Modulkatalog M.Sc.

Informatik Module
Descriptions M.Sc. Computer Science

Inklusive der Beschlüsse des Prüfungsausschusses der Fakultät für Informatik

und Mathematik der Universität Passau am 31. Juli 2024
Contains all decisions of the Board of Examiners of the Faculty of Computer
Science and Mathematics of the University of Passau taken up to 31 July 2024

Stand: 17. Oktober 2024

Last revised: 17 October 2024
Modulkatalog Module Descriptions

Abkürzungsverzeichnis und Wörterbuch / List of abbreviations and dictionary

Abkürzung / Ab- Deutsch English

breviation
AllgBer Allgemeiner Bereich General Area
AlgMath Algorithmik und Mathematische Algorithmics and Mathematical
Modellierung Modeling
B.Sc. Bachelor of Science Bachelor of Science
IC Internet Computing Internet Computing
Inf. Informatik Computer Science
InfKomm Informations- und Kommunikations- Information and Communication
systeme Systems
ITS Intelligente Technische Systeme Intelligent Technical Systems
IT-SecRel IT Security and Reliability IT Security and Reliability
M.Sc. Master of Science Master of Science
P Praktikum Lab/practicum
Pf Pflichtfach Compulsory course
PN Prüfungsnummer Examination number
PO Prüfungsordnung Examination regulations
ProgSoft Programmiermethoden und Softwa- Programming Methods and Soft-
resysteme ware Systems
Sem. Semester Semester
SP Schwerpunkt Focus
Ü Übung Exercise/Tutorial
V Vorlesung Lecture
Wahl Wahlmodul Elective (module)
WPf Wahlpflichtmodul Compulsory elective (module)

Bemerkung: Falls wenigstens ein nicht-deutschsprachiger Hörer die Veranstaltung besucht und als
Sprache „Deutsch oder Englisch“ angegeben ist, wird in der Regel auf Englisch unterrichtet.
Remark: If at least one non-German speaker attends and the language of instruction is stated as
“German or English” the language of instruction will be English as a rule.

Für Übersichtslisten zur Anrechenbarkeit und Modulgruppenzuordnung siehe

http://www.fim.uni-passau.de/studium/anrechenbarkeit/
For reference tables, please go to
http://www.fim.uni-passau.de/en/study/acceptability-for-credit-transfers/

2
Modulkatalog Module Descriptions

Präambel

Workload-Berechnung:
Die Zuordnung von Leistungspunkten geht von der Arbeitsbelastung eines oder einer durchschnitt-
lichen Studierenden aus. Ein Leistungspunkt entspricht in diesem Rahmen ca. 30 Arbeitsstunden.
Dieser Durchschnitt wird im vorliegenden Studiengang einheitlich für alle Fächer und Lehrveranstal-
tungstypen angenommen.
Prüfende:
Prüferinnen und Prüfer sind die Professoren und Professorinnen sowie alle habilitierten Dozentinnen
und Dozenten und ggf. weitere gemäß Hochschulprüferverordnung (HSchPrüferV) Befugte, die durch
den Prüfungsausschuss der Fakultät für Informatik und Mathematik bestellt werden. Bitte beachten
Sie hierzu die Bekanntmachungen des Prüfungsausschusses auf den Webseiten der Fakultät.
Anwesenheitspflicht:
Die Anwesenheitspflicht ist in der „Allgemeinen Studien- und Prüfungsordnung (AStuPO)“ im § 18
geregelt. Die Notwendigkeit der Anwesenheitspflicht ist für einzelne Lehrveranstaltungen im vorlie-
genden Modulkatalog festgelegt und entsprechend begründet.
Wiederholungsmöglichkeit:
Jedes mit „nicht ausreichend“ (Note schlechter als 4,0) bzw. „nicht bestanden“ bewertete Modul
kann höchstens zweimal wiederholt werden, siehe § 9 AStuPO. Die Wiederholung muss innerhalb
eines Jahres erfolgen. Eine Wiederholung von Prüfungen zur Notenverbesserung ist nicht möglich.
Gesamtnotenrelevanz:
Die Gesamtnote wird gemäß § 22 AStuPO berechnet.
Seminare:
In der Regel bieten Lehrstühle, Professorinnen und Professoren regelmäßig Seminare an. Hierzu be-
achten Sie bitte die Seminar-Ankündigungen auf den Webseiten der Lehrstühle und Professuren.
Qualifikationsprofil:
Die Erfüllung des Qualifikationsprofils des Studiengangs wird durch die verschiedenen Veranstaltungs-
typen gewährleistet.

• Vorlesungen fokussieren sich maßgeblich auf Vermittlung von Wissen und Verstehen der Pro-
blemstellungen. Dadurch erwerben Absolventen und Absolventinnen Fachkompetenz in der
Breite und Tiefe des Faches. Besonders in den Masterstudiengängen werden zusätzlich Lehr-
meinungen, Grenzen und kritisches Verständnis auf dem neuesten Stand der Forschung gelehrt.

• Vorlesungsbegleitende Übungen vertiefen dieses Wissen, und leiten zu Einsatz und prak-
tischer Anwendung an. Die Studierenden lernen dabei Probleme zu analysieren, kritisch ein-
zuordnen und geeignete Lösungswege zu finden. Darüber hinaus werden Kommunikation und
Kooperation zwischen den Studierenden eingeübt.

• Selbstständige Übungen und Praktika lehren die Nutzung und den Transfer auf praktische
Anwendungen und Projekte. Dabei lernen die Studierenden situationsadäquat und reflektiert
professionelle Entscheidungen zu treffen.

• In Seminaren und Abschlussarbeiten planen und recherchieren die Studierenden. Sie ent-
wickeln und bearbeiten aktuelle Forschungsfragen, wählen geeignete Analysemethoden und
reflektieren die erzielten Ergebnisse kritisch. Dadurch tragen sie auch zur wissenschaftlichen
Innovation bei. Darüber hinaus üben sie die Kommunikation von erzielten Ergebnissen an Dritte
ein.

3
Modulkatalog Module Descriptions

Preamble

Workload calculation:
The assignment of credit points is based on the workload of an average student. In this context, one
credit point corresponds to approx. 30 working hours. This average generally applies to all subjects
and course types in the present degree programme.
Examiners:
Examiners are the professors and all habilitated lecturers and, if applicable, other authorised per-
sons according to the Higher Education Examination Ordinance (Hochschulprüferverordnung, HSch-
PrüferV), who are appointed by the Board of Examiners of the Faculty of Computer Science and
Mathematics. Please refer to the announcements of the Board of Examiners on the Faculty’s website.
Compulsory attendance:
Compulsory attendance is regulated in § 18 of the “General Study and Examination Regulations
(AStuPO)“. The necessity of compulsory attendance is specified for individual courses in this module
catalogue and justified accordingly.
Possibility of repetition:
Each module assessed as “insufficient“ (grade below 4.0) or “failed“ can be repeated a maximum of
two times, cf. § 9 AStuPO). The repetition must take place within one year. It is not possible to
repeat examinations for grade improvement.
Overall grade relevance:
The final grade is calculated according to § 22 AStuPO.
Seminars:
Chairs and professors usually offer seminars on a regular basis. Please pay attention to the seminar
announcements on the websites of the chairs and professorships.
Qualification profile:
The fulfilment of the qualification profile of the degree programme is ensured by the different types
of courses.

• Lectures focus primarily on imparting knowledge and understanding problems. Consequently,

graduates acquire professional competence in the breadth and depth of the subject. Particu-
larly in master’s programmes, schools of thought, limitations and critical understanding are
additionally taught at the cutting edge of research.

• Exercises accompanying lectures deepen this knowledge and guide students to use and apply
it in practice. Students learn to analyse problems, to classify them critically and to find suitable
solutions. In addition, communication and cooperation between students are practised.

• Independent exercises and practical courses teach the use and transfer to practical ap-
plications and projects. In the process, students learn to make professional decisions in an
appropriate and reflective manner.

• In seminars and theses, students plan and conduct research. They develop and work on
contemporary research questions, select suitable methods of analysis and critically reflect on
the results. That way, they also contribute to scientific innovation. In addition, they practise
communicating the results to third parties.

4
Modulkatalog Module Descriptions

Modulübersicht des Masterstudiengangs „Informatik“ /

Overview of the course program
Module Group “Algorithmics and Mathematical Modeling“ (AlgMath)

Module Exam. Contact ECTS Professor English/

Number Hours German
Efficient Algorithms 455366 3V+2Ü 7 Rutter, Sudholt English/
German
Computational Logic 455357 3V+2Ü 7 Kreuzer English/
German
Algorithmic Graph Theory and 455414 2V+2Ü 6 Rutter English
Perfect Graphs
Algorithms for Graph Visualization 455352 2V+1Ü 5 Rutter English/
German
Parameterized Algorithms 455413 2V+2Ü 6 Rutter English/
German
Optimierung 471765 4V+2Ü 9 Harks English/
German
Introduction to Numerical Analy- 401814 4V+2Ü 9 Sauer German
sis
Generalized Function Theory 455360 4V+2Ü 9 Forster-Heinlein English/
German
Computer Algebra 455358 4V+2Ü 9 Kreuzer, Sauer English/
German
Computational Algebraic Geome- 405154 4V+2Ü 9 Kreuzer English/
try German
Cryptography 401816 4V+2Ü 9 Kreuzer, Zum- English/
brägel German
Coding Theory 463030 3V+2Ü 7 Kreuzer English/
German
Stochastic Simulation 451017 3V+1Ü 7 Müller-Gronbach English/
German
Probability Theory 455341 4V+2Ü 9 Müller-Gronbach English/
German
Computational Stochastic Proces- 451402 2V+2Ü 6 Müller-Gronbach English/
ses German
Stochastic Analysis 405214 4V+2Ü 9 Müller-Gronbach English/
German
Cryptanalysis 482102 4V+2Ü 9 Zumbrägel English
Algebra and Number Theory I 405149 4V+2Ü 9 Kaiser, Kreuzer, German
Zumbrägel

5
Modulkatalog Module Descriptions

Rings and Modules 455364 4V+2Ü 9 Zumbrägel English

Elliptic Curves 422120 4V+2Ü 9 Zumbrägel English
Information Theory 455440 4V+2Ü 9 Zumbrägel English
Commutative Algebra 455387 2V+2Ü 6 Kreuzer English
Operator Theory 401403 4V+2Ü 9 Forster-Heinlein English/
German
Theory of Evolutionary Computa- 455399 3V+2Ü 7 Sudholt English/
tion German
Randomised Algorithms 455388 3V+2Ü 7 Sudholt English
Partial Differential Equations 405167 3V+2Ü 7 Wirth English
Symbolic Dynamics and Coding 405212 4V+2Ü 9 Wirth English
Numerics of Differential Equations 451012 4V+2Ü 9 Wirth English/
German
Dynamical Systems 405027 4V+2Ü 9 Wirth English/
German
Stochastic Partial Differentioal 405245 4V 7 Müller-Gronbach English/
Equations German
Numerik der Polynom- und ratio- 485383 2V+1Ü 5 Forster-Heinlein English/
nalen Approximation German
Markovketten 455346 3V+2Ü 7 Müller-Gronbach English/
German
Mathematical Logic 455362 4V+2Ü 9 Kaiser, Müller English
Mathematische Statistik 451013 3V+1Ü 6 Müller-Gronbach English/
German
Model Theory 482201 4V+2Ü 9 Kaiser, Müller English
Numerical Methods for Stochastic 451004 3V+1Ü 6 Müller-Gronbach English/
Differential Equations German
Graph and Network Algorithms 451005 3Ü 6 Rutter English
Lab
Integral Transforms 451007 2V+2Ü 6 Forster-Heinlein English/
German
Perkolation auf Graphen 451018 2V+1Ü 5 Müller-Gronbach English/
German
Markov Chain Monte Carlo 455450 4V+2Ü 9 Rudolf English/
German
Foundations of Statistical Data 482522 4V+2Ü 9 Rudolf English/
Science German
Stochastic Processes 405193 4V+2Ü 9 Rudolf English/
German
Computational Game Theory 472690 4V+2Ü 9 Harks English

6
Modulkatalog Module Descriptions

Distributed Algorithms 422150 2V+2Ü 6 Harks English

Dynamic Network Flows 422160 2V+2Ü 6 Harks English
Computational Geometry 405125 2V+2Ü 6 Harks English
Classical Limit Theorems & Large 451019 4V+2Ü 9 Prochno English/
Deviations German
Introduction to Information-based 485384 3V+1Ü 6 Prochno English
Complexity and Compressed Sen-
sing
Introduction to Approximation 455460 2V+1Ü 5 Prochno English/
Theory German
Convex Geometry and Applicati- 472730 3V+1Ü 6 Prochno English
ons to Linear Programming
Random Graphs 422140 2V+2Ü 6 Glock English
Exemplary and Effective Program- 413152 1V+3P 6 Abbott English
ming
Computational Complexity Theory 482211 4V+2Ü 9 Müller English
Advanced Computational Comple- 472710 2V+2Ü 6 Müller English
xity Theory
Constraint Satisfaction Problems 472720 2V+2Ü 6 Müller English
Advanced Model Theory 455470 2V+2Ü 6 Kaiser, Müller English
Online and Approximation Algo- 455480 2V+2Ü 6 Harks English
rithms
Stochastic Processes on Graphs 455490 4V+2Ü 9 Müller-Gronbach English/
and Groups German
Maß- und Integrationstheorie 455510 4V+2Ü 9 Müller- German
Gronbach,
Prochno, Rudolf
Research Seminar for the Focus 451010 2S 5 All lecturers English/
“Algorithmics and Mathematical German
Modeling“

Module Group “Programming Methods and Software Systems“

(ProgSoft)
Module Exam. Contact ECTS Professor English/
Number Hours German
Practical Parallel Programming 455371 3V+2Ü 7 Fraser English/
German
Dependence Analysis 453401 2V+2Ü 6 Griebl, Fraser English/
German
Loop Parallelisation 405285 2V+2Ü 6 Griebl, Fraser English/
German

7
Modulkatalog Module Descriptions

Struktur und Implementierung von 405010 3V+2Ü 7 Größlinger German

Programmiersprachen
Functional Programming 405053 2V+2Ü 6 Griebl, Fraser English/
German
Virtual Machines and Runtime 405197 2V+2Ü 6 Größlinger English/
Systems German
Domain-Specific Languages 405204 2V+2Ü 6 Größlinger English/
German
Programming Styles 455377 2V+1Ü 5 Fraser English
Software Analysis 455368 2V+2Ü 6 Fraser English
Advanced Software Product Deve- xxxxxx 2Ü+4P 10 Fraser German
lopment
Search-Based Software Enginee- 455378 2V+2Ü 6 Fraser English
ring
Mobile Security 455411 2V+2Ü 6 Hammer English
Software Process Engineering 455369 2V+2Ü 6 Kuhrmann English
Program Repair 455407 2V+2Ü 6 Hammer English
Reverse and Reengineering 455418 2V+2Ü 6 Hammer English
Empirical Methods for Software 455375 2V+2Ü 6 Kuhrmann English
Engineering
Programming Paradigms 455435 2V+2Ü 6 Hammer English
Secure Information Flow 455384 2V+2Ü 6 Hammer English
Object-Oriented Programming 453002 2V+2Ü 6 Hammer English
with C++
Compiler Construction 455402 4V+2Ü 9 Hammer English
Engineering Dependable Software 455424 2V+2Ü 6 Hammer English
Software Engineering Research 455425 6Ü 12 Hammer English
Reproduction
Software-Projektmanagement 405016 3V+1Ü 7 Palm German
Principles of AI Engineering 455410 2V+2Ü 6 Herbold English
Requirements Engineering 455412 2V+2Ü 6 Herbold English
Mining Software Repositories Lab 455423 5Ü 7 Herbold English
Mining Software Repositories 455433 2V+2Ü 6 Herbold English
AI Engineering Lab 455437 5Ü 7 Herbold English
Industrial Prototyping for Makers 455540 4P 6 Fraser, Kosch English
Prototyping & Programming xxxxxx 4Ü 6 Fraser, Kosch German
Compiler Construction Lab 455422 6Ü 9 Hammer English

8
Modulkatalog Module Descriptions

Research Seminar for the Focus 453010 2S 5 All lecturers English/

“Programming Methods and Soft- German
ware Systems“

9
Modulkatalog Module Descriptions

Module Group “Information and Communication Systems“ (InfKomm)

Module Exam. Contact ECTS Professor English/

Number Hours German
Foundations of Energy Systems 455361 2V+2Ü 6 de Meer English
Computer Performance Evaluati- 462401 2V+2Ü 6 de Meer English/
on German
Safety and Security of Critical In- 451006 2V+2Ü 6 de Meer English/
frastructures German
Methodological Foundations of 405236 2V+2Ü 6 de Meer English
Distributed Systems
Energy Informatics II 455416 2V+2Ü 6 de Meer English
Multimedia Databases 405031 3V+2Ü 7 Kosch English
Data Modelling and Data Proces- 455386 2V+1Ü 5 Kosch English
sing in the Internet of Things
Implementation of Database Sys- 405069 3V+2Ü 7 Kosch English/
tems German
Privacy-Preservation Technologies 472215 2V+1Ü 5 Kosch English
in Information Systems
Mixed Reality 405216 2V+1Ü 5 Grubert English/
German
Spatial Augmented Reality 405215 3P 5 Grubert English/
German
Programming Applications for 405026 3V+2Ü 7 Kranz English/
Mobile Interaction German
Network Science 482601 2V+1Ü 5 Granitzer English
Data Science Lab 482604 4Ü 6 Granitzer English
Advanced Topics in Data Science 482603 2V+1Ü 5 Granitzer English
Visual Analytics 452003 2V+1Ü 5 Granitzer English
Scaling Database Systems 451016 2V+2Ü 6 Scherzinger English
Reproducibility Engineering 455420 2V+2Ü 6 Scherzinger English
SQL for Data Science 472790 2V+2Ü 6 Scherzinger English
Text Mining 405024 3V+2Ü 7 Granitzer English/
German
Text Mining Project 405025 3V+3Ü 8 Granitzer English/
German
Preference-based Information Re- 455365 2V+2Ü 6 Endres English/
trieval German
Big Data Management 455374 2V+2Ü 6 Endres English/
German

10
Modulkatalog Module Descriptions

Ideation & Prototyping for Indus- 479551 3Ü 5 Kranz English/

trial Innovation German
Science and Technology Project in 455342 8P 8 Kranz English
Physical Making, Prototyping and
Testing
Multimedia Retrieval 455383 2V+2Ü 6 Scherzinger English
Digital Healthcare 455409 2V+2Ü 6 Kranz English/
German
Computational Social Science Lab 455391 4Ü 6 Lemmerich English
Introduction to Deep Learning 471616 2V+2Ü 6 Lemmerich English
Applied Artificial Intelligence Lab 471615 4Ü 6 Lemmerich English
Computational Linguistics 455396 2V+2Ü 6 Hautli-Janisz English
Principles of AI Engineering 455410 2V+2Ü 6 Herbold English
Deep Learning for Natural Lan- 472700 2V+2Ü 6 Herbold English
guage and Code
Cooperative Autonomous Vehicles 455393 2V+2Ü 6 Vinel English
Energy Informatics I 455415 2V+2Ü 6 de Meer English
Data on the Web 455417 2V+2Ü 6 Scherzinger English
Principles of Data Organisation 472740 2V+2Ü 6 Scherzinger English
Semantic Data Integration 473270 2V+2Ü 6 Algergawy English
Management of Scientific Data 472780 2V+2Ü 6 Algergawy English
Modern Database Systems 472770 2V+2Ü 6 Scherzinger English
Industrial Prototyping for Makers 455540 4P 6 Fraser, Kosch English
Research Seminar for the Focus 452010 2S 5 All lecturers English/
“Information and Communication German
Systems“

Module Group “Intelligent Technical Systems“ (ITS)

Module Exam. Contact ECTS Professor English/
Number Hours German
Ideals in Numerical Applications 455363 4V+2Ü 9 Sauer English/
German
Mathematical Foundations of Ma- 455394 4V+2Ü 9 Sauer English/
chine Learning German
Continued Fractions 455354 2V+2Ü 6 Sauer English
Geometric Modeling Project 455355 4V+2Ü 9 Sauer English/
German
Constructive Approximation 405244 4V+2Ü 9 Sauer English/
German

11
Modulkatalog Module Descriptions

Fourier and Laplace Transforms 451405 4V+2Ü 9 Forster-Heinlein English/

German
Context Recognition Architectu- 405237 2V+1Ü 5 Kranz English
res
Scientific Methods and Technical 479810 2V+1Ü 5 Kranz English/
Writing German
Mobile Human-Computer Interac- 479510 3V+2Ü 8 Kranz English/
tion German
Machine Learning Lab 455382 4Ü 6 Granitzer English
Randomised Algorithms 455388 3V+2Ü 7 Sudholt English
Design and Implementation of 455370 4V 6 Krestel English/
Search Engines German
Deep Learning 455380 2V+2Ü 6 Krestel English
Partial Differential Equations 405167 3V+2Ü 7 Wirth English
Mathematical Systems Theory 482401 4V+2Ü 9 Wirth English/
German
Advanced Imaging 454020 2V+2Ü 6 Sauer English
Embedded Systems Programming 479610 4P 7 Kranz English/
German
ITS Practical 405235 6S 9 Forster-Heinlein, English
Sauer, Wirth
Perkolation auf Graphen 451018 2V+1Ü 5 Müller-Gronbach English/
German
Introduction to Deep Learning 471616 2V+2Ü 6 Lemmerich English
Applied Artificial Intelligence Lab 471615 4Ü 6 Lemmerich English
Responsible Machine Learning 471617 2V+2Ü 6 Lemmerich English
Computational Linguistics 455396 2V+2Ü 6 Hautli-Janisz English
Security of Computer and Embed- 455385 2V+1Ü 5 Kavun English
ded Systems
Digital Design with Verilog-HDL 455408 3Ü 5 Kavun English
on FPGA
Complex Dynamic Networks 471515 2V+1Ü 5 Schönlein English
Cooperative Autonomous Vehicles 455393 2V+2Ü 6 Vinel English
Data Visualization 471760 2V+2Ü 6 Heinzl English
Immersive Analytics 455560 2V+2Ü 6 Heinzl English
Project in Visual Computing 455419 2Ü+2P 6 Heinzl English
Integral Transforms and Compu- 482301 4V+2Ü 9 Sauer English
ted Tomography
Machine Learning Control and 455398 4V+2Ü 9 Wirth English
Optimization

12
Modulkatalog Module Descriptions

Approximate Dynamic Program- 266194 2V+2Ü 5 Otto English

ming (Reinforcement Learning)
Practical Course: Advanced To- 266502 2Ü 3 Otto English
pics in Management Science
Sustainable Supply Chain Mana- xxxxxx 2V 5 Otto English
gement
Research Seminar for the Focus 454010 2S 5 All lecturers English/
“Intelligent Technical Systems“ German

13
Modulkatalog Module Descriptions

Module Group “IT-Security and Reliability“ (IT-SecRel)

Module Exam. Contact ECTS Professor English/
Number Hours German
System Security 405143 2V+1Ü 5 Posegga English/
German
Safety and Security of Critical In- 451006 2V+2Ü 6 de Meer English/
frastructures German
Secure Computation 455372 2V+2Ü 6 Katzenbeisser English
Advanced Security Engineering 455345 6SWS 12 Katzenbeisser English/
Lab German
Hardware-Oriented Security 455381 2V+2Ü 6 Katzenbeisser English
Eisenbahnsicherungstechnik 451008 2V 3 Katzenbeisser English/
German
Cryptography 401816 4V+2Ü 9 Kreuzer, Zum- English/
brägel German
Advanced IT Security 405390 3V+1Ü 6 Posegga English/
German
Wireless Security 405157 2V+1Ü 5 Posegga English/
German
Security Insider Lab II - System 453402 6Ü 12 Posegga English/
and Application Security German
Security Insider Lab I - Infrastruc- 455002 6Ü 12 Posegga English/
ture Security German
Cloud Security 455359 2V+2Ü 6 Reiser English/
German
Cryptanalysis 482102 4V+2Ü 9 Zumbrägel English
Secure Information Flow 455384 2V+2Ü 6 Hammer English
Dependable Distributed Systems 455403 2V+2Ü 6 Reiser English/
German
Privacy Enhancing Techniques 405223 2V 3 Posegga English
Resilient Internet-of-Things Infra- 455389 2V+2Ü 6 Reiser English/
structures German
Hypervisor Design and Implemen- 451015 2V+2Ü 6 Reiser English/
tation German
Security of AI Systems 451011 2V 3 Posegga English
Formal Methods in Security: Mo- 451014 2V+1Ü 4 Posegga English
delling and Analysis of Security-
critical Systems
Security of Computer and Embed- 455385 2V+1Ü 5 Kavun English
ded Systems
Security Processor Design 455392 2V+1Ü 5 Kavun English

14
Modulkatalog Module Descriptions

Digital Design with Verilog-HDL 455408 3Ü 5 Kavun English

on FPGA
Implementation of Cryptograhic 422170 2V+1Ü 5 Kavun English
Schemes
IoT Security: Security Solutions 455520 2V 3 Katzenbeisser English
for the Internet of Things
Research Seminar for the Focus 455010 2S 5 All lecturers English/
“IT-Security and Reliability“ German

Module Group “General Area“ (AllgBer)

Module Exam. Contact ECTS Professor English/
Number Hours German
Modeling and Control of Complex 405129 3V+2Ü 7 de Meer English/
Systems German
Functional Safety 455404 2V+2Ü 6 de Meer English/
German
Ordinary Differential Equations 401817 4V+2Ü 9 Forster-Heinlein, German
Wirth
Functional Analysis 451404 4V+2Ü 9 Prochno English/
German
Statistical Data Analysis 405187 4V+2Ü 9 Müller-Gronbach English/
German
IT Security Law 222431 2V 5 Schröder, von German
Lewinski
Wavelet-Based Methods in Image 405222 2V+2Ü 6 Forster-Heinlein German
Processing
Camera Calibration and 3-D Re- 455395 2V 3 Hanning German
construction
Introduction to Microelectronics: 455530 2V 3 Katzenbeisser English
From Silicon to Computer Com-
ponents
Internship 407680 4 All lecturers English/
German

15
Modulkatalog Module Descriptions

Module Group “Compulsory Modules“

Module Exam. Contact ECTS Professor English/
Number Hours German
Seminar 450001 2S 5 All lecturers English/
German
Presentation of the Master’s The- 458999 3 All lecturers English/
sis German
Master’s Thesis in Computer 459900 27 All lecturers English/
Science German

16
Modulkatalog Module Descriptions

Hinweise:
Für das Bestehen der Masterprüfung gemäß § 9 Abs. 2 AStuPO sind nach § 6 Satz 1 FStuPO
folgende Pflicht- und Wahlpflichtmodule zu absolvieren und insgesamt mindestens 120 ECTS-
Leistungspunkte zu erwerben:

i. Die Module des Pflichtbereichs gemäß obiger Liste,

ii. in einer Schwerpunktmodulgruppe aus den Modulgruppen Algorithmik und Mathematische
Modellierung, Programmierung und Softwaresysteme, Informations- und Kommunikati-
onssysteme, Intelligente Technische Systeme, IT-Security and Reliability mindestens 40
ECTS-Leistungspunkte,
iii. aus den anderen Schwerpunktmodulgruppen und der Modulgruppe Allgemeiner Bereich min-
destens 30 ECTS-Leistungspunkte.

Note:
For passing the Master’s examination (see AStuPO § 9 paragraph 2 and FStuPO § 6 sentence 1) the
following compulsory and compulsory elective modules must be passed and in total at least 120
credit points must be achieved:

i. The compulsory modules (see list above),

ii. one focus module group from the module groups Algorithmics and Mathematical Mode-
ling, Programming and Software System, Informations- and Communication Systems,
Intelligent Technical Systems, IT-Security and Reliability at least 40 credit points,
iii. at least 30 ECTS credit points from the other focus module groups and the module group
General Area.

Für Übersichtslisten zur Anrechenbarkeit und Modulgruppenzuordnung siehe

http://www.fim.uni-passau.de/studium/anrechenbarkeit/
For reference tables see
http://www.fim.uni-passau.de/en/study/acceptability-for-credit-transfers/

17
Modulkatalog Module Descriptions

Baukasten für M.Sc. Informatik / Building Blocks for M.Sc. Computer Science

Compulsory Elective Modules Compulsory Modules

Module Group 1: Module Group 4: Seminar

Algorithmics and Mathematical Modeling Intelligent Technical Systems 5 ECTS

Module Group 2: Module Group 5: Master‘s Thesis

Programming and Software Systems IT Security and Reliability 27 ECTS

Module Group 3:
Module Group Master‘s Thesis: Presentation
Informations- and Communication
General Area 3 ECTS
Systems

Main Focus Area from the Module Groups

Modules outside the Main Focus Area
1,2,3,4,5 In total 35 ECTS
at least 30 ECTS
at least 40 ECTS

In total at least 120 ECTS

Note AStuPO § 9 paragraph 3 sentence 1) and 2)

1 By the end of the first semester, proof of successful completion of module examinations totaling at least 20 ECTS credits must be submitted.
2 If this requirement is not met, a total of at least 30 ECTS credits must be demonstrated by the end of the second semester at the latest.
Modulkatalog Module Descriptions

Aus dem modularen Baukastensystem ergeben sich verschiedene Möglichkeiten für einen Studien-
verlauf, je nach Interessen und Präferenz der Studierenden. Unten angeführt sind zwei Beispielstudi-
enverläufe, der erste mit (leichterem) Schwerpunkt auf Informations- und Kommunikationssysteme,
während der zweite einen starken Schwerpunkt auf IT-Sicherheit und einen „Nebenschwerpunkt“ auf
Informations- und Kommunikationssysteme legt.

Die beispielhaften Studienverlaufspläne berücksichtigen weitgehend die empfohlenen Voraussetzun-

gen gemäß der Modulbeschreibungen und illustrieren daher auch, wie die Module aufeinander auf-
gebaut sind.

The modular concept allows for various study plan designs, depending on students’ interests and
preferences. In the tables below, there are two sample study plans: one with a (weaker) focus on
Information and Communication Systems; the other one with a strong focus on IT Security and
Reliability and a „secondary“ focus on Information and Communication Systems.

The sample study plans largely reflect skills recommended in the module descriptions and illus-
trate how some modules are sequenced upon one another.

19
Modulkatalog Module Descriptions

Beispielverlaufsplan mit Schwerpunkt Informations- und Kommunikationssysteme (Module

kursiv dargestellt) mit 42 ECTS-LP
Sample study plan with a focus on Information and Communication Systems (modules
italicised ) with 42 ECTS points

1. Fachsemester
Foundations of Energy Systems 2V+2Ü 6
Scaling Database Systems 2V+2Ü 6
Advanced Topics in Data Science 2V+1Ü 5
Efficient Algorithms 3V+2Ü 7
Advanced IT-Security 3V+1Ü 6
Summe ECTS-LP 1. Fachsemester: 30
2. Fachsemester
Energy Informatics II 2V+2Ü 6
Multimedia Databases 3V+2Ü 7
Hardware-Oriented Security 2V+2Ü 6
System Security 2V+1Ü 5
Computational Linguistics 2V+2Ü 6
Summe ECTS-LP 2. Fachsemester: 30
3. Fachsemester
Computer Performance Evaluation 2V+2Ü 6
Data Science Lab 4Ü 6
Computer Algebra 4V+2Ü 9
Masterseminar 2S 5
Praktikum 4
Summe ECTS-LP 3. Fachsemester: 30
4. Fachsemester
Masterarbeit 27
Präsentation 3
Summe ECTS-LP 4. Fachsemester: 30
Gesamt ECTS-LP 120

20
Modulkatalog Module Descriptions

Beispielverlaufsplan mit Schwerpunkt IT-Security and Reliability (Module kursiv dargestellt)

mit 52 ECTS-LP
Sample study plan with a focus on IT Security and Reliability (modules italicised ) with 52
ECTS points

1. Fachsemester
Advanced IT Security 3V+1Ü 6
Safety and Security of Critical Infrastructures 2V+2Ü 6
Scaling Database Systems 2V+2Ü 6
Foundations of Energy Systems 2V+2Ü 6
Data on the Web 2V+2Ü 6
Summe ECTS-LP 1. Fachsemester: 30
2. Fachsemester
Cryptography 4V+2Ü 9
Secure Information Flow 2V+2Ü 6
System Security 2V+1Ü 5
Advanced Topics in Data Science 2V+1Ü 5
Computational Linguistics 2V+2Ü 6
Summe ECTS-LP 2. Fachsemester: 31
3. Fachsemester
Wireless Security 2V+1Ü 5
Privacy Enhancing Techniques 2V 3
Security Insider Lab I – Infrastructure Security 6Ü 12
Data Science Lab 4Ü 6
Masterseminar 2S 5
Summe ECTS-LP 3. Fachsemester: 31
4. Fachsemester
Masterarbeit 27
Präsentation 3
Summe ECTS-LP 4. Fachsemester: 30
Gesamt ECTS-LP 122

21
Modulkatalog Module Descriptions

Inhaltsverzeichnis
Baukasten für M.Sc. Informatik / Building Blocks for M.Sc. Computer Science 18

Beispielverlaufsplan mit Schwerpunkt Informations- und Kommunikationssysteme

Sample study plan with a focus on Information and Communication Systems 20

Beispielverlaufsplan mit Schwerpunkt IT-Security and Reliability

Sample study plan with a focus on IT-Security and Reliability 21

5600 Effiziente Algorithmen PN 455366

Efficient Algorithms 32

5610 Praktische Parallelprogrammierung PN 455371

Practical Parallel Programming 35

5614 Abhängigkeitsanalyse PN 453401

Dependence Analysis 38

5616 Schleifenparallelisierung PN 405285

Loop Parallelisation 41

5622 Software-Sicherheit PN 405143

System Security 44

5670 Logik für Informatiker PN 455357

Computational Logic 47

5710 Algorithmische Graphentheorie und perfekte Graphen PN 455414

Algorithmic Graph Theory and Perfect Graphs 50

5712 Algorithmen zur Visualisierung von Graphen PN 455352

Algorithms for Graph Visualization 53

5713 Parametrisierte Algorithmen PN 455413

Parameterized Algorithms 56

5720 Modellierung und Beherrschung komplexer Systeme PN 405129

Modeling and Control of Complex Systems 58

5721 Foundations of Energy Systems PN 455361 61

5722 Funktionale Sicherheit PN 455404

Functional Safety 64

5723 Computer Performance Evaluation PN 462401 67

5724 Safety and Security of Critical Infrastructures PN 451006 70

22
Modulkatalog Module Descriptions

5725 Methodological Foundations of Distributed Systems PN 405236 73

5727 Energy Informatics II PN 455416 76

5730 Optimierung PN 471765 79

5731 Einführung in die Numerik PN 401814

Introduction to Numerical Analysis 82

5732 Ideals in Numerical Applications PN 455363 85

5734 Mathematical Foundations of Machine Learning PN 455394 87

5736 Kettenbrüche PN 455354

Continued Fractions 90

5739 Geometric Modeling Project PN 455355 92

5750 Gewöhnliche Differentialgleichungen PN 401817

Ordinary Differential Equations 94

5753 Distributionentheorie PN 455360

Generalized Function Theory 96

5754 Constructive Approximation PN 405244 99

5756 Funktionalanalysis PN 451404

Functional Analysis 101

5757 Fourier- und Laplace-Transformation PN 451405

Fourier and Laplace Transforms 104

5762 Sicheres Rechnen PN 455372

Secure Computation 107

5764 Advanced Security Engineering Lab PN 455345 110

5767 Hardware-basierte Sicherheit PN 455381

Hardware-Oriented Security 114

5768 Eisenbahnsicherungstechnik PN 451008 117

5771 Multimedia-Datenbanken PN 405031

Multimedia Databases 119

5772 Data Modelling and Data Processing in the Internet of Things PN 455386 123

5773 Implementierung von Datenbanksystemen PN 405069

Implementation of Database Systems 127

23
Modulkatalog Module Descriptions

5777 Technologien zur Wahrung der Privatsphäre in Informationssystemen PN

472215
Privacy-Preservation Technologies in Information Systems 131

5780 Computeralgebra PN 455358

Computer Algebra 135

5781 Algorithmische Algebraische Geometrie PN 405154

Computational Algebraic Geometry 138

5782 Kryptographie PN 401816

Cryptography 141

5784 Codierungstheorie PN 463030

Coding Theory 144

5790 Struktur und Implementierung von Programmiersprachen PN 405010 147

5791 Funktionale Programmierung PN 405053

Functional Programming 149

5795 Virtuelle Maschinen und Laufzeitsysteme PN 405197

Virtual Machines and Runtime Systems 152

5796 Domänenspezifische Sprachen PN 405204

Domain-Specific Languages 154

5800 Mixed Reality PN 405216 157

5802 Spatial Augmented Reality PN 405215 161

5803 Context Recognition Architectures PN 405237 165

5804 Scientific Methods and Technical Writing PN 479810 171

5807 Programming Applications for Mobile Interaction PN 405026 174

5809 Mobile Human-Computer Interaction PN 479510 179

5810 Statistische Datenanalyse PN 405187

Statistical Data Analysis 181

5812 Stochastische Simulation PN 451017

Stochastic Simulation 183

5814 Wahrscheinlichkeitstheorie PN 455341

Probability Theory 186

5815 Computational Stochastic Processes PN 451402 188

5818 Stochastische Analysis PN 405214

Stochastic Analysis 191

24
Modulkatalog Module Descriptions

5820 IT-Sicherheit PN 405390

Advanced IT Security 193

5821 Wireless Security PN 405157 197

5822 Security Insider Lab II - System and Application Security PN 453402 201

5823 Security Insider Lab I - Infrastructure Security PN 455002 206

5824 Cloud Security PN 455359 211

5831 Kryptoanalyse PN 482102

Cryptanalysis 214

5832 Algebra und Zahlentheorie I PN 405149

Algebra and Number Theory I 216

5835 Ringe und Moduln PN 455364

Rings and Modules 218

5836 Elliptic Curves PN 422120 220

5838 Information Theory PN 455440 222

5842 Programming Styles PN 455377 224

5843 Software-Analyse PN 455368

Software Analysis 227

5844 Advanced Software Product Development PN xxxxxx 230

5845 Search-Based Software Engineering PN 455378 234

5850 Mobile Security PN 455411 237

5851 Software Process Engineering PN 455369 240

5851 Program Repair PN 455407 243

5852 Reverse and Reengineering PN 455418 246

5853 Empirische Methoden des Software Engineering PN 455375

Empirical Methods for Software Engineering 248

5853 Programming Paradigms PN 455435 251

5854 Secure Information Flow PN 455384 254

5855 Object-Oriented Programming with C++ PN 453002 256

5856 Compiler Construction PN 455402 258

5858 Engineering Dependable Software PN 455424 260

25
Modulkatalog Module Descriptions

5859 Software Engineering Research Reproduction PN 455425 262

5871 Commutative Algebra PN 455387 265

5873 Operatortheorie PN 401403

Operator Theory 268

5874 IT-Sicherheitsrecht PN 222431

IT Security Law 270

5880 Dependable Distributed Systems PN 455403 273

5881 Privacy Enhancing Techniques PN 405223 276

5882 Resilient Internet-of-Things Infrastructures PN 455389 280

5885 Hypervisor Design and Implementation PN 451015 283

5891 Software-Projektmanagement PN 405016 286

5908 Wavelet-basierte Methoden in der Bildverarbeitung PN 405222

Wavelet-Based Methods in Image Processing 289

5942 Network Science PN 482601 291

5943 Data Science Lab PN 482604 294

5944 Machine Learning Lab PN 455382 296

5945 Advanced Topics in Data Science PN 482603 298

5946 Visual Analytics PN 452003 300

5951 Theory of Evolutionary Computation PN 455399 303

5952 Randomisierte Algorithmen PN 455388

Randomised Algorithms 306

5954 Design and Implementation of Search Engines PN 455370 309

5956 Deep Learning PN 455380 312

5960 Partielle Differentialgleichungen PN 405167

Partial Differential Equations 314

5962 Symbolische Dynamik und Kodierung PN 405212

Symbolic Dynamics and Coding 317

5963 Numerik von Differentialgleichungen PN 451012

Numerics of Differential Equations 319

5964 Dynamische Systeme PN 405027

Dynamical Systems 322

26
Modulkatalog Module Descriptions

5967 Mathematische Systemtheorie PN 482401

Mathematical Systems Theory 324

5970 Scaling Database Systems PN 451016 327

5972 Reproducibility Engineering PN 455420 330

5973 SQL for Data Science PN 472790 333

5980 Text Mining PN 405024 335

5981 Text Mining Project PN 405025 337

5982 Preference-based Information Retrieval PN 455365 340

5983 Big Data Management PN 455374 343

5992 Stochastische partielle Differentialgleichungen PN 405245

Stochastic Partial Differentioal Equations 345

5994 Numerik der Polynom- und rationalen Approximation PN 485383 348

5995 Advanced Imaging PN 454020 350

5996 Markovketten PN 455346 352

6001 Ideation & Prototyping for Industrial Innovation PN 479551 354

6003 Science and Technology Project in Physical Making, Prototyping and Testing
PN 455342 357

6004 Embedded Systems Programming PN 479610 363

6020 Mathematische Logik PN 455362

Mathematical Logic 367

6021 Mathematische Statistik PN 451013 370

6023 Model Theory PN 482201 372

6029 Numerik stochastischer Differentialgleichungen PN 451004

Numerical Methods for Stochastic Differential Equations 374

6034 Graphen- und Netzwerkalgorithmen Praktikum PN 451005

Graph and Network Algorithms Lab 377

6037 Sicherheit von KI-Systemen PN 451011

Security of AI Systems 380

6039 Formal Methods in Security: Modelling and Analysis of Security-critical Systems

PN 451014 384

27
Modulkatalog Module Descriptions

6040 Integraltransformationen PN 451007

Integral Transforms 389

6044 Multimedia Retrieval PN 455383 392

6047 Digital Healthcare PN 455409 395

6053 ITS-Praktikum PN 405235

ITS Practical 398

6056 Perkolation auf Graphen PN 451018 402

6060 Computational Social Science Lab PN 455391 404

6061 Introduction to Deep Learning PN 471616 407

6063 Applied Artificial Intelligence Lab PN 471615 410

6064 Responsible Machine Learning PN 471617 413

6070 Markov Chain Monte Carlo PN 455450 416

6072 Foundations of Statistical Data Science PN 482522 418

6073 Stochastische Prozesse PN 405193

Stochastic Processes 421

6080 Computational Linguistics PN 455396 423

6090 Sicherheit von Rechnern und eingebetteten Systemen PN 455385

Security of Computer and Embedded Systems 426

6091 Sicherheitsprozessor Design PN 455392

Security Processor Design 430

6092 Digitales Design mit Verilog-HDL auf FPGA PN 455408

Digital Design with Verilog-HDL on FPGA 433

6093 Implementierung von kryptographischen Verfahren PN 422170

Implementation of Cryptographic Schemes 438

6100 Computational Game Theory PN 472690 442

6101 Komplexe Dynamische Netzwerke PN 471515

Complex Dynamic Networks 444

6103 Distributed Algorithms PN 422150 447

6105 Dynamic Network Flows PN 422160 450

6106 Computational Geometry PN 405125 452

28
Modulkatalog Module Descriptions

6111 Klassische Grenzwertsätze & große Abweichungen PN 451019

Classical Limit Theorems & Large Deviations 455

6112 Introduction to Information-based Complexity and Compressed Sensing PN

485384 458

6113 Einführung in die Approximationstheorie PN 455460

Introduction to Approximation Theory 461

6117 Convex Geometry and Applications to Linear Programming PN 472730 464

6120 Principles of AI Engineering PN 455410 467

6121 Requirements Engineering PN 455412 470

6122 Mining Software Repositories Lab PN 455423 474

6123 Deep Learning for Natural Language and Code PN 472700 477

6124 Mining Software Repositories PN 455433 480

6125 AI Engineering Lab PN 455437 483

6132 Random Graphs PN 422140 486

6140 Exemplary and Effective Programming PN 413152 488

6141 Komplexitätstheorie PN 482211

Computational Complexity Theory 491

6142 Fortgeschrittene Komplexitätstheorie PN 472710

Advanced Computational Complexity Theory 493

6143 Constraint Satisfaction Problems PN 472720 495

6145 Fortgeschrittene Modelltheorie PN 455470

Advanced Model Theory 497

6160 Cooperative Autonomous Vehicles PN 455393 499

6171 Data Visualisierung PN 471760

Data Visualization 501

6172 Immersive Analytics PN 455560 506

6179 Project in Visual Computing PN 455419 510

6195 Integraltransformationen und Computertomographie PN 482301

Integral Transforms and Computed Tomography 512

6200 Kamerakalibrierung und 3D-Rekonstruktion PN 455395

Camera Calibration and 3-D Reconstruction 514

29
Modulkatalog Module Descriptions

6205 Energy Informatics I PN 455415 516

6206 Data on the Web PN 455417 519

6208 Machine Learning Control and Optimization PN 455398 522

6209 Principles of Data Organisation PN 472740 525

6210 Semantic Data Integration PN 473270 527

6211 Management of Scientific Data PN 472780 530

6212 Modern Database Systems PN 472770 533

6215 Online and Approximation Algorithms PN 455480 536

6217 Stochastische Prozesse auf Graphen und Gruppen PN 455490

Stochastic Processes on Graphs and Groups 538

6218 Maß- und Integrationstheorie PN 455510 540

6219 IoT Security: Security Solutions for the Internet of Things PN 455520 542

6220 Introduction to Microelectronics: From Silicion to Computer Components PN

455530 545

6221 Industrial Prototyping for Makers PN 455540 548

6232 Prototyping & Programming PN xxxxxx 550

6237 Compiler Construction Lab PN 455422 553

39734 Approximate Dynamic Programming (Reinforcement Learning) PN 266194 557

39745 Practical Course: Advanced Topics in Management Science PN 266502 559

39746 Sustainable Supply Chain Management PN xxxxxx 561

Seminar PN 450001 563

Forschungsseminar im Schwerpunkt „AlgMath“ PN 451010

Research Seminar for the Focus “AlgMath“ 565

Forschungsseminar im Schwerpunkt „InfKomm“ PN 452010

Research Seminar for the Focus “InfKomm“ 567

Forschungsseminar im Schwerpunkt „IT-SecRel“ PN 455010

Research Seminar for the Focus “IT-SecRel“ 569

Forschungsseminar im Schwerpunkt „ITS“ PN 454010

Research Seminar for the Focus “ITS“ 571

30
Modulkatalog Module Descriptions

Forschungsseminar im Schwerpunkt „ProgSoft“ PN 453010

Research Seminar for the Focus “ProgSoft“ 573

Praktikum PN 407680
Internship 575

Präsentation der Masterarbeit Informatik PN 458999

Presentation of the Master’s Thesis 579

Masterarbeit Informatik PN 459900

Master’s Thesis in Computer Science 581

31
Modulkatalog Module Descriptions

5600 Effiziente Algorithmen PN 455366

Efficient Algorithms

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rutter, Sudholt

Module convenor

Dozent(in) Rutter, Sudholt

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 105 Std. Nachberei-

Workload tung der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 105 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen, Theoretische Informatik I

Recommended skills Algorithms and Data Structures, Theoretical Computer
Science I

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben systematisches Verständnis algo-
rithmischer Entwurfs- und Analysetechniken. Sie kennen wei-
terführende Algorithmen und Datenstrukturen und deren Ei-

32
Modulkatalog Module Descriptions

genschaften.
—
The students acquire a systematic understanding of algorith-
mic design and analysis principles. They know advanced algo-
rithms and data structures and their properties.
Fähigkeiten / Abilities
Die Studierenden besitzen die Fähigkeit, algorithmische Pro-
bleme in verschiedenen Anwendungsgebieten zu identifizieren
und zu formalisieren. Die Studierenden können unbekannte Al-
gorithmen eigenständig verstehen, sie anwenden, ihre Laufzeit
bestimmen, sie beurteilen und auf verwandte Problemstellun-
gen übertragen.
—
The students have the ability to identify algorithmic problems
in different application areas and to formalize them. They can
understand and apply new algorithms on their own. Moreover,
they can analyze their running time, evaluate them and adapt
them to related problems.

Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz für gegebene Pro-
blemstellungen geeignete Entwurfs- und Analysetechniken
auszuwählen und sie zu nutzen um eigene Algorithmen zu ent-
werfen, diese zu analysieren und ihre Eigenschaften nachzu-
weisen.
—
The students have the competence to select appropriate de-
sign and analysis techniques for given problems. They can
further apply them to develop and analyze new algorithms.

