)
Übungen zur Experimentalphysik für Elektro- und Medizintechniker I (WS 2021/2022, Übung, 1 SWS,
Bernhard Hensel et al.)

Inhalt:
Inhaltsangabe für beide Semester
• Physikalische Größen und Messungen
• Mechanik: Mechanik von Massenpunkten, Newton’sche Axiome, Energie und Arbeit, Impuls, Teil-
chensysteme, Drehbewegungen, Mechanik deformierbarer Körper, Fluide
• Schwingungen und Wellen
• Thermodynamik: Temperatur und der Nullte Hauptsatz der Thermodynamik, kinetische Gastheo-
rie, Wärme und der erste Hauptsatz der Thermodynamik, Zweiter Hauptsatz der Thermodynamik,
Wärmeübertragung
• Optik: Eigenschaften des Lichts, Geometrische Optik, Interferenz und Beugung
• Auswahl von Themen der Modernen Physik: Quantenmechanik und Atomphysik, Kernphysik, Physik
der kondensierten Materie
Lernziele und Kompetenzen:
Die Studierenden
• erklären die Grundlagen der Experimentalphysik aus den Bereichen der Mechanik, Schwingungen
und Wellen, Thermodynamik, Optik sowie von ausgewählten Themen der Modernen Physik
• setzen die Vorlesungsinhalte mit Hilfe thematisch passender Übungsaufgaben praktisch um.
Literatur:
P.A. Tipler, "Physik", Spektrum Akad. Verlag
D. Halliday, R. Resnick, J. Walker, "Physik", Wiley-VCH
F. Kuypers, "Physik für Ingenieure und Naturwissenschaftler", Wiley-VCH
D. Mills, "Bachelor-Trainer Physik" Spektrum Akad. Verlag

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik
(Bachelor of Science)", "Energietechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "Medizintechnik (Bachelor of Science)", "Modulstudien Naturale (keine Abschlussprü-
fung angestrebt bzw. möglich)", "Modulstudien Naturale: Naturwissenschaften und Nachhaltigkeit (keine Ab-
schlussprüfung angestrebt bzw. möglich)", "Physische Geographie (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 321

 Experimentalphysik I (Prüfungsnummer: 60001)
(englische Bezeichnung: Experimental Physics for EECE I)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Klausur in elektronischer Form im Antwort-Wahl-Verfahren

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022 (nur für Wiederholer)

1. Prüfer: Bernhard Hensel (000432)

UnivIS: 15.06.2022 18:14 322

Modulbezeichnung: Experimentalphysik II für EEI, MT (ExpPh II) 5 ECTS
(Experimental Physics II for EEI, MT)
Modulverantwortliche/r: Dozenten der experimentellen Physik, Bernhard Hensel, Jürgen Ristein
Lehrende: Bernhard Hensel, Dozenten der experimentellen Physik, Jürgen Ristein
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache:
Lehrveranstaltungen:
Experimentalphysik für Medizin- und Elektrotechniker II (SS 2022, Vorlesung, 3 SWS, Bernhard Hensel)
Übungen zur Experimentalphysik für Medizin- und Elektrotechniker II (SS 2022, Übung, Bernhard
Hensel et al.)

Inhalt:
Inhaltsangabe für beide Semester
• Physikalische Größen und Messungen
• Mechanik: Mechanik von Massenpunkten, Newton’sche Axiome, Energie und Arbeit, Impuls, Teil-
chensysteme, Drehbewegungen, Mechanik deformierbarer Körper, Fluide
• Schwingungen und Wellen
• Thermodynamik: Temperatur und der Nullte Hauptsatz der Thermodynamik, kinetische Gastheo-
rie, Wärme und der erste Hauptsatz der Thermodynamik, Zweiter Hauptsatz der Thermodynamik,
Wärmeübertragung
• Optik: Eigenschaften des Lichts, Geometrische Optik, Interferenz und Beugung
• Auswahl von Themen der Modernen Physik: Quantenmechanik und Atomphysik, Kernphysik, Physik
der kondensierten Materie
Lernziele und Kompetenzen:
Die Studierenden
• erklären die Grundlagen der Experimentalphysik aus den Bereichen der Mechanik, Schwingungen
und Wellen, Thermodynamik, Optik sowie von ausgewählten Themen der Modernen Physik
• setzen die Vorlesungsinhalte mit Hilfe thematisch passender Übungsaufgaben praktisch um.
Literatur:
P.A. Tipler, "Physik", Spektrum Akad. Verlag
D. Halliday, R. Resnick, J. Walker, "Physik", Wiley-VCH
F. Kuypers, "Physik für Ingenieure und Naturwissenschaftler", Wiley-VCH
D. Mills, "Bachelor-Trainer Physik" Spektrum Akad. Verlag

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik
(Bachelor of Science)", "Energietechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik
(Master of Science)", "Medizintechnik (Bachelor of Science)", "Physische Geographie (Bachelor of Science)"
verwendbar.

Studien-/Prüfungsleistungen:
Experimentalphysik II für EEI, MT (Prüfungsnummer: 60101)
(englische Bezeichnung: Experimental Physics II for EEI, MT)
Prüfungsleistung, Klausur, Dauer (in Minuten): 90
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Klausur in elektronischer Form im Antwort-Wahl-Verfahren

UnivIS: 15.06.2022 18:14 323

 Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
1. Prüfer: Bernhard Hensel (000432)

UnivIS: 15.06.2022 18:14 324

Modulbezeichnung: Wissenschaftliche Arbeitstechniken für Ingenieure und 2.5 ECTS
Naturwissenschaftler (WAIN)
Modulverantwortliche/r: Jens Kirchner
Lehrende: Jens Kirchner, Sebastian Meyer
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Wissenschaftliches Arbeiten in den Ingenieur- und Naturwissenschaften (SS 2022, Vorlesung, 2 SWS,
Jens Kirchner)

Empfohlene Voraussetzungen:
Die Lehrveranstaltung wendet sich an Studierende der Ingenieurs- und Naturwissenschaften, die kurz
vor Beginn einer Abschlussarbeit stehen, das erste Mal ein Seminar belegen und/oder eine erste Pu-
blikation erstellen wollen. Die Veranstaltung führt in die grundlegenden Techniken wissenschaftlichen
Arbeitens und Publizierens ein.

Inhalt:
Die Lehrveranstaltung wendet sich an Studierende der Ingenieur- und Naturwissenschaften, die kurz vor
Beginn einer Abschlussarbeit stehen, das erste Mal ein Seminar belegen und/oder eine erste Publikation
erstellen wollen. Die Veranstaltung führt in die grundlegenden Techniken wissenschaftlichen Arbeitens
und Publizierens ein.
• Allgemeine Vorarbeiten
• Einführung ins Projektmanagement
• Wissenschaftliche Methodik
• Recherche und Zitation wissenschaftlicher Quellen
• Organisation von Informationen
• Aufbereiten von Informationen
• Wissenschaftliches Publizieren
• Gliedern: Roter Faden und Balance
• Wissenschaftlicher Stil
• Einführung in LaTeX
• Literaturverwaltung mit BibTeX & Co.
• Erstellen und Halten von Präsentationen
Lernziele und Kompetenzen:
• Die Studierenden sind mit den Grundlagen des wissenschaftlichen Erkenntnisgewinns vertraut.
• Die Studierenden können für einfache Projekte wie eine Abschlussarbeit eine Aufgaben- und Zeit-
planung erstellen.
• Die Studierenden können für ein vorgegebenes Thema in fachspezifischen Literaturdatenbanken
geeignete Veröffentlichungen recherchieren.
• Die Studierenden können wissenschaftliche Daten als Tabelle oder Diagramm darstellen sowie Qua-
litätskriterien nennen und prüfen.
• Die Studierenden kennen die typische Struktur wissenschaftlicher Artikel, Abschlussarbeiten und
Präsentationen und können die Inhalte der entsprechenden Abschnitte beschreiben.
• Die Studierenden können Unterschiede zwischen wissenschaftlichen und nicht-wissenschaftlichen
Texten erläutern und identifizieren.
• Die Studierenden können Texte hinsichtlich Struktur, wissenschaftlichem Stil und Redundanzen
analysieren und korrigieren.
• Die Studierenden kennen den Begutachtungsprozess bei wissenschaftlichen Publikationen.
• Die Studierenden können mit Hilfe von LaTeX ein Dokument erstellen und strukturieren sowie Daten
in Tabellen- und Diagrammform darstellen.
• Die Studierenden können eine Literaturdatenbank im BibTeX-Format erstellen und Quellen in einem
Dokument referenzieren.

UnivIS: 15.06.2022 18:14 325

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Bemerkungen:
Aufgrund der aktuellen Lage ist eine alternative Prüfungsform die mündliche Prüfung.

UnivIS: 15.06.2022 18:14 326

Modulbezeichnung: Becoming an innovative engineer (InnoEng) 2.5 ECTS
(Becoming an innovative engineer)
Modulverantwortliche/r: Björn Eskofier
Lehrende: Marlies Nitschke, Björn Eskofier
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: k.A. Std. Eigenstudium: 75 Std. Sprache: Englisch
Lehrveranstaltungen:
Becoming an innovative engineer (SS 2022, Vorlesung, 2 SWS, Björn Eskofier et al.)

Inhalt:
The online course “Becoming an innovative engineer" will complement the technical knowledge which
you gained in other courses. It therefore gives you a broad overview about various topics and empowers
you to make use of your technical background to become an innovative engineer. The course comprises
seven topics to fulfill the learning objectives described below:
1. Empowerment and Teamwork
Theory of enterprise content management which is fundamental for successful teamwork.
2. Organizational Creativity
Individual creativity, team creativity, and organizational creativity since innovation requires creativity.
3. Business Design
Insights into what must be considered when founding a business.
4. Prototyping
Basics of prototyping as it is key for fast and efficient development.
5. Agile Development
Agile development methods empowering them to manage their development workflow.
6. Source Control via Git
How source code can be efficiently controlled using git.
7. Testing of Software Systems
Fundamentals and principles of software testing which is necessary for every successful software product.
This course is a shared online course of the [HMDA] [Link] partner universities
and was created at the FAU with support of [EIT Health] [Link]
Lernziele und Kompetenzen:
The course will cover the following learning objectives:
• How to work in a team?
• How to create innovative ideas?
• What is important for a business?
• How to efficiently realize software ideas?

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Becoming an Innovative Engineer (Prüfungsnummer: 76621)
(englische Bezeichnung: Becoming an Innovative Engineer)
Prüfungsleistung, elektronische Prüfung, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

UnivIS: 15.06.2022 18:14 327

 1. Prüfer: Björn Eskofier (100122)

UnivIS: 15.06.2022 18:14 328

Modulbezeichnung: Data Science Survival Skills (DSSS) 5 ECTS
(Data Science Survival Skills)
Modulverantwortliche/r: Andreas Kist
Lehrende: Andreas Kist
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Data Science Survival Skills (WS 2021/2022, Vorlesung mit Übung, 4 SWS, Andreas Kist et al.)

Empfohlene Voraussetzungen:
It is recommended to have prior knowledge of the programming language Python (e.g. through GSProg
or SciProgPy) and first exposure to data.

Inhalt:
Data Scientists need a comprehensive toolbox for their work. This consists for example of data acquisi-
tion, data cleaning, data processing and data visualization. In this course, we highlight good practices
and approaches, and provide intensive hands-on experience.
In particular, this course covers:
• Data handling and storage
• Lossy and lossless data compression
• Data acquisition and API usage
• Data visualization in scientific figures and movies
• Data analysis platforms
• Multithreading and multiprocessing
• Code vectorization and just-in-time compilation
• Code profiling
• Prototyping Graphical User Interfaces
• Workflow optimization techniques
Lernziele und Kompetenzen:
Students
• will be able to create own code for working with data
• can carry out research projects in data science
• can apply code optimization strategies
• can design own graphical user interfaces for convenient interaction with data
• can produce high-quality data visualization as needed for scientific publications
Literatur:
• Edward Tufte: The Visual Display of Quantitative Information
• Cole Nussbaum Knaflic: Storytelling with data
• Wes McKinney: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython
• Gabriele Lanaro: Python High Performance
• Micha Gorelick, Ian Ozsvald: High Performance Python
• Alan D Moore: Mastering GUI Programming with Python

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Data Science (Master of Science)", "Mechatronik (Mas-
ter of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 329

 Data Science Survival Skills (Prüfungsnummer: 76771)
(englische Bezeichnung: Oral exam)
Prüfungsleistung, Klausur, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Andreas Kist (100960), 2. Prüfer: Andreas Kist (100960)

UnivIS: 15.06.2022 18:14 330

Modulbezeichnung: Heterogene Rechnerarchitekturen Online (HETRON) 5 ECTS
(Heterogeneous Computing Architectures Online)
Modulverantwortliche/r: Dietmar Fey
Lehrende: Philipp Holzinger, Dietmar Fey
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: k.A. Std. Eigenstudium: 150 Std. Sprache: Englisch
Lehrveranstaltungen:
Heterogene Rechnerarchitekturen Online (SS 2022, Vorlesung, Dietmar Fey et al.)

Inhalt:
Whereas heterogeneous architectures and parallel computing has filled an academic niche in the past
it has become now a commodity technique with the rising of multi-core processors and programmable
graphic cards. Even FPGAs play a role hereby in a certain extent due to their increasing importance
as accelerator hardware what is clearly observable in the scientific community. However, on one side
parallel hardware like multi-core and GPUs are now available nearly for everybody and not only for
a selected selection of people, who have access to a parallel supercomputer. On the other side the
knowledge about programming of this commodity hardware, and we mean here in particular hardware-
orientated programming in order to squeeze out all offered GFlops and TFlops of such hardware, is
still missing as well as the knowledge about the architecture details. To overcome this lack we offer
this course HETRON.
The e-learning course HETRON for the exploitation of parallel and heterogeneous computer architec-
tures) focuses on two main topics which are closely related to each other. This concerns on one side
the benefits of using different kinds of multi-core processors and parallel architectures built-up on base
of these multicore processors. These architectures differ among each other in the number and in the
complexity of its single processing nodes. We distinguish between systems consisting of a large number
of simpler, so called fine-grained, processor cores vs. systems consisting of a smaller number of more
complex, so called coarse-grained, processor cores. On the other side we lay our focus on that we
want to do with these different heterogeneous parallel architectures, namely the execution of parallel
programs. Of course this requires the use of parallel programming languages and environments, like
CUDA or OpenMP. However, besides these questions of using the right syntax and the right compiler
switches to optimize a parallel program it is a pre-requisite to understand how parallel computing really
works. This refers (i) to the comprehension which basic mechanisms of parallel computing exist, (ii)
where are the limits of getting more performance with parallel computing and (iii) in what context
stand these mechanisms to heterogeneous architectures. In other words it handles the question which
architecture is the best one for a certain parallelization technique. To teach these three topics, is
one main goal we pursuit with the course HETRON, and of course, this more fundamental basics of
heterogeneous and parallel computing have to be proven by means of concrete application examples to
deepen the acquired knowledge about heterogeneous architectures and parallel computing principles.
Lernziele und Kompetenzen:
Die Studierenden ...
...verstehen die Notwendigkeit sowie grundlegende Anwendungsfälle für heterogene Rechnerarchitek-
turen.
...können den grundlegenden Aufbau und das Zusammenspiel der Komponenten heterogener Rechne-
rarchitekturen erklären. ...erläutern grundsätzliche Parallelisierungsprinzipien wie Amdahls Law, High-
Performance- und High-Througput-Computing sowie Parallelisierungsstrategien. ...können einfache
Programme mit Hilfe der vermittelten Prallelisierungsprinzipien (Amdahls Law, High-Performance- und
High-Throughput-Computing) analysieren und entsprechende Parallelisierungsstrategien entwickeln.
...erklären den Aufbau sowie Stärken und Schwächen von verschiedenen Architekturen wie CPUs,
GPUs, Many-Core Prozessoren und FPGAs.
...implementieren ausgewählte Anwendungsbeispiele (SHA256 Algorithmus, Ising-Modell und Fast-
Fourier-Transformation) auf oben genannte Architekturen.
...erforschen und bewerten verschiedener Parallelsierungstechniken in Abhängigkeit der Anwendung

UnivIS: 15.06.2022 18:14 331

 und der Architektur.
...erläutern die Grundlagen des Grid- und Cloud-Computings
...sind in der Lage parallele Berechnungen (SHA256) im Grid umzusetzen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Master of Science)",
"Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational En-
gineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Mathematik (Bachelor of Science)",
"Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Heterogene Rechnerarchitekturen Online (Prüfungsnummer: 275245)
(englische Bezeichnung: Heterogeneous Computing Architectures Online)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Prüfungssprache ist abhängig von der Wahl der Studierenden.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Dietmar Fey (100101)

UnivIS: 15.06.2022 18:14 332

Modulbezeichnung: Interpretation and Analysis of Neural and Muscle 5 ECTS
Signals (BioSignalIS)
(Interpretation and Analysis of Neural and Muscle Signals)
Modulverantwortliche/r: Alessandro Del Vecchio, Seung Hee Yang
Lehrende: Seung Hee Yang, Alessandro Del Vecchio
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Englisch
Lehrveranstaltungen:
Interpretation and Analysis of Neural and Muscle Signals (WS 2021/2022, Seminar, 2 SWS, Alessandro
Del Vecchio et al.)

Inhalt:
Lecture: Fundamentals of speech signals, electrocardiogram, and electromyography.
Lecture: Principles of neural signals
Generation of an action potential; Recording electrophysiological data in humans; examples of EMG,
EEG, intracortical data, and audio signals.
Lecture: Speech signals and processing
Lecture: ECG signal and processing
Lecture: EMG signal and processing
Association between EMG and voluntary force; Interpretation of multi-channel EMG signals; Neu-
ronal encoding of behaviour; motor unit physiology in humans; motoneuron properties, longitudinal
assessment of neuronal function; voice biomarkers for diagnosis and treatment of neurological disease;
automatic speech recognition; speech pathology.
Lecture: MATLAB / Python practical coursework
Biosignal processing; data with high temporal resolution, identification of individual neurons, associati-
ons between neuronal discharge times and behaviour; control of prosthetic devices from neural signals.
Extraction of neural information from speech and ECG signals, electrophysiological signals, and data
mining and neural network model training on these signals.
Practical work: literature overview on these signals and a critical analysis on how to merge these signals
for an artificial intelligent system that can detect and prevent neural and/or muscular pathologies.
Lernziele und Kompetenzen:
Students describe the acquisition, analysis, and interpretation of data from different structures (brain,
heart, and articulatory muscles). As the goal of this course, students learn the current methods in
time-series analysis and understand how to potentially merge the information from these different
sources in an AI system.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Informatik
(Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Interpretation and Analysis of Neural and Muscle Signals (BioSignalIS) (Prüfungsnummer: 76711)
Prüfungsleistung, Seminarleistung, Dauer (in Minuten): presentation 30 min.
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Presentation and paper

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

UnivIS: 15.06.2022 18:14 333

 1. Prüfer: Alessandro Del Vecchio (100910)

UnivIS: 15.06.2022 18:14 334

Modulbezeichnung: Machine Learning for Engineers II: Advanced 2.5 ECTS
Methods (MLE2)
(Machine Learning for Engineers II: Advanced Methods)
Modulverantwortliche/r: Björn Eskofier
Lehrende: Björn Eskofier, Nico Hanenkamp, Jörg Franke
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: k.A. Std. Eigenstudium: 75 Std. Sprache: Englisch
Lehrveranstaltungen:
Machine Learning for Engineers II: Advanced Methods (SS 2022, Vorlesung, Björn Eskofier et al.)
Machine Learning for Engineers; Advanced Methods and Tools (Vorlesung mit Übung, On-
line)
Advanced Methods and Tools

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Machine Learning for Engineers I: Introduction to Methods and Tools

Inhalt:
This course focuses on various aspects of Deep Learning. Theoretical foundations and general concepts
are introduced in the first part, while the second part focuses on specific networks used in image analysis
as well as time-series analysis, two common tasks in engineering applications. The list of topics covered
includes:
• Network optimization
• Regularization
• Convolutional neural networks
• Reccurent neural networks
In the integrated lab sessions, the students will tackle an image classification problem as well as a
time-series regression problem using industrial datasets.
Lernziele und Kompetenzen:
Fachkompetenz
Wissen
Students are able to recapitulate different machine learning methods and algorithms.
Anwenden
Students are able to choose and implement a suited deep learning algorithm for a given problem
based on the type of data and the general learning task.
Literatur:
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert
Tibshirani, Jerome Friedman, Springer, 2009

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Energietechnik (Master of Science)", "International
Production Engineering and Management (Bachelor of Science)", "Maschinenbau (Bachelor of Science)", "Ma-
schinenbau (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor
of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 335

 Machine Learning for Engineers II: Advanced Methods (Prüfungsnummer: 50681)
(englische Bezeichnung: Machine Learning for Engineers II: Advanced Methods)
Prüfungsleistung, elektronische Prüfung, Dauer (in Minuten): 60
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Digital Open Book Exam via StudOn
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Björn Eskofier (100122)

UnivIS: 15.06.2022 18:14 336

Modulbezeichnung: Movement Neuroscience: Connections between the Brain and 5 ECTS
Muscles in Humans (MNeuro)
(Movement Neuroscience: Connections between the Brain and
Muscles in Humans)
Modulverantwortliche/r: Alessandro Del Vecchio
Lehrende: u. Mitarbeiter, Alessandro Del Vecchio
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 75 Std. Eigenstudium: 75 Std. Sprache: Englisch
Lehrveranstaltungen:
Movement Neuroscience: Connections between the Brain and Muscles in Humans (WS 2021/2022,
Vorlesung, 3 SWS, Alessandro Del Vecchio et al.)

