Bachelor

Master

Doktorat

Universitäts-
lehrgang

Studienplan (Curriculum)
für das

Bachelorstudium
Informatik
UE 033 521

Technische Universität Wien

Beschluss des Senats der Technischen Universität Wien
am 17. April 2024

Gültig ab 1. Oktober 2024

Inhaltsverzeichnis
§1 Grundlage und Geltungsbereich 3

§2 Qualifikationsprofil 3

§3 Dauer und Umfang 7

§4 Zulassung zum Bachelorstudium 8

§5 Aufbau des Studiums 8

§6 Lehrveranstaltungen 21

§7 Studieneingangs- und Orientierungsphase 24

§8 Prüfungsordnung 26

§9 Studierbarkeit und Mobilität 31

§10Bachelorarbeit 31

§11Akademischer Grad 31

§12Qualitätsmanagement 31

§13Inkrafttreten 34

A Modulbeschreibungen 35

B Zusammenfassung aller verpflichtenden Voraussetzungen 136

C Semestereinteilung der Lehrveranstaltungen 137

D Semesterempfehlung für schiefeinsteigende Studierende 139

E Wahlfachkatalog „Transferable Skills“ 141

F Prüfungsfächer mit den zugeordneten Modulen und Lehrveranstaltungen 142

G Bachelor-Abschluss with Honors 148

2
§1 Grundlage und Geltungsbereich
Der vorliegende Studienplan definiert und regelt das ingenieurwissenschaftliche Ba-
chelorstudium Informatik an der Technischen Universität Wien. Es basiert auf dem
Universitätsgesetz 2002 BGBl. I Nr. 120/2002 (UG) und dem Satzungsteil Studienrechtli-
che Bestimmungen der Technischen Universität Wien in der jeweils geltenden Fassung.
Die Struktur und Ausgestaltung des Studiums orientieren sich an folgendem Qualifikati-
onsprofil gemäß Abschnitt §2.

§2 Qualifikationsprofil
Das Bachelorstudium Informatik vermittelt eine breite, wissenschaftlich und methodisch
hochwertige, auf dauerhaftes Wissen ausgerichtete Grundausbildung, welche die Ab-
solvent_innen sowohl für eine Weiterqualifizierung im Rahmen eines facheinschlägigen
Masterstudiums als auch für eine Beschäftigung in beispielsweise folgenden Tätigkeitsbe-
reichen befähigt und international konkurrenzfähig macht:
• Entwicklung neuer informationsverarbeitender Systeme und Programme sowohl als
Expert_in im Team als auch in leitender Funktion.
• Unterstützende Aufgaben in der Forschung und Entwicklung

Aufgrund der beruflichen Anforderungen werden im Bachelorstudium Informatik

Qualifikationen hinsichtlich folgender Kategorien vermittelt.
Fachliche und methodische Kompetenzen Das Studium vermittelt grundlegende
Kenntnisse im Bereich der Informatik und ein kritisches Verständnis ihrer Theorien und
Grundsätze sowie generell ein stabiles Grundlagen- und Methodenwissen vor allem in
den folgenden Bereichen:
• Algorithmen und Datenstrukturen
• Architektur von Computer- und Softwaresystemen
• Betriebssysteme
• Datenbanksysteme
• Formale Grundlagen digitaler Systeme
• IT-Sicherheit
• Mathematik, Wahrscheinlichkeitstheorie und Statistik
• Mensch-Maschine-Interaktion
• Programmierparadigmen
• Software Engineering
• Theoretische Informatik
Darüber hinaus können die Studierenden durch geeignete Wahl von Wahlmodulen grund-
legende Kenntnisse und Fertigkeiten in weiteren Bereichen der Informatik sowie Anwen-
dungsfeldern erwerben:
• Artificial Intelligence und Machine Learning

3
 • Human-Centered Computing
• Erhebung, Modellierung und Aufbereitung von Information
• Internet Computing
• Paralleles Rechnen
• Programmiersprachen und Übersetzer
• Recht
• Security und Privacy
• Softwarequalitätssicherung
• Verteilte Systeme
• Visual Computing
• Anwendungen der Informatik in Bereichen wie der Medizin und den Life Sciences
• Anwendungen in der Wirtschaft

Kognitive und praktische Kompetenzen Das Studium vermittelt generell wissen-

schaftlich fundierte Kompetenzen und die Fähigkeiten, auch neue Herausforderungen
zu erkennen und kritisch zu hinterfragen sowie Probleme zu erkennen, zu formulieren,
zu analysieren und zu lösen und deren Lösungen zu validieren. Durch die praktische
Auseinandersetzung mit zukunftsorientierten Technologien, Methoden und Werkzeugen
werden folgende kognitive und praktische Fertigkeiten vermittelt:
• Einsetzen formaler Grundlagen und Methoden zur Modellbildung, Lösungsfindung
und Evaluation
• Empirisch-experimentelle Systemvalidierung
• Entwicklung und Umsetzung von Design-Konzepten
• Interdisziplinäre und systemorientierte Denkweisen
• Kritische Reflexion
• Methodisch fundierte Herangehensweise an Probleme, insbesondere im Umgang
mit offenen/unspezifizierten Problemsituationen
• Präsentieren und Dokumentieren
• Umsetzen von Analyse-, Entwurfs-, Simulations- und Implementierungsstrategien
• Wissenschaftliches Arbeiten
• Identifizieren, formulieren und diskutieren ethischer Fragestellungen im Kontext
der Inhalte des Studiums

Soziale Kompetenzen und Selbstkompetenzen Der Schwerpunkt liegt hier in der

Vermittlung für Forschung und Beruf notwendiger sozialer Kompetenzen sowie auf der
Förderung von Kreativitäts- und Innovationspotentialen.
• Aktive und passive Kritikfähigkeit
• Innovationsfähigkeit
• Kenntnisse der eigenen Fähigkeiten und Grenzen
• Neugierde, Eigeninitiative, Ausdauer, Flexibilität
• Reflexion der eigenen Arbeit und ihrer Wechselwirkung mit dem gesellschaftlichen,
sozialen und beruflichen Kontext

4
 • Selbstorganisation und Eigenverantwortlichkeit
• Teamfähigkeit
• Verantwortungsvoller Umgang mit Menschen sowie beruflichen und sozialen Grup-
pen in allen Tätigkeiten

Die Studierenden können ihr Studium neben der verpflichtenden Absolvierung der
Pflichtmodule durch die Wahl von sieben Wahlmodulen der engen Wahl sowie weite-
ren Wahlmodule der engen Wahl und Wahlmodulen der breiten Wahl entweder selbst
gestalten oder durch eine vorgegebene Auswahl von Modulen spezifische Ausprägun-
gen des Bachelorstudiums wählen, die auf Wunsch der Studierenden bei Erfüllung der
Voraussetzungen auf dem Abschlusszeugnis auszuweisen sind.
Die Studierenden können folgende derartige Vertiefungen innerhalb des Bachelorstudi-
ums Informatik wählen:
• Vertiefung Artificial Intelligence und Machine Learning
• Vertiefung Cybersecurity
• Vertiefung Digital Health
• Vertiefung Human-Centered Computing
• Vertiefung Software Engineering
• Vertiefung Theoretische Informatik und Logik
• Vertiefung Visual Computing

In den einzelnen Vertiefungen werden den Studierenden spezielle Kompetenzen vermit-

telt:
• Vertiefung Artificial Intelligence und Machine Learning
In der Vertiefung Artificial Intelligence und Machine Learning erwerben die Studie-
renden grundlegende Kenntnisse und Fertigkeiten im Bereich der sub-symbolischen
und symbolischen Artificial Intelligence, welche sie befähigen, im Rahmen von
weiteren spezifischen Lehrveranstaltungen Lösungen für Probleme im Bereich der
Artificial Intelligence bzw. des Machine Learnings zu diskutieren, zu analysieren
und zu implementieren. Die Vertiefung Artificial Intelligence und Machine Learning
wird dem steigenden Bedarf nach Hochschulabsolvent_innen in diesem Bereich
gerecht, die auch an anderen Universitäten zur Einrichtung spezifischer Programme
geführt hat. Sie bietet eine solide Grundlage insbesondere für die Masterstudien
„Logic and Computation“ und „Data Science“ an der TU Wien sowie für weiterfüh-
rende Masterstudien im Bereich Artificial Intelligence und Machine Learning an
anderen Universitäten.

• Vertiefung Cybersecurity
In der Vertiefung Cybersecurity erwerben die Studierenden grundlegende und
weiterführende Kenntnisse und Fertigkeiten im Bereich Sicherheit und Datenschutz.
Die Vertiefung wird damit dem steigenden Bedarf nach Hochschulabsolvent_innen
in diesem Bereich gerecht.

5
 Ausgerichtet an internationalen Standards, umfasst die Vertiefung Cybersecurity
einen Katalog von Lehrveranstaltungen, welche theoretische and praktische Aspekte
der Cybersecurity beinhalten und aus denen die Studierenden abhängig von ihren
Interessen wählen können.
Die Vertiefung Cybersecurity bietet die Grundlage für die weiterführenden Master-
studien der Informatik, insbesondere für das Masterstudium Software Engineering
and Internet Computing an der TU Wien.
• Vertiefung Digital Health
In der Vertiefung Digital Health können die Studierenden Grundkenntnisse aus (1)
der Medizin und den Life Sciences und aus (2) dem Gesundheitswesen erwerben,
welche sie befähigen, Informatiklösungen zu diskutieren, zu analysieren und zu
entwickeln, welche die menschliche Gesundheit verbessern und das Management
von gesundheitsbezogenen Informationen unterstützen.
Neben dem Erwerb der allgemeinen Grundkompetenzen in der Informatik werden
die Studierenden in dieser Vertiefung auf die beruflichen Herausforderungen im
ständig wachsenden Anwendungsbereich der Informatik im Gesundheitswesen
vorbereitet. Dies zielt insbesondere auf die Bereiche (1) Informatics for Medicine
and Life Sciences und (2) Healthcare Informatics ab.
Die Vertiefung Digital Health bietet die ideale Grundlage für die weiterführenden
Masterstudien Medizinische Informatik und Biomedical Engineering an der TU
Wien.
• Vertiefung Human-Centered Computing
In der Vertiefung Human-Centered Computing erwerben die Studierenden weiterfüh-
rende Kenntnisse und Fertigkeiten im Bereich der mensch-zentrierten Entwicklung
von Technologien und deren gesellschaftlichen Wirkungsweisen. Diese Qualifikatio-
nen werden sie befähigen, im Rahmen von weiteren spezifischen Lehrveranstaltungen
Lösungen für Probleme im Bereich des Human-Centered Computing zu diskutieren,
zu analysieren und zu entwickeln.
Die Vertiefung Human-Centered Computing bietet die Grundlage für die weiterfüh-
renden Masterstudien der Informatik, insbesondere für das Masterstudium Media
and Human-Centered Computing an der TU Wien.
• Vertiefung Software Engineering
In der Vertiefung Software Engineering erwerben die Studierenden weiterfüh-
rende Kenntnisse und Fertigkeiten im Bereich der Software-Entwicklung und -
qualitätssicherung, welche sie befähigen, im Rahmen von weiteren spezifischen
Lehrveranstaltungen Lösungen für Probleme im Bereich der Softwareentwicklung
zu diskutieren, zu analysieren und zu entwickeln.
Die Vertiefung Software Engineering bietet die Grundlage für die weiterführen-
den Masterstudien der Informatik, insbesondere für das Masterstudium Software
Engineering and Internet Computing an der TU Wien.

6
 • Vertiefung Theoretische Informatik und Logik
In der Vertiefung Theoretische Informatik und Logik erwerben die Studierenden
weitergehende Kenntnisse und Fertigkeiten in den theoretischen und logischen
Grundlagen der Informatik. Aufbauend auf den beiden Pflichtmodulen haben die
Studierenden die Möglichkeit, weitere spezifische Lehrveranstaltungen zu wählen,
die ihrerseits Grundlagen für die Analyse und das Entwickeln von Lösungen für
aktuelle praktische Problemstellungen in der Informatik schaffen.
Die Vertiefung Theoretische Informatik und Logik ist ein Angebot für Studieren-
de, die sich besonders für die formalen Grundlagen der Informatik interessieren
und eine stärker theoretisch und mathematisch fundierte Informatikausbildung
anstreben. Somit bietet diese Vertiefung eine solide Grundlage insbesondere für das
Masterstudium Logic and Computation an der TU Wien sowie für weiterführende
Masterstudien im Bereich der Theoretischen Informatik an anderen internatio-
nalen Universitäten. Zudem fördert die Vertiefungsrichtung die Ausbildung in
grundlegenden Fähigkeiten der Informatik, wie Abstraktion, Datenrepräsentation,
Komplexitätsanalyse und Beweismethoden. Dadurch trägt sie dazu bei, dem steigen-
den Bedarf nach Fachkräften gerecht zu werden, die in der Lage sind, durch Logik
und algorithmisches Denken komplexe Probleme in Forschung und Entwicklung zu
lösen, insbesondere im Umgang mit großen Datenmengen.

• Vertiefung Visual Computing

Visual Computing bezeichnet die Verarbeitung von Bild- und Videodaten in all
ihren Formen, und zwar als Eingabe, Ausgabe, oder beides. Es ist eine grund-
legende Wissenschaft an der Schnittstelle zwischen Mensch und Computer, die
große gesellschaftliche Bedeutung hat und in so gut wie jeder Interaktion mit
modernen Computern präsent ist. Kameras und andere Geräten (z.B. in der Me-
dizintechnik) erfassen Menschen und ihre Umgebung, Modelle werden erstellt,
Anwendern visuell präsentiert und basierend darauf Entscheidungen getroffen. Wei-
tere Anwendungsbeispiele sind selbstfahrende Autos, die Verarbeitung der großen
Bilder- und Videomenge im Internet, die visuelle Unterstützung der Analyse von
immer größeren Datenmengen, die Echtzeitdarstellung von virtuellen Welten in der
Unterhaltungsindustrie etc.
In der Vertiefung Visual Computing erwerben die Studierenden weiterführende
Kenntnisse und Fertigkeiten aus Computergraphik, Computer Vision, Visualisie-
rung und Multimedia, welche sie befähigen, im Rahmen von weiteren spezifischen
Lehrveranstaltungen Lösungen für Probleme im Bereich des Visual Computing zu
diskutieren, zu analysieren und zu entwickeln.

§3 Dauer und Umfang

Der Arbeitsaufwand für das Bachelorstudium Informatik beträgt 180 ECTS-Punkte. Dies
entspricht einer vorgesehenen Studiendauer von 6 Semestern als Vollzeitstudium.

7
 ECTS-Punkte (ECTS) sind ein Maß für den Arbeitsaufwand der Studierenden. Ein Stu-
dienjahr umfasst 60 ECTS-Punkte, wobei ein ECTS-Punkt 25 Arbeitsstunden entspricht
(gemäß § 54 Abs. 2 UG).

§4 Zulassung zum Bachelorstudium

Voraussetzung für die Zulassung zum Bachelorstudium Informatik ist die allgemeine
Universitätsreife.
Die Unterrichtssprache ist Deutsch. Studienbewerber_innen, deren Erstsprache nicht
Deutsch ist, haben die erforderlichen Sprachkenntnisse nachzuweisen. Die Form des
Nachweises ist in einer Verordnung des Rektorats festgelegt.
Einzelne Lehrveranstaltungen können in englischer Sprache abgehalten werden oder in
einzelnen Lehrveranstaltungen kann der Vortrag in englischer Sprache stattfinden bzw.
können die Unterlagen in englischer Sprache vorliegen. Daher werden Englischkenntnisse
auf Referenzniveau B2 des Gemeinsamen Europäischen Referenzrahmens für Sprachen
empfohlen.

§5 Aufbau des Studiums

Die Inhalte und Qualifikationen des Studiums werden durch Module vermittelt. Ein Modul
ist eine Lehr- und Lerneinheit, welche durch Eingangs- und Ausgangsqualifikationen,
Inhalt, Lehr- und Lernformen, den Regelarbeitsaufwand sowie die Leistungsbeurteilung
gekennzeichnet ist. Die Absolvierung von Modulen erfolgt in Form einzelner oder mehrerer
inhaltlich zusammenhängender Lehrveranstaltungen. Thematisch ähnliche Module werden
zu Prüfungsfächern zusammengefasst, deren Bezeichnung samt Umfang und Gesamtnote
auf dem Abschlusszeugnis ausgewiesen wird.

Prüfungsfächer und zugehörige Module

Das Bachelorstudium Informatik gliedert sich in nachstehende Prüfungsfächer mit den
ihnen zugeordneten Modulen. Die unmarkierten Module sind Pflichtmodule und in jedem
Fall zu absolvieren. Die mit Stern (*) markierten Module sind Wahlmodule der engen
Wahl, von denen jedenfalls mindestens sieben zu absolvieren sind, und jene mit Plus (+)
sind Wahlmodule der breiten Wahl.
Abschnitt §8 legt fest, welche Bedingungen für den Abschluss des Studiums im Allge-
meinen sowie für einen Abschluss des Studiums in einer der Vertiefungen erfüllt werden
müssen.

Algorithmen und Programmierung

Algorithmen und Datenstrukturen (8,0 ECTS)

Einführung in die Programmierung (9,5 ECTS)

8
 Programmierparadigmen (6,0 ECTS)
+Effiziente Algorithmen (6,0 ECTS)
+Funktionale Programmierung (6,0 ECTS)
+Logikprogrammierung und Constraints (6,0 ECTS)

Computersysteme

Grundzüge digitaler Systeme (6,0 ECTS)

*Betriebssysteme (6,0 ECTS)
*Computersysteme (6,0 ECTS)
+Abstrakte Maschinen (6,0 ECTS)
+Parallel Computing (6,0 ECTS)
+Übersetzerbau (6,0 ECTS)
+Zuverlässige Echtzeitsysteme (5,0 ECTS)

Computergraphik und Visual Computing

*Einführung in Visual Computing (6,0 ECTS)

+Audio and Video Production (6,0 ECTS)
+Computermusik (6,0 ECTS)
+Creative Media Production (6,0 ECTS)
+Grundlagen der Computergraphik (6,0 ECTS)
+Grundlagen der Computer Vision (6,0 ECTS)
+Multimedia (6,0 ECTS)
+Programmiertechniken für Visual Computing (6,0 ECTS)
+Visualisierung (6,0 ECTS)

Human-Centered Computing

Denkweisen der Informatik (6,5 ECTS)

*Interface und Interaction Design (6,0 ECTS)
+Access Computing (6,0 ECTS)
+Design und Fertigung (6,0 ECTS)
+Menschzentrierte Künstliche Intelligenz (6,0 ECTS)
+Sozio-technische Systeme (6,0 ECTS)
+Usability Engineering and Mobile Interaction (6,0 ECTS)

9
 Information Engineering

Datenbanksysteme (6,0 ECTS)

+Einführung in wissensbasierte Systeme (6,0 ECTS)
+Einführung in Information Retrieval (6,0 ECTS)
+Semistrukturierte Daten (6,0 ECTS)
+Web Engineering (6,0 ECTS)

Logik

*Einführung in Artificial Intelligence (6,0 ECTS)

*Logic and Reasoning in Computer Science (6,0 ECTS)
+Argumentieren und Beweisen (6,0 ECTS)
+Deklaratives Problemlösen (6,0 ECTS)
+Einführung in Machine Learning (6,0 ECTS)
+Logik für Wissensrepräsentation (6,0 ECTS)
+Logik und Grundlagen der Mathematik (6,0 ECTS)

Medizinische Informatik

+Bio-Medical Visualization and Visual Analytics (6,0 ECTS)

+Design und Entwicklung von Anwendungen im Gesundheitswesen (6,0 ECTS)
+Human Augmentation (6,0 ECTS)
+Informationssysteme des Gesundheitswesens (6,0 ECTS)
+Methods for Data Generation and Analytics in Medicine and Life Sciences (6,0 ECTS)

Security

Einführung in Security (6,0 ECTS)

*Daten- und Informatikrecht (6,0 ECTS)
+Attacks and Defenses in Computer Security (6,0 ECTS)
+Foundations of System and Application Security (6,0 ECTS)
+Privacy-Enhancing Technologies (6,0 ECTS)

Strukturwissenschaften

Algebra und Diskrete Mathematik (9,0 ECTS)

Analysis (6,0 ECTS)
Mathematisches Arbeiten (2,0 ECTS)
Statistik und Wahrscheinlichkeitstheorie (6,0 ECTS)
+Computational Statistics (mindestens 6,0 ECTS)

10
+Datenanalyse (6,0 ECTS)
+Methoden der Angewandten Statistik (6,0 ECTS)
+Multivariate Statistik (6,0 ECTS)
+Numerical Computation (5,5 ECTS)

Software Engineering

*Software Engineering (6,0 ECTS)

*Software Engineering Projekt (6,0 ECTS)
*Verteilte Systeme (6,0 ECTS)
+Programm- und Systemverifikation (6,0 ECTS)
+Software-Qualitätssicherung (6,0 ECTS)

Theoretische Informatik

Theoretische Informatik (6,0 ECTS)

+Introduction to Cryptography (6,0 ECTS)
+Einführung in Quantencomputing (6,0 ECTS)

Freie Wahlfächer und Transferable Skills

Freie Wahlfächer und Transferable Skills (18,0 ECTS)

Bachelorarbeit

Bachelorarbeit (13,0 ECTS)

Kurzbeschreibung der Module

Dieser Abschnitt charakterisiert die Module des Bachelorstudiums Informatik in Kürze.
Eine ausführliche Beschreibung ist in Anhang A zu finden.
Abstrakte Maschinen (6,0 ECTS) Dieses Modul vermittelt die theoretischen Grund-
lagen und konkrete Ausprägungen von abstrakten Maschinen. Dazu gehören Grundlagen
über die effiziente Implementierung von abstrakten Maschinen und konkrete Maschinen
wie die Java Virtual Machine, die Dalvik Virtual Machine, die Warren Abstract Machine
und die SECD Maschine. Praktische Fertigkeiten werden durch die Implementierung
einer eigenen abstrakten Maschine im Übungsteil erworben. Einfache Kenntnisse aus
dem Übersetzerbau werden vorausgesetzt.
Access Computing (6,0 ECTS) Ziel der Lehrveranstaltung in diesem Modul ist es,
Studierenden eine grundlegende Einführung in die Konzepte von Access und Zugang in
der Technologiegestaltung zu geben.

11
Algebra und Diskrete Mathematik (9,0 ECTS) Das Modul vermittelt zentra-
le Grundlagenkenntnisse, Theoreme und Beweistechniken der Algebra (algebraische
Strukturen und lineare Algebra) und der Diskreten Mathematik (Kombinatorik und Gra-
phentheorie). Es setzt sich aus einem Vorlesungsteil und einem begleitenden Übungsteil
zusammen. Neben der Vertiefung des Verständnisses und der Vernetzung der Vorlesungs-
inhalte dient der Übungsteil vor allem der Entwicklung von praktischen Fertigkeiten in der
Erstellung korrekter mathematischer Beweise sowie in der mathematischen Modellierung
und Analyse von Anwendungsproblemen.
Algorithmen und Datenstrukturen (8,0 ECTS) Dieses Modul führt Studierende
in grundsätzliche Methoden zur Entwicklung und Analyse von Algorithmen ein. Neben
Fachkenntnissen zu fundamentalen Algorithmen und Datenstrukturen erwerben sich die
Studierenden die Fähigkeit zum Einsatz theoretisch fundierter Methoden zur Analyse
von Algorithmen. Eine abstrakte und effizienzorientierte Denkweise wird gefördert.
Analysis (6,0 ECTS) Das Modul vermittelt zentrale Grundlagenkenntnisse, Theoreme
und Beweistechniken in der mathematischen Analysis (Folgen und Reihen, elementare
Funktionen, Differential- und Integralrechnung in einer Variablen). Es setzt sich aus einem
Vorlesungsteil und einem begleitenden Übungsteil zusammen. Neben der Vertiefung des
Verständnisses und der Vernetzung der Vorlesungsinhalte dient der Übungsteil vor allem
der Entwicklung von praktischen Fertigkeiten zur Erstellung korrekter mathematischer
Beweise sowie zur mathematischen Modellierung und Analyse von Anwendungsproblemen.
Argumentieren und Beweisen (6,0 ECTS) Das Modul bietet eine Einführung in die
zentralen Beweistechniken. Es setzt sich aus einem Vorlesungsteil und einem begleitenden
Übungsteil zusammen, welcher der Vertiefung der Vorlesungsinhalte und der Entwicklung
von Fertigkeiten zur Erstellung korrekter mathematischer Beweise dient. Schwerpunkte
sind die Strukturierung von Beweisen und Argumentationen sowie die unterschiedlichen
Techniken zur Induktion, die an praktischen Fragestellungen der Informatik demonstriert
werden.
Attacks and Defenses in Computer Security (6,0 ECTS) Dieses Modul vermittelt
grundlegende Kenntnisse über Angriffstechniken und Verteidigungsstrategien in Computer
Security. Der Schwerpunkt liegt im Sammeln von praktischer Erfahrung durch Teilnahme
an internationalen IT-Sicherheitswettbewerben, auch Capture The Flag (CTF) genannt.
Audio and Video Production (6,0 ECTS) Both the video and audio modules are
designed to teach the basic theories and practical skills needed to best prepare students
for their multimedia productions during their studies and later in their private and
professional projections.
Bachelorarbeit (13,0 ECTS) Ein Seminar führt in die wissenschaftliche Methodik und
in den Wissenschaftsbetrieb ein. Darauf aufbauend bearbeitet der oder die Studierende im
Rahmen eines Projektes ein dem Qualifikationsprofil des Studiums entsprechendes Thema
und beschreibt Aufgabenstellung, Methodik, Umfeld und Ergebnisse in einer schrift-
lichen Bachelorarbeit. Das Thema der Bachelorarbeit wird auf dem Abschlusszeugnis
ausgewiesen.

12
Betriebssysteme (6,0 ECTS) Dieses Modul vermittelt grundlegende Kenntnisse über
Betriebssysteme, deren Architektur, Funktionsweise und wesentliche Komponenten. Die
Grundkonzepte und theoretischen Inhalte werden in der Vorlesung, das Arbeiten mit
Betriebssystemen und Betriebssystemmechanismen zusätzlich in praktischen Übungen
im Labor vermittelt. Vorausgesetzt werden Kenntnisse der Grundlagen der Informatik
sowie Programmierkenntnisse.
Bio-Medical Visualization and Visual Analytics (6,0 ECTS) Dieses Modul bietet
eine Einführung in die grundlegenden Methoden der Visualisierung (z.B. Volume Rende-
ring) und der Bereiche von Visual Analytics und wie diese auf ausgewählte Anwendungen
im biomedizinischen Bereich angewendet werden können.
Computational Statistics (mindestens 6,0 ECTS) Dieses Modul vermittelt Grund-
kenntnisse der computerorientierten Statistik und bietet einen Zugang zu statistischen
Methoden, der sowohl formal orientiert ist, bei dem aber auch anhand von konkre-
ten Problemstellungen die theoretischen Konzepte praxisnah mit dem Computer gelöst
werden.
Computermusik (6,0 ECTS) Das Modul Computermusik vermittelt die aktuellen
medien- und wahrnehmungstheoretischen Grundlagen, die sich in der geschichtlichen,
soziologischen und technischen Entwicklung medialisierter Musik in unser Leben in-
tegriert haben. Durch die Zusammensetzung der einzelnen Teilaspekte wird über das
gesamte Spektrum der Anwendungen, Bedeutungen und Forschungen auf diesem Gebiet
ein Überblick geschaffen. Das Modul erklärt den Einfluss bahnbrechender akustischer
Erkenntnisse und den Einfluss der Naturwissenschaften auf die Musik aller Stile und
Gattungen.
Computersysteme (6,0 ECTS) Das Modul vermittelt die notwendigen Grundkennt-
nisse, um Aufbau und Funktionsweise von Rechnerarchitekturen wiederzugeben, zu
beschreiben, verschiedene Lösungsansätze einander gegenüberzustellen, sie zu bewerten
und auszuwählen. In weiterer Folge werden grundlegende Funktionsweisen von Compu-
ternetzen und deren Komponenten besprochen. Anhand wesentlicher Protokolle einer
geschichteten Netzarchitektur wird erläutert, welche Protokollmechanismen in den einzel-
nen Schichten eingesetzt werden und wie diese funktionieren. Die Studierenden erlernen
dadurch die aktuellen Fundamente der Internet-basierenden Kommunikation zu verstehen
und Entwicklungstendenzen im Bereich von Computernetzen einzuschätzen.
Creative Media Production (6,0 ECTS) In this course, students will learn how to
script, direct and produce short video productions in non-interactive media.
Datenanalyse (6,0 ECTS) Dieses Modul vermittelt Grundkenntnisse der statisti-
schen Datenanalyse. Es werden praxisrelevante Methoden einerseits formal behandelt,
andererseits werden aber auch die theoretischen Konzepte anhand von konkreten Pro-
blemstellungen mit open-access Statistik-Software gelöst werden.
Datenbanksysteme (6,0 ECTS) Das Modul vermittelt Grundkenntnisse von Datenmo-
dellierung und Datenbankmanagementsystemen. Es bildet die Basis für die Verwendung

13
von Datenbanksystemen und -management bei künftigen Aufgaben im Bereich Software-
entwicklung und Data Science. Der Schwerpunkt liegt auf dem relationalen Datenmodell.
Neben den grundlegenden Techniken der Datenmodellierung wird daher die Umsetzung
in ein relationales Schema sowie die Verwendung einer relationalen Datenbank vermittelt.
Außerdem werden Kenntnisse über zentrale Datenbankkonzepte wie Anfrageoptimierung,
Transaktionen, Fehlerbehandlung/Recovery und Mehrbenutzersynchronisation vermittelt.
Daten- und Informatikrecht (6,0 ECTS) Dieses Modul eröffnet den Zugang zu
den für das Internet bzw. die Informationsgesellschaft relevanten rechtlichen Aspekten
und sensibilisiert für aktuelle rechtspolitische Problemstellungen. Ferner leistet es einen
Beitrag zur Reduktion der rechtlichen Risiken, denen Techniker_innen im Rahmen ihrer
beruflichen Praxis ausgesetzt sind.
Deklaratives Problemlösen (6,0 ECTS) In diesem Modul werden vertiefende Kennt-
nisse zur Lösung komplexer computationaler Probleme mittels deklarativer Techniken
vermittelt. Die Teilnehmer erlernen theoretische und anwendungsorientierte Aspekte
unterschiedlicher Werkzeuge, welche auf klassischer Logik und Logikprogrammierung
basieren.
Denkweisen der Informatik (6,5 ECTS) Studierende werden mit einer Reihe verschie-
dener Denkweisen und Denkmodelle konfrontiert, die unterschiedliche Herangehensweisen
an Probleme implizieren. Darüber hinaus lernen Studierende ausgewählte Aspekte der
Geschichte der Informatik kennen, reflektieren die Rolle der Informatik in der Gesellschaft,
und setzen sich exemplarisch mit besonderen Fragen aus diesem Bereich auseinander.
Schließlich bietet das Modul einen Überblick und eine Einführung in die Themen des
wissenschaftlichen Arbeitens sowie zum Lernen und Arbeiten an der TU Wien. Darüber
hinaus gibt das Modul einen Überblick über die Informatikstudien, die Forschungsgebiete
der Informatik und die Organisation von Fakultät und Universität, und vermittelt die
Verhaltensregeln der Informatik sowie Strategien für einen erfolgreichen Studienabschluss.
Design und Fertigung (6,0 ECTS) Studierende werden mit einer Reihe verschiedener
Designansätze und Designkonzepte in diversen Anwendungsbereichen konfrontiert, die
unterschiedliche Herangehensweisen an Designprobleme ermöglichen. Darüber hinaus
lernen Studierende Methoden und Werkzeuge zum Design und zur digitalen Fertigung
kennen, wenden diese in praktischen Beispielen an, verstehen dabei den Gesamtpro-
zess des Entwerfens und der Fertigung in einem angewandten Kontext. Dadurch lernen
sie die Definitionen, Denkschulen, Vorteile, Philosophien, Verpflichtungen und Anwen-
dungsbereiche verschiedener Designansätze und Design-Thinking-Methoden in einem
Designprozess kennen. Der Schwerpunkt des Moduls liegt hauptsächlich im Erlernen und
Experimentieren mit technologischer Innovation in einer auf den Menschen ausgerichteten
Weise.
Design und Entwicklung von Anwendungen im Gesundheitswesen (6,0 ECTS)
Dieses Modul vermittelt grundlegende Methoden für das Design und die Entwicklung
von Anwendungen im Gesundheitswesen.
Effiziente Algorithmen (6,0 ECTS)

14
 Dieses Modul erweitert die algorithmischen Kenntnisse und Kompetenzen der Studie-
renden, die bereits im Modul Algorithmen und Datenstrukturen vermittelt wurden. Die
Studierenden erwerben Kenntnisse zu fortgeschrittenen Analyse- und Entwurfsmethoden
für effiziente Algorithmen und vertiefen ihre Fähigkeiten in verschiedenen Bereichen wie
Abstraktion, Beweismethodik und algorithmische Komplexitätsanalyse.
Einführung in Artificial Intelligence (6,0 ECTS) Studierende mit Kenntnissen
in Datenstrukturen und Algorithmen sowie mit Fertigkeiten in der Mathematik (wie
z.B. Beweise selbst zu führen) erhalten in diesem Modul (a) grundlegende Kenntnisse
der theoretischen Grundlagen und Methoden der Artificial Intelligence (AI) und (b)
fundamentale Konzepte die zum Verständnis der Arbeitsweise als auch zur Erstellung
von AI Systemen notwendig sind.
Einführung in die Programmierung (9,5 ECTS) Das Modul richtet sich an Pro-
grammieranfänger_innen und bildet die Basis für die weitere Programmierausbildung.
Der Schwerpunkt liegt auf einer systematischen Vorgehensweise beim Programmieren.
Studierende erwerben neben Fachkenntnissen vor allem praktische Fertigkeiten in der
Programmierung. Abstrakte Denkweisen werden gefördert.
Einführung in Information Retrieval (6,0 ECTS) Dieses Modul vermittelt die
Grundlagen von Informationssuche (Information Retrieval). Der Schwerpunkt liegt auf
Textsuche, aber multimodale Suche (Musik, Bild, …) wird auch behandelt. Praktische Er-
fahrung mit dem Einsatz von weit verbreiteten Open Source Lösungen (z.B. Elasticsearch)
wird in Übungen gesammelt.
Einführung in Machine Learning (6,0 ECTS) Studierende erhalten eine Einführung
in Maschinelles Lernen, sowohl in der Theorie als auch in der Anwendung. Es werden
grundlegende Konzepte und ausgewählte Algorithmen gelehrt. Ziel dieses Moduls ist
das Verständnis der ausgewählten Methoden sowie die korrekte Anwendung auf reale
Problemstellungen.
Einführung in Quantencomputing (6,0 ECTS) Dieses Modul vermittelt Grundkennt-
nisse in Quantum Computing. Es besteht aus einer VU mit integriertem Übungsanteil sowie
einer praxisorientierten Programmierübung. Neben der Vertiefung des Verständnisses der
theoretischen Grundlagen durch die Übungen dient die praxisorientierte Programmier-
übung der Entwicklung der praktischen Fähigkeiten in Quantum Computing
Einführung in Security (6,0 ECTS) IT-Sicherheit ist ein kritisches Element erfolgrei-
cher IT-Projekte. Trotz funktional gut ausgeführter Projekte können diese bei schweren
Sicherheitsproblemen je nach Anwendungsgebiet geschäftsschädigende Auswirkungen
haben. In diesem Modul lernen die Studierenden Sicherheitsprobleme zu erkennen und
Sicherheitsmaßnahmen anzuwenden, um IT-Projekte auch aus Sicherheitssicht erfolgreich
abzuschließen.
Einführung in Visual Computing (6,0 ECTS) Das Modul Einführung in Visual
Computing vermittelt einen Überblick über die Aufgaben und Problemstellungen sowie
die Methoden des Visual Computing, und ein kritisches Verständnis ihrer Theorien und

15
Grundsätze. Der Begriff Visual Computing ist durch das methodische Zusammenwach-
sen der Bereiche Bildverarbeitung, Computer Vision, Computergraphik, Visualisierung
und Mensch-Maschine-Interaktion entstanden, und umfasst außer diesen Themen auch
Bereiche wie Augmented und Virtual Reality und maschinelles Lernen. Um dieses Modul
absolvieren zu können werden Grundkenntnisse im Programmieren und solide Mathema-
tikkenntnisse (Maturaniveau + Mathematik 1) vorausgesetzt.
Einführung in wissensbasierte Systeme (6,0 ECTS) Studierende mit elementaren
Logikkenntnissen sowie mit Fertigkeiten in der Mathematik (wie z.B. Beweise selbst
zu führen) erhalten in diesem Modul (a) grundlegende Kenntnisse in den theoretischen
Grundlagen wissensbasierter Systeme und (b) fundamentale Konzepte, die zum Ver-
ständnis der Arbeitsweise als auch zur Erstellung wissensbasierter Systeme notwendig
sind.
Foundations of System and Application Security (6,0 ECTS) IT-Sicherheit ist ein
kritisches Element erfolgreicher (mobiler) IT-Projekte. Trotz funktional gut ausgeführter
Projekte können diese bei schweren Sicherheitsproblemen je nach Anwendungsgebiet
geschäftsschädigende Auswirkungen haben. In den Lehrveranstaltungen dieses Moduls
lernen die Studierenden Sicherheitsprobleme zu erkennen und Sicherheitsmaßnahmen
anzuwenden, um IT-Projekte auch aus Sicherheitssicht erfolgreich abzuschließen.
Freie Wahlfächer und Transferable Skills (18,0 ECTS) Die Lehrveranstaltungen
dieses Moduls dienen der Vertiefung des Faches sowie der Aneignung außerfachlicher
Kenntnisse, Fähigkeiten und Kompetenzen.
Funktionale Programmierung (6,0 ECTS) Das Modul vertieft die Konzepte des
funktionalen Programmierparadigmas, seiner theoretischen Grundlagen und der ent-
sprechenden Sprachkonstrukte und Programmiertechniken funktionaler Sprachen und
funktionaler Programmierung. Einen Schwerpunkt bildet dabei das praktische Lösen von
Programmieraufgaben in einer fortgeschrittenen modernen funktionalen Programmier-
sprache.
Grundlagen der Computergraphik (6,0 ECTS) Das Modul vermittelt tiefergehende
Kenntnisse im Bereich Computergraphik, aufbauend auf das Modul “Einführung in Visual
Computing”. Die Inhalte werden theoretisch durch eine Vorlesung und praktisch durch
eine Übung vermittelt.
Grundlagen der Computer Vision (6,0 ECTS) Das Modul vermittelt tiefergehende
Kenntnisse im Bereich Computer Vision, aufbauend auf das Modul Ëinführung in Visual
Computing”. Die Inhalte werden theoretisch durch eine Vorlesung und praktisch durch
eine Übung vermittelt. Die Studierenden sollen die grundlegenden methodischen Konzepte
und das grundlegende Wissen über die Themengebiete kennen und anwenden lernen.
Sie sollen die Zusammenhänge zwischen den Objekten einer Szene, dem Sensor und den
Eingabedaten verstehen und in der Lage sein, die benötigten Informationen zu extrahieren
und in einer Vielzahl von Anwendungen zu nutzen. Nach Abschluss dieses Moduls
verfügen die Studierenden über ein umfassenderes Wissen über Computer Vision und
fortgeschrittene, methodische Kenntnisse, um die Herausforderungen mit den effektivsten
Methoden des jeweiligen Standes der Technik zu bewältigen.