Inhalt Dieses Modul vertieft die Grundlagen der Algorithmik. Es wer-

Course content den fortgeschrittenen Analyse- und Entwurfstechniken für Al-
gorithmen und Datenstrukturen vorgestellt, (z.B. amortisierte
Analyse, dynamische Programmierung, Greedy, Divide & Con-
quer, Modellierung mit LPs) und deren Anwendung an konkre-
ten Problemstellungen illustriert (z.B. Union-Find, Flussme-
thoden, Schnitte in Graphen, Spannbäume, Matchings). Dar-
über hinaus werden Techniken zum Umgang mit NP-schweren
Problemen vermittelt.
—
This module deepens the fundamentals of Algorithms. Advan-
ced design and analysis techniques for algorithms are presen-
ted (e.g., amortized analysis, dynamics programming, greedy,
divide & conquer, Modeling with LPs) and their application
is demonstrated for concrete examples (e.g., union-find, cuts

33
Modulkatalog Module Descriptions

and flows in graphs, spanning trees, matchings). Additionally,

techniques for handling NP-hard problems are presented.

Studien-/Prüfungsleistungen Zwei Teilleistungen:

Assessment Teilleistung 1 (80%):
Mündliche Prüfung (ca. 25 Minuten) oder Klausur (ca. 90 Mi-
nuten); die genaue Prüfungsart wird zu Beginn des Semesters
durch Aushang und auf den Internetseiten der Fakultät be-
kannt gegeben.
Teilleistung 2 (20%):
Ausarbeitung (bis zu 10 Seiten) über ein Thema der Algorith-
mik
Zum Bestehen des Moduls müssen beide Teilleistungen be-
standen werden.
—
Examination in two parts:
Part 1 (80%):
Oral exam (about 25 minuts) or written exam (90 minutes);
the precise mode of assessment will be announced at the start
of the semester.
Part 2 (20%):
Written work (up to 10 pages) on an Algorithms subject.
To pass the examination, both parts have to be passed.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Cormen, Leiserson, Rivest, Stein: Introduction to Algorithms

Reading list Korte, Vygen: Combinatorial Optimization: Theory and Algo-
rithms

34
Modulkatalog Module Descriptions

5610 Praktische Parallelprogrammierung PN 455371

Practical Parallel Programming

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser
Module convenor

Dozent(in) Größlinger
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 85 Std. Übungsaufgaben / Programmier-

Workload projekte + 60 Std. Nachbereitung und Eigenstudium
75 contact hours + 85 hours exercises / programming projects
+ 60 hours independent study

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen mehrere parallele Architekturen und
eine Reihe von verschiedenen Ansätzen zur Parallelprogram-
mierung kennen. Sie werden in die Lage versetzt, für eine
vorliegende Problemstellung und parallele Plattform den ge-

35
Modulkatalog Module Descriptions

eigneten Programmieransatz auszuwählen und anzuwenden.

Die Studierenden erarbeiten sich das Verständnis eines For-
schungspapiers zur Parallelisierung in unterstützem Selbststu-
dium.
—
Students will learn several parallel architectures and a number
of different approaches to parallel programming. They will be
able to choose and apply the appropriate programming ap-
proach for the problem and parallel platform. Students aquire
comprehension of a research paper on parallelization in assis-
ted self-study.
Fähigkeiten / Abilities
Die Studieren den beherrschen die Konzepte der Parallelisie-
rung konkreter Anwenderprobleme und können diese für eine
ausgewählte Programmiersprache umsetzen.
—
Students master the concepts of parallelization of specific user
problems and implement them for a selected programming lan-
guage.
Kompetenzen / Competencies
Absolventen der Veranstaltung sind sich der Vielfalt paralle-
ler Architekturen und Programmierungsansätze sowie den hö-
heren Korrektsheits- und Performanzanforderungen paralleler
Programme im Vergleich zu sequenziellen Programmen be-
wusst. Sie sind mit den Grundlagen der Performanzanalyse
von parallelem Programmcode vertraut und haben Einblick in
eine aktuelle Methode modellgetriebener Parallelisierung.
—
Graduates are aware of the diversity of parallel architectures
and programming approaches as well as increased demands on
the correctness and performance of parallel programs, compa-
red with sequential programs. They are familiar with the basics
of performance analysis of parallel program code and see into
a current method of model-driven parallelization.

Inhalt Es werden etwa ein halbes Dutzend verschiedene Paradigmen

Course content zur Parallelprogrammierung vorgestellt. Beispiele sind MPI,
OpenMP, BSP, High-Performance Fortran und Java. Mindes-
tens drei werden in Programmierprojekten vertieft. Es wer-
den grundlegende Größen und Gesetze paralleler Berechnun-
gen vorgestellt und theoretische Grundkenntnisse in der Spe-
zifikation und Analyse von parallelen Abläufen vermittelt. Die
Vor- und Nachteile verschiedener Vernetzungsmuster werden
angesprochen.
—
It will present about a half dozen different paradigms for paral-

36
Modulkatalog Module Descriptions

lel programming. Examples include MPI, OpenMP, BSP, High-

Performance Fortran and Java. At least three are engrossed
in programming projects. It introduces basic sizes and laws of
parallel computations and provides theoretical basic knowled-
ge in the specification and analysis of parallel processes. The
advantages and disadvantages of various networking patterns
are addressed.

Studien-/Prüfungsleistungen Implementierungen (Quellcode) zu mehreren Programmier-

Assessment projekten mit je etwa 2 bis 3 Wochen Bearbeitungszeit.
Implementations (source code) for several programming pro-
jects, each with about 2 to 3 weeks processing time.

Medienformen Beamer, Tafel, Overheadprojektor

Media used Projector, blackboard, overhead projector

Literatur Foliensätze, Buchauszüge, Forschungspapiere

Reading list Ian Foster http://www-fp.mcs.anl.gov/~foster/: Desi-
gning and Building Parallel Programs. Addison-Wesley, 1994.
Michael J. Quinn http://www.cs.orst.edu/~quinn/: Par-
allel Programming in C with MPI and OpenMP. McGraw-Hill,
2004.

37
Modulkatalog Module Descriptions

5614 Abhängigkeitsanalyse PN 453401

Dependence Analysis

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Griebl, Fraser

Module convenor

Dozent(in) Griebl, Fraser

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I

Recommended skills Linear Algebra I

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden wissen, wie in imperativen Programmen, ins-
besondere in Schleifenprogrammen mit Arrays als zentraler
Datenstruktur, Abhängigkeiten entstehen, mit welchen Tech-
niken man diese automatisch exakt finden oder approximie-

38
Modulkatalog Module Descriptions

ren kann und welche Abhängigkeitsarten wie eliminiert werden

können.
—
The students will learn know how dependencies arise In impe-
rative programs, especially in loop programs with arrays as a
central data structure and what techniques can automatically
find exactly or approximate this and which dependency types
can be eliminated.
Fähigkeiten / Abilities
Die Studierenden haben eine Vorstellung, wie neue, individu-
ell benötigte Programmanalyseverfahren entwickelt und imple-
mentiert werden können und sind in der Lage, entsprechende
mathematische W erkzeuge sinnvoll einsetzen.
—
Students will have an idea of how new, individually required
program analysis techniques can be developed and implemen-
ted and are able to use appropriate mathematical useful tools.
Kompetenzen / Competencies
Die Studierenden kennen die Vorzüge der Einführung ei-
nes mathematischen Modells in ein (zunächst) nicht-
mathematisches Problem.
—
The students will know the benefits of the introduction of a
mathematical model in an (initially) non-mathematical pro-
blem

Inhalt Diese Vorlesung beschäftigt sich damit, in einem imperati-

Course content ven Programm festzustellen, welche (Instanzen von) Anwei-
sungen von welchen anderen abhängig sind. Solche Abhängig-
keiten entstehen etwa, weil eine Anweisung ein Array-Element
schreibt, das an anderer Stelle wieder gelesen wird. Diese Ana-
lyse ist die Grundlage für optimierende und für parallelisierende
Compiler, oder auch für Programmverifikation (Slicing) oder
Reverse Engineering. Neben verschiedenen Analyse- und Be-
schreibungstechniken werden in der Vorlesung auch Verfahren
vorgestellt, die bestimmte Abhängigkeiten eliminieren, ohne
die Programmsemantik zu verändern.
—
This lecture deals with establishing in an imperative program,
which (instances of) instructions depend on which other. Such
dependencies arise because an instruction writes an array ele-
ment that is read on another site. This analysis is the basis for
optimizing and parallelizing compiler for, or for program veri-
fication (slicing), or reverse engineering. In addition to various
analysis and description, techniques and methods are presen-
ted in the lectures that eliminate certain dependencies without

39
Modulkatalog Module Descriptions

changing the program semantics.

Studien-/Prüfungsleistungen 90 min. Klausur oder mündliche Prüfung (ca. 20 Minuten)

Assessment 90-minute written examination or oral exam (approx. 20 mi-
nutes)

Medienformen Beamer, Tafel, Overheadprojektor

Media used Projector, blackboard, overhead projector

Literatur Utpal Banerjee: Loop Transformations for Restructuring Com-

Reading list pilers - The Foundations, Kluwer, 1993. ST 265 B215.
Utpal Banerjee: Loop Transformations for Restructuring Com-
pilers - Dependence Analysis, Kluwer, 1993. ST 265 B215D4.
Ausgewählte Forschungsartikel / selected research articles

40
Modulkatalog Module Descriptions

5616 Schleifenparallelisierung PN 405285

Loop Parallelisation

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Griebl, Fraser

Module convenor

Dozent(in) Griebl, Fraser

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungsaufgaben + 75 Std. Nach-

Workload bereitung des Volesungsstoffs und Prüfungsvorbereitung
60 contact hours + 45 hours exercises + 75 hours indepen-
dent study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden wissen, wie imperative Programme, insbe-
sondere Schleifenprogramme mit Arrays als zentrale Daten-
strukturen, automatisch semantikerhaltend transformiert, ins-
besondere parallelisiert werden können. Von der automati-

41
Modulkatalog Module Descriptions

schen Parallelisierung kennen sie die verschiedenen notwen-

digen Phasen und jeweils eine oder mehrere Techniken dafür.
—
The students will know how imperative programs, especially
loop programs with arrays as a central data structure, can
be particularly parallelized by automatically preserving the se-
mantics. For automatic parallelization they will know the va-
rious necessary phases and in each case one or more techniques
for it.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, die geeigneten, erlernten
Techniken für eine konkrete Parallelisierungsaufgabe auszu-
wählen und anzuwenden. Sie sind in der Lage, die Parallelität
für eine ausgewählte Zielfunktion zu optimieren. Sie sind in
der Lage, zu erkennen, ob ein Programm die Voraussetzungen
der Parallelisierungsmethode erfüllt, und es in einfachen Fäl-
len für die Methode anzupassen.
—
Students will be able to select and apply the appropriate tech-
niques learned for a specific parallelization task. They will be
able to improve the parallelism of a selected objective func-
tion. They will be capable of recognizing whether a program
meets the requirements of parallelization, and adapt it in sim-
ple cases for the method.
Kompetenzen / Competencies
Die Studierenden haben ein Gefühl für die Auswirkungen der
Hardware-Architektur auf die Parallelität. Sie kennen die Vor-
züge der Einführung eines mathematischen Modells in ein (zu-
nächst) nicht-mathematisches Problem und sind in der Lage,
entsprechende mathematischeWerkzeuge sinnvoll einzusetzen.
—
The students will have a sense of the impact of the hardware
architecture to the parallelism. You know the benefits of the
introduction of a mathematical model in an (initially) nonma-
thematical problem and are able to use the appropriate useful
mathematical tools.

Inhalt Die Vorlesung SSchleifenparallelisierungßeigt verschiedene

Course content Möglichkeiten der automatischen Parallelisierung von impera-
tiven Programmen mit verschachtelten Schleifen auf. Gesamt-
aufgabe ist, ein sequenziell aufgeschriebenes Quellprogramm
automatisch in ein paralleles Zielprogramm zu transformie-
ren, um dann durch die parallele Abarbeitung des Zielpro-
gramms auf mehreren Prozessoren die Laufzeit zu reduzie-
ren. Eingangs wird kurz die Modellierung von verschachtelten
Schleifen und Abhängigkeiten erklärt. Der Schwerpunkt der

42
Modulkatalog Module Descriptions

Vorlesung liegt dann auf verschiedenen Parallelisierungstech-

niken. Sowohl modellbasierte Parallelisierung (wie das Poly-
edermodell) als auch codebasierte Parallelisierung werden ein-
gehend studiert und miteinander verglichen. Der Stoff führt
dabei zum Teil an die Grenzen der aktuellen Forschung.
—
The lecture "Loop parallelizationßhows different ways of auto-
matic parallelization of imperative programs with nested loops.
Overall task is to transform a sequential been signed source
program automatically into a parallel target program, and then
to reduce the transit time through the parallel execution of the
target program on multiple processors. Input briefly explains
the modeling of nested loops and dependencies. The focus of
the lecture will be located on different parallelization techni-
ques. Both model-based parallelization (such as the polyhedral
model) and code-based parallelization are thoroughly studied
and compared. The fabric leads in part to the limitations of
current research.

Studien-/Prüfungsleistungen 90 min. Klausur oder mündliche Prüfung (ca. 20 Minuten)

Assessment 90-minute written examination or oral exam (approx. 20 mi-
nutes)

Medienformen Beamer, Tafel, Overheadprojektor

Media used Projector, blackboard, overhead projector

Literatur Utpal Banerjee: Loop Transformations for Restructuring Com-

Reading list pilers - The Foundations, Kluwer, 1993. ST 265 B215
Utpal Banerjee: Loop Transformations for Restructuring Com-
pilers - Loop Parallelization, Kluwer, 1994. ST 265 B215 L8
diverse Zeitschriftenartikel / research articles

43
Modulkatalog Module Descriptions

5622 Software-Sicherheit PN 405143

System Security

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Posegga
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 30 Std. Übungsaufgaben + 75 Std. Nach-

Workload bearbeitung des Vorlesungsstoffes, Vorbereitung eines Refe-
rats und Prüfungsvorbereitung
45 contact hours + 30 hrs exercises + 75 hrs follow-up, pre-
paring a presentation and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced IT Security

Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Verständnis über Verwundbarkeiten deren Arten, Entstehung,
Möglichkeiten der Ausnutzung und deren Folgen. Verstehen
der Prinzipien für die Entwicklung sicherer Software. Über-

44
Modulkatalog Module Descriptions

blick über Maßnahmen zur Schadensbegrenzung. Kenntnisse

über Schritte zur forensischen Analyse von Sicherheitsvorfäl-
len. Überblick der Akademische Leitsätze und praxisrelevante‚
„best practice“ Ansätze.
—
Understanding of the types of vulnerabilities, development,
possibilities of use and its consequences. Understand the prin-
ciples for the development of secure software. Overview of
mitigation measures. Knowledge of steps for a forensic analy-
sis of security incidents. Overview of Academic principles and
practice-relevant “best practice“ approaches.
Fähigkeiten / Abilities
Aufspüren von Verwundbarkeiten; Ausbesserung von vorhan-
denen Verwundbarkeiten und forensische Analyse von Sicher-
heitsvorfällen.
—
Detection of vulnerabilities; repair of existing vulnerabilities
and forensic analysis of security incidents.
Kompetenzen / Competencies
Betrachtung von Systemen aus unterschiedlichen Blickwin-
keln. Entwicklung, Analyse und Umsetzung möglicher Per-
spektiven und Reaktionsalternativen. Transformation und Re-
duktion akademischer Leitsätze auf praxisbezogene Anforde-
rungen.
—
Consideration of systems from different angles. Development,
analysis and implementation of possible perspectives and re-
sponse alternatives. Transformation and reduction of acade-
mic principles to practical requirements.

Inhalt Der Inhalt des Moduls umfasst dabei z.B. risk & threat analy-
Course content sis, buffer und heap overflows, scripting languages, filter tech-
niques, SQL injections, race conditions, attack surfaces, patch
management, software testing, low level software security, Ja-
va security, reference monitors, least privilege principle, smart
phone security, stack walks und history based access control.
—
The content of the module includes, i.e., risk & threat analysis,
buffer and heap overflows, scripting languages, filter techni-
ques, SQL injections, race conditions, attack surfaces, patch
management, software testing, low-level software security, Ja-
va security, reference monitors, leases privilege principle, smart
phone security, stack walks and history based access control.

Studien-/Prüfungsleistungen Teilprüfungsleistungen:
Assessment • Referat: ca. 30-min. Referat mit Präsentation über

45
Modulkatalog Module Descriptions

selbsterarbeitetes Thema. Die Studierenden können am

Semesterbeginn aus einer Auswahl von Themen wählen.
• Schriftliche/mündliche Prüfung: 60-min. schriftliche
Prüfung oder ca. 20-min. mündliche Prüfung. Die Prü-
fungsart wird am Semesterbeginn durch den/die Do-
zent(in) festgelegt und bekanntgegeben.
Eine Anmeldung zum Referat impliziert automatisch eine An-
meldung zu einem der angebotenen Termine zur schriftli-
chen/mündlichen Prüfung im Anschluss an den gleichen Vor-
lesungszeitraum.
Zum Bestehen des Moduls müssen beide Teilprüfungsleistun-
gen bestanden werden. Dabei wird die schriftliche/mündliche
Prüfung mit 80% gewichtet, das Referat mit 20%.
—
This module is assessed in partial examinations:
• Oral presentation: approx 20 min. Students in small
groups will present selected topics chosen during the
semester.
• 60-minute written or 20-minute oral examination. The
specific mode of assessment will be announced by the
lecturer at the start of the semester.
Registration for the presentation automatically implies a re-
gistration for any of the dates offered for written/oral exami-
nation following the same course of lectures.
In order to pass this module, students must pass both partial
examinations. The exam will count 80% of the grade, the oral
presentation 20%.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Michael Howard & David LeBlanc: Writing Secure Code, Mi-
Reading list crosoft Press, 2nd edition, 2002
Gary McGraw: Exploiting Software: How to Break Code,
Addison-Wesley, February 2004
John Viega & Gary McGraw: Building Secure Software,
Addison-Wesley, 2001
Mark G. Graff & Kenneth R. van Wyk: Secure Coding,
O.Reilly, 2003
Brian A. La Macchia, Sebastian Lange, Matthew Lyons, Ru-
di Martin, and Kevin T. Price: .NET Framework Security,
Addison-Wesley, 2002
L. Gong, G. Ellison, M. Dageforde: Inside Java 2 Platform
Security, Addison-Wesley, 2nd Edition, 2003

46
Modulkatalog Module Descriptions

5670 Logik für Informatiker PN 455357

Computational Logic

Häufigkeit des Modulangebots Mindestens jedes 2. Sommersemester

Frequency of course offering At least every other summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer
Module convenor

Dozent(in) Kreuzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 65 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 65 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I

Recommended skills Linear Algebra I

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen den Aufbau und die Anwendung lo-
gischer Systeme. Sie sind mit wichtigen logischen Systemen
und den zugehörigen Kalkülen vertraut. Weiterhin kennen sie
wichtige Beweismethoden für logische Fragestellungen.

47
Modulkatalog Module Descriptions

—
Students know the structure and the application of logical
systems. They are familiar with important logical systems and
the associated calculi. Furthermore, they know the important
methods of proof for logical issues.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, logische Fragestellungen im
Rahmen eines geeigneten logischen Systems zu modellieren.
Sie können die erzeugten logischen Formeln mit Hilfe geeig-
neter Kalküle auf Erfüllbarkeit testen. Sie sind ebenfalls fähig,
einfache Beweise zu Fragestellungen der mathematischen Lo-
gik selbstständig zu führen.
—
The students are able to model logical issues in the context of
a suitable logical system. You can test the generated logical
formulas using appropriate calculations to satisfiability. You
are also able to perform simple proofs independently on issues
of mathematical logic.
Kompetenzen / Competencies
Die Studierenden erwerben evaluative Kompetenzen in Bezug
auf die Verknüpfung der theoretischen Inhalte ihres Studiums
mit praxisnahen Problemstellungen, organisatorische Kompe-
tenzen in Bezug auf ihr Zeit- und Arbeitsmanagement, sowie
selbst-reflexive und Entwicklungskompetenzen im interdiszipli-
nären Bereich zwischen der Mathematik und der Informatik.
—
Students acquire evaluative skills in relation to the link bet-
ween the theoretical contents their studies with practical pro-
blems, organizational skills in relation to their time and work
management, and self-reflexive and development expertise in
the interdisciplinary area between mathematics and Computer
Science.

Inhalt Basierend auf einer grundlegenden Einführung der struktur-

Course content logischen Systeme, insbesondere der Diskussion der Bedeu-
tungen der Begriffe Syntax, Semantik und Kalkül (oder Be-
weissystem), werden wichtige klassische und moderne logi-
sche Systeme besprochen, z. B. Aussagenlogik, Prädikaten-
logik, Modallogik und Temporallogik. Neben der Diskussion
der Syntax und Semantik dieser logischen Systeme werden
auch wichtige Kalküle wie das Resolventenkalkül, der Markie-
rungsalgorithmus oder das Tableaukalkül besprochen. Ferner
wird der Bezug dieser Algorithmen zu konkreten Implemen-
tierungen und Logik-Compilern wie PROLOG hergestellt. In
den Übungen wird großer Wert darauf gelegt, dass die Stu-
dierenden lernen konkrete, anwendungsbezogene Probleme in

48
Modulkatalog Module Descriptions

geeigneten logischen Systemen zu modellieren. Ferner werden

die besprochenen Beweissysteme an konkreten Beispielen ein-
geübt.
—
Based on a basic introduction to the structure of logical sys-
tems, in particular the discussion of the meanings of the terms
syntax, semantics and calculus (or proof system), important
classical and modern logical systems are discussed, such as
propositional logic, predicate logic, modal logic and tempo-
ral logic. Besides the discussion of the syntax and semantics
of these logical systems calculi, also important themes such
as the Resolventenkalkül, the Marking algorithm or the ta-
bleau calculus are discussed. Furthermore, the relation of the-
se algorithms is made to concrete implementations and logic
compilers such as PROLOG. In the exercises, great emphasis is
placed on ensuring that students are taught how to model spe-
cific application-related problems in suitable logical systems.
Furthermore, the evidence discussed systems are practiced on
concrete examples.

Studien-/Prüfungsleistungen 90 minütige Klausur

Assessment 90-minute written exam

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur z. B. M. Kreuzer und S. Kühling, Logik für Informatiker, Pear-

Reading list son, München 2006

49
Modulkatalog Module Descriptions

5710 Algorithmische Graphentheorie und perfekte Graphen PN 455414

Algorithmic Graph Theory and Perfect Graphs

Häufigkeit des Modulangebots In der Regel jedes 2. Semester

Frequency of course offering Usually every other semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rutter
Module convenor

Dozent(in) Rutter
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen

Recommended skills Algorithms and Data Structures

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen grundlegende Begriffe der algo-
rithmischen Graphentheorie und die in diesem Zusammen-
hang wichtigsten Graphklassen und deren Charakterisierun-
gen, nämlich perfekte Graphen, chordale Graphen, Vergleich-

50
Modulkatalog Module Descriptions

barkeitsgraphen, sowie Intervall-, Split-, und Permutationsgra-

phen.
—
The students know the fundamental notions of algorithmic
graph theory along with the, in this context, most important
graph classes and their characterizations. These are perfect
graphs, chordal graphs, comparability graphd as well as inter-
val, split, and permutation graphs.
Fähigkeiten / Abilities
Die Studierenden können Algorithmen zur Erkennung dieser
Graphen sowie zur Lösung grundlegender algorithmischer Pro-
bleme auf diesen Graphen exemplarisch ausführen und analy-
sieren.
—
The students can apply and analyze algorithms for recognizing
and solving fundamental algorithmic problems on these graph
classes.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz in angewandten
Fragestellungen Teilprobleme zu identifizieren, die sich mit-
tels dieser Graphklassen ausdrücken lassen, sowie neue Algo-
rithmen für Probleme, die zu Problemstellungen aus der Vor-
lesung verwandt sind, auf diesen Graphklassen zu entwickeln.
—
The students have the competence to identify subproblems
of applied questions that can be modeled using these graphs
classes and to develop new algorithms for problems on these
graph classes that are related to the topics of the lecture.

Inhalt Viele grundlegende, in vielen Kontexten auftauchende Pro-

Course content blemstellungen, etwa Färbungsprobleme oder das Finden von
unabhängigen Mengen und maximalen Cliquen, sind in all-
gemeinen Graphen NP-schwer. Häufig sind in Anwendungen
vorkommende Instanzen dieser schwierigen Probleme aber we-
sentlich stärker strukturiert und lassen sich daher effizient
lösen. In der Vorlesung werden zunächst perfekte Graphen
sowie deren wichtigste Unterklasse, die chordalen Graphen,
eingeführt und Algorithmen für diverse, im allgemeinen NP-
schwere Probleme, auf chordalen Graphen vorstellt. Anschlie-
ßend werden vertiefte Konzepte wie Vergleichbarkeitsgraphen
besprochen, mit deren Hilfe sich diverse weitere Graphklassen
(Intervall-, Split-, und Permutationsgraphen) charakterisieren
und erkennen lassen, sowie Werkzeuge zum Entwurf von spe-
zialisierten Algorithmen für diese vorgestellt.
—
Many fundamental problems that appear in a multitude of

51
Modulkatalog Module Descriptions

contexts, such as coloring problems or finding maximum inde-

pendent sets and maximum cliques, are NP-hard for general
graphs. Often instances from practical applications have much
more structure, and can be solved efficiently. The lecture first
introduces perfect graphs and their most important subclass,
the chordal graphs and presents efficient algorithms for solving
various problems on these graphs, which are known to be NP-
hard in the general case. Afterwards more advanced concepts
like comparability graphs, which allow to characterize and re-
cognize various other graphs classes such as interval, split, and
permutation graphs, are covered along with tools and techni-
ques for developing specialized algorithms for them.

Studien-/Prüfungsleistungen Mündliche Prüfung (ca. 25 Minuten); die genaue Prüfungsart

Assessment wird zu Beginn des Semesters bekannt gegeben
Oral exam of about 25 minutes. The exact mode of assess-
ment will be indicated at the beginning of the semester

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Wird vom Dozenten/ von der Dozentin bekannt gegeben

Reading list Golumbic, Algorithmic Graph Theory and Perfect Graphs, 2nd.
ed., Annals of Discrete Mathematics, vol. 57, Elsevier, 2004
Spinrad, Efficient Graph Representations, Field Institute Mo-
nographs, vol. 19, AMS, 2003
Course reader for the lecture.

52
Modulkatalog Module Descriptions

5712 Algorithmen zur Visualisierung von Graphen PN 455352

Algorithms for Graph Visualization

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rutter
Module convenor

Dozent(in) Rutter
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungen + 55 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen

Recommended skills Algorithms and Data Structures

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben systematisches Verständnis algo-
rithmischer Fragestellungen und Lösungsansätze im Bereich
der Visualisierung von Graphen, das auf dem bestehenden Wis-
sen in den Themenbereichen Graphentheorie und Algorithmik

53
Modulkatalog Module Descriptions

aufbaut. Sie können Begriffe, Strukturen und grundlegende

Problemdefinitionen aus der Vorlesung erklären.
—
The students acquire a systematic understanding of algorith-
mic problems and solution approaches in the area of graph
visualization, based on their prior knowledge in the area of
graph theory and algorithms. They can explain the notions,
structures, and fundamental problem definitions from the lec-
ture.
Fähigkeiten / Abilities
Die Studierenden können Layoutalgorithmen für verschiedene
Graphklassen exemplarisch ausführen, mathematisch präzise
analysieren und ihre algorithmischen Eigenschaften beweisen.
Zudem können die in der Vorlesung vorgestellten Komplexi-
tätsresultate erklären und eigenständig ähnliche Reduktions-
beweise für neue Layoutprobleme führen.
—
The students can execute layout algorithms for different graph
classes on examples, analyze them in a mathematically precise
way, and they can argue their algorithmic properties. Moreo-
ver, they can explain the complexity results presented in the
lecture and they are able to develop reductions for new layout
problems that are similar to the ones from the lecture.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz zu einem gegebe-
nen Layoutproblem einen passenden Algorithmus auszuwäh-
len, und diesen ggf. den Anforderungen einer konkreten Pro-
blemstellung anzupassen. Zudem sind sie in der Lage Visua-
lisierungsprobleme aus Anwendungen der Graphvisualisierung
zu analysieren, zu modellieren, und auf Basis der erlernten
Konzepte und Techniken Lösungen für dieses Modell zu ent-
werfen und deren algorithmische Eigenschaften nachzuweisen.
—
The students have the competence to select a suitable al-
gorithm for a given layout problem, and to adapt it to the
requirements of a concrete problem. Moreover, they are ab-
le to analyze and model visualization problems from practical
applications and, based on the concepts and techniques from
the lecture, they can develop solutions for these models and
prove their algorithmic properties.

Inhalt In vielen Anwendungen ist es nützlich auftretende Graphen

Course content und Netzwerke zu visualisieren. Dabei besteht das Kernpro-
blem darin, das sogenannte Layoutproblem zu lösen, also den
Knoten Koordinaten in der Ebene zuzuweisen und die Kan-
ten auf Kurven zwischen den Endpunkten abzubilden. Je nach

54
Modulkatalog Module Descriptions

Anwendung werden dabei unterschiedliche Gütekriterien opti-

miert. Das Forschungsgebiet des Graphenzeichnens baut da-
bei auf Ansätze aus der Algorithmik, der Graphentheorie und
der algorithmischen Geometrie auf. In der Veranstaltung wird
eine repräsentative Auswahl an Visualisierungsproblem vorge-
stellt, deren Komplexität untersucht und zugehörige Algorith-
men entworfen und analysiert.
—
In many applications it is useful to visualize graphs and net-
works. The core problem is to solve the so-called layout pro-
blem, which is to determine coordinates in the plane for the
vertices and to map the edges to curves between their end-
points. Depending on the application, different optimization
criteria apply. The Graph Drawing research area combines
techniques from algorithms, graph theory, and computatio-
nal geometry. The lecture provides a representative selection
of visualization problems, for which the complexity is analyzed
and corresponding algorithms are developed and analyzed.

Studien-/Prüfungsleistungen Mündliche Prüfung (ca. 25 Minuten); die genaue Prüfungsart

Assessment wird zu Beginn des Semesters bekannt gegeben
Oral exam (about 25 minutes); The exact mode of assessment
will be indicated at the beginning of the semester

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Wird vom Dozenten/ von der Dozentin bekannt gegeben

Reading list G. Di Battista , P. Eades, R. Tamassia, I. G. Tollis: Graph
Drawing: Algorithms for the Visualization of Graphs, Prentice
Hall, 1999.
M. Kaufmann und D. Wagner (eds): Drawing Graphs: Me-
thods and Models, Springer LNCS 2025, 2001

55
Modulkatalog Module Descriptions

5713 Parametrisierte Algorithmen PN 455413

Parameterized Algorithms

Häufigkeit des Modulangebots In der Regel jedes 2. Semester

Frequency of course offering Usually every other semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rutter
Module convenor

Dozent(in) Rutter
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen, Effiziente Algorithmen

Recommended skills Algorithms and Data Structures, Efficient Algorithms

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen grundlegende Begriffe der parametri-
sierten Algorithmen und der zugehörigen Komplexitätstheorie.
Sie kennen zudem verschiedene Entwurfstechniken zur Kon-
struktion parametrisierter Algorithmen.

56
Modulkatalog Module Descriptions

—
The students know the fundamental notions of parameterized
algorithms and complexity. They know several techniques for
the design of parameterized algorithms.
Fähigkeiten / Abilities
Die Studierenden können die in der Vorlesung vorgestellten
Verfahren exemplarisch ausführen, deren Funktionsweise er-
läutern und sie analysieren.
—
The students can apply the algorithms presented in the lecture
on examples, can explain the way they work and are able to
analyze them.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz, die in der Vorlesung
vorgestellten Techniken einzusetzen, um parametrisierte Algo-
rithmen zu entwerfen. Sie sind in der Lage, diese zu bewerten
und unter mehreren Alternativen die passendste Technik und
Parametrisierung für ein gegebenes Problem auszuwählen.
—
The students have the competence to use the techniques pre-
sented in the lecture to construct parameterized algorithms.
They are able to choose and evaluate the most fitting techni-
ques and parametrization for a given problem.

Inhalt Grundlagen parametrisierter Komplexitätstheorie, Entwurfs-

Course content techniken für parametrisierte Algorithmen, z.B. Kernbildung,
beschränkte Suchbäume, iterative Kompression, Baumweite
und andere Graphparameter sowie untere Schranken.
—
Foundations of parameterized complexity, algorithmic techni-
ques for parameterized algorithms, e.g., kernelization, boun-
ded search trees, iterative compression, treewidth and other
graph parameter, and lower bounds.

Studien-/Prüfungsleistungen Mündliche Prüfung (ca. 25 Minuten); die genaue Prüfungsart

Assessment wird zu Beginn des Semesters bekannt gegeben
Oral exam (about 25 minutes); The exact mode of assessment
will be indicated at the beginning of the semester

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur M. Cygan, F.V. Fomin, L. Kowalik, D. Lokshtanov, D. Marx,

Reading list M. Pilipczuk, M. Pilipczuk, S. Saurabh, Parameterized Algo-
rithms, Springer, 2015

57
Modulkatalog Module Descriptions

5720 Modellierung und Beherrschung komplexer Systeme PN 405129

Modeling and Control of Complex Systems

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) De Meer
Module convenor

Dozent(in) De Meer
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 50 Std. Übungen + 85 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 50 hrs exercises + 85 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Verständnis von grundlegenden Modellierungstechniken aus
dem Bereich komplexer Systeme, insbesondere von Modellen,
die auf Differenzialgleichungen und Rekursion basieren (z.B.
logistisches Modell), von Netzwerkmodellen (z.B. small world)

58
Modulkatalog Module Descriptions

und von automatenbasierten Modellierungsverfahren.

—
Understanding basic modeling techniques from the field of
complex systems, especially models based on differential equa-
tions and recursion based (e.g. logistic model), network models
(e.g. small world) and of machines based modeling method.
Fähigkeiten / Abilities
Aufstellen von einfachen Modellen, Bestimmung von wesent-
lichen Systemeigenschaften (Fixpunkte, Bifurkationspunkte
usw.) aus den Modellgleichungen.
—
Setting up of simple models, determination of essential sys-
tem properties (fixed points, bifurcation points, etc.) from the
model equations.
Kompetenzen / Competencies
Fähigkeit komplexe Informationstechnische Systeme auf Mo-
delle abzubilden und die Aussagen der Modelle im Hinblick
auf das Systemverhalten zu interpretieren.
—
Ability to model complex information technology systems on
models and interpret the statements of the models in terms
of the system’s behavior.

Inhalt Folgende Themen werden behandelt:

Course content • Detaillierte Eigenschaften Komplexer Systeme
• Vertiefte Prinzipien der Modellerstellung
• Elementare Eigenschaften von Differential- und Rekur-
sionsgleichungen
• Vertieftes Wissen von Zellularen Automaten
• Vertieftes Wissen über den Zusammenhang von Netzen
und „small world“ bzw. „scale-free“ Eigenschaften
• Kenntnisse der „Power-Law“ Verteilung
—
The following topics are covered:
• Detailed characteristics of Complex Systems
• Substantive principles of modeling
• Elementary properties of differential and recurrence
equations
• In-depth knowledge of cellular automata
• In-depth knowledge of the relationship of networks and
“small world“ and “scale-free“ properties
• Knowledge of the “power law“ distribution.

Studien-/Prüfungsleistungen 90 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung,

Assessment je nach Anzahl der Hörer. Die genaue Prüfungsart wird zu Be-
ginn des Semesters bekannt gegeben.

59
Modulkatalog Module Descriptions

90-minute written or 20-minute oral examination, depending

on the number of listeners. The precise mode of assessment
will be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel (oder Labor/Rechner/...)

Media used Presentation and projector, blackboard (or laboratory/com-
puter)

Literatur N. Boccara, Modeling Complex Systems, Springer Verlag

Reading list

60
Modulkatalog Module Descriptions

5721 Foundations of Energy Systems PN 455361

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) De Meer
Module convenor

Dozent(in) De Meer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Rechnernetze

Recommended skills Computer Networks

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen aktuelle und zukünftige Konzepte der
Kommunikation zwischen Rechnern und anderen Elementen
kennen. Sie erhalten Kenntnisse über den Aufbau und den
praktischen Einsatz von Sensornetzwerken, Virtualisierung und
den Smart Grid, sowie der praktischen Bedeutung und Umset-

61
Modulkatalog Module Descriptions

zung von Energieeffizienz.

—
The students will learn about current and future concepts of
communication between computers and other elements. They
will gain knowledge of the structure and practical application
of sensor networks, virtualization, and the Smart Grid as well
as the practical importance and implementation of energy ef-
ficiency.
Fähigkeiten / Abilities
Die Studierenden entwickeln Fertigkeiten im Design und im
Entwurf der Architektur und Analysemethoden bei oben ge-
nannten Formen der Netzwerke. Sie erhalten die Fähigkeit
die Veränderungen und Weiterentwicklungen, die mit dem In-
ternet geschehen zu verstehen und auf Sensornetze und den
Smart Grid etc. anzuwenden. Insbesondere wird die Fähigkeit
zur Bestimmung erforderlicher Parameter erlangt.
—
Students will develop skills designing architecture and analysis
methods in the above types of networks. They will gain the
ability to understand the changes and developments under-
gone by the Internet and apply these to sensor networks and
the Smart Grid, among other things. In particular, they will
be able to determine the required parameters.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, an Hand der Anforderun-
gen selbstständig den Aufbau von aktuellen und zukünftigen
heterogenen Netzwerken nachzuvollziehen und neue Netzwer-
ke zu konzipieren. Im Rahmen von Studienprojekten wird die
Kompetenz zur praktischen und theoretischen Forschungsar-
beit erlangt sowie zu dieser eigene wissenschaftliche Beiträge
zu verfassen.
—
The students will be able to independently understand – with
reference to the given requirements – the structure of current
and future heterogeneous networks, and design new networks.
As part of study projects, practical and theoretical research
expertise will be acquired and used in scientific papers.

Inhalt Diese Vorlesung schließt an „Rechnernetze“ an und vertieft

Course content das Wissen über die Vernetzung von Rechnern und dem Um-
gang mit einem Netz von heterogenen Netzen, sowie dessen
Beherrschung. Es wird in die Themen Energieeffizienz, Sen-
sornetzwerke, Virtualisierung und Smart Grid eingeführt.
—
This course builds on “Computer Networks“ and consolidates
students’ knowledge of computer networks and heterogeneous

62
Modulkatalog Module Descriptions

network maintenance and control. Students are introduced to

the concepts of energy efficiency, sensor networks, virtualiza-
tion, and Smart Grid.

Studien-/Prüfungsleistungen Je nach Teilnehmerzahl mündliche Prüfung (ca. 20 Minuten)

Assessment oder Klausur (90 Minuten). Die genaue Prüfungsart wird zu
Beginn des Semesters bekannt gegeben.
90-minute written or oral exam of about 20 minutes, depen-
ding on the number of participants. The precise mode of as-
sessment will be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Math H. J. Bollen, Fainan Hassan, Integration of Distributed

Reading list Generation in the Power System, Wirely, 2011
Ali Keyhani, Design of Smart Power Grid Renewable Energy
Systems, Wiley, 2011
Holger Karl, Andreas Willig, Protocols and Architectures for
Wireless Sensor Networks, Wiley, 2005
A. Berl, A. Fischer, and H. de Meer. Using System Virtua-
lization to Create Virtualized Networks. Workshops der Wis-
senschaftlichen Konferenz Kommunikation in Verteilten Sys-
temen (WowKiVS2009), Kassel, Germany, March 2-6, 2009.
vol. 17, EASST, 2009.

63
Modulkatalog Module Descriptions

5722 Funktionale Sicherheit PN 455404

Functional Safety

Häufigkeit des Modulangebots Modul wird nicht mehr angeboten

Frequency of course offering Module no longer offered

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) De Meer
Module convenor

Dozent(in) De Meer
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Stochastik, Grundlagen der Informatik, (IT-Sicherheit)

Recommended skills Stochastics, Principles of Computer Science, (IT Security)

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Verständnis der Methoden und Techniken in der System-,
Hardware- und Softwareentwicklung sicherheitskritischer Sys-
teme. Kenntnis der Architekturen sicherheitskritischer softwa-
regestützter Systeme. Verstehen der analytischen Methoden

64
Modulkatalog Module Descriptions

zum Nachweis der funktionalen Sicherheit dieser Systeme so-

wie Strategien in der Sicherheitstechnik. Kenntnis über die
Prozesskategorien und Prozessgebiete von Qualitätsmanage-
mentsystemen.
—
Understanding of the methods and techniques in the system,
hardware and software development of safety-critical systems.
Knowledge of the architectures of safety-critical software-
based systems. Understanding of the analytical methods for
the detection of functional safety, and strategies in security
technology. Knowledge of the process categories and process
areas of quality management systems.
Fähigkeiten / Abilities
Auswahl und Anwendung geeigneter Methoden im Sicherheits-
lebenszyklus. Entwicklung geeigneter System-, Software und
Hardware-Architekturen. Anwendung analytischer Methoden
(FMEA, K-FMEDA, FTA, ETA, Markov, RBD) für den Nach-
weis der funktionalen Sicherheit. Nutzen von Qualitätsmana-
gementsystemen im Sinne der funktionalen Sicherheit.
—
Selecting and applying appropriate methods in the safety life-
cycle. Development of suitable system, software and hardware
architectures. Application of analytical methods (FMEA, K-
FMEDA, FTA, ETA, Markov, RBD) for confirmation of func-
tional safety. Benefits of quality management systems in terms
of functional safety.
Kompetenzen / Competencies
Einordnung der Methoden und Techniken entsprechend
der Wirksamkeit hinsichtlich der Sicherheitsintegritäts-Levels.
Selbständige Bestimmung der Eignung von Maßnahmen,
Techniken und Methoden. Verantwortungsbewusstes, koope-
ratives und zielgerichtetes Handeln in großen Projekten.
—
Classification of methods and techniques related to the effec-
tiveness in terms of safety integrity level. Self-determination of
the suitability of measures, techniques and methods. Respon-
sible, cooperative and purposeful action in large projects.

Inhalt Auf Basis der Norm IEC 61508 werden alle Gebiete der
Course content System- und Hardwareentwicklung entlang des Sicherheits-
lebenszyklus behandelt. Besonders geeignete Methoden und
Techniken werden vertieft und an Beispielen erläutert sowie in
den Übungen angewendet.
—
Based on the IEC 61508 standard, all areas of the system and
hardware development along the security lifecycle are treated.

65
Modulkatalog Module Descriptions

Particularly suitable methods and techniques are discussed in

greater depth, illustrated using examples and used in the exer-
cises.

Studien-/Prüfungsleistungen 90 Minuten Klausur

Assessment 90-minutes written examination

Medienformen Präsentation und Beamer, Tafel (Labor/Rechner)

Media used Presentation and projector, blackboard (laboratory/computer)

Literatur Peter Löw, Roland Pabst, Erwin Petry, Funktionale Sicherheit

Reading list in der Praxis, Dpunkt Verlag 2010, ISBN 978-3-89864-898-1
IEC/DIN EN 61508 – Internationaler Standard – Funktiona-
le Sicherheit sicherheitsbezogener elektrischer/elektronischer/
programmierbarer elektronischer Systeme, 1998/2002
Scheeweis, W.: Die Fehlerbaum-Methode (aus dem Themen-
kreis Zuverlässigkeits- und Sicherheits-Technik)

66
Modulkatalog Module Descriptions

5723 Computer Performance Evaluation PN 462401

Häufigkeit des Modulangebots In der Regel jedes Wintersemester

Frequency of course offering Usually every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) de Meer
Module convenor

Dozent(in) de Meer
Lecturer

Sprache Vorlesung: Englisch; Übung: Deutsch/Englisch

Language of instruction Lecture: English; Tutorial: German/English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 35 Std. Übungen + 85 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 35 hrs exercises + 85 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der Stochastik, Rechnernetze

Recommended skills Basic stochastics, Computer Networks

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen wichtige theoretische Grundlagen so-
wie praktische Vorgehensweisen, Methoden und Werkzeuge
der Leistungsmodellierung und quantitativen Leistungsbewer-
tung von Rechnersystemen und Rechnernetzen. Insbesondere
sind sie mit Warteschlangenmodellen und zeitkontinuierlichen

67
Modulkatalog Module Descriptions

Markov-Ketten sowie deren Analyse vertraut.

—
Students will know key theoretical principles as well as practi-
cal approaches, methods and tools for performance Modeling
and quantitative performance evaluation of computer systems
and computer networks. In particular, students are familiarised
with queuing models and continuous-time Markov chains and
how they are analysed.
Fähigkeiten / Abilities
Die Studierenden können bewährte und neue Modellierungs-
techniken, Analysemethoden und Softwarewerkzeuge ein-
schätzen, auswählen und für praktisch relevante Fragestellun-
gen anwenden.
—
Students will be able to evaluate and select new Modeling
techniques, analytical methods and software tools, as well as
apply them to practically relevant problems.
Kompetenzen / Competencies
Sie können praktische Problemstellungen in analytische Mo-
delle übertragen und die Leistung des untersuchten Realsys-
tems durch die Analyse des Modells bewerten. Die Studieren-
den finden relevante wissenschaftliche Publikationen, können
diese verstehen und eigene wissenschaftliche Beiträge ausar-
beiten und präsentieren.
—
Students will be able to express practical problems in terms
of analytical models and evaluate the performance of the ex-
amined real system through the analysis of the model. Stu-
dents will be able to find and comprehend relevant scientific
publications, and to develop and present their own scientific
contributions.

Inhalt Das Modul vermittelt einen Überblick über die grundlegen-

Course content den Methoden und Algorithmen der Leistungsmodellierung
und -bewertung mit Fokus auf Rechnernetze. Ein Schwer-
punkt des Kurses liegt hierbei auf der praktischen Anwendung
von entsprechenden Softwarewerkzeugen. Darüber hinaus gibt
der Kurs eine Einführung in die mathematischen Grundla-
gen, die grundlegenden stochastischen Konzepte und Algo-
rithmen. Im Einzelnen behandelt das Modul den Modellie-
rungsprozess und Modellvalidierung, Markov-Ketten, Warte-
schlangensysteme und -netze, stochastische Petri-Netze, ana-
lytische und numerische Lösungsansätze und diskrete, ereig-
nisorientierte Simulation. Die Softwarewerkzeuge WinPEPSY,
Matlab, SHARPE, MOSEL-2 und ns2 werden von den Studie-
renden praktisch angewendet.

68
Modulkatalog Module Descriptions

—
The module provides an overview of the basic methods and
algorithms of performance modeling and assessment with a fo-
cus on computer networks. A focus of the course will be placed
on the practical application of appropriate software tools. In
addition, the course provides an introduction to the mathe-
matical foundations, the basic stochastic concepts and algo-
rithms. Specifically, the module covers modeling process and
model validation, Markov chains, queuing systems and net-
works, stochastic Petri nets, analytical and numerical soluti-
ons and discrete event simulations. The software tools WinPE-
PSY, Matlab, SHARPE, MOSEL-2 and ns2 will be practiced
by the students.