Inhalt:
Module: Principles of Neural control of movement and neuroengineering
How the central nervous system controls muscle forces; Neurons, upper and lower motoneurons, Corti-
cal and brainstem function, Interneurons and Motor Units. Neuroengineering applications for studying
the neural control of movement; invasive and non-invasive recordings, electrical stimulation of the
nervous system.
Module: Electrophysiology
Generation of an action potential, difference between intracellular and extracellular action potential,
sparsity of the action potential in a matrix of electrodes.
Module: Generation of EMG signals and analysis
Recording electrophysiological data in humans; examples of EMG and EEG recordings.
Module: Oscillations in neuronal networks
Coherence analysis; Common synaptic input to populations of neurons; Noise in the nervous system;
Associations between EEG and EMG signals; Startle responses
Module: Simulation of muscle forces from the firing of individual motoneurons
Motor unit model, Hodgkin - Huxley model, Muscle Properties
Module: EMG signals in Neural Pathologies
Parkinson’s and Spinal Cord Injury, Motor unit analysis in neurodegenerative and neurotraumatic
diseases.
Module: MATLAB / Python practical coursework
Extraction of neural information from electrophysiological signals; associations of information between
electrophysiological signals and behavioural data; Experiment in humans.
Lernziele und Kompetenzen:
Students understand motor function at the brain and muscle level. The students describe how these
systems are organized and what information can be extracted from the brain and muscles with the use
of EMG signals. Moreover, students explore the acquisition, analysis, and interpretation of electrophy-
siological data with a specific focus on human recordings in health and pathological conditions (e.g.,
spinal cord injury, stroke, and Parkinson’s disease).

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot der Technischen Fakultät oder der
Naturwissenschaftlichen Fakultät)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Data
Science (Master of Science)", "Informatik (Master of Science)", "Medizintechnik (Master of Science)" ver-
wendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 337

 Movement Neuroscience: Connections between Brain and Muscles in Humans (Prüfungsnummer:
76741)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Oral exam, 30 min.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Alessandro Del Vecchio (100910)

UnivIS: 15.06.2022 18:14 338

Modulbezeichnung: Random Matrices in Communications and Signal 5.0 ECTS
Processing (RM-CSP)
(Random Matrices in Communications and Signal Processing)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ralf Müller
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Random Matrices in Communications and Signal Processing (WS 2021/2022, Vorlesung, 2 SWS, Ralf
Müller)
Tutorial for Random Matrices in Communications and Signal Processing (WS 2021/2022, Übung,
2 SWS, N.N.)

Empfohlene Voraussetzungen:
Recommended: Good skills in linear algebra, probability theory and complex analysis

Inhalt:
Dual antenna arrays, compressive sensing, Wishart distribution, factor iid model, Kronecker model,
convergence of random variables, semi-circle law, quarter circle law, full circle law, Haar distribution,
Marchenko-Pastur distribution, Stieltjes transform, Girko’s law, unitary invariance, freeness, free convo-
lution, R-transform, free central limit theorem, free Poisson limit theorem, subordination, S-transform,
R-diagonal random matrices, R-diagonal free convolution, Haagerup-Larsen law, operator-valued freen-
ess, linearization of noncommutative polynomials, free Fourier transform, self-averaging properties,
microscopic vs. macroscopic random variables, quenched random variable, a statistical physics point of
view of digital systems, spin glasses, frozen disorder, replica method, replica continuity, replica symme-
try, replica symmetry breaking, approximate message passing, classification of np-complete problems
Lernziele und Kompetenzen:
The students find the limiting eigenvalue distributions of various types of random matrices.
The students explain Stieltjes, R- and S-transforms.
The students explain the limits of various types of fading channels.
The students design coding and decoding methods for a given type of multiuser channel.
The students perform additive and multiplicative free convolution.
The students calculate the asymptotic eigenvalues distributions of given random matrix ensembles.
The students construct random matrix ensembles with a given eigenvalue distribution. The students
linearize matrix polynomials.
The students derive the Boltzmann distribution.
The students utilize saddle point integration.
The students perform replica calculations.
The students explain the meaning of replica symmetry breaking.
The students collaborate on solving exercise problems.
Literatur:
• Mingo, J., Speicher, R.: Free Probability and Random Matrices, Springer, 2017
• Couillet, R., Debbah, M.: Random Matrix Methods for Wireless Communications, Cambridge Univ.
Press, Cambridge, 2011.
• Mezard, M., Montanari, A.: Information, Physics, and Computation, Oxford Graduate Texts, 2009.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",

UnivIS: 15.06.2022 18:14 339

 "Informations- und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Random Matrices in Communications and Signal Processing (Prüfungsnummer: 451971)
(englische Bezeichnung: Technical Elective (5 ECTS))
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Ralf Müller (100355)

UnivIS: 15.06.2022 18:14 340

Modulbezeichnung: Multiuser Information and Communications Theory (MICT) 5 ECTS
(Multiuser Information and Communications Theory)
Modulverantwortliche/r: Ralf Müller
Lehrende: Ralf Müller
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Multiuser Information and Communications Theory (WS 2021/2022, Vorlesung, 3 SWS, Ralf Müller)
Tutorial for Multiuser Information and Communications Theory (WS 2021/2022, Übung, 1 SWS, Saba
Asaad)

Empfohlene Voraussetzungen:
Recommended: A basic course on information theory (can be taken in parallel)

Inhalt:
Linear vs. nonlinear multiple-access, CDMA as a canoncal framework for any multiple-access sche-
mes, optimum multiuser detection, linear multiuser detection, interference cancellation, rate region,
multiuser source coding, time sharing, multiuser channel codes, multiple-access channel (MAC), ca-
pacity region, mutual information versus minimum-mean squared error, Gaussian MAC, power region,
Gaussian vector MAC, source coding with side information, degraded broadcast channel, Gaussian
broadcast-MAC duality, Gaussian vector broadcast channel, dirty-paper coding, physically degraded
relay channel, scalar Gaussian relay channel, Gaussian interference channel, cut-set bound, network
coding, fading channels, multiuser water filling, block fading, diversity, user diversity, capacity versus
outage, near-far gain, dual antenna arrays
Lernziele und Kompetenzen:
The students model any multiple access method as a special case of code-division multiple access.
The students apply various algorithms for multiuser detection.
The students explain various types of multiuser channels and their limits to transport information.
The students explain the limits of distributed source coding algorithms.
The students apply the cut-set bound.
The students explain the method of dirty-paper coding.
The students collaborate on solving exercise problems.
Literatur:
• El Gamal, A., Kim, Y.: Network Information Theory, Cambridge University Press, 2011
• Cover, T., Thomas, J.: Elements of Information Theory, 2nd ed., Wiley, Hoboken, 2006
• Verdú, S.: Multiuser Detection, Cambridge Univ. Press, Cambridge, 1998
• Tse, D., Viswanath, P.: Fundamentals of Wireless Communications, Cambridge University Press,
2005.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Wirt-
schaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 341

 Multiuser Information and Communications Theory (Prüfungsnummer: 687141)
(englische Bezeichnung: Multiuser Information and Communications Theory)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Ralf Müller (100355)

UnivIS: 15.06.2022 18:14 342

Modulbezeichnung: Machine Learning in Communications (MLC) 5 ECTS
(Machine Learning in Communications)
Modulverantwortliche/r: Laura Cottatellucci
Lehrende: Laura Cottatellucci
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 90 Std. Sprache: Englisch
Lehrveranstaltungen:
Machine Learning in Communications (WS 2021/2022, Vorlesung, 3,5 SWS, Laura Cottatellucci)
Tutorial for Machine Learning in Communications (WS 2021/2022, Übung, 0,5 SWS, Nikita Shanin)

Inhalt:
Recently, in many areas of wireless communications such as wireless sensor networks (WSNs), hete-
rogeneous networks and complex ad hoc networks, distributed graph algorithms and machine learning
on graphs are gaining relevance as fundamental tools in network analysis and information processing.
This motivates to deliver a general introduction to fundamentals of machine learning such as detection
of clusters on graphs. The introduction is followed by the application of machine learning to the design
of physical and data layer techniques in wireless communications and in the optimization of mobile
networks.
Lernziele und Kompetenzen:
The students
• know and explain the fundamentals of machine learning with special attention to machine learning
over graphs.
• apply these principles in the design and optimisation of wireless communications systems and mobile
networks.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Wahlmodule)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:
Machine Learning in Communications (Prüfungsnummer: 668129)
(englische Bezeichnung: Machine Learning in Communications)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100% Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Laura Cottatellucci (100463)

UnivIS: 15.06.2022 18:14 343

Modulbezeichnung: Audio Processing Laboratory (APLab) 2.5 ECTS
(Audio Processing Laboratory)
Modulverantwortliche/r: Meinard Müller
Lehrende: Bernd Edler, Emanuël A. P. Habets, Jürgen Herre, Meinard Müller, Nils Peters
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Audio Processing Laboratory (SS 2022, Praktikum, 2 SWS, Meinard Müller et al.)

Empfohlene Voraussetzungen:
This lab course requires a good understanding of basic principles in signal processing and some basic
programming skills. Furthermore, it is beneficial to have some background in one of the more specific
topics offered by the International Audio Laboratories Erlangen.

Inhalt:
This lab course offers a general introduction to Python and possibly also to other languages (MAT-
LAB, R, ...). In particular, functions, transforms, and algorithms that are important for analyzing and
processing audio signals are covered. After a general part, the lab course will allow the participants to
delve into a more specific application within audio and acoustic signal processing.
Lernziele und Kompetenzen:
The goal of this lab course is to acquire a deeper understanding of audio processing techniques by
experimenting with, modifying and extending existing code. Furthermore, programming skills in Python
and possibly also in other languages (MATLAB, R, ...) are acquired. The students understand and
implement computer programs for specific experiments described in the script accompanying the lab.
They test and evaluate their programs by conducting a series of experiments within the field of audio
signal processing. They understand the requirements of practical realizations, synthesize a solution for a
given problem, and apply advanced disciplinary knowledge and skills in signal processing. The students
evaluate and interpret results by applying various visualization techniques and statistical methods.
They collaborate with fellows students, discuss their solutions, give feedback to each other, and reflect
upon the underlying theory as well as implementation issues.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Berufspädagogik Technik (Master of Education)", "Communications and
Multimedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bache-
lor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations-
und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Audio Processing Laboratory (Prüfungsnummer: 894349)
(englische Bezeichnung: Audio Processing Laboratory)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Das Praktikum besteht aus fünf Teilversuchen, die jeweils mit drei Punkten bewertet werden. Zum
Bestehen des Praktikums müssen insgesamt mindestens 7 Punkte und zusätzlich in allen fünf Teil-
versuchen mindestens je 1 Punkt erreicht werden.
Prüfungssprache: Deutsch oder Englisch

UnivIS: 15.06.2022 18:14 344

 Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
1. Prüfer: Meinard Müller (100297)
1. Prüfer: Bernd Edler (100295)
1. Prüfer: Emanuël A. P. Habets (100005)
1. Prüfer: Jürgen Herre (100004)
1. Prüfer: Nils Peters (100490)

Bemerkungen:
Deutsch oder Englisch nach Wahl der Studenten

UnivIS: 15.06.2022 18:14 345

Modulbezeichnung: Praktikum Digitaler ASIC-Entwurf 2.5 ECTS
(Blockpraktikum) (PrASIC-D)
(Digital ASIC Design Lab)
Modulverantwortliche/r: Jürgen Frickel
Lehrende: Jürgen Frickel
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Praktikum Digitaler ASIC-Entwurf (Blockpraktikum) (SS 2022, Praktikum, 3 SWS, Anwesenheits-
pflicht, Jürgen Frickel)

Empfohlene Voraussetzungen:
• Digitaltechnik (oder ähnliche Grundlagen-LV, z.B. TI-1)
• V+Ü "Hardware-Beschreibungssprache VHDL" (oder andere gleichwertige LVen)
• oder: nachgewiesene gute Kenntnisse/praktische Erfahrungen in VHDL, z.B. durch Praktikanten-
oder Werkstudententätigkeit, intensives Eigenstudium, etc.
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Hardware-Beschreibungssprache VHDL

Inhalt:
In diesem Praktikum wird jeweils in Zweiergruppen eine komplexe digitale Schaltung für ein FPGA ent-
worfen, Entwurfsziel sind hardware- und grafikorientierte Anwendungen, die ohne Prozessor/Software
als reine Hardware-Lösung entwickelt und realisiert werden müssen.
Hierzu müssen die Teilnehmer zu Beginn eine rudimentär vorgegebene Systemspezifikation analysie-
ren, verbessern und verfeinern, eine Systemidee entwickeln, das geplante System partitionieren und auf
Module aufteilen. Die angestrebten Lösungen werden in regelmässigen Kurzvorträgen mit der Gesamt-
gruppe dikutiert.
Die in der Hardware-Beschreibungssprache VHDL entworfenen Module können dann mit Hilfe des
Entwurfswerkzeugs (aktuell: XILINX Vivado) spezifiziert, simuliert, verifiziert und abschließend für
die Ziel-Hardware synthetisiert werden. Hierbei ist außer der Schnittstellenproblematik zwischen den
Modulen auch der Aspekt des simulations- und testfreundlichen Entwurfs zu beachten.
Mit einer vorhandenen FPGA-Testumgebung (Evaluation/Education Board) wird der Funktions- und
Systemtest auf realer Hardware durchgeführt.
Nach der Verifikation und Zusammenschaltung aller Module erfolgt ein abschließender Funktionstest
und Bewertung (Größe, Geschwindigkeit, Funktionsumfang, Effizienz, etc.) der Schaltung in Form einer
Demonstration vor der Gesamtgruppe.
Lernziele und Kompetenzen:
Fachkompetenz
Anwenden
Die Studierenden setzen die vorab (in einer anderen LV) erlernte Hardware-Beschreibungssprache
VHDL in ihrem vollen Umfang zur Spezifikation und Implementierung eines komplexen, digitalen
Systems ein.
Analysieren
Die Studierenden analysieren ein nur rudimentär beschriebenes digitales mikroelektronisches Sys-
tem, untersuchen mögliche Lösungsansätze und strukturieren diese Lösungsansätze in handhab-
bare Module.
Evaluieren (Beurteilen)
Die Studierenden diskutieren und bewerten im Rahmen von Kurzvorträgen eigene und fremde
Lösungsvorschläge zum Systementwurf, vergleichen diese nach eigenen Kriterien, und wählen
dann hiermit die besten Lösungen zur Realisierung aus.
Die Stduierenden bewerten nach Fertigstellung des Systementwurfs nach verschiedenen Kriteri-
en (Größe, Geschwindigkeit=längster Pfad, Performance, Ästhetik, Code-Qualität) ihre und die

UnivIS: 15.06.2022 18:14 346

 anderen Entwürfe.
Erschaffen
Wegen der sehr knappen Auslegung der gegebenen Spezifikation der Systembeschreibung kon-
zipieren die Studierenden ganz eigene, individuelle Lösungen für die Funktionsmodule und das
Gesamtsystem.
Lern- bzw. Methodenkompetenz
Die Studierenden erlernen die Methodik zur Transformation einer Systemidee in eine digitale Reali-
sierung.
Sozialkompetenz
Studierende erlernen, Problemstellungen in Gruppenarbeit gemeinsam zu lösen. Die Studierenden
erarbeiten ihre Lösungen in Zweiergruppen und erläutern bzw. verteidigen diese in Kurzvorträgen
gegenüber der Gesamtgruppe.
Literatur:
Frickel J.; Skript der LV "Hardware-Beschreibungssprache VHDL"
Xilinx; Handbuch Xilinx Vivado
Lehmann G.; Wunder B.; Selz M.: Schaltungsdesign mit VHDL. Poing Franzis 1994
Bleck Andreas: Praktikum des modernen VLSI-Entwurfs. Stuttgart Teubner 1996

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Elektrotechnik, Elektronik und Informationstechnik (Bache-
lor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations-
und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of
Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirt-
schaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Laborpraktikum Digitaler ASIC-Entwurf_ (Prüfungsnummer: 75001)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Praktikums-Aufgabenstellung lesen.
Praktikums-Unterlagen durcharbeiten.
Während des Praktikums je Zweier-Gruppe:
• 4 Zwischenpräsentationen (je 5 Min.)
• 1 Abschlusspräsentation mit Demonstration (10 Min.)
Nachbereitung je Zweier-Gruppe:
• 1 schriftliche Versuchs-Dokumentation (3-5 Seiten)
Die Gewichtung der Prüfungsleistung ist wie folgt: Erfüllung der Aufgabenstellung (60%), Präsen-
tation der Ergebnisse (20%), Dokumentation der Ergebnisse (20%)

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Jürgen Frickel (100261)

Organisatorisches:
Das Praktikum findet in Präsenz statt unter Einhaltung der Hygiene- und Abstandsregeln

UnivIS: 15.06.2022 18:14 347

Modulbezeichnung: Praktikum Architekturen der digitalen 2.5 ECTS
Signalverarbeitung (PR ADS)
(Laboratory Architectures for Digital Signal Processing)
Modulverantwortliche/r: Georg Fischer
Lehrende: Jasmin Kolpak
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Englisch
Lehrveranstaltungen:
Praktikum Architekturen der digitalen Signalverarbeitung (WS 2021/2022, Praktikum, 3 SWS, Anwe-
senheitspflicht, Jasmin Kolpak)

Inhalt:
-Aufbau einer akustischen FSK Datenverbindung
-Einführung in die VHDL Programmierung eines FPGAs
-Erzeugung einer PRBS Sequenz
-Effiziente Implementierung eines Sinusgenerators mit Hilfe des Cordic Algorithmus
-Digitale Filterung
-Demodulation/Detektion
Lernziele und Kompetenzen:
• Die Studierenden erlangen Grundlagenkenntnisse in der Programmierung mit MATLAB und VHDL
• Die Studierenden sind in der Lage, eine digitales Datenübertragungssystem vom Sender bis zum
Empfänger theoretisch zu konzeptionieren, in MATLAB zu simulieren und praktisch in VHDL auf
einem FPGA umzusetzen
• Die Studierenden erhalten die theoretische und praktische Fähigkeit, digitale Signale zu definieren,
zu verarbeiten, digitale Filter zu erzeugen und Signale mit diesen zu manipulieren
• Die Studierenden verstehen die Schnittstelle zwischen der digitalen und analogen Ebene und sind in
der Lage, diese Schnittstellen auf einem FPGA Evaluation Board zu verwenden

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:
Praktikum Architekturen der digitalen Signalverarbeitung (Prüfungsnummer: 182405)
(englische Bezeichnung: Laboratory Architectures for Digital Signal Processing)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Praktikumsleistung: Erfolgreiche Simulation und Implementierung des geforderten Übertragungssys-
tems
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: keine Angabe

1. Prüfer: Georg Fischer (100226)

UnivIS: 15.06.2022 18:14 348

Modulbezeichnung: Laborpraktikum Bild- und Videosignalverarbeitung auf 2.5 ECTS
eingebetteten Plattformen (PrBVEP)
(Lab Course Image and Video Signal Processing on Embedded
Systems)
Modulverantwortliche/r: André Kaup
Lehrende: Jürgen Seiler, Viktoria Heimann
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 60 Std. Eigenstudium: 15 Std. Sprache: Englisch
Lehrveranstaltungen:
Laborpraktikum Bild- und Videosignalverarbeitung auf eingebetteten Plattformen (WS 2021/2022,
Praktikum, Anwesenheitspflicht, Jürgen Seiler et al.)