16
Grundzüge digitaler Systeme (6,0 ECTS) Das Modul vermittelt die Grundkennt-
nisse für die formale Modellierung statischer und dynamischer Systeme sowie für das
Verständnis und den Entwurf digitaler Systeme.
Human Augmentation (6,0 ECTS) Ziel dieses Moduls ist es, Studierende in den
Bereich der Forschung einzuführen, der sich damit befasst, wie menschliche Fähigkeiten
durch Technologie oder Medizin erweitert bzw. verbessert oder deren Leistungsfähigkeit
gesteigert werden kann. Das Modul vermittelt Grundkenntnisse zu Human Factors-
und Ergonomieforschung und deren Anwendung in der Technologiegestaltung. Neben
der Beschäftigung mit bereits existierenden Systemen wie Wearables, Exoskeletten und
prothetischen Lösungen sollen auch futuristische Ansätze kritisch diskutiert und durch
die Lupe des Digitalen Humanismus betrachtet werden.
Informationssysteme des Gesundheitswesens (6,0 ECTS) Absolvent_innen die-
ses Moduls besitzen grundlegenden Kenntnisse über die wesentlichen IT-Systeme und
IT-Infrastrukturen, den besonderen Anforderungen im Design und in der Umsetzung
(medizinisches Umfeld, Usabilty, Kommunikation und Datenaustausch, Datenschutz und
Datensicherheit) und somit grundlegende Fähigkeiten für einen verantwortungsvollen
Umgang mit medizinischen Daten. Außerdem sind sie fähig, derartige Informationssys-
teme in ihrer Gesamtheit kritisch zu betrachten und selbst an der Konzeption dieser
Systeme (einzeln und im Verbund) aktiv mitzuwirken.
Interface und Interaction Design (6,0 ECTS) Interface and Interaction Design be-
schäftigt sich mit Fragen der Gestaltung Interaktiver Systeme unter Berücksichtigung der
Komplexität realweltlicher Kontexte. Im Mittelpunkt stehen dabei die Theorien, metho-
dischen Vorgehensweisen und Praktiken der Inkludierung diverser und widersprüchlicher
Anforderungen und Bedürfnisse von Menschen und Situationen.
Introduction to Cryptography (6,0 ECTS)
Dieses Modul vermittelt die grundlegenden Konzepte der (symmetrischen und public-
key) Kryptographie im Bereich Verschlüsselung und Authentifizierung. Die Sicherheit
der vorgestellten Verfahren wird mit den Methoden der beweisbaren Sicherheit formal
argumentiert.
Logic and Reasoning in Computer Science (6,0 ECTS) Aufbauend auf elementaren
Kenntnissen (wie Automaten und Aussagenlogik), vermittelt dieses Modul (i) die logischen
Grundlagen der Informatik; (ii) die Fähigkeit, formal-mathematische Beschreibungen
verfassen zu können; (iii) und computergestützte Begründungen und Argumentationsme-
thoden zu entwerfen.
Logik für Wissensrepräsentation (6,0 ECTS) Dieses Modul vermittelt grundlegende
Kenntnisse unterschiedlicher Logiken bzw. logikbasierter Formalismen zur Wissensreprä-
sentation. Beginnend mit der klassischen Logik als zentraler Wissensrepräsentionssprache
werden unterschiedliche Formalismen zum Nichtmonotonen Schließen, zum parakon-
sistenten Schließen, sowie zur Wissensrevision (Belief Revision) sowie der Modallogik
vorgestellt. Weiters werden grundlegende Aspekte ontologischen Modellierens diskutiert.
Logikprogrammierung und Constraints (6,0 ECTS) Dieses Modul vermittelt das

17
logikorientierte Programmierparadigma anhand praktischer Aufgaben. Als Grundpro-
grammiersprache wird ISO-Prolog verwendet. Schwerpunkt ist der pure und monotone
Teil der Sprache. Darauf aufbauend kommen in ISO-Prolog eingebettete Constraint-
Programmiersprachen zum Einsatz.
Logik und Grundlagen der Mathematik (6,0 ECTS) Dieses Modul vermittelt
grundsätzliche Kenntnisse über Logik und Grundlagen der Mathematik.
Mathematisches Arbeiten (2,0 ECTS) Das Modul vermittelt elementare mathemati-
sche Methodik.
Menschzentrierte Künstliche Intelligenz (6,0 ECTS) Nach erfolgreichem Abschluss
des Moduls haben Studierende grundlegende Kenntnisse über die Prinzipien, Herausfor-
derungen und Probleme der Mensch-KI-Interaktion.
Methoden der Angewandten Statistik (6,0 ECTS) Dieses Modul vermittelt grund-
sätzliche Kenntnisse über angewandte Statistik und umfasst ausgewählte Bereiche wie
Varianzanalyse, das Design von Experimenten, überwachte und unüberwachte statistische
Analyse kategorieller Daten und Überlebenszeitdaten, sowie Bayessche Statistik.
Methods for Data Generation and Analytics in Medicine and Life Sciences
(6,0 ECTS) Ziel dieses Kurses ist es, einen Überblick über (gepaarte) Daten und Metho-
den zu geben, die im Bereich Biomedical Engineering und Informatik für die Medizin
und die Biowissenschaften verwendet werden. Zu den Themen gehören die Erfassung,
Verarbeitung und Analyse von biomedizinischen Daten, Biosignalen, Bildgebungsdaten,
epidemiologischen und public healthcare Daten. Dieser Kurs bietet eine Einführung in
Methoden aus dem Bereich der Datengeneration und Analytik und Informationen wie
diese angewendet werden können.
Multivariate Statistik (6,0 ECTS) Dieses Modul vermittelt multivariate statistische
Methoden.
Multimedia (6,0 ECTS) Das Modul vermittelt grundlegende Kenntnisse im Bereich
Multimedia, wie etwa die Verarbeitung zeitabhängiger Medientypen, Audio- und Video-
kompression, Streaming sowie maschinelles Medien-Verstehen.
Numerical Computation (5,5 ECTS) Studierende werden mit den grundlegenden
Konzepten algorithmisch-numerischer Lösungsmethoden vertraut gemacht. Inhaltlich
gehören dazu grundlegende Fehlerbegriffe (Datenfehler, Verfahrens- oder Diskretisie-
rungsfehler, Rundungsfehler), Kondition mathematischer Probleme, numerische Lösung
linearer und nichtlinearer Gleichungssysteme, polynomiale Interpolation und Approxima-
tion, numerische Integration, numerische Lösungen von Differentialgleichungen, Design
und Verwendung numerischer Algorithmen bzw. numerischer Software.
Parallel Computing (6,0 ECTS) Das Modul gibt eine Einführung in das parallele
Rechnen auf unterschiedlichen Rechnerarchitekturen, vom Mehrkern-Prozessor bis zum
Hochleistungsrechensystem. Es werden Lösungsstrategien für spezifische Probleme und
konkrete Programierschnittstellen aufgezeigt.

18
Privacy-Enhancing Technologies (6,0 ECTS) Dieses Modul vermittelt Kenntnisse
über grundlegende Technologien zum Schutz der Privatsphäre. Das theoretisches Wissen
zu Privacy-Technologien wird an praktischen Aufgaben angewendet. Aktuelle Internet-
services werden in Bezug auf das Thema Privacy analysiert und effektive technische
Schutzmaßnahmen werden abgeleitet.
Programm- und Systemverifikation (6,0 ECTS) Das Modul bietet eine Einführung
in Methoden zur computerunterstützten Verifikation und Qualitätssicherung von Software
und Hardware. Die in der Vorlesung vermittelten Grundlagen und Methoden werden an
Hand von theoretischen und praktischen Aufgabenstellungen vertieft und in geeigneten
Anwendungen erprobt.
Programmierparadigmen (6,0 ECTS) Das Modul veranschaulicht Konzepte, Techni-
ken und Denkweisen von Programmierparadigmen, insbesondere des objektorientierten,
funktionalen, nebenläufigen (concurrent) und parallelen Paradigmas. Im Vordergrund
steht das praktische Lösen von Programmieraufgaben auf für die Paradigmen typische
Weise.
Programmiertechniken für Visual Computing (6,0 ECTS)
Dieses Modul vermittelt weitergehende Kenntnisse über Programmiertechniken für
Visual Computing. In einem Projekt wird eine größere Visual Computing-Anwendung
umgesetzt, in dem auch die Methoden der vorangehenden Module, insbesondere auch
das Modul “Grundlagen der Computergraphik”, angewendet werden sollen.
Semistrukturierte Daten (6,0 ECTS) Das Modul Semistrukturierte Daten behandelt
die Erstellung, Verarbeitung und den Zugriff auf Daten, die nicht so hochgradig struktu-
riert sind, wie in traditionellen relationalen Datenbanksystemen. Das Modul behandelt
einige Prinzipien von schwach- bzw. semi-strukturierten Daten (z.B. die Verwendung von
Bäumen und Graphen anstatt von Datenbanktabellen), einige existierende Standards
um solche Daten zu erfassen und zu teilen, einige Standards um die Integrität solcher
Daten sicherzustellen, sowie Standards und Technologien, um Abfragen über schwach
strukturierten Daten auszuwerten bzw. schwach strukturierte Daten in Applikationen zu
nutzen.
Sozio-technische Systeme (6,0 ECTS) Ziel dieses Moduls ist es, Studierenden eine
grundlegende Einführung in Konzepte zum Verständnis technologischer Systeme auf
gesellschaftlicher Ebene zu geben.
Software Engineering (6,0 ECTS) Das Modul vermittelt Studierenden mit Grund-
kenntnissen in der individuellen Programmierung grundlegende Kenntnisse und Fertig-
keiten zur Softwareerstellung und Wartung durch das Zusammenführen der isolierten
Kenntnisse und Fähigkeiten aus den relevanten vorangehenden Lehrveranstaltungen
zu einer praxisnahen Gesamtsicht von der softwaretechnischen Problemstellung bis zur
Lösung. Der Schwerpunkt liegt auf einer systematischen Vorgehensweise für die Software-
entwicklung von mittelgroßen Softwareprodukten in einem Team mit klar definierten
Rollen.
Software Engineering Projekt (6,0 ECTS) In diesem Modul wenden die Studierenden
Software Engineering Methoden auf eine reale Aufgabenstellung an. Der Schwerpunkt liegt

19
auf einer systematischen Vorgehensweise für die Softwareentwicklung von mittelgroßen
Softwareprodukten in einem Team mit klar definierten Rollen.
Software-Qualitätssicherung (6,0 ECTS) Dieses Modul vermittelt Studierenden
mit Grundkenntnissen in der Software-Entwicklung eine Einführung in formale und
angewandte Kenntnisse, Methoden und Kompetenzen zur Beurteilung und Verbesserung
der Qualität von Softwaresystemen im wissenschaftlichen und industriellen Umfeld. Der
Schwerpunkt liegt auf einer systematischen Vorgehensweise für Reviews und Testen von
Artefakten aus der Entwicklung von Softwaresystemen, die aus mehreren Komponenten
bestehen.
Statistik und Wahrscheinlichkeitstheorie (6,0 ECTS) Das Modul vermittelt Grund-
kenntnisse der Wahrscheinlichkeitstheorie und Statistik.
Theoretische Informatik (6,0 ECTS) Dieses Modul führt in die Kerngebiete der
Theoretischen Informatik ein, wobei folgende Themengebiete im Mittelpunkt stehen: Au-
tomaten und formale Sprachen, Berechenbarkeit und Komplexität, sowie die Grundlagen
der formalen Semantik von Programmiersprachen.
Übersetzerbau (6,0 ECTS) Das Modul vermittelt die theoretischen Grundlagen des
Übersetzerbaus und die praktischen Fähigkeiten der Entwicklung von Parsern und
Übersetzern. Es werden alle Phasen eines Übersetzers von der lexikalischen Analyse,
der Syntaxanalyse, der semantischen Analyse, der Optimierung und der Codeerzeu-
gung abgedeckt. Weiters wird noch auf die Implementierung von objektorientierten
Programmiersprachen eingegangen. In Vorlesungen werden die theoretischen Grundlagen
vermittelt, in einer Laborübung in geführten Kleingruppen werden die Inhalte in Form
von Programmieraufgaben praktisch geübt.
Usability Engineering and Mobile Interaction (6,0 ECTS) Dieses Modul vermittelt
theoretische Grundlagen und praktische Methoden in den Bereichen Usability Engineering
und User-Centered Interaction Research für mobile Anwendungen. Im Bereich Usability
Engineering stehen die Qualitätskriterien für gute User Interfaces und die Methoden
zu deren Evaluierung im Vordergrund. Aufbauend darauf wird im zweiten Teil des
Moduls der Fokus auf den mobilen Bereich gelegt und dessen Besonderheiten anhand
von Fallbeispielen hervorgehoben. Die in der Vorlesung vermittelten Kenntnisse sollen in
den jeweiligen Übungsblöcken in Kleingruppen praktisch erprobt werden.
Verteilte Systeme (6,0 ECTS) Das Modul Verteilte Systeme vermittelt maßgebliche
Konzepte verteilter Systeme sowie aktuelle Entwicklungen in diesem Bereich. Daher
wird die Rolle verteilter Systeme in aktuellen Systemlandschaften diskutiert. Weiterhin
werden Anforderungen an (große) verteilte Systeme und verschiedene Arten von verteilten
Systemen vorgestellt. Der Fokus liegt auf fundamentalen Konzepten, Methoden und
Algorithmen für verteilte Systeme, sowie deren Vor- und Nachteile und Einsatzmöglich-
keiten. Ziel der Übung ist das Erlernen von grundlegenden Techniken wie beispielsweise
Sockets, Remote Method Invocations (RMI), sowie einfachen Sicherheits-Mechanismen in
verteilten Systemen. Die Übung verleiht in diesem Zusammenhang praxisnahe Fähigkeiten
in der Netzwerk-Programmierung sowie beim Entwickeln von verteilten Anwendungen.

20
Visualisierung (6,0 ECTS) Das Modul Visualisierung vermittelt einen Überblick über
die Aufgaben und Problemstellungen sowie die Methoden der Visualisierung und ein
kritisches Verständnis ihrer Theorien und Grundsätze. Es wird eine breite Einführung in
die Kernbereiche der Visualisierung geboten. Nach einer generellen Einleitung und Präsen-
tation von Visualisierungszielen, -taxonomien und -modellen wird auf wissenschaftliche
Visualisierung, Informationsvisualisierung und visuelle Analyse (Visual Analytics) näher
eingegangen. Visualisierungstechniken, -werkzeuge und -technologien werden erläutert
und anhand von Visualisierungsanwendungen betrachtet.
Web Engineering (6,0 ECTS) Das Modul Web Engineering beschäftigt sich mit
der systematischen Entwicklung von dynamischen Web-Anwendungen im Intra- und
Internet mit Technologien und unter Berücksichtigung geltender Standards, u.a. für
Barrierefreiheit.
Zuverlässige Echtzeitsysteme (5,0 ECTS) Das Modul vermittelt die wesentlichen
Kenntnisse für die Spezifikation, den Entwurf, die Implementierung und das Testen
von fehlertoleranten, sowie sicherheitskritischen verteilten Echtzeitsystemen. Fehlerarten,
Fehlermodellierung, Fehlermaskierung, der Umgang mit zeitabhängiger Information, die
Konstruktion von Computersystemen mit strikten Anforderungen im Zeitbereich und die
Auswirkungen dieser Faktoren auf die Sicherheit von Computersystemen sind dabei zen-
trale Aspekte. Die Grundlagen zu zuverlässigen Systemen und Echtzeitsystemen werden
in Vorlesungen vermittelt. Problemstellungen aus der Simulation von Fehlertoleranten
Systemen und der Fehleranalyse/modellierung werden in praktischen Übungen behandelt.

§6 Lehrveranstaltungen
Die Stoffgebiete der Module werden durch Lehrveranstaltungen vermittelt. Die Lehrveran-
staltungen der einzelnen Module sind in Anhang A in den jeweiligen Modulbeschreibungen
spezifiziert. Lehrveranstaltungen werden durch Prüfungen im Sinne des Universitätsgeset-
zes beurteilt. Die Arten der Lehrveranstaltungsbeurteilungen sind in der Prüfungsordnung
(Abschnitt §8) festgelegt.
Betreffend die Möglichkeiten der Studienkommission, Module um Lehrveranstaltungen
für ein Semester zu erweitern, und des Studienrechtlichen Organs, Lehrveranstaltun-
gen individuell für einzelne Studierende Wahlmodulen zuzuordnen, wird auf § 27 des
Studienrechtlichen Teils der Satzung der TU Wien verwiesen.

Vorgaben zu Lehrveranstaltungen und Prüfungen aus dem

Universitätsgesetz 2002
Vor Beginn jedes Semesters ist ein elektronisches Verzeichnis der Lehrveranstaltugen zu
veröffentlichen (Titel, Name der Leiterin oder des Leiters, Art, Form inklusive Angabe
des Ortes und Termine der Lehrveranstaltung). Dieses ist laufend zu aktualisieren.
Die Leiterinnen und Leiter einer Lehrveranstaltung haben, zusätzlich zum veröffent-
lichten Verzeichnis, vor Beginn jedes Semesters die Studierenden in geeigneter Weise über

21
die Ziele, die Form, die Inhalte, die Termine und die Methoden ihrer Lehrveranstaltungen
sowie über die Inhalte, die Form, die Methoden, die Termine, die Beurteilungskriterien
und die Beurteilungsmaßstäbe der Prüfungen zu informieren.
Für Prüfungen, die in Form eines einzigen Prüfungsvorganges durchgeführt werden,
sind Prüfungstermine jedenfalls drei Mal in jedem Semester (laut Satzung am Anfang,
zu Mitte und am Ende) anzusetzen, wobei die Studierenden vor Beginn jedes Semesters
über die Inhalte, die Form, die Methoden, die Termine, die Beurteilungskriterien und die
Beurteilungsmaßstäbe der Prüfungen zu informieren sind.
Bei Prüfungen mit Mitteln der elektronischen Kommunikation ist eine ordnungsge-
mäße Durchführung der Prüfung zu gewährleisten, wobei zusätzlich zu den allgemeinen
Regelungen zu Prüfungen folgende Mindesterfordernisse einzuhalten sind:
• Bekanntgabe der Standards vor dem Beginn des Semesters, die die technischen
Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu
können.
• Zur Gewährleistung der eigenständigen Erbringung der Prüfungsleistung durch die
Studierende oder den Studierenden sind technische oder organisatorische Maßnah-
men vorzusehen.
• Bei technischen Problemen, die ohne Verschulden der oder des Studierenden auf-
treten, ist die Prüfung abzubrechen und nicht auf die zulässige Zahl der Prüfungs-
antritte anzurechnen.

Vorgaben zu Lehrveranstaltungen aus der Satzung der TU Wien

(SSB steht für Satzung der TU Wien, Studienrechtliche Bestimmungen)
• Umfang der Lehrveranstaltung ist in ECTS-Anrechnungspunkten und in Semester-
stunden anzugeben. § 9 SSB (Module und Lehrveranstaltungen)
• Abhaltung von LVA als „Blocklehrveranstaltungen“ nach Genehmigung durch
Studiendekan_in möglich. § 9 SSB (Module und Lehrveranstaltungen)
• Abhaltung von LVA und Prüfungen in einer Fremdsprache nach Genehmigung
durch Studiendekan_in möglich. § 11 SSB (Fremdsprachen)
• Lehrveranstaltungsprüfungen dienen dem Nachweis der Lernergebnisse, die durch
eine einzelne LVA vermittelt wurden. § 12 SSB (Lehrveranstaltungsprüfung)
• Die Lehrveranstaltungsprüfungen sind von dem_der Leiter_in der Lehrveranstaltung
abzuhalten. Bei Bedarf hat das Studienrechtliche Organ eine_n andere_n fachlich
geeignete_n Prüfer_in zu bestellen. § 12 SSB (Lehrveranstaltungsprüfung)
• Jedenfalls sind für Prüfungen in Pflicht- und Wahlpflichtlehrveranstaltungen, die
in einem einzigen Prüfungsakt enden, drei Prüfungstermine für den Anfang, für
die Mitte und für das Ende jedes Semester anzusetzen. Diese sind mit Datum vor
Beginn des Semesters bekannt zu geben. § 15 SSB (Prüfungstermine)
• Prüfungen dürfen auch am Beginn und am Ende lehrveranstaltungsfreier Zeiten
abgehalten werden. § 15 SSB (Prüfungstermine)
• Die Prüfungstermine sind in geeigneter Weise bekannt zu machen. § 15 SSB
(Prüfungstermine)

22
Beschreibung von Lehrveranstaltungstypen:
VO: Vorlesungen sind Lehrveranstaltungen, in denen die Inhalte und Methoden eines
Faches unter besonderer Berücksichtigung seiner spezifischen Fragestellungen, Be-
griffsbildungen und Lösungsansätzen vorgetragen werden. Die Prüfung wird mit
einem einzigen Prüfungsvorgang durchgeführt. In der Modulbeschreibung ist der
Prüfungsvorgang je Lehrveranstaltung (schriftlich oder mündlich, oder schriftlich
und mündlich) festzulegen. Bei Vorlesungen herrscht keine Anwesenheitspflicht, das
Erreichen der Lernergebnisse muss dennoch gesichert sein.

EX: Exkursionen sind Lehrveranstaltungen, die außerhalb der Räumlichkeiten der TU

Wien stattfinden. Sie dienen der Vertiefung von Lehrinhalten im jeweiligen lokalen
Kontext.

LU: Laborübungen sind Lehrveranstaltungen, in denen Studierende einzeln oder in

Gruppen unter Anleitung von Betreuer_innen experimentelle Aufgaben lösen, um
den Umgang mit Geräten und Materialien sowie die experimentelle Methodik des
Faches zu lernen. Die experimentellen Einrichtungen und Arbeitsplätze werden zur
Verfügung gestellt.

PR: Projekte sind Lehrveranstaltungen, in denen das Verständnis von Teilgebieten eines
Faches durch die Lösung von konkreten experimentellen, numerischen, theoretischen
oder künstlerischen Aufgaben vertieft und ergänzt wird. Projekte orientieren sich
am Qualifikationsprofil des Studiums und ergänzen die Berufsvorbildung bzw.
wissenschaftliche Ausbildung.

SE: Seminare sind Lehrveranstaltungen, bei denen sich Studierende mit einem gestellten
Thema oder Projekt auseinander setzen und dieses mit wissenschaftlichen Methoden
bearbeiten, wobei eine Reflexion über die Problemlösung sowie ein wissenschaftlicher
Diskurs gefordert werden.

UE: Übungen sind Lehrveranstaltungen, in denen konkrete Aufgabenstellungen - bei-

spielsweise rechnerisch, konstruktiv, künstlerisch oder experimentell - zu bearbeiten
sind. Dabei werden unter fachlicher Anleitung oder Betreuung die Fähigkeiten und
Fertigkeiten der Studierenden zur Anwendung auf konkrete Aufgabenstellungen
entwickelt.

VU: Vorlesungen mit integrierter Übung sind Lehrveranstaltungen, in denen die beiden
Lehrveranstaltungstypen VO und UE in einer einzigen Lehrveranstaltung kom-
biniert werden. Der jeweilige Übungs- und Vorlesungsanteil darf ein Viertel des
Umfanges der gesamten Lehrveranstaltungen nicht unterschreiten. Beim Lehrveran-
staltungstyp VU ist der Übungsteil jedenfalls prüfungsimmanent, der Vorlesungsteil
kann in einem Prüfungsakt oder prüfungsimmanent geprüft werden. Unzulässig
ist es daher, den Übungsteil und den Vorlesungsteil gemeinsam in einem einzigen
Prüfungsvorgang zu prüfen.

23
Beschreibung der Lehrveranstaltungen und Prüfungen im
Informationssystem zu Studien und Lehre:
• Typ der Lehrveranstaltung (VO, EX, LU, PR, SE, UE, VU)
• Form (Präsenz, Online, Hybrid, Blended)
• Termine (Angabe der Termine, gegebenenfalls auch die für die positive Absolvierung
erforderliche Anwesenheit)
• Inhalte (Beschreibung der Inhalte, Vorkenntnisse)
• Literaturangaben
• Lernergebnisse (Umfassende Beschreibung der Lernergebnisse)
• Methoden (Beschreibung der Methoden in Abstimmung mit Lernergebnissen und
Leistungsnachweis)
• Leistungsnachweis (in Abstimmung mit Lernergebnissen und Methoden)
– Ausweis der Teilleistungen, inklusive Kennzeichnung, welche Teilleistungen
wiederholbar sind. Bei Typ VO entfällt dieser Punkt.
• Prüfungen:
– Inhalte (Beschreibung der Inhalte, Literaturangaben)
– Form (Präsenz, Online)
– Prüfungsart bzw. Modus
∗ Typ VO: schriftlich oder mündlich, oder schriftlich und mündlich;
∗ bei allen anderen Typen: Ausweis der Teilleistungen inklusive Art und
Modus bezugnehmend auf die in der Lehrveranstaltung angestrebten
Lernergebnisse.
– Termine (Angabe der Termine)
– Beurteilungskriterien und Beurteilungsmaßstäbe

§7 Studieneingangs- und Orientierungsphase

Die Studieneingangs- und Orientierungsphase (StEOP) soll den Studierenden eine ver-
lässliche Überprüfung ihrer Studienwahl ermöglichen. Sie leitet vom schulischen Lernen
zum universitären Wissenserwerb über und schafft das Bewusstsein für die erforderliche
Begabung und die nötige Leistungsbereitschaft.
Die Studieneingangs- und Orientierungsphase des Bachelorstudiums Informatik umfasst
die Lehrveranstaltungen
5,5 VU Einführung in die Programmierung 1
2,0 VU Mathematisches Arbeiten für Informatik und Wirtschaftsinformatik
1,0 VU Orientierung Informatik und Wirtschaftsinformatik
sowie mindestens 8 ECTS aus dem Pool folgender Lehrveranstaltungen:
4,0 VO Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
5,0 UE Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
9,0 VU Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik

24
 2,0 VO Analysis für Informatik und Wirtschaftsinformatik
4,0 UE Analysis für Informatik und Wirtschaftsinformatik
6,0 VU Analysis für Informatik und Wirtschaftsinformatik
5,5 VU Denkweisen der Informatik
6,0 VU Grundzüge digitaler Systeme
Die Studieneingangs- und Orientierungsphase gilt als positiv absolviert, wenn alle im
Rahmen der StEOP verpflichtend vorgeschriebenen Lehrveranstaltungen sowie Lehrver-
anstaltungen aus dem Pool im Umfang von mindestens 8 ECTS mit positivem Erfolg
abgeschlossen wurden.
Vor positiver Absolvierung der StEOP dürfen weitere Lehrveranstaltungen im Umfang
von 22 ECTS absolviert werden, die aus den oben genannten Lehrveranstaltungen und
den folgenden gewählt werden können.
8,0 VU Algorithmen und Datenstrukturen
6,0 VU Datenbanksysteme
6,0 VU Daten- und Informatikrecht
4,0 VU Einführung in die Programmierung 2
6,0 VU Einführung in Visual Computing
Weiters können Lehrveranstaltungen im Rahmen des Moduls Freie Wahlfächer und
Transferable Skills gewählt werden, sofern deren Absolvierung nicht anderweitig beschränkt
ist.
Die positiv absolvierte Studieneingangs- und Orientierungsphase ist jedenfalls Voraus-
setzung für die Absolvierung der im Bachelorstudium vorgesehenen Lehrveranstaltungen,
in deren Rahmen die Bachelorarbeit abzufassen ist.

Wiederholbarkeit von Teilleistungen

Für alle StEOP-Lehrveranstaltungen müssen mindestens zwei Antritte im laufenden
Semester vorgesehen werden, wobei einer der beiden auch während der lehrveranstal-
tungsfreien Zeit abgehalten werden kann. Es muss ein regulärer, vollständiger Besuch der
Vorträge mit prüfungsrelevanten Stoff im Vorfeld des ersten Prüfungstermins möglich
sein.
Bei Lehrveranstaltungen mit einem einzigen Prüfungsakt ist dafür zu sorgen, dass
die Beurteilung des ersten Termins zwei Wochen vor dem zweiten Termin abgeschlossen
ist, um den Studierenden, die beim ersten Termin nicht bestehen, ausreichend Zeit zur
Einsichtnahme in die Prüfung und zur Vorbereitung auf den zweiten Termin zu geben.
Die Beurteilung des zweiten Termins ist vor Beginn der Anmeldung für prüfungsimma-
nente Lehrveranstaltungen des Folgesemesters abzuschließen.
Bei prüfungsimmanenten Lehrveranstaltungen ist dies sinngemäß so anzuwenden,
dass entweder eine komplette Wiederholung der Lehrveranstaltung in geblockter Form
angeboten wird oder die Wiederholbarkeit innerhalb der Lehrveranstaltung sichergestellt
wird.
Wiederholbarkeit innerhalb der Lehrveranstaltung bedeutet, dass Teilleistungen, ohne
die keine Beurteilung mit einem Notengrad besser als „genügend“ (4) bzw. „mit Erfolg

25
teilgenommen“ erreichbar ist, jeweils wiederholbar sind. Teilleistungen sind Leistungen, die
gemeinsam die Gesamtnote ergeben und deren Beurteilungen nicht voneinander abhängen.
Diese Wiederholungen zählen nicht im Sinne von § 15 (6) des studienrechtlichen Teils der
Satzung der TU Wien als Wiederholung.
Zusätzlich können Gesamtprüfungen angeboten werden, wobei eine derartige Gesamt-
prüfung wie ein Prüfungstermin für eine Vorlesung abgehalten werden muss.

§8 Prüfungsordnung
Für den Abschluss des Bachelorstudiums ist die positive Absolvierung der im Studienplan
vorgeschriebenen Module erforderlich. Ein Modul gilt als positiv absolviert, wenn die
ihm zuzurechnenden Lehrveranstaltungen gemäß Modulbeschreibung positiv absolviert
wurden.
Für den generellen Abschluss des Bachelorstudiums Informatik sind alle Pflichtmodule
sowie mindestens sieben Wahlmodule der engen Wahl verpflichtend zu absolvieren. Insge-
samt sind so viele Wahlmodule zu wählen, dass zusammen mit den Lehrveranstaltungen
im Pflichtmodul Freie Wahlfächer und Transferable Skills so viele Lehrveranstaltungen
absolviert wurden, dass ihr Umfang mindestens 180,0 ECTS ergibt. Wird keine der im
Folgenden angeführten Vertiefungen gewählt, so können die restlichen Module beliebig
aus den Wahlmodulen der engen Wahl und den Wahlmodule der breiten Wahl gewählt
werden.
Werden mehr ECTS an Lehrveranstaltungen in den Wahlmodulen der engen Wahl
und Wahlmodulen der breiten Wahl absolviert, so reduziert sich im gleichen Ausmaß der
Umfang der im Modul Freie Wahlfächer und Transferable Skills zu absolvierenden ECTS,
wobei jedoch mindestens 6,0 ECTS aus dem Bereich der Transferable Skills zu absolvieren
sind. Werden in anderen Modulen bereits Lehrveranstaltungen aus dem Bereich der
Transferable Skills absolviert, so reduziert sich im gleichen Ausmaß der Umfang der
im Modul Freie Wahlfächer und Transferable Skills zu absolvierenden ECTS aus dem
Bereich der Transferable Skills.
Für den Ausweis einer der Vertiefungen auf dem Abschlusszeugnis sind jeweils die
folgenden Bedingungen zu erfüllen:

Vertiefung Artificial Intelligence und Machine Learning

Das Wahlmodul der engen Wahl
• Einführung in Artificial Intelligence
und das Wahlmodul der breiten Wahl
• Einführung in Machine Learning
sind verpflichtend zu absolvieren.
Aus der folgenden Liste an Wahlmodulen sind mindestens vier weitere Module zu
absolvieren:

26
 • Datenanalyse
• Deklaratives Problemlösen
• Effiziente Algorithmen
• Einführung in Information Retrieval
• Einführung in wissensbasierte Systeme
• Logikprogrammierung und Constraints
• Menschzentrierte Künstliche Intelligenz
• Methoden der Angewandten Statistik
• Visualisierung

Vertiefung Cybersecurity
Aus der folgenden Liste an Wahlmodulen der engen Wahl sind mindestens zwei Module
zu absolvieren:
• Betriebssysteme
• Einführung in Artificial Intelligence
• Logic and Reasoning in Computer Science
• Verteilte Systeme

Aus der folgenden Liste an Wahlmodulen sind mindestens vier Module zu absolvieren:
• Attacks and Defenses in Computer Security
• Foundations of System and Application Security
• Introduction to Cryptography
• Privacy-Enhancing Technologies
• Programm- und Systemverifikation

Vertiefung Digital Health

Aus den Wahlmodulen der engen Wahl sind die Module
• Daten- und Informatikrecht
• Einführung in Visual Computing
• Interface und Interaction Design
• Software Engineering

jedenfalls verpflichtend zu absolvieren.

Weiters ist folgendes charakterisierendes Modul verpflichtend zu absolvieren:
• Methods for Data Generation and Analytics in Medicine and Life Sciences

Aus der Liste der folgenden Module sind mindestens vier Module zu absolvieren:
• Bio-Medical Visualization and Visual Analytics
• Datenanalyse
• Design und Fertigung

27
 • Design und Entwicklung von Anwendungen im Gesundheitswesen
• Einführung in Machine Learning
• Grundlagen der Computer Vision
• Human Augmentation
• Informationssysteme des Gesundheitswesens
• Privacy-Enhancing Technologies
• Sozio-technische Systeme
• Visualisierung

Vertiefung Human-Centered Computing

Die drei Wahlmodule der engen Wahl
• Einführung in Visual Computing und
• Interface und Interaction Design
• Software Engineering

sind verpflichtend zu absolvieren.

Aus der folgenden Liste an Wahlmodule der engen Wahl und Wahlmodulen der breiten
Wahl sind mindestens vier Module zu absolvieren:
• Access Computing
• Daten- und Informatikrecht
• Design und Fertigung
• Human Augmentation
• Menschzentrierte Künstliche Intelligenz
• Sozio-technische Systeme

Vertiefung Software Engineering

Verpflichtend sind die Wahlmodule der engen Wahl
• Interface und Interaction Design
• Software Engineering
• Software Engineering Projekt
• Verteilte Systeme

sowie das Wahlmodul

• Software-Qualitätssicherung

und mindestens vier Module aus der folgenden Liste an Wahlmodulen zu absolvieren:
• Parallel Computing
• Einführung in wissensbasierte Systeme
• Funktionale Programmierung
• Logikprogrammierung und Constraints

28
 • Semistrukturierte Daten
• Übersetzerbau
• Usability Engineering and Mobile Interaction
• Web Engineering

Vertiefung Theoretische Informatik und Logik

Das Wahlmodul der engen Wahl
• Logic and Reasoning in Computer Science

ist verpflichtend zu absolvieren.

Aus der folgenden Liste an Wahlmodulen sind mindestens fünf weitere Module zu
absolvieren:
• Argumentieren und Beweisen
• Deklaratives Problemlösen
• Effiziente Algorithmen
• Introduction to Cryptography
• Einführung in Quantencomputing
• Logik für Wissensrepräsentation
• Logik und Grundlagen der Mathematik
• Programm- und Systemverifikation

Vertiefung Visual Computing

Die Wahlmodule der engen Wahl
• Einführung in Visual Computing
• Software Engineering

sowie die Wahlmodule

• Grundlagen der Computergraphik
• Grundlagen der Computer Vision

sind verpflichtend zu absolvieren.

Aus der folgenden Liste an Wahlmodulen sind mindestens drei weitere Module zu
absolvieren, wobei derzeit nur drei verfügbar sind:
• Multimedia
• Programmiertechniken für Visual Computing
• Visualisierung

29
Abschlusszeugnis
Das Abschlusszeugnis beinhaltet

(a) die Prüfungsfächer mit ihrem jeweiligen Umfang in ECTS-Punkten und ihren
Noten,

(b) auf Antrag der_des Studierenden die gewählte Vertiefung,

(c) das Thema der Bachelorarbeit und

(d) die Gesamtbeurteilung sowie

(e) auf Antrag des_der Studierenden die Gesamtnote des absolvierten Studiums gemäß
§72a UG.