Studien-/Prüfungsleistungen 90 Minuten Klausur

Assessment 90-minute written examination

Medienformen Präsentation mit Beamer; ergänzende Erläuterungen an Tafel;

Media used praktische Übungen in Rechnerraum
Presentation with a projector; additional explanations on the
blackboard; practical exercises in the computer room

Literatur Wird vom Dozenten bekannt gegeben

Reading list Announced during the lecture

69
Modulkatalog Module Descriptions

5724 Safety and Security of Critical Infrastructures PN 451006

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) de Meer
Module convenor

Dozent(in) de Meer
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“, Modulgruppe „IT-SecRel“

Curriculum Focus „InfKomm“, Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der IT-Sicherheit, Rechnernetze und Computer

Recommended skills Networks and Energy Systems von Vorteil
Basics of IT Security, Computer Networks and Computer Net-
works and Energy Systems advantageous

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen aktuelle und zukünftige Konzepte
von Sicherheit in Netzen kennen. Sie erhalten Kenntnisse
über die verschiedenen Bedrohungen und Angriffe sowie von

70
Modulkatalog Module Descriptions

der Konzeption und Implementierung von Sicherheitsdiensten

zum Schutz des Netzes. Sie erlangen Kenntnisse über Me-
thoden zur Gewährleistung von Sicherheitszielen wie Datenin-
tegrität, Vertraulichkeit, Zurechenbarkeit und Verfügbarkeit.
Bedrohungen wie Maskerade, Abhören von Daten, unberech-
tigter Zugang zu Services, Sabotage und Modifikation von
Informationen können durch geeignete Sicherheitsdienste wie
Authentifizierungsservice oder Datenintegritätsservice ausge-
schaltet werden.
—
Students will learn about current and future concepts of se-
curity in networks. They will acquire knowledge of the various
threats and attacks, as well as the design and implementation
of security services for the protection of the network. They will
gain knowledge of methods for ensuring security goals such as
data integrity, confidentiality, accountability and availability.
Threats such as masquerade, eavesdropping of data, unaut-
horized access to services, sabotage and modification of infor-
mation can be turned off by suitable security services such as
authentication services and data integrity services.
Fähigkeiten / Abilities
Die Studierenden entwickeln Fertigkeiten zum Design und Ent-
wurf von Sicherheitsmechanismen bei verdrahteten Netzen,
drahtlosen Netzen, mobilen Netzen, Sensornetzen und RFID-
basierten Netzen. Sie erlangen die Fähigkeit aktuelle und künf-
tige Konzepte der Netzsicherheit zu verstehen und zu bewer-
ten. Durch die Analyse von verschiedenen Angriffsmethoden
wie z.B. DoS oder Relay-Angriffe lernen sie, wie man geeig-
nete Gegenmaßnahmen entwirft und in welcher Schicht des
Protokollstacks welche Dienste auf welche Weise implemen-
tiert werden können, um die Angriffe zu verhindern.
—
Students will develop skills to design security mechanisms in
wired networks, wireless networks, mobile networks, sensor
networks and RFID -based networks. They will gain the ability
to understand current and future concepts of network security
and evaluate them. By analyzing various attack methods such
as DoS or relay attacks they learn how to design appropriate
countermeasures and in what layer of the protocol stack which
services can be implemented to prevent the attacks.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, an Hand der Anforderun-
gen selbstständig die erforderlichen Sicherheitsmechanismen
wie Authentifizierungsprotokolle oder Datenintegritätsmecha-
nismen zu entwerfen und zu implementieren.

71
Modulkatalog Module Descriptions

—
Students will be able to understand the requirements for de-
signing the security mechanisms such as authentication pro-
tocols and data integrity mechanisms and to implement them
independently.

Inhalt Das Modul beinhaltet im Bereich Netzsicherheit die Einfüh-

Course content rung in die Netzsicherheit und Sicherheitsprotokolle für Netz-
werke. Weitere Inhalte sind die sichere drahtlose und mobile
Kommunikation und der Bereich Sicherheit in drahtlosen Sen-
sornetzwerken der die Punkte Einführung in die Sicherheit von
Sensornetzen und Sicherheitsprotokolle in Sensornetzen um-
fasst. Zudem beinhaltet das Modul den Bereich Sicherheit im
Smart Grid, dem zukünftigen intelligenten Stromnetz.
—
In the network security segment, the module includes an in-
troduction to the network security and security protocols for
networks. Other topics include secure wireless and mobile com-
munication. The security in wireless sensor networks area in-
cludes an introduction to sensor network security and security
protocols in sensor networks. The module also includes the
area of security for Smart Grids, the intelligent power grids of
the future.

Studien-/Prüfungsleistungen 90 Minuten Klausur

Assessment 90-minute written examination

Medienformen Präsentation und Beamer, Tafel (Labor/Rechner)

Media used Presentation and projector, blackboard (laboratory/computer)

Literatur Yan Zhang, Security in RFID and sensor networks, Auerbach

Reading list Publications, 2009, ISBN 9781420068399
G. Schaefer, Netzsicherheit, dpunkt.verlag Claudia Eckert,
Christoph Krauß (2011). Sicherheit im Smart Grid: Eckpunkte
für ein Energieinformationsnetz, Alcatel-Lucent-Stiftung.
http://www.stiftungaktuell.de/index.php?article_
id=21&slice=364
Claudia Eckert, Christoph Krauß (2012). Sicherheit im Smart
Grid: Sicherheitsarchitekturen für die Domänen Privatkunde
und Verteilnetz unter Berücksichtigung der Elektromobilität,
Alcatel- Lucent-Stiftung.
http://www.stiftungaktuell.de/index.php?article_
id=21&slice=403

72
Modulkatalog Module Descriptions

5725 Methodological Foundations of Distributed Systems PN 405236

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) de Meer
Module convenor

Dozent(in) Basmadjian
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der Stochastik, Rechnernetze, Computer Perfor-

Recommended skills mance Evaluation, Verteilte Systeme
Basics in stochastics, Computer Networks, Computer Perfor-
mance Evaluation, Distributed Systems

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Grundlegende Methoden und Methodologien der Analysein-
strumente Verteilter Systemen mit Fokus auf Rechnernetzen.
—

73
Modulkatalog Module Descriptions

Basic methods and methodologies of analysis instruments used

for distributed systems with a focus on computer networks.
Fähigkeiten / Abilities
Formulieren von Optimierungsproblemen bei Verteilten Syste-
men, analysieren der Stabilität und Reaktionsfreudigkeit kon-
trollierter und unkontrollierter Systeme, mathematische Mo-
dellierung der Kommunikation Verteilter Systeme, Leistungs-
modellierung und Bewertung von Rechnernetzen, modellieren
von Entscheidungssituationen mit mehreren Beteiligten.

Inhalt Der Kurs vermittelt einen Überblick über die grundlegenden

Course content Methoden und Methodologien bei Verteilten Systemen mit
Fokus auf Rechnernetzen. Ein Schwerpunkt des Kurses liegt
auf dem konzeptionellen Verständnis der theoretischen Grund-
lagen. Darüber hinaus erfolgt eine Einführung in die mathe-
matischen Grundlagen sowie die grundlegenden stochastischen
Konzepte und Algorithmen.
Themen: Optimierung, Spieltheorie (Game Theory), Überwa-
chungstheorie (Control Theory), Informationstheorie (Infor-
mation Theory) und Warteschlangentheorie (Queuing Theo-
ry)
Beispiele verwendeter Werkzeuge: Matlab, NS2, MOSEL-2,
LP solvers
—
The lecture gives a generic overview on fundamental methods
and methodologies of Distributed Systems with focus on Com-
puter Networking. One of the main focus of the lecture is
dedicated to the conceptual understanding of the theoretical
foundations of Computer Networking. Furthermore, an intro-
duction to the mathematical principles and fundamental sto-
chastic concepts as well as algorithms will be given.
Topics: Optimization, Game Theory, Control Theory, Informa-
tion Theory, Queuing Theory
Example of used Tools: Matlab, NS2, MOSEL-2, LP solvers

Studien-/Prüfungsleistungen 90 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung,

Assessment je nach Anzahl der Hörer. Die genaue Prüfungsart wird zu Be-
ginn des Semesters bekannt gegeben.
90-minute written or oral exam of about 20 minutes, depen-
ding on the number of participants. The precise mode of as-
sessment will be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur S. Keshav. Mathematical Foundations of Computer Networ-

Reading list king, Addison-Wesley, 2012, ISBN- 13: 978-0-321-79210-5

74
Modulkatalog Module Descriptions

Aktuelle wissenschaftliche Publikationen / current research ar-

ticles

75
Modulkatalog Module Descriptions

5727 Energy Informatics II PN 455416

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) de Meer
Module convenor

Dozent(in) de Meer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Energy Informatics I, Foundations of Energy Systems, Infor-

Recommended skills mation and Communication Systems, Network Security, Com-
puter Networking

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen Master Artificial Intelligence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Understanding of the fundamental methodologies, concepts,
protocols and architectures that are used in the context of
smart grids:
• Studying and modelling of smart grid aspects and the

76
Modulkatalog Module Descriptions

interaction of individual components

• Knowledge of concepts and methods for grid monito-
ring, smart grid operation, microgrid management and
smart grid (co-)simulation
Fähigkeiten / Abilities
Selecting and applying appropriate methods for modelling
smart grid use cases. Application of grid monitoring, distri-
buted smart grid control, and grid management with relevant
software tools. Studying and mastering co-simulation for eva-
luation of smart grid applications.
Kompetenzen / Competencies
Self-awareness of the suitability of measures, techniques and
methods for smart grid control, monitoring and manage-
ment.

Inhalt In this lecture, the focus is upon smart grid control. This in-
Course content cludes distributed control schemas, as well as global optimi-
zation methods. Several state-of-the-art techniques for smart
grid use cases such as optimal power flow approximation and
relaxation are discussed.
In this lecture, we discuss the following main parts:
First, methods in traditional power grid control, including
feedback controller and the formulation of grid optimization
problems are explored and discussed in the context of rene-
wable energy systems. Next, tools for smart grid monitoring,
such as digital twins, non-intrusive load monitoring and SCA-
DA systems, emphasize the need of ICT in power grids. (Co-)
simulation is introduced as evaluation concept for smart grid
applications. Finally, an outlook is given on future grid con-
trol approaches in form of sector-coupled microgrids (=energy
cells) and their ICT-based management.

Studien-/Prüfungsleistungen 90 minutes written or 20 minutes oral exam (in English) or

Assessment portfolio. The students will be informed about the exact type
of exam by the beginning of the semester.
A portfolio examination may contain:
• Written or oral partial examination
• Documented and executable source code for tasks with
tools
• Live demonstration of task solutions
• Summary of relevant research papers with topics of the
module
• Technical report
• Ongoing technical sub-reports for a final summary into
a complete document
• Presentation of created material with use of suitable

77
Modulkatalog Module Descriptions

presentation techniques, e.g. PowerPoint, Live-Coding,

Whiteboard, Flipchart
The work on the portfolio will be carried out parallel to the
lecture and the final submission of the portfolio will take place
no later than 4 weeks after the end of the lecture period. The
lecturer will announce the exact requirements for the portfolio
at the beginning of the course.

Medienformen Präsentation mit Beamer, Tafel

Media used Presentation on projector, blackboard

Literatur Momoh, James. Smart grid: fundamentals of design and ana-

Reading list lysis. Vol. 63. John Wiley & Sons, 2012.
Addidtional literature will be referenced in the lecture material

78
Modulkatalog Module Descriptions

5730 Optimierung PN 471765

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Harks
Module convenor

Dozent(in) Harks
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz, 90 + 90 Std. Eigenarbeitszeit

Workload 60 + 30 contact hours, 90 + 90 hrs independent study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II

Recommended skills

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Fragestellun-
gen und Methoden der Optimierung sowie die theoretischen
Grundlagen der Algorithmen.
—
The students get to know the basic challenges and methods
of optimization and their theoretical foundations.
Fähigkeiten / Abilities

79
Modulkatalog Module Descriptions

Die Studierenden können Optimierungsprobleme modellieren

und geeignete Lösungsverfahren auswählen oder selbst imple-
mentieren. Weiterhin haben sie sich grundlegende theoreti-
sche Einsichten zur Klassifizierung eines gegebenen Optimie-
rungsproblems hinsichtlich einer Charakterisierung und Sensi-
tivitätsanalyse von Optimallösungen angeeignet. Darüber hin-
aus sind die Studierenden in der Lage, numerische Verfahren
für nichtlineare Problem zu implementieren und anzuwenden.
—
Students are able to model optimization problems, classify
them and subsequently know how to choose what kind of op-
timization solver or algorithm. They have gained a thorough
theoretical understanding of the basic properties of optimal
solutions in terms of characterizations and sensitivity results.
Moreover, they are able to implement and apply numerical
methods for nonlinear problems.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, Optimierungsproble-
me zu modellieren, zu bewerten und mit Rechnerunterstüt-
zung zu lösen, insbesondere sind sie in der Lage Verfahren für
nichtlineare Problem zu implementieren und anzuwenden.
—
The students are able to model practical problems as optimi-
zation problems and to select the right solution Methodology
including algorithms for nonlinear optimization problems.

Inhalt Modellierung von Optimierungsproblemen, Lineare Optimie-

Course content rung, Simplex-Verfahren, Nichtlineare Optimierung, KKT
Theoreme, Dualität, Numerische Verfahren für nichtlineare
Optimierungsprobleme
—
Modelling of optimization problems, linear optimization, sim-
plex method, nonlinear optimization, KKT theorems, duality,
numerical methods for nonlinear problems

Studien-/Prüfungsleistungen 2 Teilleistungen:
Assessment Teilleistung 1 (80%): 120 minütige Klausur über die Gebie-
te oder mündliche Prüfung (ca. 30 Minuten); Lineare Opti-
mierung, Simplex-Verfahren, Nichtlineare Optimierung, KKT
Theoreme, Dualität.
Teilleistung 2 (20%): 30 minütige Klausur oder mündliche
Prüfung (ca. 15 Minuten); Numerische Verfahren für nicht-
lineare Probleme.
Zum Bestehen des Moduls müssen beide Teilleistungen be-
standen werden.
Examination in two parts:

80
Modulkatalog Module Descriptions

Part 1 (80%): Exam (120 minutes) or oral exam (ca. 30 minu-

tes); Linear and nonlinear optimization, simplex method, KKT
theorems, duality.
Part 2 (20%): Exam (30 minutes) or oral exam (ca. 15 minu-
tes); Numerical algorithms for nonlinear problems.
For passing the modul, both parts need to be passed.

Medienformen Tafelanschrieb
Media used Blackboard, videos in case of virtual lecture

Literatur Skriptum
Reading list

81
Modulkatalog Module Descriptions

5731 Einführung in die Numerik PN 401814

Introduction to Numerical Analysis

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 60 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 60 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis II oder Mathematik in technischen Systemen

Recommended skills Analysis II or Mathematics in Technical Systems

Verwendbarkeit in weiteren Bachelor Mathematik, Lehramt Mathematik Gymnasium

Studiengängen Bachelor Mathematics, Teacher training programme for se-
Applicability for other courses condary education in Mathematics (Gymnasium

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sollen grundlegende Verfahren der Numerik
kennen und deren Grenzen beurteilen können. Darüber hinaus
sollen sie für Genauigkeitsfragen und den Einfluss von Run-
dungsfehlern sensibilisiert sein.

82
Modulkatalog Module Descriptions

—
The students should know basic methods of numerical ana-
lysis and to evaluate their limits. In addition, they should be
aware of accuracy issues and the influence of rounding errors.
Fähigkeiten / Abilities
Implementierung grundlegender Algorithmen, Untersuchung
der Algorithmen auf Stabilität und Nutzung bestehender Soft-
ware zur Lösung von numerischen Problemen.
—
Implementation of basic algorithms, study of algorithms for
stability and use of existing software for solving numerical pro-
blems.
Kompetenzen / Competencies
Lösen von realistischen oder realitätsnahen Problemen mit
Computerunterstützung, Neuentwicklung und Bewertung von
Lösungsmethoden.
—
Solving realistic or realistic problems with computer support,
new development and evaluation of solution methods.

Inhalt Fehleranalyse, Lösen linearer Gleichungssysteme, Modellie-

Course content rung von Kurven, Interpolation, Lösung nichtlinearer Glei-
chungen, Numerische Integration
—
Failure analysis, solving linear systems of equations, mode-
ling of curves, interpolation, solution of nonlinear equations,
numerical integration

Studien-/Prüfungsleistungen 120-minütige Abschlussklausur oder ca. 30 Minuten mündli-

Assessment che Prüfung (wird am Anfang der Veranstaltung mitgeteilt)
120-minute written examination or 30-minute oral examinati-
on (the mode of assessment will be announced on the notice-
board and faculty website at the start of the semester)

Medienformen Präsentation und Beamer, Folien, Tafel

Media used Presentation and projector, slides, blackboard

Literatur J. Stoer: Einführung in die Numerische Mathematik I, Sprin-

Reading list ger, 1980.
P. Deuflhard, A. Hohmann: Numerische Mathematik. Eine al-
gorithmisch orientierte Einführung, de Gruyter 1991.
N. Higham, Accuracy and stability of numerical algorithms,
SIAM 1996
G. Golub, Ch. Van Loan, Matrix computations, John Hopkins
University Press, 1983
E. Isaacson, H.B. Keller, Analysis of numerical methods, John
Wiley & Sons, 1966

83
Modulkatalog Module Descriptions

W. Gautschi, Numerical analysis, an introduction, Birkhäuser

1997
Skriptum zur Vorlesung / Lecture Notes (Course reader)

84
Modulkatalog Module Descriptions

5732 Ideals in Numerical Applications PN 455363

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder äquivalent, Grund-

Recommended skills lagen Algebra
Analysis I + II, Linear Algebra I + II or equivalent, Basic Al-
gebra

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden und anwendungs-
relevanten Konzepte und Techniken der Computeralgebra für
Idealtheorie deren Anwendung auf und Numerische Probleme.

85
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden können Beweistechniken nachvollziehen, auf
verwandte Probleme aus Theorie Anwendungsfragen übertra-
gen und auf dieser Basis Algorithmen entwickeln.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, die Konzepte und
Methoden der Computeralgebra zu verstehen, und geeignete
Techniken für Anwendungsprobleme auszuwählen und zu eva-
luieren.

Inhalt The euclidean algorithm; Ideals and bases; Polynomial interpo-

Course content lation; Filters, filterbanks and wavelets; Prony‘s problem and
dual convolutions; Subdivision methods

Studien-/Prüfungsleistungen Mündliche Prüfung (ca. 30 Minuten)

Assessment 30-minute oral examination

Medienformen Präsentation und Beamer

Media used Presentation and projector

Literatur Cohen, A. M., Cuypers, H., Sterk, M., editors (1999). So-
Reading list me Tapas of Computer Algebra , volume 4 of Algorithms and
Computations in Mathematics. Springer.
Cox, D., Little, J., O’Shea, D. (1996). Ideals, Varieties
and Algorithms. Undergraduate Texts in Mathematics. Sprin-
ger–Verlag, 2. edition.
Eisenbud, D. (1994). Commutative Algebra with a View To-
ward Algebraic Geometry, volume 150 of Graduate Texts in
Mathematics. Springer.
Gathen, J. v. z., Gerhard, J. (1999). Modern Computer Alge-
bra. Cambridge University Press.

86
Modulkatalog Module Descriptions

5734 Mathematical Foundations of Machine Learning PN 455394

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis II, Numerik, Stochastik

Recommended skills Analysis II, Numerics, Stochastics

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sollten die grundlegenden Fragestellungen
und Methoden der Lerntheorie kennen und verstehen.
—
The students know and understand basic problems and me-
thods of learning theory.

87
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden können Verfahren der Lerntheorie bewerten,
selbständig evaluieren, auf praktische Fragestellungen anwen-
den und einfache Erweiterungen der Verfahren entwickeln.
—
The students will be able to assess methods of learning theo-
ry, to evaluate the methods for themselves and to use the
methods in practical problems. Furthermore, they are able to
develop simple extensions of the methods.
Kompetenzen / Competencies
Die Teilnehmer können algorithmische Konzepte der Lerntheo-
rie auf ihre Effizienz und Wirksamkeit beurteilen und eigen-
ständig implementieren.
—
The students are able to assess algorithmic concepts of lear-
ning theory with respect to performance and efficacy and to
implement the concepts independently.

Inhalt Grundlegende Fragestellungen:

Course content • Entscheidungsprobleme
• Klassifizierungsproblem
Verfahren:
• Neuronale Netzwerke
• Support Vector Machines
Grundlagen:
• Grundlagen der nichtlinearen Optimierung
• Numerische Fragestellungen
• Approximationstheoretische Methoden
• Bezüge zur Statistik
• Reproduzierende Kerne
—
Basic problems:
• Decision problems
• Classification problems
Methods:
• (Artificial) neural networks
• Support Vector Machines
Basics:
• Introduction to nonlinear optimization
• Numerical problems
• Methods from approximation theory
• Connections with statistics
• Reproducing Kernels

Studien-/Prüfungsleistungen 90minütige Abschlussklausur oder ca. 30 Minuten mündliche

Assessment Prüfung (wird am Anfang der Veranstaltung mitgeteilt)

88
Modulkatalog Module Descriptions

90-minute written examination or 30-minute oral examination

(the mode of assessment will be announced at the start of the
semester)

Medienformen Präsentation und Beamer, Folien, Tafel, Skript

Media used Presentation projector, slides, blackboard, lecture notes

Literatur C. M. Bishop, Pattern Recognition and Machine Learning

Reading list B. Schöllkopf, A. Smola, Learning with Kernels
T. Hastie, R. Tibshirami, J. Friedman, The Elements of Sta-
tistical Learning
F. Cucker, D.X. Zhou, Learning Theory
Skriptum zur Vorlesung vollständig ausgearbeitet und ge-
druckt / Lecture Notes

89
Modulkatalog Module Descriptions

5736 Kettenbrüche PN 455354

Continued Fractions

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II, Numerische Mathema-

Recommended skills tik
Analysis I + II, Linear Algebra I + II, Numerical Mathematics

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die wichtigsten Resultate aus der
Theorie der Kettenbrüche und deren Verwendung in Anwen-
dungen.

90
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden können Beweistechniken aus dem Gebiet der
Kettenbrüche nachvollziehen und auf verwandte Probleme aus
Anwendungsfragen übertragen und auf dieser Basis Algorith-
men entwickeln.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, sich Techniken aus
dem Gebiet zu erschließen und passend für Anwendungspro-
bleme auszuwählen und zu evaluieren.

Inhalt Applications of continued fractions; continued fractions and

Course content number theory; continued fractions and polynomials: quadra-
ture, orthogonal polynomials, Sturm chains, Padé approxima-
tion; signal processing, Hurwitz and Stieltjes

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben
90-minute written examination or 20-minute oral examination
(the mode of assessment will be announced at the start of the
semester)

Medienformen Präsentation und Beamer

Media used Presentation and projector

Literatur F. R. Gantmacher, Matrix Theory. Vol. II, Chelsea Publishing

Reading list Company, 1959, Reprinted by AMS, 2000.
W. Gautschi, Numerical analysis. an introduction, Birkhäuser,
1997.
A. Ya. Khinchin, Continued fractions, 3rd ed., University of
Chicago Press, 1964, Reprinted by Dover 1997.
O. Perron, Die Lehre von den Kettenbrüchen I/II, 3rd ed., B.
G. Teubner, 1954.

91
Modulkatalog Module Descriptions

5739 Geometric Modeling Project PN 455355

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder äquivalent

Recommended skills Analysis I + II, Linear Algebra I + II or equivalent

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden und anwendungs-
relevanten Konzepte und Techniken der Computeralgebra für
Idealtheorie deren Anwendung auf und Numerische Probleme.
Fähigkeiten / Abilities
Die Studierenden können mit den im CAGD üblichen Kurven-

92
Modulkatalog Module Descriptions

und Flächentypen umgehen, Algorithmen zum Umgang mit

ihnen entwickeln sowie Eigenschaften der Objekte und Algo-
rithmen mathematisch formulieren und beweisen. Sie können
außerdem konkrete Objekte konstruieren, reproduzieren oder
generieren.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, die Funktionswei-
se von CAD-Systemen zu verstehen, geeignete Kurven- und
Flächentypen für Modellierungsprobleme auszuwählen und in
konkreten Fragestellungen einzusetzen.

Inhalt Differentialgeometrische Eigenschaften von Kurven und Flä-

Course content chen, Kurvenprimitive im CAD: Polynome, Splines, rationa-
le Kurven. Methoden zur Flächengenerierung: Blending, Ten-
sorprodukt. Untersuchung von geometrischen Differenzierbar-
keitseigenschaften.

Studien-/Prüfungsleistungen Erstellung eines Prototypen und Präsentation (30min) zum

Assessment Projekt und dessen Durchführung
Production of a prototype and presentation (30min) about the
project and its implementation

Medienformen Präsentation und Beamer

Media used Presentation and projector

Literatur Wird vom Dozenten bekannt gegeben

Reading list

93
Modulkatalog Module Descriptions

5750 Gewöhnliche Differentialgleichungen PN 401817

Ordinary Differential Equations

Häufigkeit des Modulangebots In der Regel jedes Sommersemester

Frequency of course offering Usually every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein, Wirth

Module convenor

Dozent(in) Forster-Heinlein, Wirth

Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II

Recommended skills Analysis I + II, Linear Algebra I + II

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Schlüsselprinzipien über die Exis-
tenz und Eindeutigkeit der Lösungen gewöhnlicher Differenti-
algleichungen, sowie einige Lösungsverfahren.
—

94
Modulkatalog Module Descriptions

Students will know the key principles of the existence and

uniqueness of solutions of ordinary differential equations and
some solution methods.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, die Methoden zur Lösung
gewöhnlicher Differentialgleichungen bei konkreten Fragestel-
lungen zu aktuellen Themen der Mathematik und der Natur-
wissenschaften anzuwenden.
—
Students will be able to apply the solution methods for ordi-
nary differential equations to topical problems in the field of
mathematics and the natural sciences.

Inhalt • Modellierung mittels Differentialgleichungen

Course content • Lösungsverfahren für spezielle Differentialgleichungen
erster Ordnung
• Existenz- und Eindeutigkeitssätze von Peano und
Picard-Lindelöf
• Lösungsverfahren für lineare Differentialgleichungen und
Differentialgleichungssysteme
• Stabilitätstheorie für Lösungen autonomer Differential-
gleichungen
—
• Modeling using differential equations
• Solution methods for specific first-order differential
equations
• Existence and uniqueness theorems of Peano and
Picard-Lindelöf
• Mehods for solving linear differential equations and sys-
tems of differential equations
• Stability theory for solutions of autonomous differential
equations

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
20-minute individual oral examination or 90-minute written
examination. The precise mode of assessment will be announ-
ced at the start of the semester.

Medienformen Tafel, Beamer, Übungsblätter

Media used Board, projector, exercise sheets

Literatur B. Aulbach, Gewöhnliche Differenzialgleichungen, Spektrum

Reading list Akademischer Verlag 2004

95
Modulkatalog Module Descriptions

5753 Distributionentheorie PN 455360

Generalized Function Theory

Häufigkeit des Modulangebots Alle vier Semester

Frequency of course offering Every four semesters

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein
Module convenor

Dozent(in) Forster-Heinlein
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder äquivalent

Recommended skills Analysis I + II, Linear Algebra I + II or equivalent

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden und anwendungs-
relevanten Konzepte und Techniken der Distributionentheorie.

Fähigkeiten / Abilities

96
Modulkatalog Module Descriptions

Die Studierenden können die Beweistechniken der Distribu-

tionentheorie nachvollziehen und auf verwandte Probleme aus
Anwendungsfragen überragen und auf dieser Basis eigene Be-
weise entwickeln.

Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, die Konzepte und
Methoden der Distributionentheorie zu verstehen, und geeig-
nete Analysetechniken der Distributionentheorie für Anwen-
dungsprobleme auszuwählen oder zu entwickeln und anzuwen-
den.

Inhalt Inhalt:
Course content • Lokalkonvexe topologische Räume, Raum der Testfunk-
tionen, Raum der Distributionen
• Charakterisierung von Distributionen, Konvergenz, loka-
les Verhalten
• Cauchy-Hauptwert
• Integration von Distributionen und Anwendung auf ge-
wöhnliche Differentialgleichungen
• Faltung von Distributionen
• Fourier-Transformation, Schwartz-Raum und temperier-
te Distributionen

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
20-minute individual oral examination or 90-minute written
examination. The precise mode of assessment will be announ-
ced at the start of the semester.

Medienformen Tafel, Beamer, Übungsblätter

Media used Board, projector, exercise sheets

Literatur Primary:
Reading list • Walter Rudin. Functional Analysis. McGraw-Hill.
• Wolfgang Walter. Einführung in die Theorie der Distri-
butionen. B.I.-Wissenschaftsverlag.
• Ahmed I. Zayed. Handbook of function and generalized
function transformations. CRC Press.

Secondary:
• D. C. Champeney. A handbook of Fourier theorems.
Cambridge University Press.
• D. S. Jones. Generalized functions. McGraw-Hill.
• Michael Reed and Barry Simon. Methods of Modern
Mathematical Physics I : Functional analysis. Academic

97
Modulkatalog Module Descriptions

Press.
• Laurent Schwartz. Théorie des distributions. Hermann.
• François Treves. Topological Vector Spaces, distributi-
ons and kernels. Academic Press.

98
Modulkatalog Module Descriptions

5754 Constructive Approximation PN 405244

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder äquivalent

Recommended skills Analysis I + II, Linear Algebra I + II or equivalent

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden und anwendungs-
relevanten Konzepte und Techniken der Approximationstheo-
rie.
Fähigkeiten / Abilities
Die Studierenden können Beweistechniken der Approximati-

99
Modulkatalog Module Descriptions

onstheorie nachvollziehen und auf verwandte Probleme aus

Anwendungsfragen übertragen und auf dieser Basis Algorith-
men entwickeln.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, die Konzepte und
Methoden der Approximationstheorie zu verstehen, und geeig-
nete Approximationtechniken für Anwendungsprobleme aus-
zuwählen und zu evaluieren.

Inhalt Qualitative Approximation: Dichtheitsaussagen und Approxi-

Course content mation in linearen Räumen; Shape preserving approximation;
Quantitive Approximation mit trigonometrischen und algeba-
rischen Polynomen; Translationsinvariante Räume und Wave-
lets; Der Satz von Kolmogoroff und Neuronale Netze

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute written examination or oral examination (approx 20
minutes). The precise mode of assessment will be announced
at the start of the semester.

Medienformen Präsentation und Beamer

Media used Presentation, projector

Literatur G. G. Lorentz. Approximation of functions. Chelsea Publishing

Reading list Company, 1966.
I. Daubechies. Ten Lectures on Wavelets, volume 61 of CBMS-
NSF Regional Conference Series in Applied Mathematics.
SIAM, 1992.
P. J. Davis. Interpolation and Approximation. Dover Books on
Advanced Mathematics. Dover Publications, 1975.

100
Modulkatalog Module Descriptions

5756 Funktionalanalysis PN 451404

Functional Analysis

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Prochno
Module convenor

Dozent(in) Prochno
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder Grundlagen der

Recommended skills Mathematik 1,2
Analysis I + II, Linear Algebra I + II or the foundations of
mathematics 1 and 2

Verwendbarkeit in weiteren Bachelor Mathematik, Master Artificial Intelligence Enginee-

Studiengängen ring
Applicability for other courses Bachelor Mathematics, Master Artificial Intelligence Enginee-
ring

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden theoretischen

101
Modulkatalog Module Descriptions

Techniken, um lineare Funktionale und Operatoren in topo-

logischen Vektorräumen, insbesondere Banach- und Hilbert-
Räumen, zu analysieren.
—
Students know the basic theoretical techniques to analyze li-
near functionals and operators in topological vector spaces, in
particular Banach and Hilbert spaces.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, die Methoden der Funk-
tionalanalysis bei konkreten Fragestellungen zu aktuellen The-
men der Mathematik und der Naturwissenschaften anzuwen-
den.
—
Students are able to apply the methods of functional analysis
to specific, topical problems in mathematics and the natural
sciences.

Inhalt Folgende Themen werden behandelt:

Course content • Topologische Vektorräume
• Normierte Räume und Vollständigkeit
• Lineare Operatoren zwischen normierten Räumen
• Satz von der offenen Abbildung, Satz vom abgeschlos-
senen Graphen und Satz von Baire
• Hahn-Banach Sätze und Konsequenzen
• Satz von Banach-Steinhaus
—
The following topics are covered:
• Topological vector spaces
• Normed spaces and completeness
• Linear operators between normed spaces
• Open mapping theorem, closed graph theorem and
Baire’s theorem
• Hahn-Banach theorems and consequences
• Theorem of Banach-Steinhaus

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 25 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
25-minute individual oral examination or 90-minute written
examination. The precise mode of assessment will be announ-
ced at the start of the semester.

Medienformen Tafel, Beamer, Übungsblätter

Media used Board, projector, exercise sheets

Literatur W. Rudin, Functional Analysis, McGraw Hill, 1991.

Reading list M. Reed/B. Simon, Functional Analysis, Academic Press,

102
Modulkatalog Module Descriptions

1972.
D. Werner: Funktionalanalysis, Springer, 2007.
F. Hirzebruch, W. Scharlau: Einführung in die Funktionalana-
lysis, BI-Hochschulbücher, 1991.

103
Modulkatalog Module Descriptions

5757 Fourier- und Laplace-Transformation PN 451405

Fourier and Laplace Transforms

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein
Module convenor

Dozent(in) Forster-Heinlein
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder äquivalent

Recommended skills Analysis I + II, Linear Algebra I + II or equivalent

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden theoretischen Me-
thoden der Fourier- und Laplace-Transformation.
—
Students are familiar with the basic theoretical methods of

104
Modulkatalog Module Descriptions

Fourier and Laplace transform.

Fähigkeiten / Abilities
Die Studierenden sind in der Lage, Funktionen, die in kon-
kreten Fragestellungen zu aktuellen Themen der Mathematik
und der Naturwissenschaften auftreten, anhand von Fourier-
Techniken zu analysieren.
—
Students are able to analyze functions that occur in specific
questions on current topics in mathematics and the natural
sciences using Fourier techniques.

Inhalt Folgende Themen werden behandelt:

Course content • Fourier-Reihen
• Fourier-Integrale in L1 und L2
• Poisson-Summationsformel
• Abtastsatz
• Paley-Wiener-Satz
• Lokale Transformationen und die Heisenbergsche Un-
schärferelation
• Laplace-Transformation und ihre Inversion
—
The following topics are covered:
• Fourier series
• Fourier integrals in L1 und L2
• Poisson summation formula
• Sampling theorem
• Paley-Wiener Theorem
• Local transformations and the Heisenberg uncertainty
principle
• Laplace transform and its inversion

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
20-minute individual oral examination or 90-minute written
examination. The precise mode of assessment will be announ-
ced at the start of the semester.

Medienformen Tafel, Beamer, Übungsblätter

Media used Board, projector, exercise sheets

Literatur Richard E. Bellman and Robert S. Roth. The Laplace Trans-

Reading list form. World Scientific, 1984.
Yitzhak Katznelson. An introduction to harmonic analysis.
John Wiley & Sons, Inc., New York, 1968.
Rupert Lasser. Introduction to Fourier Series, volume 199 of
Monographs and textbooks in pure and applied mathematics.

105
Modulkatalog Module Descriptions

Marcel Dekker, Inc., New York, 1996.

Stéphane Mallat. A wavelet tour of signal processing. Acade-
mic Press, San Diego, 1997.
Jayakumar Ramanathan. Methods of Applied Fourier Analy-
sis. Birkhäuser, 1998.
Joel L. Schiff. The Laplace Transform. Springer, 1999.
P. Wojtaszczyk. A Mathematical Introduction to Wavelets.
Number 37 in London Mathematical Society Student Texts.
Cambridge University Press, 1997.
Robert M. Young. An Introduction to Nonharmonic Fourier
Series. Academic Press, New York, 1980.

106
Modulkatalog Module Descriptions

5762 Sicheres Rechnen PN 455372

Secure Computation

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Katzenbeisser
Module convenor

Dozent(in) Katzenbeisser
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced IT Security

Recommended skills

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben grundlegende Kenntnisse im Be-
reich des Sicheren Rechnens, womit sensitive Daten auf
nicht vertrauenswürdigen Plattformen sicher verarbeitet wer-
den können. Sie lernen verschiedene Ansätze zur Konstruktion

107
Modulkatalog Module Descriptions

von Verfahren und Protokollen des Sicheren Rechnens basie-

rend auf verschiedenen kryptographischen Verfahren.
—
Students acquire basic knowledge of secure computation tech-
niques, which can be used to process sensitive data on untrust-
worthy computing platforms. They learn various approaches to
the construction of secure computation methods and proto-
cols based on various cryptographic primitives.
Fähigkeiten / Abilities
Die Studierenden lernen Einsatzbereiche von Techniken des
Sicheren Rechnens kennen. Sie erwerben die Fähigkeit, Tech-
niken des Sicheren Rechnens in der Praxis umzusetzen.
—
Students learn the application domains of techniques of se-
cure computation. Furthermore, they acquire the abilities to
implement secure computation in practice.
Kompetenzen / Competencies
Die Studierenden lernen die Sicherheit von Techniken des Si-
cheren Rechnens zu beurteilen und die für einen Anwendungs-
fall geeigneten Methoden zu selektieren.
—
Students learn to analyze the security of techniques of „secure
computation“ and are able to select the appropriate methods
for a given problem domain.

Inhalt Das Modul betrachtet die grundlegenden Konstruktionen des

Course content Sicheren Rechnens, die auf homomorpher Verschlüsselung,
Garbled Circuits oder Secret Sharing basieren. Darüberhinaus
werden prominente Anwendungen besprochen sowie Program-
mierwerkzeuge für Sicheres Rechnen vorgestellt.
—
The module includes a discussion of the basic techniques to
construct secure computation solutions, which are based on
homomorphic encryption, garbled circuits or secret sharing.
Furthermore, prominent applications will be discussed and pro-
gramming tools for secure computation will be reviewed.

Studien-/Prüfungsleistungen 60 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung

Assessment je nach Anzahl der Hörer; die genaue Prüfungsart wird zu Be-
ginn des Semesters bekannt gegeben.
Written exam (60 minutes) or oral exam (about 20 minutes);
the precise mode of assessment will be announced at the start
of the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

108
Modulkatalog Module Descriptions

Literatur Nach Ansage in der Vorlesung

Reading list Announced during the lecture

109
Modulkatalog Module Descriptions

5764 Advanced Security Engineering Lab PN 455345

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Katzenbeisser
Module convenor

Dozent(in) Katzenbeisser
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 6Ü
Contact hours Es besteht Anwesenheitspflicht. Die Anwesenheitspflicht be-
steht aus folgenden Gründen: Um den Erfolg der Veranstal-
tung zu gewährleisten ist eine verstärkte Interaktion der Stu-
dierenden untereinander aber auch zwischen Studenten und
Betreuern notwendig. Bei der Interaktion mit den Betreu-
ern oder den Kommilitonen, können die Studierenden Proble-
me besprechen und Lösungsstrategien erarbeiten. Ein weiterer
Grund sind die regelmäßig stattfindenden Präsentationen der
Studierenden. Jeder Studierende arbeitet sich frühzeitig ver-
stärkt in ein Gebiet der Veranstaltung ein. In der Präsentation
vermittelt der Studierende sein Spezialwissen an die anderen
Teilnehmer. Damit sichergestellt wird, dass die Studierenden
dieses Spezialwissen vermittelt bekommen, müssen sie zu den
Präsentationen anwesend sein. Der letzte Grund ist die Über-
prüfung der praktischen Kompetenz der Studenten. Die Stu-
denten werden während der Anwesenheitszeit befragt um ihren
Lernerfolg zu beobachten.
Attendance is compulsory. This is for the following reasons:
First, to ensure the success of the practicum, it is necessa-
ry to enhance the interaction among students and between
students and tutors. When interacting with the tutors or fel-
low students, the students can discuss problems and develop
solution strategies. Second, there are the regularly scheduled
presentations of the students. Each student works is assigned
a topic area for the practicum which he or she treats in greater
detail than the others. In the presentation the student shares
their detailed knowledge with the other students. To ensure

110
Modulkatalog Module Descriptions

the maximum benefit for all students, it should be ensured

that all students are present at the presentation. Third, one
of the objectives of the practicum is to test the students’
practical skills. The students will be interviewed during their
attendance to observe their learning success.

Arbeitsaufwand 90 Std. betreute Laborarbeit + 110 Std. nicht betreute La-

Workload borarbeit + 160 Nachbearbeitung
90 hours supervised laboratory work + 110 hours unsupervi-
sed lab work + 160 hours follow-up

ECTS 12
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Technische Informatik, Advanced IT Security

Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen fortgeschrittene Techniken der
hardware-orientierten IT-Sicherheit in einem praxisorientierten
Umfeld kennen, wie beispielsweise Seitenkanalangriffe, Covert
Channels, Physically Unclonable Functions oder Trusted Exe-
cution Environments. Die Übungsaufagen orientieren sich an
aktuellen Forschungsarbeiten.
—
Students learn in a practical environment about advanced
techniques of hardware-oriented cybersecurity, such as side
channel attacks, covert channels, Physically Unclonable Func-
tions and Trusted Execution Environments. Assignments are
based on current research publications.
Fähigkeiten / Abilities
Lösen anspruchsvoller Informatik-Aufgaben aus dem Bereich
der IT Sicherheit unter praktisch experimenteller Anwendung
des im Studium vermittelten Theorie- und Methodenwissens.
Entwurf von IT-Sicherheitsarchitekturen auf Basis von Primi-
tiven der hardware-orientierten Sicherheit. Recherche aktuel-
ler Publikationen zum übergeordneten Projektthema. Zudem

111
Modulkatalog Module Descriptions

lernen die Studierenden die gegenseitige Vermittlung der in-

haltlichen Grundlagen.
—
Solve challenging computer science tasks in the field of IT se-
curity under practical experimental application of operations
in the study of theories and methods. Construction, modifica-
tion and analysis of security infrastructures which are based
on hardware security primitives. Research in the latest scien-
tific literature on the project topic. Finally, students learn to
relate the theoretical underpinnings to each other.
Kompetenzen / Competencies
Beurteilung der Sicherheitseigenschaften von Sicherheits-
Infrastrukturen. Problemlösungskompetenz und Transferkom-
petenz, der Theorie- und Methodenschatz der Informatik kann
auf komplexe, praktische Probleme der IT Sicherheit angewen-
det werden. Bearbeitung komplexer, konstruktiver und experi-
menteller Aufgaben aus dem Bereich der hardware-orientierten
IT-Sicherheit.
—
Assessment of the security properties of security infrastructu-
res. Problem-solving skills and knowledge transfer skills; abili-
ty to apply the theories and methods of computer science to
complex, practical problems of IT security. Ability to process
complex, constructive and experimental problems in the field
of hardware-oriented security.

Inhalt Fortgeschritene Techniken der hardware-orientierten IT- Si-

Course content cherheit, basierend auf aktuellen Forschungsarbeiten, wie bei-
spielsweise:
• Seitenkanalangriffe
• Covert Channels
• Physically Unclonable Functions
• Trusted Execution Environments
—
Advanced techniques of hardware-oriented cybersecurity, ba-
sed on current research publications, such as:
• Side channel attacks
• Covert Channels
• Physically Unclonable Functions
• Trusted Execution Environments

Studien-/Prüfungsleistungen Das Modul ist in Themenabschnitte unterschiedlicher Schwie-

Assessment rigkeitsgrade unterteilt. Die Studierenden lösen im Team für
jeden dieser Abschnitte ein praktisches Problem. Die Schrit-
te der Problemlösung werden in einem Bericht dokumentiert.
Nach Fertigstellung der Lösung wird diese den anderen Teil-

112
Modulkatalog Module Descriptions

nehmern der Übung präsentiert (Dauer der Präsentation: ca.

30 Minuten). Die Kombination aus Protokollen und zugehöri-
ger Präsentation stellt sicher, dass die erarbeiteten Lösungen
und das zugehörige Wissen nicht nur schriftlich dargelegt wird,
sondern auch praktisch angewendet werden kann.
The module is divided into topic segments of varying difficulty.
Students develop in a team a practical problem. The solution
is documented in a report. The report is presented to other
students when it is complete (duration of presentations: 30
minutes). The combination of protocols and associated pre-
sentation ensures that the solutions and the associated know-
ledge demonstrated can not only be written down, but can
also be applied practically.

Medienformen Labor, Rechner, Beamer

Media used Laboratory, computer, projector

Literatur Richtet sich nach den variierenden konkret vergebenen The-

Reading list men.
Depends on the (changing) assignments

113
Modulkatalog Module Descriptions

5767 Hardware-basierte Sicherheit PN 455381

Hardware-Oriented Security

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Katzenbeisser
Module convenor

Dozent(in) Katzenbeisser
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced IT Security

Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben grundlegende Kenntnisse im Be-
reich der hardware-orientierten Sicherheit: mit diesen Verfah-
ren können effektiv moderne Rechnerplattformen abgesichert
werden. Sie lernen verschiedene Klassen von Verfahren der

114
Modulkatalog Module Descriptions

Hardware-Sicherheit kennen und können diese auf neue Pro-

blemstellungen anwenden.
—
Students acquire basic knowledge of hardware-oriented cyber-
security techniques, which can be used to protect modern
computing platforms. They learn various classes of hardware-
security primitives and are able to apply them to new pro-
blems.
Fähigkeiten / Abilities
Die Studierenden lernen Einsatzbereiche von Techniken des
der hardware-orientierten Sicherheit kennen. Sie erwerben die
Fähigkeit, die besprochenen Techniken in der Praxis umzuset-
zen.
—
Students learn the application domains of techniques of hard-
ware security. Furthermore, they acquire the abilities to apply
the discussed techniques in practice.
Kompetenzen / Competencies
Die Studierenden lernen die Sicherheit von Methoden der
hardware-basierten Sicherheit zu beurteilen und die für einen
Anwendungsfall geeigneten Methoden zu selektieren.
—
Students learn to analyze the security of hardware-based secu-
rity primitives and are able to select the appropriate methods
for a given problem domain.

Inhalt • Zufallszahlengeneratoren
Course content • Physically Unclonable Functions
• Hardware-Trojaner
• Seitenkanalangriffe gegen kryptographische Implemen-
tierungen
• Trusted Platform Modules und Trusted Execution Envi-
ronments
• Techniken des Remote Attestation
• Covert Channels
• Effiziente Implementierung kryptographischer Verfahren
—
• True Random Number Generators
• Physically Unclonable Functions
• Hardware Trojans
• Side channel attacks against cryptographic implemen-
tations
• Trusted Platform Modules and Trusted Execution Envi-
ronments
• Remote Attestation techniques
• Covert Channels

115
Modulkatalog Module Descriptions

• Efficient implementation of cryptographic primitives

Studien-/Prüfungsleistungen 60 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung

Assessment jeweils in deutscher oder englischer Sprache und je nach An-
zahl der Hörer.
60 minute written exam or 20 minute oral exam in German or
English

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Nach Ansage in der Vorlesung

Reading list Announced during the lecture

116
Modulkatalog Module Descriptions

5768 Eisenbahnsicherungstechnik PN 451008

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Katzenbeisser
Module convenor

Dozent(in) Katzenbeisser
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 60 Std. Nachbearbeitung des Vorlesungs-

Workload stoffs und Prüfungsvorbereitung
30 contact hours + 60 lecture follow-up and exam preparation

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundkenntnisse in zuverlässigen und sicheren Systemen

Recommended skills Basic knowledge in reliable and secure systems

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die Grundlagen des sicheren Bahnbe-
triebs und hierzu verwendete technische Systeme kennen.
—
The students acquire a systematic understanding of the rules
of safe train operation as well as technical systems that are
used in that domain.

117
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden besitzen die Fähigkeit, die Sicherheit so-
wie die Zuverlässigkeit von Eisenbahnsicherungsanlagen ein-
zuschätzen und einfache Analysen selbst durchzuführen.
—
The students have the ability to assess the security as well
as the safety of railway interlocking systems; they are able to
perform simple analyses independently.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz die Sicherheitsan-
forderungen im Bahnbetrieb zu verstehen und diese auf neue
Projekte anzuwenden.
—
The students have the competence to understand the safety
and security requirements in railway operations and are able
to apply this knowledge to new projects.