Inhalt:
Betrachtet man Anwendungen der Bild- und Videosignalverarbeitung stellt man fest, dass viele davon
auf mobilen Plattformen ablaufen. Die dort verwendeten Systeme haben aber häufig nur eine reduzierte
Leistungsfähigkeit und müssen besonders auf den Energieverbrauch achten. Nichtsdestotrotz sind aber
auch einfache, mobile Systeme wie Smartphones oder Tablets in der Lage, anspruchsvolle Signalverar-
beitungsaufgaben für Bild- und Videosignale durchzuführen. Dies umfasst zum Beispiel die Codierung
von Bildern und Videos, aber auch die Erzeugung von Panoramen oder die Berechnung von Bildern
mit hohem Dynamikumfang.
Das Praktikum „Bild- und Videosignalverarbeitung auf eingebetteten Plattformen“ soll die Herausfor-
derung, die mit einer Verarbeitung dieser Signale auf eingebetteten Plattformen einhergehen genauer
vermitteln und es wird aufgezeigt, wie man selbst auf Plattformen mit eingeschränkter Leistungsfähig-
keit entsprechende Algorithmen umsetzen kann. Hierzu werden in dem Praktikum Raspberry Pis als
Plattform verwendet und die Programmierung erfolgt in Python. Die Versuche umfassen den Aufbau
und die Inbetriebnahme der eingebetteten Plattform, eine Einführung in Python und in die grundle-
genden Prozesse der Bild- und Videosignalverarbeitung. Weitere Versuchsinhalte sind die Anbindung
einer Kamera, Bildsignalverarbeitungsprozesse mit der Kamera und die Implementierung verschiedener
digitaler Filter. Das Praktikum beinhaltet außerdem verschiedene Anwendungen computergestützten
Sehens (Computer Vision). Die Detektion von Merkmalen und Objekten in Bildern und Videos werden
einführend behandelt und aktuelle Computer Vision Anwendungen, wie die Erstellung eines Panoramas
werden betrachtet.
Content:
Today, many image and video signal processing applications are running on embedded systems. Ho-
wever, the computational power and the energy storage is a limiting demand for embedded systems.
Nevertheless, daily mobile devices like smartphone and tablet are able to perform signal processing tasks
for image and video signals, for example coding of images and videos, the creation of a panorama or
the calculation of images with high dynamic range.
The image and video signal processing on embedded systems lab course should show the challenges
that occur while handling with such mobile devices and the implementation of such algorithm on an
embedded system. Therefore, Raspberry Pis as embedded systems and Python as coding language
is used in the laboratory. The experiments include the setup of the Raspberry Pi, an introduction
to Python and an introduction to image and video signal processing. In addition, a camera will be
connected, signal processing will be done with the camera and digital filters are implemented. Moreover,
the laboratory includes different computer vision applications like the creation of a panorama.
Lernziele und Kompetenzen:
Die Studierenden
• verstehen die Herausforderungen von eingebetteten Plattformen
• wenden die Programmiersprache Python für Bild- und Videosignalverarbeitunsalgorithmen an
• erzeugen funktionsfähige Programme mit der Programmiersprache Python
• beurteilen die Funktionsblöcke von Computer Vision-Algorithmen
• bewerten die von ihnen erstellten Programme durch subjektive und objektive Vergleiche

UnivIS: 15.06.2022 18:14 349

 • reflektieren den Lernprozess während des Praktikums.
The students
• understand the challenges of the embedded system
• make use of the coding language Python for image and video signal processing algorithms
• implement functional programs with Python
• evaluate the blocks of computer vision algorithms
• evaluate the self-implemented programs by subjective and objective comparison
• reflect the learning process in the laboratory.
Literatur:
Das Skript zum Praktikum „Image and video signal processing on embedded platforms“ wird in der
Einführungsveranstaltung ausgegeben.
The laboratory script “Image and video signal processing on embedded platforms" will be handed out
in the first session.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Berufspädagogik Technik (Master of Education)", "Communications and Mul-
timedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kom-
munikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstechnik (Master of Science)",
"Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieur-
wesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Bild- und Videosignalverarbeitung auf eingebetteten Plattformen (Prüfungsnummer:
194239)
(englische Bezeichnung: Lab Course Image and Video Processing on Embedded Platforms)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Das Praktikum ist eine unbenotete Studienleistung. Deshalb können keine benoteten Scheine ver-
geben werden.
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: André Kaup (100219)

Bemerkungen:
Das Praktikum besteht aus 7 Arbeitseinheiten. Diese sind in den Kursunterlagen beschrieben. Die
Arbeitseinheiten bestehen jeweils aus einem oder zwei Terminen, die vor der Anmeldung zum Praktikum
bekanntgegeben werden.
Jede Arbeitseinheit ist zu Hause vorzubereiten, die Vorbereitung wird zu Beginn eines jeden Termins
überprüft. Die Ergebnisse eines jeden Termins sind während der Versuchsdurchführung auf den Ver-
suchsrechnern vorzuhalten und werden zum Abschluss des Termins überprüft. Das Praktikum gilt als
bestanden, wenn alle Arbeitseinheiten ausreichend vorbereitet und durchgeführt wurden.
The laboratory is based on seven experiments, which are described in the laboratory script. Every
experiment should be prepared at home and will be checked before every experiment. The results of
the prepared tasks in the laboratory will be checked at the end of the experiment. The laboratory is
passed if all seven experiments are successfully completed.

UnivIS: 15.06.2022 18:14 350

Modulbezeichnung: Praktikum Digitale Übertragung (PrDÜ) 2.5 ECTS
(Digital Communications Lab)
Modulverantwortliche/r: Clemens Stierstorfer
Lehrende: Clemens Stierstorfer
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 35 Std. Eigenstudium: 40 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Praktikum Digitale Übertragung (SS 2022, Praktikum, 3 SWS, Clemens Stierstorfer)

Empfohlene Voraussetzungen:
Das Praktikum richtet sich ausschließlich an Studierende, die das Moduls “Digitale Übertragung"
bereits absolviert haben oder es parallel zum Praktikum belegen. Die Inhalte dieses Moduls sind unab-
dingbare Grundlage und werden von den Studierenden beherrscht, d.h., sie können die entsprechenden
Zusammenhänge erklären, Problemstellungen mathematisch formulieren und benötigte Größen berech-
nen.
Grundlegende Kenntnisse der Software MATLAB sind unbedingt notwendig (bspw. aus "Software für
die Mathematik" oder "Simulationstools").
The lab course is aimed exclusively at students who have already completed the "Digital Communi-
cations" module or are taking it in parallel with the practical course. The contents of this module
are an indispensable basis and are mastered by the students, i.e. they can explain the corresponding
relationships, formulate problems mathematically and calculate required quantities.
Solid knowledge of MATLAB is absolutely required.

Inhalt:
• 1 Digital Transmission of Data 1.1 Introduction, Background, Motivation 1.2 Purpose 1.3 Lab
Environment 1.3.1 Transmitter 1.3.2 Receiver 1.4 Lab Exercises 1.4.1 Signal Generation at the
Transmitter 1.4.2 (Coherent) Receivers for Pulse Amplitude Modulation 1.4.3 Transmission over
the AWGN Channel
• 2 Implementation of Transmitter and Receiver in Matlab 2.1 Introduction, Background, Motivation
2.2 Purpose 2.3 Lab Environment 2.3.1 Oversampling factor 2.3.2 Transmitter 2.3.3 Channel 2.3.4
Receiver 2.4 Lab Exercises 2.4.1 Transmitter 2.4.2 Channel 2.4.3 Receiver 2.4.4 BER calculation
• 3 Variants of PAM-Transmission Schemes 3.1 Introduction, Background, Motivation 3.2 Purpose
3.3 Lab Environment 3.4 Lab Exercises 3.4.1 Basic Pulse Shape 3.4.2 Offset-QAM 3.4.3 Gaussian
Minimum Shift-Keying 3.4.4 “Carrierless" Amplitude and Phase Modulation
• 4 OFDM 4.1 Introduction, Background, Motivation 4.1.1 Orthogonal Frequency-Division Multiple-
xing 4.1.2 Bit Loading 4.2 Purpose 4.3 Lab Environment 4.4 Lab Exercises 4.4.1 OFDM Transmitter
4.4.2 OFDM Receiver 4.4.3 Bit Loading
• 5 Signal Space Representation 5.1 Introduction, Background, Motivation 5.2 Purpose 5.3 Lab En-
vironment 5.4 Signal Space Representation 5.4.1 Orthogonality 5.4.2 Orthogonalization 5.5 Lab
Exercises 5.5.1 Transmission with signal elements 5.5.2 Gram-Schmidt Procedure 5.5.3 Frequency
Shift Keying
• 6 Signal Processing in MIMO Systems 6.1 Introduction, Background, Motivation 6.2 Lab Environ-
ment 6.3 Lab Exercises 6.3.1 System Model 6.3.2 SISO 6.3.3 SIMO 6.3.4 MIMO
Lernziele und Kompetenzen:
Die Studierenden analysieren die Eigenschaften digitaler Pulsamplitudenmodulation und Varianten di-
gitaler PAM. Sie bestimmen mit üblichen Messgeräten (Oszilloskop, Effektivwertmesser) die relevanten
Parameter (Symbolrate, Bandbreite usw.) typischer PAM-Sendesignale und bewerten diese. Sie bestim-
men die Störabstände und Fehlerraten von Empfangssignalen und nutzen diese ebenso zur Bewertung
der Übertragungsverfahren.
Die Studierenden implementieren MATLAB-Routinen, die die Simulation einer kompletten PAM-
Übertragung mit Sender, Kanal und Empfänger am Rechner modellieren.
Die Studierenden ergänzen die Simulation mit eigens implementierten Routinen zur Modellierung einer

UnivIS: 15.06.2022 18:14 351

 OFDM-Übertragung und analysieren die Funktionsweisen von OFDM-Sendern und -empfängern. Sie
untersuchen die Arbeitsweise von Ladealgorithmen bei OFDM-Systemen und implementieren diese in
MATLAB.
Die Studierenden nutzen das Konzept der Signalraumdarstellung der digitalen Übertragung und imple-
mentieren dieses in ein beispielhaftes System in MATLAB. Sie erstellen Routinen zur Gram-Schmidt-
Orthogonalisierung und zur FSK-Übertragung in MATLAB.
Die Studierenden analysieren einfache MIMO-Szenarien und implementieren entsprechende Empfän-
geralgorithemen.
Die Studierenden bereiten die Bearbeitung der Versuche im Labor anhand der ausgegeben Unterlagen
und den Unterlagen zum Modul “Digitale Übertragung" selbständig vor. Sie sind in der Lage, die für den
jeweiligen Versuch notwendigen theoretischen Kenntnisse vor und während des Versuchs zu erklären und
zur Lösung der Laboraufgaben und vorbereitenden Hausaufgaben einzusetzen. Sie dokumentieren die
durchgeführten Versuche selbständig in ihren Unterlagen bzw. dokumentieren den erstellten Code, so
dass die Nachvollziehbarkeit der Arbeiten durch die Betreuer jederzeit gegeben ist. Die Arbeit im Labor
organisieren sie in Kleingruppen (2-3 Personen) selbst. Sie erkennen die Notwendigkeit gewissenhafter
Vorbereitung der Lerninhalte und disziplinierter Arbeitsweise im Labor.
Die Unterrichtssprache ist wahlweise Deutsch oder Englisch. Unterlagen werden ausschließlich auf
Englisch zur Verfügung gestellt, weswegen die Studierenden die englischen Fachtermini kennen und
nutzen.
—
The students analyze the properties of digital pulse amplitude modulation and variants of digital
PAM. They determine the relevant parameters (symbol rate, bandwidth, etc.) of typical PAM transmit
signals using common measuring instruments (oscilloscope, RMS meter) and evaluate them. They
determine the signal-to-noise ratios and error rates of received signals and likewise use these to evaluate
transmission methods.
Students implement MATLAB routines that model the simulation of a complete PAM transmission
with transmitter, channel, and receiver on a computer.
Students supplement the simulation with self-implemented routines to model an OFDM transmission
and analyze the operation of OFDM transmitters and receivers. They investigate the operation of
loading algorithms in OFDM systems and implement them in MATLAB.
Students use the concept of signal space representation of digital transmission and implement it in
an example system in MATLAB. They create routines for Gram-Schmidt orthogonalization and FSK
transmission in MATLAB.
Students analyze simple MIMO scenarios and implement corresponding receiver algorithms.
The students independently prepare the experiments in the laboratory using the issued documents
and the documents for the module "Digital Transmission". They are able to explain the theoretical
knowledge required for the respective experiment before and during the experiment and use it to solve
the laboratory tasks and preparatory homework. They independently document the experiments carried
out in their papers or document the code produced so that the work can be traced by the supervisors
at any time. They organize the work in the laboratory themselves in small groups (2-3 persons). They
recognize the necessity of conscientious preparation of the learning content and disciplined working
methods in the laboratory.
The language of instruction is either German or English. Documents are provided exclusively in English,
which is why the students know and use the English technical terms.
Literatur:
• Skriptum zum Praktikum
• Skriptum zur Vorlesung Digitale Übertragung bzw. Digital Communications
• übliche Standardlehrwerke zur Thematik (Proakis, Haykin usw.)

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

UnivIS: 15.06.2022 18:14 352

 Dieses Modul ist daneben auch in den Studienfächern "Communications and Multimedia Engineering (Master
of Science)", "Informations- und Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Digitale Übertragung (Prüfungsnummer: 293179)
(englische Bezeichnung: Digital Communications Lab)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
+++ Deutsch +++
Es sind 5 Versuche zu absolvieren. Die zu bearbeitenden und zu lösenden Aufgaben sind in den
Kursunterlagen angegeben.
• Jeder Versuch ist zu Hause vorzubereiten (Lesen der Versuchsbeschreibung, Lösen der jeweiligen
Vorbereitungsaufgaben). Die handschriftliche Lösung der Vorbereitung wird zu Beginn eines Ver-
such mündlich (ca. 5 min) mit den Studierenden bewertet (ausreichend/nicht ausreichend). Die
Lösung ist zudem vor Beginn eines Versuchs auf StudOn elektronisch einzureichen.
• Während der Präsenzzeit im Labor sind die Durchführungsaufgaben aus den Kursunterlagen zu lö-
sen. Die Lösungen sind schriftlich zu dokumentieren (Messergebnisse) und während der Versuchs-
durchführung auf den Versuchsrechnern vorzuhalten (Programmieraufgaben). Zum Abschluss ei-
nes Versuchs werden die Lösungen mündlich (ca. 10 min) mit den Studierenden bewertet (aus-
reichend/nicht ausreichend). Zusätzlich sind erstellte Dateien und Unterlagen in Anschluss an die
Versuchsdurchführung elektronisch auf StudOn zu hinterlegen.
• Zum Bestehen des Praktikums sind 5 ausreichende Versuchsvorbereitungen und 5 ausreichende
Versuchsdurchführungen notwendig.
• Eine einführende Sicherheitsbelehrung und Unterweisung in die verwendeten Geräte sowie die
Nutzung der Lernplattform StudOn sind Voraussetzung für die Teilnahme an den Versuchen des
Praktikums.
• Das erfolgreiche Durcharbeiten eines vorbereitenden, asynchronen Lernmoduls auf StudOn ist
obligatorisch und Voraussetzung für die weitere Teilnahme am Praktikum.
• Falls notwendig, erfolgen die oben genannten Besprechungen per ZOOM.
• die Wahl der Prüfungssprache erfolgt durch den/die geprüfte/n Studenten/-in.
+++ English +++
There are 5 experiments to be completed. The tasks to be worked on and solved are specified in
the course documents.
• Each experiment has to be prepared at home (reading the description of the experiment, solving
the respective preparation tasks). The handwritten solution of the preparation is evaluated orally
(approx. 5 min) with the students at the beginning of an experiment (sufficient/not sufficient).
The solution must also be submitted electronically on StudOn before the start of an experiment.
• During the attendance time in the laboratory, the implementation tasks from the course docu-
ments are to be solved. The solutions are to be documented in writing (measurement results)
and kept on the experimental computers during the execution of the experiment (programming
tasks). At the end of an experiment, the solutions are evaluated orally (approx. 10 min) with the
students (sufficient/not sufficient). In addition, created files and documents are to be deposited
electronically on StudOn following the execution of the experiment.
• In order to pass the practical course, 5 sufficient experimental preparations and 5 sufficient expe-
rimental executions are required.
• An introductory safety briefing and instruction in the equipment used as well as the use of the
StudOn learning platform are prerequisites for participation in the experiments of the practical
course.
• Successful completion of a preparatory, asynchronous learning module on StudOn is mandatory
and a prerequisite for further participation in the lab course.
• If necessary, the above-mentioned discussions will take place via ZOOM.
• The choice of the examination language is made by the examined student.
Prüfungssprache: Deutsch oder Englisch

UnivIS: 15.06.2022 18:14 353

 Erstablegung: SS 2022, 1. Wdh.: keine Angabe
1. Prüfer: Clemens Stierstorfer (100285)

Organisatorisches:
Praktikum Digitale Übertragung

UnivIS: 15.06.2022 18:14 354

Modulbezeichnung: Lab Course Machine Learning in Signal 2.5 ECTS
Processing (LabMLISP)
(Lab Course Machine Learning in Signal Processing)
Modulverantwortliche/r: André Kaup
Lehrende: Kamal Gopikrishnan Nambiar
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 15 Std. Sprache: Englisch
Lehrveranstaltungen:
Lab Course Machine Learning in Signal Processing (SS 2022, Praktikum, 4 SWS, Anwesenheitspflicht,
Kamal Gopikrishnan Nambiar)

Empfohlene Voraussetzungen:
Knowledge of Python programming language is required. Basic theoretical knowledge in machine
learning is assumed: consider taking the Machine Learning in Signal Processing (MLSIP) course in the
same semester.

Inhalt:
This is an advanced level lab course in machine learning. Imagine a car driving on an autobahn in an
automatic mode. Among other things, the car needs to steer itself to keep driving in it’s own lane. To
accomplish this, the central problem is to detect the road-lane markings. These are the white solid or
dashed lines that are drawn on each side of the lane. The standard modern approach to solve this type
of problems is to take a large dataset of labeled examples and train a deep neural network model to
accomplish the task. This is how car and pedestrian detection algorithms are developed. The difficulty
with the road-lane markings is that there is no labeled dataset of them and creating such dataset
would cost millions of dollars.
In this lab course we will solve this problem using transfer learning and mathematical modeling:
• Create cartoon-like artificial images of a road with known locations for the lane markings.
• Train deep neural network on these artificial images with heavy data augmentations that mimic
real-world images.
• Create a dataset of unlabeled real-life videos by downloading and organizing examples from youtube.
• Create a machine learning pipeline for working with these videos efficiently.
• Apply the neural network that has been trained on artificial data to the real world videos.
• Analyze the quality of results produced by the network.
• Use mathematical modeling to correct the outputs of the network.
• Retrain the network on the dataset composed of the corrected outputs.
• Measure and analyze the quality of the results.
The software will be written in Python using JupyterLab development framework. Access to modern
GPU server will be provided. The best students will have the opportunity to contribute to the creation
of state-of-the-art lane detection system for self-driving cars during or after the corse.
Lernziele und Kompetenzen:
Students are able to:
• Independently design machine learning pipelines to solve complex problems in artificial intelligence.
• Choose appropriate algorithms for the problem at hand.
• Use standard packages for machine learning in Python: numpy, cvxpy, scikit-learn, pywavelets, py-
torch.
• Debug and calibrate machine learning algorithms. Develop modification to the standard algorithms
as appropriate to the problem at hand.
• Explain the theoretical aspects of deep learning.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)

UnivIS: 15.06.2022 18:14 355

 (Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Data
Science (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Machine Learning in der Signalverarbeitung (Prüfungsnummer: 878210)
(englische Bezeichnung: Lab course machine learning in signal processing)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:

• Well-documented algorithm that detects lanes on a driving video.

• Video demonstration showing the functioning of the algorithm.
• Short report (up to 3 pages).
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023 (nur für Wiederholer)

1. Prüfer: André Kaup (100219)

UnivIS: 15.06.2022 18:14 356

Modulbezeichnung: Praktikum Test (PrTEST) 2.5 ECTS
(Laboratory Test)
Modulverantwortliche/r: Sebastian M. Sattler
Lehrende: Tobias Rumpel
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 60 Std. Eigenstudium: 15 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum Test (SS 2022, Praktikum, 3 SWS, Tobias Rumpel)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Entwurf Integrierter Schaltungen I
Testfreundlicher Schaltungsentwurf (Design-for-Test)
Industrielle Testanwendungen für Integrierte Schaltungen und Systeme
Test Integrierter Schaltungen

Inhalt:
Im Entwicklungsprozess elektronischer Bauteile wie auch bei deren Massenproduktion werden mit Hilfe
automatischer Testsysteme die elektrischen Kenngrößen eines Bauteils erfasst. Das Praktikum „Testen
mit automatischen Testsystemen“ gibt einen Einblick in typische messtechnische Aufgabenstellungen
und Arbeiten, die während der Entwicklung integrierter mikroelektronischer Systeme vorkommen.
Lernziele und Kompetenzen:
FACHKOMPETENZ
Verstehen
• beschreiben die Abläufe im Laborbetrieb und erläutern die Eigenschaften eines Testsystems
• erklären die Elemente eines Testprogramms
• formulieren die verschiedenen Möglichkeiten von Test (Funktionstest, Dynamischer Test)
• erläutern die Entwicklung von Test-Pattern
Analysieren
• analysieren das DUT und entwickeln daraus die richtige Auswahl an Testparametern
Erschaffen
• entwerfen Test-Pattern für den Boundary-Scan-Test
• erstellen aus gegebener Aufgabenstellung komplettes Testprogramm
• beurteilen des Testprogramms unter Berücksichtigung von Produktivität und Debugging
LERN- BZW. METHODENKOMPETENZ
• erwerben praktische Erfahrungen im Umgang mit einem automatischen Testsystem (ATE)
• erfahren die Arbeitsumgebung in einem Reinraum-Labor und die sich daraus ergebenen Vorschriften
SELBSTKOMPETENZ
• können in Gruppen kooperativ arbeiten und Fehleranalysen durchführen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)",
"Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 357

 Praktikum Test (Prüfungsnummer: 320376)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:

• Teilnahme am Vorbereitungskurs JTAG, 1 Woche vor Beginn des Praktikums

• häusliche Vorbereitung auf das Praktikum anhand der Versuchsbeschreibungen
• Auswertung und Interpretation der Testergebnisse
• Präsentation der Testergebnisse

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Sebastian M. Sattler (100270)

Bemerkungen:
Blockpraktikum

UnivIS: 15.06.2022 18:14 358

Modulbezeichnung: Laborpraktikum Digitale Signalverarbeitung (PrDSV) 2.5 ECTS
(Lab Course Digital Signal Processing)
Modulverantwortliche/r: Walter Kellermann
Lehrende: Heinrich Löllmann, Matthias Kreuzer, Jürgen Seiler
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Laborpraktikum Digitale Signalverarbeitung (WS 2021/2022, Praktikum, 2 SWS, Anwesenheitspflicht,
Heinrich Löllmann et al.)