Die Note eines Prüfungsfaches ergibt sich durch Mittelung der Noten jener Lehrveran-
staltungen, die dem Prüfungsfach über die darin enthaltenen Module zuzuordnen sind,
wobei die Noten mit dem ECTS-Umfang der Lehrveranstaltungen gewichtet werden. Bei
einem Nachkommateil kleiner gleich 0,5 wird abgerundet, andernfalls wird aufgerundet.
Wenn keines der Prüfungsfächer schlechter als mit „gut“ und mindestens die Hälfte mit
„sehr gut“ benotet wurde, so lautet die Gesamtbeurteilung „mit Auszeichnung bestanden“
und ansonsten „bestanden“.
Die Studieneingangs- und Orientierungsphase gilt als positiv absolviert, wenn die im
Studienplan vorgegebenen Leistungen zu Absolvierung der StEOP erbracht wurden.
Lehrveranstaltungen des Typs VO (Vorlesung) werden aufgrund einer abschließenden
mündlichen und/oder schriftlichen Prüfung beurteilt. Alle anderen Lehrveranstaltungen
besitzen immanenten Prüfungscharakter, d.h., die Beurteilung erfolgt laufend durch
eine begleitende Erfolgskontrolle sowie optional durch eine zusätzliche abschließende
Teilprüfung.
Zusätzlich können zur Erhöhung der Studierbarkeit Gesamtprüfungen zu prüfungsim-
manenten Lehrveranstaltungen angeboten werden, wobei diese wie ein Prüfungstermin
für eine Vorlesung abgehalten werden müssen und § 15 (6) des Studienrechtlichen Teils
der Satzung der TU Wien hier nicht anwendbar ist.
Der positive Erfolg von Prüfungen und wissenschaftlichen sowie künstlerischen Arbeiten
ist mit „sehr gut“ (1), „gut“ (2), „befriedigend“ (3) oder „genügend“ (4), der negative
Erfolg ist mit „nicht genügend“ (5) zu beurteilen. Bei Lehrveranstaltungen, bei denen
eine Beurteilung in der oben genannten Form nicht möglich ist, werden diese durch „mit
Erfolg teilgenommen“ (E) bzw. „ohne Erfolg teilgenommen“ (O) beurteilt.
Die Beurteilung der Lehrveranstaltung
1,0 VU Orientierung Informatik und Wirtschaftsinformatik
erfolgt bei positivem Erfolg durch „mit Erfolg teilgenommen“, andernfalls durch „ohne Er-
folg teilgenommen“; sie bleibt bei der Berechnung der gemittelten Note des Prüfungsfaches
unberücksichtigt.

30
§9 Studierbarkeit und Mobilität
Studierende des Bachelorstudiums Informatik, die ihre Studienwahl im Bewusstsein
der erforderlichen Begabungen und der nötigen Leistungsbereitschaft getroffen und die
Studieneingangs- und Orientierungsphase, die dieses Bewusstsein vermittelt, absolviert
haben, sollen ihr Studium mit angemessenem Aufwand in der dafür vorgesehenen Zeit
abschließen können.
Den Studierenden wird empfohlen, ihr Studium nach dem Semestervorschlag in An-
hang C zu absolvieren. Studierenden, die ihr Studium im Sommersemester beginnen,
wird empfohlen, ihr Studium nach der Semesterempfehlung in Anhang D zu absolvieren.
Die Beurteilungs- und Anwesenheitsmodalitäten von Lehrveranstaltungen der Typen
UE, LU, PR, VU, SE und EX sind im Rahmen der Lehrvereinbarungen mit dem
Studienrechtlichen Organ festzulegen und den Studierenden in geeigneter Form, zumindest
in der elektronisch zugänglichen Lehrveranstaltungsbeschreibung anzukündigen, soweit
sie nicht im Studienplan festgelegt sind. Für mindestens eine versäumte oder negative
Teilleistung, die an einem einzigen Tag zu absolvieren ist (z.B. Test, Klausur, Laborübung),
ist zumindest ein Ersatztermin spätestens innerhalb von 2 Monaten anzubieten.
Die Anerkennung von im Ausland absolvierten Studienleistungen erfolgt durch das
studienrechtliche Organ. Zur Erleichterung der Mobilität stehen die in § 27 Abs. 1 bis 3
der Studienrechtlichen Bestimmungen der Satzung der Technischen Universität Wien
angeführten Möglichkeiten zur Verfügung. Diese Bestimmungen können in Einzelfällen
auch zur Verbesserung der Studierbarkeit eingesetzt werden.
Die Zahl der jeweils verfügbaren Plätze und das Verfahren zur Vergabe dieser Plätze in
Lehrveranstaltungen mit beschränkten Ressourcen wird von der Lehrveranstaltungsleitung
festgelegt und vorab bekannt gegeben. Die Lehrveranstaltungsleitung ist berechtigt, für
ihre Lehrveranstaltung Ausnahmen von der Teilnahmebeschränkung zuzulassen.

§10 Bachelorarbeit
Die Bachelorarbeit ist eine im Bachelorstudium eigens anzufertigende schriftliche Arbeit,
welche eigenständige Leistungen beinhaltet. Sie besitzt einen Regelarbeitsaufwand von
10 ECTS und kann im Rahmen des Moduls Bachelorarbeit erstellt werden.

§11 Akademischer Grad

Den Absolvent_innen des Bachelorstudiums Informatik wird der akademische Grad
Bachelor of Science – abgekürzt BSc – verliehen.

§12 Qualitätsmanagement
Das Qualitätsmanagement des Bachelorstudiums Informatik gewährleistet, dass das
Studium in Bezug auf die studienbezogenen Qualitätsziele der TU Wien konsistent

31
konzipiert ist und effizient und effektiv abgewickelt sowie regelmäßig überprüft wird.
Das Qualitätsmanagement des Studiums erfolgt entsprechend des Plan-Do-Check-Act
Modells nach standardisierten Prozessen und ist zielgruppenorientiert gestaltet. Die
Zielgruppen des Qualitätsmanagements sind universitätsintern die Studierenden und die
Lehrenden sowie extern die Gesellschaft, die Wirtschaft und die Verwaltung, einschließlich
des Arbeitsmarktes für die Studienabgänger_innen.
In Anbetracht der definierten Zielgruppen werden sechs Ziele für die Qualität der
Studien an der TU Wien festgelegt: (1) In Hinblick auf die Qualität und auf die Aktualität
des Studienplans ist die Relevanz des Qualifikationsprofils für die Gesellschaft und den
Arbeitsmarkt gewährleistet. In Hinblick auf die Qualität der inhaltlichen Umsetzung
des Studienplans sind (2) die Lernergebnisse in den Modulen des Studienplans geeignet
gestaltet um das Qualifikationsprofil umzusetzen, (3) die Lernaktivitäten und -methoden
geeignet gewählt um die Lernergebnisse zu erreichen und (4) die Leistungsnachweise
geeignet um die Erreichung der Lernergebnisse zu überprüfen. (5) In Hinblick auf die
Studierbarkeit der Studienpläne sind die Rahmenbedingungen gegeben um diese zu
gewährleisten. (6) In Hinblick auf die Lehrbarkeit verfügt das Lehrpersonal über fachliche
und zeitliche Ressourcen um qualitätsvolle Lehre zu gewährleisten.
Um die Qualität der Studien zu gewährleisten, werden der Fortschritt bei Planung,
Entwicklung und Sicherung aller sechs Qualitätsziele getrennt erhoben und publiziert. Die
Qualitätssicherung überprüft die Erreichung der sechs Qualitätsziele. Zur Messung des
ersten und zweiten Qualitätszieles wird von der Studienkommission zumindest einmal pro
Funktionsperiode eine Überprüfung des Qualifikationsprofils und der Modulbeschreibun-
gen vorgenommen. Zur Überprüfung der Qualitätsziele zwei bis fünf liefert die laufende
Bewertung durch Studierende, ebenso wie individuelle Rückmeldungen zum Studien-
betrieb an das Studienrechtliche Organ, laufend ein Gesamtbild über die Abwicklung
des Studienplans. Die laufende Überprüfung dient auch der Identifikation kritischer
Lehrveranstaltungen, für welche in Abstimmung zwischen Studienrechtlichem Organ, Stu-
dienkommission und Lehrveranstaltungsleiter_innen geeignete Anpassungsmaßnahmen
abgeleitet und umgesetzt werden. Das sechste Qualitätsziel wird durch qualitätssichernde
Instrumente im Personalbereich abgedeckt. Zusätzlich zur internen Qualitätssicherung
wird alle sieben Jahre eine externe Evaluierung der Studien vorgenommen.

Lehrveranstaltungskapazitäten und Teilnahmebeschränkungen

Für die verschiedenen Typen von Lehrveranstaltungen (siehe Seite 23) dienen die folgenden
Gruppengrößen als Richtwert:

32
 Gruppengröße
Lehrveranstaltungstyp je Leiter(in) je Tutor(in)
VO 200
UE mit Tutor(inn)en 50 20
UE 20
LU mit Tutor(inn)en 40 15
LU 15
EX, PR, SE 20

Für Lehrveranstaltungen des Typs VU werden für den Vorlesungs- bzw. Übungsteil die
Gruppengrößen für VO bzw. UE herangezogen. Die Beauftragung der Lehrenden erfolgt
entsprechend der tatsächlichen Abhaltung.
Zur Gewährleistung der Studierbarkeit gemäß § 58 Abs. 7 und 8 UG werden in allen
Lehrveranstaltungen Studierende, die zum Bachelorstudium Informatik zugelassen sind
und diese Lehrveranstaltungen im Rahmen ihres Studiums verpflichtend zu absolvieren
haben, bevorzugt aufgenommen. Die Anmeldung Studierender anderer Studien zu den
Lehrveranstaltungen (außer vom Typ VO) sowie die Prüfungsberechtigung in Lehrveran-
staltungen des Typs VO des Bachelorstudiums Informatik setzt die bereits erfolgreich
absolvierte STEOP im jeweiligen eigenen Studium voraus.
Lehrveranstaltungen mit ressourcenbedingten Teilnahmebeschränkungen sind in der
Beschreibung des jeweiligen Moduls entsprechend gekennzeichnet; weiters sind dort die
Anzahl der verfügbaren Plätze und das Verfahren zur Vergabe dieser Plätze festgelegt.
Die Lehrveranstaltungsleiter_innen sind berechtigt, mehr Teilnehmer_innen zu einer
Lehrveranstaltung zuzulassen als nach Teilnahmebeschränkungen oder Gruppengrößen
vorgesehen, sofern dadurch die Qualität der Lehre nicht beeinträchtigt wird.
Kommt es in einer Lehrveranstaltung ohne explizit geregelte Platzvergabe zu einem
unvorhergesehenen Andrang, kann die Lehrveranstaltungsleitung in Absprache mit dem
studienrechtlichen Organ Teilnahmebeschränkungen vornehmen und die Vergabe der
Plätze nach folgenden Kriterien (mit absteigender Priorität) regeln.
• Es werden jene Studierenden bevorzugt aufgenommen, die die formalen und inhalt-
lichen Voraussetzungen erfüllen. Die inhaltlichen Voraussetzungen können etwa an
Hand von bereits abgelegten Prüfungen oder durch einen Eingangstest überprüft
werden.
• Unter diesen hat die Verwendung der Lehrveranstaltung als Pflichtfach Vorrang
vor der Verwendung als Wahlfach und diese vor der Verwendung als Freifach.
• Innerhalb dieser drei Gruppen sind jeweils jene Studierenden zu bevorzugen, die
trotz Vorliegens aller Voraussetzungen bereits in einem früheren Abhaltesemester
abgewiesen wurden.

Die Studierenden sind darüber ehebaldigst zu informieren.

33
Umsetzung des Prinzips Embedded Ethics
Der Ansatz von Embedded Ethics verfolgt das Ziel, Studierende während des Studiums
dazu auszubilden, sich auch mit ethischen und sozialen Implikationen von Technologien
auseinanderzusetzen. Dazu arbeiten die Lehrenden in Workshops mit Ethiker_innen, um
jeweils Bereiche zu identifizieren, die sich dafür eignen, und definieren dort Kompetenzen,
Inhalte und gegebenenfalls Übungsmaterialien, die den Unterricht entsprechend ergän-
zen bzw. erweitern. Das Ziel ist dabei, Studierende in die Lage zu versetzen, ethische
Fragestellungen im Kontext der jeweiligen Inhalte zu identifizieren, formulieren und
diskutieren.

§13 Inkrafttreten
Dieser Studienplan tritt mit 1. Oktober 2024 in Kraft.

34
A Modulbeschreibungen
Die den Modulen zugeordneten Lehrveranstaltungen werden in folgender Form angeführt:
9,9/9,9 XX Titel der Lehrveranstaltung
Dabei bezeichnet die erste Zahl den Umfang der Lehrveranstaltung in ECTS-Punkten
und die zweite ihren Umfang in Semesterstunden. ECTS-Punkte sind ein Maß für den
Arbeitsaufwand der Studierenden, wobei ein Studienjahr 60 ECTS-Punkte umfasst
und ein ECTS-Punkt 25 Stunden zu je 60 Minuten entspricht. Eine Semesterstunde
entspricht so vielen Unterrichtseinheiten wie das Semester Unterrichtswochen umfasst.
Eine Unterrichtseinheit dauert 45 Minuten. Der Typ der Lehrveranstaltung (XX) ist im
§6 unter Lehrveranstaltungstypen auf Seite 23 im Detail erläutert.

Abstrakte Maschinen
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• alle theoretischen Grundlagen von abstrakten Maschinen verstehen und
• Details konkreter abstrakter Maschinen erklären.

Kognitive und praktische Kompetenzen: Die Auseinandersetzung mit konkreten Beispie-

len von abstrakten Maschinen und die Implementierung eigener abstrakter Maschinen
ermöglicht die Studierenden
• die Qualität von abstrakten Maschinen zu beurteilen,
• eigene abstrakte Maschinen zu entwerfen und
• abstrakte Maschinen zu implementieren.

Soziale Kompetenzen und Selbstkompetenzen: Eigeninitiative und Neugierde auf innovative

und kreative Konzepte und Lösungsansätze werden besonders gefördert.
Inhalt:
• reale Maschinen, Prozesssorarchitekturen
• Interpretationstechniken (threaded code), Implementierung von Forth
• Pascal P4 Maschine
• Java Virtuelle Machine (just-in-time Übersetzung), Microsoft Intermediate Lan-
guage
• Registermaschinen und die DalvikVM
• syntaxgesteuerte Editoren und Baummaschinen
• Prologmaschinen (WAM, VAM)
• funktionale Maschinen (Lamda Kalkül, SECD Maschine)

35
Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Grundlagen von Programmiersprachen und
Übersetzerbau
Kognitive und praktische Kompetenzen: Programmierkenntnisse
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die
Programmierung, Programmierparadigmen, Übersetzerbau.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Vortrag und selbständiges Erlernen der eher theoretischen Grundlagen. Die Beurteilung
erfolgt durch Prüfung. Übung am Computer zur Entwicklung praktischer Fähigkeiten
zur Entwicklung von abstrakten Maschinen. Die Leistungsbeurteilung erfolgt durch die
Beurteilung der Implementierung einer selbst entworfenen abstrakten Maschine und der
Präsentation dieser Implementierung.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Abstrakte Maschinen

Access Computing
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Ziel der Lehrveranstaltung in diesem Modul ist es, Studierenden eine
grundlegende Einführung in die Konzepte von Access und Zugang in der Technologiege-
staltung zu geben.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden die wesentlichen Überlegungen und Konzepte, um den Zugang zu
Technologien zu ermöglichen, benennen und erläutern.
Kognitive und praktische Kompetenzen: Nach Absolvierung des Moduls können die Studie-
renden Diversitätsmerkmale (u.a. aufgrund von Behinderung) identifizieren, beschreiben
und die daraus resultierenden Herausforderungen beim Zugang zu Technologien bewerten
sowie im Gestaltungsprozess deren Folgen adäquat abschätzen und reflektieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach Absolvierung des Moduls können
die Studierenden für partizipatorische und menschenzentrierte Prozesse eintreten, um
beim Design technischer Systeme die Zugänglichkeit angemessen zu ermöglichen. Weiters
können sie die Bedeutung von Access Computing für die Teilhabe aller an der Gesellschaft
kommunizieren.
Inhalt: Es werden folgende Inhalte behandelt:

36
 • Erörterung von Theorien und Ansätzen, die beschreiben und aufzeigen, wie der
Zugang in Abhängigkeit von verschiedenen menschlichen Merkmalen und Erfah-
rungen wie Geschlecht, Klasse, Standort und – mit besonderem Schwerpunkt – bei
Behinderung und im Bereich Health / Care, je nach Design eingeschränkt wird
oder verbessert werden kann.
• Methoden und Konzepte von Access Computing anhand von konkreten Beispielen
• Im Alltag unterstützende Technologien und Design deren Zugänglichkeit
• Auseinandersetzung mit neueren akademischen Arbeiten zu diesem Thema um zu
lernen, wie relevante Empfehlungen identifiziert werden können
• Auseinandersetzung mit verschiedenen technologischen Einrichtungen (Desktop,
virtuelle Realität, erweiterte Realität, greifbare Benutzeroberflächen, Wearables,
Spiele usw.) um die eigene Bewertungsfähigkeit zu entwickeln und zu üben.
• Aspekte der Selbstermächtigung und Effizienzerhöhung durch Access Computing

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Dieses Modul besteht aus einer Vorlesungskomponente, in der relevante Theorien und
Ansätze beschrieben und diskutiert werden, sowie vermittelt wird, wie der Zugang
entsprechend verschiedenen menschlichen Merkmalen und Erfahrungen gestaltet werden
kann.
Im Seminar- und Praxisteil des Moduls werden die Studierenden erste Schritte zur
Auseinandersetzung mit aktuellen wissenschaftlichen Arbeiten zu diesen Themen machen
und lernen, relevante Aspekte zu identifizieren, passende Schnittstellen zu entwerfen und
die Resultate in der Gruppe zu präsentieren.
Die Beurteilung besteht aus schriftlichen Klausuren und Präsentationen von Übungs-
aufgaben.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Access Computing

Algebra und Diskrete Mathematik

Regelarbeitsaufwand: 9,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Reproduzieren bzw. Herleiten der wichtigsten
mathematischen Definitionen, Theoreme und Beweismethoden der Algebra und Diskreten
Mathematik.
Kognitive und praktische Kompetenzen: Finden von Beweisen für mathematische Pro-
blemstellungen aus Algebra und Diskreter Mathematik; Modellieren einfacher Anwen-
dungsprobleme aus Informatik, Naturwissenschaften und Technik als mathematische

37
Problemstellungen und Lösen derselben mit geeigneten mathematischen Methoden. Wei-
ters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des Moduls
identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Präsentieren von Problemlösungen vor einer
Übungsgruppe.
Inhalt:
• Grundlagen: elementare Logik (Aussagen, Implikation, Kontraposition, Vernei-
nung, Quantoren); elementare Beweistechniken (direkter und indirekter Beweis,
Gegenbeispiele); elementare Zahlentheorie.
• Mengenlehre: Grundlagen (Venn-Diagramme, Komplemente, kartesisches Produkt,
Potenzmenge); Funktionen (Mengenrelationen, surjektive, injektive, bijektive Funk-
tionen, Komposition); Relationen (Äquivalenzrelation, Partitionen, Ordnungsrela-
tion, Maximumsprinzip); Kardinalität und Abzählbarkeit (endliche, unendlichen
und abzählbare Mengen).
• Induktion: Induktionsprizip (vollständige Ind., transfinite Ind.); rekursive Definitio-
nen.
• Grundlagen der Kombinatorik: Abzählprinzipien (Summen- und Produktregel);
Schubfachschluss; Inklusions-Exklusions-Prinzip; kombinatorische Grundaufgaben
(Permutationen, Auswahlen, Partitionen); elementare Identitäten (Binomischer
Lehrsatz, binomische Identitäten); Rekursionen (Fibonacci-Zahlen, Derangements,
Turm von Hanoi); Lösungsmethoden für Rekursionen (Rekursionen erster Ordnun-
gen, lineare Rekursionen mit konstanten Koeffizienten).
• Graphentheorie: Grundlagen (gerichtete, ungerichtete, bipartite Graphen, Wege,
etc.); Handshake-Lemma; Eulersche und Hamiltonsche Linien; Graphrelationen
(Isomorphie, Subgraphen, Minore); Zusammenhang (Zusammenhangskomponenten,
Menger’s theorem); azyklische Graphen; ebene Graphen (inkl. Eulersche Poly-
ederformel); elementare Graph-Algorithmen (Azyklizität, Kruskal-Alg., minimaler
Spannbaum, Dijkstra-Alg.).
• Algebraische Strukturen: Gruppentheorie (inkl. Faktorgruppen, Homomorphiesatz,
zyklische Gruppen, direkte Produkte); Ringe (Integritätsbereiche, Ideale); Körper
(Polynomringe über Körpern); Verbände.
• Lineare Algebra: Vektoren; Matrizen; lineare Abbildungen; lineare Gleichungssyste-
me; Determinanten; Eigenwerte und Eigenvektoren; Skalarprodukte, Orthogonali-
tät.
• Grundlagen algebraische Codierungstheorie: Gruppencodes, Linearcodes.

Erwartete Vorkenntnisse: Fundierte Mathematik-Kenntnisse auf AHS/BHS-Matura-

niveau.
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Wöchentliche Vorlesung mit kontinuierlicher begleitender Übung (individuell auszuarbei-
tende Übungsbeispiele, Lösungspräsentation an der Tafel), wodurch die in der Vorlesung

38
vermittelten Inhalte effizient erlernt und die mathematische Problemlösungskompetenz
trainiert wird. Leistungsfeststellung durch mehrere Lösungspräsentationen, Übungstests,
Abschlussprüfung.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
4,0/4,0 VO Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
5,0/2,0 UE Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
oder
9,0/6,0 VU Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik

Algorithmen und Datenstrukturen

Regelarbeitsaufwand: 8,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
Studierende Folgendes beschreiben:
• fundamentale Algorithmen und Datenstrukturen,
• Methoden zur Bewertung und Analyse von Algorithmen, und
• eine systematische Vorgehensweise zur Entwicklung von Algorithmen.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• abstrakt und effizienzorientiert an die Entwicklung von Algorithmen herangehen,
• theoretisch fundierte Methoden zur Analyse von Algorithmen benutzen, und
• ihre Kenntnisse von fundamentalen Algorithmen und Datenstrukturen anwenden.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden:
• selbstorganisiert und eigenverantwortlich effiziente Lösungsansätze entwickeln und
• die eigenen Lösungsansätze präsentieren.

Inhalt:
• Fundamentale Prinzipien der Algorithmenanalyse
• Asymptotische Schranken für Laufzeit und Speicherplatzbedarf
• Fundamentale Datenstrukturen (z.B. Listen, Graphen, Suchbäume)

39
 • Fundamentale algorithmische Prinzipien (z.B. Greedy, Divide-and-Conquer, Branch-
and-Bound, Approximation, Dynamische Programmierung, Lokale Suche, Hashing)
• Problemlösungsstrategien und Optimierung
• Handhabbarkeit, Polynomialzeitreduktionen, NP-Vollständigkeit

Erwartete Vorkenntnisse: Inhalte der LVA Einführung in die Programmierung 1 sowie

fundierte Mathematik-Kenntnisse auf AHS/BHS-Maturaniveau.
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen vorgestellt und in begleitenden Übungen von Studierenden
erarbeitet. Übungsaufgaben bestehen vorwiegend aus Aufgaben die schriftlich ausgear-
beitet werden. Sie werden örtlich ungebunden innerhalb vorgegebener Fristen gelöst,
die Lösungen werden in Übungsgruppen vorgestellt. Die Beurteilung erfolgt auf Basis
mehrerer schriftlicher Tests und der kontinuierlich in den Übungen erbrachten Leistungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
8,0/5,5 VU Algorithmen und Datenstrukturen

Analysis
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Reproduzieren bzw. Herleiten der wichtigs-
ten mathematischen Definitionen, Theoreme und Beweismethoden der mathematischen
Analysis.
Kognitive und praktische Kompetenzen: Finden von Beweisen für mathematische Problem-
stellungen aus der Analysis; Modellieren einfacher Anwendungsprobleme aus Informatik,
Naturwissenschaften und Technik als mathematische Problemstellungen und Lösen dersel-
ben mit geeigneten Verfahren zur analytischen und numerischen Problemlösung. Weiters
können die Studierenden ethische Fragestellungen im Kontext der Inhalte des Moduls
identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Präsentieren von Problemlösungen vor einer
Übungsgruppe.
Inhalt:
• Folgen, Reihen und Funktionen: Folgen reeller Zahlen (Grenzwert, Monotonie und
Beschränktheit, Konvergenzuntersuchungen); unendliche Reihen (Konvergenzkri-
terien, Cauchyprodukt und Potenzreihen); asymptotischer Vergleich von Folgen
(Landausymbole: O(), o(), Ω()).

40
 • Elementare Funktionen: Potenzen mit reellen Exponenten; Exponentialfunktion
und Logarithmus; Darstellung der Exponentialfunktion; Winkelfunktionen und
Arcusfunktionen.
• Grenzwerte und Nullstellen von Funktionen, Stetigkeit: metrische und topologische
Grundbegriffe (offene, geschlossene Mengen, Umgebungen, Basis, Häufungspunkte);
Umgebungs und Folgenstetigkeit Eigenschaften stetiger Funktionen: Nullstellensatz,
Zwischenwertsatz, Monotonie.
• Differentialrechnung in einer Variablen: Differenzenquotient und Differenzierbarkeit;
Ableitung einfacher Funktionen; Eigenschaften und Ableitungsregeln; Mittelwert-
satz der Differentialrechnung; Taylorreihen; Monotonie und die erste Ableitung;
höhere Ableitungen; verallgemeinerter Mittelwertsatz und die Regel von de l’Hospi-
tal.
• Integralrechnung in einer Variablen: Definition und Eigenschaften Riemann-Integral;
Integration als Umkehrung der Differentiation, Fläche unter Kurven; Techniken
des Integrierens; Mittelwert- und Hauptsatz der Differential- und Integralrechnung;
uneigentliche Integrale.
• Elementare Differentialgleichungen: lineare Differentialgleichungen erster Ordnung.
• Grundlagen Differentialrechnung in mehreren Variablen: Funktionen in mehreren
Variablen; partielle Ableitungen, totale Ableitung; Ableitungsregeln; Richtungsab-
leitung; Taylorentwicklung; Hauptsatz über implizite Funktionen; lokale Extrema.
• Computer-Numerik: Zahlendarstellungsfehler; Konversionsfehler; Fehlerfortpflan-
zung (Summe, Produkte, Polynome, elementare Funktionen); algorithmische Feh-
lerfortpflanzung, Konditionszahlen.

Erwartete Vorkenntnisse: Fundierte Mathematik-Kenntnisse auf AHS/BHS-Matura-

niveau.
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Wöchentliche Vorlesungen mit kontinuierlich begleitender Übung (individuell auszuarbei-
tende Übungsbeispiele, Lösungspräsentation an der Tafel), wodurch die in der Vorlesung
vermittelten Inhalte effizient erlernt und die mathematische Problemlösungskompetenz
trainiert wird. Leistungsfeststellung durch mehrere Lösungspräsentationen, Übungstests,
Abschlussprüfung.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
2,0/2,0 VO Analysis für Informatik und Wirtschaftsinformatik
4,0/2,0 UE Analysis für Informatik und Wirtschaftsinformatik
oder
6,0/4,0 VU Analysis für Informatik und Wirtschaftsinformatik

41
Argumentieren und Beweisen
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden die wesentlichen mathematischen Schlussweisen und Beweistechniken
benennen, die Korrektheit der Schlussweisen argumentieren und den Zusammenhang der
Beweistechniken mit Kalkülen der formalen Logik herstellen.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden die Korrektheit gegebener Beweise argumentieren, (auch komplexere)
Beweise selbst erstellen und strukturieren, unterschiedliche Induktionsprinzipien korrekt
anwenden, sowie Induktionshypothesen kreativ erstellen.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden die Beweisideen und Beweise kommunizieren.
Inhalt:
• Was ist ein Beweis? Welche Aufgaben hat er?
• Einfache Beweistechniken
• Beweis von All- und Existenzaussagen, Konjunktionen, Disjunktionen, Implikatio-
nen, Äquivalenzen
• Nutzung dieser Aussagen in einem Beweis
• Zusammenhang zum Kalkül des natürlichen Schliessens
• Was ist Induktion? Wozu wird sie benötigt?
• Arten der Induktion (mathematische, starke, strukturelle, Noether’sche), jeweils
mit Diskussion des entsprechenden Induktionsschemas und Anwendungsfälle (aus-
führlich demonstriert an Beispielen)
• Wie schreibt man einen Induktionsbeweis?
Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls die grundlegenden Beweisprinzipien benennen und beschreiben
können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor
der Absolvierung des Moduls einfache natürlichsprachlich gegebene Sachverhalte kor-
rekt formalisieren und diese beweisen können. Desweiteren sollen die Studierenden vor
der Absolvierung des Moduls einfache Programmieraufgaben als rekursives Programm
formulieren können.
Soziale Kompetenzen und Selbstkompetenzen: Keine speziellen Voraussetzungen.
Diese Voraussetzungen werden im Modul Algebra und Diskrete Mathematik vermittelt.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Geblockte Einführungsvorlesung (im Gesamtumfang von knapp 1,5 ECTS), danach
umfangreiche individuell auszuarbeitende Aufgaben zum Argumentieren und Beweisen

42
(im Umfang von 4,5 ECTS). Ausführliche Präsentation der Beweise (alle Lösungen durch
jede Teilnehmerin/jeden Teilnehmer). Exemplarische Ausarbeitung einiger Lösungen,
Korrektur durch LVA Leiter/Tutoren zwecks Rückmeldung. Leistungsermittlung auf
Grund der Präsentationen und der berichtigten schriftlichen Ausarbeitungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Argumentieren und Beweisen

Attacks and Defenses in Computer Security

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach positiver Absolvierung des Moduls sind Studierende in der Lage,
modernste Sicherheitswerkzeuge einzusetzen und zu erweitern und aktiv an internationalen
IT-Sicherheitswettbewerben, auch Capture The Flag (CTF) genannt, teilzunehmen.
Insbesondere erwerben die Studierenden die notwendigen technischen Fähigkeiten, um
moderne Sicherheitsherausforderungen zu bewältigen und die dafür erforderliche Software
zu entwickeln.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls haben
die Studierenden
• tiefes Verständnis von sicherheitsrelevanten Bedrohungen von Anwendungen,
• umfassendes Wissen über Security-Schutzmaßnahmen und Maßnahmen zur Reduk-
tion von Security-Problemen und
• Grundkenntnisse von Netzwerken, Virtualiserung und Betriebsystem-Security

Inhalt:
• Binary exploitation
• Reverse engineering
• Web Security (client- und serverseitig)
• Kryptographie
• Netzwerk Security
• Forensik
• Security und Protection
• Mobile Security
• Fuzzing
• Security-Fehlkonfiguration

Erwartete Vorkenntnisse:
• Hintergrundwissen im Bereich von Systems- und Web- Sicherheit

43
 • Grundlegende Programmier- und Skriptingfähigkeiten (die Verwendung von Python
und Unix-Shell wird dringend empfohlen)
• Gute Vertrautheit mit dem Linux-Betriebssystem

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Betriebssysteme, Ein-

führung in Security.
Verpflichtende Voraussetzungen: STEOP
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Teilnahme an internationalen online Capture The Flag Bewerben sowie ein kurzer
Vortrag über eine Challenge aus einem Wettbewerb.
Bewertung eines Projekts, das sich auf den Schutz oder den Angriff auf Computersys-
teme konzentriert. Die Projekte werden im Vorfeld zwischen Dozenten und Studenten
vereinbart und umfassen die Entwicklung innovativer Security Challenges, die Schaf-
fung neuer Werkzeuge oder Beiträge zu bestehenden Open-Source-Projekten, um deren
ursprüngliche Fähigkeiten zu erweitern. Je nach geschätzten Aufwand der einzelnen
Projekte wird es den Studierenden erlaubt sein, in Gruppen zu arbeiten.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 UE Attacks and Defenses in Computer Security

Audio and Video Production

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Learn how to best record audio, namely voice, in a less than perfect recording
environment
• Gain an understanding of basic audio theory
• Gain the technical skills needed to edit and mix a short, simple audio production
• Learn how to work effectively and efficiently with digital audio workstations
• Discover the importance of group dynamics
• Focus on single-camera field production and the technical and aesthetic elements
needed for a successful production
• Learn the basic guidelines and significance of shot composition
• Develop an understanding of storytelling
• Learn the basics and importance of editing to create the story
• Lighting basics
• Discover the importance of group dynamics

44
Kognitive und praktische Kompetenzen: Upon completion of this course, an overall finer
understanding and appreciation of both video and audio production will have been
achieved including the following:
• Knowledge of the basic workings of the audio signal and how it can be manipulated
to achieve the desired sound.
• Confidence working with microphones and the digital audio workstation.
• Deeper comprehension of storytelling and composition
• Confidence working with different cameras
• Greater appreciation of time management

Soziale Kompetenzen und Selbstkompetenzen:

• Time management
• Organization
• Ability to work within a group
• Willingness to absorb new ideas, to be critiqued, and participate

Inhalt:
• Basic audio theory
• Introduction to audio hardware (microphones and audio interfaces)
• Recording techniques
• Introduction to the DAW
• Audio editing
• Audio mixing/processing
• Video planning and pre-production
• Shot composition
• Video recording techniques
• Basic storytelling
• Lighting
• Color Correction

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Lecture with practical exercises.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Audio and Video Production

45
Bachelorarbeit
Regelarbeitsaufwand: 13,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Wissenschaftliche Methodik
• Internationaler Wissenschaftsbetrieb

Kognitive und praktische Kompetenzen:

• Systematische Recherche
• Präsentationstechniken
• Strukturierte und konzise Kommunikation von Inhalten in mündlicher und schrift-
licher Form
• Fähigkeit zur Anwendung der im Studium erworbenen Kenntnisse und Fertigkeiten
im Kontext einer größeren Problemstellung

Soziale Kompetenzen und Selbstkompetenzen:

• Selbstorganisation
• Eigenverantwortlichkeit und Eigeninitiative
• Teamfähigkeit
• Finden kreativer Problemlösungen
• Reflexion der eigenen Arbeit im technischen und gesellschaftlichen Kontext

Inhalt: Im Rahmen des Seminars Wissenschaftliches Arbeiten lernen die Studierenden

wissenschaftliche Methoden und den Wissenschaftsbetrieb kennen. An Hand eines vor-
gegebenen Themas üben sie Recherche sowie schriftliche und mündliche Präsentation.
Darauf aufbauend wenden sie im Projekt Bachelorarbeit für Informatik und Wirtschaftsin-
formatik die im Studium erworbenen Kenntnisse und Fertigkeiten auf ein Thema an, das
dem Qualifikationsprofil des Studiums entspricht. Die erzielten Ergebnisse werden neben
der Aufgabenstellung, den angewandten Methoden und dem Umfeld in einer schriftlichen
Abschlussarbeit dargestellt.
Erwartete Vorkenntnisse: Die Arbeit an der Bachelorarbeit erfordert die Kenntnisse,
Fertigkeiten und Kompetenzen zumindest der Pflichtmodule des Bachelorstudiums.
Verpflichtende Voraussetzungen: Positive Absolvierung der Studieneingangs- und
Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Im
Seminar besteht bei den Vorträgen zu Wissenschaftsmethodik und -betrieb sowie bei der
Präsentation der Rechercheergebnisse Anwesenheitspflicht, ebenso bei der Präsentation
der Bachelorarbeiten. Davon abgesehen können das Seminar- und das Bachelorarbeits-
thema in Absprache mit den Lehrenden zeitlich und örtlich weitgehend ungebunden

46
bearbeitet werden. Die Beurteilung orientiert sich an der Qualität und Originalität
der mündlichen und schriftlichen Darstellung der Themen sowie der dafür notwendigen
Vorarbeiten und berücksichtigt auch das Engagement bei der Diskussion der Arbeiten
anderer Studierender.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
10,0/5,0 PR Bachelorarbeit für Informatik und Wirtschaftsinformatik
3,0/2,0 SE Wissenschaftliches Arbeiten

Betriebssysteme
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Die Studierenden verstehen den Aufbau und die Funktionsweise von
Computersystemen bzw. Prozessoren und wie Betriebssysteme die Ressourcen dieser
Systeme – Rechenzeit, Speicher, Dateien und I/O-Geräte – verwalten. Designentschei-
dungen und Trade-Offs bei der Realisierung von Betriebssystemen können dargelegt
werden. Weiters können Studierende nach Absolvierung der Lehrveranstaltung erklären,
welche Mechanismen und Systemdatenstrukturen für die parallele (nebenläufige) Ab-
arbeitung von Prozessen notwendig sind, und sind in der Lage, parallele Prozesse und
deren koordinierten Ablauf zu programmieren.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Aufbau und Funktionsweise von Prozessoren und deren wichtigsten Komponenten
sowie deren Funktion und Zusammenspiel skizzieren,
• die Rolle und Aufgaben von Betriebssystemen erklären,
• Designentscheidungen für Managementmechanismen von Systemressourcen disku-
tieren bzw. aus gegebenen Anforderungen ableiten,
• Mechanismen zur Koordination und Synchronisation paralleler Prozesse verstehen
und Koordinations- und Synchronisationsaufgaben mit diesen Mechanismen lösen,
• Prinzipien und Mechanismen des Zugriffsschutzes beschreiben.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Programmieraufgaben unter Verwendung des Application Programming Interfaces
(API) eines Betriebssystems lösen und Betriebssystemservices über diese Program-
mierschnittstelle nutzen,
• gemeinsame Ressourcen und Kommunikations- sowie Synchronisationsmechanismen
eines Betriebssystems zur Programmierung paralleler Prozesse verwenden.

47
Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden:
• Entwicklungen von Betriebssystemtechnologien diskutieren und bewerten,
• Abstraktionen ableiten,
• Probleme des Ressourcenmanagements und Synchronisationsaufgaben lösen.

Inhalt:
• Überblick Architektur und Arbeitsweise von Computersystemen bzw. Prozessoren
• Grundkonzepte Betriebssysteme
• Prozesse, Threads und Scheduling
• Prozesssynchronisation und Deadlock
• Speicherverwaltung
• Ein/Ausgabe und Disk Management
• Security und Protection
• Arbeiten mit Betriebssystemen (Unix, Linux)
• Programmieren mit der Systemprogrammiersprache C, Debugging
• Konzepte der Systemprogrammierung: Parameter und Optionen, Filebehandlung,
Sockets, Signale, verwandte Prozesse (fork, exec, wait), Kommunikationsmechanis-
men, Synchronisation, Resourcenverwaltung

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Kenntnisse von Zahlendarstellungen in Compu-
tern, der grundlegenden Funktionsweise von Computern, endlicher Automaten, Transdu-
cer, Grammatiken, Programmiersprachen, sowie Kenntnisse der systematischen Vorge-
hensweise bei der Programmerstellung.
Kognitive und praktische Kompetenzen: Interpretieren und Arbeiten mit Zahlendarstel-
lungen und Automaten. Kenntnisse der Programmierung in einer Programmiersprache
und der systematischen Programmerstellung und Evaluation.
Soziale Kompetenzen und Selbstkompetenzen: Analyse komplexer Zusammenhänge und
Wechselwirkungen, Strukturieren und Entwerfen von modularen, interagierenden Syste-
men.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die
Programmierung, Grundzüge digitaler Systeme.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Das Modul setzt sich aus einem Vorlesungsteil und einem Laborübungsteil zusammen.
Die Beurteilung erfolgt aufgrund schriftlicher Tests, Programmiertests und der in den
Übungen erbrachten Leistungen.