Inhalt Dieses Modul bespricht die Grundlagen des sicheren Bahnbe-

Course content triebs sowie die technischen Einrichtungen, die hierzu einge-
setzt werden:
• Einführung in den sicheren Bahnbetrieb in Deutschland
• Überblick über die in Deutschland eingesetzte Stell-
werkstechnik (mechanische und elektromechanische
Stellwerke, Relaisstellwerke sowie digitale Stellwerke)
• Grundlagen zur Analyse der Zuverlässigkeit der einge-
setzten Technologie
• Grundlagen der IT-Sicherheit in der Stellwerkstechnik
—
This module discusses basic methods of safe train operation
as well as technical systems that are used in that domain:
• Introduction to safe train operation in Germany
• Overview of the interlocking systems that are used in
Germany (mechanical and electromechanical systems,
relais-based interlocking, and digital systems)
• Introduction to safety analysis for interlocking systems
• Introduction to cybersecurity for interlocking systems

Studien-/Prüfungsleistungen Seminararbeit von ca. 10 Seiten und Vortrag (ca. 30 Minu-

Assessment ten), ggf. in Gruppenarbeit
Seminar paper of about 10 pages and oral presensation (about
30 minutes), possibly in a team

Medienformen Präsentation mit Beamer und Tafel

Media used Presentation with a projector, blackboard

Literatur -
Reading list

118
Modulkatalog Module Descriptions

5771 Multimedia-Datenbanken PN 405031

Multimedia Databases

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kosch
Module convenor

Dozent(in) Kosch
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 50 Std. Übungen + 85 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 50 hrs exercises + 85 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering, Master Wirtschaftsinformatik
Applicability for other courses Master Computational Mathematics, Master Artificial Intelli-
gence Engineering, Master Information Systems

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben Kenntnisse über Techniken der
Multimediaverarbeitung und der Extraktion von beschrei-
benden Multimediaeigenschaften sowie Ähnlichkeitsvergleich

119
Modulkatalog Module Descriptions

von multimedialen Medien und den Aufbau von Multimedia-

Datenbankmanagementsystemen und der Programmierung
von Multimedia-Datenbanken.
—
Students will acquire knowledge of techniques for multime-
dia processing and extraction of descriptive multimedia featu-
res and the development of multimedia database management
systems and programming of multimedia databases.
Fähigkeiten / Abilities
Die Studierenden haben die Fähigkeit zur praktischen Spezifi-
kation von Multimediaanfragen, Umsetzung und Optimierung
von Multimediaanfragen und zum Einsatz von Multimedia-
standards.
—
Students will acquire the ability to perform practical specifica-
tion of multimedia requests, implementation and optimization
of multimedia queries and the use of multimedia standards.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz zur Übertragung
der Datenbankkenntnisse auf Multimediadaten, Erweiterun-
gen von SQL und Beherrschung von objekt-relationalen Kon-
strukten am Beispiel Multimedia, technischer Umgang mit
Medien, Management von Multimediadaten im Allgemeinen.
—
Students will acquire the competence to transfer the database
knowledge on multimedia data, extensions of SQL and mas-
tery of object-relational constructs for multimedia, technical
dealing with the media, management of multimedia data in
general.

Inhalt Neue Medienstandards (hier vor allem von MPEG - MPEG-4

Course content AVC oder von MPEG abgeleitet divX, mp3) und immer besse-
re Aufnahmegräte haben der medienverarbeitenden Industrie
in den letzten Jahren einen großen Ruck gegeben. Neue Me-
thoden und Werkzeuge sind entstanden, welche die Masse an
aufgenommenen und gesendeten Daten verwalten können. Der
Wert der Information hängt wesentlich davon ab, wie leicht
die Daten gesucht und nach ihrem Inhalt verwaltet werden
können. Dazu werden exklusiv Multimedia-Datenbanken ein-
gesetzt. Die Multimedia-Suche unterscheidet sich dabei we-
sentlich von einer textuellen Suche. Wir unterscheiden dabei
die inhaltsbasierte Suche, welche sich z.B. auf Farb-, Kon-
tur, und Texturverteilungen für visuelle Medien stützt und
Bild-zu-Bild Vergleiche ermöglicht. Präzisere Verfahren ba-
sieren auf einer Regions-basierten Suche, die versucht Tei-
le eines Bildes oder Videos zu erkennen. Die semantische

120
Modulkatalog Module Descriptions

Suche ermöglicht das Auffinden von Medien anhand der in

den Medien mitspielenden Personen, oder dargestellten Or-
te/Ereignisse. Ein Multimedia-Datenbanksystem stellt hier die
notwendigen Funktionen zur Medienmanipulation bereit und
ermöglicht gleichzeitig die inhaltsbasierte und semantische Su-
che und dass auch in großen Datenmengen, welches durch
entsprechende intelligente Indexstrukturen ermöglicht wird.
Inhaltliche Gliederung:
Content-Based Indexing und Retrieval (visuelle Medien):
Farbtheorie und Darstellung, kurzer Überblick über weitere
Beschreibungsmerkmale wie Textur, Kanten, Extraktion von
Merkmalen Retrievalsysteme und Demos Multimediadatenmo-
dellierung (in XML: MPEG-7)
Multimedia DBMS:
Multimedia Zugriffsstrukturen, hier vor allem die Familie der
R-Trees, SS-Trees und SR-Trees
Multimedia Anfrageverarbeitung und Optimierung
Programmierung von Multimedia-DBMS
Überblick über gängige MMDB-Produkte und Forschungspro-
totypen
—
New media standards (here especially MPEG - MPEG-4 AVC
or derived from MPEG DivX, mp3) and better recording de-
vices in the media processing industry have been developed in
recent years. New methods and tools are developed, which can
manage the mass of recorded and transmitted data. The value
of information largely depends on how easily the data can be
searched and managed according to their content. These mul-
timedia databases are used exclusively. The multimedia search
here differs substantially from textual search. We distinguish
content-based search, which for example is to enable color,
contour, and texture based distributions for visual media and
image-to- image comparisons. More accurate methods are ba-
sed on a region -based search, which tries to identify parts of
an image or video. The semantic search allows you to find me-
dia based on the fellow in the media persons, or places/events
portrayed. A multimedia database system provides here the
necessary functions for media manipulation and at the same
time enables the content-based and semantic search and that
too in large amounts of data, which is made possible due to
intelligent index structures.
Content structure:
Content -Based Indexing and Retrieval (visual media): color
theory and presentation, brief overview of description of fea-
tures such as texture, edges, extraction of features, retrieval

121
Modulkatalog Module Descriptions

systems and demos of multimedia data modeling (in XML:

MPEG -7)
Multimedia DBMS:
Multimedia access structures, especially the family of R-trees,
SS-trees and SR- Trees
Multimedia Anfrageverarbeitung and optimization
Programming of multimedia DBMS
Overview of common MMDB products and research prototy-
pes

Studien-/Prüfungsleistungen 90 minütige schriftliche Klausur

Assessment 90-minute written examination

Medienformen Folien-orientierte Vorlesung, Tafelbenützung bei Beispielen,

Media used zusätzlichen Erläuterungen und zu erklärenden Sachverhalten:
Wöchentliche Übungen in kleinen Gruppen. Dabei werden Prä-
senzaufgaben sowie die Musterlösungen zu den Übungsaufga-
ben vorgerechnet
Erwartete Aktivitäten der Studierenden: Mitarbeit bei Prä-
senzübungen, Übungsaufgaben, selbständiges Studium von se-
kundärer Literatur
Folienskript ist vorhanden und über Stud.IP zugänglich.
—
Slides-oriented lecture, panel use with examples, additional
explanations and explanatory facts: Weekly tutorials in small
groups. The presence tasks and the sample solutions are pre-
calculated to the exercises
Expected activities of students: Participation in compulsory
and voluntary tutorials, independent study of secondary lite-
rature
Slide script is accessible and available through Stud.IP

Literatur Harald Kosch: “Distributed Multimedia Database Technolo-

Reading list gies supported by MPEG-7 and MPEG-21”, CRC Press, No-
vember 2003, ISBN 0-8493-1854-8
Klaus Meyer-W egener: „Multimediale Datenbanken- Einsatz
von Datenbanktechnik in Multimedia-Systemen“, 2. Auflage
2004, Teubner Verlag, ISBN 3-519-12419-X.

122
Modulkatalog Module Descriptions

5772 Data Modelling and Data Processing in the Internet of PN 455386

Things

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kosch
Module convenor

Dozent(in) Kosch, Käbisch

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 30 + 15 Std. Präsenz + 105 Std. Übungsaufgaben, Vor- und

Workload Nachbereitung
30 + 15 contact hours + 105 hrs exercises, independent study
and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Grundlagen der aktuellen
Datenmodellierungs-Ansätze und deren Verarbeitung im Kon-
text der Internet of Things (IoT) Domäne. Sie können Daten-
modelle von beteiligten IoT Systemen beschreiben und wenden

123
Modulkatalog Module Descriptions

Techniken an, um diese zu verarbeiten und zu interpretieren,

um u.a. eine Interaktion zu anderen IoT Systemen zu ermög-
lichen (Plug&Play). Sie kennen den Einsatz von standardisier-
ten (semantischen) Web-Technologien im Umfeld von W3C
Web of Things (WoT) und können aktuelle Anwendungen in
verschiedenen Bereichen der Industrie, u.a. Automatisierung,
Energie- und Verkehrssysteme an Hand ihrer Services beschrei-
ben.
—
Students gain an understanding of the basics of current data
modeling approaches and their processing in the context of
the Internet of Things (IoT) domain. They are able to descri-
be data models of participating IoT systems and apply tech-
niques to process and interpret them, for example, to enable
interaction with other IoT systems (Plug&Play). They will be
familiarized with the use of standardized (semantic) web tech-
nologies in the context of the W3C Web of Things (WoT) and
can describe current applications in various areas of industry,
including automation, energy and transport systems through
their services.
Fähigkeiten / Abilities
Die Teilnehmer können grundlegende Ansätze der Datenmo-
dellierung für Internet of Things-Systeme implementieren. Sie
sind befähigt Servicebeschreibungen für konkrete Fragestel-
lungen und Anwendungen im Web of Things zu verfassen.
—
Participants will be equipped to implement fundamental ap-
proaches to data modeling for Internet of Things systems.
They will be able to write service descriptions for concrete
questions and applications in the Web of Things.
Kompetenzen / Competencies
Die Studierenden erlernen grundlegende und praktische Kom-
petenzen in der Konzeption von IoT-Systemen und mit den
Technologie Blöcken der W3C Web of Things, sowie in der
Anwendung mit semantischen Web-Technologien.
—
Students learn basic and practical skills in the design of IoT
systems, the technology blocks of the W3C Web of Things,
as well as in the application of semantic web technologies.

Inhalt Internet-of-Things (IoT)-Systeme sammeln und agreggieren

Course content Sensordaten von physischen Produkten. Damit können Steue-
rungen optimiert, innovative Services angeboten und neue Ge-
schäftsmodelle entwickelt werden. IoT-Systeme brauchen ein
intelligentes Datenkonzept und Datenmanagement, das neben
dem Sammeln und Agreggieren auch das Auswerten der Sens-

124
Modulkatalog Module Descriptions

ordaten berücksichtigt.
Die Vorlesung gliedert sich in drei Teilen:
1. Einführung in IoT und verschiedene Web Technologien re-
levant für IoT-Systeme
• IoT Systeme, u.a., Mikrokontroller
• IoT Frameworks and Architectures (e.g., Vorto)
• JSON, JSON Schema, RDF, JSON-LD 1.1
• IoT Datastores, u.a von IoT Cloud Systemen
2. Datenmodellierungstechnologien für die IoT
• WoT Building Blöcke: Thing Model, Thing Description
und Binding Templates
• Semantische Modellierung (Kontexterweiterung)
3. Datenverarbeitungsmechanismen im IoT
• WoT API
• Discovery
• Security
• Datenkodierung
• Datenverarbeitung
—
Internet-of-Things(IoT) systems collect and aggregate sensor
data from physical products. This enables control systems to
be optimised, innovative services to be offered and new busi-
ness models to be developed. IoT systems require an intelli-
gent data concept and management that takes into account
not only the collection and agregation but also the evaluation
of sensor data.
The lecture is divided into 3 parts:
1. Introduction to IoT and different web technologies relevant
for IoT systems
• IoT Systems, such as, microcontroller
• IoT Frameworks and Architectures (e.g., Vorto)
• JSON, JSON Schema, RDF, JSON-LD 1.1
• IoT Datastores, such as from IoT Cloud Systems
2. Data Modeling technologies for IoT
• WoT Building Blocks: Thing Model, Thing Description
and Binding Templates
• Semantic Modeling (Context Extension)
3. Data processing mechanisms in IoT
• WoT API
• Discovery
• Security
• Data coding
• Data processing

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters

125
Modulkatalog Module Descriptions

bekannt gegeben.
90-minute written or 20-minutes oral examination; the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation mit Projektor

Media used Projector presentation

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird Wird vom Dozenten zu Beginn der Vorlesung
bekanntgegeben.
To be announced by the lecturer. The literature will be an-
nounced by the lecturer at the beginning of the lecture.

126
Modulkatalog Module Descriptions

5773 Implementierung von Datenbanksystemen PN 405069

Implementation of Database Systems

Häufigkeit des Modulangebots Modul wird nicht mehr angeboten

Frequency of course offering Module no longer offered

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kosch
Module convenor

Dozent(in) Kosch
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 65 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 65 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben vertiefte Kenntnisse über Syste-
minterna und Implementierung von Datenbanksystemen.
—
Students acquire in-depth knowledge of system internals and

127
Modulkatalog Module Descriptions

implementation of database systems.

Fähigkeiten / Abilities
Die Studierenden haben die Fähigkeit, Datenbank-Tuning in
der Praxis durchzuführen.
—
Students will acquire the ability to database tuning in practi-
ce.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz, die Systemsicht ei-
nes Datenbanksystems einzunehmen und zukünftige Entwick-
lungen im Datenbankbereich zu beurteilen.
—
Students will have the competence to take the system point of
view of a database system and to assess future developments
in the database area.

Inhalt Diese Vorlesung soll einen Überblick über aktuelle Konzepte

Course content der Implementierung von Datenbanksystemen (DBS), insbe-
sondere relationaler Datenbanken geben. Dabei wird zunächst
auf allgemeine Anforderungen an Datenbanksysteme einge-
gangen, ehe verschiedene Datenzugriffsmethoden vorgestellt
werden. Darauf aufbauend werden verschiedene Ansätze der
relationalen Anfrageoptimierung, der Viewbearbeitung, sowie
der Fehlerbehandlung und -erholung beschrieben. Abschlie-
ßend werden die vorgestellten Konzepte auf verteilte Daten-
banksysteme angepasst, indem die bisher entwickelten Daten-
strukturen und Algorithmen hinsichtlich der Anforderungen
der Verteilung erweitert werden. Details aktueller Datenbank-
systemversionen, Oracle, IBM DB2 werden in speziellen Kapi-
teln behandelt. In den begleitenden Übungen werden die ver-
schiedenen Konzepte an Beispielen vertieft und die Umsetzung
in aktuellen DBS diskutiert. Im praktischen Teil der Übungen
wird das Datenbank-Tuning vorgestellt, d.h., die Optimierung
eines Datenbanksystems für verschiedene Anwendungen und
Systemparameter. Administrative Grundlagen werden vermit-
telt.
Inhaltliche Gliederung: Architekturen von DBS Blockorien-
tierte Zugriffsschnittstelle, E/A-Architekturen und Speicher-
hierarchien Speichertechnologie Externspeicherverwaltung,
DBS-Pufferverwaltung Datensatzorientierte Zugriffsschnitt-
stelle Speicherungsstrukturen für Datensätze und Objekte
Indexstrukturen, u.a., B-Baum Familie, Hashing, multidimen-
sionale Indexstrukturen
Mengenorientierte Zugriffsschnittstelle Anfragebearbeitung
und Optimierung Verteilte Datenbanksysteme
Details aktueller Datenbanksystemversionen, Oracle und IBM

128
Modulkatalog Module Descriptions

DB2
—
This lecture will provide an overview of current concepts in
implementation of database systems (DBS), particularly re-
lational databases. It first discusses general requirements for
database systems before different data access methods are
presented. Different approaches to relational query optimiza-
tion, the view editing, and error handling and recovery are
described. Finally, the concepts presented in distributed data-
base systems will be adapted to the previously developed data
structures and algorithms and extended with respect to the
requirements of the distribution. Details of current database
system versions, Oracle, IBM DB2 are treated in special chap-
ters. In the accompanying tutorials, the various concepts with
examples will be presented and the implementation in current
DBS will be discussed. In the practical part of the tutorials
the database tuning will be presented, ie, the optimization of
a database system for various applications and system para-
meters. Administrative basics are taught.
Content structure: Architectures of DBS block-oriented access
interface, I/O architectures and memory technology memory
hierarchies, external memory management, DBS buffer mana-
gement, record -oriented access interface, storage structures
for records and objects
Index structures, e.g. B- tree family, hashing, multidimensio-
nal index structures
Quantity -based access interface query processing and optimi-
zation of Distributed Database Systems
Details of current database system versions, Oracle and IBM
DB2

Studien-/Prüfungsleistungen 90 min schriftliche Klausur

Assessment 90-minute written examination

Medienformen Folien-orientierte Vorlesung, Tafelbenützung bei Beispielen,

Media used zusätzlichen Erläuterungen und zu erklärenden Sachverhalten:
Wöchentliche Übungen in kleinen Gruppen. Dabei werden Prä-
senzaufgaben sowie die Musterlösungen zu den Übungsaufga-
ben vorgerechnet
Erwartete Aktivitäten der Studierenden: Mitarbeit bei Prä-
senzübungen, Übungsaufgaben, selbständiges Studium von se-
kundärer Literatur
Folienskript ist vorhanden und über Stud.IP zugänglich.
—
Slides-oriented lecture, panel use with examples, additional
explanations and explanatory facts: Weekly tutorials in small

129
Modulkatalog Module Descriptions

groups. The presence tasks and the sample solutions are pre-
calculated to the exercises
Expected activities of students: Participation in compulsory
and voluntary tutorials, independent study of secondary lite-
rature
Slide script is accessible and available through Stud.IP

Literatur Theo Härder, Erhard Rahm: „Datenbanksysteme: Konzepte

Reading list und Techniken der Implementierung", 2. Auflage, Springer
Verlag, 2001, ISBN 3-540-65040-7.

130
Modulkatalog Module Descriptions

5777 Technologien zur Wahrung der Privatsphäre in PN 472215

Informationssystemen
Privacy-Preservation Technologies in Information Systems

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kosch
Module convenor

Dozent(in) Gerl
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 30 + 15 Std. Präsenz, 105 Std. Übungen, Nachbereiten des

Workload Vorlesungsstoffs und Prüfungsvorbereitung
30 + 15 contact hours, 105 hours of exercises, independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Konzepte der
Technologien zur Wahrung der Privatsphäre in Informations-
systemen. Sie kennen auch die rechtlichen Grundlagen des Da-

131
Modulkatalog Module Descriptions

tenschutzes in Europa (GDPR), welche den technischen Mög-

lichkeiten gegenübergestellt werden. Die Studierenden kennen
die Unterschiede zwischen Privatsphäre und Anonymität, ken-
nen Prinzipien für Angriffe auf die Privatsphäre und die An-
onymität und Methoden zur Wahrung dieser. Die Studieren-
den kennen die besonderen Rahmenbedingungen in relevanten
Anwendungsfällen für Informationssysteme, wie z.B. medizini-
sche Informationssysteme oder Data Warehouses.
—
The students know the core concepts of technologies used for
the protection of privacy in information systems. The students
also know the legal basis of data protection in Europe (GD-
PR), which is contrasted to the technical possibilities. The
students know the differences between privacy and anonymi-
ty, know principles for attacks on privacy and anonymity and
methods to protect them. The students know the special re-
quirements in relevant use cases for information systems, such
as medical information systems or data warehouses.
Fähigkeiten / Abilities
Die Studierenden der Lehrveranstaltung beherrschen die Aus-
wahl und Anwendung von geeigneten Methoden zum Schutz
der Privatsphäre und Anonymität in Informationssystemen
unter Berücksichtigung der spezifischen Rahmenbedingun-
gen und rechtlichen Rahmenbedingungen. Sie sind befä-
higt Datenschutz-Risiken in Informationssystemen festzustel-
len und zu bewerten.
—
The students of the course master the selection and appli-
cation of suitable methods for the protection of privacy and
anonymity in information systems, taking into account the
specifics of the information system and legal requirements.
The students are able to determine and evaluate data protec-
tion risks in information systems.
Kompetenzen / Competencies
Die Teilnehmer verstehen die Grundlagen des technischen
Datenschutzes, insbesondere Methoden zur Anonymisierung,
Pseudonymisierung und Privacy Modelle. Auch verstehen die
Teilnehmer die rechtlichen Grundlagen in Europa für Daten-
schutz - die General Data Protection Regulation (GDPR). Die
Teilnehmer können geeignete Methoden für unterschiedliche
Informationssysteme auswählen und unter Beachtung der spe-
zifischen Rahmenbedingungen anwenden.
—
The participants understand the basics of technical data pro-
tection, in particular methods of anonymization, pseudonymi-

132
Modulkatalog Module Descriptions

zation and privacy models. The participants also understand

the legal basis for data protection in Europe - the General Da-
ta Protection Regulation (GDPR). The participants can select
suitable methods for different information systems and apply
them taking into account the specific framework conditions.

Inhalt Die Wahrung der Privatsphäre und Anonymität ist ein The-
Course content menbereich, welcher sowohl durch technische als auch durch
rechtliche Rahmenbedingungen beeinflusst wird. Die Vorle-
sung behandelt diese Rahmenbedingungen im Kontext von In-
formationssystemen. Im ersten Teil der Vorlesung werden die
grundlegenden Konzepte und Methoden vermittelt. Im zwei-
ten Teil der Vorlesung werden unterschiedliche Anwendungs-
fälle in Informations-systemen mit spezifischen Anonymitäts-
und Privatsphäre-Rahmenbedingungen erläutert.
1. Grundlagen von Privacy-Preservation
• Rechtliche Grundlagen in Europa (GDPR)
• Anonymität und Privatheit
• Grundlagen der Datenhaltung in Informationssystemen
• Privacy-Preserving Methoden (Anonymisierung, Privacy
Modelle)
• Tradeoff zwischen Privacy und Utility
2. Anwendungsfälle
• Medizinische Forschungsdaten
– Hippocratic Datenbanken und Purpose-based Ac-
cess Control
– Pseudonymisierung
• Data Warehouse
– Anonymisierungsstrategien
– Anfrage-basierte Anonymisierung
• Soziale Netzwerke
– Datenschutzanforderungen an Soziale Netzwerke
– Privacy-Preservation für Graph-Daten
—
Preserving privacy and anonymity is a topic area that is in-
fluenced by both technical and legal conditions. The lecture
discusses these conditions in the context of information sys-
tems. In the first part of the lecture the basic concepts and
methods are conveyed. In the second part of the lecture, diffe-
rent use cases in information systems with specific anonymity
and privacy frameworks are detailed.
1. Basics of privacy preservation
• Legal basis in Europe (GDPR)
• Anonymity and privacy
• Basics of data management in information systems
• Privacy-preserving methods (anonymization, privacy

133
Modulkatalog Module Descriptions

models)
• Tradeoff between privacy and utility
2. Use Cases
• Medical research data
– Hippocratic databases and purpose-based access
control
– Pseudonymization
• Data warehouse
– Anonymization strategies
– Query-based anonymization
• Social networks
– Data protection requirements for social networks
– Privacy preservation for graph data

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (20 Minuten);

Assessment die genaue Prüfungsart wird zu Beginn des Semesters bekannt
gegeben.
90-minute written or 20-minutes oral examination; the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation mit Projektor

Media used Presentation with projector

Literatur Die Literatur wird vom Dozenten zu Beginn der Vorlesung be-
Reading list kanntgegeben.
The literature will be announced by the lecturer at the begin-
ning of the lecture.

134
Modulkatalog Module Descriptions

5780 Computeralgebra PN 455358

Computer Algebra

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer, Sauer

Module convenor

Dozent(in) Kreuzer, Sauer

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 75 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 75 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I und II

Recommended skills Linear Algebra I and II

Verwendbarkeit in weiteren Master Computational Mathematics, Lehramt Mathematik

Studiengängen Gymnasium
Applicability for other courses Master Computational Mathematics, Teacher training pro-
gramme for secondary education in Mathematics (Gymnasi-
um)

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Algorithmen der
Computeralgebra, insbesondere die Methoden und Anwendun-

135
Modulkatalog Module Descriptions

gen der Gröbner-Basen. Neben den theoretischen Grundlagen

sind sie auch mit konkreten Implementationen dieser Algorith-
men vertraut.
—
The students know the basic algorithms of computer algebra,
in particular the methods and applications of Gröbner bases. In
addition to the theoretical foundations they are familiar with
concrete implementations of these algorithms.
Fähigkeiten / Abilities
Die Studierenden können wichtige Methoden der Computeral-
gebra selbständig in einem Computeralgebrasystem implemen-
tieren. Sie sind in der Lage, für konkrete Fragestellungen ge-
eignete Algorithmen zu finden oder zu entwickeln, deren Kor-
rektheit zu beweisen und deren Effizienz einzuschätzen.
—
Students can implement important methods of computer alge-
bra independently in a computer algebra system. You are able
to find or to develop suitable algorithms for specific questions,
to prove their correctness, and evaluate their efficiency.
Kompetenzen / Competencies
Die Studenten erwerben evaluative Kompetenzen in Bezug
auf die Verknüpfung der theoretischen Inhalte ihres Studiums
mit praxisnahen Problemstellungen, organisatorische Kompe-
tenzen in Bezug auf ihr Zeit- und Arbeitsmanagement, so-
wie selbstreflexive Kompetenzen in Bezug auf interdisziplinäre
Verbindungen zwischen der theoretischen Informatik und der
algorithmischen Mathematik.
—
The students acquire evaluative skills in relation to the link
between the theoretical content of their studies with practi-
cal problems, organizational skills in relation to their time and
work management as well as self-reflective skills in relation
to interdisciplinary connections between theoretical Computer
Science and computational mathematics.

Inhalt Die Vorlesung beginnt mit der Diskussion der den modernen
Course content Verfahren der Computeralgebra zu Grunde liegenden mathe-
matischen Strukturen (Zahlbereiche, Polynome) und ihrer ef-
fektiven Implementation. Darauf aufbauend erhalten die Stu-
dierenden eine Einführung in die Methode der Gröbner-Basen
und lernen die wichtigsten algorithmischen Anwendungen die-
ser Methode kennen. Schließlich werden die Algorithmen auf
konkrete Berechnungsprobleme (z.B. die Lösung von Glei-
chungssystemen) angewendet.
—
The lecture begins with a discussion of the past to modern me-

136
Modulkatalog Module Descriptions

thods of computer algebra underlying mathematical structures

(number ranges polynomials) and their effective implementa-
tion. Based on this, students receive an introduction to the
method of Groebner bases and learn the most important algo-
rithmic applications of this method. Finally, the algorithms are
applied to concrete computational problems (e.g. the solution
of systems of equations).

Studien-/Prüfungsleistungen 120-minütige Abschlussklausur oder ca. 30 Minuten mündli-

Assessment che Prüfung (wird am Anfang der Veranstaltung mitgeteilt)
120-minute written examination or 30-minute oral examinati-
on (the mode of assessment will be announced at the start of
the semester)

Medienformen Tafelanschrieb, Beamer-Präsentation

Media used Blackboard, Projector presentation

Literatur M. Kreuzer und L. Robbiano, Computational Commutative

Reading list Algebra 1, Springer, Heidelberg 2000

137
Modulkatalog Module Descriptions

5781 Algorithmische Algebraische Geometrie PN 405154

Computational Algebraic Geometry

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer
Module convenor

Dozent(in) Kreuzer
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I und II, Computeralgebra

Recommended skills Linear Algebra I and II, Computer Algebra

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die wichtigsten Konzepte und Methoden der algorithmischen
algebraischen Geometrie sind den Studierenden bekannt. Fun-
damentale Algorithmen und Beweistechniken der algebrai-
schen Geometrie und der kommutativen Algebra sowie deren

138
Modulkatalog Module Descriptions

Anwendungen sind ihnen geläufig.

—
The main concepts and methods of algorithmic algebraic geo-
metry will be covered. Fundamental algorithms and proof
techniques of algebraic geometry and commutative algebra
and their applications will be covered.
Fähigkeiten / Abilities
Die Studierenden können algebraisch-geometrische Sachver-
halte und Fragestellungen in die Sprache der kommutativen
Algebra übersetzen und sie für eine algorithmische Beant-
wortung aufbereiten. Die Studierenden sind in der Lage, ein
Computeralgebrasystem anzuwenden um Probleme aus der
algebraischen Geometrie zu lösen oder Beispielberechnungen
durchzuführen.
—
Students will be able to translate algebraic- geometric facts
and issues in the language of commutative algebra and prepa-
re for an algorithmic solution. Students will be able to use a
computer algebra system to solve problems in algebraic geo-
metry or perform sample calculations.
Kompetenzen / Competencies
Die Studenten erwerben evaluative Kompetenzen in Bezug
auf die Verknüpfung der theoretischen Inhalte ihres Studiums
mit praxisnahen Problemstellungen, organisatorische Kompe-
tenzen in Bezug auf ihr Zeit- und Arbeitsmanagement, so-
wie selbstreflexive Kompetenzen in Bezug auf interdisziplinäre
Verbindungen zwischen der theoretischen Informatik und der
algorithmischen Mathematik.
—
The students acquire evaluative skills in relation to the link
between the theoretical content of their studies with practi-
cal problems, organizational skills in terms of their time and
labor management, and self-reflective skills in relation to in-
terdisciplinary connections between the theoretical Computer
Science, and computational mathematics.

Inhalt Als Grundlage für alle weiteren Inhalte wird der Hilbertsche
Course content Nullstellensatz ausführlich besprochen und bewiesen. Die we-
sentlichen Techniken zur Übersetzung geometrischer Frage-
stellungen in algebraische und umgekehrt werden damit ein-
geführt. Dann werden die theoretischen Grundlagen aus der
kommutativen Algebra bereitgestellt (z. B. Hilbertscher Ba-
sissatz, graduierte Ringe und Modulen, Hilbert-Funktionen)
und damit wichtige Objekte der algebraischen Geometrie (z.
B. algebraische Kurven und Flächen, projektive Varietäten,
endliche Punktmengen) studiert.

139
Modulkatalog Module Descriptions

In den Übungen werden die Algorithmen und Verfahren mit-

tels eines geeigneten Computeralgebrasystems (z. B. CoCoA)
in explizite Computerprogramme umgesetzt und damit kon-
krete Berechnungsaufgaben der algorithmischen algebraischen
Geometrie gelöst.
—
As a basis for all other contents, Hilbert’s theorem of zeros
is discussed and proved in detail. The main techniques for
translation of geometric problems into algebraic and vice ver-
sa are introduced. Then the theoretical foundations of the
commutative algebra are provided (e.g. Hilbert basis theorem,
graduated rings and modules, Hilbert functions) and thus im-
portant objects of algebraic geometry (e.g. algebraic curves
and surfaces, projective varieties studied finite point sets).
In the tutorials, the algorithms and methods by means of a
suitable computer algebra system will be implemented (e.g.
CoCoA) in explicit computer programs and thus solved for
specific calculation tasks of algorithmic algebraic geometry.

Studien-/Prüfungsleistungen 120-minütige Abschlussklausur

Assessment 120-minute final written examination

Medienformen Tafelanschrieb, Beamer-Präsentation

Media used Blackboard, Projector presentation

Literatur M. Kreuzer und L. Robbiano, Computational Commutative

Reading list Algebra 2, Springer, Heidelberg 2005

140
Modulkatalog Module Descriptions

5782 Kryptographie PN 401816

Cryptography

Häufigkeit des Modulangebots In der Regel jedes 2. Semester

Frequency of course offering Usually every other semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer, Zumbrägel, Sauer

Module convenor

Dozent(in) Kreuzer, Zumbrägel, Sauer

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“ oder „AlgMath“

Curriculum Focus „IT-SecRel“ or „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 60 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 60 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I

Recommended skills Linear Algebra I

Verwendbarkeit in weiteren Master Computational Mathematics, Lehramt Mathematik

Studiengängen Gymnasium
Applicability for other courses Master Computational Mathematics, Teacher training pro-
gramme for secondary education in Mathematics (Gymnasi-
um)

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen wichtige symmetrische und Public-
Key Kryptosysteme. Sie sind mit der Sicherheitsanalyse sol-

141
Modulkatalog Module Descriptions

cher Systeme vertraut. Insbesondere kennen die Studenten die

sicherheitsrelevanten Aspekte des RSA-Kryptosystems. Ferner
wissen die Studierenden, wie man kryptographische Systeme
in Protokolle eingliedert und kennen wichtige kryptographi-
sche Protokolle sowie deren Kryptoanalyse.
—
The students know important symmetric and public-key cryp-
tosystems. You are familiar with the safety analysis of such
systems. In particular, the students know the safety aspects
of the RSA cryptosystem. Furthermore, the students know
how to integrate cryptographic systems and protocols know
important cryptographic protocols and their cryptanalysis.
Fähigkeiten / Abilities
Die Studierenden können die Sicherheit eines Kryptosystems
untersuchen und einschätzen. Für konkrete Anforderungen
können sie geeignete Kryptosysteme und kryptographische
Protokolle bestimmen und auf ihre sichere Verwendbarkeit tes-
ten. Sie verstehen die mathematischen Grundlagen der mo-
dernen Kryptographie und beherrschen einfache Beweise und
Anwendungen dieser Theorie.
—
Students can examine and assess the security of a cryptosys-
tem. For specific requirements, they can determine suitable
cryptosystems and cryptographic protocols and test their usa-
bility safe. They understand the mathematical foundations of
modern cryptography and master simple proofs and applicati-
ons of this theory.
Kompetenzen / Competencies
Die Studierenden erwerben evaluative Kompetenzen in Bezug
auf die Verknüpfung der theoretischen Inhalte ihres Studiums
mit praxisnahen Problemstellungen, organisatorische Kompe-
tenzen in Bezug auf ihr Zeit- und Arbeitsmanagement, so-
wie selbstreflexive Kompetenzen in Bezug auf interdiszipli-
näre Verbindungen zwischen den Fragen der IT-Sicherheit
und der zugehörigen informationstheoretischen und algorith-
mischen Grundlagen.
—
The students acquire evaluative skills in relation to the link
between the theoretical content of their studies with practi-
cal problems, organizational skills in relation to their time and
work management, and self-reflective skills regarding interdis-
ciplinary connections between the issues of IT security and the
associated information theory and algorithmic foundations.

Inhalt Basierend auf einer Darstellung der historischen Wurzeln und

Course content Vorgänger werden moderne kryptographische Systeme vorge-

142
Modulkatalog Module Descriptions

stellt und analysiert. Dabei kommen sowohl symmetrische Ver-

fahren (z. B. V igenere, DES, AES) als auch Public-Key Ver-
fahren (z. B. RSA, ElGamal, elliptische Kurven Systeme) nicht
zu kurz. Diese kryptographischen Bausteine werden einer sorg-
fältigen Kryptoanalyse unterzogen und dann in Protokolle zur
Erledigung wichtiger kryptographischer Aufgaben eingebaut:
Authentifikation, Signatur, geheime Nachrichtenübermittlung,
Secret Sharing, Zero-Knowledge Beweise etc. Auch diese Ver-
fahren werden ausführlich analysiert und wichtige Angriffs-
und Schutzmechanismen untersucht.
—
Based on a description of the historical roots and predeces-
sors modern cryptographic systems are presented and analy-
zed. Both symmetric algorithms (e.g. Vigenere, DES, AES)
and public-key methods (such as RSA, ElGamal, elliptic curve
systems) can not be neglected. These cryptographic modules
are subjected to careful cryptanalysis and then incorporated in-
to protocols for completion of important cryptographic tasks:
authentication, signature, secret communications, secret sha-
ring, zero-knowledge proofs, etc. These processes are analyzed
in detail and major attack and protection mechanisms are ex-
amined.

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
Approx. 20-minute oral or 90-minute written examination (the
mode of assessment will be announced at the start of the se-
mester).

Medienformen Tafelanschrieb, Beamer-Präsentation

Media used Blackboard, Projector presentation

Literatur D. Wätjen, Kryptographie, Spektrum Akad. Verlag, Heidel-

Reading list berg 2008

143
Modulkatalog Module Descriptions

5784 Codierungstheorie PN 463030

Coding Theory

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer
Module convenor

Dozent(in) Kreuzer
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 60 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 60 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I

Recommended skills Linear Algebra I

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen den Aufbau und die Konstruktion li-
nearer Codes und sind mit wichtigen Beispielklassen vertraut.
Den Studierenden sind die mathematischen Grundlagen der
Codierungstheorie bekannt, einschließlich der verwendeten al-

144
Modulkatalog Module Descriptions

gorithmischen Techniken und wichtiger Beweisverfahren.

—
Students know the structure and design of linear codes, and
are familiar with important classes of examples. The stu-
dents know the mathematical foundations of coding theory,
including algorithmic techniques and important proof method
used.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, für praktische Anwendun-
gen geeignete Codierungsverfahren zu bestimmen und auf ihre
Korrektheit hin zu untersuchen. Sie können verschiedene Co-
dierungsverfahren am Computer implementieren und auf ih-
re Effizienz analysieren. Sie sind in der Lage, grundlegende
Berechnungsaufgaben selbständig zu bearbeiten und einfache
Beweise zu führen.
—
Students are able to determine appropriate encoding methods
and examine their correctness for practical applications. You
can implement different encoding methods on a computer and
analyze their efficiency. You are able to edit basic computation
tasks independently and perform simple proofs.
Kompetenzen / Competencies
Die Studenten erwerben evaluative Kompetenzen in Bezug
auf die Verknüpfung der theoretischen Inhalte ihres Studiums
mit praxisnahen Problemstellungen, organisatorische Kompe-
tenzen in Bezug auf ihr Zeit- und Arbeitsmanagement, so-
wie selbstreflexive Kompetenzen in Bezug auf interdisziplinäre
Verbindungen zwischen der modernen Datentechnik, der theo-
retischen Informatik und der algorithmischen Mathematik.
—
The students acquire evaluative skills in relation to linking the
theoretical contents of their studies with practical problems,
organizational skills in relation to their time and work mana-
gement, and self-reflective skills in relation to interdisciplina-
ry connections between the modern information technology,
theoretical Computer Science and computational mathema-
tics.

Inhalt Basierend auf der Einführung des grundlegenden Modells ei-

Course content nes binären symmetrischen Übertragungskanals werden ins-
besondere Grundbegriffe wie Datenrate, Fehlerkorrektur und
-kapazität, Hamming-Abstand und lineare Codes diskutiert.
Für letztere werden wichtige Schranken wie die Singleton-
Schranke bewiesen und bedeutende Beispielklassen vorge-
stellt, z.B. Hamming-Codes, zyklische Codes, BCH und Reed-
Solomon-Codes. Neben der Diskussion der Eigenschaften und

145
Modulkatalog Module Descriptions

Parameter dieser Codes werden auch Verfahren bereitgestellt

wie man weitere, an eine Anwendung angepasste, Codes aus
den bekannten erzeugen kann. Die Studenten erhalten auch
einen Einblick in moderne geometrische Methoden der Co-
dierungstheorie, z.B. Reed-Muller Codes und Goppa-Codes.
Ferner werden die Codes in den Übungen in einem Compu-
teralgebrasystem (z.B. CoCoA) konkret implementiert und an
praxisnahen Beispielen getestet.
—
Based on the introduction of the basic model of a binary sym-
metric transmission channel, in particular basic concepts such
as data rate, error correction, and - capacity, Hamming di-
stance and linear codes are discussed. For the latter, import-
ant barriers are shown as the Singleton bound and presented
significant sample classes, e.g. Hamming codes, cyclic codes,
Reed-Solomon and BCH codes. Besides the discussion of the
properties and parameters of these codes also methods are
provided on how to generate more codes adapted to an ap-
plication from the known. The students also get an insight
into modern geometrical methods of coding theory, e.g. Reed-
Muller codes and Goppa codes. Furthermore, the codes are
actually implemented in the tutorials in a computer algebra
system (e.g. CoCoA) and tested on practical examples.

Studien-/Prüfungsleistungen 90-minütige Abschlussklausur

Assessment 90-minute final written examination

Medienformen Tafelanschrieb, Beamer-Präsentation

Media used Blackboard, Projector presentation

Literatur J.H. van Lint, Introduction to Coding Theory, Springer, New

Reading list York 1982

146
Modulkatalog Module Descriptions

5790 Struktur und Implementierung von Programmiersprachen PN 405010

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Größlinger
Module convenor

Dozent(in) Größlinger
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 60 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 60 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sind mit den Techniken der syntaktischen
und semantischen Sprachbehandlung von Übersetzern und In-
terpretern vertraut.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, prototypische sprachverar-

147
Modulkatalog Module Descriptions

beitende Systeme eigenständig zu erstellen.

Kompetenzen / Competencies
Die Studierenden sind in der Lage, Software Entwicklungsar-
beiten mit der Erstellung kleinerer, domänenspezifischer Pro-
grammiersprachen zu unterstützen oder Anpassungen an grö-
ßeren sprachverarbeitenden Systemen vorzunehmen.

Inhalt Behandlung der verschiedenen Phasen eines Übersetzers:

Course content Scanning (Erstellung eines Tokenstroms), Parsing (Erstellung
eines Parsebaums), semantische Analyse (vornehmlich Ty-
püberprüfung), Zwischencodegenerierung und –optimierung,
Aufgaben des Laufzeitsystems (vornehmlich Speicherzugriff
und -verwaltung).

Studien-/Prüfungsleistungen 90 min Klausur (zur Klausurzulassung Bearbeitung von Übun-

Assessment gen)
90-minute examination

Medienformen Beamer, Tafel, Overheadprojektor

Media used Projector, blackboard

Literatur Aho, Lam, Sethi, Ullman: Compilers - Principles, Techniques

Reading list and Tools. Addison-Wesley.

148
Modulkatalog Module Descriptions

5791 Funktionale Programmierung PN 405053

Functional Programming

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Griebl, Fraser

Module convenor

Dozent(in) Griebl, Fraser

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sind mit dem Paradigma der funktionalen
Programmierung vertraut und können es anwenden und ande-
ren Programmierparadigmen, insbesondere dem der imperati-
ven Programmierung, gegenüberstellen.

149
Modulkatalog Module Descriptions

—
The students will be familiar with the paradigm of functional
programming and can apply it for other programming para-
digms, particularly the imperative programming face.

Fähigkeiten / Abilities
Die Studierenden sind in der Lage, funktionale Programme zu
schreiben und die Theorie der funktionalen Programmierung
zur Optimierung von Programmen zu nutzen. Insbesondere
haben sie detaillierte Kenntnis der Programmiersprache Has-
kell.
—
Students will be able to write functional programs and to use
the theory of functional programming for optimization of pro-
grams. In particular, they will have detailed knowledge of the
programming language Haskell.

Kompetenzen / Competencies
Mit der funktionalen Programmierung erschließt sich den Stu-
dierenden ein wichtiges, weiteres Programmierparadigma (ne-
ben der imperativen und objektorientierten Programmierung).
Die Studierenden sind in der Lage, dieses artgerecht einzu-
setzen und somit ihren Software-Entwurfsaufgaben effizienter
und verlässlicher gerecht zu werden.
—
Functional programming opens up an important additional
programming paradigm (next to the imperative and object-
oriented programming) to students. They will be able to meet
their software design tasks more efficiently and reliably.

Inhalt Grundkonzepte der Programmiersprache; theoretische Grund-

Course content lagen des Lambda-Kalküls; Programmierung mit Kombinato-
ren (Operatoren, mit denen Programme kombiniert werden
können); Programmbeweise und -herleitungen; Transforma-
tionsgesetze (zur Optimierung von Programmen); Monaden
(zur quasi- imperativen Programmierung in Haskell)
—
Basic concepts of programming, theoretical foundations of the
lambda calculus; programming with combinators (operators
with which programs can be combined); program proofs and
derivations; transformation laws (for optimizing programs);
monads (for quasi-imperative programming in Haskell)

Studien-/Prüfungsleistungen 90 min. Klausur

Assessment 90-minute written examination

150
Modulkatalog Module Descriptions

Medienformen Beamer, Tafel, Overheadprojektor

Media used Projector, blackboard, overhead projector

Literatur Folien / Lecture slides

Reading list Simon Thompson: Haskell: The Craft of Functional Program-
ming, Addison-Wesley
Diverse andere Quellen / diverse other sources

151
Modulkatalog Module Descriptions

5795 Virtuelle Maschinen und Laufzeitsysteme PN 405197

Virtual Machines and Runtime Systems

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Größlinger
Module convenor

Dozent(in) Größlinger
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Teilnehmer kennen die unterschiedlichen Typen von virtu-
ellen Maschinen und deren Einsatzgebiete, sowie verschiedene
Implementierungsmethoden. Die Teilnehmer kennen gängige
Optimierungs- und Profilingtechniken, sowie die Grundlagen

152
Modulkatalog Module Descriptions

der Speicherbereinigung und Ausnahmebehandlung. Außer-

dem kennen sie das C-Laufzeitsystem und seine Eigenschaften
im Hinblick auf Virtualisierung und gemeinsamer Betriebsmit-
telnutzung.
Fähigkeiten / Abilities
Die erfolgreichen Teilnehmer können eine virtuelle Maschine
für einen gegebenen Befehlssatz implementieren, sowohl mit-
tels eines Interpreters als auch eines Just-In-Time-Compilers.
Die Teilnehmer beherrschen wichtige Optimierungs-techniken
der Just-In-Time-Kompilation und können diese umsetzen.
Kompetenzen / Competencies
Die Studierenden werden in die Lage versetzt, Einsatzgebiete
für virtuelle Maschinen zu erkennen, die Vor- und Nachteile
verschiedener Typen von virtuellen Maschinen für einen gege-
benes Einsatzgebiet unter verschiedenen Aspekten zu beurtei-
len und einen geeigneten Typ von virtueller Maschine auszu-
wählen. Weiterhin können die Teilnehmer Optimierungspoten-
ziale beim Einsatz virtueller Maschinen beurteilen.

Inhalt Grundlagen der Virtualisierung

Course content Speicherverwaltung und gemeinsame Betriebsmittelnutzung
im C-Laufzeitsystem
Typen von virtuellen Maschinen
Implementierungstechniken für virtuellen Maschinen,
Speicherbereinigung und Ausnahmebehandlung
Profiling und Optimierung der Programmausführung in einer
virtuellen Maschine

Studien-/Prüfungsleistungen 90 min Klausur

Assessment 90-minute examination

Medienformen Präsentation mit Beamer und Tafel, Übungsaufgaben

Media used Projector presentation and blackboard, exercises

Literatur J. Smith, R. Nair, Virtual Machines: Versatile Platforms for

Reading list Systems and Processes, Morgan Kaufmann, 2005
Eigene Vorlesungsfolien / Lecture slides

153
Modulkatalog Module Descriptions

5796 Domänenspezifische Sprachen PN 405204

Domain-Specific Languages

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Größlinger
Module convenor

Dozent(in) Größlinger
Lecturer

Sprache Deutsch oder English

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung I + II, Grundlagen der Informatik

Recommended skills Programming I + II, Fundamentals of Computer Science

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Einsatzgebiete sowie Vor- und
Nachteile domänenspezifischer Sprachen (DSLs) und Techni-
ken zur Implementierung von DSLs.
—

154
Modulkatalog Module Descriptions

Students will be familiar with the application fields, advanta-

ges and disadvantages of domain-specific languages (DSLs)
and techniques for implementing DSLs.
Fähigkeiten / Abilities
Die Studierenden haben die Befähigung, DSLs anzuwenden,
Compiler/Interpreter (inkl. Optimierer) für DSLs mit verschie-
denen Ansätzen zu implementieren sowie DSLs im Software-
Engineering vorteilhaft einzusetzen.
—
Students will have the ability to implement DSLs compi-
ler/interpreter (including optimizer) for DSLs with different
approaches and DSLs in software engineering used advanta-
geously.
Kompetenzen / Competencies
Die Studierenden erkennen Anwendungsfälle, die für DSLs ge-
eignet sind, entwickeln ggf. eine geeignete DSL und implemen-
tieren diese mit aktuellen Technologien.
—
Students acquire the skills to identify use cases that are suita-
ble for DSLs, possibly develop a suitable DSL and implement
this with current technologies.

Inhalt Abgrenzung zwischen DSLs und universellen Programmier-

Course content sprachen, Beispiele für DSLs (u.a. eingebetteter Parser, SQL,
C++ Templates, UML, XML, GUI- Beschreibungssprachen).
Anwendungsgebiete von DSLs, u.a. Software-Engineering (Be-
ziehung u.a. zu UML, Model-Driven Architecture, „Language
Workbenches“, Intentional Programming), visuelle Program-
mierung, Compilerbau, Hochleistungsrechnen.
Kosten-Nutzen-Abwägung beim Einsatz von DSLs, „gutes“
Design von DSLs.
Kritische Diskussion der Vor- und Nachteile des Einsatzes von
DSLs.
Implementierung von DSLs als interne und externe Sprache.
Herausforderungen bei der Implementierung von DSLs (u.a.
semantische Analyse, Fehlermeldungen), Implementierung do-
mänenspezifischer Optimierer und Codegeneratoren.
—
Demarcation between DSLs and purpose programming lan-
guages, examples of DSLs (including embedded parsers, SQL,
C++ templates, UML, XML, GUI description languages).
Applications of DSLs, among others, Software engineering (re-
lationship among other things to UML, Model-Driven Archi-
tecture, "Language WorkbenchesÏntentional Programming),
visual programming, compilers, and high performance com-
puting.