Empfohlene Voraussetzungen:
Vorlesung Signale und Systeme I & II

Inhalt:
In diesem Laborpraktikum wird die Theorie aus der Vorlesung Digitale Signalverarbeitung in der Praxis
angewandt, unter Verwendung der Programmierumgebung MATLAB. Die behandelten Themen um-
fassen Quantisierung, Spektralanalyse, FIR- und IIR-Filterentwurf, Filterbänke, sowie adaptive Filter.
Das Praktikum besteht aus 5 Versuchsterminen, an denen die Teilnehmer in Zweiergruppen Program-
mieraufgaben lösen, und einem 5-tägigen Block, in dem jede Gruppe ein individuelles Projekt aus dem
Bereich der Digitalen Signalverarbeitung bearbeitet.
Das Praktikum erfordert vorhandene MATLAB-Programmierkenntnisse. Es ist möglich, das Praktikum
parallel zur Vorlesung Digitale Signalverarbeitung zu besuchen, allerdings ist es dazu notwendig, die
jeweiligen Vorlesungsinhalte vor dem Praktikumstermin zu wiederholen, und an Übung und Tutorium
teilzunehmen.
Contents
In this laboratory course the theory from the lecture Digital Signal Processing is applied in practice,
using the programming environment MATLAB. The topics include quantization, spectral analysis, FIR
and IIR filter design, filter banks and adaptive filters. The course consists of 5 guided experiments in
which students work on programming problems in groups of two, and a 5-day block course where each
group works on an individual project from the field of digital signal processing.
The preparation, as well as the results of the past experiment will be examined by a short test at the
beginning of each experiment. For passing the lab course, a minimum number of points from the tests
and the project is required.
The course requires previous experience in MATLAB programming. It is possible to take the course in
parallel to the DSP lecture, however, revision of the relevant lecture contents before each lab lesson,
and participation in the DSP exercises and tutorials is required.
Lernziele und Kompetenzen:
Die Studierenden
• erzeugen funktionsfähige MATLAB-Programme zu den einzelnen vorgezeichneten Experimenten und
wenden damit das in Vorlesung und Übung erworbene Wissen an
• analysieren und evaluieren den von ihnen implementierten Algorithmus
• verstehen die Anforderungen praktischer Realisierungen von Algorithmen zur Digitalen Signalverar-
beitung
• reflektieren ihren eigenen Lernprozess während des Praktikums.
Literatur:
The script for this lab course will be handed out at the introductory meeting. Moreover, the following
books are recommended
• J.G. Proakis, D.G. Manolakis: Digital Signal Processing. 4th edition. Prentice Hall, Englewood Cliffs,
NJ, 2007.
• A.V. Oppenheim, R.V. Schafer: Digital Signal Processing. Prentice Hall, Englewood Cliffs, NJ, 1975.
• K.D. Kammeyer, K. Kroschel: Digitale Signalverarbeitung: Filterung und Spektralanalyse mit
MATLAB®-Übungen . 8. Aufl. Teubner, Stuttgart, 2012

UnivIS: 15.06.2022 18:14 359

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Communications and Multimedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",
"Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikations-
technik (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of
Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Laborpraktikum Digitale Signalverarbeitung (Prüfungsnummer: 75201)
(englische Bezeichnung: Digital Signal Processing Laboratory)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Es müssen 5 Versuche erfolgreich absolviert werden und danach in Zweier-Gruppen ein wissenschaf-
liches Projekt bearbeitet werden, worüber eine 3 bis 4-seitige Dokumentation angefertigt werden
[Link] Beginn jedes Versuchs wird der Stand der Vorbereitung, sowie die Versuchsergebnisse des
vergangenen Termins in einem schriftlichen Testat geprüft. Für das Bestehen des Praktikums ist
eine Mindestpunktzahl aus den Testaten und dem Blockpraktikum nötig.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Walter Kellermann (100247)

UnivIS: 15.06.2022 18:14 360

Modulbezeichnung: Praktikum Mobilkommunikation (PrMoKo) 2.5 ECTS
(Mobile Communications Laboratory)
Modulverantwortliche/r: Wolfgang Gerstacker
Lehrende: Wolfgang Gerstacker
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 35 Std. Eigenstudium: 40 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Praktikum Mobilkommunikation (SS 2022, Praktikum, 3 SWS, Anwesenheitspflicht, Wolfgang Ger-
stacker et al.)

Empfohlene Voraussetzungen:
Vorkenntnisse aus Vorlesungen zu Nachrichtenübertragung (Communications) und Systemtheorie (Si-
gnals and Systems); Inhalte des Moduls "Mobile Communications" sind erforderliche Voraussetzung
für eine sinnvolle Teilnahme;
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Digital Communications

Inhalt:
Experiments:
Mobile channels (2 experiments):
Characteristics of real mobile radio channels such as distortions and time variability, models for mobile
radio channels, effects on the performance of a mobile radio system
Equalization of mobile radio channels for the example GSM / EDGE (2 experiments):
Principles of different equalization methods, equalizer design for GSM / EDGE, simulation of trellis-
based equalizers and visualization of the results
Orthogonal Frequency Division Multiplexing (OFDM):
Principle of OFDM, implementation-relevant aspects such as nonlinearities and peak-to-average-power
ratio, synchronization and equalization
MIMO Transmission (2 experiments)
Versuche:
Mobilfunkkanäle (2 Versuche):
Eigenschaften realer Mobilfunkkanäle wie Verzerrungen und Zeitvarianz, Modelle für Mobilfunkkanäle,
Auswirkungen auf die Leistungsfähigkeit eines Mobilfunksystems
Entzerrung von Mobilfunkkanälen am Beispiel GSM/EDGE (2 Versuche):
Prinzipien verschiedener Entzerrverfahren, Entzerrerdesign für GSM/EDGE, Simulation von trellisba-
sierten Entzerrern und Visualisierung der Ergebnisse
Orthogonal Frequency Division Multiplexing (OFDM):
Prinzip von OFDM, implementierungsrelevante Aspekte wie Nichtlinearitäten und Spitzenwertfaktor,
Synchronisation und Entzerrung
MIMO Übertragung (2 Versuche)
Lernziele und Kompetenzen:
The students
• describe the characteristics of real mobile radio channels,
• explain the principles of OFDM and MIMO transmission systems,
• implement equalization and adaptation procedures in Matlab,
• perform radio network simulations,
• learn to develop program code,
• work together in a small team.
Die Studierenden
• charakterisieren die Eigenschaften realer Mobilfunkkanäle,
• erklären die Funktionsweise von OFDM- und MIMO-Übertragungssystemen,
• implementieren Entzerrungs- und Adaptionsverfahren in Matlab,

UnivIS: 15.06.2022 18:14 361

 • führen Funknetzsimulationen durch,
• erlernen Programmcode eingeständig zu entwickeln,
• arbeiten zielorientiert in einem kleinen Team zusammen.
Literatur:
Skriptum zum Praktikum Mobilkommunikation

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "123#67#H", "Advanced Signal Processing & Commu-
nications Engineering (Master of Science)", "Berufspädagogik Technik (Master of Education)", "Communica-
tions and Multimedia Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Inge-
nieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)",
"Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikati-
onstechnik (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor
of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Laborpraktikum Mobilkommunikation (Prüfungsnummer: 76401)
(englische Bezeichnung: Mobile Communications Laboratory)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Es sind 8 Versuche sowie eine Einführung in Matlab zu absolvieren. Diese sind in den Kursunterlagen
beschrieben. Jeder Versuch ist zu Hause schriftlich vorzubereiten. Die Vorbereitung wird zu Beginn
eines jeden Versuchs überprüft und bewertet (ausreichend/nicht ausreichend). Die Ergebnisse ei-
nes jeden Versuchs sind während der Versuchsdurchführung auf den Versuchsrechnern vorzuhalten
(Programmieraufgaben) und werden zum Abschluss des Versuchs überprüft (ausreichend/nicht aus-
reichend). Messergebnisse sind schriftlich zu dokumentieren. Zum Bestehen des Praktikums sind 8
ausreichende Versuchsvorbereitungen und 8 ausreichende Versuchsdurchführungen notwendig.
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

1. Prüfer: Wolfgang Gerstacker (100255)

Organisatorisches:
Die Unterrichts- und Prüfungssprache (Deutsch oder Englisch) kann individuell vom einzelnen Studie-
renden gewählt werden.
Bemerkungen:
Auf Wunsch kann das Praktikum in englischer Sprache durchgeführt werden.

UnivIS: 15.06.2022 18:14 362

Modulbezeichnung: Praktikum Mikroelektronik (PR Mikro) 2.5 ECTS
(Laboratory on Microelectronics)
Modulverantwortliche/r: Tobias Dirnecker
Lehrende: Tobias Stolzke, u.a., Tobias Dirnecker
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum Mikroelektronik (SS 2022, Praktikum, 3 SWS, Anwesenheitspflicht, Julian Schwarz et al.)

Empfohlene Voraussetzungen:
• Studienrichtung Mikroelektronik im Bachelorstudium
• Absolvierung Modul Schaltungstechnik und Modul Digitaltechnik

Inhalt:
Ziel ist es, praktische Erfahrungen in den Bereichen Herstellungsverfahren und elektrische Charak-
terisierung, Simulation und Entwurf sowie der Anwendung von mikroelektronischen Bauelementen,
Schaltungen und Systemen zu erlangen.
Lernziele und Kompetenzen:
Die Studierenden
Fachkompetenz
Verstehen
verstehen Charakterisierungsmethoden und Herstellungsverfahren für Halbleiterbauelemente
stellen typische Werkzeuge und Verfahren für die Verifikation und den Entwurf mikroelektronischer
Bauelemente und Schaltungen dar
Anwenden
analysieren grundlegende Schaltungen
Lern- bzw. Methodenkompetenz
wenden Charakterisierungsmethoden und Herstellungsverfahren für Halbleiterbauelemente praktisch
an
erwerben praktische Erfahrungen mit typischen Werkzeugen und Verfahren für die Verifikation und
den Entwurf mikroelektronischer Bauelemente und Schaltungen
sind in der Lage typische Schaltungen aufzubauen
Literatur:
Vorbereitende Literatur für die Versuche:
• Praktikumsskripte
(Siehe StudOn-Kurs unter: [Link] im Bereich Angebote/5. Tech/ 5.2 EEI/Lehrstuhl für
Elektronische Bauelemente/Praktika/Praktikum Mikroelektronik)
Empfohlene begleitende Literatur:
• Tietze, Schenk: Halbleiterschaltungstechnik

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Elektrotechnik, Elektronik und Informationstechnik
(Bachelor of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 363

 Praktikum Mikroelektronik (Prüfungsnummer: 676551)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:

• Bestehen der Versuchsvortestate (Diskussion der Versuchsinhalte, ca. 45 Min, SL)

• Anfertigung von Versuchsprotokollen (Zusammenfassung der wesentlichen Ergebnisse der Vorbe-
sprechung und Versuchsdurchführung, Umfang ca. 10 Seiten, PL)

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Tobias Dirnecker (100278)

Organisatorisches:
Anmeldung via StudON, nur Studienrichtung Mikroelektronik im Bachelorstudium
Die Anwesenheit an den Versuchen ist verpflichtend, da der Kompetenzerwerb im Umgang mit Mess-
geräten und Software nur durch die Präsenz im Labor oder am entsprechenden Rechnerarbeitsplatz
mit Spezialsoftware erlangt werden kann.

UnivIS: 15.06.2022 18:14 364

Modulbezeichnung: Laborpraktikum Image and Video Compression (PrIVC) 2.5 ECTS
(Lab Course Image and Video Compression)
Modulverantwortliche/r: Christian Herglotz
Lehrende: Kristian Fischer
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Englisch
Lehrveranstaltungen:
The content of this lab course is closely connected to the lecture Image and Video Compression (IVC) (Link)
Laborpraktikum Image and Video Compression (SS 2022, Praktikum, 3 SWS, Anwesenheitspflicht,
Christian Herglotz et al.)

Empfohlene Voraussetzungen:
Das Praktikum Image and Video Compression wendet sich an Studierende aus den Studiengängen
EEI, IuK und CE, die die Vorlesung Bild- und Videocodierung (Image and Video Coding) im gleichen
Semester hören oder bereits gehört haben.
The lab course Image and Video Compression is suited for students from the field of study in EEI,
IuK, WIng, ASC, CME, and CE, who participate in the lecture Image and Video Compression in the
current summer semester or who have already attended the lecture.

Inhalt:
• Einführung in die Programmierumgebung MATLAB
• Realisierung der Verarbeitungsblöcke von Videocodern
• Aufbau eines Videocodecs und optionale Erweiterungen
• Durchführung eines subjektiven Vergleichs verschiedener Videocodecs
• Präsentation und kritische Beurteilung der Ergebnisse
Content
• Introduction to MATLAB
• Implementation of the single video codec processing blocks
• Integration into the video codec pipeline, tests, and extensions
• Participation in a subjective video test of selected implementations
• Presentation and discussion of the achieved results.
Lernziele und Kompetenzen:
Die Studierenden
• erzeugen ein funktionsfähiges Programmsystem mit der Programmierumgebung MATLAB,
• beurteilen die Funktionsblöcke von Video-Codern,
• gestalten ihren eigenen Videocodec und entwickeln dazu von ihnen selbst gewählte optionale Erwei-
terungen,
• bewerten die von ihnen realisierten Videocodecs durch einen subjektiven Vergleich,
• reflektieren den Lernprozess während des Praktikums.
Learning Targets and Skills:
The students
• create a fully functional program using the programming environment MATLAB,
• evaluate the processing blocks of a typical video codec,
• design their own video codec and enhance it by extensions of their choice,
• evaluate their implemented video codecs in a subjective comparison,
• reflect upon the methods conveyed during the laboratory.
Literatur:
Das Skriptum Praktikum Image and Video Compression wird in der Einführungsveranstaltung ausge-
geben.
The lab course notes will be distributed during the introductory meeting.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

UnivIS: 15.06.2022 18:14 365

 Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elek-
trotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und In-
formationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)", "Wirt-
schaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Laborpraktikum Image and Video Compression (Prüfungsnummer: 76511)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
The lab course comprises ten sessions of four hours plus two sessions of two hours, which include
7 work packages, a subjective test, and a final presentation. Each work package is described in
the lab course notes and consists of one or two sessions, the dates for which will be announced
before the registration opens. Besides, each work package requires a preparation in written form
and will be checked and reviewed (pass/fail) before the start of each session. During each of the
ten mandatory lab sessions, the students are required to work on programming tasks, which will be
reviewed at the end of each session (pass/fail). After these ten programming sessions, a working
video codec has to be handed in. Besides, the students have to participate a subjective test, where
the codec results are evaluated. In the last session, each video codec has to be presented by the
students. A certificate confirming the successful participation in the laboratory is received if all work
packages have been sufficiently prepared and implemented, if the results of all work packages have
been combined into a functional and running video codec which is suitable for subjective testing, if
the subjective video test has been participated in, and if the final video codec has been presented
during the final presentation.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: André Kaup (100219)

UnivIS: 15.06.2022 18:14 366

Modulbezeichnung: Praktikum Eingebettete Mikrocontroller-Systeme 2.5 ECTS
(semesterbegleitend) (PEMSY)
(Embedded Microcontroller systems Laboratory)
Modulverantwortliche/r: Albert Heuberger
Lehrende: Markus Hartmann, Sally Nafie
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum Eingebettete Mikrocontroller-Systeme (semesterbegleitend) (SS 2022, Praktikum, 3 SWS,
Sally Nafie)
Praktikum Eingebettete Mikrocontroller-Systeme (Blockpraktikum) (SS 2022, optional, Praktikum,
3 SWS, Sally Nafie)

Empfohlene Voraussetzungen:
• Die Beherrschung der Inhalte von Lehrveranstaltungen in einem ingenieurwissenschaftlichen Grund-
studium, die in die Grundlagen der Informatik und Elektrotechnik einführen
• Kenntnisse in der Programmiersprache C
• Grundverständnis von Boole’schen Operationen
• Englischkenntnisse
• Deutschkenntnisse

Inhalt:
Dieses Praktikum führt die Studierenden in das Gebiet der eingebetteten Mikrocontroller-Systeme
ein. Basierend auf dem Stoff der Vorlesungen Digitaltechnik, Schaltungstechnik und Systemprogram-
mierung bearbeiten die Teilnehmer/-innen eine Problemstellung, die mittels einer „Maschine“ gelöst
werden soll. Zusätzlich notwendiges Wissen wird vermittelt, damit diese „Maschine“ in 2er-Gruppen
weitgehend selbständig aufgebaut werden kann.
Verwendet wird eine vom Lehrstuhl selbst entwickelte Platine auf Basis des AVR ATmega32
mit einem LCD-Display und einem ISM-Funkmodul. Schrittweise erfolgt der Lötaufbau des USB-
Programmieradapters und der Hardware-Plattform mit Blick auf das zu realisierende Gesamtsystem.
Während die Programmiermodule immer umfangreicher werden, wird mit zunehmender Erfahrung der
Teilnehmer/-innen das System auf einem Lochrasterfeld durch eigene Schaltungen ergänzt und er-
weitert. Als Besonderheit darf die entwickelte „Maschine“ nach dem Ende des Praktikums von den
Teilnehmern behalten werden.
Programmiert wird konsequent in C (und Inline-Assembler) und verwendet werden ausschließlich frei
verfügbare Entwicklungshilfsmittel. Für einen kontinuierlichen Entwicklungsfortschritt im Zusammen-
spiel mit dem Hardwareaufbau ist es hierbei unerlässlich das bereits gewisse Erfahrungen in dieser
Programmiersprache bestehen.
Nach Abschluss des Praktikums sind die Teilnehmer/-innen in der Lage ein Mikrocontroller-System für
den Einsatz in einem Mess- oder Steuerungsprojekt aufzubauen, effektiv zu programmieren und Daten
über eine Kurzstreckenfunkübertragung auszutauschen.
Lernziele und Kompetenzen:
Nach der Teilnahme an der Modulveranstaltung "PEMSY“ sind die Studierenden in der Lage die Kon-
zepte und Verfahren der Mikrocontroller-Programmierung anzuwenden. Die Studenten lernen dabei
eigene Software für Mikrocontroller zu entwickeln. Sie lernen die Funktionsweise und den Einsatzzweck
diverser Komponenten wie z.B. Strukturelemente und On-Chip-Peripherie am Beispiel des Mikrocon-
trollers ATmega32 zu verstehen. Dabei analysieren sie deren Zeitverhalten, entwickeln Methoden zum
Anschluss von Peripherie-Elementen und bewerten Wechselwirkungen zwischen Hard- und Software.
Die Studierenden sind weiterhin nach der Veranstaltung in der Lage, eine Entwicklungsumgebung für
Mikrocontroller anzuwenden, sie lernen folgende Aspekte zu verstehen:
• Software-Entwicklung unter Linux

UnivIS: 15.06.2022 18:14 367

 • Erzeugung von lauffähigem Code auf einem Mikrocontroller
• Übertragung von Binärcode zum Mikrocontroller
Im Rahmen des Aufbaus zweier Platinen werden zusätzlich folgende Inhalte vermittelt:
• Löten an bedrahteten Bauelementen
• Aufbau von einer Programmieradapterschaltung
• Aufbau von einer Entwicklungsplattform mit integriertem Mikrocontroller und LCD-Display
• Systematische Fehlersuche
Durch die verwendeten Hard- und Software-Komponenten und generell gültigen Methodiken im Prakti-
kum sind die erlernten Inhalte auch auf andere Mikrocontroller-Architekturen und Entwicklungssysteme
übertragbar. Durch die Aufgabenstellungen des Praktikums sind die Studenten später in der Lage, fol-
gende Kommunikationsschnittstellen zu verstehen und eigene Treiber dafür zu entwickeln:
• Serielle synchrone Datenübertragung (SPI)
• serielle asynchrone Datenübertragung (UART)
• parallele bidirektionale Datenübertragung über einen Bus
Weiterhin sind die Studenten nach dem Praktikum in der Lage folgende Kommunikationsprotokolle
anzuwenden:
• Befehlssatz des LCD Controllers HD44780
• Befehlssatz eines ISM Funkmoduls
Literatur:
• Kernighan / Ritchie: The C Programming Language
• [Link]

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufs-
pädagogik Technik (Master of Education)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informatik (Master of
Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunika-
tionstechnik (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor
of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Laborpraktikum Eingebettete Mikrocontroller-Systeme (PEMSY) (Prüfungsnummer: 75301)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Praktikums-Aufgabenstellung lesen Praktikums-Unterlagen durcharbeiten Abschlusspräsentation mit
Demonstration (10 Min.)