48
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Betriebssysteme

Bio-Medical Visualization and Visual Analytics

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls verste-
hen die Studierende die Grundlagen, Methoden, Konzepte und Techniken der wichtigsten
Visual Analytics Bereiche und haben ein kritisches Verständnis ihrer Theorien und
Grundsätze erworben.
Kognitive und praktische Kompetenzen: Nach Abschluss dieses Moduls sollten die Studie-
renden in der Lage sein:
• Vor- und Nachteile von biomedizinischen Visualisierungsalgorithmen und deren
Anwendbarkeit auf spezifische biomedizinische Probleme verstehen und beurteilen
können.
• Vor- und Nachteile von Visual-Analytics-Konzepten im biomedizinischen Bereich
zu verstehen und zu beurteilen.
• Entwerfen, Vorschlagen und Bewerten von biomedizinischen Visualisierungs- und
Visual-Analytics-Lösungen zur Lösung einfacher biomedizinischer Probleme.

Soziale Kompetenzen und Selbstkompetenzen: Ein Schwerpunkt liegt in der besonderen

Förderung hoher Kreativitäts- und Innovationspotentiale. Studierende werden geschult in
• Eigeninitiative und Neugierde,
• Selbstorganisation, Eigenverantwortlichkeit,
• Problemformulierungs- und Problemlösungskompetenz,
• Teamarbeit Verantwortung zu übernehmen,
• Kenntnisse der eigenen Fähigkeiten und Grenzen, Kritikfähigkeit.

Inhalt:
• Grundlagen der biomedizinischen Visualisierung und Visual Analytics
• Ziele der biomedizinischen Visualisierung und Visual Analytics, Taxonomien, Mo-
delle und Informationsdesign
• Biomedizinische Datenvorverarbeitung
• Visualisierung von volumetrischen biomedizinischen Daten (z.B. medizinische Bil-
der)
• Visualisierung abstrakter biomedizinischer Daten (z. B. elektronische Gesundheits-
akten, klinische Daten, omics Daten)

49
 • Visualisierung von zeitlichen biomedizinischen Daten
• Visual Analytics für sehr grosser, heterogener Datenmengen (z. B. aus Kohorten-
oder Bevölkerungsstudien)
• Visual Analytics zur Unterstützung der personalisierten, präventiven und prädikti-
ven Medizin sowie der evidenzbasierten Medizin
• Interaktionstechniken
• Evaluierungsmethoden

Erwartete Vorkenntnisse: Um dieses Modul erfolgreich absolvieren zu können, sind

folgende Kenntnisse notwendig:
• Programmieren
• Algorithmen und Datenstrukturen
• Visualisierung
• Methods for Data Generation and Analytics in Medicine and Life Sciences

Es werden die Kenntnisse aus folgenden Modulen erwartet: Methods for Data Gene-
ration and Analytics in Medicine and Life Sciences, Einführung in Visual Computing,
Visualisierung
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die Lehrveranstaltungen bestehen aus einem Vorlesungsteil und einem Übungsteil. Die
beschriebenen Inhalte und Konzepte werden im Rahmen der Vorlesungseinheit erläutert
und im Übungsteil praktisch erprobt und angewendet.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Bio-Medical Visualization and Visual Analytics

Computational Statistics
Regelarbeitsaufwand: mindestens 6,0 ECTS
Lernergebnisse: Vermittlung einer datenorientierten und explorativen Analyse von
Daten
Fachliche und methodische Kompetenzen:
• Detailierte Kenntnisse und Hintergrundwissen über statistische Methodik
• Exploration und Analyse statistischer Daten
• Computergestützte Verfahren der Statistik, Schätzungen, statistische Tests, Vari-
anzanalyse, Regression
• Kritische Sicht im Umgang und Anwendung mit statistischer Software

50
Kognitive und praktische Kompetenzen:
• Anwendung von statistischer Methodik und Software auf konkrete Problemstellun-
gen
• Programmentwicklung mit statistischer Software
• Computerorientierte Lösung von statistischen Problemen
• Anwendung von statistischen Methodiken mit Hilfe des Computers auf konkrete
Problemstellung

Soziale Kompetenzen und Selbstkompetenzen:

• Datenorientierte Lösung von statistischen Problemstellungen
• Lösungen von Problemen mit open-source Software

Inhalt: Exploration und Analyse statistischer Daten, computergestützte Verfahren der

Statistik, Vertiefung in und kritischer Vergleich von kommerzieller Statistiksoftware (SPSS,
SAS, SPLUS, S, R). Einsatz von spezieller Software, insbesondere Neuentwicklungen,
Schwergewicht liegt aber auf R. Arbeiten mit größeren Fallbeispielen. Der Methodenkata-
log umfasst: Beschreibende Statistik, Vergleich von Gruppen von Daten, Varianzanalyse,
Regressionsanalyse, Geostatistik, Ausblick in Multivariate Methoden, Simulation.
Effiziente Programmierung in der statistischen Softwareumgebung R, Datenmanipulation,
statistische Graphiken, graphische Systeme in R, dynamische reports mit statistischer
Software, Testen mittels statistischer Simulation.
Zufallszahlengeneratoren und Reproduzierbarkeit, MCMC (Markov Chain Monte Car-
lo) Methoden, Resamplingverfahren (Bootstrap, Jackknife, Kreuzvalidierung), Testen
mittels statistischer Simulation, Anwendungen von Resamplingverfahren in Zeitreihen,
Datenimputation und Regression.
Erwartete Vorkenntnisse: Grundlegende Kenntnisse der Mathematik und Statistik
Diese Voraussetzungen werden in im Modul Algebra und Diskrete Mathematik, Analysis,
Statistik und Wahrscheinlichkeitstheorie vermittelt.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltung Computerstatistik ist ein Mix aus einem theoretischen Vorlesungsteil
und einem Übungsteil, wobei die Teile in natürlicher Weise ineinander übergehen. Die
theoretischen Darstellungen werden möglichst zeitnahe mit praktischen Übungen am
Computer erläutert und geübt.
Die Lehrveranstaltung Statistical Computing vermittelt einen computerorientierten
Zugang zur Statistik. Ziel ist einerseits detaillierte Kenntnisse in der State-of-the-art
Software R zu vermitteln, als auch statistische Probleme mittels statistischer Simulation
zu lösen. Lösungen sollen durch eigenständiges Programmieren erarbeitet werden.
In der Lehrveranstaltung Statistische Simulation und computerintensive Methoden
werden simulationsbasierte Lösungsstrategien für komplexe Problemstellungen gelehrt.
Die Verfahren der statistischen Simulation und computerintensiver Methoden werden

51
theoretisch als auch praktisch mittels moderner freier open-source Statistiksoftware (R)
vermittelt.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
4,5/3,0 VU Computerstatistik
3,0/2,0 VU Statistical Computing
3,0/2,0 VU Statistische Simulation und computerintensive Methoden

Computermusik
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Mit dem Modul Computermusik wird ermöglicht, auf die unterschied-
lichen Teilaspekte der elektronischen Musik einzugehen. Die Studierenden können die
Teilgebiete unterscheiden und mit entsprechenden Methoden technisch, künstlerisch und
forschend daran arbeiten. Es werden die Möglichkeiten aktueller elektronischer Musik
erörtert und durch kreative Auseinandersetzung erfahrbar gemacht.
Fachliche und methodische Kompetenzen:
• Kenntnis der Geschichte elektronischer Musik, soziologische und medientheoretische
Einordnung
• Verständnis der Veränderung von Musik durch die technischen Möglichkeiten
• Methoden unterschiedlicher Messverfahren zum eigenen Hören, im Verstehen neuer
musikalischer Inhalte und zur Entwicklung neuer Hörtrainings erlernen
• Kenntnis diverser Digitalisierungs- und Klangtransformationsverfahren
• Algorithmische Compiler zur algorithmischen Komposition verstehen
• Algorithmisierung der Musikparameter verstehen
• Die FFT Analyse und Granularsynthese als zwei unterschiedliche Domänen der
Klanganalyse und Klangtransformation verstehen
• Kenntnis unterschiedlicher Modulationsverfahren
• Einführung in die Methoden künstlerisch-technischer Forschung

Kognitive und praktische Kompetenzen:

• Messverfahren zum eigenen Hören durchführen, Entwicklung von Hörtrainings mit
digitalen Tools
• Anwendung diverser Klangtransformationen in der FFT Domäne und granularen
Transformation
• Anwendung algorithmischer Compiler zur algorithmischen Komposition
• Künstlerisch-musikalische Inhalte gestalten und technisch umsetzen
• Hörerfahrung erweitern, Klänge und Musik beschreiben können und unterschiedliche
Musikstile erkennen

52
 • Synthesizerprogrammierung zur interaktiven Anwendung diverser Modulationsver-
fahren
• Mehrkanalsoftware mit Effekten und Midisteuerung anwenden
• Eine algorithmische Komposition erstellen
• Klangcollagen mittels assoziativer Techniken erstellen
Soziale Kompetenzen und Selbstkompetenzen:
• Entwicklung unterschiedlicher technischer und kreativer Projekte und Analysen in
Gruppenarbeit
• Innovation in der Entwicklung erweiterter Hörtests - Softwareentwicklung
• Entwicklung musikalisch-erweiterter Parameter in der Arbeit mit akusmatischen
Klängen
• Entwicklung neuer Methoden künstlersicher Forschung
• Diverse Kreativitätstechniken in den künstlerischen Prozess integrieren – individuell
und in Gruppen
• Persönliche Ausdrucksmittel mit den erlernten Tools entwickeln
Inhalt: Computermusik:
• Technische Musikgeschichte, vertikale und horizontale Entwicklungslinien von der
analogen Speicherung bis zur digitalen Transformation von Klängen
• Hören als erlernter Prozess verstehen, assoziatives Hören verstehen und Klangkate-
gorien einteilen können, Klangphänomenologie
• Entwicklung elektronischer Musikinstrumente und deren Einfluss auf die westliche
elektronische Musik
• Aufbau eines Audiosettings: DAW, Soundkarte, Mischpult, Lautsprecher, Micro
• Wesentliche Anwendungsschritte einer Mehrkanalsoftware zur ersten Klangaufnah-
me und Klangbearbeitung, Integration von VST Plugins, MIDI Anwendungen und
Renderings in unterschiedliche Audioformate
• Aufnahmen von Sound Environments: field recording und near field recording
• Visualisierung von Audiodaten und einer akusmatischen Komposition
• Programmierung Modulationssynthese: Frequenzmodulation, Ringmodulation, ad-
ditive + subtraktive Synthese
• Programmierung einer FFT Analyse mit der Realtime-Audiosoftware pure-data
• Durchführung granularer Transformationen
• Anwendung eines physikalischen Modells auf einen musikalischen Inhalt
• DAW (Digital Audio Workstation): Reaper, InteraktivAudio: pure data und GRM-
player, Visualisierung: iAnalyse
Erwartete Vorkenntnisse: Vorteilhaft sind Erfahrung in der Umsetzung von künstleri-
schen Ideen am Computer und instrumentale Kenntnisse. Wichtig ist aber das Interesse
an Klängen und Offenheit gegenüber unterschiedlicher Musikstilen.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Lehr und Lernform:

53
 • Faktenvermittlung im Frontalunterricht
• Spezifische Hörsituation, Hörtests (Frequenzhören, Orientierungshören, Lautstärke
hören)
• kreative Lösungsfindung in Gruppenarbeit
• Übungen mit Einzelbetreuung

Leistungsbeurteilung
• Beurteilung der Klangaufnahmen (environment, samples und recordings)
• Beurteilung einer mehrstimmigen Klangcollage
• Lösungsaufgaben für Mehrkanalsoftware
• Lösungsaufgaben für interaktive Softwareanwendung
• Beurteilung der Visualisierung einer Komposition
• Beurteilung einer granularen bzw. physikalischen Transformation mit künstleri-
schem Inhalt

Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und

Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Computermusik

Computersysteme
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Die Studierenden verstehen den Aufbau und die Funktionsweise von
Prozessoren und (vernetzten) Computersystemen. Die Studierenden können die Hard-
ware/Software-Schnittstelle erläutern und wissen, welche Faktoren die Ausführungsge-
schwindigkeit eines Programms beeinflussen und wie die Leistungsfähigkeit eines Systems
bewertet werden kann. Weiters erlernen die Studierenden, wie der Hardwareentwurf
beitragen kann, die Leistungsfähigkeit eines Systems zu verbessern – beispielsweise durch
Techniken wie Pipelining und Caching. Zudem können Studierende den Zusammenschluss
von Computersystemen und die Funktionsweise von Kommunikationsprotokollen erklären.
Sie haben die Grundsätze moderner Rechnerarchitekturen und Rechnernetze verstanden
und sind in der Lage, das erlernte Wissen anzuwenden sowie auf andere Prozessorar-
chitekturen und (vernetzte) Computersysteme zu übertragen. Anhand von praktischen
Beispielen können sie dieses Wissen anwenden, ihren Lösungsansatz präsentieren und
begründen.
Fachliche und methodische Kompetenzen: Die Studierenden können Aufbau und Funkti-
onsweise von Prozessoren und deren wichtigsten Komponenten sowie deren Funktion und
Zusammenspiel erklären, den Instruktionssatz als Sprache des Computers, hinsichtlich
seiner Struktur und Auswirkung, erklären sowie Beispiele nennen, Entwurfsentscheidun-
gen richtig treffen und deren Auswirkungen einschätzen, den Einfluss des technologischen

54
Fortschritts erklären und auf zukünftige Entwicklungen projizieren. Die Studierenden
verstehen weiters den Zusammenhang zwischen den einzelnen Schichten eines Computer-
netzes und der darin enthaltenen Protokolle. Sie kennen die wichtigsten Standards, die
das heutige Internet verwendet und können einfache Datenübertragungsapplikationen
darauf aufbauend konzipieren und analysieren.
Kognitive und praktische Kompetenzen: Die Studierenden können methodische Ansätze
auf konkrete Beispiele umsetzen. Sie können die Konzepte zu den präsentierten Inhalten
verstehen, die zugehörigen Methoden und Konzepte vergleichen, evaluieren und gezielt
anwenden. Konkret können sie Konzepte zur Steigerung der Leistung von (vernetzten)
Computersystemen erklären und anwenden, sowie die Grenzen geeignet berücksichtigen,
um die Leistungsfähigkeit korrekt bewerten und ggf. optimieren zu können. Darüber
hinaus können sie technische Beschreibungen lesen und verstehen, insbesondere die
Definitionen der in dem Modul vermittelten Methoden selbst, wie sie in der Fachliteratur
üblich sind. Weiters können die Studierenden ethische Fragestellungen im Kontext der
Inhalte des Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Die Studierenden können Aufgaben mit
Selbstorganisation und in Eigenverantwortlichkeit lösen, dafür Zeitmanagement anwenden
und Deadlines einhalten.
Inhalt:
• Aufbau und Funktionsweise von Prozessorelementen
• Prozessoren: Datenpfad und Steuerwerk
• Leistungssteigerung durch Pipelining
• Speicherhierarchien
• Sekundärspeicher und Peripheriegeräte
• Multiprozessoren und Cluster
• Rechenleistung
• Ziele und Anforderungen von Computernetzen
• Protokollschichten und Dienstmodelle
• Internet-basierende Protokolle
• Netzwerkmanagement

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass Studierende über grund-
legende Kenntnisse von Zahlendarstellungen in Computern und Schaltalgebra verfügen
sowie Schaltnetze und Schaltwerke systematisch entwickeln und analysieren können.
Ebenso sollten sie sich Kenntnisse über Betriebssysteme und zur systematischen Vorge-
hensweise bei der Programmerstellung angeeignet haben.
Kognitive und praktische Kompetenzen: Analyse komplexer Zusammenhänge und Wech-
selwirkungen, Strukturieren und Entwerfen von modularen, interagierenden Systemen.
Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass Studierende vor
Absolvierung des Moduls grundlegendes Selbstmanagement anwenden können.

55
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die
Programmierung, Grundzüge digitaler Systeme, Betriebssysteme.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Vorträge und Repetitorien; Unterstützung durch eine Online-Plattform mit betreutem Fo-
rum; praktische Übungen zur Festigung des Lehrstoffes; Beurteilung der Übungsbeispiele;
schriftliche Tests.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Computersysteme

Creative Media Production

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Within the first weeks of course, groups will be
formed and the creative process begins. Students will learn how to describe their ideas
through a plot and treatment. Once their ideas are cohesive and clear, they can move on
to the next step to build their dramatic script. Finally, it is up to the group to produce
their idea using basic video production tools (camera, lighting sets, audio equipment).
Kognitive und praktische Kompetenzen: Upon completion, the student will have learned
the following:
• Scriptwriting and Storytelling
• Composition
• Soundtrack creation
• Group dynamics

Soziale Kompetenzen und Selbstkompetenzen:

• Individual responsibility
• Time management
• Organization
• Ability to work within a group
• Willingness to absorb new ideas, to be critiqued and participate

Inhalt: This module is has two sections: video and audio. In the video section, scriptwri-
ting, storytelling and composition are learned. In the audio section, audio preproduction,
basic recording, soundtrack building and sound effects creation are learned.

56
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Lecture with practical exercises.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Creative Media Production

Datenanalyse
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Vermittlung einer datenorientierten und explorativen Analyse von
Daten
Fachliche und methodische Kompetenzen:
• Grundlagen der statistischen Datenanalyse
• Detailierte Kenntnisse und Hintergrundwissen über statistische Methodik
• Exploration und Analyse statistischer Daten
• Kritische Sicht im Umgang und Anwendung mit statistischer Software

Kognitive und praktische Kompetenzen:

• Anwendung von statistischer Methodik und Software auf konkrete Problemstellun-
gen
• Programmentwicklung mit statistischer Software
• Computerorientierte Lösung von statistischen Problemen

Soziale Kompetenzen und Selbstkompetenzen:

• Datenorientierte Lösung von statistischen Problemstellungen
• Lösungen von Problemen mit open-source Software

Inhalt: Stichprobendesign, Planung der statistischen Datenerhebung, Elemente der

explorativen Datenanalyse, Grundbegriffe parametrischer/nichtparametrischer und ro-
buster Verfahren, lineare Modelle, Einführung in multivariate statistische Methoden,
Einführung in die Zeitreihenanalyse. Effiziente Programmierung in der statistischen Soft-
wareumgebung R, Datenmanipulation, statistische Graphiken, graphische Systeme in R,
dynamische Reports mit statistischer Software, Umsetzung mit konkreten Fallbeispielen.
Erwartete Vorkenntnisse: Grundlegende Kenntnisse der Mathematik und Statistik
Diese Voraussetzungen werden in im Modul Algebra und Diskrete Mathematik, Analysis,
Statistik und Wahrscheinlichkeitstheorie vermittelt.

57
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltung Datenanalyse vermittelt sowohl den theoretischen Zugang zu den
Methoden, demonstriert aber auch die praktische Lösung mittels Statistik-Software. Die
Studierenden sollen selbständig Problemstellungen mit dem Computer lösen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Datenanalyse

Datenbanksysteme
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
Studierende die unter „Inhalt“ angeführten Konzepte und Techniken mit fachspezifischer
Terminologie beschreiben.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• Datenmodelle mittels ER- und EER-Diagrammen erstellen,
• EER-Diagramme in ein relationales Schema überführen und mittels Normalformen
bewerten und optimieren,
• einfache Anfragen in relationaler Algebra und Relationenkalkül verstehen und
selbst formulieren,
• SQL sowohl zur Anfrage als auch Manipulation von Daten verwenden,
• Grundzüge der Anfrageoptimierung verstehen und die Effizienz von einfachen
Ausführungsplänen bewerten,
• den Transaktionsbegriff grundsätzlich erklären und im Zusammenhang mit Mehr-
benutzersynchronisation und Fehlerbehandlung einsetzen.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können Studierende
• gestellte Aufgaben selbständig und fristgerecht lösen,
• die erstellten Lösungen kommunizieren und begründen,
• ein deklaratives Programmierparadigma (SQL) anwenden.

Inhalt:

58
 • Datenbankentwurf, Datenmodellierung mittels ER- und EER-Diagrammen,
• relationales Datenmodell,
• Überführung eines EER-Diagramms in ein relationales Schema,
• funktionale Abhängigkeiten und Normalformen,
• relationale Anfragesprachen (relationale Algebra, Relationenkalkül, SQL),
• Schemadefinitionen,
• komplexe SQL Anfragen (Schachtelung, Rekursion),
• Anfrageoptimierung und -ausführung,
• Transaktionen,
• Fehlerbehandlung/Recovery,
• Mehrbenutzersynchronisation.

Erwartete Vorkenntnisse:
Kognitive und praktische Kompetenzen: Es wird erwartet, dass Studierende vor Absolvie-
rung des Moduls
• mathematische Notationen lesen und schreiben können,
• grundlegende Datenstrukturen und Algorithmen verwenden können,
• eine allgemeine imperative Programmiersprache anwenden können,
• grundlegende Formalismen der Modellierung anwenden können.

Diese Vorausetzungen werden in den Modulen Mathematisches Arbeiten, Einführung in

die Programmierung sowie Grundzüge digitaler Systeme vermittelt.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die Inhalte werden in Vorträgen vorgestellt und in begleitenden Übungen von den
Studierenden erarbeitet. Die Beurteilung erfolgt auf Basis schriftlicher Tests und der
kontinuierlich in den Übungen erbrachten Leistungen. Der Übungsbetrieb und die Tests
können computerunterstützt durchgeführt werden.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Datenbanksysteme

Daten- und Informatikrecht

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls kön-
nen die Studierenden die Grundstrukturen nationalen Rechts, des EU-Rechts und des
Völkerrechts sowie einschlägige Zusammenhänge beschreiben und wichtige Teilgebiete
des Informatikrechts bzw. aktuelle Aspekte der rechtlichen Problematik des Internet

59
erklären. Sie sind in der Lage, die juristischen Interpretationsmethoden zu benennen und
die Vorgangsweise bei der Subsumtion von Sachverhalten unter rechtliche Tatbestände
darzustellen.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden in wichtigen informatikrechtlichen Zusammenhängen argumentieren und
einfache Sachverhalte aus rechtlicher Perspektive analysieren. Sie sind weiters in der Lage,
solche Sachverhalte unter einschlägige Tatbestände zu subsumieren und die maßgeblichen
Rechtsfolgen abzuleiten. Weiters können die Studierenden ethische Fragestellungen im
Kontext der Inhalte des Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
sind die Studierenden in der Lage, mit Fachjurist/inn/en über zentrale rechtliche Aspekte
IT-bezogener Sachverhalte kompetent zu diskutieren.
Inhalt:
• Grundlagen zu Staat und nationalem Recht
• Grundlagen des internationalen Rechts und des EU-Rechts
• Problematik der Regulierung von Technik (insb. IT) durch Recht
• Grundrechte in der Informationsgesellschaft
• Datenschutzrecht im Überblick
• Softwarelizenzierung im Überblick, im Speziellen OSS-Lizenzen
• ausgewählte Probleme des materiellen Internetrechts

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorlesungseinheiten präsentiert und in begleitenden Übungseinheiten
von den Studierenden angewendet sowie vertiefend erarbeitet. Die Beurteilung setzt sich
zusammen aus den bei schriftlichen Klausuren einerseits und Übungsabgaben andererseits
erbrachten Leistungen.
Es werden verschiedene Techniken des Blended Learning eingesetzt:
• Unterstützung durch ein e-learning-System (TUWEL)
• Frontalunterricht für die theoretischen Grundlagen
• Aufzeichnung/Podcasts von Vorträgen
• Angeleitete Selbststudienphasen
• Unterstützung durch Tutoren

Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und

Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Daten- und Informatikrecht

60
Deklaratives Problemlösen
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden unterschiedliche Werkzeuge, Sprachen und logikorienterte Programmier-
methoden zum deklarativen Problemlösen benennen und erläutern, sowie theoretische
Zusammenhänge korrekt argumentieren.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• die eingesetzten Techniken und Methoden formal analysieren,
• Methoden und Techniken für eine vorgegebene Aufgabenstellung zielgerichtet
auswählen, sowie
• Lösungen und Formalismen kritisch bewerten.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden erarbeitete Lösungen kommunizieren.
Inhalt:
• Grundlagen moderner Entscheidungsprozeduren für die Erfüllbarkeit aussagenlogi-
scher und quantifizierter aussagenlogischer Formeln (SAT und QSAT Solver)
• Normalformtransformationen
• Problemlösen mittels SAT und QSAT Solver
• Systeme und Semantiken der Logikprogrammierung
• Eigenschaften der Antwortmengenprogrammierung
• Praktische Anwendungen der Antwortmengenprogrammierung zur Lösung compu-
tationaler Probleme

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls die wesentlichen Konzepte der Aussagen- und Prädikatenlogik
erster Stufe benennen und beschreiben können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls
• Deduktionskonzepte und Beweisprinzipien zur Erstellung eigener Beweise korrekt
anwenden,
• die Korrektheit der einzelnen Beweisschritte formal argumentieren, sowie
• vorgegebene Problemstellungen algorithmisch umsetzen können.
Soziale Kompetenzen und Selbstkompetenzen: Keine speziellen Voraussetzungen.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete
Mathematik, Algorithmen und Datenstrukturen, Einführung in Artificial Intelligence,
Grundzüge digitaler Systeme, Theoretische Informatik.

61
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltung des Moduls besteht aus einem Vorlesungsteil (Frontalvortrag) und
einem begleitenden Übungsteil. Die Vorlesung dient zur Vermittlung der theoretischen
Grundlagen des besprochenen Fachgebietes während in der Übung die Teilnehmer in selb-
ständiger Weise Lösungen zu konkreten Aufgabenstellungen erarbeiten. Die Beurteilung
der Vorlesung erfolgt auf Basis von Prüfungen (schriftlich und/oder mündlich) und die
Beurteilung der Übung anhand der abgegebenen Lösungen der Aufgabenstellungen sowie
mittels Abgabegesprächen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Deklaratives Problemlösen

Denkweisen der Informatik

Regelarbeitsaufwand: 6,5 ECTS
Lernergebnisse: Denkweisen der Informatik bietet eine Einführung und einen Überblick
über die Informatik aus der Sicht ihrer Arbeits- und Denkweisen, vermittelt als eine Art
angewandter Wissenschaftstheorie. Die LVA soll Interesse am weiteren Studium wecken,
und die Studierenden in die Lage versetzen, die im weiteren Studium präsentierte Inhalte
besser einzuordnen. Die Studierenden sollen so in die Lage versetzt werden, die Informatik
sowohl als Wissenschaft als auch als Praxis nachhaltiger zu verstehen, und dieses Wissen
im Rahmen des Studiums produktiv umzusetzen.
Fachliche und methodische Kompetenzen: Studierende können …
• erklären, was Informatik ist;
• die Strukturen und Prozesse einer Universität darstellen;
• Lernmethoden und Organisationsformen für das erfolgreiche Fortkommen im eige-
nen Studium anwenden;
• ableiten, dass es bei Problemformulierung und Problemlösung unterschiedliche und
zum Teil in Konflikt zueinander stehende Sichtweisen, Herangehensweisen und
Motive gibt;
• die Strömungen und Perspektiven des Denkens seit der vorwissenschaftlichen
Zeit bis in die Gegenwart aufzählen, sowie die jeweils wesentlichen Grundbegriffe,
Problemlösungsansätze und -methoden diskutieren;
• die Notwendigkeit ethischen Handelns begründen, und können Methoden anwenden,
mit denen ethische Fragestellungen systematisch behandelt werden;
• die Verantwortung der Informatik bei der Gestaltung von Technologien im gesell-
schaftlichen Wandel diskutieren;
• wesentliche Ereignisse und Ideen aus der Geschichte der Informationstechnologien
aufzählen und deren Relevanz kritisch reflektieren.

62
Kognitive und praktische Kompetenzen: Durch die theoretische und praktische Auseinan-
dersetzung mit den Inhalten werden folgende kognitive Fertigkeiten vermittelt:
• Auswahl und Einsatz von Strategien, Methoden und Werkzeugen zur Anwendung
verschiedener Denk- und Problemlösungsformen;
• Formulierung von Kritik aus unterschiedlichen Perspektiven, rationale Auseinan-
dersetzung im kritischen Dialog;
• Einbettung aktueller Entwicklungen und Technologien in einen historisch-kritischen
Kontext
• selbständige Wissenssuche und Wissenserwerb
• Kritische Reflexion

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Gruppenarbeiten in verschiedenen Zusam-
mensetzungen und Gruppengrößen erlauben Studierenden Erfahrungen zu sammeln,
wie an Problemstellungen gemeinschaftlich herangegangen werden kann. In peer-review
Aufgaben lernen Studierende, konstruktive Kritik an der Arbeit anderer zu üben, solche
auch anzunehmen, und diese effektiv in ihre eigene Arbeit einfliessen zu lassen. Die
unterschiedlichen Herangehensweisen an Probleme eröffnen Studierenden darüber hinaus
Handlungsoptionen und Sichtweisen, die einen kreativen und innovativen Zugang zur
Gestaltung von Technologie erlauben. Dadurch wird auch zu ethischem Verhalten in
Informatik und Gesellschaft angeregt.
Inhalt:
• Vorwissenschaftliche Denkweisen
• Denkweisen der naturwissenschaftlichen Revolution
• Mathematisches Denken, insbesondere Rekursion, Abstraktion, Induktion und
Deduktion
• Computational Thinking inklusive der Fragen der Berechenbarkeit
• Design Thinking, mit einem Schwerpunkt des Mottos der TU, „Technik für Men-
schen“
• Kreativität und Innovation
• Kritisches Denken, mit besonderer Betonung von Bias und algorithmic Bias
• Verantwortung und Ethik, Verhaltensregeln, code of conducts, Freiheit der For-
schung
• Organisation und Struktur der TU Wien sowie der Fakultät für Informatik
• Bachelor- und Masterstudien der Informatik
• Forschungsgebiete der Informatik (der Fakultät und allgemein)
• Strategien für einen erfolgreichen Studienabschluss (Lernen und Lernstrategien,
soziales Lernen, Stressbewältigung, Umgang mit Krisen)

In die Behandlung dieser Themen werden folgende Inhalte übergreifend behandelt:

• Geschichte der Informatik

63
 • Informatik und Gesellschaft
• Lernen und Forschen an der TU Wien
• Informatik als Wissenschaft
• Diversität und Genderkompetenz

Erwartete Vorkenntnisse: Keine.

Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen von unterschiedlichen Vortragenden vorgestellt und teilweise
von Studierenden selbst erarbeitet. In selbstorganisierter Arbeit bearbeiten die Studieren-
den in einem eigenen Online-System Übungsaufgaben und begutachten im double blind
peer reviewing-Verfahren die Arbeit von Mitstudierenden. Zur Bewertung werden nicht
nur die Leistungen in den Übungsaufgaben, sondern auch die Qualität des Reviewing
herangezogen. Die Beurteilung des Orientierungsteils erfolgt auf Basis eines Online-Tests.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
5,5/4,0 VU Denkweisen der Informatik
1,0/1,0 VU Orientierung Informatik und Wirtschaftsinformatik

Design und Fertigung

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach erfolgreichem Abschluss dieses Moduls verfügen die Studieren-
den über grundlegende Kenntnisse über verschiedene Designansätze und -konzepte in
unterschiedlichen Anwendungsbereichen sowie über einige praktische Anleitungen zu
Werkzeugen und Prozessen, die die digitale Fertigung unterstützen. Studierende kennen
die Definitionen, Denkschulen, Vorteile, Philosophien, Verpflichtungen und Anwendungs-
bereiche verschiedener Designansätze und Design-Thinking-Methoden in einem Designpro-
zess. Design Thinking wird als grundlegender Bestandteil zur Förderung technologischer
Innovation in einer auf den Menschen ausgerichteten Weise eingeführt.
Fachliche und methodische Kompetenzen: Studierende können …
• verschiedene Designansätze und Designkonzepte in unterschiedlichen Anwendungs-
bereichen erklären;
• designunterstützende Werkzeuge anwenden;
• Designprozesse inklusive Fertigungsaktivitäten in unterschiedlichen Kontexten
erklären;
• entscheiden, welche Werkzeuge sie in bestimmten Design- und Fertigungsprozessen
sinnvoll einsetzen können;
• Design-Thinking als ein Designansatz und seine Methoden erklären;

64
 • Einsatzgebiete der Design-Thinking-Methoden in Design- und Fertigungsprozessen
identifizieren;
• auf die Handlungsweisen zur Förderung technologischer Innovation in einer auf den
Menschen ausgerichteten Weise reflektieren.

Kognitive und praktische Kompetenzen: Durch die theoretische und praktische Auseinan-
dersetzung mit den Inhalten werden folgende kognitive Fertigkeiten vermittelt:
• Auswahl und Einsatz von Strategien, Methoden und Werkzeugen zur Design und
zur Fertigung;
• Vergleich von Design Methoden in unterschiedlichen Anwendungskontexten;
• Einbettung aktueller Methoden, Ansätzen, Werkzeugen und Technologien in einen
Design- und Fertigungskontext;
• selbständige Wissenssuche und Wissenserwerb;
• kritische Reflexion.

Soziale Kompetenzen und Selbstkompetenzen: Gruppenarbeiten in verschiedenen Zusam-

mensetzungen und Gruppengrößen erlauben Studierenden Erfahrungen zu sammeln, wie
an Problemstellungen gemeinschaftlich herangegangen werden kann. Die unterschiedlichen
Herangehensweisen an Design- und Fertigungsprozesse eröffnen Studierenden darüber
hinaus Handlungsoptionen und Sichtweisen, die einen kreativen und innovativen Zugang
zur Gestaltung von Technologie erlauben.
Inhalt:
• Designansätze und Designkonzepte, u.a. geschichtlicher Entwicklungshintergrund,
Denkschulen, Grundbegriffe
• Design Thinking: Definitionen, Denkschulen, Vorteile
• Methoden der Design Thinking und ihre Anwendungsbereiche
• Fertigung und Fertigungsprozesse
• Werkzeuge der Fertigung und ihre praktische Anwendung an konkreten Aufgaben

Erwartete Vorkenntnisse: Keine.

Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen vorgestellt und teilweise von Studierenden selbst erarbeitet.
In selbstorganisierter Arbeit bearbeiten die Studierenden Übungsaufgaben. Zur Bewertung
werden nicht nur die Leistungen in den Übungsaufgaben, sondern auch ein Abschlusstest
über die Inhalte, die in Vorträgen vermittelt wurden, herangezogen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Design und Fertigung

65
Design und Entwicklung von Anwendungen im Gesundheitswesen
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Absolvent_innen dieses Moduls besitzen grundlegenden Kenntnisse
zur Analyse, Design und Entwicklung von Anwendungen (mobile Anwendungen und
Desktop-Anwendungen) im medizinischen Kontext mit seinen Besonderheiten.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
Studierende
• Fachliche Anforderungen von Benutzern in gut verwendbare Interaktionskonzepte
zusammenführen und übersetzen,
• medizinische Anforderungen mit Aspekten des Schutzes privater Daten sowie
Sicherheit zusammenführen,
• Standards für Datenhaltung und Kommunikation im Gesundheitswesen einsetzen,
• grundlegende Aspekte der Domäne, im speziellen Themen aus eHealth und verwand-
ten Themengebieten, d.h. eHealth, mHealth, pHealth versehen und beschreiben,
• aktuelle Themen der Telemedizin erläutern,
• industrielle Standards kritisch analysieren,
• Grundkonzepte des Qualitätsmanagements medizinischer Softwareprojekte erläu-
tern.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
Studierende
• Design-, Anwendungs- und Verwendbarkeitsbelangen der im Gesundheitswesen
verwendeten Technologien, z.B. von Electronic Health Records bis hin zu Ambient
Assistive Technologies und damit verwandten technischen Herausforderungen für
gute Lösungen in der medizinischen Versorgung, erläutern und diskutieren,
• die Grundlagen des Requirements Engineering im persönlich-medizinischen/klini-
schen Umfeld anwenden und Analyse und Design von Systemen im medizinischen
Umfeld erläutern,
• die Grundlagen zu User Interaction und User Interface Design für medizinische
Anwendungen anwenden,
• vertiefende Aspekte der Gestaltung von medizinischen Informationssystemen und
Prototyping als grundlegende Methode für Design und Evalierung anwenden,
• erläutern wie Technologien von multidisziplinären Klinikern sowie von Patienten
und deren Familien verwendet werden, um klinische Praktiken sowie Pflegefürsorge
zu unterstützen,
• den Impakt von technischer Lösungen in medizinischen/klinischen Workflows ana-
lysieren,
• verschiedene Anwendungen der IT im Gesundheitswesen, z.B. von mobilen Ap-
plikationen, analysieren, konzipieren, (zumindest in Teilaspekten) umsetzen und
evaluieren,
• kritisch reflektieren wie Technologien in einen breiteren sozialen, organisatorischen,
räumlichen etc. Kontext eingebettet sind und mit diesen Bereichen interagieren.

66
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können Studierende
• erläutern warum der interdisziplinäre und systemorientierte Ansatz beim Design
und der effektiven Umsetzung von IT-Lösungen im Gesundheitswesen wertvoll ist
(Verbindung von fachliche-medizinischen mit technischen Aspekten),
• in einer pro-aktiven und selbst-organisierten Form mit offenen und unklaren Pro-
blemen im medizinischen Bereich umgehen,
• wissenschaftliche Literatur kritisch lesen und diskutieren und den öffentlichen
Diskurses im Zusammenhang mit Computer und Gesellschaft kritisch hinterfragen,
• in Teams arbeiten,
• Technologien, Bedürfnissen und Erfahrungen mit Expert_innen und Anwender_in-
nen im Gesundheitsbereich diskutieren,
• innovative Ideen für Technologien im Gesundheitswesen entwickeln, die eigenen
spezifischen Interessen in IT und Gesundheitswesen in einem breiteren Kontext
unter sozio-kulturellen, organisatorischen und Pflege/Fürsorgeaspekten reflektieren.