155
Modulkatalog Module Descriptions

Cost-benefit assessment in the use of DSLs, "good"design of

DSLs.
Critical discussion of the advantages and disadvantages of the
use of DSLs.
Implementation of DSLs as internal and external language.
Challenges in the implementation of DSLs (e.g. semantic ana-
lysis, error messages), implementation of domain-specific op-
timizer and code generators.

Studien-/Prüfungsleistungen 90 min Klausur

Assessment 90-minute examination

Medienformen Präsentation und Beamer, Tafel

Media used Blackboard, Projector presentation, overhead projector

Literatur Vorlesungsfolien / Lecture slides

Reading list Domain-specific languages. Martin Fowler, Addison-Wesley,
2011

156
Modulkatalog Module Descriptions

5800 Mixed Reality PN 405216

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Grubert
Module convenor

Dozent(in) Grubert
Lecturer

Sprache Deutsch oder English

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 105 Std. Übungsaufgaben, Nachbearbei-

Workload tung des Vorlesungsstoffs und Prüfungsvorbereitung
45 contact hours + 105 hours exercises, independent study
and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse SEP oder MES Praktikum, Bildverarbeitung, Programmierung

Recommended skills in Java oder Programmierung 1+2, Grundlagen der Mensch-
Maschine-Interaktion
SEP or MES Practical, Image Processing, Programming in
Java or Prorgramming 1+2, Basics of Human-Computer-
Interaction

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen Grundlagen und Anwendungen von

157
Modulkatalog Module Descriptions

Mixed Reality Systemen. Insbesondere sind die Studierenden

befähigt Unterschiede und Gemeinsamkeiten von Augmen-
ted Reality und Virtual Reality Systemen, sowie artverwand-
ten Techniken zu erklären. Weiterhin können Registrierungs-
und Trackingverfahren, Displaysysteme, Renderingalgorith-
men und Interaktionsmethoden charakterisiert werden. Beson-
derheiten der mobilen Augmented Reality und immersiver Vir-
tual Reality erklärt werden.
Fähigkeiten / Abilities
Die Studierenden beherrschen theoretische und praktische Fra-
gestellungen von Mixed Reality Systemen. Insbesondere sind
sie befähigt ein rudimentäres Augmented Reality Systeme
bestehend aus Tracking-, Rendering-, und Interaktionskom-
ponenten programmiertechnisch umzusetzen. Dazu benötigte
grundlegende Algorithmen können sie erklären und ggf. mit
alternativen Algorithmen vergleichen (z.B. Einsatz von ver-
schiedenen Merkmalsdeskriptoren). Sie sind weiterhin befähigt
relevante Aspekte der Mensch-Maschine-Interaktion in Mixed
Reality Umgebungen anzuwenden (z.b. Objektselektierungs-
verfahren).
Kompetenzen / Competencies
Die Teilnehmer erlernen theoretische und praktische Kompe-
tenzen in der Konzeption, Umsetzung und Evaluierung von Mi-
xed Reality Systemen. Insbesondere werden Kompetenzen zum
modulbasierten Erstellen einer komplexen Augmented Reality
Software erlernt. Weiterhin sind die Studierenden befähigt ein-
zelne Module auch auf andere Problemstellungen anzuwenden
(z.B. Objekterkennung).

Inhalt Grundlagen und Geschichte der Mixed Reality Mixed Reali-

Course content ty Kontinuum. Unterschiede zwischen Augmented Reality und
Virtual Reality. Augmented Reality Kernmodule. Augmented
Reality Plattformen.
Registrierungs- und Tracking Grundlagen. Unterschiede zwi-
schen räumlicher und visueller Registrierung. Unterschiede
zwischen Registrierung und Tracking. Mixed Reality Anfor-
derungen and Trackingsysteme. Taxonomie von Trackingsys-
temen. Überblick über ausgewählte Trackingsysteme.
Kamerakalibrierung. Bedeutung der Kamerakalibrierung für
Mixed Reality Systeme. Lochkameramodell. Extrinsische und
Intrinsiche Kameraparameter. Verzeichnung. Algorithmen zur
Kamerakalibrierung.
Grundlagen des Markertracking. Markertracking Pipeline.
Natural Feature Tracking. Grundlagen. Was sind gute Featu-
res? Merkmalsdetektion, -beschreibung, und –matching. Aus-
gwählte Merkmalsdetektoren und – deskriptoren. Template-

158
Modulkatalog Module Descriptions

basiertes Tracking. Erweiterte Trackingverfahren (Deformier-

bare Oberflächen, SLAM).
Szenengraphen. Unterschiede low-level APIs (OpenGL) und
Szenegraphen. 3D Engines. Knoten. Modelieren von Szenen
mittels Knotenhierarchien. Graphentraversierung. Intersection
und Picking.
Grundlagen des Mixed Reality Renderings. Erstellung von
Video-See-Through Augmented Reality Szenen mittels Sze-
nengraphen.
Displaysysteme. Displayeigenschaften. Mensch-zentrierte Dis-
playtaxonomie. Head-Mounted Displays. Optische vs. Video-
See-Through Displays. Immersive VR Displays. Handheld Dis-
plays. Projektive Displays. Formveränderbare Displays. Multi-
Display Umgebungen.
Optische See-Through Kalibrierung. Unterschiede und Ge-
meinsamkeiten zur Kamerakalibrierung. Datensamlungsme-
thoden.Bestätigungsmethoden. Evaluierungsmethoden. Reka-
librierung. (Semi-) automatische Kalibrierung.
Erweitertes Mixed Reality Rendering. User Perspective vs. De-
vice Perspective Rendering. Simulieren von Kameraartefakten.
Schätzung der Umgebungsbeleuchtung.
Augmented Reality Visualisierungstechniken. X-Ray. Ghosting.
Cut Aways. Explosionsdiagramme. Labeling. Cluttermanage-
ment. Informationsfilterung.
Mixed Reality Interaktionstechniken. Interaktionsaufgaben. In-
teraktionsgeräte. Touchbasierte Interaktion. Räumliche Inter-
aktion. Multimodale Interaktion.

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten) oder Portfolio-Prüfung;
Mögliche Portfoliobestandteile sind:
• Schriftliche Teilprüfung
• Technischer Bericht
• Dokumentierter und funktionsfähiger Quelltext für ein-
zelne Module
• Live Systemdemonstration
• Erstellung von Videodemonstrationen
• Präsentation der erstellten Materialien unter Einsatz ge-
eigneter Präsentationstechniken, z.B. PowerPoint
• Teilpräsentationen zu Einzelleistungen
• Laufende, fortzuschreibende technische Teilberichte zur
Zusammenfassung zu einem Gesamtdokument.
• Abschlusspräsentation
Die Bearbeitung der Portfolio-Leistungen erfolgt begleitend
zur Lehrveranstaltung. Die Bearbeitungszeit der einzelnen Be-
standteile der Portfolioprüfung darf dabei 4 Wochen nicht

159
Modulkatalog Module Descriptions

übersteigen. Die letzte Leistung ist bis spätestens 4 Wochen

nach Ende der Vorlesungszeit zu erbringen.
Der Umfang eines einzelnen technischen Berichtes soll dabei
10 Seiten nicht übersteigen. Der Umfang eines Teilberichts
soll dabei 5 Seiten betragen.
Der Umfang einer Teilpräsentation soll dabei 10 Minuten um-
fassen und durch geeignete Medien und Präsentationsformen
unterstützt werden. Der Umfang der Abschlusspräsentation
soll dabei 15 Minuten umfassen und durch geeignete Medien
und Präsentationsformen unterstützt werden.
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute written or 20-minute oral examination or portfolio;
the precise mode of assessment will be announced at the start
of the semester

Medienformen Präsentation mit Projektor, Gruppenarbeit, Wiki

Media used Projector presentation, group work, wiki

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

160
Modulkatalog Module Descriptions

5802 Spatial Augmented Reality PN 405215

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Grubert
Module convenor

Dozent(in) Grubert
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3P
Contact hours Für die Vorlesung und die Übung im Rahmen der Lehrveran-
staltung besteht keine Anwesenheitspflicht. Jedoch wird An-
wesenheit empfohlen. Dies begründet sich aus den Anforde-
rungen an die benötigte Hardware um die Aufgabenstellungen
erfolgreich abschließen zu können (Tiefenkamera + Projek-
tor). Diese Hardware ist nur im Labor verfügbar und kann
nicht ausgeliehen werden. Die Lehrveranstaltung ist auf Grund
ihrer didaktischen Konzeption, des Betreuungsaufwands und
der verfügbaren technischen Ausrüstung auf maximal 12 Stu-
dierende beschränkt und umfasst Studiengruppen von 3 Per-
sonen.

Arbeitsaufwand 10 Std. Vorbereitungstreffen + 20 Std. Teammeetings + 10

Workload Std. Projektmanagement + 90 Std. Entwurf, Implementierung
und Validierung von Anwendungen + 10 Std. Berichterstel-
lung + 10 Std. Präsentationen und Vorbereitung
Gesamt: 150 Std.
10 hrs. preperation meeting + 20 hrs. team meeting + 10
hrs. project management + 90 hrs. design, implementation
and validation of applications + 10 hrs. report + 10 hrs. pre-
sentation and preparation
Overall: 150 hrs.

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None

161
Modulkatalog Module Descriptions

Required prerequisites as per

the study and examination
regulations

Empfohlene Vorkenntnisse SEP oder MES Praktikum, Bildverarbeitung, Programmierung

Recommended skills in Java oder Programmierung 1+2, Grundlagen der Mensch-
Maschine-Interaktion, Mixed Reality
SEP or MES Practical, Image Processing, Programming in
Java or Prorgramming 1+2, Basics of Human-Computer-
Interaction, Mixed Reality

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen technische Grundlagen und Anwen-
dungen von räumlichen Augmented Reality Systemen. Insbe-
sondere sind sie mit den grundlegenden erforderlichen Kalibrie-
rungsverfahren für Projektor-Kamera Systemen vertraut. Wei-
terhin erhalten sie Kenntnis über den Einsatz von Trackingver-
fahren, insbesondere auf Basis von Tiefenkameras. Sie kennen
die Herausforderungen bei Projektionen mit Multiprojektorsys-
temen, sowie der Projektion auf nicht planare Oberflächen.
Fähigkeiten / Abilities
Die Teilnehmer können grundlegende Algorithmen zur
Projektor-Kamera Kalibrierung umsetzen. Insbesondere kön-
nen sie eine RGB-Kamera Kalibrierung und geometrische
Projektor-Kamera Kalibrierung durchführen. weiterhin können
Sie relevante Rederingalgorithmen wie Projektive Texturierung
und einfache 3D Trackingverfahren anwenden.
Kompetenzen / Competencies
Auf Basis der erlernten Verfahren können die Studierende
räumliche AR Systeme erstellen. Sie können Projektor-Kamera
Einheiten mit 3D Trackingsystemen kombinieren. Dies bildet
die Basis um interaktive Systeme umzusetzen, z.b. zur Steue-
rung von projizierten Bildschirminhalten auf einer Leinwand
oder die perspektivisch korrekte Darstellung von 3D Modellen
aus unterschiedlichen Nutzerperspektiven. Die Studierenden
können weiterhin Herausforderungen beim praktischen Einsatz
von räumlichen Augmented Reality Systemen erkennen und
adressieren.

Inhalt Das Praktikum besteht aus einem einführenden theoretischem

Course content und einem praktischen Teil.
Theoretischer Teil:
Grundlagen projektionsbasierter Augmented Reality.

162
Modulkatalog Module Descriptions

Anwendungen projektionsbasierter Augmented Reality. Die

Rolle von Tiefenkameras für räumliche Augmented Reality.
Trackingverfahren für projektionsbasierte Augmented Reality.
Projektion auf nicht planare Oberflächen. Radiometrische
Kompensation. Multi-Projektor Systeme. Projektive Texturie-
rung.
Praktischer Teil:
Grundlangen (für alle Studierenden verpflichtend): Geome-
trische RGB-Kamerakalibrierung. Geometrische Projektor-
Kamera Kalibrierung (RGB + Tiefenkamera). Projektive Tex-
turierung
Neben der Implementierung der oben genannten Grundlegen-
den Algorithmen können Studierende optional eine Anwen-
dung oder weitere grundlegende Algorithmen implementieren:
Anwendungen: Perspektivisch korrekte Projektion aus ver-
schiedenen Nutzerpositionen. Augmentierung menschlicher
Körperteile. Eine von den Studierenden definierte mit der Lehr-
veranstaltungsleitung abgestimmte Beispielanwendung (z.b.
augmentiertes Pong Spiel auf Leinwand)
Alternative grundlegende Algorithmen: Projektion auf nicht
planare Oberflächen. Multi-Projektor Kalibrierung. Radiome-
trische Kompensation

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 60 Minu-

Assessment ten) oder Portfolio-Prüfung;
Mögliche Portfoliobestandteile sind:
• Dokumentierter und funktionsfähiger Quelltext für ein-
zelne Module (sowohl im Quelltext als auch als lauffä-
hige Anwendung)
• Live Systemdemonstration
• Erstellung von Videodemonstrationen
• Schriftliche Teilprüfung
• Technischer Bericht
• Dokumentierter und funktionsfähiger Quelltext für ein-
zelne Module
• Erstellung von Videodemonstrationen
• Präsentation der erstellten Materialien unter Einsatz ge-
eigneter Präsentationstechniken, z.B. PowerPoint
• Teilpräsentationen zu Einzelleistungen
• Laufende, fortzuschreibende technische Teilberichte zur
Zusammenfassung zu einem Gesamtdokument.
• Abschlusspräsentation
Die Bearbeitung der Portfolio-Leistungen erfolgt begleitend
zur Lehrveranstaltung. Die Bearbeitungszeit der einzelnen Be-
standteile der Portfolioprüfung darf dabei 4 Wochen nicht
übersteigen. Die letzte Leistung ist bis spätestens 4 Wochen

163
Modulkatalog Module Descriptions

nach Ende der Vorlesungszeit zu erbringen.

Der Umfang eines einzelnen technischen Berichtes soll dabei
10 Seiten nicht übersteigen. Der Umfang eines Teilberichts
soll dabei 5 Seiten betragen.
Der Umfang einer Teilpräsentation soll dabei 10 Minuten um-
fassen und durch geeignete Medien und Präsentationsformen
unterstützt werden. Der Umfang der Abschlusspräsentation
soll dabei 15 Minuten umfassen und durch geeignete Medien
und Präsentationsformen unterstützt werden.
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
Die Leistungskontrolle kann im Rahmen einer mündlichen Prü-
fung als vertiefte fachliche Diskussion erfolgen.
180-minute written or 60-minute oral examination or portfo-
lio; the precise mode of assessment will be announced at the
start of the semester

Medienformen Präsentation mit Projektor, Gruppenarbeit, Wiki

Media used Projector presentation, group work, wiki

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

164
Modulkatalog Module Descriptions

5803 Context Recognition Architectures PN 405237

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Hölzl, Kranz

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 105 Std. Übungsaufgaben und Vor- und

Workload Nachbereitung
45 contact hours + 105 hours exercises, independent study
and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse SEP oder MES Praktikum, Programmierung in Java oder Pro-
Recommended skills grammierung 1 und Programmierung 2, Einführung in die
Kontexterkennung, Grundlagen der Mensch-Maschine Inter-
aktion
SEP or MES Practical, Programming in Java or Prorgramming
1+2, Introduction to Context Recognition, Basics of Human-
Computer-Interaction

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

165
Modulkatalog Module Descriptions

Learning outcomes Die Studierenden kennen die grundlegenden Entwurfsparadig-

men, repräsentative und wichtige Vorhaben auf dem Gebiet
der Lehrveranstaltung und Evaluationskriterien für Kontext-
Erkennungsarchitekturen („context recognition architectu-
res“). Die Studierenden wissen wie Erkennungsmethodiken in
Echtzeitsystemen unter Zuhilfenahme von aktuellen Metho-
den des maschinellen Lernens und der mathematischen Mus-
tererkennung implementiert werden. Die Studierenden kennen
die grundlegenden, theoretischen und praktischen Probleme
beim Design einer Kontext-Erkennungsarchitekturen.
—
Students know the basic design principles, representative and
importent projects in the area oft the course, and evaluati-
on criteria’s for Context Recognition Architectures. Students
know how recognition methodologies are implemented in real
time systems by applying state of the art machine learning
and pattern classification methodologies. Students know the
fundamental theoretic and practical problems when designing
context recognition architectures.
Fähigkeiten / Abilities
Die Studierenden können das erworbene Wissen für die einzel-
nen Teilschritte der sogenannten „Activity Recognition Chain“
(Sensor Selektion, Sensor Sampling, Segmentierung, Merk-
mals Extraktion, Klassifikation, Fusionierung, und symboli-
sches Schließen) anwenden, diskutieren, und implementieren.
—
Students can use their knowledge about the single steps of the
so called “Activity Recognition Chain” ( i.e. sensor selection,
sensor sampling, segmentation, feature extraction, classifica-
tion, fusion, and symbolic processing/reasoning) to apply, dis-
cuss, and implement it.
Kompetenzen / Competencies
Die Studierenden erwerben theoretische und praktische Kom-
petenzen (i) in der Konzeptionierung, (ii) im Design, (iii) in
der Implementierung und (iv) Umsetzung und Evaluierung
von Kontext-Erkennungsarchitekturen. Während der Aufga-
benstellung wird besonderes Augenmerk auf die Wiederver-
wendbarkeit der entwickelten Softwarekomponenten gelegt,
um diese für zukünftige Anwendungsszenarien flexible einset-
zen zu können.
—
Students learn theoretical and practical competencies (i) in the
conception, (ii) in the design, (iii) in the implementation and
(iv) in the evaluation of Context Recognition Architectures.
During the practical tasks, special focus is put on the reu-

166
Modulkatalog Module Descriptions

sability of the developed software components to make them

easily (re-)usable in future application scenarios.

Inhalt Kontext Sensitive Systeme spielen eine entscheidende Rolle

Course content in der zukünftigen Epoche von „Intelligenten Umgebungen“.
Die Interpretation von Sensordaten in Echtzeit zu semanti-
schen Informationen wird der Schlüsselaspekt für die implizite
Mensch-Maschine Interaktion in zukünftigen smarten Umge-
bungen. Die Verfügbarkeit von SmartPhones, Tablet-PCs oder
Wearables, welche aufgrund Ihrer integrierten Sensoren als
Multi-Sensor-Plattformen betrachtet werden können, ermögli-
chen eine Skalierung der Erkennungsprozesse von Individuen,
zu Gruppen und ganzen Gesellschaften. In Zukunft werden wir
eine immer größere Anzahl an Geräten mit integrierten Sen-
soren vorfinden. Aktuelle Entwicklungen im Bereich tragbarer
und körpernaher Technologien, insbesondere „Wearables“ ste-
hen repräsentativ für zu erwartende Entwicklungen.
Während der Lehrveranstaltung wird eine prototypische Im-
plementierung einer Kontext-Erkennungsarchitektur (in einem
Team von 2-3 Studierenden) auf einer mobilen Plattform (z.B.
SmartPhone oder SmartWatch) umgesetzt.
Themenblöcke und Inhalte: The Spirit of Context Aware Com-
puting
Historischer Hintergrund, Pionierarbeiten- und einflussrei-
che Arbeiten, Anwendungsszenarien, Forschungsrichtungen &
Trends, Ausblick
Sensors
Übersicht über verfügbare Sensorik mit dem Fokus auf
Kontext- Erkennungsarchitekturen (z.B.: IMUs (Inertial Mea-
surement Units zur Aktivitätserkennung), Umgebungssen-
soren, Biosensoren, Smartphone als Sensorplattform, etc.).
Design von Sensorknoten & Kommunikationsarchitekturen
(Bluetooth, Zigbee, etc.).
Context Aware System Design Principles I
Einführung in die Aktivitäts- und Kontexterkennungskette zur
Transformation von rohen Sensordaten hin zu semantischer
Information.
Context Aware System Design Principles II
Detaillierte theoretische Behandlung der einzelnen Schritte der
Aktivitäts- und Kontexterkennungskette sowie Diskussion der
notwendigen einzelnen Schritte.
Context Aware System Design Principles III
Kombination der erlerntem Methoden hin zu einer echtzeitfä-
higen, Aktivitäts- und Kontexterkennungsarchitektur. Identifi-
zierung von spezifischen Architekturschwächen der Designan-
sätze (Top-Down / Bottom-Up) und deren möglicher Lösung.

167
Modulkatalog Module Descriptions

Identification, Presence & Tracking

Identifizierung von Menschen & Dingen; Technologien zur
Identifikation (RFID, NFC), Positionierung, Orientierung,
“Smart Dust”, Surfacewave Transponder, Visuelle Codes
(QR), Artificial Noses, ausgewählte Anwendungsfälle (z.B.:
Fahrererkennung, Aktivitätserkennung, etc.)
Social Aware Systems & Patterns
Social Computing im Allgemeinen, graphenbasierte Algorith-
men zur Community Erkennung. Smartphone als skalierende
Sensor-Plattform zur “Crowd” Kontexterkennung.
Looking into the future
Einführung in Zeitreihenvorhersage (Multiplicative Time Se-
ries Model, ARMA, ARIMA); Kontextvorhersage basierend auf
State Space Models (HMM).
Security Matters?
Definition von Security und Privacy vor allem im Bereich
des Ubiquitous Computing; Solove’s Privacy Taxonomy; Fair
Information Principles, gesetzliche Regularien, Implikationen
für UbiComp, Shamir Tags, kritische Beispiele von RFID und
“Smarten” Geräten.
Wearable Computing
Technologie Review und Diskussion von Anwendungsszenarien
(Brillen, SmartPhones, SmartWatches, FitnessTrackers, etc.)
Energy Efficient Design Methodologies
Diskussion spezifischer Designs zur Verringerung des Energie-
verbrauches (Hard- & Software) um lange (optimierte) Sys-
temlaufzeiten zu erhalten.
—
The Spirit of Context Aware Computing
Historical Background, Pioneering and Influential Work, App-
lication Cases, Current Research Trends, Outlook
Sensors
Overview of available sensors especially suited for the use in
context recognition Architectures. (e.g., inertial measurement
units for wearable activity recognition; Environmental Sensors,
Biosignal, Smartphone as a sensing Platform, etc.). Sensor No-
de Design & Communication (Bluetooth, ZigBee, etc.)
Context Aware System Design Principles I
Introducing the Activity and Context recognition chain to
transform raw sensor data towards semantic information.
Context Aware System Design Principles II
Detailed walkthrough and methodological explanation of the
necessary steps in the Activity and Context recognition chain.
Context Aware System Design Principles III
Combination of learned methodologies towards a realtime, ac-

168
Modulkatalog Module Descriptions

tivity and context recognition architecture. Identification of

specific shortcommings of bottom-up vs. top-down architec-
tures and their possible solution.
Identification, Presence & Tracking
Identifying Human & Things; Technologies for Identification
(RFID, NFC), Positioning, Orientation, Smart Dust, Surface-
wave Transponder, Visual Codes (QR), Artificial Noses, Se-
lected Application Cases (e.g., Driver Identity-/Activity Reco-
gnition)
Social Aware Systems & Patterns
Social Computing in general, Algorithms based on graph theo-
ry for community detection, SmartPhone as a Sensing Plat-
form on multiple scale and for Crowd Context Detection
Looking into the future
Introduction into Time Series Prediction, Multiplicative Time
Series Model, ARMA, ARIMA, Context Prediction based on
State Space Models (HMM)
Security Matters?
Security and Privacy Definitions, Solove’s Privacy Taxanomy,
Legal Issues, Fair information principles, UbiComp Implicati-
ons, Shamir Tags, Critical Examples of RFID and Smart De-
vices.
Wearable Computing
Off the shelf technology review and application scenarios dis-
cussion (Glasses, SmartWatches, FitnessTrackers).
Energy Efficient Design Methodologies
Design specifics to ensure low power consumption (in terms
of soft- and hardware techniques) resulting in long (and/or
optimized)

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten) oder Portfolio-Prüfung;
Portfoliobestandteile sind:
• Schriftliche Teilprüfung
• Praktischer Teil
– Systemimplementierung
– Dokumentierter und funktionsfähiger Quelltext
– Laufende, fortzuschreibende technische Teilberich-
te zur Zusammenfassung zu einem Gesamtdoku-
ment.
– Abschlusspräsentation
Die Bearbeitung der Portfolio-Leistungen erfolgt begleitend
zur Lehrveranstaltung. Die Bearbeitungszeit der einzelnen Be-
standteile der Portfolioprüfung darf dabei 3 Wochen nicht
übersteigen. Die letzte Leistung ist bis spätestens 4 Wochen
nach Ende der Vorlesungszeit zu erbringen.

169
Modulkatalog Module Descriptions

Der Umfang der Abschlusspräsentation soll dabei 15 Minuten

umfassen und durch geeignete Medien und Präsentationsfor-
men unterstützt werden.
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute written or 20-minute oral examination or portfolio;
the precise mode of assessment will be announced at the start
of the semester

Medienformen Präsentation mit Projektor, Gruppenarbeit, Wiki

Media used Projector presentation, group work, wiki

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

170
Modulkatalog Module Descriptions

5804 Scientific Methods and Technical Writing PN 479810

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz Vorlesung + 30 Std. Präsenz Übung + 75

Workload Std. Übungsaufgaben/Referate, Vor- und Nachbearbeitung,
Gesamt: 150 Std.
45 + 30 contact hours + 75 hrs exercises/presentation, inde-
pendent study and exam preperations (total: 150 hrs)

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Bestandteile wis-
senschaftlicher Arbeiten. Die Studierenden kennen Werkzeuge
für die wissenschaftliche Recherche, Quellenarbeit und Daten-
analyse.

171
Modulkatalog Module Descriptions

—
The participants are familiar with basic parts of scientific work.
They know tools for scientific research, working with sources
and data analysis.
Fähigkeiten / Abilities
Die Studierenden können Publikationsmetriken interpretieren.
Die Studierenden können wiederkehrende Typen von Daten
geeignet mittels statistischer Verfahren und Tests auswerten
und aufbereiten.
—
The students are able to interprete publication metrics. They
are able to process and analyse recurring types of data with
suitable statistical methods and tests.
Kompetenzen / Competencies
Die Studierenden sind in der Lage selbständig unter Einsatz
gängiger Suchmaschinen und Werkzeuge wissenschaftliche Ar-
beiten zu recherchieren und miteinander in Bezug zu setzen.
Die Studierenden können technische Berichte von begrenztem
Umfang nach wissenschaftlichen Kriterien schreiben.
—
The students are able to research the relevant literature using
common search engines and tools and to establish and assess
the relationship of the sources. They are able to write technical
reports of limited size on the basis of scientific criteria.

Inhalt Methodik: Qualitative Methoden, Quantitative Methoden,

Course content Messtheorie, Statistische Verfahren
Technisches Schreiben und wissenschaftliche Berichte: Re-
cherche nach wissenschaftlichen Beiträgen, Vorwärts- und
Rückwärtssuche, Datenbanken, Zitierrichtlinien und -stile,
Struktur und Aufbau wissenschaftlicher Arbeiten in der Infor-
matik, Publikationsprozesse, Veröffentlichungsmöglichkeiten,
Pre-Print Archive, Open Access, Impact Factors, Publikati-
onskulturen
Begutachtungsverfahren: Peer-Review System, Open Reviews,
Review Policies (open, blind, double-blind), technische Lösun-
gen, Ethische Aspekte Werkzeuge für wissenschaftliches Ar-
beiten und Schreiben, Software, Tools, Ressourcen, Werkzeu-
ge für die Datenauswertung, -analyse und -visualisierung.
Informationsvisualisierung und Visual Communication
Praktische Hilfestellungen für das Erstellen englischer Berich-
te
Vortragstechniken, Präsentationstechniken
—
Methodology: Qualitative methods, quantitative methods,
foundations of measurement, statistical methods

172
Modulkatalog Module Descriptions

Technical writing and scientific reports

Review procedure
Tools for research and scientific writing
Information visualization and visual communication
Practical assistance for compilation of reports in English
Communication and presentation techniques

Studien-/Prüfungsleistungen Klausur od. mündl. Prüfung od. Portfolio (techn. Bericht, Prä-
Assessment sentation)
Die genaue Prüfungsart wird zu Beginn des Semesters bekannt
gegeben.
Mögliche Portfoliobestandteile sind
• Eigenständige Zusammenfassung von relevanten wissen-
schaftlichen Arbeiten zu den Themen der Lehrveranstal-
tung
• Präsentationen
• Datensätze und deren Auswertung
• Präsentation der erstellten Materialien unter Einsatz
geeigneter Präsentationstechniken, z.B. PowerPoint,
Desktopreviews, Postern, Flipchart, Whiteboard, Tafel
Die genauen Anforderungen werden vom Dozenten zu Beginn
der Veranstaltung bekanntgegeben.
Written examination or oral examination or portfolio The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation mit Projektor, Tafelanschrieb, Gruppenarbeit

Media used Projector presentation, blackboard, group work

Literatur Wird vom Dozenten bekanntgegeben

Reading list Will be announced by the lecturer

173
Modulkatalog Module Descriptions

5807 Programming Applications for Mobile Interaction PN 405026

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3V + 2Ü
Contact hours Für die Vorlesung und die Übung im Rahmen der Lehr-
veranstaltung besteht Anwesenheitspflicht.
In der Vorlesung findet eine wissenschaftlich-technische Ein-
führung zu den Themen der Lehrveranstaltung statt, diese
werden in den anschließenden Übungen direkt mit der Übungs-
leitung praktisch umgesetzt.
Begründung: In der Lehrveranstaltung arbeiten die Teams von
Studierenden an einem größeren Projekt über das ganze Se-
mester hindurch. Es zu jedem Arbeitspaket bzw. Themenge-
biet ein Kolloquium statt, in denen über die Fortschritte be-
richtet, aufgetretene Probleme ausgetauscht und ihre Lösun-
gen diskutiert werden; am Ende findet ein Abschlusskolloqui-
um statt.
Wird keine umfassende Anwesenheit bei den Kolloquien ge-
fordert, wird die Kompetenz nicht geübt, vor anderen Studie-
renden zu präsentieren und auf ihre Fragen und Anmerkungen
(und nicht nur die des Dozenten) einzugehen und diese zu dis-
kutieren. Die Kompetenz, die präsentierten Inhalte zu analy-
sieren, bewerten und kritisch zu diskutieren ist eine wesentliche
Anwendung der Lehrveranstaltungsinhalte die nur bei Präsenz
eingeübt werden kann. Die vereinzelte Abwesenheit aus nicht
vom Studierenden zu vertretenden und nachgewiesenen Grün-
den ist möglich.
Darüber hinaus kann die spezifische Aufgabenstellung beson-
dere Ausstattung erfordern, die nur in den Laboren und Räu-
men der Universität in geeigneter Weise zur Verfügung steht.
Ferner ist ggf. eine direkte Betreuung und Unterweisung an

174
Modulkatalog Module Descriptions

speziellen Geräten notwendig. Daher ist bei spezifischen Auf-

gabenstellungen eine Bearbeitung außerhalb dieses Kontextes
nicht möglich und die Anwesenheit dann zwingende Voraus-
setzung für die erfolgreiche Bearbeitung. Andernfalls ist die
erfolgreiche Teilnahme an der Lehrveranstaltung gefährdet.

Arbeitsaufwand 75 Std. Präsenz + 135 Std. Übungsaufgaben, Nachbearbei-

Workload tung und Prüfungsvorbereitung
75 contact hours + 135 hours exercises and independent stu-
dy and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung in Java, Mensch-Maschine-Interaktion, MES

Recommended skills Praktikum oder SEP, zusätzlich ggf. Verteilte Systeme
Programming in Java, Human-Computer-Interaction, MES or
SEP Practical, optionally Distributed Systems

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die Realisierung von umfangreichen
Engineering-Projekten aus dem Kontext Mobiler Anwendun-
gen und Systeme und die dazu notwendigen Vorgehensweisen,
Methoden und Werkzeuge kennen. Theoretische Kenntnisse
vom Entwurf verteilter Systeme, der Entwicklung mobiler An-
wendungen und Rechnernetze werden praktisch angewendet
und durch die Systementwicklung eines komplexeren Gesamt-
systems vertieft.
Fähigkeiten / Abilities
Die Studierenden beherrschen die praktischen Fragestellun-
gen der Entwicklung und Umsetzung von Systemen beste-
hend aus mobilen Endgeräten und zentralen bzw. dezentralen
Infrastrukturen sowie den maßgeblichen Einfluss der Mensch-
Maschine-Interaktion mit dem Gesamtsystem. Die Studieren-
den können in einem kleinen Team effektive Lösungen erar-
beiten und durchführen und erfolgreich ein vorlesungsbeglei-
tendes Projekt im Team realisieren.

175
Modulkatalog Module Descriptions

Kompetenzen / Competencies
Die Teilnehmer erlernen soziale Kompetenz durch die Team-
arbeit und die notwendigen organisatorischen und fachlichen
Kompetenzen zur Durchführung von Projekten aus dem Kon-
text der mobilen Anwendungsentwicklung erfolgreich zu be-
arbeiten. Teil des Lernziels besteht in der Abschätzung und
Kontrolle des Arbeitsaufwandes, sowie der Entwicklung von
Strategien zum erfolgreichen Projektmanagement. Dazu wer-
den Stundenzettel geführt.

Inhalt Im Rahmen der Lehrveranstaltung wird eine dem Umfang der

Course content Lehrveranstaltung angepasste mobile Anwendung (ggf. mit
zugehörigem Backend-System) realitätsnah entwickelt mittels
der Problemstellung angemessener Methoden und Werkzeu-
ge im Team bearbeitet unter Anwendung geeigneter Vorge-
hensweisen zur Projekt- und Arbeitsorganisation. Insbeson-
dere werden Vorgehensweisen aus den Bereichen Mensch-
Maschine Interaktion (Prototyping, Entwicklung, Durchfüh-
rung und Auswertung von Benutzerstudien, Human-Centered
Software Engineering, Feldtests, Fokusgruppen), verteilte Sys-
teme (Architekturentwurf verteilter Anwendungen, Verteilung
von Funktionalität, Protokollentwurf), und Software Enginee-
ring (Agile Entwicklungsprozesse) eingesetzt. Das Vorgehen
deckt sich soweit möglich mit bestehender Praxis aus Indus-
trie und Forschung.
Teams von in der Regel 2-3 Studierenden bearbeiten in der
Übung gemeinsam und systematisch ein kleineres Projekt, das
in mehrere Arbeitspakete strukturiert ist. Die genaue Aufga-
benstellung wird zu Beginn der Lehrveranstaltung schriftlich
in Form einer Zielvorgabe mit minimalen Eigenschaften als
Bestehenskriterien vorgegeben.
Bei der Bearbeitung des vorlesungsbegleitenden Projekts wer-
den folgende Engineering-Aktivitäten für die 1.) Infrastruktur-
komponenten bzw. für die 2.) mobile Anwendung abgedeckt:
1. Analyse
1.) Detaillierte Festlegung der Anforderungen an das System.
Beachtung der Grundprinzipien Präzision, Vollständigkeit und
Konsistenz. Der Inhalt umfasst das Systemmodell als Über-
sicht, die geeignete Beschreibung der Systemumgebung mit-
tels geeigneter Werkzeuge, sowie die Erfassung und Dokumen-
tation funktionaler und nicht-funktionaler Anforderungen.
2.) Für die Mobile Anwendung sind, zusätzlich zu den ge-
nannten Aufgaben, Prototyping-Methoden einzusetzen (z.B.
Wizard-of-Oz) bzw. Studien zur Identifikation der Nutzergrup-
pen (z.B. Interviews) durchzuführen.
2. Entwurf

176
Modulkatalog Module Descriptions

1.) Hauptbestandteil ist ein systematischer Grobentwurf eines

Systems, das die in der Analyse ermittelten Anforderungen
bestmöglich erfüllt. Auf dieser Basis wird ein detaillierter Ent-
wurf ausgearbeitet, der mit der Problemstellung angemesse-
nen, domänenspezifischen Werkzeugen und Vorgehensweisen
das umzusetzende System spezifiziert und dokumentiert.
2.) Die mobile Anwendung ist, im Gegensatz zum Hauptsys-
tem, mittels Prototyping-Methoden agil und iterativ zu ent-
werfen und zu validieren. Dazu sind z.B. Methoden zur Erstel-
lung horizontaler bzw. vertikaler High-Level/Low-Level Proto-
typen aus dem Bereich der Mensch-Maschine-Interaktion ein-
zusetzen.
3. Umsetzung
1.) Im Rahmen der Umsetzung erfolgt die tatsächliche Reali-
sierung des entworfenen Systems. Das System besteht in der
Regel aus Software- und Hardware-Komponenten. Zur Rea-
lisierung sind bestehende, konfigurierbare Softwarebausteine
mit eigener Software zu ergänzen und zu einem lauffähigen
Gesamtsystem zu integrieren. Hierzu werden Methoden aus
dem Bereich der verteilten Systeme, z.B. Architekturentwurf,
oder der vernetzten Systeme, z.B. Socket-Programmierung,
verwendet.
2.) Die Umsetzung der Mobilen Anwendung wird durch spe-
zielle Frameworks und Entwicklungssysteme aus dem Bereich
mobiler Anwendungen unterstützt.
4. Validierung
1.) Validierung und Verifikation der Ergebnisse von Entwurf
und Umsetzung auf Grundlage der durch Analyse bestimmten
Anforderungen.
2.) Die mobile Anwendung ist durch geeignete Methoden aus
dem Bereich der Mensch-Maschine-Interaktion zu evaluieren
und die Ergebnisse sind kritisch zu diskutieren. Hierzu können
z.B. Beobachtung, Fragebögen, Effizienz- und Fehlermessun-
gen bei der Interaktion eingesetzt werden.
Jedes Arbeitspaket kann eine oder mehrere dieser Aktivitä-
ten umfassen und jede Aktivität kann Gegenstand eines oder
mehrerer Arbeitspakete sein. Dabei müssen alle Aktivitäten
durch Arbeitspakete adäquat abgedeckt sein. In den einzel-
nen Arbeitspaketen kommen projekt- und domänenspezifi-
sche Werkzeuge und Methoden zum Einsatz z.B. zum Test
von Client/Server-Systemen, Schnittstellenbeschreibungsspra-
chen, Service Description Languages.
Zu allen Arbeitspaketen werden Arbeitseinheiten definiert, de-
ren Aufwand abgeschätzt und deren Realisierung z.B. anhand
eines Gantt-Charts organisiert und durchgeführt. Das Ergeb-

177
Modulkatalog Module Descriptions

nis jedes Arbeitspakets wird durch einen kurzen Bericht doku-

mentiert, ggf. begleitet von Software. Aus dem Bericht sind
auch Aufwandsabweichungen und Korrekturen vorangegange-
ner Arbeitspakete ersichtlich.
Jedes Arbeitspaket schließt mit einem Kurzvortrag in der
nächsten Einheit ab. Die Teams werden durch ein festes wö-
chentliches Treffen mit dem Betreuer unterstützt.
Die Lehrveranstaltung schließt mit einem Abschlusskolloqui-
um ab, in dem das fertig entwickelte System präsentiert und
abgenommen wird.

Studien-/Prüfungsleistungen Schriftliche Dokumentation in Form eines technischen Be-

Assessment richts, mündliche Präsentationen zu den Arbeitspaketen, die
durch geeignete Medien (z.B. Folien) unterstützt werden
Dokumentierter und funktionsfähiger Quelltext inkl. aller zur
Demonstration notwendigen Informationen, sowie einer Sys-
temdemonstration im Rahmen des Abschlusskolloquiums.

Medienformen Präsentation mit Projektor, Gruppenarbeit, Wiki

Media used Projector presentation, group work, wiki

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

178
Modulkatalog Module Descriptions

5809 Mobile Human-Computer Interaction PN 479510

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz Vorlesung + 30 Std. Präsenz Übung + 30

Workload Std. Übungsaufgaben/Referate + 135 Std. Vor- und Nachbe-
arbeitung
45 + 30 contact hours + 30 hrs exercises + 135 hrs indepen-
dent study and exam preparations

ECTS 8
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der Mensch-Maschine Interaktion

Recommended skills Programming Applications for Mobile Interaction

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen grundlegende Techniken zur
Mensch-Maschine Interaktion mit mobilen Systemen. Die
Studierenden können verschiedene Eingabe- und Ausgabe-
Technologien beschreiben und kennen insbesondere Techniken

179
Modulkatalog Module Descriptions

zur Text-, Gesten- und Sprachein- und -ausgabe. Die Studie-

renden können Techniken zur Anzeige von visuellen Informa-
tionen auf einem Gerät bzw. geräteübergreifend erläutern. Die
Studiernden verstehen die grundlegenden Interaktionskonzep-
te mobiler Plattformen.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, Benutzungsschnittstellen
für konkrete Anwendungsfälle und -szenarien zu entwerfen,
prototypisch umzusetzen und zu evaluieren. Die Studierenden
sind in der Lage, die Fähigkeiten und Potentiale einer mobi-
len Plattform für die Entwicklung konkreter Anwendungen zu
nutzen.
Kompetenzen / Competencies
Die Studierenden sind in der Lage einzelne Technologien und
Techniken hinsichtlich Einsatzgebiet, Effektivität, Effizienz,
Fehleranfälligkeit und Benutzeraktzeptanz bewerten. Die Stu-
dierenden sind in der Lage Studien für die Ermittlung und
Bewertung der qualitativen und quantitativen Eigenschaften
mobiler Systeme für die Mensch-Maschine Interaktion zu ent-
wickeln, entwerfen, durchzuführen und auszuwerten.

Inhalt • Mobile Betriebssysteme, Anwendungs-

Course content entwicklung, Plattformabhängige Softwareentwicklung,
Entwicklungswerkzeuge und –plattformen
• Webservices und Cloud Services
• Texteingabe, Gesteneingabe, Augmented Reality, Virtu-
al Reality, Projektion
• Sensordatenverarbeitung
• Informationsverarbeitung, Informationsvisualisierung,
Informationswahrnehmung
• Psychologische Grundlagen der menschlichen Informati-
onswahrnehmung und –verarbeitung
• Qualitative Methoden, quantitative Methoden

Studien-/Prüfungsleistungen Klausur od. mündl. Prüfung od. Portfolio (techn. Bericht,

Assessment Quelltext u. Präsentation). Die genaue Prüfungsart wird zu
Beginn des Semesters bekannt gegeben.
Written examination or oral examination or portfolio. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation mit Projektor, Tafelanschrieb, Gruppenarbeit

Media used Projector presentation, blackboard, group work

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben

Reading list Will be announced by the lecturer

180
Modulkatalog Module Descriptions

5810 Statistische Datenanalyse PN 405187

Statistical Data Analysis

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Lineare Algebra I, Einführung in die Stochastik

Recommended skills Analysis I, Linear Algebra, Introduction to Stochastic

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Grundkonzepte zur Konstruktion und Beurteilung von Verfah-

Learning outcomes ren zur Lösung statistischer Probleme.
Einsetzen von statistischen Verfahren in praktischen Anwen-
dungsproblemen. Interpretation der Ergebnisse und ihre Beur-
teilung anhand von Gütekriterien.

181
Modulkatalog Module Descriptions

—
Basic concepts for the design and evaluation of visual analytics
applications methods for solving statistical problems. Use of
statistical methods in practical application problems. Interpre-
tation of the results and their evaluation based on performance
criteria

Inhalt • Elemente der deskriptiven Statistik

Course content • Statistische Beobachtungsmodelle
• Konstruktion und Beurteilung von Schätzverfahren
• Parametrische und nichtparametrische Testverfahren
• Konfidenzbereiche
• In Abhängigkeit von laufenden Projekten wahlweise Ele-
mente aus:
• Regressionsmodelle, Zeitreihenanalyse, Klassifikations-
verfahren, Clusteranalyse, Multivariate Statistik
—
• Elements of descriptive statistics
• Statistical observation models
• Design and evaluation of estimation methods
• Parametric and nonparametric tests
• Confidence intervals
• Depending on ongoing projects optional elements:
• Regression models, time series analysis, classification
process, cluster analysis, multivariate statistics

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute written or 20-minute oral examination, the precise
mode of assessment will be announced at the start of the se-
mester

Medienformen Präsentation und Beamer, Folien oder Tafel

Media used Presentation and projector, transparencies or chalkboard

Literatur Lehn, Wegmann: Einführung in die Statistik

Reading list Behnen, Neuhaus: Grundkurs Stochastik

182
Modulkatalog Module Descriptions

5812 Stochastische Simulation PN 451017

Stochastic Simulation

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach, Yaroslavtseva

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Lineare Algebra I, Programmierung I, Einführung

Recommended skills in die Stochastik
Analysis 1, Linear Algebra 1, Programming 1, Introduction to
Stochastics

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Kenntnis grundlegender Algorithmen der stochastischen Simu-
lation, ihrer Eigenschaften und typischer Anwendungen.

183
Modulkatalog Module Descriptions

—
Knowledge of basic algorithms of stochastic simulation, their
properties and typical applications
Fähigkeiten / Abilities
Fähigkeit zur effizienten Implementierung dieser Verfahren
und zur Darstellung und Interpretation von Simulationsergeb-
nissen im Rahmen der Stochastik und Statistik. Fähigkeit zur
eigenständigen Erarbeitung und Präsentation eines Themas
aus der stochastischen Simulation.
—
Ability to efficiently implement these methods and to present
and interpret simulation results in the context of stochastics
and statistics. Ability to independently develop and present a
topic in stochastic simulation.

Inhalt Das Verfahren der direkten Simulation, Simulation von Vertei-

Course content lungen, Methoden der Varianzreduktion, Markov Chain Monte
Carlo-Methode, Numerische Integration
—
Direct Simulation, Simulation of Distributions, Variance re-
duction, Markov Chain Monte Carlo, Numerical integration

Studien-/Prüfungsleistungen Zwei Teilleistungen:

Assessment Teilleistung 1 (80%):
90-minütige Klausur oder mündliche Prüfung (ca. 30 Minu-
ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
Teilleistung 2 (20%):
Vortrag (ca 15 Minuten) über ein Thema der Stochastischen
Simulation.
Zum Bestehen des Moduls müssen beide Teilleistungen be-
standen werden.
Examination in two parts
Part 1 (80%):
90-minute written or oral exam of about 30 minutes. The pre-
cise mode of assessment will be announced at the start of the
semester.
Part 2 (20%):
Oral presentation of about 15 minutes on a subject from Sto-
chastic Simulation
To pass the examination both parts have to be passed.

Medienformen Overhead, Beamer, Tafel

Media used Slides, projector, blackboard

Literatur Müller-Gronbach, Novak, Ritter: Monte Carlo-Algorithmen,

Reading list Springer, 2012

184
Modulkatalog Module Descriptions

Weiteres nach Empfehlung des Dozenten / Further reading

announced during the lecture

185
Modulkatalog Module Descriptions

5814 Wahrscheinlichkeitstheorie PN 455341

Probability Theory

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, II, Lineare Algebra I, II, Einführung in die Stochas-
Recommended skills tik
Analysis I, II, Linear Algebra I, II, Introduction to Stochastics

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Verständnis der Grundkonzepte und -techniken sowie der zen-
Learning outcomes tralen Ergebnisse der maßtheoretisch fundierten Wahrschein-
lichkeitstheorie.
Fähigkeit zur Modellierung und Analyse komplexer zufälliger

186
Modulkatalog Module Descriptions

Phänomene

Inhalt Grundkonzepte der Maß- und Integrationstheorie, u.a.

Course content Maßräume und messbare Abbildungen,
Konstruktion des Lebesgue-Maßes,
Maßintegrale,
Produktmaße, Maßkerne, Vertauschungssätze für Integrale.
Grundkonzepte und zentrale Ergebnisse der W-Theorie, u.a.
Konvergenz von Folgen von Zufallsvariablen,
Unabhängigkeit und 0-1-Gesetze,
Charakteristische Funktionen,
Gesetze der grossen Zahlen,
Zentraler Grenzwertsatz,
Bedingte Verteilungen und bedingte Erwartungswerte

Studien-/Prüfungsleistungen 120-minütige Abschlussklausur oder mündliche Prüfung (ca.