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

1. Prüfer: Albert Heuberger (100228)

Organisatorisches:
WS und SS, 1x semesterbegleitend in der Vorlesungszeit, 1x in der vorlesungsfreien Zeit als Block-
praktikum
Das Praktikum findet in Präsenz statt unter Einhaltung der Hygiene- und Abstandsregeln

UnivIS: 15.06.2022 18:14 368

Modulbezeichnung: Praktikum Hochfrequenztechnik/Mikrowellentechnik 2.5 ECTS
2 (HFSSPr)
(Laboratory: Microwave Engineering 2)
Modulverantwortliche/r: Jan Schür
Lehrende: u. Mitarbeiter, Jan Schür
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum HF-Schaltungen und Systeme (SS 2022, Praktikum, 3 SWS, Jan Schür)

Empfohlene Voraussetzungen:
• Hochfrequenztechnik
• HF-Schaltungen und Systeme (Praktikum vorlesungsbegleitend)
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Hochfrequenztechnik

Inhalt:
Theoretisch erworbene Kenntnisse, z.B. aus der Vorlesung Hochfrequenztechnik 2, zu HF-Messtechnik,
aktiven HF-Bauteilen und HF-Simulationstechnik werden durch vorlesungsbegleitende Experimente im
Praktikum vertieft. In Kleingruppen zu 2-3 Studierenden werden acht Versuche zu folgenden Themen
der Hochfrequenz- und Mikrowellentechnik durchgeführt:
• Hochfrequenzverstärker
• Mischer und Frequenzvervielfacher
• Hochfrequenzoszillatoren
• Rechnergestützter HF-Schaltungsentwurf
• 3D-Feldsimulation von HF-Komponenten
• Antennenentwurf
• Verstärkerentwurf
• Satellitenfunk
Derartige Systeme werden eingesetzt z.B. für Radaranwendungen, in einer Vielzahl von draht-
losen Kommunikationsanwendungen, im Automobilbereich und im industriellen Umfeld der HF-
Messgeräteentwicklung und Materialcharakterisierung. Durch das Praktikum erhalten die Studierenden
einen praktischen Einblick in die wichtigsten Arbeitsgebiete der Hochfrequenz- und Mikrowellentechnik.
Lernziele und Kompetenzen:
Die Studierenden
• können theoretisch erworbene Kenntnisse, z.B. aus der Vorlesung Hochfrequenztechnik 2, zu HF-
Messtechnik, aktiven HF-Bauteilen und HF-Simulationstechnik durch vorlesungsbegleitende Experi-
mente analysieren und evaluieren.
• können modernste HF-Messtechnik und Simulationssoftware anwenden und Ergebnisse vergleichen.
• sind in der Lage, wichtige Bauelemente wie z. B. Oszillatoren und Verstärker einzusetzen und zu
analysieren
• evaluieren die technische und wissenschaftliche Bedeutung aktiver HF-Geräte in der Praxis.
Sie sind damit in der Lage, komplexe HF-Systeme in der Praxis zu erschaffen und zu dimensionieren,
die als Voraussetzung für viele Anwendungen in Wissenschaft und Technik gelten.
Literatur:
Zinke, O., Brunswig, H., Hochfrequenztechnik 1, Springer Verlag, Berlin, 1999
Meinke, H. H., Grundlach, F.-W., Taschenbuch der Hochfrequenztechnik, Springer Verlag, Berlin, 1992

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum

UnivIS: 15.06.2022 18:14 369

 oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Master of Science)",
"Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Hochfrequenztechnik/Mikrowellentechnik 2 (Prüfungsnummer: 631385)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Durchführung der Laborversuche (60%), Auswertung der Versuchsergebnisse (20%) und Dokumen-
tation (20%)

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Martin Vossiek (100284)

Organisatorisches:
Siehe UniVIS-Eintrag der zugeordneten Lehrveranstaltungen!

UnivIS: 15.06.2022 18:14 370

Modulbezeichnung: Praktikum Lasertechnik (LTPrak) 2.5 ECTS
(Lab Course Laser Technology)
Modulverantwortliche/r: Tobias Staudt
Lehrende: Richard Rothfelder, Tobias Staudt
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 20 Std. Eigenstudium: 55 Std. Sprache: Deutsch
Lehrveranstaltungen:
Masterpraktikum Lasertechnik (SS 2022, Praktikum, 2 SWS, Anwesenheitspflicht, Richard Rothfelder
et al.)

Inhalt:
Das Lasertechnische Praktikum umfasst verschiedene Experimente aus dem Bereich der Lasermateri-
albearbeitung. Es soll theoretische Kenntnisse in Lasertechnik und laserbasierten Prozessen vermitteln
und diese in interessanten Versuchen mit Praxiserfahrung untermauern. Jeder Studierende nimmt an
fünf Terminen teil: Einer Kurzvorlesung, in der Grundlagen der Laserbearbeitung erklärt bzw. wie-
derholt werden und vier praktischen Versuchen. Die einzelnen Versuche sind konsekutiv und bauen
aufeinander auf:
• Lasertechnische Grundlagen (Vorlesung)
• Diodengepumpte Festkörperlaser
• Simulation von Laserprozessen
• Laserbasierte Additive Fertigung
• Sensorik in der Laserbearbeitung
• Optische Kohärenztomografie
Lernziele und Kompetenzen:
Die Studierenden...
• können Probleme welche beim Einsatz der Laserstrahlung in der Praxis auftreten zusammenfassen
• können darstellen welche Prozessparameter in der realen Anwendung zu welchen Ergebnissen führen
• können beschreiben wie ein Lasermaterialbearbeitungsprozess simuliert werden kann
• kennen Sicherheitsvorkehrungen welche beim Einsatz von Laserstrahlung beachtet werden müssen
• können die Anwendung ultrakurzer Laserpulse in der Praxis erläutern

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Informations- und Kommunikationstechnik (Master of Science)", "Maschinenbau (Master of Science)", "Me-
chatronik (Master of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Lasertechnik (Prüfungsnummer: 48931)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:

• Zum Bestehen müssen 4 Praktikumsberichte verfasst und diese abgenommen worden sein.
• Die Struktur der Berichte und die Berichtslänge (5 - 15 DIN A4 Seiten) ist je nach Versuch und
Gruppe unterschiedlich.

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Michael Schmidt (100638), 2. Prüfer: Florian Klämpfl (100626)

UnivIS: 15.06.2022 18:14 371

UnivIS: 15.06.2022 18:14 372
Modulbezeichnung: Praktikum Photonik/Lasertechnik 1 (PR Pho 1) 2.5 ECTS
(Photonics 1 Laboratory)
Modulverantwortliche/r: Bernhard Schmauss
Lehrende: Rainer Engelbrecht
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum Photonik/Lasertechnik 1 (WS 2021/2022, Praktikum, 3 SWS, Jasper Podschus et al.)

Empfohlene Voraussetzungen:
Voraussetzung: Photonik 1, kann auch parallel gehört werden.

Inhalt:
In kleinen Gruppen zu 2-3 Studierenden werden zehn Versuche zu folgenden Themen der Lasertechnik
und Photonik durchgeführt:
• Geometrische Optik - Fresnelgesetze - Chromatische Aberration
• Kohärente Optik - Beugung - Optische 2D-Fouriertransformation - Raumfilterung
• HeNe-Laser - Aktives Medium - Anschwingbedingung - Spektrum
• Gaußstrahl - TEM00 - Abbildung durch Linsen
• Laser-Resonatoren - g-Parameter - Stabilitätsbereich
• Strahlqualität - Multimode-Laser - Strahlparameterprodukt - Strahlprofil-Kamera
• CO2-Laser - Gitterabstimmung - Spektrallinien - Materialbearbeitung
• Laserdioden - FP,DFB,LED - Kennlinien - Abstrahlung - Spektrum
• Faseroptik - Fasertypen - Moden - Dämpfung
• Singlemodefasern - Fusionsspleißen - Laser einkoppeln
Durch das Praktikum können theoretisch erworbene Kenntnisse, z.B. aus der Vorlesung Photonik 1,
zu Lasern und Photonik durch vorlesungsbegleitende Experimente vertieft werden. Dies ist die Voraus-
setzung, um grundlegende laserbasierte Systeme in der Praxis einzusetzen, für viele Anwendungen in
Wissenschaft und Technik. Derartige Systeme werden eingesetzt z.B. für die Präzisionsmesstechnik,
in der industriellen Materialbearbeitung, in der Bioanalytik, für die Medizintechnik, in Geräten der
Unterhaltungselektronik oder in der optischen Nachrichtentechnik.
Lernziele und Kompetenzen:
Die Studierenden
• verstehen aufgrund praktischer Experimente Aufbau und Funktion grundlegender optischer, faser-
optischer und photonischer Komponenten
• können die genannten Komponenten und Systeme sowie Laser anwendungsnah handhaben und
anwenden.
• können photonische Messmethoden in der Praxis erproben und charakterisieren.
• können durch praktische Erfahrung Eigenschaften unterschiedlicher Lichtwellenleiter und Laser ver-
gleichen und einschätzen.
Literatur:
Eichler, J., Eichler, H.J: Laser. 7. Auflage, Springer Verlag, Berlin 2010.
Reider, G.A.: Photonik. 3. Auflage, Springer Verlag, Berlin 2012.
Bergmann, Schäfer: Lehrbuch der Experimentalphysik, Bd.3: Optik. DeGruyter 2004.
Saleh, B., Teich, M.C.: Grundlagen der Photonik. 2. Auflage, Wiley-VCH 2008.
Träger, F. (Editor): Springer Handbook of Lasers and Optics, 2. Auflage, Springer Verlag, Berlin 2012.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

UnivIS: 15.06.2022 18:14 373

 Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Berufspäd-
agogik Technik (Master of Education)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Ba-
chelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotech-
nik, Elektronik und Informationstechnik (Master of Science)", "Informatik (Master of Science)", "Informations-
und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Photonik/Lasertechnik 1 (Prüfungsnummer: 242643)
(englische Bezeichnung: Photonics 1 Laboratory)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Durchführung der Laborversuche (60%), Auswertung der Versuchsergebnisse (20%) und Dokumen-
tation (20%)

Erstablegung: WS 2021/2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Bernhard Schmauss (100256)

UnivIS: 15.06.2022 18:14 374

Modulbezeichnung: Software Engineering in der Praxis (SWE-Prak-IuK) 2.5 ECTS
(Software Engineering in Practice)
Modulverantwortliche/r: Francesca Saglietti
Lehrende: Loui Al Sardy, Xiaochen Wu
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache:
Lehrveranstaltungen:
Software Engineering in der Praxis (SS 2022, Übung, 3 SWS, Xiaochen Wu et al.)

Inhalt:
In den praktischen Übungen werden Werkzeuge zur Entwicklung und zur Analyse komplexer Software
vorgestellt, deren industrielle Einsetzbarkeit anschließend von den Teilnehmern anhand für die Praxis
repräsentativer Aufgabenstellungen erprobt wird.
Lernziele und Kompetenzen:
Die Studierenden
• erläutern Potenzial und Grenzen unterschiedlicher Werkzeuge zur Unterstützung softwaretechnischer
Tätigkeiten;
• wenden unterschiedliche Werkzeuge an, um sowohl selbständig als auch in Teams Beispielaufgaben
aus dem Bereich der objektorientierten Analyse, des objektorientierten Entwurfs, des Testens, des
Beweisens und des Projektmanagements zu lösen;

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Informations- und Kommunikationstechnik (Bachelor
of Science)", "Informations- und Kommunikationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Software Engineering in der Praxis (Prüfungsnummer: 504407)
Studienleistung, Praktikumsleistung, Dauer (in Minuten): 60
weitere Erläuterungen:
Prüfung am Rechner über die im Praktikum erprobten Werkzeuge.

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Francesca Saglietti (100112)

UnivIS: 15.06.2022 18:14 375

Modulbezeichnung: Praktikum Roboternavigation (RoboNav-Pra) 2.5 ECTS
(Robot Navigation)
Modulverantwortliche/r: Jörn Thielecke
Lehrende: Adam Kalisz, Sebastian Kram
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum Roboternavigation (WS 2021/2022, Praktikum, 3 SWS, Adam Kalisz et al.)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen, geeignet für Masterstudium, der Besuch der Vorlesung Integrierte
Navigationssysteme, Multimediakommunikation und/oder einer Vorlesung zu Regelungstechnik ist hilf-
reich. Kenntnisse in Python sind erforderlich. Eine Kombination mit dem Seminar Roboternavigation
bietet sich an, ist aber nicht zwingend.

Inhalt:
1. Einstieg in ROS
• Einrichtung des Roboter Operating Systems der Open Source Robotics Foundation (OSRF) und
Einführung in das Betriebssystem (Linux Ubuntu in Virtual Box)
2. Sensoren: Laserscanner, Kamera und WLAN
• Kantendetektion mit Laserscanner (Tiefeninformation)
• Kantendetektion mit KinectKamera: OpenCV (Computer Vision)
• Navigation mit WLAN (Fingerprinting)
3. Sensordatenfusion: Kalman Filter
4. Robotersteuerung
• Autonom und durch Mensch-Maschine-Interaktion
• Bahnplanung
• Längs- und Querregelung
5. Integration der Komponenten zur Lösung einer Navigationsaufgabe
• Eine Ortungsaufgabe - Wettbewerb
• Transfer auf realen Roboter
Lernziele und Kompetenzen:
1. Die Studierenden entwickeln ein grundlegendes Verständnis, wie ein Roboter-Betriebssystem (ROS
- Robot Operating System, [Link]) aufgebaut sein kann. Die Studierenden setzen es für einfache
Navigationsaufgaben ein.
2. Die Studierenden entwickeln ein grundlegendes Verständnis, wie aus Sensordaten Merkmale extra-
hiert und mittels Sensorfusion zur Navigation eingesetzt werden.
3. Die Studierenden vollziehen nach, wie ein Roboter mittels Gestik gesteuert werden kann oder selbst
seine Bahn anhand einer Karte plant und dieser folgt.
4. Die Studierenden erlernen Grundkenntnisse in der Programmiersprache Python

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen
(Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 376

 Roboternavigation (Prüfungsnummer: 77101)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
unbenotet
Zu jedem der zehn Laborversuche werden die häusliche Vorbereitung, die Durchführung sowie die
Interpretation der Simulations- und Messergebnisse mit einem kleinen Fragenkatalog online geprüft.
Die Versuche werden in Zweiergruppen durchgeführt, notfalls in Einer- oder Dreiergruppen. Alle
Versuche müssen bestanden sein, ein nicht bestandener Versuch kann am Praktikumsende wiederholt
werden. Zum Bestehen eines Versuchs muss der Vorbereitungstest im StudOn bestanden werden,
sowie während des Versuchstermins ein im Skript für den jeweiligen Termin gesetzter Meilenstein
(Programmieraufgabe) erreicht werden. Wird der Meilenstein nicht erreicht, kann die Lösung zum
nächsten Termin nachgereicht werden.
Prüfungssprache: Deutsch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jörn Thielecke (100224)

Bemerkungen:
Demoprojekt: [Link]
Praktikums-Auftritt im StudOn: [Link]

UnivIS: 15.06.2022 18:14 377

Modulbezeichnung: Praktikum Communications Systems Design (P-CSD) 2.5 ECTS
(Lab Communications Systems Design)
Modulverantwortliche/r: Georg Fischer
Lehrende: Florian Irnstorfer, Arslan Ali
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Englisch
Lehrveranstaltungen:
Praktikum Communications Systems Design (WS 2021/2022, Praktikum, 2 SWS, Arslan Ali)

Inhalt:
Learning based on LabVIEW communications and NI USRP:
• Introduction to USRP including hardware blocks of Tx/Rx chains
• Getting familiar with LabVIEW communications environment and controlling VIs (Panel, diagram,
etc.) and fundamentals of LabVIEW programming: data types, arrays, flow control (for/while loop),
clusters, case structures, signal sources, sinks, signal processing tools, filters, time/ frequency domain
analysis, etc.
• Transmission and reception of analog modulation schemes: AM/DSB-SC and FM
• Implementation of digital modulation schemes: ASK, FSK, BPSK, QPSK, 16-QAM, etc.
• Digital Tx/Rx: symbol mapping, upsampling/downsampling, pulse shaping (rectangular, Gaussian,
RRC), matched filtering, pulse alignment, synchronization, and detection
• Phase synchronization, FDM and image rejection algorithm
• Eye diagram analysis: ISI, clock jitter, optimal sampling time, detection threshold
• Power control for over-the-air transmission in sub-6 GHz ISM bands and analysis on fading and
multipath propagation effects
• Channel estimation, equalization (decision directed, linear LS, adaptive LMS), modelling: coherence
bandwidth and propagation delay
Learning based on MATLAB and USRPs (Communications toolbox and SDR support packages):
• OFDM Tx/Rx with frequency domain equalization (FDE) and synchronization (training sequence
and frame detection)
• LTE downlink transmission (MIMO) including system information blocks (SIB) and spectrum analysis
including estimation/calibration of carrier frequency offset (CFO)
• Impairments/distortion analysis: ACPR, EVM tool: IQ offset errors, phase noise, PA nonlinearity,
etc.
Learning based on GNU Radio and RTL-SDR:
• Introduction to GNU Radio with RF prototyping demonstration
• Spectrum analyzer implementation: RBW, VBW, sweep time, and phase noise
• Small Project/assignment for students
Lernziele und Kompetenzen:
Students
• Can bridge the gap between communications theory, analog/digital baseband, and RF design
• Can develop quick and flexible prototypes for real-time communications systems and standards using
SDR solutions
• Can determine the design parameters and assess the interaction between various analog and digital
parts
• Can create efficient Tx/Rx programs and signal processing algorithms in LabVIEW, MATLAB, and
GNU Radio
• Can implement channel estimation and equalization algorithms in TDD and FDD systems
• Can demonstrate MIMO and OFDM based systems like LTE and beyond

UnivIS: 15.06.2022 18:14 378

 • Can quantify and evaluate system performance using EVM and impairments analysis

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications Engi-
neering (Master of Science)", "Communications and Multimedia Engineering (Master of Science)", "Elektro-
technik, Elektronik und Informationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Communications Systems Design (Prüfungsnummer: 23561)
Prüfungsleistung, Praktikumsleistung
Anteil an der Berechnung der Modulnote: 100%

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Georg Fischer (100226)

UnivIS: 15.06.2022 18:14 379

Modulbezeichnung: Advanced Seminar on Medical Electronics and Systems for 2.5 ECTS
Ambient Assisted Living AAL (SEM MELAAL)
(Advanced Seminar on Medical Electronics and Systems for
Ambient Assisted Living AAL)
Modulverantwortliche/r: Benedict Scheiner
Lehrende: Benedict Scheiner
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 15 Std. Eigenstudium: 60 Std. Sprache: Englisch
Lehrveranstaltungen:
Advanced Seminar on Medical Electronics and Systems for Ambient Assisted Living AAL (SS 2022,
Seminar, Anwesenheitspflicht, Benedict Scheiner)

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Medizinelektronik

Inhalt:
During the seminar current issues in the field of "Modern concepts in medical electronics" will be
discussed. After a joint briefing the students will independently work on the chosen topic under the
guidance of a supervisor. The results are summarized in a four-page seminar thesis. The main task of
the seminar is a 30 minute presentation of each student. A discussion with the listeners concludes the
seminar. Attendance during the whole workshop day is mandatory for passing the seminar.
Topics:
• Electronics for medical diagnostics and therapy
• Electronics based human assistance systems
• Electronic systems for AAL Ambient Assisted Living
• Electronical Systems incorporating Microsystem Components (MEMS)
• BAN body area networks
• Coupling of medical electronic systems to Patient health record data bases
• Near body Energy Harvesting and Scavenging
• Circuit design for microwave based blood analysis
• MEMS Lab-on-chip
• Vital parameter supervision
Lernziele und Kompetenzen:
• Students will acquire basic knowledge in research, topics preparation and presentation techniques.
• Students will focus on technical issues for a given topic in the field of medical electronics.
• Students will independently deepen a technical issue on a concrete example.
• Students will learn the ability to familiarize themselves with unknown problems and to present the
results.
• Students will achive the ability to formulate questions as a active listener and to discuss technical
issues.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

UnivIS: 15.06.2022 18:14 380

Studien-/Prüfungsleistungen:
Advanced Seminar on Medical Electronics and Systems for Ambient Assisted Living AAL (Prüfungs-
nummer: 750143)
(englische Bezeichnung: Advanced Seminar on Medical Electronics and Systems for Ambient Assisted Living AAL)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:

• Seminar thesis (3-4 pages, similiar to IEEE publication): 20-30%

• Presentation (30 minutes): 60-70%
• Discussion (15 minutes): 10%
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

1. Prüfer: Georg Fischer (100226)

Bemerkungen:
Registration and Topics via studon

UnivIS: 15.06.2022 18:14 381

Modulbezeichnung: Laborpraktikum Statistische Signalverarbeitung (PrSTASIP) 2.5 ECTS
(Lab Course Statistical Signal Processing)
Modulverantwortliche/r: Walter Kellermann
Lehrende: Annika Briegleb
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Englisch
Lehrveranstaltungen:
Lab Course Statistical Signal Processing (WS 2021/2022, Praktikum, Anwesenheitspflicht, Annika
Briegleb)

Inhalt:
After an introduction to scientific programming with Python, experiments and exercises related to the
following topics are carried out during the laboratory course:
• Fundamental properties of random variables and stochastic processes
• Properties of correlations matrices, Principal Component Analysis (PCA), KLT
• Parametric and non-parametric linear signal models
• MMSE signal estimation
• Kalman filtering with applications to source tracking
• Optimum multichannel filtering
• Introduction to adaptive filtering.
In the second phase of the lab course, the students will work in small project teams on relevant research
problems.
Nach einer Einführung in den Gebrauch der Programmiersprache Python werden Experimente und
Übungen zu folgenden Themen der Statistischen Signalverarbeitung durchgeführt:
• Grundlegende Eigenschaften von Zufallsvariablen und stochastischer Prozesse
• Eigenschaften von Korrelationsmatrizen, Hauptachsentransformation, KLT
• Parametrische und nicht-parametrische lineare Signalmodelle
• MMSE-Signalschätzung
• Kalman-Filterung mit Anwendungen zur Signalquellenverfolgung
• Optimale Mehrkanalfilterung,
• Einführung in die adaptive Filterung.
In der zweiten Phase des Praktikums werden die Studenten in kleinen Projektgruppen (max. 3 Studen-
ten) selbstständig eine forschungsrelevante Problemstellung analysieren und mögliche Lösungssansätze
erarbeiten, implementieren und evaluieren.
Lernziele und Kompetenzen:
The students
• implement Python codes to solve described problems and apply their collected knowledge,
• analyze, evaluate and discuss the implemented algorithms,
• familiarize themselves with the necessary steps to implement theoretical models,
• reflect their learning progress during the laboratory.
Die Studenten
• verfassen Python-Programme zu den einzelnen vorgezeichneten Experimenten und wenden damit
das in Vorlesung und Übung erworbene Wissen an,
• analysieren und evaluieren implementierte Algorithmen,
• erlernen die notwendigen Schritte zur praktischen Umsetzung von theoretischen Modellen,
• reflektieren ihren eigenen Lernprozess während des Praktikums.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

UnivIS: 15.06.2022 18:14 382

 [1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Signal Processing & Communications En-
gineering (Master of Science)", "Berufspädagogik Technik (Master of Education)", "Communications and
Multimedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor
of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Laborpraktikum Statistische Signalverarbeitung (Prüfungsnummer: 75351)
(englische Bezeichnung: Lab Course Statistical Signal Processing)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Erfolgreiche Teilnahme an allen fünf Versuchen und Abschluss des Projekts mit einer Ausarbeitung
von ca. 4-5 Seiten.
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: keine Angabe

1. Prüfer: Walter Kellermann (100247)

UnivIS: 15.06.2022 18:14 383

Modulbezeichnung: Praktikum Photonik/Lasertechnik 2 (PR Pho 2) 2.5 ECTS
(Photonics 2 Lab Course)
Modulverantwortliche/r: Bernhard Schmauss
Lehrende: Christian Carlowitz, Bernhard Schmauss
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 45 Std. Eigenstudium: 30 Std. Sprache: Deutsch
Lehrveranstaltungen:
Praktikum Photonik/Lasertechnik 2 (SS 2022, Praktikum, 2 SWS, Jasper Podschus et al.)