Inhalt: Beispiele für Design und Umsetzung Anwendungen der IT im Gesundheitswesen:

• Einführung in die Applikations-Domäne und damit verbundene Herausforderungen
• Kritische Analyse des aktuellen Standes der Technik, mit Bezug auf existierende
Anwendungen und Fachliteratur
• HCI Aspekte von Anwendungen im Gesundheitswesen, Designmethoden für An-
wendungen der IT im Gesundheitswesen unter verschiedenen Aspekten der An-
wendbarkeit und Verwendbarkeit
• Prototyping und Evaluationsmethoden
• Untersuchung der Auswirkungen der Verwendung der Anwendungen in verschiede-
nen Bereichen des Gesundheitswesens (Krankenhaus, Gemeinden, private Haushal-
te)
• User Interface Design und Usability Engineering
• Electronic Medical Records / Personal Health Records
• Unterstützung von Self-Care und Self-Monitoring
• Mobile, pervasive und sensor-basierte Anwendungen (Mobile Basics)
• Einführung in Telemedizin, Telecare und Ambient Assisted Living
• Struktur, Aufbau und Anwendung von aktuellen Standards im Gesundheitswesen
• Selbständige Erarbeitung, Erprobung und Erfahrung in für die Lehrveranstaltung
angemessenen Konzeptbildungen, Teilprojekten und Entwicklungen von Anwen-
dungen im Gesundheitswesen als Teil der Übung

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen:
• Grundlegende Kenntnisse medizinischer Terminologie und Prozesse
• Kenntnisse in praktischer Software Entwicklung
• Arbeiten mit XML

67
 • Medizinische Terminologien
• Grundlegende Kenntnisse medizinischer Handlungsweise und Problemanalyse.

Kognitive und praktische Kompetenzen:

• Fähigkeit zur Verwendung moderner Softwareentwicklungstools
• Selbständige Problemanalyse
• Implementierung vorgegebener Spezifikationen

Soziale Kompetenzen und Selbstkompetenzen: Selbstorganisation bei der selbständigen

Lösung von Übungen.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Design und Entwicklung von Anwendungen im Gesundheitswesen

Effiziente Algorithmen
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Nach positiver Absolvierung des Moduls haben die Studierenden folgende Kompetenzen
erworben.
Fachliche und methodische Kompetenzen:
• Kennen und Beschreiben der vorgestellten Algorithmen und ihrer Eigenschaften
• Verstehen und Anwenden der zugrundeliegenden algorithmischen Methoden
• Analysieren und Bewerten von fortgeschrittenen Algorithmen

Kognitive und praktische Kompetenzen:

• Abstraktion und Modellierung algorithmischer und kombinatorischer Probleme
• Beweisen der Korrektheit und Laufzeitkomplexität von Algorithmen
• Entwerfen von fortgeschrittenen effizienten Algorithmen

Soziale Kompetenzen und Selbstkompetenzen:

• Selbstorganisiertes und eigenverantwortliches Entwickeln effizienter Lösungsansätze
• Mathematisch präzises Beschreiben der eigenen Lösungen und Beweisideen
• Präsentieren eigener Lösungen und kritische Diskussion von Lösungsansätzen

Inhalt:

68
 • Wiederholung grundlegender Aspekte aus Algorithmenkomplexität und -analyse,
O-Notation, Graphentheorie
• Matroide und Greedy-Algorithmen
• Approximierbarkeit
• Untere Schranken in der Algorithmenanalyse
• Stringalgorithmen
• Schedulingalgorithmen
• Algorithmen für große Datenmengen
• Algorithmen für Probleme der Artificial Intelligence

Erwartete Vorkenntnisse: Es wird erwartet, dass die Studierenden über solide Grund-
kenntnisse in Theoretischer Informatik und Diskreter Mathematik verfügen. Insbesondere
umfasst dies grundlegende Konzepte und Methoden der Algorithmenanalyse, Graphen-
theorie, formaler Beweistechniken und NP-Vollständigkeit.
Diese Vorkenntnisse werden u.a. in den folgenden Modulen vermittelt: Algebra und
Diskrete Mathematik, Algorithmen und Datenstrukturen, Theoretische Informatik
Verpflichtende Voraussetzungen: Positiver Abschluss des Moduls Algorithmen und
Datenstrukturen.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte der LVA werden in Vorträgen vorgestellt und in begleitenden Übungen von
Studierenden erarbeitet. Übungsaufgaben müssen schriftlich ausgearbeitet werden. Sie
werden örtlich ungebunden innerhalb vorgegebener Fristen gelöst, die Lösungen werden
anschließend in Übungsgruppen vorgestellt. Die Beurteilung erfolgt auf Basis schriftlicher
Tests und der kontinuierlich in den Übungen erbrachten Leistungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Effiziente Algorithmen

Einführung in Artificial Intelligence

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden fundamentale Konzepte die zum Verständnis der Arbeitsweise als auch
zur Erstellung von Systemen der Artificial Intelligence von Bedeutung sind benennen
und erläutern und theoretische Zusammenhänge korrekt argumentieren.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden

69
 • die eingesetzten Techniken und Methoden formal analysieren,
• Methoden und Techniken für eine vorgegebene Aufgabenstellung zielgerichtet
auswählen, sowie
• Lösungen kritisch bewerten.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden erarbeitete Lösungen kommunizieren.
Inhalt:
• Einführung und Geschichte;
• Intelligente Agenten;
• Suchverfahren (uninformierte Suche, informierte Suche, lokale Suche);
• Constraint Satisfaction Probleme (CSP);
• Aspekte der Wissensrepräsentation (Schließen, Ontologisches Engineering);
• Planen;
• Maschinelles Lernen (Lernen von Beispielen, Neuronale Netzwerkarchitekturen,
Deep Learning);
• Entscheidungstheoretische Konzepte (Utility-Theorie, Decision Networks und Infor-
mation);
• Philosophische und Ethische Aspekte der AI.

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass die Studierenden vor
der Absolvierung des Moduls
• elementare Beweistechniken, wie sie im Rahmen der einführenden Mathematiklehr-
veranstaltungen vermittelt werden, sowie
• die wesentlichen Konzepte in Datenstrukturen und Algorithmen beschreiben können.

Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls
• Beweisprinzipien zur Erstellung eigener Beweise korrekt anwenden,
• die Korrektheit der einzelnen Beweisschritte formal argumentieren, sowie
• vorgegebene Problembeschreibungen algorithmisch umsetzen können.

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete Ma-
thematik, Algorithmen und Datenstrukturen, Grundzüge digitaler Systeme, Theoretische
Informatik.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltung des Moduls besteht aus einem Vorlesungsteil (Frontalvortrag) und

70
einem begleitenden Übungsteil. Die Vorlesung dient zur Vermittlung der theoretischen
Grundlagen des besprochenen Fachgebietes während in der Übung die Teilnehmer in selb-
ständiger Weise Lösungen zu konkreten Aufgabenstellungen erarbeiten. Die Beurteilung
der Vorlesung erfolgt auf Basis von Prüfungen (schriftlich und/oder mündlich) und die
Beurteilung der Übung anhand der abgegebenen Lösungen der Aufgabenstellungen sowie
mittels Abgabegesprächen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Einführung in Artificial Intelligence

Einführung in die Programmierung

Regelarbeitsaufwand: 9,5 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden Folgendes beschreiben:
• systematische Vorgehensweisen bei der Programmierung (einschließlich Erstellen,
Nachvollziehen, Debuggen, Modifizieren und Dokumentieren von Programmen),
• wichtige Konzepte einer aktuellen alltagstauglichen Programmiersprache,
• ausgewählte Algorithmen, Datenstrukturen und Datenabstraktionen,
• häufige Fehlerquellen und Techniken zur Qualitätssicherung.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• Inhalte natürlichsprachiger Programmieraufgaben in ausführbare Programme um-
setzen,
• Vorgehensweisen und Werkzeuge beim Programmieren systematisch anwenden,
• beschriebene Datenabstraktionen, Algorithmen und Datenstrukturen implementie-
ren,
• einfache Maßnahmen zur Verbesserung der Qualität von Programmen anwenden.
Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden
• Programmieraufgaben selbständig lösen sowie in Zweierteams zusammenarbeiten,
• Programmeigenschaften kommunizieren.

Inhalt:

71
 • Prozedurale Programmierkonzepte (Variablen, Datentypen, Operatoren, Verzwei-
gungen, Schleifen, Arrays, Unterprogramme)
• Fundamentale Entwicklungsmethoden (prozedurale Abstraktion, dynamisches und
statisches Programmverstehen, Prüfen auf Korrektheit, Debugging) und Program-
mierwerkzeuge einschließlich einer Programmierumgebung
• Rekursion
• Ein- und Ausgabe mit Überprüfung von Eingaben
• Datenabstraktion
• Implementierung und wesentliche Eigenschaften rekursiver Datenstrukturen (Listen
und Bäume)
• Grundlegende Algorithmen (Einfügen, Löschen, Suchen, Sortieren, Vergleichen,
Konvertieren) für verschiedene Datenstrukturen
• Abstraktion über Datenstrukturen mit vergleichbaren Zugriffsfunktionen
• Exception-Handling
• Einfache Testmethoden und Code-Review
• Ansätze zur Programmoptimierung
• Programmierstile und Programmdokumentation

Erwartete Vorkenntnisse: Keine.

Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen vorgestellt und in begleitenden Übungen von Studierenden
erarbeitet. Übungsaufgaben sind vorwiegend Programmieraufgaben. Sie werden zu einem
Teil örtlich ungebunden (für einige Aufgaben in Zweierteams) innerhalb vorgegebener
Fristen, zum anderen Teil unter kontrollierten Bedingungen selbständig gelöst. Die
Beurteilung erfolgt auf Basis schriftlicher Tests und kontinuierlich in Übungen erbrachter
Leistungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
5,5/4,0 VU Einführung in die Programmierung 1
4,0/3,0 VU Einführung in die Programmierung 2

Einführung in Information Retrieval

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Dieses Modul vermittelt die Grundlagen von Informationssuche (In-
formation Retrieval). Der Schwerpunkt liegt auf Textsuche, aber multimodale Suche
(Musik, Bild, …) wird auch behandelt. Praktische Erfahrung mit dem Einsatz von weit
verbreiteten Open Source Lösungen (z.B. Elasticsearch) wird in Übungen gesammelt.

72
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden

• die klassischen Suchmaschinen zugrundeliegenden Techniken zur Indizierung, Durch-

führung der Suche sowie Erstellung von Rankings verstehen,
• die verschiedenen Evaluierungsansätze und deren Eignung für unterschiedliche
Aufgabenbereiche beurteilen,
• die Bedeutung weiterer Informationsquellen und deren Integration in Suchverfahren
(z.B. PageRank) erläutern, und
• die grundlegenden Methoden zur Suche verschiedener Modalitäten wie Text, Bild,
Audio, Video, verstehen.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• Algorithmen zur Indizierung, Suche und Ranking von Ergebnislisten umsetzen,
• Informationen aus unterschiedlichen Modalitäten (Text, Bild, Audio, Video) extra-
hieren und für die Informationssuche einsetzen.

Soziale Kompetenzen und Selbstkompetenzen:

Herausforderungen in der praktischen Implementierung von Information Retrieval
Lösungen in Gruppenarbeit zu beherrschen
Inhalt:

• Grundlagen der natürlichen Sprachverarbeitung

– Textverarbeitung: Tokenization, Stemming, Textnormalisierung, etc.
– Sprachmodelle
• Grundlagen des Information Retrieval
– Inverted Index
– Suche mit dem Inverted Index (Dokumente nach enthaltenen Wörtern finden)
• Scoring und Ranking
– Relevanzbewertung
• Evaluierung von Suche
– Metriken zur IR Evaluierung: MAP, NDCG, etc…
• Websuche
• Analyse von Suchprotokollen
– PageRank
• Benutzeroberflächen für Suchanwendungen
• Statistische und explizite Semantik
• Multimodale Suche (Musik, Bild, …)

73
Erwartete Vorkenntnisse:
Kognitive und praktische Kompetenzen: Gute Programmierkenntnisse einer statischen
Programmiersprache
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die
Programmierung, Programmierparadigmen
Verpflichtende Voraussetzungen:
Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Vorlesungen über die Grundlagen. Das theoretische Wissen wird über eine Prüfung
beurteilt. Implementierung und Evaluierung von Suchmaschinen in praktischen Übungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Einführung in Information Retrieval

Einführung in Machine Learning

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach positiver Absolvierung des Moduls können Studierende grundle-
gende Konzepte des Maschinellen Lernens (inkl. Datenaufbereitung, Wahl von passenden
Algorithmen, Evaluierung) beschreiben und diese entsprechend auf reale Problemstellun-
gen anwenden.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• eine geeignete Strategie für das Bewältigen einer gegebenen Problemstellung erar-
beiten (Auswahl von Algorithmen und Methoden),
• Grundlagen und formale Konzepte des Maschinellen Lernens erarbeiten und an-
wenden,
• eine geeignete Strategie für das Aufbereiten von realen Daten entwickeln,
• ein Evaluierungskonzept definieren.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• bestehende Problemstellungen und deren zugrundeliegenden Konzepte verstehen,
• Datenmengen analysieren und für deren korrekte Verwendung aufbereiten,
• verschiedene Algorithmen und Lösungsansätze auf reale Daten anwenden,
• angewandte Methoden korrekt evaluieren und Ergebnisse interpretieren.

74
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können Studierende Problemstellungen selbstständig analysieren, geeignete Methoden
anwenden und evaluieren sowie Ergebnisse interpretieren.
Inhalt: Einführung in Machine Learning:
• Einführung, Geschichte und Taxonomie
• Grundlegende Konzepte des Maschinellen Lernens (Fehlerschranken, Datenaufbe-
reitung und Evaluierungsmethoden) und Applikationen
• Regelbasierte Klassifikation und Regression
• Clustering und Dimensionsreduktion
• Lerntheorie
• Kernmethoden
• Probabilistische Modelle
• Ensemble Methoden
• Deep Learning
• Online, Active und Reinforcement Learning
• Ausblick inklusive Fairness und Ethik im Maschinellen Lernen

Erwartete Vorkenntnisse: Folgende Vorkenntnisse werden von Studierenden verwartet:

• Programmierkenntnisse
• Mathematische Grundlagen (z.B. Lesen und Verstehen von formalen Beweisen,
lineare Algebra, Statistik, Wahrscheinlichkeitstheorie)

Algebra und Diskrete Mathematik, Einführung in die Programmierung, Statistik und

Wahrscheinlichkeitstheorie
Verpflichtende Voraussetzungen: StEOP.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
zu erlernenden Inhalte werden im Rahmen des Vorlesungsteils der Lehrveranstaltung
vorgestellt und in begleitenden Übungen von den Studierenden erarbeitet. Zusätzlich
zu anfallenden kleineren Übungsaufgaben gibt es Projekte geben, die einzeln oder in
Gruppen bearbeitet werden können. Die Studierenden präsentieren ihre Ergebnisse vor
anderen Studierenden oder im Zuge von Abgabegesprächen mit den Vortragenden oder
Tutoren.
Die Leistungsbeurteilung erfolgt durch eine schriftliche Prüfung sowie durch eine Be-
wertung des Abgabegesprächs. Zusätzlich wird die Lösung der Projektaufgaben bewertet.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6.0/4.0 VU Einführung in Machine Learning

75
Einführung in Quantencomputing
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• Konzepte und Prinzipien des Quantum Computings formal korrekt beschreiben,
• klassische Quantenalgorithmen beschreiben und analysieren, sowie
• diese Algorithmen für andere Problemstellungen adaptierten.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• die Korrektheit gegebener einfacher Quantenalgorithmen argumentieren,
• einfache Algorithmen in einer Entwicklungsumgebung implementieren, sowie
• die Ergebnisse von Programmausführungen (erstellt mittels Simulationen bzw.
unter Benutzung von Quantencomputern) interpretieren.

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls

können die Studierenden
• eigenständig Problemlösungen ermitteln und
• diese überzeugend präsentieren.

Inhalt:
• Mathematische Grundlagen wie z.B. komplexe Zahlen, Hilbertraum, unitäre Ope-
ratoren, Projektionsoperatoren, Eigenwerte, Eigenvektoren, Tensorprodukt.
• Grundprinzipien der Quantenmechanik.
• Quantengatter und Quantenschaltkreise.
• Einfache Probleme und Algorithmen (Deutsch, Deutsch und Josza, Bernstein und
Vazirani, Suche in einer unstrukturierten Datenbank, Ermittlung der Periode einer
Funktion).
• Programmierparadigmen und -sprachen für das Quantum Computing.
• Hardware für das Quantum Computing.
Zu all den genannten Algorithmen werden nicht nur Beschreibungen in abstrakter Form
(inkl. der Analyse der Algorithmen) präsentiert, sondern auch lauffähige Programme in
einem Entwicklungssystem diskutiert und für studentische Programmierexperimente zur
Verfügung gestellt.
Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass die Studierenden vor
der Absolvierung des Moduls Begriffe wie Matrix, Matrixmultiplikation, Tensorprodukt
diskutieren und definieren können.

76
Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls einfache aussagenlogische Formeln als Schaltkreise darstellen
können. Desweiteren wird erwartet, dass Studierende die Rechenregeln für komplexe
Zahlen beherrschen.
Soziale Kompetenzen und Selbstkompetenzen: Keine besonderen Vorkenntnisse erforderlich.
Die fachlichen, methodischen und praktischen Kompetenzen werden in den einführenden
Mathematikveranstaltungen und der Lehrveranstaltung Spezifikation digitaler Systeme
vermittelt.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Einführende Lehrveranstaltung mittels Frontalvortrag mit kontinuierlich begleitender
Übung (individuell auszuarbeitende Übungsbeispiele, Präsentation der Lösung) zur
Festigung der theoretischen Grundlagen. Desweiteren sind Programmmierbeispiele zu
implementieren, zu testen und das Ergebnis zu interpretieren. Leistungsfeststellung durch
Lösungspräsentationen, Bewertung der Implementierungen und (vorzugsweise mündliche)
Abschlussprüfung.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6.0/4.5 VU Einführung in Quantencomputing

Einführung in Security
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach positiver Absolvierung dieser Einführung besitzen die Studie-
renden Grundkenntnisse der IT-Sicherheit. Die Studierenden können Aspekte der IT-
Sicherheit in Projekten identifizieren und können Maßnahmen setzen, um diese zu
berücksichtigen.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls kennen
und verstehen die Studierenden
• die theoretischen Grundlagen der IT-Sicherheit,
• die theoretischen Grundlagen der Kryptographie,
• wichtige Sicherheitsaspekte in IT-Projekten,
• wichtige Best-Practice Sicherheitsmaßnahmen

und können diese erklären.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• wichtige Best-Practice Sicherheitsmaßnahmen umsetzen,

77
 • die Denkweise von Angreifer_innen verstehen und
• die vorgestellten Angriffstechniken entwickeln.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
besitzen die Studierenden
• Aufmerksamkeit für Sicherheitsaspekte in IT-Projekten und
• Aufmerksamkeit für beweisbare Sicherheit und können
• die Relevanz von IT-Sicherheit und von Lösungsideen für IT-Sicherheitsproblemen
kommunizieren.

Inhalt:
• Sicherheitsprinzipien (Vertraulichkeit, Integrität, Erreichbarkeit)
• Authentifikation und Zugangskontrollverfahren
• Systemsicherheit: Buffer- und Stack-Overflows, Gegenmaßnahmen gegen Overflow-
Sicherheitslücken (N+X, Stack Canaries, ASLR), rücksprungorientierte Program-
mierung, Tools und Bibliotheke zum Entwickeln von binären Exploits
• Websicherheit: Einführung ins Web (Protokolle, Programmiersprachen), serverseiti-
ge Angriffe (SQL Injections, NoSQL injections, Befehlsinjektionen), clientseitige
Angriffe (Cross-Site Request Forgery, Cross-Site Scripting), Gegenmaßnahmen
(CSRF Tokens, Prepared Statements, usw.), im Browser implementierte Sicherheits-
mechanismen (Same-Origin-Policy, Content-Security-Policy, Cookie flags), Tools
und Bibliotheke zum Testen und Ausnutzen von Webanwendungen (requests, Burp
Suite)
• Grundlagen von Informationsfluss und Typsystemen
• Netzwerk- und Kommunikationssicherheit: Grundlagen der Kryptographie (symme-
trische und asymmetrische Verfahren, Betriebsarten, Hash-Funktionen, MACs und
Signaturen), kryptographische Protokolle, TLS, Modellierung und Verifikation von
Protokollen

Erwartete Vorkenntnisse:
Dieses Modul baut auf die Kenntnissen und Fertigkeiten folgender Module auf: Einführung
in die Programmierung, Grundzüge digitaler Systeme
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte des Kurses werden in einem Vorlesungsteil durch Frontalvortrag vermittelt und
in begleitenden Übungen weiter vertieft. In den Übungen werden den Studierenden
angreifbare Anwendungen zur Verfügung gestellt, die mit den im Kurs erworbenen
Angriffstechniken ausgenutzt werden können. Die Beurteilung setzt sich aus der Leistung
in einer Abschlussprüfung und den Berichten zu den Übungen zusammen.

78
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Einführung in Security

Einführung in Visual Computing

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls verste-
hen Studierende die grundlegende Techniken der wichtigsten Visual Computing Bereiche
und haben ein kritisches Verständnis ihrer Theorien und Grundsätze erworben:
• Computergraphik,
• Computer Vision,
• Digitale Bildverarbeitung,
• Visualisierung,
• Geometrische Modellierung.

Kognitive und praktische Kompetenzen: Durch die praktische Auseinandersetzung mit

aktuellen Technologien, Methoden und Werkzeugen (wie modernen Programmiersprachen
und Entwicklungsumgebungen) können Studierende nach positivem Abschluss des Moduls:
• formale Grundlagen und Methoden zur Modellbildung, Lösungsfindung und Eva-
luation einsetzen,
• an einschlägige Probleme methodisch fundiert herangehen, insbesondere in offe-
nen/unspezifizierten Problemsituationen,
• Standard-Entwurfs- und Implementierungsstrategien anwenden.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Ein Schwerpunkt liegt in der besonderen
Förderung hoher Kreativitäts- und Innovationspotentiale. Studierende werden geschult in
• Eigeninitiative und Neugierde,
• Selbstorganisation, Eigenverantwortlichkeit,
• Problemformulierungs- und Problemlösungskompetenz,
• Kenntnisse der eigenen Fähigkeiten und Grenzen, Kritikfähigkeit.

Inhalt:
• Digitale Bilder: Auflösung, Abtastung, Quantisierung, Farbrepräsentation
• Bildoperationen: Punktoperationen, lokale und globale Operationen

79
 • Segmentierung
• Bewegungserkennung
• Repräsentation: konturbasiert, regionenbasiert (Momente, Graphen)
• Kodierung: Entropie-Kodierung, Source-Kodierung
• Komprimierung: Prediktive Kodierung, Vektorquantisierung, JPEG, MPEG
• Hardware: Ein- und Ausgabegeräte, Bildgebende Verfahren, Sensoren
• Radiometrische und Geometrische Transformationen
• Graphikprimitive und deren Attribute
• 2D- und 3D-Viewing, Graphikarchitektur (Rendering Pipeline, etc)
• Sichtbarkeitsverfahren
• 3D Objektrepräsentationen
• Kurven und Flächen
• Licht und Schattierung
• Ray-Tracing und Globale Beleuchtung
• Texturen und andere Mappings
• Farben und Farbmodelle
• Computational Photography
• Geometrische Modellierung

Erwartete Vorkenntnisse:
• Mathematik auf Maturaniveau (Vektorrechnung, Winkelfunktionen, Differenzieren
und Integrieren, lineare Algebra, einfache Geometrie)
• Elementare Programmierkenntnisse

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete

Mathematik, Einführung in die Programmierung
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Vor-
lesung mit Übung: Angesichts der großen Anzahl von HörerInnen ist das eine Vorlesung
mit Unterstützung durch Medien (hauptsächlich Datenprojektor), in die Übungsbeispiele
eingebaut sind. Es gibt ein kompaktes Skriptum, außerdem werden Kopien der Vorle-
sungsfolien zur Verfügung gestellt. Die Leistungsbeurteilung erfolgt durch die erfolgreiche
Abgabe von Übungsbeispielen und die erfolgreiche Teilnahme an zwei Tests.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Einführung in Visual Computing

80
Einführung in wissensbasierte Systeme
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden fundamentale Konzepte, die zum Verständnis der Arbeitsweise als
auch zur Erstellung von wissensbasierten Systemen von Bedeutung sind, benennen und
erläutern und theoretische Zusammenhänge korrekt argumentieren.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• die eingesetzten Techniken und Methoden formal analysieren,
• Methoden und Techniken für eine vorgegebene Aufgabenstellung zielgerichtet
auswählen, sowie
• Lösungen kritisch bewerten.

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls

können die Studierenden erarbeitete Lösungen verständlich kommunizieren.
Inhalt:

• Einführung und geschichtlicher Hintergrund;

• Prädikatenlogik als Spezifikationssprache;
• Description Logik und Ontologisches Schließen;
• Nichtmonotones Schließen;
• Answer-Set Programmierung;
• Probabilistische Verfahren;
• Entwicklung von wissensbasierten Systemen.

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass die Studierenden vor
der Absolvierung des Moduls elementare Beweistechniken, wie sie im Rahmen der einfüh-
renden Mathematiklehrveranstaltungen vermittelt werden, beschreiben können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls
• elementare mathematische Beweisprinzipien zur Erstellung eigener Beweise korrekt
anwenden,
• die Korrektheit der einzelnen Beweisschritte formal argumentieren, sowie
• vorgegebene Problembeschreibungen algorithmisch umsetzen können.

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete Ma-
thematik, Algorithmen und Datenstrukturen, Grundzüge digitaler Systeme, Theoretische
Informatik.

81
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltung des Moduls besteht aus einem Vorlesungsteil (Frontalvortrag) und
einem begleitenden Übungsteil. Die Vorlesung dient zur Vermittlung der theoretischen
Grundlagen des besprochenen Fachgebietes während in der Übung Lösungen zu konkreten
Aufgabenstellungen in selbständiger Weise erarbeit werden müssen. Die Beurteilung der
Vorlesung erfolgt auf Basis von Prüfungen (schriftlich und/oder mündlich) und die
Beurteilung der Übung anhand der abgegebenen Lösungen der Aufgabenstellungen sowie
mittels Abgabegesprächen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Einführung in wissensbasierte Systeme

Foundations of System and Application Security

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Sicherheitsrelevante Anforderungen in unterschiedlichsten IT-Projekten, beispiels-
weise Web- oder mobilen Anwendungen, systematisch erkennen,
• Sicherheits- und Härtungsmaßnahmen in Software, Infrastrukturen und mobilen
Systemen umsetzen,
• Ihr angeeignetes Wissen über unterschiedliche Angriffsmethoden auf IT-Systeme
und mobile Anwendungen einsetzen,
• Technische und organisatorische Sicherheitsmaßnahmen sowie -prozesse vor, wäh-
rend und nach der Implementierung von (mobilen) Systemen durchführen.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Sicherheitsrisiken und Angriffe auf die IT-Sicherheit erkennen,
• Sicherheitsmaßnahmen auf ihre Eignung im Projekt bewerten,
• Sicherheitsaspekte bei der Implementierung von Software und Gesamtsystemen
analysieren

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls

können die Studierenden:
• In Teams, auch unter Zeitdruck, an Sicherheitsproblemen arbeiten,

82
 • Sicherheitsfehler analytisch suchen und finden,
• Sicherheitsrelevante Schnittstellen in Projekten alleine und im Team erkennen.

Inhalt:
• Betriebssystemsicherheit (z.B. Linux, Windows, macOS, Android, iOS)
• Architektur von Mobilen Plattformen (Android, iOS)
• Netzwerksicherheit
• Intrusion Detection, Intrusion Prevention
• Sicherheit in der Software-Entwicklung
• Web Application Security
• Sicherheit von mobilen Anwendungen
• Organisatorische Sicherheit
• Risikomanagement
• Sicherheitsarchitekturen
• Kryptographie
• Auffinden von Schwachstellen

Erwartete Vorkenntnisse: Grundkenntnisse aus Introduction to Security

Dieses Modul baut auf den Kenntnissen und Fertigkeiten folgender Module auf: Einfüh-
rung in Security
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: In
dem Modul werden die erforderlichen Fachgrundlagen vermittelt, es erfolgt eine Anleitung
zur weiterführenden Recherche bei Vertiefungsbedarf und die Vorstellung von realen, oft
großen Fallbeispielen. In den praktischen Übungsaufgaben werden neben den theoretischen
Inhalten des Moduls in einer Übungsumgebung unterschiedliche Aspekte der IT-Sicherheit
in Einzel- bzw. Gruppenaufgaben weiter vertieft bzw. selbständig erweitert.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Foundations of System and Application Security

Freie Wahlfächer und Transferable Skills

Regelarbeitsaufwand: 18,0 ECTS
Lernergebnisse: Die Lehrveranstaltungen dieses Moduls dienen der Vertiefung des
Faches sowie der Aneignung außerfachlicher Kenntnisse, Fähigkeiten und Kompetenzen.

83
Inhalt: Abhängig von den gewählten Lehrveranstaltungen.
Erwartete Vorkenntnisse: Abhängig von den gewählten Lehrveranstaltungen.
Verpflichtende Voraussetzungen: Abhängig von den gewählten Lehrveranstaltungen.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Abhängig von den gewählten Lehrveranstaltungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls: Die Lehrveranstaltungen dieses Moduls können frei
aus dem Angebot an wissenschaftlichen und künstlerischen Lehrveranstaltungen, die der
Vertiefung des Faches oder der Aneignung außerfachlicher Kenntnisse, Fähigkeiten und
Kompetenzen dienen, aller anerkannten in- und ausländischen postsekundären Bildungs-
einrichtungen ausgewählt werden, mit der Einschränkung, dass zumindest 6 ECTS aus
den Themenbereichen der Transferable Skills zu wählen sind. Für die Themenbereiche der
Transferable Skills werden insbesondere Lehrveranstaltungen aus dem Wahlfachkatalog
„Transferable Skills“ der Fakultät für Informatik (Anhang E) und aus dem zentralen
Wahlfachkatalog der TU Wien für „Transferable Skills“ empfohlen.

Funktionale Programmierung
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls kön-
nen die Studierenden die als Modulinhalt angeführten Konzepte und Techniken mit
fachspezifischer Terminologie beschreiben.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• die als Modulinhalt angeführten Techniken anwenden,
• in natürlicher Sprache (unvollständig) beschriebene Programmieraufgaben in auf-
gabenangemessene ausführbare funktionale Programme umsetzen.
• die Bedeutung dieser Programme erklären und schrittweise auch mit Papier und
Bleistift für verschiedene Auswertungsstrategien funktionaler Sprachen ausführen.
• eigene (eventuell auch fremde) Programme nach vorgegebenen Kriterien kritisch
beurteilen.

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls

können die Studierenden Programmieraufgaben allein und auch im Team lösen.
Inhalt:
• Typische Konzepte funktionaler Programmiersprachen, insbesondere Funktionen
höherer Ordnung, Polymorphie auf Funktionen und Datentypen

84
 • Sprachkonzepte applikativer und funktionaler Programmierung, fleißige und faule
Auswertungsordnungen funktionaler Sprachen, potentiell unbeschränkte Daten-
strukturen, Grundzüge von Typprüfung, Typinferenz, dem Lambda-Kalkül als
Grundlage funktionaler Programmierung.
• Techniken zur produktiven Verwendung dieser Konzepte

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass Studierende vor Absol-
vierung des Moduls
• systematische Vorgehensweisen beim Programmieren und
• wichtige Konzepte einer aktuellen alltagstauglichen Programmiersprache und
• Programmierparadigmen
beschreiben können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass Studierende vor Absolvie-
rung des Moduls
• Inhalte natürlichsprachiger Programmieraufgaben in ausführbare Programme um-
setzen,
• Vorgehensweisen und Werkzeuge beim Programmieren systematisch anwenden,
• beschriebene Datenabstraktionen, Algorithmen und Datenstrukturen implementie-
ren und
• Basistechniken der funktionalen und objektorientierten Programmierung anwenden
können.
Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass Studierende vor
Absolvierung des Moduls
• Programmieraufgaben selbständig lösen und
• allein und in kleinen Teams zusammenarbeiten können.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die
Programmierung, Programmierparadigmen.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen vorgestellt und in begleitenden Übungen von Studierenden
erarbeitet. Übungsaufgaben sind vorwiegend Programmieraufgaben, die innerhalb vor-
gegebener Fristen allein und teilweise in Teams zu lösen sind. Die Beurteilung erfolgt
auf Basis einer kontinuierlichen Überprüfung der Lösungen dieser Aufgaben sowie durch
Prüfung(en) bzw. Test(s).
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Funktionale Programmierung

85
Grundlagen der Computergraphik
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach Absolvierung dieses Moduls können
Studierende:
• tiefergehende Inhalte im Bereich Computergraphik, aufbauend auf das Modul
„Einführung in Visual Computing“, wiedergeben.

Kognitive und praktische Kompetenzen: Durch die Umsetzung einer umfangreichen gra-
phischen Anwendung können Studierende nach Absolvierung des Moduls:
• eine höhere Programmiersprache einsetzen
• ein hardwarenahes Graphik-API (OpenGL oder DirectX) inklusive Shading Lan-
guage (GLSL, HLSL) einsetzen
• Computergraphik in praxisnahen Anwendungsgebieten einsetzen.

Soziale Kompetenzen und Selbstkompetenzen: Das Modul fördert

• die Arbeit in kleinen Teams,
• die Fähigkeit, eine interaktive Software vor vielen Leuten zu präsentieren und
• die Fähigkeit, eigenständig Ziele zu definieren.

Außerdem fördert das Modul die Kreativität und graphische Ausdrucksfähigkeit.

Inhalt: In einer Vorlesung werden fortgeschrittene Methoden der Computergraphik
vertiefend behandelt:
• Höhere graphische Programmierung (z.B. Unity)
• Höhere Modellierungstechniken
• Komplexe Datenstrukturen für graphische Daten
• Abtasten und die Rekonstruktion kontinuierlicher Signale
• Texturierung
• Digital Fabrication
• Illustrative Visualisierung
• Computational Photography

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen:
• Mathematik: Vektor und Matrizenrechnung, aus Lineare Algebra
• Algorithmen und Datenstrukturen, aus dem gleichnamigen Modul
• Programmieren, objektorientiertes Programmieren
• Computergraphik Kenntnisse, aus Modul Einführung in Visual Computing (beide
Teile) sowie dessen Voraussetzungsmodule

86
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
• 3 ECTS Vorlesung (Frontalvortrag)
• 3 ECTS Übung

Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und

Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Grundlagen der Computergraphik

Grundlagen der Computer Vision

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Dieses Modul vermittelt Kompetenzen in
den wichtigsten Bereichen der Computer Vision und verwandten wissenschaftlichen
Fragestellungen. Insbesondere werden die Studierenden in der Lage sein, die wesentlichen
Prinzipien und Methoden der folgenden Bereiche aufzuzählen und zu erklären:
• Bildentstehung
• Struktur von Bildern (Textur, Szenen und Kontext)
• Lokale & Multiskala Repräsentationen
• Bildanalyse
• Szenenanalyse
• Maschinelles Lernen
• Lineare Modelle für Regression und Klassifizierung
• Neuronale Netze
• Fehlerfunktionen und Methoden zur Parameteroptimierung
• Modellkomplexität, Regularisierung, Auswahl
• Kernel-Methoden
• Überwachtes- und unüberwachtes Lernen
• Hauptkomponentenanalyse
• Tiefenwahrnehmung
• Einzelansicht-Rekonstruktion
• Absolute 3D-Rekonstruktion
• Multiview-Geometrie
• Anwendungen der Computer Vision

Kognitive und praktische Kompetenzen: Durch die Umsetzung einer umfangreichen gra-
phischen Anwendung können Studierende nach Absolvierung des Moduls:
• eine höhere Programmiersprache einsetzen,

87
 • Methoden des Machine- und Deep Learning einsetzen,
• Computer Vision in praxisnahen Anwendungsgebieten einsetzen,
• Wissenschaftliche Analyse, Entwurfs- und Umsetzungsstrategien (Einbeziehung des
Stands der Technik, kritische Bewertung und Reflexion von Lösungen).
• Auswahl geeigneter formaler mathematischer Methoden zur Modellierung, Abstrak-
tion, Lösungsfindung und Bewertung
• Zielorientierte Arbeitsmethodik
• Einsatz von Technologien, Softwarewerkzeugen und Standards
• Präzise schriftliche Dokumentation und wissenschaftliche Diskussion von Lösungen
• Fähigkeit zu überzeugender fachlicher Präsentation und Kommunikation in einem
interdisziplinären Umfeld

Soziale Kompetenzen und Selbstkompetenzen: Das Modul fördert

• die Arbeit in kleinen Teams,
• die Fähigkeit, Ergebnisse vor vielen Leuten zu präsentieren,
• die Fähigkeit, eigenständig Ziele zu definieren,
• Selbstorganisation, Initiative und Eigenverantwortung
• Steigerung der individuellen Kreativität und des Innovationspotenzials (Neugierde)
• Problemformulierung und Problemlösungskompetenz
• Kommunikations- und Kritikfähigkeit
• Reflexion über die eigenen Fähigkeiten und Grenzen
• Folgenabschätzung und ethische Bewertung
• Strategisches Denken und Planen

Inhalt: In der Vorlesung werden fortgeschrittene Methoden der Computer Vision vertie-
fend behandelt:
• Texture, Scenes, und Context
• Local- and Multiscale Representations
• Interest Points, Corners
• Scene Emergent Features
• Scene Recognition, Bag of Words, SIFT
• Clustering, Pyramid Matching, Support Vector Machine
• Deep Learning, CNNs
• Perceptron, Linear Basis Function Models, RBF
• Neural Networks architectures und learning methods
• Error functions and methods for parameter optimization (e.g., pseudo-inverse,
gradient descent, Newton method)
• Duality, Sparsity, Support Vector Machine
• Unsupervised methods and Self-Organizing Maps (SOM)

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen:

88
 • Mathematik: Vektor und Matrizenrechnung, aus Lineare Algebra
• Programmieren, objektorientiertes Programmieren
• Computer Vision Kenntnisse, aus Modul Einführung in Visual Computing (beide
Teile) sowie dessen Voraussetzungsmodule

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
• 3 ECTS Vorlesung (Frontalvortrag)
• 3 ECTS Übung

Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und

Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Grundlagen der Computer Vision

Grundzüge digitaler Systeme

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• Zahlendarstellungen unterscheiden und nutzen,
• grundlegende Konzepte der Informations- und Codierungstheorie beschreiben und
anwenden,
• Ausdrücke der Boolschen Algebra formulieren, manipulieren und interpretieren
sowie Minimierungsverfahren darauf anwenden,
• grundlegende logische Konzepte nachvollziehen, anwenden und übertragen,
• einfache Schaltnetze entwerfen und erklären,
• ein System mit Hilfe einer geeigneten Logik oder eines geeigneten Automatentyps
beschreiben,
• syntaktische und semantische Fehler in einem Modell erkennen und korrigieren,
• informell beschriebene Systeme analysieren, auf die relevanten Merkmale reduzieren
und mit formalen Spezifikationsmethoden modellieren.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls kön-
nen die Studierenden methodische Ansätze auf konkrete Aufgabenstellungen umsetzen.
Insbesondere sind sie in der Lage
• Auswirkungen verschiedener Spezifikations- und Abbildungsmethoden auf die Mo-
dellierung eines Systems zu analysieren,

89
 • eine für die Problemstellung geeignete Abstraktionsebene sowie Spezifikationsme-
thode zu wählen und darauf eine passende Modellierung zu erstellen,
• eine fremde Modellierung zu analysieren und entsprechend Verbesserungsvorschläge
zu formulieren,
• formal-mathematische Beschreibungen anzuwenden und in eigenen Worten zu
erklären,
• die erlernten Formalismen auch im Kontext der in der Fachliteratur üblichen
Varianten dieser Definitionen zu verwenden.
Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Die Studierenden können umfangreichere
Aufgabenstellungen eigenverantwortlich lösen und beherrschen Selbstorganisation und
Zeitmanagement, um die Lösungen fristgerecht fertig zu stellen. Sie können ihre eigenen
Gedanken, Lösungen und Modelle argumentieren und kommunizieren sowie mit anderen
Personen professionell diskutieren.
Inhalt:
• Zahlendarstellung und Zahlencodierung
• Gleitkommaarithmetik
• Grundkonzepte der Informations- und Codierungstheorie
• Logik in der Informatik
• Aussagenlogik, Boolesche Algebra, Minimierungsverfahren
• Prädikatenlogik als Spezifikationssprache
• Endliche Automaten, inklusive Moore- und Mealy-Automaten
• Reguläre Ausdrücke und kontextfreie Grammatiken
• Schaltnetze
• Realisierungen von Automaten
• Petri-Netze

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass Studierende vor Absol-
vierung des Moduls Mathematik auf AHS/BHS-Maturaniveau anwenden können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass Studierende vor Absolvie-
rung des Moduls fachliche Texte auf AHS/BHS-Maturaniveau verstehen können.
Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass Studierende vor
Absolvierung des Moduls grundlegendes Selbstmanagement anwenden können.
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Vorträge und Repetitorien; Unterstützung durch eine Online-Plattform mit betreutem
Forum und Streaming; Übung in Gruppen zur Vertiefung und Festigung des Lehrstoffes.
Die Beurteilung erfolgt auf Basis schriftlicher Tests und kontinuierlich in Übungen und
auf der Online-Plattform erbrachter Leistungen.