Assessment 30 Minuten). Die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben.
120-minute written or 30-minute oral examination, the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation und Beamer, Folien oder Tafel

Media used Presentation and projector, slides or blackboard

Literatur Bekanntgabe durch Dozenten / Announced during the lecture

Reading list

187
Modulkatalog Module Descriptions

5815 Computational Stochastic Processes PN 451402

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II Lineare Algebra I + II, Programmierung I, Ein-

Recommended skills führung in die Stochastik, Stochastische Prozesse, Stochasti-
sche Simulation
Analysis I + II Linear Algebra I + II, Programming I, Intro-
duction to Stochastics, Stochastic Processes, Stochastic Si-
mulation

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Kenntnisse grundlegender Algorithmen zur zeitdiskreten und

188
Modulkatalog Module Descriptions

zeitkontinuierlichen Simulation von Gauss-Prozessen und sto-

chastischen Differentialgleichungen, ihre theoretischen Eigen-
schaften und typische Anwendungen.
—
Knowledge of basic algorithms for discrete- and continuous-
time simulation of Gaussian processes and stochastic differen-
tial equations, their theoretical properties and applications.
Fähigkeiten / Abilities
Auswahl geeigneter Simulationsalgorithmen für konkrete Fra-
gestellungen, zu ihrer effizienten Implementierung, zur prak-
tischen Durchführung von entsprechenden Simulationsexperi-
menten sowie zur Darstellung und Bewertung der Ergebnisse.
—
Ability to select appropriate simulation algorithms for specific
questions to their efficient implementation, the practical im-
plementation of relevant simulation experiments, and for the
presentation and evaluation of results.

Inhalt • Grundbegriffe der Simulation stochastischer Prozesse:

Course content Fehlerkriterien, Kostenmaße, minimale Fehler und Kom-
plexität, Optimalität und asymptotische Optimalität.
• Pfadweise Simulation von Gauss-Prozessen: Simulati-
on multivariater Normalverteilungen, zeitkontinuierli-
che Verfahren, optimale L2 -Rekonstruktion, insbeson-
dere Simulation Brownscher Bewegung und fraktioneller
Brownscher Bewegung.
• Pfadweise Simulation stochastischer Differentialglei-
chungen: zeitdiskrete Ito-Taylor Schemata, zeitkontinu-
ierliche Verfahren, Schrittweitensteuerung.
• Schwache Approximation stochastischer Differentialglei-
chungen: Standard Monte-Carlo Verfahren, Multilevel-
Verfahren, Anwendungen in der Finanzmathematik.
—
• Basic concepts of simulation of stochastic processes:
Failure criteria, cost measures, and minimum error com-
plexity, optimality and asymptotic optimality.
• Path way simulation of Gaussian processes: simulati-
on of multivariate normal distributions, continuous-time
process, optimal L2 Reconstruction, particularly the si-
mulation of Brownian motion and fractional Brownian
motion.
• Path way simulation of stochastic differential equati-
ons: discrete-time Ito-Taylor schemes, continuous-time
method, time step control.
• Weak approximation of stochastic differential equations:
Standard Monte Carlo methods, multilevel methods, ap-

189
Modulkatalog Module Descriptions

plications in financial mathematics.

Studien-/Prüfungsleistungen 90 minütige Abschlussklausur oder mündliche Prüfung (ca. 20

Assessment Minuten); die genaue Prüfungsart wird zu Beginn des Semes-
ters bekannt gegeben
90 minute written or 20-minute oral examination. The preci-
se mode of assessment will be announced at the start of the
semester

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Nach Empfehlung des Dozenten

Reading list Announced during the lecture

190
Modulkatalog Module Descriptions

5818 Stochastische Analysis PN 405214

Stochastic Analysis

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II, Einführung in die Sto-
Recommended skills chastik, Wahrscheinlichkeitstheorie
Linear Algebra I + II, Analysis I + II, Introduction to Stocha-
stics, Probability Theory

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Verständnis der Grundkonzepte und -techniken sowie der zen-
tralen Ergebnisse der Stochastischen Analysis.

191
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Modellierung und Analyse zeitabhängiger stochastischer Pro-
zesse, die von einer Brownschen Bewegung getrieben werden.
Eigenständige Erarbeitung und Darstellung eines Themas der
Stochastischen Analysis

Inhalt Grundkonzepte der Stochastischen Analysis, u.a.

Course content Zeitstetige Martingale,
Zeitstetige Markov Prozesse,
Brownsche Bewegung,
Stochastische Integration,
Stochastische Differentialgleichungen.

Studien-/Prüfungsleistungen Teilleistung 1 (80%): Mündliche Prüfung (ca. 30 Minuten)

Assessment Teilleistung 2 (20%): Schriftliche Ausarbeitung (bis zu 10 Sei-
ten) eines zusätzlichen Themas zu stochastischen Differenti-
algleichungen. Zum Bestehen des Moduls müssen beide Teil-
leistungen bestanden werden.
Part 1 (80%): Oral examination (about 30 Minuten)
Part 2 (20%): Written work (up to 10 pages) about an ad-
ditional topic of stochastic differential equations. To pass the
examination both parts have to be passed.

Medienformen Präsentation und Beamer, Folien oder Tafel

Media used Presentation and projector, slides or blackboard

Literatur Bekanntgabe durch Dozenten

Reading list Announced during the lecture

192
Modulkatalog Module Descriptions

5820 IT-Sicherheit PN 405390

Advanced IT Security

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Posegga
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 40 Std. Übungen + 80 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 40 hrs exercises + 80 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Grundlegendes Wissen über die wichtigsten Konzepte für den
Betrieb sicherer und (meist) verteilter Rechnersysteme, dazu
gehören u.a. Teilkomponenten aus den Bereichen Betriebssys-
teme, Kommunikations- und IT-Sicherheit, insb. kryptografi-

193
Modulkatalog Module Descriptions

sche Grundlagen inkl. PKI, Grundlagen der Netzwerksicher-

heit, Grundlagen der Sicherheit von Betriebssystemen, grund-
legende Sicherheitsprotokolle und -standards, Sicherheitsarchi-
tekturen, AAA in verteilten Systemen.
—
Basic knowledge of the key concepts for the operation of secu-
re and (mostly) distributed computing systems. These include
sub-components in the areas of operating systems, communi-
cations and IT security, especially cryptographic basics inclu-
ding PKI, principles of network security, principles of operating
system security, basic security protocols and standards, secu-
rity architectures, AAA in distributed systems.
Fähigkeiten / Abilities
Der Student ist in der Lage Konzepte anhand von selbst zu
lösenden und zu diskutierenden Aufgaben aus ausgewählten
Teilbereichen verstehen und Betriebssysteme und Netzwerke
bezüglich der Sicherheit analysieren können. Der Student kann
passende Verschlüsselungsverfahren für verschiedene Anwen-
dungsfelder auswählen und Kommunikationsmechanismen in
unterschiedlichen Szenarien anwenden. Der Student ist befä-
higt Verschlüsselungsverfahren anzuwenden.
—
Students have a firm grasp of concepts from selected sub-
areas, based on exercises solved by the students themselves.
Furthermore, they are able to analyse the security of operating
systems and networks. Students are able to select appropria-
te encryption methods for various applications and implement
communication mechanisms in different scenarios. Students
have the ability to correctly implement encryption methods.
Kompetenzen / Competencies
Der Student ist befähigt Konzepte und Architekturalternati-
ven für Kommunikationsmechanismen (Dienste und Protokol-
le) kennen, bewerten und auswählen zu können. Der Student
hat die Kompetenz des Einsatzes von PKI-Technologie in ver-
schiedenen Anwendungsfeldern und die Sicherheit von symme-
trischen und asymmetrischen Verschlüsselungsverfahren beur-
teilen zu können. Der Student versteht Sicherheitsprotokolle
und -standards einstufen und Sicherheitsarchitekturen bewer-
ten zu können. Der Student erlernt die Kooperations- und
Teamfähigkeit in den Präsenz- und praktischen Rechnerübun-
gen. Der Student steigert die Problemlösungskompetenz durch
selbstständiges Erarbeiten von Lösungen in den Übungen. Der
Student kann die Komplexität systematisch beherrschen und
kritische Bewertung von Lösungsansätzen und ihrer algorith-
mischen Umsetzung durchführen.

194
Modulkatalog Module Descriptions

—
Students are able to identify, evaluate and select concepts and
architectural alternatives for communication mechanisms (ser-
vices and protocols). Students are expected to be competent
in the use of PKI technology in various scenarios and to be able
to assess the security of symmetric and asymmetric encrypti-
on methods. Students are well-versed in security protocols and
standards and are able to classify and assess security architec-
tures. Students have learnt cooperation and teamwork in the
classroom and practical computer tutorials. Students have al-
so honed their problem-solving skills by working through the
exercises in the tutorials, autonomously arriving at a solution.
Students are able to systematically address the complexity and
perform critical assessment of approaches and its algorithmic
implementation.

Inhalt In dem Modul werden folgende Inhalte behandelt: Einfüh-

Course content rung in die IT-Sicherheit; kryptographische Grundlagen; Ver-
traulichkeit, Integrität, Verfügbarkeit; Authentication & Aut-
horization; Sicherheitsmodule; OTPs, Token; Sicherheitspro-
tokolle; Grundlagen; SSL; IPSEC; Benutzerverwaltung; Zu-
griffsschutz; Sicherheit von TCP/IP Diensten; Grundlegen-
de Sicherheitsprotokolle und –standards; Symmetrische Ver-
schlüsselung (DES, AES, etc.); Asymmetrische Verschlüsse-
lung (RSA, PGP); AAA in verteilten Systemen; Kerberos;
X.509 Authentifikation; Netzwerk- und Internetsicherheit; IP-
Sec; TLS/SSL; Einführung in PKI; Zertifikate; Schlüsselgene-
rierung; Certificate authorities; Certificate revocation und CA
Hierarchie.
—
In the module, the following topics are treated: Introduction
to IT Security, Cryptographic Basics, Confidentiality, Integri-
ty, Availability, Authentication & Authorization, security mo-
dules; OTPs, tokens, security protocols, foundations, SSL, IP-
SEC, user management, access protection, security of TCP/IP
services, Basic security protocols and standards; Symmetric
encryption (DES, AES, etc.); Asymmetric encryption (RSA,
PGP), AAA in distributed systems, Kerberos, X.509 authen-
tication, network and Internet security, IPSec, TLS/SSL, in-
troduction to PKI, certificates, key generation, certificate au-
thorities, certificate revocation and CA hierarchy

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 15 min mündliche Prüfung, jeweils

Assessment in englischer oder deutscher Sprache und je nach Anzahl der
Hörer. Die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben

195
Modulkatalog Module Descriptions

90-minute written examination or 15-minute oral examination,

depending on the number of listeners, in English or German.
The exact mode of assessment will be indicated at the begin-
ning of the semester

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur H.-P. Gumm, M. Sommer: „Einführung in die Informatik“, 5.

Reading list Auflage Oldenbourg-Verlag, München, 2002
Dieter Gollmann: Computer Security, John Wiley, 1999
W. Stallings: Cryptography and Network Security, Pearson,
2003
Niemi and Nyberg: UMTS Security, John Wiley, 2003

196
Modulkatalog Module Descriptions

5821 Wireless Security PN 405157

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Posegga
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 45 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 45 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse IT-Sicherheit

Recommended skills Advanced IT Security

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die Grundlagen der Funkwellenaus-
breitung. Sie erwerben einen Überblick über technische Stan-
dards in der drahtlosen und mobilen Kommunikation sowie das
Verständnis der Sicherheitslösungen in drahtlosen und mobi-
len Kommunikationssystemen. Die Studierenden bekommen

197
Modulkatalog Module Descriptions

detailliertes Wissen über grundlegende Sicherheitskomponen-

ten (z.B. Smartcards) und -technologien (z.B. Protokolle und
Dienste) vermittelt sowie Kenntnis der spezifischen, sicher-
heitsrelevanten Randbedingungen solcher Systeme (z.B. im
Bereich der Funktechnologien). Die Studierenden haben einen
Überblick über konkrete, exemplarische Lösungen und deren
Eigenschaften (z.B. GSM, UMTS, WLAN,...).
—
Students become familiar with the basics of radio wave pro-
pagation. They acquire an overview of technical standards in
wireless and mobile communications, as well as an understan-
ding of security solutions in wireless and mobile communi-
cation systems. Students acquire detailed knowledge of basic
safety components (e.g. smart cards) and technologies (e.g.
protocols and services) and the specific security constraints of
such systems (e.g. in the field of wireless technologies). Stu-
dents will have an overview of concrete, exemplary solutions
and their properties (e.g. GSM, UMTS, Wi-Fi, etc).
Fähigkeiten / Abilities
Die Studierenden sind in der Lage Lösungen, insbesondere
im Bereich mobiler/drahtloser Systeme, selbst konzipieren zu
können.
—
The students are able to autonomously develop solutions, par-
ticularly in the area of mobile/wireless systems.
Kompetenzen / Competencies
Die Studenten können die Bedeutung der Sicherheit für draht-
lose Kommunikation einschätzen und vorhandene Sicherheits-
lösungen analysieren und bewerten.
—
Students are able to assess the importance of security for wi-
reless communication and to analyze and evaluate existing
security solutions.

Inhalt Um das Lernziel zu erreichen wird zunächst fortgeschritte-

Course content nes Wissen, das über das im B.Sc. vermittelte Basiswis-
sen hinausgeht, vermittelt. Dies umfasst z.B. Wellenausbrei-
tung, Smartcard-Technologie, sicherheitsrelevante Spezifika
der drahtlosen Datenübertragung. Danach werden exempla-
risch mehrere Lösungen an praktischen Beispielen diskutiert,
analysiert und verglichen. Die grobe Gliederung der Inhalte des
Vorlesungsteils stellt sich wie folgt dar:
• Grundlagen der Wellenausbreitung
• EMF-Sicherheit
• Einführung in die Problematik der Sicherheit komplexer
Systeme. Aufbau und Funktionsweise von Smartcards

198
Modulkatalog Module Descriptions

und verwandten Technologien (RFID)

• Grundlegende, sicherheitsrelevante Aspekte der drahtlo-
sen Datenübertragung
• Sicherheitsarchitekturen am Beispiel von GSM, UTMS
und Wireless LAN
• Sicherheit von VoIP als Beispiel für die Unterstützung
von Mobilität in Netzen auf Dienste-Ebene
—
In order to achieve the module objectives, advanced knowled-
ge going beyond the scope of the Bachelor’s degree is taught
initially. This includes topics such as wave propagation, smart
card technology and security specifics of wireless data trans-
missions. Subsequently, several solutions are discussed using
real-world examples, and then analyzed and compared. The
rough outline of the contents of the lecture part is as follows:
• Wave propagation
• EMF Safety
• Introduction to the problem of security of complex sys-
tems. Design and operation of smart cards and related
(RFID) technologies.
• Fundamental security aspects of wireless data transmis-
sion. Security architectures using the example of GSM,
UMTS and Wi- Fi.
• Security of VoIP as an example of the support of mobi-
lity in networks at the service level.

Studien-/Prüfungsleistungen 60-90 min. Klausur oder ca.15 min. mündliche Prüfung, je-
Assessment weils in deutscher oder englischer Sprache und je nach Anzahl
der Hörer. Die genaue Prüfungsart wird zu Beginn des Semes-
ters bekannt gegeben.
60-90 min. written or approx. 15-minute oral examination, de-
pending on the number of students, in German or English. The
exact mode of assessment will be announced at the start of
the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Valtteri Niemi, Kaisa Nyberg: UMTS Security, November

Reading list 2003: Wiley & Sons LTD
Wolfgang Rankl, Wolfgang Effing: Smart Card Handbook,
2003: Wiley & Sons LTD
T. Rappaport: Wireless Communications: Principles and Prac-
tice, 1996: Prentice Hall
Die entsprechenden Spezifikation von 3GPP (GSM, UMTS),
IEEE (802.*)

199
Modulkatalog Module Descriptions

Klaus Finkenzeller: RFID-Handbook, "Fundamentals and Ap-

plications in Contactless Smart Cards and Identification", April
2003: Wiley & Sons LTD

200
Modulkatalog Module Descriptions

5822 Security Insider Lab II - System and Application Security PN 453402

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Posegga
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 6Ü
Contact hours Es besteht Anwesenheitspflicht.
Die Anwesenheitspflicht besteht aus folgenden Gründen: Um
den Erfolg der Veranstaltung zu gewährleisten ist eine ver-
stärkte Interaktion der Stundenten untereinander aber auch
zwischen Studenten und Betreuern notwendig. Bei der Inter-
aktion mit den Betreuern oder den Kommilitonen, können
die Studenten Probleme besprechen und Lösungsstrategien
erarbeiten. Ein weiterer Grund sind die regelmäßig stattfin-
denden Präsentationen der Studenten. Jeder Student arbeitet
sich frühzeitig verstärkt in ein Gebiet der Veranstaltung ein.
In der Präsentation vermittelt der Student sein Spezialwissen
den anderen Studenten. Damit sichergestellt wird, dass die
Stundenten dieses Spezialwissen vermittelt bekommen, müs-
sen sie anwesend sein. Der letzte Grund ist die Überprüfung der
praktischen Kompetenz der Studenten. Die Studenten werden
während der Anwesenheitszeit befragt um ihren Lernerfolg zu
beobachten.
Die Veranstaltung wurde bisher als Praktikum durchgeführt.
Folgende Merkmale klassifizieren die Veranstaltung jedoch
eher als Übung denn als Praktikum: regelmäßig (d.h. wöchent-
lich) stattfindende Termine für alle Teilnehmer, dauerhafte
Aufsicht und Betreuung durch den Veranstalter und gegen-
seitige Vermittlung von Grundlagenwissen durch Vorträge.
—
Attendance is compulsory.
This is for the following reasons: First, to ensure the success
of the course, it is necessary to enhance the interaction among

201
Modulkatalog Module Descriptions

students and between students and tutors. When interacting

with the tutors or fellow students, the students can discuss
problems and develop solution strategies. Second, there are
the regularly scheduled presentations of the students. Each
student works is assigned a topic area for the course which he
or she treats in greater detail than the others. In the presen-
tation the student shares their detailed knowledge with the
other students. To ensure the maximum benefit for all stu-
dents, it should be ensured that all students are present at
the presentation. Third, one of the objectives of the course
is to test the students’ practical skills. The students will be
interviewed during their attendance to observe their learning
success.

Arbeitsaufwand 90 Std. betreute Laborarbeit + 110 Std. nicht betreute La-

Workload borarbeit + 160 Nachbearbeitung
90 hours supervised laboratory work + 110 hours unsupervi-
sed lab work + 160 hours follow-up

ECTS 12
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced IT Security, System Security,

Recommended skills Security Insider Lab I - Infrastructure Security

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden verstehen etablierte und aktuelle Verwund-
barkeiten und sie besitzen einen Überblick über die Randbe-
dingungen für das Auftreten bekannter Schwachstellen. Sie
erwerben Fachkenntnis der Ursachen und Auswirkungen von
Angriffsvektoren.
—
Students understand established and new vulnerabilities and
have gained an overview of the boundary conditions for the
occurrence of known vulnerabilities. They acquire specialist
knowledge of the causes and effects of attack vectors.
Fähigkeiten / Abilities

202
Modulkatalog Module Descriptions

Die Studierenden lernen anspruchsvoller Informatik-Aufgaben

unter praktisch experimenteller Anwendung des im Studium
vermittelten Theorie- und Methodenwissens der Informatik zu
lösen. Sie können größerer konstruktiver und experimenteller
Aufgaben bearbeiten und sind in der Lage Recherche aktu-
eller Publikationen zum übergeordneten Projektthema durch-
zuführen. Die Studierenden können typische softwarebasierte
Verwundbarkeiten aufspüren und vermeiden.
—
Students learn to solve challenging computer science assi-
gnments in practical experimental conditions, applying the
theories and methods of computer science. They are able to
work on larger constructive and experimental tasks and are
able to perform research of recent publications to the project
topic. Students can track and avoid typical software-based vul-
nerabilities.
Kompetenzen / Competencies
Die Studierenden erwerben berufsbefähigende Praxiskompe-
tenz durch Durchlaufen der typischen Phasen eines Ent-
wicklungsprojekts. Sie eignen sich Problemlösungskompetenz
durch wissenschaftliches Arbeiten (unter Anleitung) mit dem
Ziel, Probleme aus aktuellen Entwicklungen zu bewältigen an.
Sie erarbeiten sich Transferkompetenz durch Anwendung des
Theorie- und Methodenschatzes der Informatik auf komplexe
Probleme und sie erlenen die Gegenseitige Vermittlung der in-
haltlichen Grundlagen eines ausgewählten Teilgebiets.
—
Through the typical phases of a development project. They
acquire problem-solving skills through scientific work (with in-
structions) with the aim of tackling problems of recent deve-
lopments. They acquire knowledge transfer skills by applying
the theories and methods of computer science to complex pro-
blems and learning the mutual exchange of the basic content
of a selected sub-area.

Inhalt Das Modul beinhaltet im Bereich der Einführung in die Pro-

Course content bleme der Softwaresicherheit, z.B. Buffer Overflows, Format-
Strings, Sicherheit von Webservices (Cross-Site Scripting, SQL
Injection, etc.) und Fehler in der Programmlogik.
Im Bereich Konzepte und Methoden zur Herstellung von si-
cherer Software beinhaltet das Modul z.B. statische Analyse
und Sicherheit von Programmiersprachen/-konzepten.
Im Bereich Anwendung und Herstellung geeigneter technischer
Hilfsmittel und Umgang mit Betriebssystem-Bordmitteln bein-
haltet das Modul z.B. Shell-Befehle und –Skripte und Auto-
matisieren wiederkehrender Aufgaben.

203
Modulkatalog Module Descriptions

—
The module covers the area of introduction to the problems
of security software, such as buffer overflow, format strings,
security of web services (cross-site scripting, SQL injection,
etc.) and errors in program logic.
In the area of concepts and methods for producing secure
software module includes e.g. static analysis and security of
programming languages/concepts.
In the area of application and preparation of suitable technical
aids and working with operating system on-board tools, this
module includes e.g. shell commands and scripts and automa-
tion of repetitive tasks.

Studien-/Prüfungsleistungen Das Modul ist in Themenabschnitte unterschiedlicher Schwie-

Assessment rigkeitsgrade unterteilt. Die Studierenden erarbeiten für jeden
dieser Abschnitte in vorgegebener Zeit ein Portfolio aus Pro-
tokollen (für das gesamte Modul ca. 6 Protokolle), die die Lö-
sungen der gestellten Probleme verständlich beschreiben müs-
sen. Das Portfolio wird nach dessen Fertigstellung präsentiert
(Dauer der Präsentation: ca. 60 Minuten) Die Kombination
aus Protokollen und zugehöriger Präsentation stellt sicher,
dass die erarbeiteten Lösungen und das zugehörige Wissen
nicht nur schriftlich dargelegt, sondern auch praktisch ange-
wendet werden können.
Zusätzlich müssen die Studierenden einen ca. 15-minütigen
Vortrag zu einem der Themenabschnitte des Praktikums vor-
bereiten und halten.
Begründung für diese zusätzliche Prüfungsleistung: Dieser
Vortrag ist wichtiger Bestandteil der Ausbildung. Die Studie-
renden müssen einerseits in der Lage sein aktuelle und rele-
vante Literatur eines Fachgebietes schnell zu identifizieren und
zu verstehen. Da Schulungen im IT-Sicherheitsbereich essen-
tiell sind, müssen die Studenten andererseits in der Lage sein,
komplexes Wissen einem größeren Publikum in kurzer Zeit
zu vermitteln. Im Praktikum bereiten die Vorträge die teilneh-
menden Studierenden auf die einzelnen Themenabschnitte vor.
Zusätzlich zur Bewertung durch den Dozenten, bekommt der
Vortragende so direkte Rückmeldung von anderen Studenten,
ob der Vortrag verständlich und ob wichtige Details enthalten
waren.
—
The module is divided into topic segments of varying difficulty.
Students develop a portfolio of protocols (about 6 protocols
for the entire module), which need to describe the solutions to
the problems posed for each of these segments in the specified
time. The portfolio is presented after its completion (duration

204
Modulkatalog Module Descriptions

of presentations: 60 minutes). The combination of protocols

and associated presentation ensures that the solutions and the
associated knowledge demonstrated can not only be written
down but can also be applied practically.
Moreover, students must prepare and hold a 15-minute pre-
sentation on the topic segment of the practicum.
Justification for this additional assessment: this presentation
is an important part of training. Students must, on the one
hand, be able to identify and understand current and relevant
literature of a subject area quickly. However, since training
in IT security is essential they must, on the other hand, be
able to convey complex knowledge to a wider audience in a
short time. During the practicum the presentations prepare
the participating students for the individual topic segments.
In addition to the evaluation by the instructor, the lecturer
gets direct feedback from the other students on whether the
presentation was comprehensible and whether important de-
tails were included.

Medienformen Labor, Rechner, Beamer

Media used Laboratory, computer, projector

Literatur Richtet sich nach den (wechselnden) Aufgaben

Reading list Depends on the (changing) tasks

205
Modulkatalog Module Descriptions

5823 Security Insider Lab I - Infrastructure Security PN 455002

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Posegga
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 6Ü
Contact hours Es besteht Anwesenheitspflicht.
Die Anwesenheitspflicht besteht aus folgenden Gründen: Um
den Erfolg der Veranstaltung zu gewährleisten ist eine ver-
stärkte Interaktion der Stundenten untereinander aber auch
zwischen Studenten und Betreuern notwendig. Bei der Inter-
aktion mit den Betreuern oder den Kommilitonen, können
die Studenten Probleme besprechen und Lösungsstrategien
erarbeiten. Ein weiterer Grund sind die regelmäßig stattfin-
denden Präsentationen der Studenten. Jeder Student arbeitet
sich frühzeitig verstärkt in ein Gebiet des Veranstaltung ein.
In der Präsentation vermittelt der Student sein Spezialwissen
den anderen Studenten. Damit sichergestellt wird, dass die
Stundenten dieses Spezialwissen vermittelt bekommen, müs-
sen sie anwesend sein. Der letzte Grund ist die Überprüfung der
praktischen Kompetenz der Studenten. Die Studenten werden
während der Anwesenheitszeit befragt um ihren Lernerfolg zu
beobachten.
Die Veranstaltung wurde bisher als Praktikum durchgeführt.
Folgende Merkmale klassifizieren die Veranstaltung jedoch
eher als Übung denn als Praktikum: regelmäßig (d.h. wöchent-
lich) stattfindende Termine für alle Teilnehmer, dauerhafte
Aufsicht und Betreuung durch den Veranstalter und gegen-
seitige Vermittlung von Grundlagenwissen durch Vorträge.
—
Attendance is compulsory.
This is for the following reasons: First, to ensure the success
of the practicum, it is necessary to enhance the interaction

206
Modulkatalog Module Descriptions

among students and between students and tutors. When in-

teracting with the tutors or fellow students, the students can
discuss problems and develop solution strategies. Second, the-
re are the regularly scheduled presentations of the students.
Each student works is assigned a topic area for the practicum
which he or she treats in greater detail than the others. In the
presentation the student shares their detailed knowledge with
the other students. To ensure the maximum benefit for all
students, it should be ensured that all students are present at
the presentation. Third, one of the objectives of the practicum
is to test the students’ practical skills. The students will be
interviewed during their attendance to observe their learning
success.

Arbeitsaufwand 90 Std. betreute Laborarbeit + 110 Std. nicht betreute La-

Workload borarbeit + 160 Nachbearbeitung
90 hours supervised laboratory work + 110 hours unsupervi-
sed lab work + 160 hours follow-up

ECTS 12
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse IT-Sicherheit, System Security

Recommended skills Advanced IT Security, System Security

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen Netzwerktoppologien, Paketrouting,
Adressierung in Netzwerken, Paketfilterung, vertrauenswürdi-
ge Kommunikation und grundlegende Sicherheitsprotokolle.
—
Students learn about network topologies, packet routing, ad-
dressing in networks, packet filtering, trusted communications
and basic safety protocols.
Fähigkeiten / Abilities
Lösen anspruchsvoller Informatik-Aufgaben aus dem Bereich
IT Sicherheit unter praktisch experimenteller Anwendung des
im Studium vermittelten Theorie- und Methodenwissens. Ana-

207
Modulkatalog Module Descriptions

lyse von Networktraffic und Beurteilung der Sicherheitsre-

levanz. Aufbau, Modifikation und Analyse von Virtuellen
Sicherheits-Infrastrukturen, die aktuelle Sicherheitsstandards
berücksichtigen. Absicherung von Sicherheits-Infrastrukturen,
gegenüber Intrudern. Recherche aktueller Publikationen zum
übergeordneten Projektthema. Zudem lernen die Studenten
die gegenseitige Vermittlung der inhaltlichen Grundlagen.
—
Solve challenging computer science tasks in the field of IT se-
curity under practical experimental application of operations
in the study of theories and methods. Analysis of network traf-
fic and assessment of its relevance to security. Construction,
modification and analysis of virtual security infrastructures in
consideration of the latest security standards. Protection of
security infrastructures against intruders. Research in the la-
test scientific literature on the project topic. Finally, students
learn to relate the theoretical underpinnings to each other.
Kompetenzen / Competencies
Beurteilung der Sicherheitseigenschaften von Sicherheits-
Infrastrukturen. Problemlösungskompetenz und Transferkom-
petenz, der Theorie- und Methodenschatz der Informatik kann
auf komplexe, praktische Probleme der IT Sicherheit angewen-
det werden. Bearbeitung komplexer, konstruktiver und expe-
rimenteller Aufgaben aus dem Bereich Netzwerk- und Infra-
struktursicherheit.
—
Assessment of the security properties of security infrastructu-
res. Problem-solving skills and knowledge transfer skills; abili-
ty to apply the theories and methods of computer science to
complex, practical problems of IT security. Ability to process
complex, constructive and experimental problems in the field
of network and infrastructure security.

Inhalt Das Modul beinhaltet im Bereich Linux / Windows Betriebs-

Course content systeme & Netzwerk Grundlagen zum Beispiel die Installati-
on von Windows, Linux, VMWare und das Aufsetzen virtu-
eller Netze mit VMware. Unter anderem werden im Bereich
der network monitoring & analysis tools die Funktionsweise,
Fähigkeiten, Unterschiede und Grenzen der tools untersucht.
Der Bereich Public Key Infrastrukturen umfasst beispielswei-
se die Inhalte eines Zertifikats, Generierung und Validierung
von Zertifikaten, Content-Revocation-Lists und Einsatzmög-
lichkeiten von zertifikatgestützter Kommunikation. Der Be-
reich Firewalls/Paketfilter umfasst auch die Installation, Kon-
figuration, Testen, das Aufstellen, Verstehen und Anpassen
von Regelwerken und die strategische Planung.

208
Modulkatalog Module Descriptions

Der Bereich Virtual Private Networks umfasst zum Beispiel

das Aufsetzen/Einrichten von VPNs, der Definition von Sub-
netzen, Konfiguration des Routing und die Validierung sicherer
Tunnel.
—
The module includes, e.g. in the in Linux/Windows Operating
Systems & Network Basics segment, the installation of Win-
dows, Linux, VMWare and setting up virtual networks with
VMware. Among other things, in the field of network monito-
ring and analysis tools, the operation, capabilities, differences
and limitations of the tools are investigated. The Public Key
Infrastructures segment, for example, includes the contents of
a certificate, generation and validation of certificates, revoca-
tion lists and content of applications for certificate-based com-
munications. The firewall/packet filter segment of the modu-
le includes the installation, configuration, testing, installation,
understanding and adapting regulations and strategic plan-
ning.
The range includes virtual private networks such as setting
up VPNs, the definition of subnets, routing configration and
secure-tunnel validation.

Studien-/Prüfungsleistungen Das Modul ist in Themenabschnitte unterschiedlicher Schwie-

Assessment rigkeitsgrade unterteilt. Die Studierenden erarbeiten für jeden
dieser Abschnitte in vorgegebener Zeit ein Portfolio aus Pro-
tokollen (für das gesamte Modul ca. 6 Protokolle), die die Lö-
sungen der gestellten Probleme verständlich beschreiben müs-
sen. Das Portfolio wird nach dessen Fertigstellung präsentiert
(Dauer der Präsentation: ca. 60 Minuten) Die Kombination
aus Protokollen und zugehöriger Präsentation stellt sicher,
dass die erarbeiteten Lösungen und das zugehörige Wissen
nicht nur schriftlich dargelegt, sondern auch praktisch ange-
wendet werden können.
Zusätzlich müssen die Studierenden einen ca. 15-minütigen
Vortrag zu einem der Themenabschnitte des Praktikums vor-
bereiten und halten.
Begründung für diese zusätzliche Prüfungsleistung: Dieser
Vortrag ist wichtiger Bestandteil der Ausbildung. Die Studie-
renden müssen einerseits in der Lage sein aktuelle und rele-
vante Literatur eines Fachgebietes schnell zu identifizieren und
zu verstehen. Da Schulungen im IT-Sicherheitsbereich essen-
tiell sind, müssen die Studenten andererseits in der Lage sein,
komplexes Wissen einem größeren Publikum in kurzer Zeit
zu vermitteln. Im Praktikum bereiten die Vorträge die teilneh-
menden Studierenden auf die einzelnen Themenabschnitte vor.
Zusätzlich zur Bewertung durch den Dozenten, bekommt der

209
Modulkatalog Module Descriptions

Vortragende so direkte Rückmeldung von anderen Studenten,

ob der Vortrag verständlich und ob wichtige Details enthalten
waren.
—
The module is divided into topic segments of varying difficulty.
Students develop a portfolio of protocols (about 6 protocols
for the entire module), which need to describe the solutions to
the problems posed for each of these segments in the specified
time. The portfolio is presented after its completion (duration
of presentations: 60 minutes). The combination of protocols
and associated presentation ensures that the solutions and the
associated knowledge demonstrated can not only be written
down but can also be applied practically.
Moreover, students must prepare and hold a 15-minute pre-
sentation on the topic segment of the practicum.
Justification for this additional assessment: this presentation
is an important part of training. Students must, on the one
hand, be able to identify and understand current and relevant
literature of a subject area quickly. However, since training
in IT security is essential they must, on the other hand, be
able to convey complex knowledge to a wider audience in a
short time. During the practicum the presentations prepare
the participating students for the individual topic segments.
In addition to the evaluation by the instructor, the lecturer
gets direct feedback from the other students on whether the
presentation was comprehensible and whether important de-
tails were included.

Medienformen Labor, Rechner, Beamer

Media used Laboratory, computer, projector

Literatur Richtet sich nach den (wechselnden) Aufgaben

Reading list Depends on the (changing) tasks

210
Modulkatalog Module Descriptions

5824 Cloud Security PN 455359

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Reiser
Module convenor

Dozent(in) Reiser
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse IT-Sicherheit

Recommended skills Advanced IT Security

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen Sicherheits-Attribute (Authentizität,
Vertraulichkeit, Integrität, Verfügbarkeit), verschiedene Sy-
stemmodelle und deren Sicherheits-Risiken, Ansätze und Ver-
fahren zur Realisierung von Zugriffssteuerung in Informations-
systemen, Verfahren und Modelle für Berechtigungsmanage-

211
Modulkatalog Module Descriptions

ment, Strategien zur Datenspeicherung und Metriken der Da-

tensicherheit.
—
Students learn about security attributes (authenticity, confi-
dentiality, integrity, availability), various system models and
their security risks, approaches and methods for implementing
access control in information systems, procedures and models
for authorization management, strategies for data storage and
metrics of data security.
Fähigkeiten / Abilities
Sie lernen Kryptographische Techniken in der Praxis einzuset-
zen, Sicherheitskonzepte für Informationssysteme zu entwer-
fen und zu implementieren, Autorisierungs- und Authentisie-
rungsinfrastrukturen zu entwerfen und zu nutzen sowie Syste-
me in Bezug auf ihre Sicherheit zu bewerten.
—
They learn to use cryptographic techniques in practice to de-
sign and implement security policies for information systems,
to design and to use authorization and authentication infra-
structures, and to evaluate systems in terms of their safety.
Kompetenzen / Competencies
Sie erlernen die Sicherheit von vorhandenen Informationssys-
temen analysieren und beurteilen zu können, Alternativen bei
der Planung von Sicherheitslösungen für Informationssysteme
abwägen zu können sowie Vor- und Nachteile von Sicherheits-
konzepten für verteilte Informationssysteme abhängig von Ein-
satzzweck und Systemarchitektur bewerten zu können.
—
They learn to analyze and evaluate the safety of existing in-
formation systems and to be able to weigh alternatives in the
design of security solutions for information systems as well as
evaluating the advantages and disadvantages of security con-
cepts for distributed information systems depending on the
application and system architecture.

Inhalt Das Modul beinhaltet die Themen Authentisierungsverfah-

Course content ren, Zugriffskontrolle wie Mandatory Access Control (MAC),
Discretionalry Access Control (DAC), Access Control Lists
(ACLs), Role-based Access Control (RBAC); Benutzerverwal-
tung, Identity Management, Praktisches Sicherheitsmanage-
ment wie Schutzziele, Risiken, Sicherheitspolitiken; Aktuelle
Trends wie veränderte Rahmenbedingungen für IT-Sicherheit
durch zunehmende mobile Vernetzung, Cloud-Computing und
Dezentralisierung.
—
The module includes the topics of authentication methods,

212
Modulkatalog Module Descriptions

access control, such as Mandatory Access Control (MAC)

Discretionalry Access Control (DAC), Access Control Lists
(ACLs), Role-based Access Control (RBAC), user manage-
ment, identity management, Practical safety management as
protection objectives, risks, security policies; Current trends
such as changing conditions of IT security by increasing mo-
bile networking, cloud computing and decentralization.

Studien-/Prüfungsleistungen Portfolioprüfung:
Assessment Bearbeitung eines etwa 6-wöchigen Semesterprojekts, nachge-
wiesen durch ein ca. 10-minütiges Kolloquium mit Präsenta-
tion der eigenen Konzepte und Ergebnisse
60 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung
jeweils in deutscher oder englischer Sprache und je nach An-
zahl der Hörer. Die genaue Prüfungsart wird zu Beginn des
Semesters bekannt gegeben
—
Portfolio:
Project (approx. 6 weeks), assessed in a presentation (approx.
10 min) of the concepts and the results
60-minute written examination or approx. 20-minute oral ex-
amination, depending on the number of listeners, in German
or English. The exact mode of assessment will be indicated at
the beginning of the semester

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Nach Ansage in der Vorlesung

Reading list Announced during the lecture

213
Modulkatalog Module Descriptions

5831 Kryptoanalyse PN 482102

Cryptanalysis

Häufigkeit des Modulangebots Alle vier Semester

Frequency of course offering Every four semesters

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Zumbrägel
Module convenor

Dozent(in) Zumbrägel
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“ oder „AlgMath“

Curriculum Focus „IT-SecRel“ or „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algebra und Zahlentheorie I + II, Kryptographie

Recommended skills Algebra and Number Theory I + II, Cryptography

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen Methoden aus der algorithmischen
Algebra und der Kryptologie.
—
The students know methods from algorithmic algebra and

214
Modulkatalog Module Descriptions

cryptology.
Fähigkeiten / Abilities
Die Studierenden besitzen Fähigkeiten zur algebraischen Mo-
dellierung und können grundlegende kryptologische Algorith-
men analysieren und implementieren.
—
The students possess abilities for algebraic modelling and can
analyse and implement basic cryptologic algorithms.
Kompetenzen / Competencies
Die Studierenden sind mit der Analyse von Kryptoverfahren
vertraut.
—
The students are familiar with the analysis of cryptographic
protocols.

Inhalt Zahlentheoretische und algebraische Methoden, im Hinblick

Course content auf die Analyse kryptographischer Verfahren.
Folgende Themen sind geplant: Einführung in die algorithmi-
sche Zahlentheorie und die Computeralgebra. Grundlagen der
algebraischen Zahlentheorie und der Theorie endlicher Körper.
Kryptologie, Gitterreduktion, Faktorisierungsproblem, diskre-
tes Logarithmusproblem. Theorie und Praxis von Rekordbe-
rechnungen für diskrete Logarithmen.
—
This course deals with number-theoretic and algebraic me-
thods with a view towards analysing cryptographic protocols.
The following topics are planned: Introduction to algorith-
mic number theory and computer algebra. Fundamentals of
algebraic number theory and finite fields. Cryptology, lattice
reduction, factorisation problem, discrete logarithm problem.
Theory and practice of record computations for discrete loga-
rithms.

Studien-/Prüfungsleistungen Klausur (120 Min.) oder mündliche Prüfung (ca. 30 Min.). Die
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
120 minutes written exam or 30 minutes oral exam. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Beamer, Tafel

Media used Presentation, blackboard

Literatur N. Koblitz: Algebraic aspects of cryptography. Springer 1998.

Reading list A. J. Menezes, P. C. v. Oorshot, S. A. Vanstone: Handbook
of Applied Cryptography. CRC Press 1996.

215
Modulkatalog Module Descriptions

5832 Algebra und Zahlentheorie I PN 405149

Algebra and Number Theory I

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer
Module convenor

Dozent(in) Kaiser, Kreuzer, Zumbrägel

Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II

Recommended skills Linear Algebra I + II, Analysis I + II

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen algebraische Strukturen und Homo-
morphismen im Sinne der universellen Algebra. Sie verfügen
über zahlreiche Beispiele algebraischer Strukturen und ken-
nen einige ihrer grundlegenden Eigenschaften. Sie kennen die

216
Modulkatalog Module Descriptions

Axiomatik der natürlichen Zahlen und den sukzessiven Aufbau

anderer Zahlbereiche aus den natürlichen Zahlen.
—
Students get familiar with algebraic structures and morphisms
in the sense of universal algebra. They know numerous examp-
les of algebraic structures and some of their basic properties.
They know the axioms of natural numbers and the gradual
development of other numerical ranges of natural numbers.
Fähigkeiten / Abilities
Die Studierenden können in elementaren algebraischen Struk-
turen einfache Beweise führen.
—
Students can perform simple proofs in elementary algebraic
structures.
Kompetenzen / Competencies
Die Studierenden erkennen übergeordnete Konzepte in der Al-
gebra und können spezielle algebraische Strukturen in einen
größeren Kontext einordnen.
—
The students recognize higher-level concepts in algebra and
algebraic structures can place them in a larger context.

Inhalt Algebraische Strukturen werden mit den Methoden der uni-

Course content versellen Algebra allgemein eingeführt. Generische Methoden,
etwa Termmodelle werden erläutert. Es werden zahlreiche spe-
zielle Klassen algebraischer Strukturen vorgestellt. Eingehend
wird der Aufbau des Zahlsystems (natürliche Zahlen, ganze
Zahlen, rationale Zahlen, reelle Zahlen, komplexe Zahlen) be-
schrieben. Die Strukturanalyse algebraischer Strukturen wird
anhand der endlichen Gruppentheorie erläutert.
—
Algebraic structures are generally introduced by the methods
of universal algebra. Generic methods, such term models are
explained. Various special classes of algebraic structures are
presented. Inbound, the structure of the number system (na-
tural numbers, integers, rational numbers, real numbers, com-
plex numbers) is described. Structural analysis of algebraic
structures is illustrated by the finite group theory.

Studien-/Prüfungsleistungen 120 Minuten Klausur

Assessment 120 minutes written exam

Medienformen Beamer, Overhead-Folien oder Tafel

Media used Presentation and overhead projector, blackboard

Literatur z.B. P.M. Cohn, Universal Algebra (Springer) und M. Artin,

Reading list Algebra (Birkhäuser)

217
Modulkatalog Module Descriptions

5835 Ringe und Moduln PN 455364

Rings and Modules

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Zumbrägel
Module convenor

Dozent(in) Zumbrägel
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algebra und Zahlentheorie I + II

Recommended skills Algebra and Number Theory I + II

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen grundlegende Begriffe aus der Theo-
rie der Ringe und Moduln.
—
The students know fundamental notions from the theory of

218
Modulkatalog Module Descriptions

rings and modules.

Fähigkeiten / Abilities
Konzepte der Modultheorie können einsetzt werden, um die
Struktur von Ringen zu untersuchen.
—
Concepts from module theory can be utilised for investigating
the structure of rings.
Kompetenzen / Competencies
Die Studierenden sind mit Methoden und Anwendungen der
Modultheorie vertraut.
—
The students are familiar with notions and applications of mo-
dule theory.

Inhalt Die Vorlesung behandelt Grundlagen der Theorie der (nicht-

Course content kommutativen) Ringe und ihrer Moduln, sowie einige Anwen-
dungen. Folgende Themen sind geplant: Ringe, Moduln und
Homomorphismen. Direkte Summen und Produkte. Halbein-
fache Moduln. Endlichkeitsbedingungen für Moduln. Klassi-
sche Resultate über die Ringstruktur. Projektive und injektive
Moduln. Aspekte der ringlinearen Codierungstheorie.
—
The course deals with foundations of the theory of (noncom-
mutative) rings and their modules, as well as some applicati-
ons. The following topics are planned: Rings, modules and ho-
momorphisms. Direct sums and products. Semisimple modu-
les. Finiteness conditions for modules. Classical ring-structure
theorems. Projective and injective modules. Aspects of ring-
linear coding theory.

Studien-/Prüfungsleistungen Klausur (120 Min.) oder mündliche Prüfung (ca. 30 Min.). Die
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
120 minutes written exam or 30 minutes oral exam. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Beamer, Tafel

Media used Presentation, blackboard

Literatur Frank W. Anderson, Kent R. Fuller, Rings and Categories of

Reading list Modules, Springer (1992)
Tsit-Yuen Lam, Lectures on Modules and Rings, Springer
(1999)
Friedrich Kasch, Moduln und Ringe, Teubner (1977)

219
Modulkatalog Module Descriptions

5836 Elliptic Curves PN 422120

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Zumbrägel
Module convenor

Dozent(in) Zumbrägel
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algebra und Zahlentheorie I + II

Recommended skills Algebra and Number Theory I + II

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse The students acquire basic notions from algebraic geometry
Learning outcomes and algebraic curves. They learn about the theory of elliptic
curves, in particular their arithmetic. The students are able to
utilise these concepts for cryptography applications.

Inhalt This course deals with the theory of elliptic curves from a geo-

220
Modulkatalog Module Descriptions

Course content metry, arithmetic and cryptography viewpoint.

The following topics are planned: Algebraic varieties. Alge-
braic curves, Riemann-Roch theorem. The geometry of elliptic
curves. Isogenies. Elliptic curves over finite fields. Algorithmic
aspects, discrete logarithm, pairing-based cryptography.

Studien-/Prüfungsleistungen Klausur (120 Min.) oder mündliche Prüfung (ca. 30 Min.). Die
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
120 minutes written exam or 30 minutes oral exam. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Tafel
Media used Blackboard

Literatur Joseph H. Silverman, The Arithmetic of Elliptic Curves, Sprin-

Reading list ger (1986)
Lawrence C. Washington, Elliptic Curves: Number Theory and
Cryptography, CRC Press (2003)

221
Modulkatalog Module Descriptions

5838 Information Theory PN 455440

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Zumbrägel
Module convenor

Dozent(in) Zumbrägel
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra, Wahrscheinlichkeitstheorie

Recommended skills Linear Algebra, Probability Theory

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse The students learn the mathematical foundations of informa-

Learning outcomes teion theory and acquire probabilistic and constructive proof
methods. They are able to apply these concepts to address
source coding and channel coding problems and can recogni-
ze information theoretic concepts in related areas.

222
Modulkatalog Module Descriptions

Inhalt Information theory deals with two fundamental questions in

Course content communication theory, namely the limits of data compression
and the ultimate transmission rate of communication. In this
course, the mathematical notions to address these problems
are being developed.
The following topics are planned: Entropy, Mutual Informati-
on and Data Compression, Channel Capacity and Shannon’s
Noisy Coding Theorem, Time permitting, an introduction to
Universal Source Coding, Kolmogorov Complexity and Net-
work Information Theory.