Empfohlene Voraussetzungen:
• Photonik 1
• Photonik 2 (kann vorlesungsbegleitend besucht werden)
Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:
Photonik 1

Inhalt:
In kleinen Gruppen zu 2-3 Studierenden werden acht Versuche zu folgenden Themen der Lasertechnik
und Photonik durchgeführt:
• Polarisation - Doppelbrechung - Jones-Matrizen
• Zeitliche Kohärenz - Michelson-Interferometer - Linienbreiten
• Räumliche Kohärenz - Beugung - Doppelspalt
• Leistungs-Laserdiode - Kennlinie - Wellenlängenabstimmung
• Lichtwellenmesstechnik - Wavemeter - OSA
• EDFA - Erbium-dotierter Faserverstärker - Faser-Laser
• Nd:YAG-Laser - Kennlinien - Resonator - Stabilität
• Dynamik im Laser - Q-Switch - Spiking - Sättigbarer Absorber
Anhand der Versuche wird gelernt, moderne und komplexe laserbasierte Systeme in der Praxis ein-
zusetzen, als Voraussetzung für viele Anwendungen in Wissenschaft und Technik. Derartige Systeme
werden eingesetzt z.B. für die Präzisionsmesstechnik, in der industriellen Materialbearbeitung, in der
Bioanalytik, für die Medizintechnik, in Geräten der Unterhaltungselektronik oder in der optischen
Nachrichtentechnik.
Lernziele und Kompetenzen:
Die Studierenden
• vertiefen ihre wissenschaftlichen Kenntnisse im Bereich der komplexer photonischer Systeme durch
praktische Experimente.
• können fortgeschrittene technische und wissenschaftliche Experimente im Bereich Photonik / La-
sertechnik selbstständig und in kooperativen Gruppen planen, durchführen und reflektieren.
• können Sachverhalte und Ergebnisse der im Inhalt beschriebenen Experimente bewerten und ver-
gleichen.
• sind in der Lage, eigenständig Ideen zur Lösung komplexer technisch-wissenschaftlicher Messaufga-
ben im Bereich der Photonik und Lasertechnik zu entwickeln.
Literatur:
Träger, F. (Ed.): Handbook of Lasers and Optics, Springer Verlag, Berlin 2007.
Eichler/Eichler: Laser. Springer Verlag, Berlin 2006.
Reider, G.A.: Photonik. Springer Verlag, Berlin 2003.
Bergmann, Schäfer: Lehrbuch der Experimentalphysik, Bd.3: Optik. DeGruyter 1993.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Praktikum
oder Projektarbeit)

UnivIS: 15.06.2022 18:14 384

 Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)", "Com-
putational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Elektrotechnik, Elektronik
und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master
of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Praktikum Photonik/Lasertechnik 2 (Prüfungsnummer: 508483)
(englische Bezeichnung: Photonics 2 Lab Course)
Studienleistung, Praktikumsleistung
weitere Erläuterungen:
Vorbereitung und Vorbesprechung der Versuche (40 %), Durchführung der Laborversuche (50 %),
Anfertigung einer ausführlichen Versuchsdokumentation und -Auswertung (Umfang ca. 10 Seiten)
zu einem festgelegten Versuch (10 %)

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Bernhard Schmauss (100256)

Organisatorisches:
Siehe UniVIS-Eintrag der zugeordneten Lehrveranstaltungen!

UnivIS: 15.06.2022 18:14 385

Modulbezeichnung: Hauptseminar Software Engineering (Sem-SWE) 2.5 ECTS
(Seminar Software Engineering)
Modulverantwortliche/r: Francesca Saglietti
Lehrende: Marc Spisländer, Loui Al Sardy
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Design Patterns und Anti-Patterns (SS 2022, Seminar, 2 SWS, Anwesenheitspflicht, Marc Spisländer
et al.)

Inhalt:
In diesem Seminar werden zahlreiche in der Praxis bewährte Entwurfsmuster präsentiert, sowie typische
Fehler, die während des gesamten Lebenszyklus’ eines Software-Systems auftreten können, zusammen
mit ihrer Erkennung und Behebung vorgestellt.
Lernziele und Kompetenzen:
Die Studierenden
• erläutern etablierte Design Patterns sowie bekannte Anti-Patterns;
• klassifizieren sie und charakterisieren deren Stärken und Schwächen bzw. Negativfolgen;
• tragen vor Publikum über wissenschaftliche Ergebnisse vor;
• recherchieren selbständig Fachliteratur;
• fassen wissenschaftliche Erkenntnisse in Schriftform zusammen;
• nutzen Verbesserungshinweise des Betreuers zur Analyse eigener Stärken und Schwächen und leiten
daraus Konsequenzen für ihr künftiges Lern-Handeln ab;
• können komplexe fachbezogene Inhalte klar und zielgruppengerecht präsentieren und argumentativ
vertreten.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Informations- und Kommunikationstechnik (Bachelor
of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Mündl. Prüfung zum Seminar Design Patterns und Anti-Patterns (Prüfungsnummer: 45952)
Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 15
Anteil an der Berechnung der Modulnote: 50% Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Francesca Saglietti (100112)

Vortrag zum Seminar Design Patterns und Anti-Patterns (Prüfungsnummer: 45951)

Prüfungsleistung, Seminarleistung, Dauer (in Minuten): 45
Anteil an der Berechnung der Modulnote: 50%
weitere Erläuterungen:
Die Prüfungsleistung besteht aus einem 45-minütigen Vortrag.
Prüfungssprache: Deutsch und Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Francesca Saglietti (100112)

UnivIS: 15.06.2022 18:14 386

Modulbezeichnung: Seminar Machine Learning and Data Analytics for Industry 5 ECTS
4.0 (SemMLDA)
(Seminar Machine Learning and Data Analytics for Industry 4.0)
Modulverantwortliche/r: An Nguyen
Lehrende: An Nguyen, Björn Eskofier, Johannes Roider, Christoph Scholl
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Englisch
Lehrveranstaltungen:
Maschinelles Lernen und Datenanalytik für Industrie 4.0 (SS 2022, Seminar, 2 SWS, Björn Eskofier et
al.)

Inhalt:
Contents
Companies in all kinds of industries are producing and collecting rapidly more and more data from
various sources. This is enabled by technologies such as the Internet of Things (IoT), Cyber-physical
system (CPS) and cloud computing. Hence there is an increasing demand in industry and research for
students and graduates with machine learning and data analytics skills in the Industry 4.0 context.
In this Seminar the Industry 4.0 term will include adjacent fields like the medical device or the auto-
motive sector. Aim of this seminar is to give students insights about state-of-the-art machine learning
and data analytics methods and applications in Industry 4.0 and adjacent fields. Students will mainly
work independently on either a implementation centric or a research centric topic. The implementati-
on centric topics will focus primarily on the implementation of algorithms and analytical components,
while the research centric topic will focus on researching and structuring literature on a specific field
of interest. Several potential topics will be provided but students are also encouraged to propose their
own topics (please discuss with teaching staff beforehand).
Topics covered will include but are not limited to:
• Best practices for presentation and scientific work
• Brief overview of current hot topics in the field of machine learning and data analytics for Industry
4.0 (e.g. deep learning for predictive maintenance and process mining for usage analysis)
• Data acquisition (what kind of data can be acquired? Identification of publicly available data sets)
and storage (how can data be stored efficiently?)
• Machine learning and data analytics methodologies (Support vector machines, Hidden Markov mo-
dels, Deep learning, Process mining, etc.) for industrial data (sensor data, event logs, ...)
The seminar will include talks by corresponding lecturer and invited experts in the domain. Furthermore,
students will present results from literature research and data analytics projects (provided or open
source datasets).
Lernziele und Kompetenzen:
Learning Objectives and Competencies
• Students will develop an understanding of the current hot field of machine learning and data analytics
for Industry 4.0 / healthcare
• Students will learn to research and present a topic within the context of machine learning and data
analytics for Industry 4.0 / healthcare independently
• Students will learn to identify opportunities, challenges and limitations of corresponding ML approa-
ches for Industry 4.0 / healthcare
• Students will develop the skill to identify and understand relevant literature and to present their
finding in a structured manner
• Students will learn to present implementation and validation results in form of a demonstration
and/or report
Literatur:
Literature (Selection)

UnivIS: 15.06.2022 18:14 387

 • Lei, Yaguo, Naipeng Li, Liang Guo, Ningbo Li, Tao Yan, and Jing Lin. “Machinery Health Progno-
stics: A Systematic Review from Data Acquisition to RUL Prediction." Mechanical Systems and
Signal Processing 104 (May 2018): 799 - 834.[Link]
• Rojas, Eric, Jorge Munoz-Gama, Marcos Sepúlveda, and Daniel Capurro. “Process Mining in He-
althcare: A Literature Review." Journal of Biomedical Informatics 61 (June 1, 2016): 224 - 36.
[Link]
• Wil M. P. van der Aalst. „Process Mining: Data Science in Action" 2nd edition, Springer 2016. ISBN
978-3-662-49851-4
• Wang, Lihui, and Xi Vincent Wang. Cloud-Based Cyber-Physical Systems in Manufacturing. Cham:
Springer International Publishing, 2018. [Link]
• Wil M. P. van der Aalst. „Process Mining: Data Science in Action" 2nd edition, Springer 2016.
ISBN 978-3-662-49851-4
• Wang, Lihui, and Xi Vincent Wang. Cloud-Based Cyber-Physical Systems in Manufacturing. Cham:
Springer International Publishing, 2018. [Link]

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Advanced Optical Technologies (Master of Science)",
"Artificial Intelligence (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Bachelor of Science)", "Data Science (Bachelor of Science)", "Data Science (Master of Science)", "Infor-
matik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of Science)", "Informatik (Master of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Medizintechnik (Master of Science)" ver-
wendbar.

Studien-/Prüfungsleistungen:
Seminar Machine Learning and Data Analytics for Industry 4.0 (Prüfungsnummer: 903776)
(englische Bezeichnung: Seminar Machine Learning and Data Analytics for Industry 4.0)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Final presentation with demo (20 minutes + 5 minutes discussion, 50% of grade) and paper according
to IEEE standards (4 pages excluding references, 50% of the grade)

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Björn Eskofier (100122)

Organisatorisches:
Registration via e-mail to [Link]@[Link]

UnivIS: 15.06.2022 18:14 388

Modulbezeichnung: Seminar Ausgewählte Kapitel der Nachrichtentechnik (Sem 2.5 ECTS
NT)
(Selected Topics in Communications)
Modulverantwortliche/r: Robert Schober, Wolfgang Gerstacker
Lehrende: Robert Schober, Wolfgang Gerstacker
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 15 Std. Eigenstudium: 60 Std. Sprache: Englisch
Lehrveranstaltungen:
Seminar Ausgewählte Kapitel der Nachrichtentechnik (WS 2021/2022, Hauptseminar, 2 SWS, Anwe-
senheitspflicht, Robert Schober et al.)

Inhalt:
In diesem Seminar werden aktuelle Themen innerhalb eines wechselnden Schwerpunkts im Bereich der
Nachrichtentechnik bzw. drahtlosen Kommunikation bearbeitet und präsentiert.
–
In this seminar, current topics in the field of telecommunications and wireless communication are
presented by students.
Lernziele und Kompetenzen:
Die Studierenden
• erlernen grundlegende Techniken der Recherche, Themenaufbereitung und Präsentation technischer
Inhalte und wenden diese an
• analysieren und evaluieren gegebene Literatur im Hinblick auf die Schwerpunkte ihres Vortrags zu
einem technischen Thema
• wenden ihr bisher im Studium erworbenes Wissen an, um davon ausgehend eigenständig einen
technischen Schwerpunkt zu vertiefen
• wenden ihr bisheriges Wissen an, um als Zuhörer sinnvolle Fragen zu einem Vortragsthema zu
formulieren und das Präsentierte zu diskutieren
• analysieren und evaluieren die Präsentationen der anderen Seminarteilnehmer.
–
The students
• learn basic techniques of research, topic preparation and presentation of technical content and apply
them
• analyze and evaluate given literature with regard to the focus of a talk on a technical topic
• apply the knowledge they have acquired during their studies to independently deepen their technical
focus
• apply their previous knowledge to formulate meaningful questions as a listener on a talk and to
discuss what is presented
• analyze and evaluate the presentations of the other seminar participants.
Literatur:
• Unterlagen zu den Modulen Digitale Übertragung, MIMO Communication Systems, Convex Opti-
mization in Communications and Signal Processing
• Informationen zur Literatursuche und zu Präsentationstechniken
• Muster von Ausarbeitungen und Präsentationsfolien
• Technische Literatur im Themengebiet

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Communications and Multimedia Engineering (Mas-
ter of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik,

UnivIS: 15.06.2022 18:14 389

 Elektronik und Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Bache-
lor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Ausgewählte Kapitel der Nachrichtentechnik (Prüfungsnummer: 775681)
(englische Bezeichnung: Selected Areas in Communications)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
ca. halbstündiger Vortrag (60%), Ausarbeitung im Umfang von 10-15 Seiten (vergleichbar IEEE
Paper zweispaltig, 30%), aktive Teilnahme an der Diskussion anderer Vorträge (10%)
Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: keine Angabe

1. Prüfer: Robert Schober (100229), 2. Prüfer: Wolfgang Gerstacker (100255)

Organisatorisches:
• Die Themen werden unter Anleitung eines/r Betreuers/in eigenständig im Hinblick auf eine Präsen-
tation in Vortragsform erarbeitet.
• Studierende haben die Möglichkeit sich aktiv an der Formulierung des Vortragsthemas zu beteiligen.
• Themen werden bei einer Vorbesprechung zu Beginn des Semesters vergeben.
• Eine kurze Präsentation der Struktur und erster Ergebnisse erfolgt etwa 5 Wochen nach der Vorbe-
sprechung.
• Gegen Ende des Vorlesungszeitraums hält jede/r Studierende einen ca. 30-minütigen Vortrag mit
anschließender 15-minütiger Diskussion.
• Vor den Beiträgen der Studierenden erfolgt eine Einführung zur Vortragstechnik durch Mitarbeiter
des Lehrstuhls.
• Es wird eine ca. 10-15-seitige Ausarbeitung erstellt.
–
• The topics are independently worked out under the guidance of a supervisor.
• Students have the opportunity to actively participate in the formulation of their individual topic.
• Topics are assigned at a preliminary meeting at the beginning of the semester.
• A brief presentation of the structure and initial results will be given about 5 weeks after the preli-
minary discussion.
• Towards the end of the lecture period, each student gives a talk of approximately 30 minutes followed
by a 15-minute discussion.
• Students will be introduced into lecture techniques.
• An approx. 10-15-page paper has to be written.
Bemerkungen:
Beiträge sind auf Englisch zu verfassen.
–
Medium of instruction is English.

UnivIS: 15.06.2022 18:14 390

Modulbezeichnung: Seminar über ausgewählte Aspekte der elektrischen 2.5 ECTS
Energietechnik (LEE-EE-SEM)
(selected aspects of energy electronics)
Modulverantwortliche/r: Thomas Eberle
Lehrende: Thomas Eberle, Madlen Hoffmann, Martin März, Nikolai Weitz, Melanie Lavery, Ste-
fanie Büttner
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Seminar über ausgewählte Aspekte der elektrischen Energietechnik (SS 2022, Hauptseminar, 2 SWS,
Anwesenheitspflicht, Martin März et al.)

Empfohlene Voraussetzungen:
Grundlagen der Elektrotechnik I+II, Leistungselektronik, Leistungselektronik für dezentrale Energie-
versorgung - Gleichspannungsnetze

Inhalt:
Das Seminar adressiert ein breites Themenspektrum aus dem Bereich der elektrischen Energietechnik:
• Regelverfahren, Stabilitäts- und Fehlerbetrachtungen in Gleichspannungsnetzen
• Schutztechnik in Gleichspannungsnetzen
• Netzintegration von Speichern, elektrischen Quellen (Brennstoffzellen, Photovoltaik), Verbrauchern,
Prosumern und Elektrofahrzeugen
• Kopplung unterschiedlicher Netze
• Systemtechnik
Nach einer gemeinsamen Vorbesprechung wird das gewählte Thema unter Anleitung eines Betreuers
oder einer Betreuerin eigenständig bearbeitet. Die Erkenntnisse sind in einem mind. 4-seitigen Doku-
ment zusammenzufassen und im Rahmen eines 20-minütigen Vortrags zu präsentieren. An den Vortrag
schließt sich eine 10-minütige Diskussion an.
Lernziele und Kompetenzen:
Die Studierenden
• erlernen die Fähigkeit, ein Thema aufzubereiten, Recherchen durchzuführen, die Erkenntnisse zu
strukturieren und verständlich zu präsentieren
• erlernen die Fähigkeit, ihre Ergebnisse in einem wissenschaftlichen Format zu Papier zu bringen
• erlangen grundlegende Kenntnisse in Präsentationstechniken
• gewinnen Erfahrung im Vortrag vor Publikum
• erlernen die Fähigkeit, als Zuhörer aktiv Fragen zu formulieren, technische Sachverhalte zu disku-
tieren und wertschätzendes Feedback zu geben
Dies alles geschieht im Rahmen des unter Seminarinhalte ausgeführten Themenbereichs. Die Leistungen
werden im Zusammenhang mit dem individuellen Thema des/ der Studierenden erbracht.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Communications and Multimedia Engineering (Master of
Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elek-
tronik und Informationstechnik (Master of Science)", "Energietechnik (Bachelor of Science)", "Energietechnik
(Master of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 391

 Seminar über Ausgewählte Aspekte der elektrischen Energietechnik (Prüfungsnummer: 749172)
(englische Bezeichnung: selected aspects of energy electronics)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Das Seminar umfasst einen mind. 4-seitigen Bericht im doppelspaltigen IEEE-Format. Am Ende wird
das Ergebnis in einem 20 minütigem Vortrag und einer anschließenden Diskussion von 10 Minuten
präsentiert. Anteil an der Berechnung der Modulnote: Vortrag 70%, Bericht 30%
Prüfungssprache: Deutsch oder Englisch

Erstablegung: SS 2022, 1. Wdh.: SS 2022

1. Prüfer: Martin März (100279)

Organisatorisches:
Die Sprache wird in der ersten Lehrveranstaltung mit den Studierenden festgelegt.