90
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Grundzüge digitaler Systeme

Human Augmentation
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Ziel dieses Moduls ist es, Studierenden eine grundlegende Einführung
in den Forschungsbereich Human Augmentation zu geben, der sich mit der physischen,
kognitiven und wahrnehmungsbezogenen Erweiterung des Menschen durch digitale Lösun-
gen beschäftigt. Die Lehrveranstaltung besteht aus einem Vorlesungsteil, in dem relevante
Theorien und Forschungsansätze diskutiert werden: Unterschied zwischen Automation und
Augmentation; Human Augmentation vs. Human Enhancement vs. Transhumanismus;
Human Factors Engineering etc. Im Seminarteil und im praktischen Teil unternehmen
Studierende erste Schritte um sich kritisch mit existierenden und futuristischen tech-
nischen Lösungen auseinanderzusetzen und zu lernen Methoden des Human Factors
Engineering in die Technologieentwicklung miteinzubeziehen und anzuwenden. Darüber
hinaus soll die kritische Auseinandersetzung die Studierenden befähigen sich mit dem
Themenkomplex des Digitalen Humanismus auseinanderzusetzen (zB. Fragestellungen zu
Datenschutz, Privatsphäre, soziale Manipulation, Autonomie u.Ä).
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung dieses Moduls
können Studierende unterschiedliche wissenschaftliche Modelle des Menschen aus ver-
schiedenen Bereichen (z. B. Psychologie, Human Factors, Neurowissenschaften) erläutern
und ihre Anwendung bei der Entwicklung von Augmentationstechnologien beurteilen.
Darüber hinaus können sie die Unterschiede zwischen den Ansätzen Human Automation,
Human Augmentation, Human Enhancement und Transhumanismus erläutern.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung können Studierende
methodische Ansätze aus dem Human Factors Engineering auf konkrete Beispiele von
Human Augmentation anwenden. Weiters können sie existierende und futuristische
Augmentationstechnologien durch die Lupe des Digitalen Humanismus kritisch reflektieren
und bewerten.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls kön-
nen Studierende in multi-disziplinären Entwicklungsprojekten (Forschung wie Industrie)
einen Mensch-zentrierten Ansatz vertreten und kommunizieren.
Inhalt: Folgende Inhalte werden in der Lehrveranstaltung vermittelt:
• Historischer Abriss: Wie der Mensch stetig versucht sein Leben durch Wissenschaft
und Technik zu optimieren
• Unterschiede und Parallelen in den Ansätzen: Human Automation, Human Aug-
mentation, Human Enhancement und Transhumanismus

91
 • Modelle des Menschen aus unterschiedlichen wissenschaftlichen Disziplinen betrach-
tet
• Methoden des Human Factors Engineering
• Existierende Human Augmentation Technologien: Über Wearables, Exoskelette, pro-
thetische Stabilisierungen von Extremitäten und Körperfunktionen und sensorische
Erweiterungen zB von Hör- bzw. Sehvermögen
• Futuristische Human Augmentation Technologien: Über „Body-Hacking“, Brain-
Computer Interfaces und 3D Bioprinting

Erwartete Vorkenntnisse: Keine.

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Human Augmentation

Informationssysteme des Gesundheitswesens

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Das Modul vermittelt
• Kenntnisse der essentiellen Konzepte für medizinische Informationsysteme und
deren Begrifflichkeiten
• Typen, Aufbau und Inhalte medizinischer Informationssysteme und Medizintechnik,
IT-Infrastrukturen und System-Kontexten im Gesundheitswesen
• Struktur und Aufbau medizinischer Daten
• Kenntnisse von grundlegenden Aspekten medizinischer Informationssysteme
• Kenntnisse wichtiger Aspekte von IT-Security
• Kenntnisse wesentlicher Prozessabläufe innerhalb von IT-Systemen und system-
übergreifend zwischen Fachlichkeit und Technik (Patient Journeys)

Kognitive und praktische Kompetenzen: Das Modul vermittelt

• Verständnis für die Verarbeitung von persönlichen und medizinischen Daten
• Bewusstsein über die Gestaltung von medizinischen Informationssystemen und
IT-Infrastrukturen
• Fähigkeiten zur Anforderungsanalyse im medizinischen Kontext
• Aspekte der systemübergreifenden Integration und Kommunikation (Syntaktische
und semantische Interoperabilität, Standards)

92
 • Bewusstsein für verantwortungsvollen Umgang mit sensiblen Daten

Soziale Kompetenzen und Selbstkompetenzen: Das Modul vermittelt

• Verständnis für Probleme und Fragestellungen moderner medizinischer Informati-
onssysteme
• Ethische Aspekte bei der Entwicklung und Verwendung von Informationssystemen
im Gesundheitwsesen
• Selbstorganisation, Eigenverantwortlichkeit, Teamfähigkeit
• Problemformulierungs- und Problemlösungskompetenz
• Reflexion der eigenen Arbeit und deren Folgen im gesellschaftlichen Kontext.

Inhalt:
• Begriffsdefinitionenen und Einführung in eHealth
• Einführung in Typen und Aufbau von Informationssystemen im Gesundheitswesen
• Integration und Kommunikation zwischen IT-Systemen
• Architekturen, Umsetzungsvarianten und Systemkontext
• Grundlegende Aspekte der Medizinischen Dokumentation
• Domänen, Institutionen und Stakeholders im Gesundheitswesen
• Einführung in wichtige Standards für die medizinische Datenübertragung und
Codierung (HL7, DICOM, IHE Profiles, ICD, SNOMED CT, …)
• Grundlegende Anwendungsmöglichkeiten und Design-Prinzipien zu Security-
Aspekten mit Fokus auf Gesundheitsdomäne
• Praktische Anwendung in ausgewählten Fallbeispielen
• Selbständige Erarbeitung, Erprobung und Erfahrung in für die Lehrveranstaltung
angemessenen Konzeptbildungen, Teilprojekten und Umsetzungsvarianten von
Informationssystemen und IT-Infrastruktur im Gesundheitswesen im Übungsteil

Erwartete Vorkenntnisse: Selbständiges und eigenverantwortliches Arbeiten.

Fachliche und methodische Kompetenzen: Verstehen technischer Texte.
Kognitive und praktische Kompetenzen: Selbstständiges Problemanalyse.
Soziale Kompetenzen und Selbstkompetenzen: Teamfähigkeit, Eigeninitiative und Neugier-
de.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Im Vorlesungsteil werden die erforderlichen Fachgrundlagen vermittelt, es erfolgt eine
Anleitung zur weiterführenden Recherche bei Vertiefungsbedarf und die Vorstellung von
realen, oft großen Fallbeispielen. In den praktischen Übungsaufgaben werden neben den
theoretischen Inhalten der Vorlesung in einer Übungsumgebung unterschiedliche Aspekte
von Informationssystemen und IT-Infrastrukturen im Gesundheitswesen weiter vertieft
bzw. selbständig erweitert.

93
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Informationssysteme des Gesundheitswesens

Interface und Interaction Design

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Studierende verstehen die Notwendigkeit der systematischen Berücksichtigung der
Interessen von Nutzerinnen und Nutzern wie auch von anderen Interessensgruppen
in der Gestaltung technischer Systeme.
• Studierende können methodische Werkzeuge benennen und anwenden, die diese
Berücksichtigung ermöglichen.
• Sie können den Wert von Design Guidelines und Design Patterns für die Gestaltung
interaktiver Systeme einschätzen, und verstehen die Abhängigkeiten zwischen
interaktiven und nicht-interaktiven Komponenten eines technischen Systems.
• Studierende können nachvollziehen, warum Anforderungen und Bedürfnisse von
Nutzer_innen oft widersprüchlich und unvollständig sind, und kennen Wege, um
damit trotzdem produktiv umgehen zu können.

Kognitive und praktische Kompetenzen:

• Studierende verstehen das Wechselspiel zwischen Problem Setting und Problem
Solving, und verstehen, wie man diese beiden Arbeiten im produktiven Wechselspiel
einsetzt.
• Sie können Methoden des nutzungsorientierten Designs anwenden.
• Teilnehmer_innen können Werkzeuge des inklusiven, nutzerorientierten und partizi-
pativen Designs anwenden.
• In projektbasierter Arbeit kann der Wert der theoretisch erworbenen Kenntnisse
erprobt und praktisch erfahren werden.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Studierende verstehen die Komplexität der
Bedürfnisse der Nutzer_innen, für die sie Gestalten. Sie können kreative und innovative
Ideen entwickeln, um so aussergewöhnliche Lösungen zu finden. Sie üben die Arbeit in
Gruppen, und übernehmen Verantwortung für die Gestaltung technischer Systeme.
Inhalt:

94
 • Wesentliche Aspekten der Planung, Gestaltung und Entwicklung von Benutzer-
schnittstellen für interaktive Systeme
• Grundlagen von User Interface Design
• Verständnis für Kriterien guter bzw. schlechter User Interfaces
• grundlegende Designkonzepte und Gestaltungsprinzipien für die erfolgreiche Um-
setzung von Benutzerschnittstellen
• Methoden, Prozesse und Hilfsmittel für erfolgreiches Interface & Interaction Design
• Ausblick auf aktuelle Trends und neue Interaktionskonzepte und Interfaces

Erwartete Vorkenntnisse:
Es werden die Kenntnisse des Moduls Einführung in die Programmierung vorausgesetzt.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Dieses Modul wird in der Form einer Vorlesung mit Übungen gehalten, in der einerseits
die theoretischen Inhalte vermittelt werden, welche wiederum in Form von Übungen
in Kleingruppen mit unterschiedlichen Übungsbeispielen praktisch erlernt werden. Das
Modul umfasst einen Projektteil, der einerseits die Anwendung von Methoden und
Techniken in einem konkreten Projekt ermöglicht und andererseits den Studierenden
den Zugang wichtiger Systeme und Technologien, die für die Implementierung sozial
eingebetteter Systeme notwendig sind, anbietet.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Interface und Interaction Design

Introduction to Cryptography
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach positiver Absolvierung der Lehrveranstaltung sind Studierende
in der Lage die grundlegenden Konzepte der Kryptographie, die zum Verschlüsseln und
Authentifizieren verwendet werden, zu verstehen. Sie sind mit den grundlegenden Defini-
tionen der symmetrischen und der public-key Kryptographie vertraut, sowie mit dem
Prinzip der beweisbaren Sicherheit, dem Paradigma der modernen Kryptographie. Sie
haben die wichtigsten Konstruktionen kryptografischer Objekte und einige Sicherheitsbe-
weise gesehen. Im Übungsteil den Stoff vertieft und gelernt, die Sicherheit von Systemen
zu analysieren. Dieser Kurs ist eine gute Grundlage, um fortgeschrittene Themen wie
kryptografische Protokolle zu studieren.
Inhalt:
• Information-theoretic security

95
 • Computational security
• Symmetric encryption
• Message authentication codes
• Hash functions
• Public-key encryption
• Digital signature schemes

Erwartete Vorkenntnisse: Es sind keine spezifischen Kenntnisse erforderlich (beispiels-

weise werden die benötigten Konzept der Zahlentheorie in den Vorträgen besprochen),
mathematische Reife und die Fähigkeit, schlüssig zu argumentieren (essentiell für Sicher-
heitsbeweise) werden jedoch zum Lösen der Übungsbeispiele benötigt.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die Note setzt sich aus der Anzahl der gelösten Hausübungsbeispiele, deren Qualität,
der Präsentationen von Lösungen in den Übungseinheiten, sowie einer schriftlichen
Abschlussprüfung über den vorgetragenen Stoff zusammen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Introduction to Cryptography

Logic and Reasoning in Computer Science

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Dieses Modul befasst sich mit den logischen Grundlagen der Modellie-
rung und Argumentation in der Informatik.
Fachliche und methodische Kompetenzen: Fundamentale Konzepte und Resultate der
Computational Logic und computergestützte Beweisführung.
Kognitive und praktische Kompetenzen: Die Studierenden erwerben die Fähigkeit, die
Struktur von logischen Beweisen und computergestützten Argumentationen zu verstehen
und selbst solche zu führen und entwerfen. Weiters können die Studierenden ethische
Fragestellungen im Kontext der Inhalte des Moduls identifizieren, formulieren und
diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Selbständiges Lösen von Problemen.
Inhalt:
• Formalisierung mit Logik
• Aussagenlogik
• Beweissysteme für die Aussagenlogik
• Das Erfüllbarkeitsproblem der Aussagenlogik (SAT-Solving)
• SAT-Solving und das Davis-Putnam-Logemann-Loveland-Verfahren (DPLL)

96
 • Das Resolutionsverfahren in der Aussagenlogik
• Binäre Entscheidungsdiagramme (BDDs)
• Randomisierte Algorithmen und SAT Solving
• Das Erfüllbarkeitsproblem für quantifizierte Boolesche Formeln (QBF)
• Prädikatenlogik erster Stufe und Theorien erster Stufe
• Prädikatenlogik für endliche Gegenstandsbereiche
• Das Nelson-Oppen-Verfahren und Satisfiability Modulo Theory (SMT) Solving

Erwartete Vorkenntnisse: Kenntnisse aus “Theoretische Informatik” und “Logik und

Grundlagen der Mathematik”
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Grundzüge digitaler
Systeme, Theoretische Informatik.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte werden in einem Vorlesungsteil vorgestellt und in begleitenden Übungen von den
Studierenden erarbeitet. Die Übungsaufgaben können zeitlich und örtlich weitgehend
ungebunden einzeln oder in Gruppen gelöst werden. Die Lösungen werden bei regelmäßi-
gen Treffen mit Lehrenden und TutorInnen besprochen und korrigiert. Die Beurteilung
erfolgt auf Basis schriftlicher Tests und der kontinuierlich in den Übungen erbrachten
Leistungen. Der Übungsbetrieb und die Tests können computerunterstützt durchgeführt
werden.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Logic and Reasoning in Computer Science

Logik für Wissensrepräsentation

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden unterschiedliche Logiken bzw. logikbasierte Formalismen zur Wissens-
repräsentation benennen und erläutern, sowie theoretische Zusammenhänge korrekt
argumentieren.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• die eingesetzten Techniken und Methoden formal analysieren,
• Methoden und Techniken für eine vorgegebene Aufgabenstellung zielgerichtet
auswählen, sowie

97
 • Lösungen und Formalismen kritisch bewerten.

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls

können die Studierenden erarbeitete Lösungen kommunizieren.
Inhalt:
• Klassische Logik zur Wissensrepräsentation (inkl. Probleme, Limitierungen und
ontologische Aspekte)
• Formalismen zum Nichtmonotonen Schließen
• Parakonsistente Logiken
• Wissensrevision (Belief Revision)
• Modallogik

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls die wesentlichen Konzepte der Aussagen- und Prädikatenlogik
erster Stufe benennen und beschreiben können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor
der Absolvierung des Moduls Deduktionskonzepte und Beweisprinzipien zur Erstellung
eigener Beweise korrekt anwenden und die Korrektheit der einzelnen Beweisschritte
formal argumentieren können.
Soziale Kompetenzen und Selbstkompetenzen: Keine speziellen Voraussetzungen.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete
Mathematik, Einführung in Artificial Intelligence, Grundzüge digitaler Systeme, Theore-
tische Informatik
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
• Präsentation der Lehrinhalte in einem Vorlesungsteil (Frontalvortrag)
• Selbständiges Ausarbeiten von Aufgabenstellungen durch Studierende
• Präsentation der Lösungen (inkl. der benötigten Theorie)

Leistungsbeurteilung:
• Mündliche Prüfung des Vorlesungsteil,
• Bewertung der Ausarbeitungen (inkl. der Präsentation)

Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und

Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Logik für Wissensrepräsentation

98
Logikprogrammierung und Constraints
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach Absolvierung dieses Moduls können
Studierende die folgenden Bereiche anwenden:
• Monotoner Teil der Programmiersprache Prolog
• Constraintsprachen, insbesondere CLP(FD)
• Spezifikationsorientierte Programmierung
• Deklarative Diagnose

Kognitive und praktische Kompetenzen: Durch das praktische Arbeiten mit einer logikori-
entierten Programmiersprache beherrschen Absolventen die folgenden Fertigkeiten:
• Deklaratives Modellieren, relationale Sichtweise
• Praktische Programmierkenntnisse in einer logikorientierten Programmiersprache
• Anwendung deklarativer Lesarten zur Fehlersuche
• Verbindung und Abwägung von deklarativen und prozeduralen Sichtweisen

Soziale Kompetenzen und Selbstkompetenzen:

• Der Übungsbetrieb fördert das selbständige Arbeiten in Eigenverantwortlichkeit
• Mittels des logikorienten Programmierparadigmas wird eine neue Sichtweise des
Programmierens ermöglicht
• Zusammenarbeit, insbesonders bei Anwendung der Lesarten

Inhalt:
• Deklarative Programmierparadigmen
• Deklarative Lesarten
• Deklarative Diagnose
• Prozedurale Lesarten
• Termination
• Grammatiken
• Constraints
• Programmieren höherer Ordnung
• Lambda-Ausdrücke
• Pure I/O

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Der Vorlesungteil wird parallel zum Übungsteil abgehalten, sodass auch die konkrete
Vorgangsweise beim Programmieren und der deklarativen Fehlersuche behandelt werden

99
kann. Der Übungsteil besteht aus vielen kleinen Beispielen. Die Leistungsbeurteilung
besteht aus einer prüfungsimmanenten Beurteilung der Programmiertätigkeit und ei-
nem mündlichen Abgabegespräch. Inhalt des Abgabegesprächs sind die Lesarten von
Logikprogrammen anhand konkreter Beispiele sowie deren Anwendung zur Fehlersuche.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Logikprogrammierung und Constraints

Logik und Grundlagen der Mathematik

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Dieses Modul vermittelt grundsätzliche Kenntnisse über Logik und
Grundlagen der Mathematik.
Fachliche und methodische Kompetenzen: Vertrautheit mit wichtigen Konzepten der
Mathematischen Logik und die Fähigkeit zur eigenständigen Anwendung dieser Konzepte
in unterschiedlichem mathematischem Kontext.
Kognitive und praktische Kompetenzen: Die Erkenntnis, dass mathematische Beweise
selbst Objekt von mathematischen Untersuchungen sein können; Verwendung der Sprache
der Mengenlehre als universelle Sprache der Mathematik; Entdecken von Verbindungen
zwischen der Mathematischen Logik und anderen Gebieten.
Soziale Kompetenzen und Selbstkompetenzen: : Entwickeln von eigenständigen Ideen zur
Lösung von Aufgaben. Präsentation an der Tafel. Erarbeiten von Lösungen selbstständig
oder in Gruppen.
Inhalt:
• Naive Mengenlehre als universelle Sprache der Mathematik.
• Aussagenlogik. Prädikatenlogik erster Stufe: Gültigkeit von Formeln, formale Be-
weise.
• Grundlagen der computationalen Logik: Resolutionsmethode.
• Grundbegriffe der Modelltheorie: Vollständigkeitssatz, Kompaktheitssatz.
• Grundbegriffe der Berechenbarkeitstheorie: rekursive/primitiv rekursive Funktionen,
entscheidbare/semi-entscheidbare Mengen.
• Grundlagen der Mengenlehre: ZFC-Axiome, transfinite Induktion, Kardinalität,
Auswahlaxiom.

Erwartete Vorkenntnisse: Vorlesung und Übung richten sich an ein Publikum, das
schon etwas Erfahrung mit (und Interesse an) abstrakten und meist unendlich großen
mathematischen Strukturen hat.
Fachliche und methodische Kompetenzen: Grundbegriffe von abstrakten Strukturen wie
etwa Körper oder Vektorräume. Erfahrung mit Induktionsbeweisen.

100
Kognitive und praktische Kompetenzen: Allgemeine mathematische Reife; Neigung und
Vermögen zur mathematischen Abstraktion. Vertrautheit mit dem Formulieren ma-
thematischer Sachverhalte mit Hilfe von Quantoren und dem Formalismus der naiven
Mengenlehre (Potenzmenge, Produktmenge, „Menge aller x, für die gilt...“).
Soziale Kompetenzen und Selbstkompetenzen: Soziale Kompetenzen und Selbstkompeten-
zen: Fähigkeit, die organisatorischen Herausforderungen von Vorlesung bzw. Übungen zu
bewältigen, sowie zur selbständigen Kommunikation mit anderen Studierenden.
Algebra und Diskrete Mathematik, Argumentieren und Beweisen.
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Vortrag über die theoretischen Grundlagen und grundsätzlichen Instrumente der oben
genannten Kapitel. Illustration durch Beispiele und Gegenbeispiele.
Mündliche Prüfung mit Theoriefragen und Anwendungen auf mathematische Frage-
stellungen.
Einüben des Gelernten durch selbstständiges Lösen von Übungsbeispielen; in der
Übung werden Sätze der Vorlesung angewendet, Beweisvarianten diskutiert, Beispiele
und Gegenbeispiele zu den Konzepten aus der Vorlesung konstruiert. Benotung nach
Anzahl der angekreuzten Aufgaben, Tafelleistungen und gegebenenfalls schriftlichen
Ausarbeitungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
4,5/3,0 VO Logik und Grundlagen der Mathematik
1,5/1,0 UE Logik und Grundlagen der Mathematik

Mathematisches Arbeiten
Regelarbeitsaufwand: 2,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Formulieren von mathematischen Argumenten
in korrekter Notation im Kontext einfacher mathematischer Inhalte.
Kognitive und praktische Kompetenzen: Lesen und Finden von einfachen Beweisen, kor-
rektes Verfassen von Definitionen, Erkennen und Unterscheiden verschiedener Bausteine
eines Beweises, Erkennen und Konstruieren von Gegenbeispielen zu allgemeinen Aussagen.
Soziale Kompetenzen und Selbstkompetenzen: Diskutieren und Präsentieren einfacher
mathematischer Probleme und ihrer Lösungen in einer Gruppe.
Inhalt: Nach einer Einführung in die Aussagen- und Prädikatenlogik werden die für die
Mathematik zentralen Begriffe der Definition und des Beweises besprochen. In weiterer
Folge werden elementare Aspekte des mathematischen Arbeitens durchgenommen, wie z.B.

101
die Mengennotation, der Umgang mit Gleichungen und Ungleichungen, Induktionsbeweise
und indirekte Beweise. Grundelemente der Sprache der Mathematik, Notation von Mengen,
elementare Beweistechniken, Gleichungen und Ungleichungen.
Erwartete Vorkenntnisse: Fundierte Mathematik-Kenntnisse auf AHS/BHS-Matura-
niveau.
Verpflichtende Voraussetzungen: Keine.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Wöchentliche Vorlesung mit begleitenden Präsenzübungen in angeleiteten Kleingruppen.
Studierende mit einem Mindestmaß an aktiver Teilnahme erhalten die Beurteilung „mit
Erfolg teilgenommen“.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
2,0/2,5 VU Mathematisches Arbeiten für Informatik und Wirtschaftsinformatik

Menschzentrierte Künstliche Intelligenz

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach erfolgreichem Abschluss des Moduls haben Studierende grund-
legende Kenntnisse über die Prinzipien, Herausforderungen und Probleme der Mensch-
KI-Interaktion (KI selbst wird nicht im Detail behandelt und als Blackbox betrachtet).
Die Theorie umfasst Rahmenwerke, Taxonomien und Designprozesse, die diskrete und
kontinuierliche Interaktionsräume als Beispiele aus verschiedenen Bereichen. Zu den
Herausforderungen und Problemen gehören Erklärbarkeit sowie kritische/ethische Über-
legungen zum Einsatz von KI.
Inhalt: Prinzipien, Herausforderungen und Probleme der Mensch-KI-Interaktion.
Erwartete Vorkenntnisse: Keine.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Menschzentrierte Künstliche Intelligenz

102
Methoden der Angewandten Statistik
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung der Lehrveranstal-
tung sind Studierende in der Lage
• statistische Versuche zu planen und die entsprechenden Daten zu analysieren,
• überwachte und unüberwachte statistische Analyse kategorieller Daten (Gütetests,
Kontingenztafelanalyse, logistische Regression) und Überlebenszeitdaten (Überle-
bensfunktion, Cox proportionale Hazard Regression) und
• Versuche und Datenanalyse mit der Statistiksoftware R durchzuführen

Inhalt:
• Design of Experiments: components; terms and concepts; randomized designs; mul-
tiple comparisons; power and sample size; fixed, random and mixed models;variance
reduction designs
• Categorical Data Analysis: nominal vs. ordinal categorical data; two- and three-way
contingency tables; logistic regression
• Survival Analysis: time to event data and censoring; the survival and the hazard
functions; survival function estimation; Cox proportional hazards regression model.

Erwartete Vorkenntnisse: Grundlegende Kenntnisse der Mathematik und Statistik

Diese Voraussetzungen werden in im Modul Algebra und Diskrete Mathematik, Analysis,
Statistik und Wahrscheinlichkeitstheorie vermittelt.
Verpflichtende Voraussetzungen: Absolvierte Studieneingangs- und Orientierungs-
phase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte dieses Moduls werden in Form einer Vorlesung und einer begleitenden Übung
vermittelt. Die Beurteilung der Vorlesung erfolgt durch eine abschließende Prüfung,
während die Leistungsfeststellung in der Übung auf der Bewertung praktischer Projekte,
regelmäßiger Übungsaufgaben und Präsentationen während des Kursverlaufs beruht.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
4,5/3,0 VO Methoden der Angewandten Statistik
1,5/1,0 UE Methoden der Angewandten Statistik

103
Methods for Data Generation and Analytics in Medicine and Life
Sciences
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls verste-
hen die Studierenden die wichtigsten Grundlagen, Methoden, Konzepte und Techniken
zur Datengenerierung und -analyse in Medizin und Biowissenschaften und haben ein
kritisches Verständnis ihrer Theorien und Grundsätze erworben.
Kognitive und praktische Kompetenzen: Am Ende dieses Kurses sollten die Studierenden
in der Lage sein:
Auf der Seite “Datengeneration”:
• die wichtigsten anatomischen Aspekte der Medizin, die natürlichen Lebensprozesse
und die normale biochemische Funktionsweise des Organismus (Physiologie) so-
wie abnormale und pathologische Zustände und deren Ursachen (Pathologie) zu
beschreiben.
• die Chemie der wichtigsten Biomoleküle wie Nukleinsäuren, Proteine, Kohlenhy-
drate, Lipide und andere Stoffwechselprodukte zu beschreiben sowie biologische
Strukturen zu erklären und Struktur-Funktions-Wechselwirkungen zu beschreiben.
• die Daten, die in der Informatik für die Medizin und die Biowissenschaften relevant
sind, erzeugt oder erworben werden, zu diskutieren. Dazu gehören biomedizinische
Daten, Biosignale, medizinische Bilder, epidemiologische und public healthcare
Daten.

Auf der Seite “Analytik”:

• die wichtigsten Methoden, die für die Verarbeitung und Analyse von Daten aus der
Informatik für Medizin und Biowissenschaften erforderlich sind zu beschreiben. Dazu
gehören grundlegende Methoden aus Statistik, Computer Vision, Bildverarbeitung,
Datenvisualisierung und Machine Learning.
• welche Methoden für die Verarbeitung und Analyse spezifischer Daten unter ver-
schiedenen Aspekten geeignet sind.
• die Bedürfnisse der Beteiligten (z.B. PatientInnen, KlinikerInnen, Bioinformatike-
rInnen, Public Health/Biologie/Biochemie-ForscherInnen) zu verstehen und die
oben genannten Methoden zur Unterstützung von Arbeitsabläufen anzuwenden.

Soziale Kompetenzen und Selbstkompetenzen: Ein Schwerpunkt liegt in der besonderen

Förderung hoher Kreativitäts- und Innovationspotentiale. Studierende werden geschult in
• Eigeninitiative und Neugierde,
• Selbstorganisation, Eigenverantwortlichkeit,
• Problemformulierungs- und Problemlösungskompetenz,
• Teamarbeit Verantwortung zu übernehmen,

104
 • Kenntnisse der eigenen Fähigkeiten und Grenzen, Kritikfähigkeit.

Inhalt:
• Grundlagen der anatomischen Aspekte der Medizin, der Physiologie, Histologie
und der Pathologie.
• Grundlagen der Chemie der wichtigsten Biomoleküle wie Nukleinsäuren, Prote-
ine, Kohlenhydrate, Lipide und andere Stoffwechselprodukte, der biologischen
Strukturen und der Struktur-Funktions-Wechselwirkungen.
• Generierung und Verarbeitung von Daten, die für die Medizin und die Biowis-
senschaften relevant sind (biomedizinische Daten, Biosignale, medizinische Bilder,
epidemiologische und public healthcare Daten).
• Grundlegende Methoden der Datenverarbeitung (z.B. Statistik, Computer Vision,
Bild- und Signalverarbeitung).
• Grundlegende Methoden der Datenanalyse (z. B. aus Bioanalytik, Visualisierung
und Machine Learning).
• Evaluierungsmethoden.

Erwartete Vorkenntnisse:
• Mathematik, Biologie, Chemie auf Maturaniveau
• Elementare Programmierkenntnisse

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltungen bestehen aus einem Vorlesungsteil, einem Übungsteil und Besuch
einer relevanten Partnerinstitution. Die beschriebenen Inhalte und Konzepte werden
im Rahmen der Vorlesungseinheit erläutert und im Übungsteil praktisch erprobt und
angewendet.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Methods for Data Generation and Analytics in Medicine and Life Sciences

Multivariate Statistik
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Vermittlung von datenorientierten, computerintensiven Methoden zur
verarbeitung komplexer Daten
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung der Lehrveranstal-
tung sind Studierende in der Lage, Dimensionsreduktionsmethoden und Methoden für
lineare Regression und Klassifikation mathematisch zu formulieren und anzuwenden.

105
Kognitive und praktische Kompetenzen: Studierende können multivariate Methoden
mithilfe einschlägiger Software auf konkrete Problemstellungen anwenden. Weiters sind
sie in der Lage, die Stärken und Schwächen der verschiedenen statistischen Methoden
und Werkzeuge zu demonstrieren und zu beurteilen.
Soziale Kompetenzen und Selbstkompetenzen: Studierende
• Datenorientierte Lösung von statistischen Problemstellungen
• Lösungen von Problemen mit open-source Software

Inhalt: Clusteranalyse, Hauptkomponenten- und Faktorenanalyse, Diskriminanzanalyse,

Regressionsmodelle.
Erwartete Vorkenntnisse: Grundlegende Kenntnisse der computerorientierten Statis-
tik.
Diese Voraussetzungen werden im Modul Statistik und Wahrscheinlichkeitstheorie ver-
mittelt.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
gängigen multivariaten Methoden werden formal vermittelt und mit der Statistiksoftware
R auf konkrete Daten angewandt, deren Ergebnisse dann diskutiert werden.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
4,5/3,0 VO Multivariate Statistik
1,5/1,0 UE Multivariate Statistik

Multimedia
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Das Modul vermittelt grundlegende Kenntnisse
im Bereich Multimedia und ein kritisches Verständnis ihrer Theorien und Grundsätze:
• Aufbau zeitabhängiger Medientypen
• Kompression von Audio und Video
• Inhaltsbeschreibung von Multimedia-Daten
• Maschinelle Analyse von Mediendaten

Kognitive und praktische Kompetenzen: Durch die Auseinandersetzung mit aktuellen

Technologien, Methoden und Werkzeugen werden folgende kognitiven Fertigkeiten ver-
mittelt:

106
 • Einsatz formaler Grundlagen und Methoden zur kreativen Modellbildung und
Lösungsfindung
• Entwicklung einer methodisch fundierten Herangehensweise an offene Problemsi-
tuationen
• Aneignung von professionellen Entwurfs- und Implementierungsstrategien

Soziale Kompetenzen und Selbstkompetenzen: Der Schwerpunkt liegt auf der besonderen
Förderung hoher Kreativitäts- und Innovationspotentiale:
• Eigeninitiative, Neugierde und Experimentierfreude
• Selbstorganisation und Eigenverantwortlichkeit
• Problemformulierungs- und Problemlösungskompetenz
• Kenntnis der eigenen Fähigkeiten und Grenzen, Kritikfähigkeit

Inhalt:
• Repräsentation zeitabhängiger Medientypen
• Hören und Psychoakustik
• Sehen und Psychovision
• Technische Medien-Repräsentation und Streaming
• Audio-Kompression mit MP3 und AAC
• Video-Kompression mit MPEG-4 und H.264
• Inhaltsbeschreibung von Multimediadaten durch Signalverarbeitung
• Klassifikation und Retrieval von Bild-, Audio- und Videodaten
• Visualisierung von sowie Interaktion mit Mediendaten

Erwartete Vorkenntnisse: Um dieses Modul erfolgreich absolvieren zu können, sind

folgende Kenntnisse notwendig:
• Mathematik: Vektorrechnung, Winkelfunktionen, Differenzial- und Integralrech-
nung, lineare Algebra
• Fortgeschrittene Programmierkenntnisse

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete

Mathematik, Algorithmen und Datenstrukturen, Analysis, Einführung in die Program-
mierung
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Multimedia

107
Numerical Computation
Regelarbeitsaufwand: 5,5 ECTS
Lernergebnisse: Vertrautheit der Studierenden mit den grundlegenden Konzepten algo-
rithmisch-numerischer Lösungsmethoden, überlegte Auswahl und der effiziente Einsatz
kommerzieller oder frei verfügbarer numerischer Software; Die Studierenden lernen zu
erkennen, ob ein Programm eine angemessene Lösung geliefert hat und was zu tun ist,
wenn dies nicht der Fall ist; Interpretation und Analyse numerisch erhaltener Lösungen.
Inhalt: Grundlegende Fehlerbegriffe: Datenfehler, Verfahrens- oder Diskretisierungsfehler,
Rundungsfehler; Kondition mathematischer Probleme, numerische Lösung linearer und
nichtlinearer Gleichungssysteme, polynomiale Interpolation und Approximation, numeri-
sche Integration, numerische Lösung von Differentialgleichungen, Design und Verwendung
numerischer Algorithmen bzw. numerischer Software.
Die praktische Umsetzung und Vertiefung des Stoffes der Vorlesung erfolgt in den
Übungen durch (realitätsnahe) numerische Übungsbeispiele. Diese beinhalten sowohl
theoretische Aufgabenstellungen, etwa was das Design oder die Analyse numerisch
stabiler Algorithmen betrifft, als auch die praktische Implementierung und das Testen
und Bewerten am Computer. Standardsoftware kommt zum Einsatz (z.B. MATLAB).
Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Mathematische Grundkenntnisse
Kognitive und praktische Kompetenzen: Programmierung mit MATLAB
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete
Mathematik, Analysis, Einführung in die Programmierung, Grundzüge digitaler Systeme
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Vermittlung der theoretischen Grundlagen erfolgt in der Vorlesung, die Erarbeitung der
praktische Fertigkeiten erfolgt in den wöchentlichen Übungen.
Die Prüfung ist mündlich und beinhaltet eher theoretisch gehaltene Fragen zum
Vorlesungsstoff, teilweise auch kurz gehaltene praktische Beispiele; die Beurteilung der
Übungsleistung erfolgt aufgrund der Anzahl der gekreuzten Beispiele, der Tafelleistungen
und der schriftlichen Ausarbeitung von Beispielen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
5,5/4,0 VU Numerical Computation

Parallel Computing
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Das Modul vermittelt Prämisse und Ziele des parallelen Rechnens und

108
gibt Einblicke in die Leistungsbewertung und -analyse von parallelen Algorithmen und
Verfahren. Vermittelt werden allgemeine algorithmische Techniken zur Parallelisierung,
grundlegende Eigenschaften paralleler Rechnerarchitekturen und elementare Fähigkeiten
des parallelen Programmierens anhand konkreter Programmiermodelle, Programmier-
sprachen und -schnittstellen.
Fachliche und methodische Kompetenzen: Studierende erwerben fundierte Kenntnisse des
parallelen Rechnens, insbesondere der Leistungsbewertung eines parallelen Algorithmus
und dessen Implementierung. Studierende erwerben Kenntnisse von Schnittstellen und
Sprachen zur Implementierung von parallelen Algorithmen, sowie deren Zusammen-
spiel auf unterschiedlichen Parallelrechnerarchitekturen, einschließlich einiger etablierter
Schnittstellen, wie z.B. OpenMP, Cilk und MPI (das „Message-Passing Interface“). Stu-
dierende erwerben einführende Kenntnisse in grundlegende algorithmische Werkzeuge
und die Grenzen der Parallelisierbarkeit werden erörtert.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
Studierende selbständig
• angeben, wie die Leistung eines parallelen Algorithmus theoretisch und praktisch
zu beurteilen ist,
• anhand vorgegebener Algorithmen und Implementierungen beurteilen, inwieweit
diese effizient parallelisiert worden sind oder werden können,
• anhand von Problembeschreibungen und existierenden sequentiellen Algorithmen,
parallele Lösungsansätze angeben, und eventuelle Grenzen dieser Ansätze angeben,
• einfache parallele Algorithmen selber für eine dafür geeignete Schnittstelle entwerfen
und hierbei unterschiedliche Parallelisierungskonzepte, Schnittstellen und Sprachen
berücksichtigen,
• entwickelte Algorithmen mit Hilfe einer Schnittstelle korrekt implementieren und
zur Lauffähigkeit bringen,
• mittels Experimenten und Messungen die Güte der Umsetzung beurteilen.