Studien-/Prüfungsleistungen Klausur (120 Min.) oder mündliche Prüfung (ca. 30 Min.). Die
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
120 minutes written exam or 30 minutes oral exam. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Tafel
Media used Blackboard

Literatur Thomas M. Cover and Joy A.Thomas, Elements for Informa-

Reading list tion Theory, John Wiley & Sons (2006)

223
Modulkatalog Module Descriptions

5842 Programming Styles PN 455377

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser
Module convenor

Dozent(in) Gambi
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 105 Std. Übungsaufgaben, Nachbearbei-

Workload tung des Vorlesungsstoffs und Prüfungsvorbereitung
45 contact hours + 105 hours exercises, independent study
and assignment preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, SEP, Programmierung I + II

Recommended skills Software Engineering, SEP, Programming I + II

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Studierende erlernen fundamentalle Programmierkonzepte,
welche die wichtigsten Programmierstile wie Prozedurale,
Objekt-Orientierte, Funktionale, Verteilte, Daten-zentrierte,
und Reaktive Programmierung.
—

224
Modulkatalog Module Descriptions

The students learn fundamental concepts of programming that

define the most important programming styles such as pro-
cedural, object-origented, functional, distributed/concurrent,
data-centric and reactive.
Fähigkeiten / Abilities
Teilnehmer erkennen Programmierstile und darunterliegende
theoretische Konzepte. Teilnehmende können in verschiede-
nen Stilen programmieren, die Unterschiede benennen, und
die Stile an Randbedingungen anpassen.
—
The participants learn to identify the style(s) used to imple-
ment various programs, explain the rationales behind this choi-
ce, and write programs in different styles such that the pro-
grams respect the constraints imposed by programming lan-
guage and the runtime environment (e.g., memory constraint,
distributed systems, unreliable infrastrucure).
Kompetenzen / Competencies
Die Teilnehmer erlernen theoretische und praktische Kompe-
tenzen in der Programmierung und im Programmentwurf un-
abhängig von der Programmiersprache.
—
The participants will learn theoretical and practical skills in
programming independently of the programming language
used.

Inhalt • Encapsulation
Course content • Publish-subscribe
• Inversion of Control, Dependency Injection
• Abstract, higher-order, pure, lamba functions
• Monads, Currying
• Dynamic Lookup
• Composition, Continuation
• Class-based and Prototype-based
• Styles:
– Things
– Bulletting Board
– Hollywood
– Pipeline
– Letterbox
– Closedmaps
– The One
– Quarantine

Studien-/Prüfungsleistungen 90-minütige Klausur oder Porfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-

225
Modulkatalog Module Descriptions

Systemdemonstration, Teilpräsentationen zu Einzelleistungen,

laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Die genauen Anforderungen werden vom Dozierenden
zu Beginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercises

Literatur Lopes, Cristina Videira. Exercises in programming style. Chap-

Reading list man and Hall/CRC, 2016.

226
Modulkatalog Module Descriptions

5843 Software-Analyse PN 455368

Software Analysis

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser
Module convenor

Dozent(in) Fraser
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbearbei-

Workload tung des Vorlesungsstoffs und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II, SEP

Recommended skills Software Engineering, Programming I + II, SEP

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erlernen Basiskonzepte der Analyse von
Software und fortgeschrittene Methoden zur Fehlerfin-
dung. Die Konzepte umfassen statische Methoden der
Sourcecode-Analyse, dynamische Methoden der Laufzeitana-

227
Modulkatalog Module Descriptions

lyse, Bytecodeinstrumentierung, Testmethoden, automatisier-

te Debugging- und Testmethoden, Fehlervorhersage, sowie au-
tomatisierte Korrektheitsbeweise.
—
Students learn about the basic concepts of software analysis
and advanced methods of identifying software defects. The
concepts include static source code analysis, dynamic program
analysis, bytecode instrumentation, testing methods, automa-
ted debugging and fault localisation, defect prediction, as well
as formal verification.
Fähigkeiten / Abilities
Die Teilnehmer lernen die wichtigsten Methoden zum Analy-
sieren von Softwaresystemen kennen. Insbesondere sind sie in
der Lage, Analysemethoden programmiertechnisch umzuset-
zen. Die dazu benötigten grundlegenden Algorithmen können
die Studierenden erklären und ggf. mit alternativen Algorith-
men vergleichen.
—
The participants are familiar with the most important methods
for analysing software systems and are able to implement the-
se. They can explain the basic algorithms used in their imple-
mentation and compare them with alternative ones.
Kompetenzen / Competencies
Die Teilnehmer erlernen theoretische und praktische Kompe-
tenzen in der Konzeption, Umsetzung und Evaluierung von
Softwareanalysen. Weiterhin sind die Studierenden befähigt,
einzelne Analysen auch auf andere Problemstellungen und
Analyseziele anzupassen.
—
The participants gain theoretical and practical competencies
concerning the conception, implementation and evaluation of
software analyses. In addition, they are able to adapt individual
analyses to different problems and purposes.

Inhalt The course covers the following topics:

Course content • Control- and Dataflow Analysis
• Code Clone Detection
• Slicing
• Fault localisation
• Fuzzing
• Defect prediction
• Abstract Interpretation
• Symbolic Execution
• Software model checking
• Program repair
• Reverse engineering

228
Modulkatalog Module Descriptions

Studien-/Prüfungsleistungen 90-minütige Klausur oder Porfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Die genauen Anforderungen werden vom Dozierenden
zu Beginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercises

Literatur Wird vom Dozenten / von der Dozentin bekanntgegeben. Die

Reading list Literatur wird in Abhängigkeit von der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.
Will be announced in the lectures. Further reading will be an-
nounced for the individual assignments.

229
Modulkatalog Module Descriptions

5844 Advanced Software Product Development PN xxxxxx

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser
Module convenor

Dozent(in) Fraser
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2Ü+4P
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 210 Std. Vor- und Nachbearbeitung des

Workload Praktikums
90 contact hours + 210 hours independent study

ECTS 10
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung I + II, SEP, Software Engineering

Recommended skills Programming I + II, SEP, Software Engineering

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erlernen Methoden und Techniken zur Ent-
wicklung eines Software Systems aus einer holistischen Sicht,
von der Ideenfindung, über die Konzeption und Analyse der
Anforderungen, bis hin zum fertigen Produkt und dessen Ver-
marktung.
—

230
Modulkatalog Module Descriptions

The students learn holistic methods and techniques for deve-

loping software systems from ideation over the conception and
requirements analysis to the finished product and its marke-
ting.
Fähigkeiten / Abilities
Die Teilnehmer erwerben die Fähigkeit, Methoden, Praktiken
und Tools der agilen Softwareentwicklung zur Entwicklung
umfangreicher Softwaresysteme zielgerichtet einzusetzen und
auf neue Probleme bis hin zur Produktreife zu übertragen.
—
The participants gain the ability to apply methods, practices
and tools of agile software development to produce extensive
software systems and transfer them to new problems as far as
production readiness.
Kompetenzen / Competencies
Die Teilnehmer erwerben Kompetenzen auf technischer, me-
thodischer und auf organisatorischer Ebene. Sie sind in der
Lage, für ein gegebenes Problem Anforderungen zu erfassen,
ein Design sowohl auf technischer als auch auf Benutzerebene
zu erstellen, und dieses effizient umzusetzen.
—
The participants gain technical, methodical and organizatio-
nal knowledge. They are able to determine the requirements
for a given problem, to create a design at a technical and user
level, and to implement it efficiently.

Inhalt Studierende bearbeiten eine Problemstellung, die als grober

Course content thematischer Rahmen vorgegeben wird. Aus diesem Rahmen
heraus entwickeln die Studierenden konkrete Lösungsideen,
welche schrittweise verfeinert und zu einem Produkt entwi-
ckelt werden. Ausgangspunkte für die Problemstellungen bil-
den technische oder gesellschaftliche Fragestellungen, welche
zu Beginn der Veranstaltung ausgewählt werden. Zentral sind
hierbei auch die Problemstellungen, welche aktuelle Themen
des Software Engineering formen, etwa Data Science oder Ma-
chine Learning. Dabei werden in der Veranstaltung immer min-
destens die folgenden Grundthemen behandelt:
• Anforderungsanalyse mit User Stories
• Agile Entwicklung mit Scrum/Kanban/Scrumban
• Test Driven Development
• UX Design
• Marketing
• Rechtliche Aspekte (Copyright, Lizenzen, etc.)
• Gründung/StartUp
Übergeordnetes und erwünschtes Ergebnis der Arbeiten ist ein
potenziell vermarktbares Produkt, d.h. eine Software, die allen

231
Modulkatalog Module Descriptions

wesentlichen Qualitätsanforderungen an eine produktiv ein-

setzbare Software entspricht und einen für ein erfolgreiches
Produkt ausreichend großen Nutzerkreis erreichen kann.
Studierende erhalten theoretische Grundlagen in Vorträgen,
und erarbeiten in kleinen Teams eine Lösung für das Problem.
Dabei folgen die Studierenden einem agilen Vorgehensmodell
in Iterationen mit rotierenden Rollen, inklusive regelmäßiger
Review- und Planungstreffen; beginnend bei eigener Anforde-
rungsanalyse, bis hin zur Endabnahme und Vermarktung.
—
Given a technical or social issue announced at the beginning of
the course, students develop their own solutions to the topic,
which they refine step by step. For this, current issues in soft-
ware engineering such as data science and machine learning
play a central role. The course covers at least the following
topics:
• Requirements analysis with user stories
• Agile development with Scrum/Kanban/Scrumban
• Test driven development
• UX design
• Marketing
• Legal aspects (copyright, license, etc.)
• StartUp
The desired result is a marketable product meeting all central
quality requirements a deployable software should meet as well
as a broad spectrum of potential users.
Students gain knowledge about the theoretical foundations
through presentations. Participants work in small teams to
come up with a solution using an agile process model with
rotating roles including regular meetings for review and plan-
ning.

Studien-/Prüfungsleistungen Portfolio-Prüfung. Mögliche Portfoliobestandteile sind:

Assessment Dokumentierter und funktionsfähiger Quelltext für einzel-
ne Module, Live-Systemdemonstration, technischer Bericht,
Burndown-Charts und Prozessdokumentation, Teilpräsenta-
tionen zu Einzelleistungen, Abschlusspräsentation der erstell-
ten Software und der verwendeten Methodiken mit anschlie-
ßenden mündlichen Prüfungsfragen
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
—
Portfolio-exam. Possible components of the portfolio include:
Documented, compilable source code of all software com-
ponents,Live demonstrations, Technical report, Burndown-
charts and documentation of development process, Presenta-

232
Modulkatalog Module Descriptions

tions of individual components and steps, Final presentation

of the software product and the methodology applied with oral
examination.
The exact mode of assessment will be announced at the start
of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercises

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird in Abhängigkeit der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.
Will be announced in the lectures. Further reading will be
announced for the individual assignments.

233
Modulkatalog Module Descriptions

5845 Search-Based Software Engineering PN 455378

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser
Module convenor

Dozent(in) Fraser
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbearbei-

Workload tung des Vorlesungsstoffs und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II, SEP

Recommended skills Software Engineering, Programming I + II, SEP

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Search-based Software Engineering (SBSE) beschreibt die
Anwendung meta-heuristischer Suchverfahren wie genetische
Algorithmen, Simulated Annealing, oder Tabu Search, auf
Software Engineering Probleme. Die Vorlesung deckt theore-
tische Grundlagen meta-heuristischer Suchverfahren ab (lo-

234
Modulkatalog Module Descriptions

kale Suchverfahren und Populations-basierte Verfahren wie

Genetische Algorithmen oder Particle Swarm Optimisation)
und deren Anwendung auf Softwareentwicklungsprobleme des
gesamten Softwareentwicklungsprozesses (Requirements, De-
sign, Planung, Testing, Wartung, etc). Die Studierenden erler-
nen theoretische Grundlagen meta-heuristischer Suchverfah-
ren und die wichtigsten Algorithmen lokaler und populations-
basierter Suchalgorithmen sowie Basiskonzepte der Optimie-
rungsprobleme in der Softwareentwicklung.
—
Search-based software engineering (SBSE) applies metaheuri-
stic search techniques such as genetic algorithms, simulated
annealing and tabu search to software engineering problems.
This course covers the theory of major classes of metaheuristic
optimisation algorithms, including local search algorithms and
population based optimisation (such as genetic algorithms and
particle swarm optimisation) and their application to softwa-
re engineering problems across the software development li-
fecycle (requirements, design, planning, testing, maintenance,
etc). Participants will learn the fundamental basics of meta-
heuristic search, as well as essential local and population-based
search algorithms and their application areas in software en-
gineering.
Fähigkeiten / Abilities
Die Teilnehmer kennen die wichtigsten meta-heurstischen
Suchalgorithmen und deren Anwendungsgebiete in der Soft-
wareentwicklung. Sie sind in der Lage, Optimierungsansätze
programmiertechnisch umzusetzen. Dazu benötigte grundle-
gende Algorithmen können sie erklären und vergleichen.
—
Participants know the most important meta-heuristic search
algorithms and their application areas in software engineering.
They will be able to implement, explain and compare relevant
algorithms.
Kompetenzen / Competencies
Die Teilnehmer erlernen theoretische und praktische Kompe-
tenzen in der Konzeption, Umsetzung und Evaluierung von
Suchverfahren in der Anwendung auf Softwareentwicklungs-
Probleme. Die Studierendens sind befähigt, einzelne Optimie-
rungsansätze auch auf andere Problemstellungen anzupassen.
—
Participants learn theoretical and practical competencies for
the conception, implementation, and evaluation of search al-
gorithms and their application to problems in software engi-
neering. In particular, participants will be able to implement

235
Modulkatalog Module Descriptions

these algorithms and apply them to new problems.

Inhalt • Local Search

Course content • Evolutionary Algorithms
• Multi-Objective Optimisation
• Memetic Algorithms
• Novelty Search
• Parallel Search
• Search-based Testing
• Genetic Programming
• Genetic Improvement
• Program Repair

Studien-/Prüfungsleistungen 90-minütige Klausur oder Porfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Die genauen Anforderungen werden vom Dozierenden
zu Beginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercises

Literatur Wird vom Dozenten / von der Dozentin bekanntgegeben. Die

Reading list Literatur wird in Abhängigkeit von der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.
Will be announced in the lectures. Further reading will be an-
nounced for the individual assignments.

236
Modulkatalog Module Descriptions

5850 Mobile Security PN 455411

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Tiwari
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbereitung

Workload und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung I + II, SEP, Software Engineering

Recommended skills Programming I + II, SEP, Software Engineering

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students learn the internals of Android apps. These con-
cepts include a thorough understanding of the Android frame-
work, safe practices of designing the Android apps, potential
causes of Security Vulnerabilities in Android apps, and poten-
tial ways to detect and avoid these attacks.

237
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
The participants will know the Android app’s internals and
the state-of-the-art software techniques to analyze the An-
droid apps. They will create tools to detect various security
attacks and privacy leaks in Android apps.
Kompetenzen / Competencies
The participants learn theoretical and practical skills of the
Android framework. The participants can reuse state-of-art
and write their analyses to detect and tackle vulnerabilities
and privacy leaks in Android apps.

Inhalt This course aims to provide a solid foundation on Android

Course content application security. The key highlights of the course are:
• Understanding the Android app’s internals
• Understanding the state-of-the-art software techniques
to analyze an Android app
• Finding Android malware and vulnerable apps
• Designing secure Android apps
The following is the detailed catalog:
• Android app Internals
• Reverse engineering tools
• Introduction to static analysis
• IFC on Android apps
• Security attacks and their mitigation
• Modular Inter app communication analysis
• Hybrid apps and their privacy implications

Studien-/Prüfungsleistungen 90-minütige Klausur oder Portfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Eckpunkte einer Portofolio-Prüfung:
• 3-4 Projektteile zur Implementierung (teilweise in Grup-
penarbeit)
• 3-4 Teilpräsentationen max 15 min
• 1 Abschlusspräsentation max 20 min
• technische Berichte max 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

238
Modulkatalog Module Descriptions

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird in Abhängigkeit der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.

239
Modulkatalog Module Descriptions

5851 Software Process Engineering PN 455369

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kuhrmann
Module convenor

Dozent(in) Kuhrmann
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II

Recommended skills Software Engineering, Programming I + II

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erlernen die Grundlagen des Softwareent-
wicklungsprozesses, die unterschiedlichen Basisprozesse und
agilen Methoden, die Konzepte hinter dem Softwareentwick-
lungsprozess und die Methoden zur Entwicklung und Ein-
führung organisationsweiter und projektspezifischer Entwick-

240
Modulkatalog Module Descriptions

lungsprozesse. Auf der Basis eines Lifecycle-Modells erlernen

die Studierenden die Analyse von Prozessanforderungen, das
Design von Prozessmodellen, Techniken zur Evaluation der
Prozessperformanz und die Entwicklung von prozessverbes-
sernden Maßnahmen.
—
Students learn the foundations of the software process, the
different base processes and agile methods, the concepts be-
hind software processes, and the methods used to define and
to deploy organization-wide and project-specific development
models. Using a process life cycle model, students learn to
analyze process requirements, to design processes, to evaluate
process performance and to design process improvements.
Fähigkeiten / Abilities
Die in der Vorlesung vermittelten Kenntnisse über die Metho-
den und Techniken des Prozessentwurfs werden in den Übun-
gen in Einzel- und Kleingruppenaufgaben vertieft, die sowohl
theoretische als auch praktische Aufgaben enthalten.
—
Knowledge from the lectures will be trained and refined in
exercises. Exercises include theoretical tasks and mini-projects
performed in small groups.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, Methoden und Praktiken
für spezifische Projektsituationen auszuwählen und diese in
projektspezifischen hybriden Projektprozessen zu kombinieren.
Weiterhin verstehen die Studierenden Unternehmensanforde-
rungen an die Prozesse und sind in der Lage, Konzepte des
Qualitätsmanagements anzuwenden, um unternehmensweite
Prozessstandards einzuführen, Prozessperformanz zu messen
und Prozessverbesserungsprojekte durchzuführen. Die Studie-
renden sind in der Lage, Prozesse zu analysieren, individuali-
sierte Prozesse zu entwerfen und Vorschläge zur Prozessver-
besserung zu entwickeln. Weiterhin sind die Studierenden in
der Lage, einfache Messinstrument zur Ermittlung der Pro-
zessperformanz und zur Analyse der Stärken und Schwächen
zu entwickeln und anzuwenden.
—
Students are able to select methods and practices for specific
project setups and to combine them in project-specific hy-
brid development methods. Furthermore, students understand
organization-level requirements and can apply quality manage-
ment concepts and methods for company-wide process stan-
dards, process measurement and process improvement. Stu-
dents are able to analyze processes, to design individualized

241
Modulkatalog Module Descriptions

processes, and to design process improvement proposals. Fur-

thermore, students are able to set up a basic measurement
instrument to evaluate process performance and to analyze
strengths and weaknesses of software processes.

Inhalt This course includes the basic as well as advanced concepts,

Course content methods and techniques in process engineering, notably:
• Basic software process models, e.g., phase/ stage-gate
models, Waterfall, Spiral model
• Agile and lean software development methods, e.g.,
Scrum, Kanban
• Agile Scaling Models, e.g., SAFe, Less
• Hybrid development methods, e.g., the Water-Scrum-
Fall
• Process quality and maturity models, e.g., CMMI, ISO
15504
• Software Process Lines
• Software Process Improvement (SPI)
• Software process metamodels
• Techniques to tailor software processes to organizations
and projects
• Advanced techniques to analyze, design, realize, and
evolve software processes
• Quality management concepts and methods to measure
project performance and to improve company-wide and
project-specific development methods

Studien-/Prüfungsleistungen 90-Min.-Klausur oder Portfolioprüfung

Assessment 90-minute written examination or portfolio exam

Medienformen Präsentation mit Beamer und Tafel, Übungsaufgaben

Media used Presentation with projector and blackboard, exercise sheets

Literatur Münch, Armbrust, Kowalczyk, Soto: Software Process Defini-

Reading list tion and Management. Springer, 2012.
Kuhrmann, Münch, Richardson, Rausch, Zhang: Managing
Software Process Evolution. Springer, 2016
Kneuper: Software Processes and Life Cycle Models: An Intro-
duction to Modeling, Using and Managing Agile, Plan-Driven
and Hybrid Processes. Springer, 2018

242
Modulkatalog Module Descriptions

5851 Program Repair PN 455407

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer, Tiwari

Module convenor

Dozent(in) Hammer, Tiwari

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. selbstständige Arbeit und Prü-

Workload fungsvorbereitung
60 contact hours + 120 hours independent study and exam
preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II, SEP, Algebra

Recommended skills und Logik
Software Engineering, Programming I + II, SEP, Algebra and
Logic

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students learn the basic foundation of the program repair
process. These concepts include a thorough understanding of
bug detection, patch creation, and risk involved during the

243
Modulkatalog Module Descriptions

program repair process. This course also exposes the students

to understand and analyze the bugs in industrial software. Va-
rious repairs for specific problems and their applicability in the
bug-specific situation are discussed.
Fähigkeiten / Abilities
The participants will know the state-of-the-art software tech-
niques to PR. They will create tools to employ current and
new techniques of Program Repair.
Kompetenzen / Competencies
The participants will obtain the theoretical and practical skills
required to develop automated program repair techniques.
They can reuse state-of-art and write their own techniques
to tackle known problems with Program Repair techniques.

Inhalt The reliance on open-source software exposes our infrastruc-

Course content tures to software bugs. Many software systems are shipped
with both know and unknown bugs/vulnerabilities. Particular-
ly, identifying and repairing bugs/vulnerabilities presents con-
siderable hurdles. “Put simply: Bugs are ubiquitous, and fin-
ding and repairing them are difficult, time-consuming, and ma-
nual processes.” Program repair is a relatively new technique
that aims to automatically find and correct flaws in software.
This course aims to provide a solid foundation on various Pro-
gram Repair techniques. Following are the key insights:
• Understanding the components involved in Program Re-
pair techniques.
• Learn the challenges and open-ended problems in Pro-
gram Repair.
• Learn from the application— Apply various Program Re-
pair techniques to open-sourced projects.
• Create and design practical Program Repair techniques.
The following is the detailed catalogue:
• Introduction to program analysis and automated pro-
gram repair
• Fault localization— Spectrum based & Semantic-based
• Search-based (Generate & Validate) Program repair —
Genetic mutation-based & Historical based PR
• Semantic-based Program repair — Symbolic Execution
based & Static analysis based PR
• Challenges in Program Repair — Overfitting & Ranking
• Learning-based program repair — Neural Repair
• Real World applicability of PR tools — Solution and
challenges

Studien-/Prüfungsleistungen 90-minütige Klausur oder Portfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter

244
Modulkatalog Module Descriptions

und funktionsfähiger Quelltext für Softwareanalysen, Live-

Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Eckpunkte einer Portofolio-Prüfung (einige Teile fakul-
tativ):
• 3-4 Projektteile zur Implementierung (teilweise in Grup-
penarbeit)
• 3-4 Teilpräsentationen max 15 min
• 1 Abschlusspräsentation max 20 min
• technische Berichte max 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute exam of portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird in Abhängigkeit der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.

245
Modulkatalog Module Descriptions

5852 Reverse and Reengineering PN 455418

Häufigkeit des Modulangebots Jedes 2. Wintersemester

Frequency of course offering Every other winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbereitung

Workload und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Compiler Construction or Software Analysis

Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sind mit den Techniken der Analyse und Re-
factoring von nicht-spezifizierten oder gealterten Softwaresys-
temen, sowohl mit als auch ohne Verfügbarkeit von Sourceco-
de, insbesondere mit Hilfe von (halb-)automatischen Analyse
vertraut.

246
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden sind in der Lage, prototypische Systeme zur
Rekonstruktion der Programmsemantik und Transformation in
ein softwaretechnisch verbessertes System eigenständig zu er-
stellen.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, Software Entwicklungsar-
beiten mit der Erstellung kleinerer, domänenspezifischer Sys-
teme zur Rekonstruktion der Programmsemantik zu unter-
stützen oder Verbesserung der Programmstruktur an größeren
Softwaresystemen vorzunehmen.

Inhalt Reverse Engineering von Programmen aus dritter Hand in

Course content prozessorspezifischen Binärformaten als auch Zwischencodes.
Auswirkungen von Verschleierungstechniken auf diesen Pro-
zess. Transformation in eine zur Weiterverarbeitung passende
Repräsentation, Rekonstruktion von höhersprachlichen Daten-
und Kontrollstrukturen. Programmanalysen zur Verbesserung
des Programmverstehens. Automatisches Refactoring zur Ver-
besserung der Programmstruktur.

Studien-/Prüfungsleistungen 90-minütige Klausur oder Portfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Eckpunkte einer Portofolio-Prüfung (einige Teile fakul-
tativ):
• 3-4 Projektteile zur Implementierung (teilweise in Grup-
penarbeit)
• 3-4 Teilpräsentationen max 15 min
• 1 Abschlusspräsentation max 20 min
• technische Berichte max 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird in Abhängigkeit der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.

247
Modulkatalog Module Descriptions

5853 Empirische Methoden des Software Engineering PN 455375

Empirical Methods for Software Engineering

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kuhrmann
Module convenor

Dozent(in) Kuhrmann
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz +

Workload 120 Std. selbstständige Arbeit/Projektarbeit und Prüfungs-
vorbereitung
60 contact hours + 120 hours independent study and exam
preparation and project work

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II

Recommended skills Software Engineering, Programming I + II

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Nach der Beendigung dieser Lehrveranstaltung werden Stu-

Learning outcomes dierende:
• Empirische Methoden zur Evaluierung von wissenschaft-
lichen Fragestellungen kennen und anwenden können

248
Modulkatalog Module Descriptions

• Wissenschaftliche Aussagen kritisch hinterfragen kön-

nen und deren Zuverlässigkeit einschätzen können
• Befähigt sein eine geeignete Evaluierungsmethode für
eine wissenschaftliche Fragestellung begründet auszu-
wählen
• In Abschlussarbeiten eine geeignete Evaluierung durch-
führen können
—
After the course, students:
• Know and can use empirical methods for evaluating
scientific problems.
• Can challenge scientific statements and can evaluate
their reliability.
• Can select proper scientific methods to work on a scien-
tific problem.
• Can provide a proper evaluation for their thesis and
other study-related work.

Inhalt Neue Ergebnisse in der Informatik (und insbesondere in der

Course content Softwaretechnik) haben oft zum Ziel, dass ein System bessere
Qualität hat, geringere Kosten verursacht, schneller ist, wart-
barer ist, oder von Benutzern besser verstanden wird. Aber
wie lassen sich solche Aussagen belegen, insbesondere wenn
Benutzer involviert sind? Die Vorlesung stellt verschiedene em-
pirische Methoden zur Evaluierung vor und diskutiert, welche
Evaluierung für welche Fragestellungen geeignet ist. Beispiele
werden überwiegend aus dem Bereich Softwaretechnik ent-
nommen.
Inhalte der Vorlesung:
• Wissenschaftliche Methode, Beweise, Empirie
• Rigorose Messung von Performance, Benchmarks
• Fallstudien und Umfragen
• Quantitative Messungen: Metriken, Software Reposito-
ries
• Kontrollierte Experimente mit Entwicklern
• Notwendige statistische Grundlagen
—
New results in computer science, notably in software enginee-
ring, aim at increasing the quality of a system, reducing the
costs, improving performance and maintainability, or impro-
ving the understandability and usability of software systems.
Yet, how can respective statements be evaluated, especially
if user (Humans) are involved? This course introduces a col-
lection of empirical methods and discusses their suitability for
evaluating given problems. Examples are primarily taken from
the software engineering domain.

249
Modulkatalog Module Descriptions

The content of the course includes:

• Scientific method, proofs, empiricism
• Rigorous measurement, benchmarking
• Case studies and survey research
• Quantitative methods: metrics, software repositories
• Controlled experiments
• Required statistical methods

Studien-/Prüfungsleistungen 90-Min.-Klausur
Assessment 90-minute written examination

Medienformen Tafel, Beamer, Flipchart

Media used Blackboard, projector, flip chart

Literatur Wohlin et al.: Experimentation in Software Engineering, Sprin-

Reading list ger, 2012
Runeson et al.: Case Study Research in Software Engineering,
Wiley, 2012
Shull et al. (Eds.): Guide to Advanced Empirical Software En-
gineering, Springer, 2008
Kitchenham et al.: Evidence-based Software Engineering and
Systematic Reviews, CRC Press, 2016
Field et al.: Discovering Statistics with R, Sage Publications,
2012
Further complementing (scientific articles) literature will be
named in the course.

250
Modulkatalog Module Descriptions

5853 Programming Paradigms PN 455435

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer, Tiwari

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbearbei-

Workload tung des Vorlesungsstoffs und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II, Software Engi-

Recommended skills neering Praktikum, Algebra und Logik
Software Engineering, Programming I + II, Software Enginee-
ring Internship, Algebra and Logic

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students learn the foundation of various programming
paradigms. In particular, the concepts in the lecture include
different ways or styles in which a given program or program-

251
Modulkatalog Module Descriptions

ming language can be organized. Besides, students will go

through recent research articles to understand the current ad-
vancements in the programming paradigms. The course ena-
bles students to make optimal use of a particular programming
language and identify the most appropriate language for va-
rious development setups.
Fähigkeiten / Abilities
The participants comprehend the numerous applications and
use cases for a programming language. They will grasp the
consequences of selecting a language’s execution model.
Kompetenzen / Competencies
Participants will obtain programming concepts shared among
various programming languages, hence facilitating the acqui-
sition of new language models. Students will review object-
oriented programming principles and be introduced to func-
tional programming. In addition, they will acquire practical
programming experience in various programming languages.

Inhalt Programming paradigms categorize programming languages

Course content according to their characteristics. Programming paradigms, in
particular, are distinct methods or styles in which a program or
programming language can be structured. Multiple paradigms
exist for classifying languages. Some paradigms are primari-
ly concerned with consequences for the language’s execution
model, such as whether side effects are permitted or if the
execution model dictates the order of operations. Other pa-
radigms are primarily concerned with how code is arranged,
such as arranging code into units with the state that the code
modifies.
This course aims to provide a solid foundation on various pro-
gramming paradigms and teaches students how to make op-
timal use of a particular programming language and identify
the most appropriate language for a specific development as-
signment. Following are the key highlights of the course:
• Declarative paradigms
• Imperative paradigms
• Structured
• Concurrent computing
• Data-driven
• Event-Driven
• Nondeterministic programming
• Current Research Articles

Studien-/Prüfungsleistungen Portfolio-Prüfung. Mögliche Portfoliobestandteile sind tech-

Assessment nische Berichte, dokumentierter und funktionsfähiger Quell-
text für Softwareanalysen, Live-Systemdemonstration, Teil-

252
Modulkatalog Module Descriptions

präsentationen zu Einzelleistungen, laufende, fortzuschrei-

bende technische Teilberichte zur Zusammenfassung zu ei-
nem Gesamtdokument, Abschlusspräsentation. Eckpunkte ei-
ner Portofolio-Prüfung (einige Teile fakultativ):
• 3-4 Projektteile zur Implementierung (teilweise in Grup-
penarbeit)
• 3-4 Teilpräsentationen max. 15 min, u.a. zu aktuellen
Forschungsartikeln
• 1 Abschlusspräsentation max. 20 min
• technische Berichte max. 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
Portfolio-exam. The exact mode of assessment will be announ-
ced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentations, projector, exercise sheets

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben.

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

253
Modulkatalog Module Descriptions

5854 Secure Information Flow PN 455384

Häufigkeit des Modulangebots Jedes 2. Sommersemester

Frequency of course offering Every other summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“, Modulgruppe „IT-SecRel“

Curriculum Focus „ProgSoft“, Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbereitung

Workload und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation and project work

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II, SEP, Algebra

Recommended skills und Logik
Software Engineering, Programming I + II, SEP, Algebra and
Logic

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erlernen Basiskonzepte der Informations-
flusskontrolle und der Nichtinterferenz. Die Konzepte umfas-
sen statische Methoden der Sourcecode-Analyse, dynamische

254
Modulkatalog Module Descriptions

Methoden der Laufzeitanalyse, sowie manuelle Korrektheits-

beweise.
Fähigkeiten / Abilities
Die Teilnehmer kennen die wichtigsten Methoden zum Ana-
lysieren des Informationsflusses in Softwaresystemen und sind
in der Lage, Analysemethoden programmiertechnisch umzu-
setzen. Dazu benötigte grundlegende Algorithmen können sie
erklären und mit alternativen Algorithmen vergleichen.
Kompetenzen / Competencies
Die Teilnehmer erlernen theoretische und praktische Kompe-
tenzen in der Konzeption, Umsetzung und Evaluierung von In-
formationsflussanalysen. Weiterhin sind die Studierenden be-
fähigt, einzelne Analysen auch auf andere Problemstellungen
und Analyseziele anzupassen.

Inhalt Typsysteme um Vertraulichkeit in imperativen

Course content Programmiersprachen zu garantieren
Analyse von multi-threading Programmen
Statische Programmanalyse (basierend auf Program Slicing)
Declassification, Integrität
Dynamische vs. statische Informationsflusskontrolle
IFC für realistische Sprachen (OOP, dynamische Srachen)
Quantitative IFC

Studien-/Prüfungsleistungen 90-minütige Klausur oder Portfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Die genauen Anforderungen werden vom Dozierenden
zu Beginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird in Abhängigkeit der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.

255
Modulkatalog Module Descriptions

5855 Object-Oriented Programming with C++ PN 453002

Häufigkeit des Modulangebots Jedes 2. Sommersemester

Frequency of course offering Every other summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbereitung

Workload und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung I + II, SEP, Software Engineering

Recommended skills Programming I + II, SEP, Software Engineering

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen Basiskonzepte der objekt-orientierten
Programmierung und weitere fortgeschrittene Konzepte der
Programmiersprache C++ kennen. Die Konzepte umfassen
z.B. (Mehrfach-)Vererbung, Ausnahmebehandlung, Templa-
tes, Operatorüberladung, Ein-/Ausgabe mit Streams, Lamb-

256
Modulkatalog Module Descriptions

das, das Speichermodell und Multi-Threading.

Fähigkeiten / Abilities
Die Teilnehmer kennen die wichtigsten Konzepte der objekt-
orientierten Programmierung in C++ und sind in der Lage,
diese Konzepte korrekt umzusetzen. Sie können die Umset-
zung in Compilern erklären und die daraus folgenden Konse-
quenzen analysieren sowie die passenden Anwendungsgebiete
identifizieren und Sicherheitsaspekte einschätzen.
Kompetenzen / Competencies
Die Teilnehmer erlernen theoretische und praktische Kompe-
tenzen in der Konzeption, Umsetzung und Evaluierung von
maschinennaher objekt-orientierter Programmierung. Weiter-
hin sind die Studierenden befähigt, die erlernten Konzepte
auch auf andere Programmiersprachen und Systeme anzupas-
sen

Inhalt • Objekt-orientierte Programmierung

Course content • Vererbung, Mehrfachvererbung (auch virtuell)
• Ausnahmebehandlung
• Template Programmierung
• Operatorüberladung
• Manuelles und semi-automatisches Speichermanage-
ment
• Stream-basierte Ein-/Ausgabe
• Lambdas
• Mult-Threading
• Speichermodell

Studien-/Prüfungsleistungen 90min Klausur oder Portfolio-Prüfung. Mögliche Portfoliobe-

Assessment standteile sind technische Berichte, dokumentierter und funk-
tionsfähiger Quelltext in C++, Live-Systemdemonstration,
Teilpräsentationen zu Einzelleistungen, laufende, fortzuschrei-
bende technische Teilberichte zur Zusammenfassung zu einem
Gesamtdokument, Abschlusspräsentation. Die genauen Anfor-
derungen werden vom Dozierenden zu Beginn der Veranstal-
tung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

Literatur Wird vom Dozenten / von der Dozentin bekannt gegeben. Die
Reading list Literatur wird in Abhängigkeit der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.

257
Modulkatalog Module Descriptions

5856 Compiler Construction PN 455402

Häufigkeit des Modulangebots Jedes 2. Sommersemester

Frequency of course offering Every other summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 180 Std. Übungsaufgaben, Nachbereitung

Workload und Prüfungsvorbereitung
90 contact hours + 180 hours exercises, independent study
and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sind mit den Techniken der syntaktischen
und semantischen Sprachbehandlung von Übersetzern und In-
terpretern sowie der Codegenerierung und -optimierung, ins-
besondere mit Hilfe von Programmanalyse vertraut.
Fähigkeiten / Abilities

258
Modulkatalog Module Descriptions

Die Studierenden sind in der Lage, prototypische sprachverar-

beitende Systeme eigenständig zu erstellen.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, Software Entwicklungsar-
beiten mit der Erstellung kleinerer, domänenspezifischer Pro-
grammiersprachen zu unterstützen oder Anpassungen an grö-
ßeren sprachverarbeitenden Systemen vorzunehmen.

Inhalt Behandlung der verschiedenen Phasen eines Übersetzers: Le-

Course content xikalische, syntaktische und semantische Analyse eines Source
Programms, Codegenerierung und –optimierung für abstrakte
und reale Maschinen, Grundlagen der Programmanalyse.

Studien-/Prüfungsleistungen 90-minütige Klausur oder Portfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Eckpunkte einer Portofolio-Prüfung (einige Teile fakul-
tativ):
• 3-4 Projektteile zur Implementierung (teilweise in Grup-
penarbeit)
• 3-4 Teilpräsentationen max 15 min
• 1 Abschlusspräsentation max 20 min
• technische Berichte max 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

Literatur Aho, Lam, Sethi, Ullman: Compilers - Principles, Techniques

Reading list and Tools. Addison-Wesley.

259
Modulkatalog Module Descriptions

5858 Engineering Dependable Software PN 455424

Häufigkeit des Modulangebots Jedes 2. Sommersemester

Frequency of course offering Every 2nd summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben, Nachbearbei-

Workload tung des Vorlesungsstoffs und Prüfungsvorbereitung
60 contact hours + 120 hours exercises, independent study
and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Programmierung I + II, Software Engi-

Recommended skills neering Praktikum, Logik
Software Engineering, Programming I + II, Software Enginee-
ring Internship, Logic

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sind mit Techniken zur Verbesserung der
Zuverlässigkeit von sequentieller und nebenläufiger Software
vertraut.

260
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden sind in der Lage, prototypische Spezifikatio-
nen für Softwarekomponenten eigenständig zu erstellen und
diese manuell zu verifizieren oder (halb-)automatisch validie-
ren oder verifizieren zu lassen. Dazu benötigte grundlegende
Algorithmen können sie erklären und mit alternativen Techni-
ken vergleichen.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, Softwareentwicklungsarbei-
ten mit der Annotation von Typen oder Vor- und Nachbedin-
gungen zu unterstützen und Modelle der Programmsemantik
zur Sicherstellung von Programmeigenschaften zu erstellen.
Dadurch sind sie in der Lage, Verbesserungen der Zuverlässig-
keit auch an größeren Softwaresystemen vorzunehmen.

Inhalt Die Vorlesung behandelt wichtige Themenkomplexe zur Ver-

Course content besserung der Zuverlässigkeit von Softwaresystemen, unter an-
derem sind in dieser Veranstaltung die Themen Semantik, Ty-
pisierung und Typinferenz, Model Checking, Programmbewei-
se, sowie Parallelität und Prozessalgebren relevant.

Studien-/Prüfungsleistungen 90-minütige Klausur oder Portfolio-Prüfung. Mögliche Port-

Assessment foliobestandteile sind technische Berichte, dokumentierter
und funktionsfähiger Quelltext für Softwareanalysen, Live-
Systemdemonstration, Teilpräsentationen zu Einzelleistungen,
laufende, fortzuschreibende technische Teilberichte zur Zu-
sammenfassung zu einem Gesamtdokument, Abschlusspräsen-
tation. Eckpunkte einer Portofolio-Prüfung (einige Teile fakul-
tativ):
• 3-4 Projektteile zur Implementierung (teilweise in Grup-
penarbeit)
• 3-4 Teilpräsentationen max. 15 min
• 1 Abschlusspräsentation max. 20 min
• technische Berichte max. 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
90-minute exam or portfolio-exam. The exact mode of assess-
ment will be announced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentations, projector, exercise sheets

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben.

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

261
Modulkatalog Module Descriptions

5859 Software Engineering Research Reproduction PN 455425

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer, Tiwari

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 6Ü
Contact hours Es besteht Anwesenheitspflicht. Die Anwesenheitspflicht be-
steht aus folgenden Gründen: Um den Erfolg der Veranstal-
tung zu gewährleisten, ist eine verstärkte Interaktion der Stu-
dierenden untereinander aber auch zwischen Studierenden und
Betreuern notwendig. Bei der Interaktion mit den Betreu-
ern oder den Kommilitonen, können die Studierenden Proble-
me besprechen und Lösungsstrategien erarbeiten. Ein weiterer
Grund sind die regelmäßig stattfindenden Präsentationen der
Studierenden. Jeder Studierende arbeitet sich frühzeitig ver-
stärkt in ein Gebiet der Veranstaltung ein. In der Präsenta-
tion vermittelt der/die Studierende sein Spezialwissen an die
anderen Teilnehmer. Damit sichergestellt wird, dass die Stu-
dierenden dieses Spezialwissen vermittelt bekommen, müssen
sie zu den Präsentationen anwesend sein. Der letzte Grund ist
die Überprüfung der praktischen Kompetenz der Studierenden.
Sie werden während der Anwesenheitszeit befragt, um ihren
Lernerfolg zu beobachten.
Attendance is compulsory. This is for the following reasons:
First, to ensure the success of the practicum, it is necessa-
ry to enhance the interaction among students and between
students and tutors. When interacting with the tutors or fel-
low students, the students can discuss problems and develop
solution strategies. Second, there are the regularly scheduled
presentations of the students. Each student is assigned a topic
area for the practicum which he or she treats in greater detail
than the others. In the presentation the student shares their
detailed knowledge with the other students. To ensure the ma-

262
Modulkatalog Module Descriptions

ximum benefit for all students, it should be ensured that all of

them are present at the presentation. Third, one of the objec-
tives of the practicum is to test the students’ practical skills.
The students will be interviewed during their attendance to
observe their learning success.

Arbeitsaufwand 90 Std. betreute Laborarbeit + 110 Std. nicht betreute La-

Workload borarbeit + 160 Nachbearbeitung
90 hours supervised laboratory work + 110 hours unsupervi-
sed lab work + 160 hours follow-up

ECTS 12
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering Praktikum, Programmierung I + II,

Recommended skills Software Engineering
Software Engineering Internship, Programming I + II, Softwa-
re Engineering

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students will understand the fundamentals and significance
of reproducing research in this lab. This can be beneficial for
future studies and a potential academic career. Students will
learn how to conduct research reproduction, meticulously do-
cument the data, compose a final report, and present their
findings.
Fähigkeiten / Abilities
The participants will comprehend the importance of research
artifacts. The replication process will enable students to syste-
matically grasp the research process and perform research that
is reproducible, useful, and accessible to a wide audience.

Inhalt The lab will follow the ACM/IEEE classification for the availa-
Course content bility and replicability of the research artifacts presented at
premier software/programming language conferences, such as
ICSE, ESEC/FSE, ASE, ISSTA, PLDI, OOPSLA, POPL, and
TACAS. Recent years have seen a positive trend toward open
science policy where all premier venues require researchers to

263
Modulkatalog Module Descriptions

submit research artifacts for evaluation. The key idea is that

all study results should be available to the public, and empi-
rical investigations should be replicable.
In this lab, students replicate a specific collection of previously
published papers. The key task is to read the article, verify if
artifacts are still accessible, comprehend the fundamentals and
rationale of the relevant paper, replicate the study’s results,
and then assess the artifact’s extensibility.
The lab consists of three phases:
• Reading Groups: Students acquire the information and
skills necessary to evaluate research artifacts via the rea-
ding and discussion of pertinent articles on research ar-
tifacts.
• Students will be assigned a set of publications and arti-
facts individually.
• Report and final presentation

Studien-/Prüfungsleistungen Portfolio-Prüfung. Mögliche Portfoliobestandteile sind tech-

Assessment nische Berichte, dokumentierter und funktionsfähiger Quell-
text für Softwareanalysen, Live-Systemdemonstration, Teil-
präsentationen zu Einzelleistungen, laufende, fortzuschrei-
bende technische Teilberichte zur Zusammenfassung zu ei-
nem Gesamtdokument, Abschlusspräsentation. Eckpunkte ei-
ner Portofolio-Prüfung (einige Teile fakultativ):
• 3-4 Projektteile zur Implementierung
• 3-4 Teilpräsentationen max. 15 min
• 1 Abschlusspräsentation max. 20 min
• technische Berichte max. 20 Seiten
Die genauen Anforderungen werden vom Dozierenden zu Be-
ginn der Veranstaltung bekanntgegeben.
Portfolio-exam. The exact mode of assessment will be announ-
ced at the start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentations, projector, exercise sheets

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben.

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

264
Modulkatalog Module Descriptions

5871 Commutative Algebra PN 455387

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kreuzer
Module convenor

Dozent(in) Kreuzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algebra und Zahlentheorie I

Recommended skills Algebra and Number Theory I

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen grundlegende Klassen kommutativer
Ringe und ihre Eigenschaften kennen. Sie sind mit den Bezie-
hungen diverser ringtheoretischer Eigenschaften untereinander
sowie mit zentralen Struktursätzen der kommutativen Algebra
vertraut.

265
Modulkatalog Module Descriptions

—
Students get to know basic classes of commutative rings and
their properties. They are familiar with the relations of various
ring theoretic properties to each other and with central struc-
ture theorems in Commutative Algebra.
Fähigkeiten / Abilities
Die Studierenden üben wichtige Beweistechniken aus der kom-
mutativen Algebra und sind in der Lage, diese zielsicher und
korrekt einzusetzen. Sie sind fähig, kommutative Ringe gemäß
ihren Eigenschaften zu analysieren und zu klassifizieren.
—
Students practice important proof techniques in Commutative
Algebra and are able to apply them in a purposeful and correct
manner. They succeed in analysing and classfiying commuta-
tive rings according to their structural properties.
Kompetenzen / Competencies
Die Studierenden lernen sich in komplexen abstrakten Pro-
blemsituationen zurecht zu finden. Sie finden Lösungswege
und können ihre Erkenntnisse mit exakten Beweisen unter-
mauern.
—
The students learn to manage complex abstract problem set-
tings. They find solutions and are capable of substantiating
their insights with exact proofs.

Inhalt Das Modul führt in wichtige Teile der Theorie der kommu-
Course content tativen Ringe ein. Nach dem ersten Studium grundlegender
Typen solcher Ringe werden das Primspektrum, die Zariski-
Topologie, die Primärzerlegung und die klassische Dimensi-
onstheorie betrachtet. Ferner werden die Technik der Lokali-
sierung und wichtige Klassen lokaler Ringe (wie reguläre lokale
Ringe, lokale vollständige Durchschnitte und Cohen-Macaulay
Ringe) untersucht.
—
The module introduces important parts of the theory of com-
mutative rings. After an initial study of basic types of such
rings, the prime spectrum, the Zariski topology, primary de-
composition and classical dimension theory become the focus
of attention. Furthermore, the technique of localisation and
important classes of local rings (such as regular local rings,
local complete intersections, and Cohen-Macaulay rings) are
examined.

Studien-/Prüfungsleistungen 60 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung

Assessment in englischer Sprache und je nach Anzahl der Hörer; die genaue
Prüfungsart wird zu Beginn des jeweiligen Semesters bekannt

266
Modulkatalog Module Descriptions

gegeben.
Written exam (60 minutes) or oral exam (about 20 minutes);
the precise mode of assessment will be announced at the start
of the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Nach Ansage in der Vorlesung

Reading list Announced in the lecture course

267
Modulkatalog Module Descriptions

5873 Operatortheorie PN 401403

Operator Theory

Häufigkeit des Modulangebots Alle vier Semester

Frequency of course offering Every four semesters

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein
Module convenor

Dozent(in) Forster-Heinlein
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz, 90 + 90 Std. Eigenarbeitszeit

Workload 60 + 30 contact hours, 90 + 90 hours self study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II

Recommended skills Linear Algebra I + II, Analysis I + II

Verwendbarkeit in weiteren Master Computational Mathematics, Lehramt Mathematik

Studiengängen Gymnasium
Applicability for other courses Master Computational Mathematics, Teacher training pro-
gramme for secondary education in Mathematics (Gymnasi-
um)

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Techniken, um
Operatoren in Banach- und Hilbert-Räumen zu analysieren.

Fähigkeiten / Abilities

268
Modulkatalog Module Descriptions

Die Studierenden sind in der Lage, die Methoden der Opera-

tortheorie bei konkreten Fragestellungen zu aktuellen Themen
der Mathematik und der Naturwissenschaften anzuwenden.

Inhalt Inhalt in Stichpunkten:

Course content Focus „Algorithmics and Mathematical Modeling“
Banach- und Hilbert-Räume, Dualität
Basen in Banach und Hilbert-Räumen
Hauptsätze für Operatoren auf Banach-Räumen: Sätze von
Hahn-Banach, Satz über die offene Abbildung, Satz von ab-
geschlossenen Graphen
Spektraltheorie kompakter Operatoren
Spektraltheorie selbstadjungierter Operatoren

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
Written exam (90 minutes) or oral exam (about 20 minutes);
the precise mode of assessment will be announced at the start
of the semester.