UnivIS: 15.06.2022 18:14 392

Modulbezeichnung: Audio Processing Seminar (APSem) 2.5 ECTS
(Audio Processing Seminar)
Modulverantwortliche/r: Emanuël A. P. Habets
Lehrende: Emanuël A. P. Habets, Bernd Edler, Jürgen Herre, Meinard Müller, Nils Peters
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Audio Processing Seminar (SS 2022, Seminar, 2 SWS, Jürgen Herre et al.)

Inhalt:
The audio processing seminar trains students to prepare, summarize and present a recent scientific
paper from the field of audio processing. The students work on a recent cutting-edge paper from one
of the following fields:
• Speech and Audio Coding
• Audio Signal Analysis
• Audio Signal Processing with the Internet of Things
• Spatial Audio Signal Processing
• Semantic Audio Processing
• Audio in Virtual Reality
During of the seminar, each participant prepares a paper, creates a written report (3-7 pages) and
presents it in the form of a talk (20 min.) to the other participants. Thereby, the students are guided
by their own supervisors. General skills are taught in joint classes. Paper specific aspects are discussed
individually between the students and their supervisor. The seminar ends with the presentation of
all topics over the course of one or two days. Participation in these presentations and the following
discussions are mandatory for all participants. The seminar not only gives a broad overview of the field
of audio processing, but conveys fundamental scientific working and communication skills.
Lernziele und Kompetenzen:
Learning objectives and skills
Students will gain the following skills:
• How to analyze a scientific paper and understand its key principles and field of application.
• How to perform a thorough literature survey and evaluate relevant literature for the focus of key
points in the paper.
• How to acquire a broad knowledge and deeper understanding of the specific scientific area.
• How to prepare the subject, identify its most important topics, their dependencies, didactic reduction.
• How to compile a written summary of a paper, scientific writing, correct citations.
• How to create an appealing visual presentation, review and successively optimize it.
• How to present the topic in front of other students, how to train presentation skills.
• How to analyze presentations of other students, deriving questions, learn to participate in a scientific
discussion.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Communications and Multimedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",
"Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstech-
nik (Master of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 393

 Audio Processing Seminar (Prüfungsnummer: 330542)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Ausarbeitung (3 - 7 Seiten, entspricht 40% der Gesamtnote) und Präsentation (talk von 20 min.
entspricht 60% der Gesamtnote)

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

1. Prüfer: Emanuël A. P. Habets (100005)
1. Prüfer: Bernd Edler (100295)
1. Prüfer: Nils Peters (100490)
1. Prüfer: Meinard Müller (100297)
1. Prüfer: Jürgen Herre (100004)

UnivIS: 15.06.2022 18:14 394

Modulbezeichnung: Ausgewählte Kapitel der Informationstechnik (AKIT) 2.5 ECTS
(Selected Chapters of Information Technologies)
Modulverantwortliche/r: Albert Heuberger
Lehrende: Frank Oehler
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 15 Std. Eigenstudium: 60 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Ausgewählte Kapitel der Informationstechnik: Integrierte Sender- und Empfängerschaltungen (SS 2022,
Hauptseminar, 2 SWS, Frank Oehler)

Empfohlene Voraussetzungen:
Keine formalen Voraussetzungen. Empfohlen werden ausdrücklich mindestens 4 Semester Bachelor-
Studium in EEI, Informatik oder IuK.

Inhalt:
Im SS werden integrierte Sender- und Empfängerschaltungen behandelt. Studenten sollen einen Einblick
in die Technologieauswahl und den Schaltungsentwurf von Schlüsselkomponenten bekommen. Die Vor-
tragsreihe beginnt mit Übersichtsthemen zu Empfängerarchitekturen und Halbleiter-Technologien sowie
Simulationswerkzeugen für die Integration von RF-Schaltungen. Mit wechselnden Schwerpunkten auf
verschiedenen Funkstandards, Halbleitertechnologien oder Frequenzbereichen werden integrierte RF-
Schaltungen behandelt. Je nach Schwerpunkt sollen Schlüsselkomponenten wie rauscharme Verstärker,
Mischer, spannungsgesteuerte Oszillatoren und Leistungsverstärker oder komplette Sender- und Emp-
fängerschaltungen erörtert werden. Ein Besuch der Abteilung Analoges IC-Design des Fraunhofer-IIS
rundet das Seminar ab.
Lernziele und Kompetenzen:
1. Sie sollen lernen, sich ein wissenschaftliches Thema selbständig zu erarbeiten und eine didaktisch
durchdachte Präsentation vorzubereiten.
2. Sie sollen lernen unter Einhaltung von Zeitvorgaben, Ihre Erkenntnisse publikumsangepasst zu ver-
mitteln.
3. Sie sollen Ihre verbale sowie nonverbale Kommunikation weiterentwickeln.
4. Sie sollen ansatzweise lernen, wie eine wissenschaftliche Veröffentlichung aussehen sollte.
Literatur:
Wird je nach Schwerpunktwahl des Seminars neu festgelegt.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und
Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)" verwend-
bar.

Studien-/Prüfungsleistungen:
Seminar Ausgewählte Kapitel der Informationstechnik (Kommunikationselektronik) (Prüfungsnummer:
77601)
(englische Bezeichnung: Selected Chapters of Information Technologies)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Vortrag + Ausarbeitung:

UnivIS: 15.06.2022 18:14 395

 1. Vortrag 30 Min.
2. Ausarbeitung 4 Seiten
3. Notenbildung: 90 % Vortrag (Stoffdarstellung, Stoffverständnis, Vortragsstil, Länge des Vortra-
ges) + 10 % Ausarbeitung (fachlich richtige sowie strukturierte Darstellung des Inhalt, Form und
Aussehen)

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

1. Prüfer: Albert Heuberger (100228)

UnivIS: 15.06.2022 18:14 396

Modulbezeichnung: Seminar Energieinformatik ([Link].) (EI-MaSem) 5 ECTS
(Seminar Energy Informatics ([Link].))
Modulverantwortliche/r: Marco Pruckner
Lehrende: Marco Pruckner
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Deutsch
Lehrveranstaltungen:
Seminar Energieinformatik (WS 2021/2022, Seminar, 2 SWS, Marco Pruckner)

Inhalt:
Teilnehmende arbeiten sich selbständig anhand der ausgewählten wissenschaftlichen Literatur in ein
vorgeschlagenes Thema aus dem Bereich der Energieinformatik ein, erstellen dazu eine schriftliche
Ausarbeitung, bereiten einen Seminarvortrag vor und präsentieren ihn vor Lehrenden, interessierten
wissenschaftlichen Mitarbeitern des Instituts und Kommilitonen der Lehrveranstaltung.
Lernziele und Kompetenzen:
Zu den zu erwerbenden Kompetenzen zählen
• die Literaturrecherche,
• korrektes Zitieren,
• die Fähigkeit auszuwählen, welche Aspekte in der Ausarbeitung und im Vortrag behandelt werden,
• zielgruppengerechtes Schreiben,
• die Verwendung von Textverarbeitungswerkzeugen für die Präsentation und die Ausarbeitung,
• sicheres Auftreten beim Vortragen eines wissenschaftlichen Themas sowie
• fachspezifische Fragen zum ausgewählten Themengebiet zu beantworten.
Am Ende jeder Lehreinheit
• stellen die Teilnehmenden gezielt Fragen zum vorgetragenen Thema,
• diskutieren über fachliche Aspekte der Präsentation,
• üben konstruktive Kritik an der Darstellung des Themas und
• bewerten die Präsentation aus vortragstechnischer Sicht.
Literatur:
• gesammelte Bücher, Artikel und Weblinks zu einem einschlägigen Themengebiet
• Marco Pruckner. Allgemeine Hinweise zu Seminarvorträgen und -ausarbeitungen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Master of Science)",
"Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational En-
gineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikations-
technik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Energieinformatik (Prüfungsnummer: 36561)
Studienleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Der Scheinerwerb erfolgt durch Seminarbesuch, Vortrag und Abgabe einer schriftlichen Seminarar-
beit.

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marco Pruckner (100381)

UnivIS: 15.06.2022 18:14 397

UnivIS: 15.06.2022 18:14 398
Modulbezeichnung: Seminar Energieinformatik ([Link].) (EI-BaSem) 5 ECTS
(Seminar Energy Informatics ([Link].))
Modulverantwortliche/r: Marco Pruckner
Lehrende: Marco Pruckner
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: unregelmäßig
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Deutsch
Lehrveranstaltungen:
Seminar Energieinformatik (WS 2021/2022, Seminar, 2 SWS, Marco Pruckner)

Inhalt:
Teilnehmende arbeiten sich selbständig anhand der ausgewählten wissenschaftlichen Literatur in ein
vorgeschlagenes Thema aus dem Bereich der Energieinformatik ein, erstellen dazu eine schriftliche
Ausarbeitung, bereiten einen Seminarvortrag vor und präsentieren ihn vor Lehrenden, interessierten
wissenschaftlichen Mitarbeitern des Instituts und Kommilitonen der Lehrveranstaltung.
Lernziele und Kompetenzen:
Zu den zu erwerbenden Kompetenzen zählen
• die Literaturrecherche,
• korrektes Zitieren,
• die Fähigkeit auszuwählen, welche Aspekte in der Ausarbeitung und im Vortrag behandelt werden,
• zielgruppengerechtes Schreiben,
• die Verwendung von Textverarbeitungswerkzeugen für die Präsentation - und die Ausarbeitung,
• sicheres Auftreten beim Vortragen eines wissenschaftlichen Themas sowie
• fachspezifische Fragen zum ausgewählten Themengebiet zu beantworten.
Am Ende jeder Lehreinheit
• stellen die Teilnehmenden gezielt Fragen zum vorgetragenen Thema,
• diskutieren über fachliche Aspekte der Präsentation,
• üben konstruktive Kritik an der Darstellung des Themas und
• bewerten die Präsentation aus vortragstechnischer Sicht.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Master of Science)",
"Computational Engineering (Rechnergestütztes Ingenieurwesen) (Bachelor of Science)", "Computational En-
gineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))",
"Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Informations- und Kommunikations-
technik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Energieinformatik (Prüfungsnummer: 36561)
(englische Bezeichnung: Seminar Energy Informatics ([Link].))
Studienleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Der Scheinerwerb erfolgt durch Seminarbesuch, Vortrag und Abgabe einer schriftlichen Seminarar-
beit.
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: keine Angabe

1. Prüfer: Marco Pruckner (100381)

UnivIS: 15.06.2022 18:14 399

UnivIS: 15.06.2022 18:14 400
Modulbezeichnung: Seminar Automatische Analyse von Stimm-, Sprech- und 5 ECTS
Sprachstörungen bei Sprachpathologien (SemSprachPath)
(Seminar Automatic Analysis of Voice, Speech, and Language for
Speech Pathologies)
Modulverantwortliche/r: Seung Hee Yang
Lehrende: Andreas Maier, Seung Hee Yang
Startsemester: SS 2022 Dauer: 1 Semester Turnus: unregelmäßig
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Englisch
Lehrveranstaltungen:
Seminar Automatic Analysis of Voice, Speech and Language Disorders in Speech Pathologies (SS 2022,
Seminar, 4 SWS, Seung Hee Yang et al.)

Inhalt:
This seminar deals with how the diagnosis and therapy of different speech pathologies can be supported
by speech technology.
The participants should present selected speech, speech and voice disorders in a lecture and demons-
trate corresponding technologies in the field of pattern recognition and speech processing.
Lernziele und Kompetenzen:
Die Studierenden
• erlernen die Literaturrecherche.
• arbeiten sich selbstständig anhand der gefundenen Literatur in die Thematik der automatischen
Analyse von Sprach-, Sprech- und Stimmstörungen ein.
• wählen einen Schwerpunkt und bereiten diesen im Rahmen einer Präsentation so auf, dass er für
andere Teilnehmer des Seminars verständlich ist.
• lernen die Anforderungen an einen wissenschaftlichen Vortrag auf einer internationalen Konferenz
kennen.
• halten einen Vortrag in der international üblichen Fachsprache Englisch (davon ausgenommen sind
Studierende aus dem Ausland, die in Deutschland studieren, um Deutsch zu lernen)

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Com-
putational Engineering (Master of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen)
(Bachelor of Science)", "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)",
"Data Science (Master of Science)", "Informatik (Bachelor of Arts (2 Fächer))", "Informatik (Bachelor of
Science)", "Informatik (Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Sprachtechnologie für Sprachpathologien (Prüfungsnummer: 349413)
(englische Bezeichnung: Speech Technologies for Speech Pathologies)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Gesamtnote setzt sich zu 50% aus der Bewertung des Vortrags und zu 50% aus der Bewertung
der Ausarbeitung zusammen. Ziel des Seminars ist die verständliche Aufbereitung eines Themas
für andere Studierende im Rahmen einer Lehrstunde. Die Vortragsdauer beträgt 30 Minuten. Ziel
ist es, diese möglichst genau einzuhalten. Die Ausarbeitung umfasst 6-8 Seiten im Stil von IEEE-
Konferenzbeiträgen. Vortrag und Ausarbeitung sollten auf Englisch erfolgen.

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

UnivIS: 15.06.2022 18:14 401

 1. Prüfer: Andreas Maier (100196)

UnivIS: 15.06.2022 18:14 402

Modulbezeichnung: Masterseminar "Graphische Datenverarbeitung" (GraHS) 5 ECTS
(Masterseminar "Visual Computing")
Modulverantwortliche/r: Günther Greiner, Marc Stamminger
Lehrende: Tobias Günther
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Seminar Graphische Datenverarbeitung (WS 2021/2022, Masterseminar, 2 SWS, Anwesenheitspflicht,
Tobias Günther et al.)

Inhalt:
Dieses Seminar befasst sich mit fortgeschrittenen Themen im Visual Computing und umfasst sowohl
bahnbrechende als auch aktuelle Forschungspublikationen. Die Themen beinhalten unter anderem Ani-
mation, Rendering, Materialien, Fabrication, und Capturing.
Das Seminar bietet den Teilnehmenden die Chance einen Überblick über viele Themen in der Com-
putergraphik zu erhalten und sich gleichzeitig in ein selbstgewähltes Thema zu vertiefen. Während
des Semesters steht es den Teilnehmenden frei praktische Erfahrungen zu sammeln, bspw. durch
Nachimplementieren, Testen von veröffentlichtem Code, oder der Suche ähnlichen oder verwandten
Implementierungen. Dies ist nicht zwingend erforderlich, aber es ist sehr empfehlenswert um ein Ge-
spühr dafür zu entwickeln, ob das Thema auch in Zukunft für Abschlussarbeiten oder den Berufsweg
interessant ist.
Bewertung: Jede/r Seminarteilnehmer/in wählt eine der in der ersten Session vorgestellten Publikatio-
nen aus, und stellt deren Inhalt im Laufe des Semesters in einem 30-minütigen Vortrag vor (zuzüglich
10-minütige Fragerunde). Die Vorträge beginnen ca. 3-4 Wochen nach Semesterstart. Der Vortrag
geht zu 70% in die Gesamtnote ein. Desweiteren wird eine schriftliche Ausarbeitung zur gewählten
Publikation bis zum letzten Seminartermin eingereicht, welche zu 30% in die Bewertung eingeht.
Vortrag und schriftliche Ausarbeitung können auf Deutsch oder Englisch verfasst sein. Für die schrift-
liche Ausarbeitung gibt es kein striktes Seitenlimit, wobei eine Länge von 5-15 Seiten üblich ist. Der
Vorlage entsprechend sind folgende Aspekte zu betrachten: Einleitung/Motivation, wissenschaftliche
Einordnung, Methodik, Ergebnisse, Diskussion und Zusammenfassung. Die Vorträge werden thematisch
gruppiert. Der Vortragstermin ist daher nicht frei wählbar. Zusammengefasst setzt sich die Gesamtnote
zusammen aus:
• Vortrag (70%)
• Schriftliche Ausarbeitung (30%)
Ein wesentlicher Bestandteil bei der Bewertung des Vortrages ist die anschließende Diskussion. Um
mehr Fragen zu generieren sind alle Teilnehmer/innen angehalten, alle Publikationen vor der jeweiligen
Präsentation zu lesen, eine Zusammenfassung zu schreiben, und sich mindestens eine Frage zu überle-
gen. Die Zusammenfassung und Frage können eingereicht und bewertet werden. Werden im Verlauf des
Semesters hierbei 80% der Punkte erreicht, wird die Gesamtnote um 0.3 bzw. 0.4 Notenpunkte erhöht.
Das Einreichen von Zusammenfassung und Frage erfolgt in Englischer Sprache und ist freiwillig.
Bemerkung: Für dieses Seminar besteht Anwesenheitspflicht, wobei maximal drei Fehlstunden er-
laubt sind. Bei medizinischen Gründen oder anderen besonderen Vorkommnissen werden Ausnahmen
gemacht, sofern diese vor dem Termin vereinbart worden sind.
Lernziele und Kompetenzen:
Lernziele:
• Darlegen von aktuellen Forschungsproblemen in der Computergraphik
• Literaturrecherche
• Korrektes Zitieren
• Erfassen des Inhalts von wissenschaftlichen Texten
• Verbessern der Präsentations- und Argumentationsfähigkeiten
• Üben des Verfassens wissenschaftlicher Texte

UnivIS: 15.06.2022 18:14 403

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Informatik
(Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Masterseminar Graphische Datenverarbeitung (Prüfungsnummer: 325013)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
70% auf Vortrag; 30% auf Ausarbeitung (5-15 Seiten)

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Marc Stamminger (100173)

UnivIS: 15.06.2022 18:14 404

Modulbezeichnung: Seminar Kommunikationssysteme ([Link].) (KS-BaSem) 5 ECTS
(Seminar Communication Systems ([Link].))
Modulverantwortliche/r: Reinhard German
Lehrende: Reinhard German
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: unregelmäßig
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Deutsch und Englisch
Lehrveranstaltungen:
Seminar: Kommunikationssysteme (WS 2021/2022, Seminar, 2 SWS, Anwesenheitspflicht, Reinhard
German)

Inhalt:
Teilnehmende arbeiten sich selbständig anhand der ausgewählten wissenschaftlichen Literatur in ein
vorgeschlagenes Thema aus dem Bereich der Kommunikationssysteme ein, erstellen dazu eine schriftli-
che Ausarbeitung, bereiten einen Seminarvortrag vor und präsentieren ihn vor Lehrenden, interessierten
wissenschaftlichen Mitarbeitern des Instituts und Kommilitonen der Lehrveranstaltung.
Lernziele und Kompetenzen:
Zu den zu erwerbenden Kompetenzen zählen
• die Literaturrecherche,
• korrektes Zitieren,
• die Fähigkeit auszuwählen, welche Aspekte in der Ausarbeitung und im Vortrag behandelt werden,
• zielgruppengerechtes Schreiben,
• die Verwendung von Textverarbeitungswerkzeugen für die Präsentation - und die Ausarbeitung,
• sicheres Auftreten beim Vortragen eines wissenschaftlichen Themas sowie
• fachspezifische Fragen zum ausgewählten Themengebiet zu beantworten.
Am Ende jeder Lehreinheit
• stellen die Teilnehmenden gezielt Fragen zum vorgetragenen Thema,
• diskutieren über fachliche Aspekte der Präsentation,
• üben konstruktive Kritik an der Darstellung des Themas und
• bewerten die Präsentation aus vortragstechnischer Sicht.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Informatik (Bachelor of Arts (2 Fächer))", "Informatik
(Bachelor of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Kommunikationssysteme ([Link].) (Prüfungsnummer: 609624)
(englische Bezeichnung: Seminar Communication Systems ([Link].))
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Der Scheinerwerb erfolgt durch einen 45-minütigen Vortrag.
Prüfungssprache: Deutsch und Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: keine Angabe

1. Prüfer: Reinhard German (100165)

UnivIS: 15.06.2022 18:14 405

Modulbezeichnung: Systems- and Networks-on-a-Chip (SNoC) 2.5 ECTS
(Systems- and Networks-on-a-Chip)
Modulverantwortliche/r: Stefan Wildermann
Lehrende: Stefan Wildermann, Behnaz Pourmohseni
Startsemester: WS 2021/2022 Dauer: 1 Semester Turnus: jährlich (WS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Englisch
Lehrveranstaltungen:
Systems- and Networks-on-a-Chip (WS 2021/2022, Seminar, 2 SWS, Stefan Wildermann et al.)