Soziale Kompetenzen und Selbstkompetenzen: Studierenden lernen, algorithmische Proble-

me zu formulieren und Ansätze der Parallelisierung zu entwickeln und diese selbständig
(oder in kleineren Gruppen) korrekt zu beschreiben.
Inhalt:
• Asymptotische Komplexität, Speed-up, Effizienz, Amdahlsches Gesetz.
• Parallelrechnerarchitekturen mit gemeinsamen und verteilten Speicher („shared
and distributed memory“), Hochleistungsrechensysteme.
• Algorithmische Muster und Probleme wie z.B. Schablone („Stencil“), Präfixsumme,
Mischen, Sortieren, und allgemeine Ansätze zur Parallelisierung.
• Theoretische und experimentelle Leistungsanalyse und -beurteilung.
• Datenaustausch und Kommunikationsprobleme, kollektive Kommunikationsopera-
tionen.
• Synchronisationsprobleme und Vermeiden von Synchronisation.
• Einfache untere und obere Schranken für wichtige Kommunikationsprobleme.

109
 • Modelle der Parallelität wie „Threads“, Prozesse, Aufgaben („Tasks“).
• Unterscheidung zwischen Daten- und Aufgaben-Parallelität.
• Die Schnittstelle und Spracherweiterung OpenMP.
• Die Spracherweiterung Cilk.
• Die Schnittstelle MPI.
• Weitere Schnittstellen und Sprachen für das parallele Programmieren.

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Grundlegende Kenntnisse in Algorithmen
und Datenstrukturen, Rechnerarchitekturen, Programmiersprachen und Betriebssysteme
werden erwartet und zum Teil vorausgesetzt.
Kognitive und praktische Kompetenzen: Programmierung in C oder ähnlicher Sprache.
Grundlegende Methoden der Software-Entwicklung. Einfache asymptotische Laufzeitana-
lyse von Algorithmen und Datenstrukturen.
Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass Studierende vor
Absolvierung des Moduls
• Programmieraufgaben selbständig lösen und
• in Zweierteams zusammenarbeiten können.

Dieses Modul baut auf den Kenntnissen und Fertigkeiten folgender Module auf: Algo-
rithmen und Datenstrukturen, Betriebssysteme, Einführung in die Programmierung,
Programmierparadigmen, Grundzüge digitaler Systeme
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte werden durch obligatorische Vorlesungen vermittelt, welche durch einen Foliensatz
und begleitende Literatur unterstützt werden. Die Projekte sind kleinere Programmier-
aufgaben, in denen vorgegebene Probleme in mehreren der vorgestellten Schnittstellen
implementiert sowie theoretisch und praktisch analysiert werden sollen. Vorgaben für die
Lösungen sowie zur Art und Form der Abgabe werden gegeben. Abgabefristen werden
ebenfalls vorgegeben und sind bindend. Für die experimentelle Auswertung wird der
Zugriff auf Parallelrechner gewährleistet. Die Beurteilung erfolgt anhand der abgegebenen
schriftliche Projektlösungen, sowie einer mündliche oder auch schriftlichen Prüfung.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Parallel Computing

110
Privacy-Enhancing Technologies
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Nach positiver Absolvierung der Lehrveranstaltung sind Studierende
in der Lage ...
• Grundlegende Technologien zum Schutz der Privatsphäre zu benennen.
• Theoretisches Wissen zu Privacy-Technologien für praktischen Aufgaben anzuwen-
den.
• Mögliche Vor- und Nachteile von unterschiedlichen Privacy-Technologien gegen-
überzustellen.
• Aktuelle Internetservices in Bezug auf das Thema Privacy zu analysieren und
effektive technische Schutzmaßnahmen abzuleiten.

Inhalt:
• Einführung und Motivation für Privacy-Enhancing Technologien
• Systeme für Online-Anonymität (Remailer, Darknets, Anonymes P2P)
• Tor (Onion Routing, Funktionsweise von Tor, Onion Services, Angriffe, Verwendung)
• Internetzensur (Technologien, Messungen von Zensur, Umgehung von Zensur, Great
Firewall of China, Beispiele)
• Transport Layer Security (TLS, PKI, Implementierungen, Crypto, HTTPS, Angriffe,
Vorfälle, HSTS, CT, DNS over TLS/HTTPS)
• Secure Messaging (Modelle, PGP, OTR, ZRTP, mobiles Messaging, Signal)
• Web Privacy (Tracking, Fingerprinting, Browser Add-Ons)

Erwartete Vorkenntnisse: Grundkenntnisse aus Netzwerken, Security und Program-

mierung werden erwartet.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die
Programmierung, Einführung in Security.
Verpflichtende Voraussetzungen:
Verpflichtende Voraussetzungen
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Theoretische Inhalte werden in Form von geblockten Vorträgen vermittelt. Hierbei wer-
den die Grundlagen anhand von aktuellen Beispielen im Rahmen der Vorträge diskutiert.
Fragen/Diskussion zu den Vorträgen wird zusätzlich über die Lernplattform TUWEL
ermöglicht. Die theoretischen Inhalte werden Anhand von praktischen Bespielen (Chal-
lenges) vertieft.
Die Beurteilung besteht zu 50% aus einem theoretischen Teil und zu 50% aus einem
praktischen Teil. Beide Teile müssen positiv abgeschlossen werden. Der theoretische Teil
basiert auf einer Online Prüfung, der praktische Teil auf fünf Aufgaben in Einzelarbeit.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.

111
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Privacy-Enhancing Technologies

Programm- und Systemverifikation

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Kenntnis unterschiedlicher Spezifikationsformalismen, ihrer Semantik und ihrer
Anwendungsgebiete
• Kenntnis unterschiedlicher Verifikationstools
• Verständnis grundlegender Methoden der Modellierung in Hinsicht auf Verifikati-
onsfragen
• Beispielhafte Kenntnisse zu Zertifikation und Industriestandards in Hinsicht auf
Verifikation

Kognitive und praktische Kompetenzen:

• Praktischer Umgang mit Spezifikationsformalismen hinsichtlich ihrer Semantik und
hinsichtlich Requirement Engineering
• Praktischer Umgang mit Verifikationstools
• Praktische Modellierung und Verifikation von Systemen und Interpretation der
Ergebnisse

Soziale Kompetenzen und Selbstkompetenzen:

• Verständnis für das Gefahrenpotential fehlerhafter Software und Hardware
• Verständnis für die Bedeutung formaler Methoden in der Produktentwicklung
• Anwendung theoretischer Konzepte auf angewandte Fragestellungen

Inhalt:
• Methoden der Modellierung und Spezifikation durch Logik, Automaten, Assertions,
Coverage Kriterien
• Verifikationswerkzeuge, insbesonders Model Checker, Statische Analyse, Theorem-
beweisen, Testen
• Praktischer Umgang mit Verifikationswerkzeugen
• Grundlagen zur Zertifizierung und zu Standards in der industriellen Validierung

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Einführung in die Programmierung, Modellie-
rung, theoretische Informatik und Mathematik.

112
Kognitive und praktische Kompetenzen: Geübter, fachgerechter Umgang mit Computer-
programmen und Konzepten der theoretischen Informatik und Mathematik.
Soziale Kompetenzen und Selbstkompetenzen: Fähigkeit zur selbständigen Einarbeitung
in Tools anhand schriftlicher Unterlagen.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete
Mathematik, Einführung in die Programmierung, Theoretische Informatik
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
in der Vorlesung vermittelten Grundlagen und Methoden werden in praktischen Übungen
am Computer und auf Papier vertieft und angewandt. Die Leistungsfeststellung erfolgt
durch Beispiel-Abgaben und schriftliche Tests/Prüfungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Programm- und Systemverifikation

Programmierparadigmen
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls sind
Studierende in der Lage
• die wichtigsten Ziele und einige typische Anwendungsbereiche und Techniken
in der objektorientierten, funktionalen, nebenläufigen (concurrent) und paralle-
len Programmierung (Paradigmen) sowie der Modularisierung, Parametrisierung,
Ersetzbarkeit und Typisierung (Konzepte) unter Verwendung fachspezifischer Ter-
minologie zu beschreiben,
• diese Paradigmen und Konzepte und einige ihrer Ausprägungen durch ihre wesent-
lichen Eigenschaften klar voneinander zu unterscheiden.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls sind
Studierende in der Lage
• ausgewählte, für diese Paradigmen typische Vorgehensweisen und Techniken sowie
die genannten Konzepte der Programmierung in kleinen Teams in einer alltagstaug-
lichen Programmiersprache (Java) praktisch anzuwenden,
• in natürlicher Sprache (unvollständig) beschriebene Programmieraufgaben in aus-
führbare Programme in einer alltagstauglichen Programmiersprache umzusetzen,
die typische Merkmale vorgegebener Programmierstile aufweisen,
• eigene Programme nach vorgegebenen Kriterien kritisch zu beurteilen.

113
Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Inhalt:
• Überblick über Paradigmen in der Programmierung, ihre Zielsetzungen und An-
wendungsbereiche
• typische Konzepte, Techniken und Denkweisen in der objektorientierten, funktiona-
len, nebenläufigen und parallelen Programmierung
• Arten der Programmfaktorisierung hinsichtlich Abhängigkeiten in Daten und Pro-
zeduren (opaque Objekte, transparente Parameter und Funktionen, unabhängige
Datenblöcke)
• Arten von Modularisierungseinheiten (Module, Komponenten, Klassen, Objekte),
Parametrisierung (Generizität, Annotationen, Aspekte), Ersetzbarkeit (struktu-
rell, abstrakt, basierend auf Design-by-Contract), Typisierung (statisch vs. stark
vs. dynamisch, explizit vs. implizit)
• Umgang mit kovarianten Problemen, Überladen, Multimethoden, Exceptions
• referentielle Transparenz, funktionale Formen, applikative Programmierung
• diverse Arten der Iteration über Datenmengen
• Threads, Race-Conditions, Synchronisationsmethoden, Liveness-Properties, Map-
Reduce/Collect
• Zusammenarbeit mehrerer Prozesse über gemeinsame Dateien und Streams, einfache
Form der Prozesssynchronisation
• Unterscheidung zwischen nebenläufiger, paralleler und verteilter Programmierung
• Beispiele in einer alltagstauglichen Programmiersprache (Java), die Stärken und
Grenzen der Programmierparadigmen aufzeigen
• ausgewählte Entwurfsmuster

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass Studierende vor Absol-
vierung des Moduls systematische Vorgehensweisen beim Programmieren und wichtige
Konzepte einer aktuellen alltagstauglichen Programmiersprache (vorzugsweise Java)
beschreiben können.
Kognitive und praktische Kompetenzen: Es wird erwartet, dass Studierende vor Absolvie-
rung des Moduls‚ in der Lage sind,
• natürlichsprachige Programmieraufgaben in ausführbare Programme umzusetzen,
• Vorgehensweisen und Werkzeuge beim Programmieren systematisch anzuwenden,
• vorgegebene Abstraktionen, Algorithmen und Datenstrukturen zu implementieren,
• Techniken der objektorientierten Modellierung anzuwenden.

Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass Studierende vor

Absolvierung des Moduls in der Lage sind, Programmieraufgaben selbständig zu lösen
und in Zweierteams zusammenzuarbeiten.

114
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen und Skripten vorgestellt und in begleitenden Übungen
von Studierenden erarbeitet. Übungsaufgaben sind vorwiegend Programmieraufgaben,
die innerhalb vorgegebener Fristen in Teams zu lösen sind. Die Beurteilung erfolgt auf
Basis einer kontinuierlichen Überprüfung der Lösungen dieser Aufgaben sowie durch
Prüfung(en) bzw. Test(s).
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Programmierparadigmen

Programmiertechniken für Visual Computing

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach Absolvierung des Moduls können Studie-
rende:
• tiefergehende Inhalte im Bereich Visual Computing praktisch anwenden.

Kognitive und praktische Kompetenzen: Durch die Umsetzung einer umfangreichen gra-
phischen Anwendung können Studierende nach Absolvierung des Moduls:
• eine höhere Programmiersprache einsetzen
• ein hardwarenahes Graphik-API (OpenGL oder DirectX) inklusive Shading Lan-
guage (GLSL, HLSL) einsetzen
• Computergraphik in praxisnahen Anwendungsgebieten einsetzen.

Soziale Kompetenzen und Selbstkompetenzen: Das Modul fördert

• die Arbeit in kleinen Teams,
• die Fähigkeit, eine interaktive Software vor vielen Leuten zu präsentieren und
• die Fähigkeit, eigenständig Ziele zu definieren.
Außerdem fördert das Modul die Kreativität und graphische Ausdrucksfähigkeit.
Inhalt: In einem Projekt wird eine größere Visual Computing-Anwendung in kleinen
Teams entwickelt, mit folgenden Schritten:
• Konzeption und Entwurf (Storyboard)
• Entwickeln einer 3D Engine mit vielfältigen graphischen Elementen und Effekten
• Modellierung von Szenen und Animation
• Präsentation

115
Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen:
• Mathematik: Vektor und Matrizenrechnung, aus Lineare Algebra
• Algorithmen und Datenstrukturen, aus dem gleichnamigen Modul
• Programmieren, objektorientiertes Programmieren
• Visual Computing Kenntnisse, aus Modul Einführung in Visual Computing sowie
Computergraphik

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Eine

praktische Visual Computing Anwendung wird in drei Schritten (Storyboard, Basis-
Anwendung, Anwendung mit erweiterten Effekten) umgesetzt. Nach jeder Abgabe gibt
es eine Bewertung und Feedback. Am Schluss folgt eine Präsentation.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 PR Programmiertechniken für Visual Computing

Semistrukturierte Daten
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Das Modul vermittelt breites und integriertes Wissen und Verständnis der wis-
senschaftlichen Grundlagen von schwach strukturierten Daten, welches wesentlich
über das auf der Ebene der Universitätszugangsberechtigung vorhandene Wissen
hinausgeht.
• Die Studierenden sind befähigt Problemdomänen zu beherrschen, die sich durch
wenig-strukturierte Information auszeichnen.
• Die Studierenden verfügen über ein kritisches Verständnis der wichtigsten Theo-
rien, Prinzipien und Konzepte zur Entwicklung von Anwendungen, die schwach
strukturierte Daten verwenden.
• Das Wissen und Verständnis der Studierenden entspricht dem Stand der Fachlite-
ratur in diesem Bereich.

Kognitive und praktische Kompetenzen:

• Die Studierenden können ihr Wissen und Verstehen praktisch zur Entwicklung von
Anwendungen, die schwach strukturierte Daten verwenden, einsetzen.
• Die Studierenden können für die jeweilig vorliegende Aufgabenstellung relevante
Informationen sammeln, strukturieren, bewerten und interpretieren.

116
Soziale Kompetenzen und Selbstkompetenzen:
• Die Studierenden sind in der Lage ihr Wissen selbständig zu vertiefen.
• Die Studierenden können entwicklungsbezogene Positionen und Problemlösun-
gen formulieren, sich mit InformatikerInnen und Domänenexpert_innen darüber
austauschen und Verantwortung in einem Team übernehmen.
• Die Studierenden lernen ihre eigenen Fähigkeiten und Grenzen einzuschätzen und
erwerben die Kritikfähigkeit an der eigenen Arbeit.
• Die Studierenden erlernen Selbstorganisation und Eigenverantwortlichkeit zum
eigenständigen Lösen von Aufgaben.

Inhalt:
• Grundlagen: Begriffsdefinitionen; Grundlagen semi- und schwach-strukturierter
Daten.
• Sprachen und Technologien: Grundlagen von Markup-Sprachen (z.B. XML); Grund-
lagen von Graph-basierte Daten (z.B. RDF); Schemasprachen; Abfragesprachen.
• Umsetzung und praktische Realisierung: Darstellung, erstellen, abfragen und trans-
formieren von schwach strukturierten Daten.

Erwartete Vorkenntnisse:
Es werden die Fertigkeiten und Kenntnisse folgender Module benötigt: Einführung in die
Programmierung.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte werden durch Vortragseinheiten vermittelt und durch theoretische und praktische
Übungen geübt. Die Beurteilung basiert auf Test über den vorgetragenen Stoff sowie auf
den erbrachten Leistungen in den Übungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Semistrukturierte Daten

Sozio-technische Systeme
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Ziel dieses Moduls ist es, Studierenden eine grundlegende Einfüh-
rung in Konzepte zum Verständnis technologischer Systeme auf gesellschaftlicher Ebene
zu geben. Die Lehrveranstaltung besteht aus einem Vorlesungteil, in dem relevante
Theorien und Ansätze diskutiert werden, welche die Auswirkungen von technologischen
Designs, Artefakten und Systemen auf Gesellschaften und bestimmte Gruppen innerhalb

117
von Gesellschaften beschreiben und identifizieren. Im Seminarteil und im praktischen
Teil unternehmen Studierende erste Schritte, um sich mit aktuellen wissenschaftlichen
Arbeiten zu diesen Themen auseinanderzusetzen und lernen, wie sie relevante Empfeh-
lungen identifizieren können. Darüber hinaus setzen sich Studierende mit einer Reihe
verschiedener technologischer Kontexte auseinander (Gesichtserkennung, staatliche Da-
tenbanken, industrieller Gefängniskomplex, Überwachung, Abfallwirtschaft), um ihre
Bewertungsfähigkeiten zu entwickeln und zu üben.
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls kön-
nen die Studierenden die wesentlichen Theorien und Konzepte zur Beschreibung der
Zusammenhänge von Technik und Gesellschaft, die jeweiligen Einflusswirkungen sowie
deren Verschränkungen erläutern.
Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden kritisch sowie mit Sensibilität auf unterschiedliche Diversitätsmerkmale
in Gesellschaften beschreiben und die Folgen von existierenden Technologien bewerten
und im Gestaltungsprozess deren Folgen adäquat abschätzen und reflektieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden die Einschätzungen zu denen sie gelangen gegenüber technischen
wie nicht-technischen Ansprechpartner_innen kommunizieren.
Inhalt: Es werden folgende Inhalte behandelt:
• Wie wirken gesellschaftliche Zusammenhänge auf Technikgestaltung und umge-
kehrt?
• Entsteht Bias in technologischer Gestaltung?
• Welche Auswirkungen haben technische Systeme für Minderheitengruppierungen.
• Unterschiedliche theoretische Ansätze zu Kategorisierung, Überwachungs/Kontroll-
gesellschaft, Normen und Standards, sowie Dispositivanalyse.
• Wie kommuniziere ich Technikfolgenabschätzung gegenüber unterschiedlichen An-
sprechpartner_innen?
• Wissenschaftliche Artikel mit Sozio-technischen Analysen verstehen und verwenden.
• Eigenständig Berichte schreiben.
• Gesellschaftliche Vielfalt und Technik beschreiben.
• Einschluss- und Ausschlussmerkmale identifizieren und bewerten.

Erwartete Vorkenntnisse: Keine.

Kognitive und praktische Kompetenzen: Es wird erwartet, dass die Studierenden vor der
Absolvierung des Moduls eingrundlegendes Verständnis für die Relevanz gesellschaftsbe-
zogener Technikanalysen entwickelt haben.
Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass die Studierenden
respektvoll kommunizieren.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:

118
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Sozio-technische Systeme

Software Engineering
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden):
• moderne agile Vorgehensmodelle in der Softwareentwicklung verstehen
• Softwareprojekte über deren gesamten Lebenszyklus verstehen
• Grundlagen der Qualitätssicherung und des Qualitätsmanagements im Kontext der
Softwareentwicklung verstehen
• den Faktor Mensch in der Softwareentwicklung verstehen

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Anwendungsszenarien modellieren, etwa in der Unified Modeling Language
• Anwendungsszenarien testgetrieben entwerfen, implementieren und validieren
• mit einer modernen Softwareentwicklungsumgebung arbeiten
• ein verteiltes Sourcecodemanagement System anwenden
• ein Projekt planen und den Projektfortschritt beurteilen

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden:
• Software Engineering Probleme selbstorganisiert lösen
• Wissen aus Software Engineering Dokumentation anwenden und ergänzen

Inhalt:
• Grundlagen des Software Engineerings
• Vorgehensmodelle, Prozesse und Rollen im Software Engineering
• Methoden der Softwaretechnik (aus dem IEEE Software Engineering Body of
Knowledge)
• Konzepte und Methoden in Analyse der Anforderungen, Entwurf, Implementierung,
Integration, Testen und Inbetriebnahme anwenden

119
 • Grundlagen zu Modellierung von Anwendungsszenarien, etwa mittels Unified Mo-
deling Language (UML)
• Grundlagen der Qualitätssicherung und des Qualitätsmanagements im Kontext der
Softwareentwicklung
• Technische Grundlagen: Techniken und Werkzeuge
• Grundlagen des Projektmanagements (Projektplanung, Aufgabenverteilung im
Team)

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen:
• Grundkenntnisse aus Algorithmen und Datenstrukturen
• Grundkenntnisse zu Datenbanksystemen

Kognitive und praktische Kompetenzen:

• Eine praxisrelevante Programmiersprache und -werkzeuge (z.B. Java oder C++)
anwenden
• Eine integrierte Entwicklungsumgebung und Quellcodeverwaltung anwenden

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die

Programmierung
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte werden in Vorträgen vorgestellt und in begleitenden Übungen von Studierenden
erarbeitet. Die Beurteilung erfolgt auf Basis schriftlicher Tests und kontinuierlich in
Übungen erbrachter Leistungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Software Engineering

Software Engineering Projekt

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• ein modernes agiles Vergehensmodell praxisnah verstehen
• eine Methode für verteiltes Sourcecodemanagement verstehen
• moderne Softwareentwicklungsumgebungen und Werkzeugen verstehen

120
 • Risiken in Softwareprojekten verstehen

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• ein modernes agiles Vergehensmodell praxisnah anwenden
• Techniken für Abstraktion und Modellbildung in der Softwaretechnik anwenden
• ein verteiltes Sourcecodemanagementsystem anwenden
• Frameworks zur Entwicklung von modernen Software-Applikationen anwenden
• Qualitätssicherung und Qualitätsmanagement im Kontext der Softwareentwicklung
anwenden
• Konzepte, Modelle und Werkzeuge im Rahmen eines mittelgroßen Software-Ent-
wicklungsprojekts auswählen und anwenden
• Software Engineering best practices in einem Projektkontext einsetzen
• ein Projekt planen und den Projektfortschritt beurteilen
• Projektergebnisse zielgruppengerecht präsentieren

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden:
• Software Engineering Probleme in einem verteilt arbeitenden Team lösen
• mit gruppendynamischen und sozialen Aspekten erfolgreich umgehen
• Entscheidungen einer Rolle in einem Projekt verantworten
• Wissen in einem mittelgroßen Team sammeln und pflegen
• Projektergebnisse präsentieren

Inhalt:
• Anwenden eines praxisrelevanten Vergehensmodells in der Softwareentwicklung
• Auswählen und Anwenden von Konzepten, Modellen und Werkzeugen im Rahmen
eines mittelgroßen Softwareentwicklungsprojekts
• Anwenden von Techniken für Abstraktion und Modellbildung in der Softwaretechnik
• Herstellen und Anpassen von hochwertiger Planung und Dokumentation
• Lösen von Software Engineering Problemen in einem verteilt arbeitenden Team
• Verantworten von Entscheidungen einer fachlichen Rolle in einem Projekt
• Sammeln und Pflegen von Wissen in einem mittelgroßen Team
• Präsentieren von Projektergebnissen

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen:
• Grundkenntnisse aus Algorithmen und Datenstrukturen
• Grundkenntnisse zu Datenbanksystemen

121
 • Objektorientierte Analyse, Design und Programmierung
• Grundlagen der Unified Modeling Language (UML)

Kognitive und praktische Kompetenzen:

• Eine praxisrelevante Programmiersprache und -werkzeuge (z.B. Java oder C++)
anwenden
• Eine integrierte Entwicklungsumgebung und Quellcodeverwaltung anwenden
• Ein gängiges Versionskontrollsystem (z.B. Git) zur Verwaltung von Code Kontribu-
tionen im Team einsetzen.

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Einführung in die

Programmierung, Software Engineering
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Im
Zuge der LVA wird ein Softwareprojekt in einem Team von 4 bis 6 Personen umgesetzt.
Die Projektabschnitte sind innerhalb vereinbarter Fristen zu lösen. Dies wird durch
TutorInnen in wöchentlichen Treffen intensiv betreut. Die Beurteilung erfolgt auf Basis
einer kontinuierlichen Überprüfung der Lösungen im Zuge von Management Reviews.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 PR Software Engineering Projekt

Software-Qualitätssicherung
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden Folgendes erklären:
• Motivation und Ziele der Softwarequalitätssicherung
• Definition und Messung von Qualität
• Organisatorische Qualitätssicherung
• Statische und dynamische Methoden der Qualitätssicherung
• Methoden zur Sicherstellung und Verbesserung der Qualität von Produkten.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Passende QS-Methoden in einem Entwicklungsprojekt auswählen
• Statische und dynamische Methoden zur Software-Qualitätssicherung anwenden

122
Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls
können die Studierenden:
• Einen Qualitätsplan präsentieren

Inhalt: Inhalte des Vorlesungsteils:

• Grundlagen der Software-Qualitätssicherung
• Qualitätskontrolle und Fehlerreduktion: Reviews und Inspektionen
• Dynamische Qualitätssicherung
• Organisatorische Qualitätssicherung
• Qualitätssicherungs-Standards
• Testprozess

Inhalte des Übungsteils:

• Review von Software-Modellen
• Kollaborative Code-Inspektionen
• Statische Code Analyse / Antipattern Analyse
• Test-Driven Development
• Testplanerstellung inkl. Methoden für das Ableiten von Testfällen
• Testautomatisierung Blackbox/Whitebox
• Testen in agilen Prozessen

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Es wird erwartet, dass Studierende vor Absol-
vierung des Moduls kennen:
• Grundlagen der Mathematik und Statistik
• Grundlagen der Unified Modeling Language (UML)
• Objektorientierte Analyse, Design und Programmierung
• Grundlegende Design-Patterns in der Programmierung
• Grundkenntnisse zu Datenbanksystemen

Kognitive und praktische Kompetenzen: Es wird erwartet, dass Studierende vor Absolvie-
rung des Moduls können:
• Beherrschung einer praxisrelevanten Programmiersprache und -werkzeuge (z.B.
Java oder C++)
• Umgang mit einer Integrierten Entwicklungsumgebung, Build Management und
Quellcodeverwaltung

Soziale Kompetenzen und Selbstkompetenzen: Es wird erwartet, dass Studierende vor

Absolvierung des Moduls können:
• Programmieraufgaben selbständig lösen

123
Diese Vorkenntnisse werden in folgenden Modulen vermittelt: Einführung in die Pro-
grammierung, Programmierparadigmen, Software Engineering, Software Engineering
Projekt
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Inhalte (theoretische Konzepte und methodische Grundlagen) werden in Vorträgen
vorgestellt und in begleitenden Übungen von Studierenden erarbeitet. Übungsaufgaben
sind vorwiegend praktische Beispiele aus den Bereichen Reviews und Testen am Computer,
die innerhalb vorgegebener Fristen individuell zu lösen sind. Intensiver Einsatz von
entsprechenden Werkzeugen z.B. Testautomatisierung zur Umsetzung der QS-Konzepte
und -Methoden. In Workshops mit Gruppenarbeiten werden organisatorische Themen wie
agile Organisation von Software-Teams erarbeitet. Die Beurteilung erfolgt auf Basis einer
kontinuierlichen Überprüfung der Lösungen dieser Aufgaben, durch aktive Teilnahme an
den Workshops sowie durch Prüfung(en) bzw. Test(s).
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Software-Qualitätssicherung

Statistik und Wahrscheinlichkeitstheorie

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Vermittlung der statistischen Denk- und Arbeitsweise
Fachliche und methodische Kompetenzen: Grundlagen der Wahrscheinlichkeitstheorie;
Kenntnisse von statistischer Schätzung und statistischem Testen; Kenntisse wichtiger
statistischer Methoden
Kognitive und praktische Kompetenzen: Anwendung von statistischen Methodiken auf
konkrete Problemstellungen; Kenntnisse im Umgang mit statistischer Software Weiters
können die Studierenden ethische Fragestellungen im Kontext der Inhalte des Moduls
identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Umsetzung von konkreten Aufgaben in
statistische Problemstellungen; Lösung statistischer Problemstellungen sowohl formal als
auch mit dem Computer
Inhalt: Dieses Modul vermittelt im Einzelnen folgende Themen: Beschreibende Statistik,
Grundlagen der Wahrscheinlichkeitstheorie, Elementare Informationstheorie, Zufalls-
variablen und Verteilungen, Punkt- und Intervallschätzungen, Tests von Hypothesen,
Varianzanalyse, Regression, Korrelation, Zählstatistik.
Erwartete Vorkenntnisse: Grundkenntnisse der Analysis und Algebra.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algebra und Diskrete
Mathematik, Analysis

124
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Lehrveranstaltung Statistik und Wahrscheinlichkeitstheorie besteht aus einem Vorlesungs-
teil und einem Übungsteil. Die beschriebenen Inhalte und Konzepte werden im Rahmen
der Vorlesungseinheit erläutert. Der Übungsteil besteht aus einem Teil, bei dem Beispiele
analytisch gelöst werden, und einem Teil, bei dem praktische Problemstellungen mit Hilfe
statistischer Software gelöst werden. Diese Veranstaltungen sollen sowohl im Winter- als
auch im Sommersemester angeboten werden.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
3,0/2,0 VO Statistik und Wahrscheinlichkeitstheorie
3,0/2,0 UE Statistik und Wahrscheinlichkeitstheorie
oder
6,0/4,0 VU Statistik und Wahrscheinlichkeitstheorie

Theoretische Informatik
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse: Dieses Modul befasst sich mit den theoretischen Grundlagen der
Informatik.
Fachliche und methodische Kompetenzen: Fundamentale Konzepte und Resultate in
folgenden Gebieten: Automaten und formalen Sprachen, Berechenbarkeit und Komplexität
sowie die Grundlagen der formalen Semantik von Programmiersprachen.
Kognitive und praktische Kompetenzen: Die Studierenden erwerben die Fähigkeit, formale
Beschreibungen lesen und verstehen und Konzepte formal-mathematisch beschreiben zu
können. Weiters lernen sie, die Struktur von Beweisen und Argumentationen zu verstehen
und selber solche zu führen. Weiters können die Studierenden ethische Fragestellungen
im Kontext der Inhalte des Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Selbständiges Lösen von Problemen.
Inhalt:
• Automatentheorie: deterministische und nichtdeterministische Automaten, Keller-
automaten, Turing-Maschinen
• Formale Sprachen: reguläre Sprachen, kontextfreie Sprachen, Chomsky Hierarchie
• Berechenbarkeit und Komplexität: universelle Berechenbarkeit, Unentscheidbarkeit,
NP-Vollständigkeit
• Grundlagen der operationalen und axiomatischen Semantik von Programmierspra-
chen

125
Erwartete Vorkenntnisse: Grundlegende Kenntnisse der mathematischen Argumen-
tation, der Algorithmik und der Modellierung mit Hilfe von Automaten und formalen
Sprachen.
Diese Vorausetzungen werden in den Modulen Mathematisches Arbeiten, Algorithmen
und Datenstrukturen sowie Grundzüge digitaler Systeme vermittelt.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte werden in einem Vorlesungsteil vorgestellt und in begleitenden Übungen von den
Studierenden erarbeitet. Die Beurteilung erfolgt auf Basis schriftlicher Tests und der
kontinuierlich in den Übungen erbrachten Leistungen. Der Übungsbetrieb und die Tests
können computerunterstützt durchgeführt werden.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Theoretische Informatik

Übersetzerbau
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls verste-
hen die Studierenden die theoretische Grundlagen des Übersetzerbaus und können diese
erklären und anwenden.
Kognitive und praktische Kompetenzen: Durch die Auseinandersetzung mit Methoden
und Werkzeugen des Übersetzerbaus erwerben die Studierenden
• die praktische Fähigkeit zur Assemblerprogrammierung und
• die praktische Fähigkeit zur Konstruktion von Parsern und Übersetzern

Soziale Kompetenzen und Selbstkompetenzen:

• Neugierde am Übersetzerbau

Inhalt:
• Grundlagen von Übersetzern und Interpretern, Struktur von Übersetzern
• Computerarchitektur
• lexikalische Analyse (reguläre Definition, endlicher Automat)
• Syntax-Analyse (Top-Down, Bottom-Up)
• syntaxgesteuerte Übersetzung (attributierte Grammatik)
• semantische Analyse, Zwischencode (Symboltabelle)

126
 • Zwischendarstellungen
• Codeerzeugung (Befehlsauswahl, Befehlsanordnung, Registerbelegung)
• Laufzeitsystem (Stackverwaltung, Heapverwaltung)
• Optimierungen (Programmanalysen, skalare Optimierungen, Schleifenoptimierun-
gen)
• Übersetzung objektorientierter Konzepte (Klassendarstellung und Methodenaufruf,
Typüberprüfung, Analysen)

Erwartete Vorkenntnisse:
• theoretische Grundlagen der Informatik
• alle zur Erstellung von Programmen notwendigen Kenntnisse
• die praktische Fähigkeit zur Konstruktion von Programmen

Diese Voraussetzungen werden in folgenden Modulen vermittelt: Algorithmen und Da-

tenstrukturen, Einführung in die Programmierung, Programmierparadigmen
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Vortrag und selbständiges Erlernen der eher theoretischen Grundlagen. Laborübung in
geführten Kleingruppen zur Entwicklung praktischer Übersetzerentwicklungsfähigkeiten.
Die Beurteilung erfolgt durch Prüfung oder Tests und die Beurteilung der Lösungen von
Programmieraufgaben plus Abschlussgespräch.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Übersetzerbau

Usability Engineering and Mobile Interaction

Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Dieses Modul befasst sich mit der User-Research
getriebenen Konzeption, Gestaltung und Evaluierung von Benutzerschnittstellen. Das
Modul gliedert sich in zwei große Teilgebiete: Im ersten Teil werden die grundlegenden
Konzepte von Usability Engineering gelehrt. Anhand von praxisnahen Beispielen sollen
Studierende den Einsatz von Usability Engineering erlernen. Die gelehrten Methoden
decken den gesamten Design Prozess von Requirements Engineering (z.B. Kontextuelle
Interviews), Prototyping bis hin zum Testen von Systemen (z.B. Usability Test, Heu-
ristische Evaluierung) ab. Der zweite Teil dieses Moduls ist den Methoden der Mobile
Interaction Research gewidmet, mit besonderem Fokus auf aktuellen Entwicklungen und
Trends. Aufbauend auf den Grundlagen des Usability Engineerings werden Besonderheiten

127
und Spezifika sowohl im Design als auch in der Evaluierung von mobilen Anwendungen
hervorgehoben.
Kognitive und praktische Kompetenzen: Das Modul vermittelt Kenntnisse über Qualitäts-
kriterien für gute Usability sowie deren Evaluierung und Beurteilung anhand etablierter
Usability Engineering Methoden und zeigt aktuelle Entwicklungen und zukünftige Trends
im Bereich der Mobile Interaction auf.
Soziale Kompetenzen und Selbstkompetenzen: Das Modul vermittelt die Bedeutung von
Usability Engineering für den Erfolg von Softwareentwicklungsprojekten und geht auf
die Möglichkeiten und Herausforderungen der Einbindung von Usability Engineering
Methoden in Software Engineering Prozessen ein.
Inhalt: Usability Engineering:
• Einführung in Usability Engineering
• Qualitätskriterien für Usability Engineering und deren Messung und Beurteilung
• Usability Engineering Lifecycle
• Methoden des Usability Engineerings in Anlehnung an die Phasen des Human
Centered Design Prozesses: Kontextanalyse, Requirementsanalyse, Design and
Prototyping, Evaluierung
• Praktische Anwendung der vorgestellten Methoden in einem Übungsteil

Pilots in Mobile Interaction: User-centered Interaction Research and Evaluation:

• Einführung in User-centered Interaction Research
• Quality of Experience Methods and Applications
• Perceptual Quality for Mediated Interaction
• Cognitive User Interfaces
• Audio-Visual Speech Synthesis
• Advanced Mobile Spatial Interaction
• Rapid Prototyping for Future Mobile Interactions
• Case Study of Mobile Interfaces in Large IT Projects

Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.

Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: In
Form von Vorlesungen mit Übungen werden die vertiefenden Inhalte vermittelt. In der
Vorlesung werden theoretische Grundlagen vermittelt. Die in der Vorlesung vorgestellten
Methoden sind in einem praktischen Übungsteil umzusetzen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Usability Engineering and Mobile Interaction

128
Verteilte Systeme
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Anforderungen und Designmöglichkeiten komplexer, verteilter Systeme verstehen
• Grundlegende Methoden und Algorithmen verteilter Systeme verstehen, sowie
deren Vor- und Nachteile und Einsatzmöglichkeiten kennen
• Paradigmen und Konzepte aktueller Technologien und Werkzeuge für verteilte
Systeme verstehen und anwenden können
• Anwendungsgrenzen (v. a. asynchroner) verteilter Systeme kennen und verstehen

Kognitive und praktische Kompetenzen: Durch die Auseinandersetzung mit Methoden

und Werkzeugen der Programmierung können die Studierenden
• Methodiken zur Abstraktion anwenden,
• methodisch fundiert an Probleme herangehen,
• Lösungen kritisch bewerten und reflektieren und
• Konzepte verteilter Systeme mit aktuellen Technologien in Form einfacher, verteilter
Anwendungen umsetzen.

Weiters können die Studierenden ethische Fragestellungen im Kontext der Inhalte des
Moduls identifizieren, formulieren und diskutieren.
Soziale Kompetenzen und Selbstkompetenzen: Folgende Kompetenzen werden besonders
gefördert:
• Selbstorganisation und Eigenverantwortlichkeit
• Finden kreativer Problemlösungen
• Kritische Reflexion, Bewertung und Analyse technischer Alternativansätze

Inhalt:
• Verteilte Systeme – Übersicht, Grundlagen und Modelle
• Prozesse und Kommunikation
• Benennung
• Fehlertoleranz in verteilten Systemen
• Synchronisierung
• Konsistenz und Replikation
• Verteilte Dateisysteme
• Sicherheit
• Anwendungen und Technologietrends

129
Erwartete Vorkenntnisse:
Dieses Modul baut auf den Kenntnissen, Fertigkeiten und Kompetenzen folgender Module
auf: Algorithmen und Datenstrukturen, Einführung in die Programmierung
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Blended Learning:
• Den Studierenden wird empfohlen, vor der jeweiligen Vorlesung die auf der LVA-
Homepage angegebenen Kapitel des Lehrbuchs zu lesen.
• Im Rahmen der Vorlesung wird die Theorie erläutert und Querverbindungen
hergestellt. Es besteht die Möglichkeit, komplexe Sachverhalte interaktiv (durch
Fragen der Studierenden) zu erarbeiten.
• Im Rahmen der parallel laufenden Laborübungen werden ausgewählte Themen der
Lehrveranstaltung durch kleine Programmieraufgaben vertieft.

Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und

Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Verteilte Systeme

Visualisierung
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• die wissenschaftlichen Grundlagen, Methoden, Konzepte und Techniken der Visua-
lisierung verstehen und erklären. Ihr Wissen und Verstehen entspricht dem Stand
der Fachliteratur im Bereich der Visiualisierung.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden
• ihr Wissen und Verstehen praktisch in Visualisierungsaufgaben anwenden
• Problemlösungen und Argumente für Visualisierungsaufgaben erarbeiten und wei-
terentwickeln.
• für die Visualisierung relevante Informationen sammeln, bewerten und interpretieren

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls

können die Studierenden
• ihr Wissen selbständig vertiefen.

130
 • visualisierungsbezogene Positionen und Problemlösungen formulieren.
• sich mit InformatikerInnen und DomänenexpertInnen darüber austauschen.
• Verantwortung in einem Team übernehmen.
• eigene und fremde Arbeit systematisch kritisieren.
• Selbstorganisation und Eigenverantwortlichkeit zum eigenständigen Lösen von
Aufgaben.

Inhalt:
• Grundlagen der Visualisierung: Allgemeine Einführung mit Begriffsabklärung und
historischem Hintergrund
• Ziele der Visualierung, Taxonomien, Modelle und Informationsdesign
• Informationsdesign: visuelle Gestaltung und Aufbereitung von Daten, Informationen
und Wissen (Spannungsfeld zwischen Visualisierung, Graphikdesign und Kognition
und Wahrnehmung/Gestaltgesetze der Wahrnehmung)
• Wissenschaftliche Visualisierung, Informationsvisualisierung, Visuelle Analyse (Vi-
sual Analytics)
• Räumliche und zeitliche Daten in der Visualisierung
• Visualisierung sehr grosser, heterogener Datenmengen
• Visuelle Analyse und Erkenntnisgewinnung aus Datenbeständen, visuelle Datenbe-
handlung, -verarbeitung und -analyse
• Interaktionstechniken
• Evaluierungsmethoden
• Visualisierungsanwendungen: Gesundheitswesen und Biotechnologie, Wirtschaft,
Sicherheit und Risikomanagement (Kriminalitätsbekämpfung), Umwelt- und Kli-
maforschung, Automobilindustrie, usw.

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Um dieses Modul erfolgreich absolvieren zu
können, sind folgende Kenntnisse notwendig:
• Programmieren
• Algorithmen und Datenstrukturen
• Einführung in Visual Computing
• Computergraphik

Es werden die Kenntnisse aus folgenden Modulen erwartet: Algorithmen und Datenstruk-
turen, Grundlagen der Computergraphik, Einführung in die Programmierung, Einführung
in Visual Computing
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung:
Die Lehrveranstaltungen bestehen aus einem Vorlesungsteil und einem Übungsteil. Die
beschriebenen Inhalte und Konzepte werden im Rahmen der Vorlesungseinheit erläutert
und im Übungsteil praktisch erprobt und angewendet.

131
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Visualisierung

Web Engineering
Regelarbeitsaufwand: 6,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen:
• Das Modul vermittelt ein breites und integriertes Wissen und Verstehen der wis-
senschaftlichen Grundlagen der Entwicklung von Web-Anwendungen, welches we-
sentlich über das auf der Ebene der Universitätszugangsberechtigung vorhandene
Wissen hinausgeht.
• Die Studierenden verfügen über ein kritisches Verständnis der wichtigsten Theorien,
Prinzipien und Konzepte zur Entwicklung von Web-Anwendungen.
• Das Wissen und Verständnis der Studierenden entspricht dem Stand der Fachlite-
ratur in diesem Bereich.

Kognitive und praktische Kompetenzen:

• Die Studierenden können ihr Wissen und Verstehen praktisch zur Lösung von
Aufgaben im Bereich der Web-Anwendungsentwicklung umsetzen.
• Die Studierenden können für die jeweilig vorliegende Aufgabenstellung erkennen
welche Abstraktionen zu verwendet oder entwickelt werden müssen.

Soziale Kompetenzen und Selbstkompetenzen:

• Die Studierenden sind in der Lage ihr Wissen selbständig zu vertiefen.
• Die Studierenden können entwicklungsbezogene Positionen und Problemlösun-
gen formulieren, sich mit InformatikerInnen und DomänenexpertInnen darüber
austauschen und Verantwortung in einem Team übernehmen.
• Die Studierenden lernen ihre eigenen Fähigkeiten und Grenzen einzuschätzen und
erwerben die Kritikfähigkeit an der eigenen Arbeit.
• Die Studierenden erlernen Selbstorganisation und Eigenverantwortlichkeit zum
eigenständigen Lösen von Aufgaben.

Inhalt:
• Grundlagen: Begriffsdefinitionen; Architekturelle Grundlagen des World Wide Web
(Protokolle, Web Server Infrastrukturen); Grundlagen von Web-Anwendungen.

132
 • Sprachen und Technologien: Grundlagen von Markup-Sprachen und Stylesheet
Sprachen; Technologien für interaktive und dynamische Web-Anwendungen im
Browser; Komponenten-basierte Entwicklung; Web Services.
• Umsetzung und praktische Realisierung: Barrierefreie Web-Anwendungen; Entwick-
lungsprozess; Entwurfsmuster; Entwicklungs-APIs.

Erwartete Vorkenntnisse:
Es werden die Fertigkeiten und Kenntnisse folgender Module benötigt: Einführung in die
Programmierung.
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Inhalte werden durch Vortragseinheiten vermittelt und durch theoretische und praktische
Übungen geübt. Die Beurteilung basiert auf Tests über den vorgetragenen Stoff sowie
auf den erbrachten Leistungen in den Übungen.
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
6,0/4,0 VU Web Engineering

Zuverlässige Echtzeitsysteme
Regelarbeitsaufwand: 5,0 ECTS
Lernergebnisse:
Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Methoden zur Konstruktion und Modellierung von zuverlässigen Systemen, die
strikten zeitlichen Vorgaben gehorchen müssen, beschreiben und anwenden. Dazu
benutzen sie die erworbenen Kenntnisse über Fehlerarten, Fehlermodelle, Fehlerer-
kennung, Fehleranalyse, Redundanzverfahren, Zuverlässigkeitsmodellierung.
• Konzepte und Methoden der zeitabhängigen Information, Uhrensynchronisation,
Echtzeitscheduling und Echtzeitkommunikation erklären und benutzen.
• Risiken des Einsatzes von Computersystemen in sicherheitskritischen und zeitkriti-
schen Anwendungen diskutieren und beurteilen.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können
die Studierenden:
• Fehlerwahrscheinlichkeiten und Ausfallrisiken einschätzen und modellieren,
• Verfahren zur Erhöhung der Zuverlässigkeit von Computersystemen anwenden,
• zeitliche Anforderungen an Computersysteme analysieren,

133
 • Computersysteme mit Echtzeitanforderungen entwerfen und modellieren.

Inhalt:
• Grundlagen: Zuverlässigkeit, Wartbarkeit, Verfügbarkeit, MTTF
• Quantitative Analysen: Blockdiagramme, Fehlerbäume, Markov-Prozesse
• Sicherheit, Fehlermodelle, Wartung, Alterungsfehler, Entwurfsfehler
• Fehlertolerante Computersysteme: Redundanz, Fehlerlatenz, Synchronisation, Vo-
ting, Recovery Blocks, N-Version-Programming
• Fallstudien von zuverlässigen bzw. fehlertoleranten Systemen
• Fehler und Zuverlässigkeitsmodellierung/analyse mit Tools
• Grundlagen Echtzeitsysteme, Zeitabhängigkeit von Information, logische und tem-
porale Ordnung
• Modellbildung von Echtzeitsystemen: Zustand und Ereignis, Komponenten, Inter-
faces, Echtzeitinformation
• Echtzeitkommunikation, Kommunikationsprotokolle für Echtzeitsysteme
• Uhrensynchronisation
• Fehlertoleranz in Echtzeitsystemen
• Echtzeitbetriebsysteme: Taskstruktur, Ressourcenmanagement, I/O, Scheduling,
Worst-Case Zeitanalyse von Tasks
• Energieverbrauch und Energiemanagement in Echtzeitsystemen
• Design von Echtzeitsystemen: Architekturmodelle, Composability, Designprinzipien,
Zertifizierung

Erwartete Vorkenntnisse:
Fachliche und methodische Kompetenzen: Kenntnisse in Boole’scher Algebra, theoretischer
Informatik und Logik, Wahrscheinlichkeitsrechnung, Beschreibung und Modellierung sto-
chastischer Prozesse, Aufbau und Funktionsweise von Microcomputern, Betriebssystemen
und Netzwerken.
Kognitive und praktische Kompetenzen: Wahrscheinlichkeitsrechnung und Modellierung,
Systematisches Arbeiten mit Softwaretools, Abstraktionsvermögen.
Soziale Kompetenzen und Selbstkompetenzen: Analyse komplexer Zusammenhänge und
Wechselwirkungen, Problemlösung im Team.
Diese Voraussetzungen werden in folgenden Modulen vermittelt: Grundzüge digitaler Sys-
teme, Theoretische Informatik, Statistik und Wahrscheinlichkeitstheorie, Betriebssysteme
Verpflichtende Voraussetzungen: Studieneingangs- und Orientierungsphase.
Angewendete Lehr- und Lernformen und geeignete Leistungsbeurteilung: Die
Grundlagen und theoretischen Inhalte werden im Vorlesungsteil vermittelt. Praktische
Fertigkeiten der Fehler- und Zuverlässigkeitsmodellierung werden in einem Übungsteil
erworben, in dem die Studierenden Softwaretools verwenden und Ergebnisse in Form von
Laborberichten dokumentieren.

134
Die angewendeten Lehr- und Lernformen sind im Informationssystem zu Studien und
Lehre bei jeder Lehrveranstaltung vor Beginn des Semesters anzugeben; ebenso die
Prüfungsmodalitäten.
Lehrveranstaltungen des Moduls:
2,0/2,0 VO Echtzeitsysteme
3,0/2,0 VU Dependable Systems

135
B Zusammenfassung aller verpflichtenden
Voraussetzungen
Die positiv absolvierte Studieneingangs- und Orientierungsphase (Abschnitt §7) ist
Voraussetzung für die Absolvierung aller in diesem Studienplan angeführten Module und
ihrer Lehrveranstaltungen (inklusive der Bachelorarbeit), ausgenommen die Module
Algebra und Diskrete Mathematik (9,0 ECTS)
Algorithmen und Datenstrukturen (8,0 ECTS)
Analysis (6,0 ECTS)
Denkweisen der Informatik (6,5 ECTS)
Datenbanksysteme (6,0 ECTS)
Daten- und Informatikrecht (6,0 ECTS)
Einführung in die Programmierung (9,5 ECTS)
Einführung in Visual Computing (6,0 ECTS)
Grundzüge digitaler Systeme (6,0 ECTS)

136
 C Semestereinteilung der Lehrveranstaltungen
Die in der nachfolgenden Semestereinteilung mit Stern markierten Lehrveranstaltungen
sind Wahlfächer der engen Wahl, deren Semesterzuordnung als Empfehlung zu verste-
hen ist. Die Lehrveranstaltungen ab dem 3. Semester setzen eine positiv absolvierte
Studieneingangs- und Orientierungsphase voraus.

1. Semester (WS)

4,0 VO Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik

5,0 UE Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
5,5 VU Denkweisen der Informatik
5,5 VU Einführung in die Programmierung 1
6,0 VU Grundzüge digitaler Systeme
2,0 VU Mathematisches Arbeiten für Informatik und Wirtschaftsinformatik
1,0 VU Orientierung Informatik und Wirtschaftsinformatik

2. Semester (SS)

8,0 VU Algorithmen und Datenstrukturen

2,0 VO Analysis für Informatik und Wirtschaftsinformatik
4,0 UE Analysis für Informatik und Wirtschaftsinformatik
6,0 VU Datenbanksysteme
4,0 VU Einführung in die Programmierung 2
* 6,0 VU Einführung in Visual Computing
* 6,0 VU Daten- und Informatikrecht
* 6,0 VU Computersysteme

3. Semester (WS)

6,0 VU Programmierparadigmen
3,0 VO Statistik und Wahrscheinlichkeitstheorie
3,0 UE Statistik und Wahrscheinlichkeitstheorie
6,0 VU Theoretische Informatik
* 6,0 VU Software Engineering
* 6,0 VU Betriebssysteme

137
 4. Semester (SS)

6,0 VU Einführung in Security

* 6,0 VU Einführung in Artificial Intelligence
* 6,0 VU Logic and Reasoning in Computer Science
* 6,0 PR Software Engineering Projekt
* 6,0 VU Interface und Interaction Design

5. Semester (WS)

3,0 SE Wissenschaftliches Arbeiten

* 6,0 VU Verteilte Systeme

6. Semester (SS)

10,0 PR Bachelorarbeit für Informatik und Wirtschaftsinformatik

138
 D Semesterempfehlung für schiefeinsteigende
Studierende
1. Semester (SS)

2,0 VU Mathematisches Arbeiten für Informatik und Wirtschaftsinformatik

2,0 VO Analysis für Informatik und Wirtschaftsinformatik
4,0 UE Analysis für Informatik und Wirtschaftsinformatik
5,5 VU Einführung in die Programmierung 1
1,0 VU Orientierung Informatik und Wirtschaftsinformatik
* 6,0 VU Daten- und Informatikrecht

2. Semester (WS)

4,0 VO Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik

5,0 UE Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
5,5 VU Denkweisen der Informatik
6,0 VU Grundzüge digitaler Systeme

3. Semester (SS)

4,0 VU Einführung in die Programmierung 2

8,0 VU Algorithmen und Datenstrukturen
6,0 VU Datenbanksysteme
* 6,0 VU Einführung in Visual Computing
* 6,0 VU Computersysteme

4. Semester (WS)

6,0 VU Programmierparadigmen
3,0 VO Statistik und Wahrscheinlichkeitstheorie
3,0 UE Statistik und Wahrscheinlichkeitstheorie
6,0 VU Theoretische Informatik
* 6,0 VU Software Engineering
* 6,0 VU Betriebssysteme
* 6,0 VU Verteilte Systeme

139
 5. Semester (SS)

6,0 VU Einführung in Security

3,0 SE Wissenschaftliches Arbeiten
* 6,0 PR Software Engineering Projekt
* 6,0 VU Einführung in Artificial Intelligence
* 6,0 VU Logic and Reasoning in Computer Science
* 6,0 VU Interface und Interaction Design

6. Semester (WS)

10,0 PR Bachelorarbeit für Informatik und Wirtschaftsinformatik

140
E Wahlfachkatalog „Transferable Skills“
Die Lehrveranstaltungen, die im Modul Freie Wahlfächer und Transferable Skills aus
dem Themenbereich „Transferable Skills“ zu wählen sind, können unter anderem aus
dem folgenden Katalog gewählt werden.
3,0/2,0 SE Coaching als Führungsinstrument 1
3,0/2,0 SE Coaching als Führungsinstrument 2
3,0/2,0 SE Didaktik in der Informatik
1,5/1,0 VO EDV-Vertragsrecht
3,0/2,0 VO Einführung in die Wissenschaftstheorie I
3,0/2,0 VO Einführung in Technik und Gesellschaft
3,0/2,0 SE Folgenabschätzung von Informationstechnologien
3,0/2,0 VU Forschungsmethoden
3,0/2,0 VO Frauen in Naturwissenschaft und Technik
3,0/2,0 SE Gruppendynamik
3,0/2,0 VU Kommunikation und Moderation
3,0/2,0 SE Kommunikation und Rhetorik
1,5/1,0 SE Kommunikationstechnik
3,0/2,0 VU Kooperatives Arbeiten
3,0/2,0 VU Präsentation und Moderation
1,5/1,0 VO Präsentation, Moderation und Mediation
3,0/2,0 UE Präsentation, Moderation und Mediation
3,0/2,0 VU Präsentations- und Verhandlungstechnik
4,0/4,0 SE Privatissimum aus Fachdidaktik Informatik
3,0/2,0 VU Rhetorik, Körpersprache, Argumentationstraining
3,0/2,0 VU Softskills für TechnikerInnen
3,0/2,0 VU Techniksoziologie und Technikpsychologie
3,0/2,0 VO Theorie und Praxis der Gruppenarbeit
3,0/2,0 VO Zwischen Karriere und Barriere

141
 F Prüfungsfächer mit den zugeordneten Modulen und
Lehrveranstaltungen
Die mit einem Sterm markierten Module sind Wahlmodule der engen Wahl. Die mit
einem Plus markierten Module sind Wahlmodule der breiten Wahl. Die unmarkierten
Module sind Pflichtmodule.

Prüfungsfach „Algorithmen und Programmierung“

Modul „Algorithmen und Datenstrukturen“ (8,0 ECTS)
8,0/5,5 VU Algorithmen und Datenstrukturen
Modul „Einführung in die Programmierung“ (9,5 ECTS)
5,5/4,0 VU Einführung in die Programmierung 1
4,0/3,0 VU Einführung in die Programmierung 2
Modul „Programmierparadigmen“ (6,0 ECTS)
6,0/4,0 VU Programmierparadigmen
+Modul „Effiziente Algorithmen“ (6,0 ECTS)
6,0/4,0 VU Effiziente Algorithmen
+Modul „Funktionale Programmierung“ (6,0 ECTS)
6,0/4,0 VU Funktionale Programmierung
+Modul „Logikprogrammierung und Constraints“ (6,0 ECTS)
6,0/4,0 VU Logikprogrammierung und Constraints

Prüfungsfach „Computersysteme“
Modul „Grundzüge digitaler Systeme“ (6,0 ECTS)
6,0/4,0 VU Grundzüge digitaler Systeme
*Modul „Betriebssysteme“ (6,0 ECTS)
6,0/4,0 VU Betriebssysteme
*Modul „Computersysteme“ (6,0 ECTS)
6,0/4,0 VU Computersysteme
+Modul „Abstrakte Maschinen“ (6,0 ECTS)
6,0/4,0 VU Abstrakte Maschinen
+Modul „Parallel Computing“ (6,0 ECTS)
6,0/4,0 VU Parallel Computing

142
+Modul „Übersetzerbau“ (6,0 ECTS)
6,0/4,0 VU Übersetzerbau
+Modul „Zuverlässige Echtzeitsysteme“ (5,0 ECTS)
2,0/2,0 VO Echtzeitsysteme
3,0/2,0 VU Dependable Systems

Prüfungsfach „Computergraphik und Visual Computing“

*Modul „Einführung in Visual Computing“ (6,0 ECTS)
6,0/4,0 VU Einführung in Visual Computing
+Modul „Audio and Video Production“ (6,0 ECTS)
6,0/4,0 VU Audio and Video Production
+Modul „Computermusik“ (6,0 ECTS)
6,0/4,0 VU Computermusik
+Modul „Creative Media Production“ (6,0 ECTS)
6,0/4,0 VU Creative Media Production
+Modul „Grundlagen der Computergraphik“ (6,0 ECTS)
6,0/4,0 VU Grundlagen der Computergraphik
+Modul „Grundlagen der Computer Vision“ (6,0 ECTS)
6,0/4,0 VU Grundlagen der Computer Vision
+Modul „Multimedia“ (6,0 ECTS)
6,0/4,0 VU Multimedia
+Modul „Programmiertechniken für Visual Computing“ (6,0 ECTS)
6,0/4,0 PR Programmiertechniken für Visual Computing
+Modul „Visualisierung“ (6,0 ECTS)
6,0/4,0 VU Visualisierung

Prüfungsfach „Human-Centered Computing“

Modul „Denkweisen der Informatik“ (6,5 ECTS)
5,5/4,0 VU Denkweisen der Informatik
1,0/1,0 VU Orientierung Informatik und Wirtschaftsinformatik
*Modul „Interface und Interaction Design“ (6,0 ECTS)
6,0/4,0 VU Interface und Interaction Design

143
+Modul „Access Computing“ (6,0 ECTS)
6,0/4,0 VU Access Computing
+Modul „Design und Fertigung“ (6,0 ECTS)
6,0/4,0 VU Design und Fertigung
+Modul „Menschzentrierte Künstliche Intelligenz“ (6,0 ECTS)
6,0/4,0 VU Menschzentrierte Künstliche Intelligenz
+Modul „Sozio-technische Systeme“ (6,0 ECTS)
6,0/4,0 VU Sozio-technische Systeme
+Modul „Usability Engineering and Mobile Interaction“ (6,0 ECTS)
6,0/4,0 VU Usability Engineering and Mobile Interaction

Prüfungsfach „Information Engineering“

Modul „Datenbanksysteme“ (6,0 ECTS)
6,0/4,0 VU Datenbanksysteme
+Modul „Einführung in wissensbasierte Systeme“ (6,0 ECTS)
6,0/4,0 VU Einführung in wissensbasierte Systeme
+Modul „Einführung in Information Retrieval“ (6,0 ECTS)
6,0/4,0 VU Einführung in Information Retrieval
+Modul „Semistrukturierte Daten“ (6,0 ECTS)
6,0/4,0 VU Semistrukturierte Daten
+Modul „Web Engineering“ (6,0 ECTS)
6,0/4,0 VU Web Engineering

Prüfungsfach „Logik“
*Modul „Einführung in Artificial Intelligence“ (6,0 ECTS)
6,0/4,0 VU Einführung in Artificial Intelligence
*Modul „Logic and Reasoning in Computer Science“ (6,0 ECTS)
6,0/4,0 VU Logic and Reasoning in Computer Science
+Modul „Argumentieren und Beweisen“ (6,0 ECTS)
6,0/4,0 VU Argumentieren und Beweisen
+Modul „Deklaratives Problemlösen“ (6,0 ECTS)
6,0/4,0 VU Deklaratives Problemlösen

144
+Modul „Einführung in Machine Learning“ (6,0 ECTS)
6.0/4.0 VU Einführung in Machine Learning
+Modul „Logik für Wissensrepräsentation“ (6,0 ECTS)
6,0/4,0 VU Logik für Wissensrepräsentation
+Modul „Logik und Grundlagen der Mathematik“ (6,0 ECTS)
4,5/3,0 VO Logik und Grundlagen der Mathematik
1,5/1,0 UE Logik und Grundlagen der Mathematik

Prüfungsfach „Medizinische Informatik“

+Modul „Bio-Medical Visualization and Visual Analytics“ (6,0 ECTS)
6,0/4,0 VU Bio-Medical Visualization and Visual Analytics
+Modul „Design und Entwicklung von Anwendungen im Gesundheitswesen“ (6,0
ECTS)
6,0/4,0 VU Design und Entwicklung von Anwendungen im Gesundheitswesen
+Modul „Human Augmentation“ (6,0 ECTS)
6,0/4,0 VU Human Augmentation
+Modul „Informationssysteme des Gesundheitswesens“ (6,0 ECTS)
6,0/4,0 VU Informationssysteme des Gesundheitswesens
+Modul „Methods for Data Generation and Analytics in Medicine and Life Sciences“
(6,0 ECTS)
6,0/4,0 VU Methods for Data Generation and Analytics in Medicine and Life Sciences

Prüfungsfach „Security“
Modul „Einführung in Security“ (6,0 ECTS)
6,0/4,0 VU Einführung in Security
*Modul „Daten- und Informatikrecht“ (6,0 ECTS)
6,0/4,0 VU Daten- und Informatikrecht
+Modul „Attacks and Defenses in Computer Security“ (6,0 ECTS)
6,0/4,0 UE Attacks and Defenses in Computer Security
+Modul „Foundations of System and Application Security“ (6,0 ECTS)
6,0/4,0 VU Foundations of System and Application Security
+Modul „Privacy-Enhancing Technologies“ (6,0 ECTS)
6,0/4,0 VU Privacy-Enhancing Technologies

145
 Prüfungsfach „Strukturwissenschaften“
Modul „Algebra und Diskrete Mathematik“ (9,0 ECTS)
4,0/4,0 VO Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
5,0/2,0 UE Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
9,0/6,0 VU Algebra und Diskrete Mathematik für Informatik und Wirtschaftsinformatik
Modul „Analysis“ (6,0 ECTS)
2,0/2,0 VO Analysis für Informatik und Wirtschaftsinformatik
4,0/2,0 UE Analysis für Informatik und Wirtschaftsinformatik
6,0/4,0 VU Analysis für Informatik und Wirtschaftsinformatik
Modul „Mathematisches Arbeiten“ (2,0 ECTS)
2,0/2,5 VU Mathematisches Arbeiten für Informatik und Wirtschaftsinformatik
Modul „Statistik und Wahrscheinlichkeitstheorie“ (6,0 ECTS)
3,0/2,0 VO Statistik und Wahrscheinlichkeitstheorie
3,0/2,0 UE Statistik und Wahrscheinlichkeitstheorie
6,0/4,0 VU Statistik und Wahrscheinlichkeitstheorie
+Modul „Computational Statistics“ (mindestens 6,0 ECTS)
4,5/3,0 VU Computerstatistik
3,0/2,0 VU Statistical Computing
3,0/2,0 VU Statistische Simulation und computerintensive Methoden
+Modul „Datenanalyse“ (6,0 ECTS)
6,0/4,0 VU Datenanalyse
+Modul „Methoden der Angewandten Statistik“ (6,0 ECTS)
4,5/3,0 VO Methoden der Angewandten Statistik
1,5/1,0 UE Methoden der Angewandten Statistik
+Modul „Multivariate Statistik“ (6,0 ECTS)
4,5/3,0 VO Multivariate Statistik
1,5/1,0 UE Multivariate Statistik
+Modul „Numerical Computation“ (5,5 ECTS)
5,5/4,0 VU Numerical Computation

Prüfungsfach „Software Engineering“

*Modul „Software Engineering“ (6,0 ECTS)
6,0/4,0 VU Software Engineering

146
*Modul „Software Engineering Projekt“ (6,0 ECTS)
6,0/4,0 PR Software Engineering Projekt
*Modul „Verteilte Systeme“ (6,0 ECTS)
6,0/4,0 VU Verteilte Systeme
+Modul „Programm- und Systemverifikation“ (6,0 ECTS)
6,0/4,0 VU Programm- und Systemverifikation
+Modul „Software-Qualitätssicherung“ (6,0 ECTS)
6,0/4,0 VU Software-Qualitätssicherung

Prüfungsfach „Theoretische Informatik“

Modul „Theoretische Informatik“ (6,0 ECTS)
6,0/4,0 VU Theoretische Informatik
+Modul „Introduction to Cryptography“ (6,0 ECTS)
6,0/4,0 VU Introduction to Cryptography
+Modul „Einführung in Quantencomputing“ (6,0 ECTS)
6.0/4.5 VU Einführung in Quantencomputing

Prüfungsfach „Freie Wahlfächer und Transferable Skills“

Modul „Freie Wahlfächer und Transferable Skills“ (18,0 ECTS)

Prüfungsfach „Bachelorarbeit“
Modul „Bachelorarbeit“ (13,0 ECTS)
10,0/5,0 PR Bachelorarbeit für Informatik und Wirtschaftsinformatik
3,0/2,0 SE Wissenschaftliches Arbeiten

147
G Bachelor-Abschluss with Honors
Als Erweiterung eines regulären Bachelor-Studien der Informatik können Studierende
mit hervorragenden Studienleistungen einen Bachelor-Abschluss with Honors nach anglo-
amerikanischem Vorbild erwerben.
Die primären Ziele des Honors-Programms der Informatik und der Wirtschaftsinforma-
tik sind:
• Individuelle Förderung und Forderung besonders begabter Studierender.
• Frühzeitige Erweckung des Forschungsinteresses in potentiellen Kandidatinnen und
Kandidaten für ein späteres Doktoratsstudium.
• Erhöhung der Attraktivität der TU Wien und der Fakultät für Informatik für
hervorragende Studieninteressierte.
Notwendige Bedingung für den Bachelor-Abschluss with Honors sind 45 bis 60 ECTS
an zusätzlichen Bachelor- und/oder Master-Lehrveranstaltungen. Das jeweilige indivi-
duelle Honors-Programm wird von dem/der Studierenden in Abstimmung mit einem
als Mentor_in agierenden habilitierten Mitglied der Fakultät für Informatik individu-
ell zusammengestellt und beim zuständigen studienrechtlichen Organ eingereicht. Die
Lehrveranstaltungen des individuelle Honors-Programms sollen vorrangig so ausgewählt
werden, dass sie auch in einem parallelen anderen Bachelor- oder einem anschließenden
Master-Studium verwendet werden können.
Für den erfolgreichen Bachelor-Abschluss with Honors ist es erforderlich, das Bachelor-
studium mit Auszeichnung1 und sowohl alle für den Abschluss dieses Bachelorstudiums
erforderlichen Lehrveranstaltungen mit einem gewichteten Gesamtnotenschnitt ≤ 1, 5
als auch in Summe alle für den Abschluss dieses Bachelorstudiums erforderlichen Lehr-
veranstaltungen und jene im Rahmen des individuellen Honors-Programms absolvierten
Lehrveranstaltungen mit einem gewichteten Gesamtnotenschnitt ≤ 1, 5 innerhalb von
maximal 9 Semestern zu absolvieren (gegebenenfalls unter angemessener Berücksichti-
gung von Beurlaubung und Teilzeit). Als Bestätigung für den Bachelor-Abschluss with
Honors wird vom Rektorat der TU Wien ein Zertifikat ausgestellt, das die hervorragenden
Studienleistungen bestätigt und die im Rahmen des individuellen Honors-Programms
absolvierten zusätzlichen Lehrveranstaltungen anführt.

G.1 Antragstellung und Aufnahme in das Honors-Programm

Nach positiver Absolvierung von mindestens 72 ECTS an Pflichtlehrveranstaltungen
des Bachelorstudiums kann von der/dem Studierenden, in Abstimmung mit einem als
Mentor_in agierenden habilitierten Mitglied der Fakultät für Informatik, das individu-
elle Honors-Programm zusammengestellt und zusammen mit einem Nachweis über die
bisherigen Studienleistungen, d.h. über die für das gegenständliche Bachelorstudium
absolvierten Lehrveranstaltungen, beim zuständigen studienrechtlichen Organ als Antrag
auf Aufnahme in das Honors-Programm der Informatik und Wirtschaftsinformatik einge-
reicht werden. Das individuelle Honors-Programm muss auch ein kurze Rechtfertigung
1
im Sinne des Par. 73 Abs. 3 UG in der Fassung vom 26. Juni 2017

148
(„Qualifikationsprofil“) für die getroffene Auswahl der Lehrveranstaltungen enthalten.
Darüber hinaus kann jede_r Studierende_r auch ohne die Erfüllung dieser Eingangsvor-
aussetzungen einen Antrag auf Aufnahme in das Programm für einen Bachelor-Abschluss
with Honors stellen, wenn diese_r Studierende Empfehlungsschreiben von zwei habili-
tierten Personen (eine davon auch als Mentor_in) vorlegen kann. Das studienrechtliche
Organ entscheidet nach qualitativer Prüfung des bisherigen Studienfortschritts über die
Aufnahme.
Die konkreten Lehrveranstaltungen des individuellen Honors-Programms können belie-
big aus Informatik-vertiefenden oder ergänzenden Pflichtlehrveranstaltungen aus univer-
sitären Bachelor-Studien und Pflicht- oder Wahllehrveranstaltungen aus universitären
Masterstudien gewählt werden, unter Beachtung der gegebenenfalls erforderlichen Vor-
kenntnisse. Die Lehrveranstaltungen des individuelle Honors-Programms sollen vorrangig
so ausgewählt werden, dass sie auch in einem parallelen anderen Bachelor- oder einem
anschließenden Master-Studium verwendet werden können. Jedenfalls zu wählen ist die
spezielle Lehrveranstaltung
1,0/1,0 VU Orientierung Bachelor with Honors der Informatik und Wirtschaftsinforma-
tik
die das individuelle Mentoring abdeckt.
Das studienrechtliche Organ überprüft folgende Bedingungen zur Aufnahme in das
Honors-Programm der Informatik und Wirtschaftsinformatik:

(a) Der/Die Studierende hat Pflichtlehrveranstaltungen des Bachelorstudiums im Aus-

maß von mindestens 72 ECTS positiv absolviert.

(b) Der gewichtete Notenschnitt aller bis zum Zeitpunkt der Antragstellung für den
Abschluss des regulären Bachelor-Studiums absolvierten Lehrveranstaltungen muss
≤ 2, 0 sein.

(c) Ein adäquates, alle Lehrveranstaltungsabhängigkeiten berücksichtigendes individu-

elles Honors-Programm liegt vor.

(d) Allfällige Kapazitätslimits (z.B. der Betreuungskapazität der Mentorin/des Mentors)

werden nicht überschritten.

(e) Der/Die Studierende muss auf Basis der bisher erbrachten Leistungen, unter der
Annahme eines zumutbaren Studienfortschritts, die Bedingungen für einen erfolg-
reichen Bachelor-Abschluss with Honors erfüllen können.

(f) Bei einem Antrag auf Aufnahme in das Programm auf Basis von Empfehlungs-
schreiben von zwei habilitierten Personen müssen die Kriterien (a) und (b) nicht
erfüllt sein. Die Erfüllung dieser Kriterien wird in diesem Fall durch eine qualitative
Prüfung des Studienfortschritts durch das studienrechtliche Organ ersetzt.

Nach positivem Bescheid über die Aufnahme in das Honors-Programm der Informatik
und Wirtschaftsinformatik verbleibt die/der Studierende bis zum erfolgreichen Abschluss
oder bis zu einem eventuellen vorzeitigen Ausstieg (wie Abmeldung oder Studienwechsel),

149
höchstens aber für 9 Semester in diesem Programm. Ein Abschluss des Bachelorstudiums
ist zwischenzeitlich möglich2 , ohne dass davon das Recht auf einen späteren Bachelor-
Abschluss with Honors berührt würde, wenn schlussendlich alle notwendigen Kriterien
erfüllt sind.
Eine Änderung des individuellen Honors-Programms während dieser Zeit ist zulässig,
bedarf aber der Bewilligung durch das studienrechtliche Organ.

G.2 Abschluss
Studierende können jederzeit innerhalb der maximal erlaubten Dauer von 9 Semestern
beim zuständigen studienrechtlichen Organ den Antrag auf einen Bachelor-Abschluss with
Honors stellen. Die für einen Bachelor-Abschluss with Honors zu erfüllenden Kriterien
sind folgende:

• Das gegenständliche reguläre Bachelor-Studium wurde mit Auszeichnung3 abge-

schlossen.
• Der gewichtete Gesamtnotenschnitt aller für den Abschluss des gegenständlichen
Bachelor-Studiums verwendeten Lehrveranstaltungen ist ≤ 1, 5.
• Alle Lehrveranstaltungen des individuellen Honors-Programms wurden positiv
abgeschlossen.
• Der gewichtete Gesamtnotenschnitt aller für den Abschluss des gegenständlichen
Bachelor-Studiums verwendeten Lehrveranstaltungen und aller Lehrveranstaltungen
des individuellen Honors-Programms ist ≤ 1, 5.
• Die Gesamtstudiendauer überschreitet nicht 9 Semester (gegebenenfalls unter
angemessener Berücksichtigung von Beurlaubung und Teilzeit).

Als Bestätigung für den erfolgten Bachelor-Abschluss with Honors wird vom Rektorat der
TU Wien ein Zertifikat und ein Empfehlungsschreiben ausgestellt, das die hervorragenden
Studienleistungen bestätigt und die im Rahmen des individuellen Honors-Programms
absolvierten zusätzlichen Lehrveranstaltungen anführt.

2
Die für den Bachelor-Abschluss with Honors noch zu erbringenden Leistungen können in einem auf
das abgeschlossene Bachelorstudium aufbauenden Masterstudium absolviert werden.
3
im Sinne des Par. 73 Abs. 3 UG in der Fassung vom 26. Juni 2017

150