Inhalt:
Eingebettete Systeme spielen im alltäglichen Leben eine immer größere Rolle. Gleichzeitig nimmt die
Komplexität dieser Systeme immer weiter zu. Durch die heutige Technologie ist es möglich, Millionen,
in naher Zukunft Milliarden von Transistoren auf einem Chip zu platzieren. Dies führt dazu, dass häufig
das komplette eingebettete System, ein sogenanntes System-on-a-Chip (SoC), auf einem einzigen Chip
realisiert werden kann. Die Vorteile einer verbesserten Performanz, niedrigerem Energieverbrauch sowie
sinkenden Kosten sind dabei unter anderem durch die Wiederverwendung bestehender Komponenten
bedingt. Eine der Herausforderungen bestehender SoCs besteht darin, eine korrekte und zuverlässige
Kommunikation zwischen den Komponenten herzustellen. Aus diesem Grund wird den Komponenten
eine netzwerkartige Kommunikation zur Verfügung gestellt, wodurch sogenannte Networks-on-a-Chip
(NoCs) entstehen.
Dieses Seminar beschäftigt sich mit der Problematik von Design, Synthese und Analyse bestehender und
zukünftiger Systems- und Networks-on-a-Chip. Hierbei soll vor allem die Vereinbarkeit verschiedener
Anforderungen an das System wie Kosten, Platz- und Energieverbrauch oder Zuverlässigkeit in den
verschiedenen Phasen der Entwicklung betrachtet werden.
Lernziele und Kompetenzen:
Fachkompetenz
Verstehen
• Die Studierenden tragen die wesentlichen Inhalte einer ausgewählten wissenschaftlichen Veröf-
fentlichung auf dem Gebiet der MPSoCs vor.
• Die Studierenden veranschaulichen den grundlegenden Kontext der Veröffentlichung sowie deren
wesentliche Neuerungen.
Lern- bzw. Methodenkompetenz
• Die Studierenden arbeiten sich selbstständig in eine wissenschaftliche Veröffentlichung ein und
suchen hierbei selbstständig nach verwandten Arbeiten, um den Kontext der Veröffentlichung zu
verstehen und aufzubereiten.
Sozialkompetenz
• Die Studierenden beteiligen sich aktiv an den Vorträgen der jeweils anderen Studierenden durch
fachbezogene Fragen zum Thema wie auch Rückmeldung zu Vortragsstil.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Informations- und Kommunikationstechnik (Bache-
lor of Science)", "Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of
Science)" verwendbar.

Studien-/Prüfungsleistungen:

UnivIS: 15.06.2022 18:14 406

 Systems- and Networks-on-a-Chip (Prüfungsnummer: 559050)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Bewertung der Prüfungsleistung setzt sich zusammen aus 70% Seminarvortrag (ca. 30 Minuten
Präsentation + ca. 15 Minuten Frage und Antwort) und 30% schriftlicher Ausarbeitung (2 Seiten
stichpunktartiges Handout).

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer: Jürgen Teich (100115)

UnivIS: 15.06.2022 18:14 407

Modulbezeichnung: Ausgewählte Kapitel der Navigation und 2.5 ECTS
Identifikation (RFID)
(Selected Chapters of Navigation and Identification)
Modulverantwortliche/r: Albert Heuberger
Lehrende: Clemens Neumüller
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 15 Std. Eigenstudium: 60 Std. Sprache: Deutsch oder Englisch
Lehrveranstaltungen:
Ausgewählte Kapitel der Navigation und Identifikation: Radio-/ Hochfrequenz-Identifikationssysteme
(SS 2022, Hauptseminar, 2 SWS, Clemens Neumüller)

Empfohlene Voraussetzungen:
Voraussetzungen: Keine formalen Voraussetzungen. Empfohlen werden ausdrücklich mindestens 4 Se-
mester Bachelor-Studium in EEI, Informatik oder IuK.

Inhalt:
Das Themenspektrum des Seminars im Sommersemester besitzt als Schwerpunkt die Bereiche Radio-
/Hochfrequenz-Identifikationssysteme (RFID) und Telemetrie. Während des ersten Seminartermins
werden den Studierenden Betreuer und Themen zugeteilt, wobei die Themen im Forschungsbereich des
jeweiligen Betreuers liegen. Mit Unterstützung des Betreuers wird ein 30-minütiger Vortrag ausgearbei-
tet, der im Laufe des Seminars vorgetragen werden muss. Zusätzlich ist eine sechsseitige Ausarbeitung
zu schreiben, die wissenschaftlichen Gesichtspunkten genügen muss. Ein fünfminütiger Probevortrag
bietet die Möglichkeit, vor dem eigentlichen Vortrag eine Rückkopplung über den eigenen Vortragsstil
zu erhalten und die Zielsetzung des Seminars besser zu verstehen. Probevorträge und die Vorträge selbst
(30 Min.) werden mit der Kamera aufgezeichnet, um anschließend den Vortragsstil besser diskutieren
zu können.
Lernziele und Kompetenzen:
1. Sie sollen lernen, sich ein wissenschaftliches Thema selbständig zu erarbeiten und eine didaktisch
durchdachte Präsentation vorzubereiten.
2. Sie sollen lernen unter Einhaltung von Zeitvorgaben, Ihre Erkenntnisse publikumsangepasst zu ver-
mitteln.
3. Sie sollen Ihre verbale sowie nonverbale Kommunikation weiterentwickeln.
4. Sie sollen ansatzweise lernen, wie eine wissenschaftliche Veröffentlichung aussehen sollte.
Selbstkompetenz
Fähigkeit und Bereitschaft, sich weiterzuentwickeln und das eigene Leben eigenständig und ver-
antwortlich im jeweiligen sozialen, kulturellen bzw. beruflichen Kontext zu gestalten, Selbstkriti-
sche Einschätzung des Kompetenzniveaus bei der Vor- und Nachbereitung von Lehrveranstaltungen.
Selbstkritische Bewertung der Studienleistungen.
Sozialkompetenz
Der Absolvent ist in der Lage, zielorientiert mit seinen Kommilitonen sowie externen Fachleuten
und fachfremden Dritten zusammenzuarbeiten. Hierbei ist er in der Lage, fachliche und soziale
Situationen zu erfassen, sich mit ihnen rational und verantwortungsbewusst auseinanderzusetzen
sowie dadurch seine Arbeits- und Lebenswelt mitzugestalten.
Literatur:
Wird je nach Schwerpunktwahl des Seminars neu festgelegt.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und

UnivIS: 15.06.2022 18:14 408

 Informationstechnik (Master of Science)", "Informations- und Kommunikationstechnik (Bachelor of Science)",
"Informations- und Kommunikationstechnik (Master of Science)", "Mechatronik (Master of Science)", "Medi-
zintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Ausgewählte Kapitel der Navigation und Identifikation (Prüfungsnummer: 77701)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Ausarbeitung + Vortrag bzw. Referat:
1. Vortrag exakt 30 Min. (+/- 2 Min.)
2. Ausarbeitung mind. 6 Seiten nach IEEE Vorlage
3. Notenbildung: Vortrag (Stoffdarstellung, Stoffverständnis, Vortragsstil, Länge des Vortrages) +
Ausarbeitung (fachlich richtige sowie strukturierte Darstellung des Inhalt, selbständige Arbeitsweise,
Form und Aussehen, Literaturverzeichnis). Die Note ergibt sich zu 77% aus dem eigenen Vortrag,
zu 7% aus den Diskussionsbeiträgen anderer Vorträge, und zu 16% aus der Ausarbeitung.

Erstablegung: SS 2022, 1. Wdh.: keine Wdh.

1. Prüfer: Albert Heuberger (100228)

UnivIS: 15.06.2022 18:14 409

Modulbezeichnung: Seminar Advanced Algorithms in Medical Image 5 ECTS
Processing (SemAAMIP)
(Seminar Advanced Algorithms in Medical Image Processing)
Modulverantwortliche/r: Andreas Maier, Katharina Breininger
Lehrende: Joachim Hornegger, Vincent Christlein, Andreas Maier, Katharina Breininger
Startsemester: SS 2022 Dauer: 1 Semester Turnus: unregelmäßig
Präsenzzeit: 30 Std. Eigenstudium: 120 Std. Sprache: Englisch
Lehrveranstaltungen:
Seminar Advanced Deep Learning (SS 2022, Seminar, 2 SWS, Katharina Breininger et al.)

Inhalt:
Deep Learning-based algorithms showed great performance in many fields of image processing and pat-
tern recognition and compete with technologies such as compressive sensing and iterative optimization.
The basis for the success of these algorithms is the availability of large amounts of data (big data) for
training and of high computing power (typically GPUs). In this seminar, we try to explore advanced
deep learning methods. In particular, we will aim to develop a deeper understanding of certain topics,
for example, graph neural networks, unsupervised learning, differentiable learning, invertible learning,
neural ordinary differential equations, transfer learning, multi-task learning, uncertainty DL, etc.
Lernziele und Kompetenzen:
Students will be able to
• perform their own literature research on a given subject
• independently research this subject
• present and introduce the subject to their student peers
• give a scientific talk in English according to international conference standards

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Artificial Intelligence (Master of Science)", "Informatik
(Master of Science)", "Medizintechnik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Advanced Algorithms in Medical Image Processing (Prüfungsnummer: 76431)
Prüfungsleistung, Seminarleistung, Dauer (in Minuten): 30
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Die Gesamtnote setzt sich zu 100% aus der Bewertung des Vortrags zusammen. Benotet wird
ein Vortrag von 30 Minuten über ein vorgegebenes Thema. Ziel ist es diese Zeit möglichst genau
einzuhalten und den anderen Studenten möglichst präzise einen Überblick über das Themengebiet
zu geben. Hierbei wird neben der Vortragsweise und des Inhalts insbesondere auch die Qualität der
Folien bewertet. Der Vortrag sollte auf Englisch erfolgen.
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: Andreas Maier (100196), 2. Prüfer: Katharina Breininger (100920)

UnivIS: 15.06.2022 18:14 410

Modulbezeichnung: Seminar Ausgewählte Kapitel der Multimediakommunikation 2.5 ECTS
und Signalverarbeitung (Sem LMS)
(Seminar on Selected Topics of Multimedia Communications and
Signal Processing)
Modulverantwortliche/r: André Kaup
Lehrende: Assistenten
Startsemester: SS 2022 Dauer: 1 Semester Turnus: jährlich (SS)
Präsenzzeit: 15 Std. Eigenstudium: 60 Std. Sprache: Englisch
Lehrveranstaltungen:
Seminar Ausgewählte Kapitel der Multimediakommunikation und Signalverarbeitung (SS 2022, Semi-
nar, 2 SWS, Anwesenheitspflicht, André Kaup et al.)

Inhalt:
Im Seminar ,Multimediakommunikation und Signalverarbeitung’ werden aktuelle Themen aus dem
Bereich der Multimediakommunikation und Signalverarbeitung bearbeitet. Nach einer gemeinsamen
Vorbesprechung und Themenauswahl werden die einzelnen Themen unter Anleitung eines Betreuers
oder einer Betreuerin eigenständig im Hinblick auf eine Präsentation in Vortragsform erarbeitet.
The Seminar on Selected Topics of Multimedia Communications and Signal Processing deals with
current research topics in the area of multimedia communications and signal processing. In an intro-
ductory meeting, the course of the seminar is outlined and each participant selects one of the offered
topics. The participant should become familiar with the assigned research topic and present it by a
report and a talk at the end of the seminar with the support of a supervisor.
Lernziele und Kompetenzen:
Die Studierenden
• erlernen grundlegende Techniken der Recherche, Themenaufbereitung und Präsentation technischer
Inhalte und wenden diese an
• analysieren und evaluieren gegebene Literatur im Hinblick auf die Schwerpunkte ihres Vortrags zu
einem technischen Thema
• wenden ihr bisher im Studium erworbenes Wissen an, um davon ausgehend eigenständig einen
technischen Schwerpunkt zu vertiefen
• wenden ihr bisheriges Wissen an, um als Zuhörer sinnvolle Fragen zu einem Vortragsthema zu
formulieren und das Präsentierte zu diskutieren
• analysieren und evaluieren die Präsentationen der anderen Seminarteilnehmer.
The students
• acquire and apply fundamental techniques to conduct a literature survey, and to prepare and present
a technical topic
• analyze and evaluate provided literature regarding the focus of their technical presentation
• apply the knowledge acquired during their studies to deepen by themselves their technical focus
• apply acquired knowledge to ask a presenter questions and to discuss the presentation
• analyze and evaluate the presentations of other seminar participants.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Master of Education)",
"Communications and Multimedia Engineering (Master of Science)", "Elektrotechnik, Elektronik und Informa-
tionstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)",
"Informations- und Kommunikationstechnik (Bachelor of Science)", "Informations- und Kommunikationstech-
nik (Master of Science)", "Mechatronik (Master of Science)", "Medizintechnik (Master of Science)" verwend-
bar.

UnivIS: 15.06.2022 18:14 411

Studien-/Prüfungsleistungen:
Seminar Ausgewählte Kapitel der Multimediakommunikation und Signalverarbeitung (Prüfungsnum-
mer: 914949)
(englische Bezeichnung: Seminar on Selected Topics of Multimedia Communications and Signal Processing)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
Jeder teilnehmende Studierende muss eine 25-minütige Abschlusspräsentation halten und im An-
schluss Fragen dazu beantworten (60% der Gesamtnote). Zusätzlich muss ein 10- bis 15-seitiger
Bericht über das vorgestellte Thema abgegeben werden (40% der Gesamtnote).
Each participating student has to give a final presentation of 25 min duration and has to answer
questions to the presentation afterward (60% of final mark). In addition, a report of 10 to 15 pages
about the presented topic needs to be submitted (40% of final mark).
Prüfungssprache: Englisch

Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023

1. Prüfer: André Kaup (100219)

Organisatorisches:
Eine kurze Präsentation der Struktur und erster Ergebnisse erfolgt etwa 5 Wochen nach der Vorbespre-
chung. Gegen Ende des Vorlesungszeitraums hält jeder Teilnehmer einen ca. 30-minütigen Vortrag mit
anschließender Diskussion im Rahmen eines ganztägigen Workshops. Als Begleitmaterial zum Vortrag
wird auch eine ca. 10-seitige Ausarbeitung erstellt. Für die Vortragsveranstaltungen besteht Anwesen-
heitspflicht. In an intermediate meeting about 5 weeks after the introductory meeting, the participants
give a brief presentation about their topics and show first results. In addition, hints for the preparation
of the final talk are provided at this meeting. At the end of the semester, a final one-day meeting takes
place where each participant presents his topic in a talk of 30 minutes followed by a discussion and
questions from the audience. In addition, each participant has to submit a report of about 10 pages
about his topic a few days before the final meeting.

UnivIS: 15.06.2022 18:14 412

Modulbezeichnung: Nachhaltige Energiesysteme (SE-NE) 2.5 ECTS
(Sustainable Energy Systems)
Modulverantwortliche/r: Matthias Luther
Lehrende: Assistenten, Matthias Luther
Startsemester: SS 2022 Dauer: 1 Semester Turnus: halbjährlich (WS+SS)
Präsenzzeit: 30 Std. Eigenstudium: 45 Std. Sprache: Deutsch
Lehrveranstaltungen:
Seminar Nachhaltige Energiesysteme (SS 2022, Hauptseminar, 2 SWS, Matthias Luther et al.)

Inhalt:
Ausgewählte Themen aus den Bereichen:
• Großräumige Übertragungsnetze
• Integration der Stromerzeugung aus erneuerbaren Energien
• Stabilität im nationalen und internationalen Verbundbetrieb
• Hochspannungs-Gleichstrom-Übertragung im Kontext zukünftiger Netzstrukturen
• Smart Energy Systems
• Marktmechanismen in der Stromerzeugung
Lernziele und Kompetenzen:
Die Studierenden
kennen aktuelle Herausforderungen auf dem Gebiet elektrischer Energiesysteme, verstehen die An-
forderungen und die technischen Zusammenhänge nachhaltiger Energiesysteme und verstehen das
Zusammenspiel aus technischen, gesellschaftlichen, umwelttechnischen Anforderungen der Zukunft.
Nach der Teilnahme an diesem Seminar sind die Studierenden zudem in der Lage
sich eigenständig in ein neues Themengebiet einzuarbeiten, eine strukturierte Recherche zur Auffindung
relevanter Quellen durchzuführen, Quellen nach ingenieurwissenschaftlichen Grundsätzen zu analysieren
und zu bewerten, strukturiert eine wissenschaftlich fundierte Ausarbeitung anzufertigen, behandelte
Thematik für eine zeitlich begrenzte Präsentation vor Fachpublikum aufzubereiten, die Grundsätze
der Präsentationstechnik anzuwenden und sich der fachlichen Diskussion vor Wissenschaftlern zu der
ausgearbeiteten Thematik stellen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt | Seminar)

Dieses Modul ist daneben auch in den Studienfächern "Berufspädagogik Technik (Bachelor of Science)", "Be-
rufspädagogik Technik (Master of Education)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor
of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Energietechnik (Ba-
chelor of Science)", "Energietechnik (Master of Science)", "Mechatronik (Master of Science)" verwendbar.

Studien-/Prüfungsleistungen:
Seminar Nachhaltige Energiesysteme (Prüfungsnummer: 381473)
Prüfungsleistung, Seminarleistung
Anteil an der Berechnung der Modulnote: 100%
weitere Erläuterungen:
ca. 15-seitige schriftliche Ausarbeitung + darauf aufbauender Vortrag von ca. 15-20 Minuten.

Erstablegung: SS 2022, 1. Wdh.: keine Angabe

1. Prüfer: Matthias Luther (100800)

UnivIS: 15.06.2022 18:14 413

Modulbezeichnung: Mastermodul (Master’s module) 30 ECTS
Modulverantwortliche/r:N.N

Empfohlene Voraussetzungen:
Mit der Masterarbeit kann i.d. R. erst begonnen werden, wenn alle anderen Module bestanden sind.
Eine vorzeitige Zulassung ist möglich, wenn 80 ECTS aus dem Masterstudium nachgewiesen werden.
Inhalt:
Die Masterarbeit behandelt in der Regel ein wissenschaftliches Thema aus dem gewählten Studien-
schwerpunkt.
Lernziele und Kompetenzen:
Die Studierenden
erwerben die Fähigkeit, eine wissenschaftliche Fragestellung über einen längeren Zeitraum zu verfolgen,
das entsprechende Fachgebiet selbstständig und innerhalb einer vorgegebenen Frist zu bearbeiten
entwickeln eigenständige Ideen und Konzepte zur Lösung wissenschaftlicher Probleme
gehen in vertiefter und kritischer Weise mit Theorien, Terminologien, Besonderheiten, Grenzen und
Lehrmeinungen des Faches um und reflektieren diese
sind in der Lage, geeignete wissenschaftliche Methoden weitgehend selbständig anzuwenden und wei-
terzuentwickeln - auch in neuen und unvertrauten sowie fachübergreifenden Kontexten - sowie die
Ergebnisse in wissenschaftlich angemessener Form darzustellen
können fachbezogene Inhalte klar und zielgruppengerecht schriftlich (und ggf. mündlich) präsentieren
und argumentativ vertreten
erweitern ihre Planungs- und Strukturierungsfähigkeit in der Umsetzung eines thematischen Projektes
Organisatorisches:
Die Masterarbeit ist in ihren Anforderungen so zu stellen, dass sie bei einer Bearbeitungszeit von ca.
900 Stunden innerhalb von sechs Monaten abgeschlossen werden kann.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt)

UnivIS: 15.06.2022 18:14 414

Modulbezeichnung: Forschungsprojekt (Research project) 5 ECTS
Modulverantwortliche/r:Georg Fischer
Sprache: Deutsch und Englisch

Inhalt:
Im Forschungsprojekt wird die Praxis wissenschaftlichen Arbeitens in der Forschung an einem Lehrstuhl
der ICT oder oder in einem Betrieb, mit welchem eine Ko-operation mit einem ICT-Lehrstuhl besteht,
vermittelt. Der Schwerpunkt der Forschungsarbeiten kann experimentellen, theoretischen oder auch
konstruktiven Charakter haben. Kombinationen aus unterschiedlichen Schwerpunkten sind zulässig.
Content:
In the research project, the practice of scientific work in research at an ICT chair or in a company with
which there is a cooperation with an ICT chair is conveyed. The focus of the research work can be
experimental, theoretical or constructive. Combinations of different focal points are possible.
Lernziele und Kompetenzen:
Durch die forschungsorientierte Ausbildung sollen die Studierenden mit Aufgaben in der ingenieurnahen
Forschung vertraut werden und praktische Erfahrung bei wissenschaftlichem Arbeiten an der Universität
erlangen. Im Einzelnen lernen die Studierenden u.a.:
Literatur recherchieren und ihre Relevanz bewerten
Aufstellen und Anwenden von Kriterien für die Bewertung der ausgeführten Arbeiten
Bewerten und ggf. Weiterentwickeln der angewandten Methodik
Ergebnisse auswerten und bewerten
Durchführung von Programmierarbeiten
Schreiben einer schriftlichen Zusammenfassung der durchgeführten Arbeiten im Stil einer wissenschaft-
lichen Publikation
Learning objectives and competences
Through the research-oriented education the student should become familiar with tasks in engineering
related research and gain practical experience in scientific work at the university.
Students learn about:
Research literature and evaluate its relevance
Establishing and applying criteria for the evaluation of the work carried out
Evaluate and, if necessary, further develop the methodology used
Evaluate and assess results
Implementation of programming work
Writing a written summary of the work performed in the style of a scientific publication
Organisatorisches:
Für ICT-Master-Studierende gilt: Workload 150h,
Prüfungsleistung: Studienleistung: 6-seitiger Bericht und eine mindestens 20-minütige Präsentation
(kann während der Gültigkeit der Corona-Satzung auch per Videokonferenz gehalten werden). Die
Studienleistung kann nach Wahl des Studierenden in Deutsch oder Englisch erbracht werden.
For ICT Master’s students: Workload 150h
Examination achievement: study achievement: 6-page report and a presentation of at least 20 mi-
nutes (can also be held via video conference during the validity of the Corona Statutes). The study
achievement can be completed in German or English at the student’s choice.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
[1] Information and Communication Technology (Master of Science)
(Po-Vers. 2019s | Gesamtkonto | Praktikum/Projektarbeit, Seminar, Masterarbeit, Forschungsprojekt)

UnivIS: 15.06.2022 18:14 415