Medienformen Tafel, Beamer, Übungsblätter

Media used Blackboard, projector, exercise sheets

Literatur W. Rudin, Functional Analysis, McGraw Hill, 1991.

Reading list M. Reed/B. Simon, Functional Analysis, Academic Press,
1972.
D. Werner: Funktionalanalysis, Springer, 2007.
F. Hirzebruch, W. Scharlau: Einführung in die Funktionalana-
lysis, BI-Hochschulbücher, 1991

269
Modulkatalog Module Descriptions

5874 IT-Sicherheitsrecht PN 222431

IT Security Law

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semesters

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Schröder, Lewinski (Juristische Fakultät / Faculty of Law)

Module convenor

Dozent(in) Hartl (Juristische Fakultät / Faculty of Law)

Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Nachbereitung und Prüfungsvor-

Workload bereitung
30 contact hours + 120 hours self study

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben Kenntnisse der Rechtsgrundla-
gen des IT-Sicherheitsrechts (verfassungsrechtliche Grundla-
gen und öffentlich sowie zivilrechtliche Bezüge einschließlich
des Datenschutzrechts und weiterer spezialgesetzlicher Rege-
lungen) sowie des Themenkomplexes IT-Sicherheitsrecht ins-

270
Modulkatalog Module Descriptions

gesamt aus politischer, wirtschaftlicher und technischer Per-

spektive; dies schließt die Kenntnis der wichtigsten höchstrich-
terlichen Rechtsprechung mit ein. Zudem erlangen die Stu-
dierenden Kenntnis von Fallkonstellationen, in denen techni-
sche Systeme und ihr Einsatz in der Praxis typischerweise IT-
sicherheitsrechtliche Fragen aufwerfen.
Fähigkeiten / Abilities
Die Studierenden beherrschen die Erfassung juristischer Pro-
bleme technischer Sachverhalte auf Basis der relevanten
rechtlichen Grundlagen im IT-Sicherheitsrecht. Die Studie-
renden beherrschen die Erarbeitung von Lösungsvorschlägen
für die jeweiligen rechtlichen Probleme im Themenbereich IT-
Sicherheit.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz zur Anwendung
spezifisch juristischer Methoden der Fallbearbeitung und -
lösung sowie Transferkompetenz zur Anwendung des erwor-
benen Wissens und der erworbenen Fähigkeiten auf die ty-
pischerweise sehr schnell auftretenden neuen Probleme des
IT-Sicherheitsrechts. Sie beherrschen die Interaktion zwischen
technisch und juristisch ausgebildeten Personen im beruflichen
Umfeld (gegenseitige Wissensvermittlung, gemeinsame Pro-
blemlösungsstrategien).

Inhalt Zunächst erfolgt eine grundlegende Einführung in die Thema-

Course content tik des IT-Sicherheitsrechts. Dabei werden Grundfragen an den
Schnittstellen von Technik und Recht sowie rechtliche Grund-
prinzipien vorgestellt und ergänzend die relevanten Normen
und die Arbeit mit zentralen rechtlichen Konzepten (allgemei-
ne Grundlagen des Zivilrechts und öffentlichen Rechts wie Haf-
tung, Anspruchsgrundlagen, Verschulden und Verschuldens-
typen, auslegungsbedürftige Tatbestandmerkmale, Ermessen
oder Formen des Verwaltungshandeln) eingeführt.
Es folgen themenspezifische Blöcke immer unter Rückgriff
auf eingeführten Grundlagen. Dabei werden – unter Be-
rücksichtigung aktueller Entwicklungen und Schwerpunkte –
Grundrechte und staatliches Eingriffshandeln sowie Schutz-
pflichten, Grundlagen des Datenschutzrechts, des technischen
Datenschutzes, IT-Sicherheit im arbeitsrechtlichen Kontext,
Haftungs- und Produkthaftungsfragen (einschließlich Ver-
tragsgrundlagen und Providerhaftung), strafrechtliche Flan-
kierung sowie Frage nach der rechtskonformen Modellierung
der Organisation der IT-Sicherheit im Unternehmen behan-
delt. Schließlich sind öffentlich-rechtliche Regularien und Vor-
gaben an den Schutz (kritischer) technischer Infrastruktur Teil
der Veranstaltung.

271
Modulkatalog Module Descriptions

Schwerpunkt der Veranstaltung sind insgesamt, vor dem

Hintergrund der genannten Themen, die mehrdimensionalen
rechtlichen Anforderungen an Akteure unter dem Aspekt der
IT-Sicherheit, dabei vor allem die Vermeidung rechtlicher Ri-
siken und der Umfang rechtlicher Verantwortung auf privater
Ebene sowie Auftreten und (mögliche) Regulieransätze der öf-
fentlichen Hand.

Studien-/Prüfungsleistungen 90 Minuten Klausur oder ca. 20 Minuten mündliche Prüfung,

Assessment je nach Anzahl der Hörer. Die genaue Prüfungsart wird zu Be-
ginn des Semesters bekannt gegeben.
Written exam (90 minutes) or oral exam (about 20 minutes);
the precise mode of assessment will be announced at the start
of the semester.

Medienformen Präsentation und Beamer

Media used Presentation and projector

Literatur Köhler/Fetzer - Recht des Internet (Start ins Rechtsgebiet),

Reading list 2016
Voigt, IT-Sicherheitsrecht, 2018
Kühling/Klar, Datenschutzrecht (Start ins Rechtsgebiet),
2018
Hornung/Schallbruch (Hrsg.), IT-Sicherheitsrecht, 2020
Weitere Hinweise in der Vorlesung

272
Modulkatalog Module Descriptions

5880 Dependable Distributed Systems PN 455403

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Reiser
Module convenor

Dozent(in) Reiser
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse IT-Sicherheit

Recommended skills Advanced IT Security

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studenten erwerben die Kenntnis von Metriken für Zuver-
lässigkeit, Grundlegende Modelle für verteilte Systeme, Ver-
fahren zur Ausfallerkennung in verteilten Systemen, Redun-
danztechniken, Algorithmen für zuverlässige Gruppenkommu-
nikation, Einbruchstolerante Systeme sowie Koordinierungs-

273
Modulkatalog Module Descriptions

verfahren in verteilten Systemen und zuverlässige Datenspei-

cherung.
—
The students acquire the knowledge of metrics for reliabili-
ty, basic models for distributed systems, methods for failure
detection in distributed systems, redundancy techniques, al-
gorithms for reliable group communication, intrusion-tolerant
systems, and coordination processes in distributed systems and
reliable data storage.
Fähigkeiten / Abilities
Die Studenten verstehen komplexe Algorithmen für verteilte
Systeme. Sie können algorithmische Lösungen und Architektu-
ren bezüglich Komplexität und Zuverlässigkeit beurteilen und
sie können geeignete Lösungen für verschiedene praxisbezoge-
ne Anwendungsfelder auswählen.
—
The students understand complex algorithms for distributed
systems. They can judge algorithmic solutions and architec-
tures with respect to complexity and reliability and they can
choose appropriate solutions for different practical application
fields.
Kompetenzen / Competencies
Die Studenten beherrschen das Anwenden von theoretisch fun-
dierten Algorithmen in praxisbezogenen Lösungen sowie das
Abwägen von Entwurfsalternativen bei der Planung von zu-
verlässigen verteilten Systemen.
—
The students master the application of theory-based algo-
rithms into practical solutions, and the arbitration of design
alternatives in the design of reliable distributed systems.

Inhalt Das Modul beinhaltet die Themen Grundlegende Metriken

Course content (Ausfallwahrscheinlichkeit, MTBF, MTTB, Verfügbarkeit);
Modelle für Zeit, Kommunikation und räumliche Verteilung;
Theoretische Modelle für Ausfallerkennung; Gruppenkommu-
nikation: Problemstellung, Semantiken, Algorithmen; Kon-
zept der aktiven und passiven Replikation, jeweilige Vor- und
Nachteile; Byzantinische Fehlertoleranz (BFT) und deren An-
wendung bei einbruchstoleranten Systemen; Uhrensynchro-
nisation, verteilten Koordinierung (Wahl- und Sperralgorith-
men); Synchronisationsdienste (Chubby, ZooKeeper) und zu-
verlässige Datenspeicherung in großen Systemen (Redundanz,
Backup-Strategien, RAID-Systeme).
—
The module includes the topics of Basic metrics (probabi-
lity of failure, MTBF, MTTB, availability); models for time,

274
Modulkatalog Module Descriptions

communication and spatial distribution; theoretical models for

failure detection, group communication: issues, semantics, al-
gorithms, concept of active and passive replication, their re-
spective advantages and disadvantages; Byzantine fault tole-
rance (BFT) and their application to intrusion-tolerant sys-
tems, clock synchronization, distributed coordination (choi-
ce and barrier algorithms); synchronization Services (Chubby,
ZooKeeper) and reliable data storage in large systems (redun-
dancy, backup strategies, RAID systems).

Studien-/Prüfungsleistungen 60 Minuten Klausur oder 20 Minuten mündliche Prüfung je-

Assessment weils in deutscher oder englischer Sprache und je nach Anzahl
der Hörer. Die genaue Prüfungsart wird zu Beginn des Semes-
ters bekannt gegeben.
60-minute exam or 20-minute oral examination, depending on
the number of listeners, in German or English. The precise
mode of assessment will be announced at the start of the se-
mester.

Medienformen Präsentation und Beamer, Tafel

Media used Projector, presentation and blackboard

Literatur C.Cachine, R. Guerraoui, L, Rodrigues, Introduction to Relia-

Reading list ble and Secure Distributed Programming, Springer, 2011
Israel Koren, C. Mani Krishna, Fault-Tolerant Systems, Mor-
gan Kaufmann, 2007.
P. Veríssimo and L. Rodrigues, Distributed Systems for System
Architects, Kluwer Academic Publishers, 2001, Parts I and II.
Wissenschaftliche Artikel nach Ansage in der Vorlesung /
Scientific Articles to be announced in the lecture

275
Modulkatalog Module Descriptions

5881 Privacy Enhancing Techniques PN 405223

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semesters

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Cuellar
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 60 Std. Nachbearbeitung des Vorlesungs-

Workload stoffs, Vorbereitung eines Referats und Prüfungsvorbereitung
30 contact hours + 60 hours Follow-up, preparing a presenta-
tion, and exam preparation

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse IT-Sicherheit, Security Insider Lab I oder II, System Security
Recommended skills Advanced IT Security, Security Insider Lab I or II, System Se-
curity

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen wichtigsten technische Konzepte und
Schlüsselfragen zum besseren Schutz der Privatsphäre und
Technologien (PETs), und deren Wechselwirkung in Kombi-
nation mit konventionellen Sicherheitstechnologien, wie Ver-

276
Modulkatalog Module Descriptions

schlüsselung und Zugangskontrolle. Sie lernen wie weitverbrei-

tete und neu entstehende Technologien Organisationen er-
möglichen, verschiedene Arten von personenbezogenen Da-
ten zu sammeln, verknüpfen und verarbeiten. Sie werden die
aktuelle Konzepte der datenschutzfreundliche Technologien
(Privacy-Enhancing Technologies, PET) und die Standard-
methoden von Privacy-by-Design kennenlernen, inklusive die
neuere Entwicklungen, wie Privacy Enhancing Architekturen
und LINDDUN.
—
Students learn key technical concepts related to privacy, both
regarding the associated issues in current and emerging tech-
nologies, and the possibilities of protecting the privacy in tho-
se applications. Students learn generic principles, methods,
and tools of privacyby-design (PbD) and of privacy enhan-
cing technologies (PETs), including data anonymization and
perturbation techniques. They also learn which methods are
adequate for particular situations, for data release, for big da-
ta applications (in clouds, for instance), and for applications
based on sensors and actuators in constrained environments.
On the other hand students will learn the basic limitations of
PETs.
Fähigkeiten / Abilities
Die Studierenden entwickeln Fertigkeiten in der frühzeitige Er-
kennung, Identifizierung und Bewertung von Datenschutzge-
fahren und Risiken in existierenden oder geplanten Anwendun-
gen. Darüber hinaus sind sie in der Lage, diese Risiken pro-
fessionell zu begegnen indem sie Modifikationen in der Funk-
tionalität der Anwendung vorschlagen, oder adäquaten daten-
schutzfreundlichen Lösungen auswählen oder entwickeln, im-
plementieren und instanziieren.
—
Students will develop skills in the early detection, identificati-
on, and evaluation of privacy threats and risks in existing or
planned applications. In addition, they will be able to manage
and respond to the risks, either suggesting modifications in
the functionality of the application, or selecting or developing
adequate privacy-friendly solutions, and implementing and in-
stantiating them.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, bewährte Methoden und
Technologien einzusetzen, wie z.B. Privacy-by-Design, LIND-
DUN, an Hand der Anforderungen selbstständig einzusetzen
und Lösungen zu konzipieren. Der Student kann die Wechsel-
wirkung erklären zwischen Schutz der Privatsphäre, Sicherheit

277
Modulkatalog Module Descriptions

und Funktionalität und ist in der Lage in konkreten Situatio-

nen, Kompromisse zwischen diese Ziele zu finden. Dabei kann
er die Stärken und Schwächen der verschiedenen PETs ver-
gleichen. Der Student kann die aktuelle Forschungs-Literatur
in diesem Bereich zu lesen und diskutieren.
—
Students will know how to apply best practices and establis-
hed technologies, such as Privacy by Design, LINDDUN. The
students can explain the tradeoffs between privacy protection,
security and functionality and to find compromises between
these competing goals. They can compare the strengths and
weaknesses of different PETs. The students can read and dis-
cuss the current research literature in this area.

Inhalt In dem Modul werden folgende Inhalte behandelt:

Course content Die Vorlesung stellt datenschutzfreundliche Technologien
(Privacy-Enhancing Technologies, PET) systematisch dar, so-
wohl im Allgemeinen als auch und insbesondere in dem Kon-
textext von Datenbanken, Big Data (z.B., in Clouds), und in
"constrained Environments", in denen Geräte mit begrenzten
Ressourcen eine entscheidende Rolle spielen, als Sensoren und
Aktoren.
Wir werden die Bedrohungen der Privatsphäre in den ver-
schiedenen TCP/IP- und Anwendungs- Schichten präsentie-
ren und diskutieren sowie die Anforderungen, Konzepte, Me-
thoden und Verfahren, um den Schutz der Privatsphäre zu
gewährleisten. Wir werden auch die Probleme und Beschrän-
kungen der Privatsphäre-Frameworks und von technologischen
Lösungen, um Daten oder Ereignissen anonymisieren zu dis-
kutieren. In dem besonderen Kontext begrenzte Umgebungen,
werden wir rechnerisch leichten Methoden zu diskutieren, um
besseren Schutz der Privatsphäre Anmeldeinformationen, Au-
torisierung, Integrität und Vertraulichkeit.
—
The course covers the following topics:
- Attacks against privacy, including traffic analysis, deanony-
mization, and side-channel attacks
- Systematic privacy risk assessment (for instance, using LIND-
DUN)
- Privacy issues and privacy enhancing technologies in par-
ticular environments, like clouds or mobile devices, and for
particular applications, including location-based services
- Special PETs, including Trusted-computing-based PETs, pri-
vacy preserving data mining and data release
- Differential privacy
- Privacy-preserving software systems and applications

278
Modulkatalog Module Descriptions

- Relation between cryptography and privacy

- Anonymous credentials
- Anonymous routing and anonymity systems
- Lightweight privacy-enhancing technologies for constrained
environments, to provide user consent.

Studien-/Prüfungsleistungen Teilprüfungsleistungen:
Assessment • Referat: ca. 30-min. Referat mit Präsentation über
selbsterarbeitetes Thema. Die Studierenden können am
Semesterbeginn aus einer Auswahl von Themen wählen.
• schriftliche/mündliche Prüfung: 60-min. schriftliche
Prüfung oder ca. 20-min. mündliche Prüfung. Die Prü-
fungsart wird am Semesterbeginn durch den/die Do-
zent(in) festgelegt und bekanntgegeben.
Eine Anmeldung zum Referat impliziert automatisch eine An-
meldung zu einem der angebotenen Termine zur schriftli-
chen/mündlichen Prüfung im Anschluss an den gleichen Vor-
lesungszeitraum.
Um dieses Modul zu bestehen müssen beide Teilprü-
fungsleistungen bestanden werden. Dabei wird die schriftli-
che/mündliche Prüfung mit 80% gewichtet, das Referat mit
20%.
This module is assessed in partial examinations:
• Oral presentation: approx 20 min. Students in small
groups will present selected topics chosen during the
semester.
• 60-minute written or 20-minute oral examination. The
specific mode of assessment will be announced by the
lecturer at the start of the semester.
Registration for the presentation automatically implies a re-
gistration for any of the dates offered for written/oral exami-
nation following the same course of lectures. In order to pass
this module, students must pass both partial examinations.
The exam will count 80% of the grade, the oral presentation
20%.

Medienformen Präsentation und Beamer, Tafel

Media used Projector, presentation and blackboard

Literatur Wird vom Dozenten bekanntgegeben

Reading list To be announced in the lecture

279
Modulkatalog Module Descriptions

5882 Resilient Internet-of-Things Infrastructures PN 455389

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Reiser
Module convenor

Dozent(in) Reiser
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungsaufgaben/Referate, Vor-

Workload und Nachbereitung
60 contact hours + 120 hours exercises/presentations, inde-
pendent study

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben Kenntnisse über die Architek-
tur von Infrastrukturen des Internets der Dinge (Inter-
net of Things, IoT), über verschiedene in diesem Kon-
text relevante Kommunikationsprotokolle sowie über IoT-
Anwendungsplattformen. Sie erhalten einen Überblick über

280
Modulkatalog Module Descriptions

aktuelle Forschungsarbeiten, die sich mit der Zuverlässigkeit,

Sicherheit und Resilienz im IoT beschäftigen.
—
Students acquire knowledge about the architecture of
Internet-of-Things (IoT) infrastructures, about various com-
munication protocols relevant in that context, as well as about
IoT application platforms. They learn about recent research in
the area of reliability, security, and resilience of IoT.
Fähigkeiten / Abilities
Die Studierenden entwickeln Fertigkeiten in der Analyse und
im Entwurf von IoT-Systemen. Sie können geeignete Protokol-
le, Plattformen und Werkzeuge auswählen und diese nutzen,
um IoT-Systeme entsprechend eines Anforderungskatalogs si-
cher und zuverlässig in die Praxis umzusetzen.
—
Students will develop skills in analysing and designing IoT sys-
tems. They are able to select adequate protocols, platforms,
and tools and use them to develop IoT systems in a secure
and reliable way according to a requirement specification.
Kompetenzen / Competencies
Die Studierenden erlernen soziale Kompetenz durch Arbeit im
Team in Übungsaufgaben und organisatorische sowie fachliche
Kompetenzen bei der Entwicklung resilienter IoT-Systemen.
—
Students acquire social competence by team work in lab exer-
cises as well as organisational and technical competencies in
the development of resilient IoT systems.

Inhalt Grundlagen zu IoT-Architekturen

Course content IoT-Hardware
IoT-Kommunikationstechnologien
IoT-Vernetzungsinfrastrukturen
IoT-Entwicklungsumgebungen
Aktuelle IoT-bezogene Forschungsarbeiten zu den Themen
Zuverlässigkeit, Sicherheit und Resilienz
—
Foundations of IoT architectures
IoT hardware
IoT communication technologies
IoT networking infrastructures
IoT development environments
Recent IoT-related research on the topics reliability, security,
and resilience

Studien-/Prüfungsleistungen Portfolio (techn. Bericht, Präsentation)

Assessment Mögliche Portfoliobestandteile sind

281
Modulkatalog Module Descriptions

• Eigenständige Zusammenfassung/Präsentation von re-

levanten wiss. Arbeiten zu den Themen der Lehrveran-
staltung
• Abschlusspräsentation der Ergebnisse eines praktischen
Übungsprojekts
• Abschlussbericht zu einem praktischen Übungsprojekt
Die Bearbeitung der Portfolio-Leistungen erfolgt begleitend
zur Lehrveranstaltung. Die genauen Anforderungen werden
vom Dozenten zu Beginn der Veranstaltung bekannt gege-
ben.
Portfolio (technical report, presentation)
Possible parts of the portfolio are
• Autonomous summary / presentation of relevant scien-
tific work on the topics of the course
• Final presentation of results of a practical exercise pro-
ject
• Final report on a practical exercise project
The elaboration of portfolio examination work takes place du-
ring the course of the lecture. The precise mode of assessment
will be announced at the start of the semester.

Medienformen Präsentation mit Projektor, Tafelanschrieb, Online-Meetings

Media used (Zoom), Gruppenarbeit
Projector presentation, blackboard, online meeting (Zoom),
group work

Literatur Wird vom Dozenten bekanntgegeben

Reading list To be announced in the lecture

282
Modulkatalog Module Descriptions

5885 Hypervisor Design and Implementation PN 451015

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Reiser
Module convenor

Dozent(in) Reiser
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Bearbeitung und Abgabe der

Workload Übungsaufgaben + 60 Std. Nachbearbeitung des Vorlesungs-
stoffs und Vorbereitung Abschlusspräsentation
60 contact hours + 60 hours preparation and submission of
exercises + 60 hours lecture follow up and preparation of final
presentation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Erfahrung mit Linux, einschließlich Verwendung der Komman-

Recommended skills dozeile. Bereitschaft, sich selbständig in systemnahe Program-
mierung in C/C++/Assembler einzuarbeiten
Experience in Linux, including using the command line. Wil-
lingness to autonomously acquire system-level programming
skills in C/C++/assembly

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

283
Modulkatalog Module Descriptions

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen verschiedene Arten von Virtualisie-
rung und Konzepte für den Entwurf eines Hypervisors kennen
und erwerben vertiefte Kenntnisse über Systeminterna.
—
Students learn about different types of virtualization and con-
cepts for the development of a hypervisor and acquire in-depth
knowledge of system internals.
Fähigkeiten / Abilities
Die Studierenden beherrschen die Konzepte von Virtualisie-
rung, können diese bewerten und erwerben die Fähigkeit, die-
se in systemnaher Software umzusetzen und im Kontext von
IT-Sicherheit zu nutzen.
—
Students master the concepts of virtualization, are able to
evaluate them, and acquire the ability to implement them in
system software and use them for IT security purposes.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz, Systeme aus Per-
spektive eines Hypervisors zu betrachten und auch zukünftige
Entwicklungen im Bereich Systemvirtualisierung zu beurteilen.
—
Students will have the competence to judge systems from the
perspective of a hypervisor and assess future developments in
the are of system virtualization.

Inhalt In der Vorlesung werden verschiedene Ansätze der System-

Course content virtualisierung, darunter Emulation, Paravirtualisierung, Be-
triebssystemvirtualisierung und Hardwarevirtualisierung sowie
der Nutzen von Virtualisierung im Bereich IT-Sicherheit (Mo-
nitoring, Management, digitale Forensik, Analyse von Angrif-
fen) betrachtet. In begleitenden Übungen werden die Konzepte
durch schrittweise Implementierung eines eigenen Hypervisors
in Programmieraufgaben vertieft.
—
The lectures focuses on various aspects of system virtualizati-
on, including emulation, paravirtualization, operating system
virtualization and hardware virtualization, and the application
of virtualization in the area of IT security (monitoring, mana-
gement, digital forensics, attack analysis). The accompanying
exercises strengthen the knowledge of concepts based on a
step-by-step development of an own hypervisor in program-
ming exercises.

Studien-/Prüfungsleistungen Abschlusspräsentation der im Rahmen der Übung erstellten

Assessment Software und der verwendeten Konzepte mit anschließenden

284
Modulkatalog Module Descriptions

mündlichen Prüfungsfragen. Gesamtdauer maximal 45 Minu-

ten.
Final presentation of the software developed in context of the
exercises and the applied concepts, followed by oral exam ques-
tions. Total duration up to 45 minutes.

Medienformen Präsentation mit Beamer und Tafel, Rechnerübungen im La-

Media used bor
Projector presentation and blackboard, practical lab exercises

Literatur Wird vom Dozenten bekanntgegeben

Reading list To be announced in the lecture

285
Modulkatalog Module Descriptions

5891 Software-Projektmanagement PN 405016

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Palm
Module convenor

Dozent(in) Palm
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 60 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 60 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering

Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen sämtliche Schritte und Tätigkeiten
um ein Softwareprojekt als Projektleiter erfolgreich durchzu-
führen.
Fähigkeiten / Abilities
Sie können die wichtigsten Schritte der Projektplanung für ein

286
Modulkatalog Module Descriptions

gegebenes Softwareprojekt anwenden: Phasenplanung, Pro-

jektstrukturierung, Termin-, Ablauf- und Einsatzmittelpla-
nung. Im Projektcontrolling beherrschen sie Techniken, um
den aktuellen Projektfortschritt zu ermitteln, und können ggf.
geeignete Maßnahmen anwenden. Dies sollte sowohl im Kon-
text klassischer Vorgehensmodelle als auch im agile Umfeld
erfolgen.
Kompetenzen / Competencies
Sie sind in der Lage sämtliche Maßnahmen zu verstehen und
zu bewerten, die im Rahmen des Projektmanagements bei der
Planung und Durchführung von Softwareprojekten anfallen.

Inhalt Die Vorlesung vermittelt sämtliche Prozesse, die für das Pro-
Course content jektmanagement von Softwareprojekten erforderlich sind. Da-
bei wird weitgehend eine chronologische Vorgehensweise ein-
gehalten. Zuerst werden – neben der Abgrenzung von wichti-
gen Begriffen wie Projekt, Projektarten, Projektmanagement
– die Aktivitäten zu Beginn eines Projektes behandelt. Diese
umfassen die Festlegung der Projektziele, die Erstellung und
Bewertung von Lasten- und Pflichtenheft sowie die Analyse
des Projektumfelds, der Stakeholder und der Projektrisiken.
Im zweiten Abschnitt werden die grundlegenden Schritte der
Projektplanung betrachtet. Hier wird das gewählte Vorgehens-
modell der Softwareentwicklung auf das Projektvorgehen ab-
gebildet. Die Projektplanung umfasst im Wesentlichen die
Phasenplanung mit der Meilensteinliste, die Projektstruktu-
rierung in einem Projektstrukturplan, die Termin- und Ablauf-
planung mittels Netzplantechniken, und die Einsatzmittelpla-
nung. Weiterhin werden Schätzmethoden für die Softwareent-
wicklung vorgestellt und die Formulierung von Arbeitspaketen
betrachtet. Dabei werden neben dem klassischen, eher pla-
nungsorientiertem Projektmanagement auch agile Methoden
betrachtet.
Nach der Planung beschäftig sich der nächste Abschnitt mit
dem Projektcontrolling. Dies beinhaltet die Kostenkontrolle,
die Bestimmung des Projektfortschritts und die verschiede-
nen Methoden der Projektsteuerung. Im Verlauf eines Pro-
jekts sind zusätzlich noch weiter Tätigkeiten erforderlich um
den Projekterfolg sicherzustellen. Dazu gehören, das Quali-
tätsmanagement, das Risikomanagement, das Konfigurations-
und Änderungsmanagement, das Berichtswesen sowie das
Vertrags- und Claimmanagement.
Für das Projektende werden der Projektabschluss und das
Projektlernen betrachtet. Schließlich behandelt die Vorlesung
auch einige SSoftskills"wie etwa Kreativitätstechniken, Kom-
munikationstechniken, Teambildung und Führungsstile, Moti-

287
Modulkatalog Module Descriptions

vationstechniken, Umgang mit Konflikten und Krisen.

Studien-/Prüfungsleistungen 120 min Klausur oder ca. 30 min mündl. Prüfung; die genaue
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
120-minute exam or 30-minute oral examination, depending
on the number of listeners, in German or English. The precise
mode of assessment will be announced at the start of the se-
mester.

Medienformen Präsentation mit Beamer, Softwaretools, Tafel

Media used Projector, software tools, blackbord

Literatur Caupin, Gilles et al., ICB - IPMA Competence Baseline, Ver-

Reading list sion 3.0, International Project Management Association (IP-
MA).
Gessler, Michael (Hrsg.), Kompetenzbasiertes Projektmana-
gement, Gesellschaft für Projektmanagement (GPM).
Bernd Oesterreich et al., APM – Agiles Projektmanagement,
dpunkt verlag
Schwaber, Ken, Agile Project Management with Scrum, Mi-
crosoft Press.
Walker Royce, Software Project Management, Addison Wesley

288
Modulkatalog Module Descriptions

5908 Wavelet-basierte Methoden in der Bildverarbeitung PN 405222

Wavelet-Based Methods in Image Processing

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein
Module convenor

Dozent(in) Nagler
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 30+30 Std. Präsenz, 60+60 Std. Eigenarbeitszeit (Vor- und

Workload Nachbearbeitung sowie Übungsaufgaben)
60 contact hours + 120 hours exercises, lecture follow-up and
exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Bildverarbeitung

Recommended skills Image Analysis

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen nach dieser Vorlesung die Konzepte
der Multiskalenanalyse mit Wavelets. Sie verstehen die diskre-
te Wavelet-Transformation in 1D und 2D und deren Anwen-
dung auf Bilder. Insbesondere kennen und verstehen sie Ver-

289
Modulkatalog Module Descriptions

fahren zur Kompression und zum Entrauschen von Bildern.

Fähigkeiten / Abilities
Die Studierenden können Wavelet-basierte Verfahren imple-
mentieren, modifizieren und in gewissem Rahmen auch neu
entwickeln. Insbesondere können sie Wavelet-basierte Verfah-
ren zur Kompression und zum Entrauschen von Bildern einset-
zen und mit anderen Verfahren vergleichen und bewerten. Die
Studierenden haben die Kompetenz, mit Wavelet-basierten
Verfahren theoretisch und praktisch umzugehen.

Inhalt Mathematische Grundlagen: Fourier-Transformation in L1

Course content und L2 , Multiskalenanalyse mit Wavelets in L2 , Diskre-
te Wavelet-Transformation, Kompressionsverfahren (JPEG,
JPEG2000) und Entrauschen von Bildern (Wiener Filter, Wa-
velet Shrinkage)

Studien-/Prüfungsleistungen 60-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
60-minute written examination or 20-minute oral examinati-
on. The precise mode of assessment will be announced at the
start of the semester.

Medienformen Präsentation, Beamer, Übungsblätter

Media used Projector presentation, blackboard

Literatur S. Mallat: A Wavelet Tour of Signal Processing, Academic

Reading list Press, 3rd Edition, 2009
T. F. Chan, J. Shen: Image Processing and Analysis. SIAM,
2005
K. S. Thygarajan: Still Image and Video Compression with
Matlab, Wiley-IEEE Press, 2010

290
Modulkatalog Module Descriptions

5942 Network Science PN 482601

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Granitzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 105 Std. Übungsaufgaben/Referate, Vor-

Workload arbeit und Nacharbeit
45 contact hours + 105 hours exercises, preparation and
follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Data Science

fungsordnung
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students gain insights into Modeling and analysing com-
plex real-world networks with a special emphasis on social net-
works. In particular knowledge on the following topics will be
gained:
• Basic Graph Theory (Undirected/Directed/Bipartite

291
Modulkatalog Module Descriptions

Graphs, Connectivity, Graph Traversal)

• Properties of Social Networks (Strong and Weak ties,
Structural Balance, Context in Social Netzworks, Small
World Networks)
• Properties of Information Networks (Structure of the
Web, Decentralized Search, Navigability oft he Net-
works)
• Network Dynamics and Evolution

Fähigkeiten / Abilities
The students will be able to analyse complex real-world net-
works and draw conclusions on their structural properties and
dynamics. They will be able to develop and apply different al-
gorithms for analysing networks, like for example clustering al-
gorithms for detecting sub-structures and traversal algorithms
for estimating statistical properties (e.g. centrality, clustering
coefficient). Furthermore, students will be able to interpret
the outcome of the algorithms in terms of underlying social
theories, like for example Triadic Closure or Structural Balan-
ce Theory.

Kompetenzen / Competencies
Students aquire the competencies to analyse network data
especially in web-based information systems and use this ana-
lysis to understand and refine those information systems.

Inhalt In particular, the following topics are covered:

Course content • Basic Network Theory (Graph Types, Connectivity,
Graph Traversal)
• Networks (Small World Phenomenon, Strong and Weak
Ties, Information Flow, Community Detection)
• Analysing the context of social networks (Homophily
and Segregation)
• Positive and Negative Relationships in Networks
• Information Networks (Structure oft he Web, Link Ana-
lysis and Web Search)
• Network Dynamics (Population Models, Information
Cascades, Rich-get-richer, Cascading Behavior in Net-
works, Network Epidemics)

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute written or 20-minute oral examination. The mode
of assessment will be announced at the start of the semester.

292
Modulkatalog Module Descriptions

Medienformen Beamer, Tafel

Media used Blackboard, projector

Literatur Networks, Crowds, and Markets: Reasoning About a Highly

Reading list Connected World von David Easley und Jon Kleinberg von
Cambridge University Press
Barabási, Albert-László. Network science. Cambridge Univer-
sity Press, 2016.
Mark Newman, Networks: An Introduction. Oxford University
Press, 2010

293
Modulkatalog Module Descriptions

5943 Data Science Lab PN 482604

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Granitzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 4Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbearbeitung des

Workload Praktikums
60 contact hours + 120 h self-study and implementation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Visual Analytics oder Network Science oder Advanced Topics
Recommended skills in Data Science, Kenntnisse in Python
Visual Analytics or Network Science or Advanced Topics in
Data Science, Python Programming Language

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students will acquire knowledge of current data analysis tech-
nologies and corresponding python libraries to analyze web-
based data sets such as Web pages, social networks, user data,
etc. They will obtain methodological knowledge.

294
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Students acquire the ability to apply data science technology
on web data and to extract interesting patterns from very lar-
ge data sets. They will develop the ability to use appropriate
software libraries and tools to do so.
Kompetenzen / Competencies
Students acquire the skills to analyze massive, web-based data
sets and extract interesting patterns.

Inhalt Students will work in groups on selected data science specific

Course content problems, like for example extracting communities from soci-
al networks, clustering web pages, analyzing trends in social
media or identifying mobility patterns.
Students will be given a small research projects in the form
of an analysis goal, a data set and a target metric. The re-
search project will be conducted in four phases, supervised
by the lecture. In every phase, one team member takes the
responsibility. The following phases are foreseen:
• Design Phase: Students will conduct a state of the art
analysis on currently best performing methods on the
domain and corresponding libraries. Based on this ana-
lysis, students will design their experiment in terms of
analysis methods, data preprocessing and evaluation ap-
proach. The experimental design will be reported in the
form of a presentation.
• Data Preprocessing: Students will apply data preproces-
sing methods in order to convert raw data into a usable
format for subsequent data analysis. Results are repor-
ted in the form of a presentation.
• Data Analysis: Students will implement the chosen data
analysis methods using selected libraries and apply the
implementation to the preprocessed data. Results are
reported in the form of a presentation.
• Evaluation: Students will evaluate different parameter
settings and algorithmic combinations or derive patterns
from the given data set and interpret those.
Finally, the results will be reported in a technical report.

Studien-/Prüfungsleistungen Portfolio exam consisting of a written technical report on the

Assessment outcome of the project and 4 presentations (one per phase /
per team member).

Medienformen Tafel, Beamer, Rechner

Media used Blackboard, projector, calculator

Literatur Own Lecture Notes and selected publications. Literature will

Reading list be announced depending on the concrete topics.

295
Modulkatalog Module Descriptions

5944 Machine Learning Lab PN 455382

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Granitzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbearbeitung des

Workload Praktikums
60 contact hours + 120 h independent study and implemen-
tation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced Topics in Data Science oder Visual Analytics,

Recommended skills Kenntnisse in Python
Advanced Topics in Data Science or Visual Analytics, Python
Programming Language

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students will acquire knowledge on implementation details of
machine learning and optimization algorithms and how to rea-
lize them using numerical libraries in Python. Covered algo-

296
Modulkatalog Module Descriptions

rithms include supervised, unsupervised and semi-supervised

algorithms like decision trees, support vector machines, Baye-
sian classifiers, hierarchical agglomerative clustering, Genetic
algorithms etc. as well as optimization methods (e.g. stocha-
stic gradient descent, AdaGrad).
Fähigkeiten / Abilities
Students acquire the ability to implement machine learning
algorithms from scratch using only numerical libraries. They
will be able to evaluate their implementation and identify po-
tential implementation errors.
Kompetenzen / Competencies
Students acquire the skill to convert machine learning algo-
rithms provided in a mathematical formulation or pseudo-code
into concrete implementations. These skills include the imple-
mentation of performance metrics and the evaluation of the
implemented algorithms without the help of third-party libra-
ries.

Inhalt During the semester, Students will be presented 6-10 diffe-

Course content rent machine learning algorithms covering supervised, unsu-
pervised, and semi-supervised learning paradigms as well as
different optimization methods. Examples are Decision Trees,
Random Forests, Feedforward Neural Networks, Naive Bayes,
Hierarchical Agglomerative Clustering, DB Scan, Support Vec-
tor Machine, Support Vector Regression, Stochastic Gradient
Descent, AdaGrad etc.
During the lab sessions, students will have to implement tho-
se algorithms independently of each other using high-level
programming languages, particularly Python, but without the
help of any high-level library. Students will also have to de-
velop corresponding evaluation metrics, like precision, recall,
accuracy, average precision etc. and evaluate the algorithms
based on standardized test data sets.

Studien-/Prüfungsleistungen Portfolio exam consisting in the submission of the implemen-

Assessment tation code for selected machine learning algorithms plus do-
cumentation and the evaluation on a provided test-datasets.
Students present their solution and results. (see § 5 Abs. 1
Nr. 4, Point 3 FStuPo Master Computer Science)

Medienformen Tafel, Beamer, Rechner

Media used Blackboard, projector, calculator

Literatur Own Lecture Notes and selected publications. Literature will

Reading list be announced depending on the concrete topics.

297
Modulkatalog Module Descriptions

5945 Advanced Topics in Data Science PN 482603

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Granitzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std Präsenz + 105 Std. Übungsaufgaben/Referate, Vor-

Workload und Nachbereitung
45 contact hours + 105 hrs exercises, preparation and follow-
up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Data Science

Recommended skills

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students will engage advanced topics and recent deve-
lopments in the field of data science. Special emphasize will
be placed on natural computing techniques, like genetic algo-
rithms and deep neural networks, as well as on reinforcement
learning. The students will obtain in-depth knowledge on the

298
Modulkatalog Module Descriptions

particular algorithms and application areas (with focus web-

based information systems).
Fähigkeiten / Abilities
The students will be able to implement data analytical algo-
rithms, in particular deep neural network and reinforcement
learning approaches. They will be able to run advanced expe-
riments on large data sets.
Kompetenzen / Competencies
The students will obtain the competencies to utilize recent da-
ta analytical methods, like deep learning, for analysing large
data sets from web-based information systems (e.g. social me-
dia). Students will be enabled to setup experiments, conduct
and evaluate them properly.

Inhalt The following topics will be covered:

Course content • Natural Computing
• Deep Neural Networks
• Representational Learning with Deep Networks inclu-
ding Autoencoder Networks (Denoising, Variational,
Sparse), Hopfield Networks, Boltzmann Machines
• (Deep) Convolutional Neural Networks
• Recurrent Neural Networks
• Deep Residual Networks
• Deep Reinforcement Learning
• Selected Application Areas

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben
90-minute examination or 20-minute oral examination. The
precise mode of assessment will be announced at the start of
the semester

Medienformen Tafel, Beamer

Media used Blackboard, projector

Literatur Own Lecture Notes and selected publications. Literature will

Reading list be announced depending on the concrete topics.

299
Modulkatalog Module Descriptions

5946 Visual Analytics PN 452003

Häufigkeit des Modulangebots In der Regel jedes Sommersemester

Frequency of course offering Usually every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Granitzer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std Präsenz + 105 Std. Übungsaufgaben/Referate, Vor-

Workload und Nachbereitung
45 contact hours + 105 hrs exercises, preparation and follow-
up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Data Science

Recommended skills

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Grundbegriffe von Visual Ana-
lytics, und wissen, wann welche Techniken eingesetzt werden
können. Außerdem besitzen sie Kenntnisse über die visuelle
Kodierung von Daten sowie der Repräsentationen von Da-
ten. Sie besitzen einen Überblick über Visualisierungen und

300
Modulkatalog Module Descriptions

über Data Mining Algorithmen und kennen ausgewählte An-

wendungen. Sie wissen außerdem, wie man Visual Analytics
Anwendungen evaluiert.
—
The students know the basic concepts of Visual Analytics,
and know when to use which techniques. They also have an
understanding of visual data encoding, as well as the represen-
tations of data. They have an overview of visualizations and
data mining algorithms and know selected applications. They
also know how to evaluate visual analytics applications.
Fähigkeiten / Abilities
Die Studierenden besitzen die Fähigkeit, Visual Analytics An-
wendungen zu erstellen und zu bewerten. Außerdem können
sie einschätzen, welche Probleme und Herausforderungen in
einem für sie neuen Visual Analytics Szenario auftreten kön-
nen.
—
The students have the ability to create visual analytics appli-
cations and evaluate them. They can also assess the problems
and challenges that can occur in a visual analytics scenario
unknown.
Kompetenzen / Competencies
Die Studierenden erwerben die Kompetenzen für gegebene
Daten und Aufgabenstellung selbständig Visual Analytics An-
wendungen zu entwickeln.
—
Students acquire the skills to develop visual analytics applica-
tions for given data and tasks independently.

Inhalt Visual Analytics untersucht die Möglichkeiten der Wissener-

Course content schließung mit Hilfe interaktiver Visualisierungen. Der Visual
Analytics Prozess stützt sich dabei auf eine Kombination von
automatischen Prozessen (Data Mining) und interaktiven Vi-
sualisierung. Eine wichtige Rolle spielt dabei der Endnutzer
der Applikation, der durch die interaktiven Visualisierungen in
den Wissenerschließungsprozess eingebunden ist.
Folgende Themen werden behandelt:
• Visuelle Kodierug von Daten
• Datenrepräsentations- und -transformation
• Informationsvisualisierung
• Data Mining Algorithmen für visuelle Analysen
• Ausgewählte Anwendungen
• Evaluierung von Visual Analytics Anwendungen
—
Visual Analytics examines the possibilities of knowledge dis-
covery through interactive visualizations. The visual analytics

301
Modulkatalog Module Descriptions

process relies on a combination of automatic processes (da-

ta mining) and interactive visualization. An important role is
played by the end user of the application, which is integrated
with interactive visualization in the knowledge discovery pro-
cess.
The following topics will be covered:
• Visual data encoding
• Data representation and transformation
• Information Visualization
• Data mining algorithms for visual analysis
• Selected Applications
• Evaluation of visual analytics applications

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 15 min mündliche Prüfung. Die ge-
Assessment naue Prüfungsart wird zu Beginn des Semesters bekannt ge-
geben.
90-minute examination or 15-minute oral examination. The
precise mode of assessment will be announced at the start of
the semester

Medienformen Tafel, Beamer

Media used Blackboard, projector

Literatur Tamara Munzner, Visualization Analysis and Design. A K Pe-

Reading list ters Visualization Series, CRC Press, 2014.
Tan, Pang-Ning. Introduction to data mining, 2 nd Edition.
Pearson Education India, 2018.
Visual Analytics Digital Library, http://vadl.cc.gatech.edu/
(online)

302
Modulkatalog Module Descriptions

5951 Theory of Evolutionary Computation PN 455399

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sudholt
Module convenor

Dozent(in) Sudholt
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 60 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 60 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen, Enführung in die Stochas-

Recommended skills tik
Algorithms and Data Structures, Introduction to Stochastics

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Am Ende der Lehrveranstaltung werden Studierende in der

Learning outcomes Lage sein,
• die Effizienz evolutionärer Algorithmen mit entsprechen-
den Analysemethoden zu analysieren,
• die Funktionsweise evolutionärer Algorithmen zu verste-

303
Modulkatalog Module Descriptions

hen und ihre Stärken und Schwächen zu kennen,

• den Effekt algorithmischer Design-Entscheidungen und
Parameterwahlen auf die Performanz evolutionärer Al-
gorithmen zu verstehen,
• fundierte Design-Entscheidungen bei der Anwendung
evolutionärer Algorithmen zu treffen und
• die Effizienz evolutionärer Algorithmen auf anschauli-
chen Problemen zu beschreiben.
—
At the end of the course students will be able to
• analyse the efficiency of evolutionary algorithms using
appropriate analytical methods
• understand the working principles of evolutionary algo-
rithms along with their strengths and weaknesses,
• appreciate the effect of design choices and parameters
on the performance of evolutionary algorithms,
• make informed design choices when using evolutionary
algorithms, and
• describe the efficiency of evolutionary algorithms on il-
lustrative problems.

Inhalt Motivation für die Theorie evolutionärer Algorithmen

Course content Methoden zur Analyse evolutionärer Algorithmen
Laufzeitanalysen für einfache evolutionäre Algorithmen
Der Nutzen von Kreuzungen in evolutionären Algorithmen
Analyse evolutionärer Algorithmen auf Problemen der kombi-
natorischen Optimierung und auf multikriteriellen Problemen
Verteilte evolutionäre Algorithmen
Adaptive Parameter
Black-Box-Komplexität
—
Motivation for a theory of evolutionary algorithms
Tools for the analysis of evolutionary algorithms
Runtime analyses for simple evolutionary algorithms
The usefulness of crossover in evolutionary algorithms
Analyses of evolutionary algorithms on problems from combi-
natorial optimisation and multi-objective problems
Parallel evolutionary algorithms
Parameter control
Black-box complexity

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 25 min mündliche Prüfung; die genaue
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
90-minute examination or 25-minute oral examination; the ex-
act mode of assessment will be indicated at the beginning of
the semester.

304
Modulkatalog Module Descriptions

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Lectures will be based on books, research papers, surveys and

Reading list tutorials. Related books include:
Frank Neumann, Carsten Witt (2010): Bioinspired Com-
putation in Combinatorial Optimization – Algorithms
and Their Computational Complexity. Natural Compu-
ting Series, Springer, ISBN 978-3-642-16543-6. (http://
bioinspiredcomputation.com/)
Thomas Jansen (2013): Analyzing Evolutionary Algorithms -
The Computer Science Perspective, Natural Computing Se-
ries, Springer, ISBN 978-3-642-17339-4.
Benjamin Doerr and Frank Neumann (Eds.): Theory of Evolu-
tionary Computation - Recent Developments in Discrete Op-
timization, Natural Computing Series, Springer, ISBN 978-3-
030-29413-7.
A. Auger, B. Doerr (Eds.): Theory of Randomized Search
Heuristics - Foundations and Recent Developments, Series on
Theoretical Computer Science 1, ISBN: 978-981-4282-66-6,
World Scientific.

305
Modulkatalog Module Descriptions

5952 Randomisierte Algorithmen PN 455388

Randomised Algorithms

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sudholt
Module convenor

Dozent(in) Sudholt
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“, Modulgruppe „ITS“

Curriculum Focus „AlgMath“, Focus „ITS“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 60 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 60 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen, Enführung in die Stochas-

Recommended skills tik
Algorithms and Data Structures, Introduction to Stochastics

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Am Ende der Lehrveranstaltung werden Studierende in der

Learning outcomes Lage sein,
• die Effizienz randomisierter Algorithmen zu analysieren,
• Randomisierung als Werkzeug beim Design effizienter

306
Modulkatalog Module Descriptions

Algorithmen einzusetzen,
• die Vor- und Nachteile von Randomisierung zu beschrei-
ben,
• grundlegende randomisierte Algorithmen für wichtige
Probleme zu beschreiben, und
• ein Thema im Bereich randomisierte Algorithmen eigen-
ständig darzustellen.
—
At the end of the course students will be able to
• analyse the efficiency of randomised algorithms,
• use randomness as a tool in the design of efficient algo-
rithms,
• describe the pros and cons of randomised algorithms,
• describe fundamental randomised algorithms for import-
ant problems, and
• work independently on describing a topic from the area
of randomised algorithms.

Inhalt Motivation und Klassifikation randomisierter Algorithmen

Course content Paradigmen für den Entwurf randomisierter Algorithmen (z.B.
Methode der Fingerabdrücke, Wahrscheinlichkeitsverstärkung,
randomisiertes Runden)
Methoden zur Analyse randomisierter Algorithmen (z.B. pro-
babilistische Rekurrenzen, Markoffketten, Random Walks,
Markoff- und Chernoff-Schranken)
Randomisierte Algorithmen für grundlegende Optimierungs-
probleme (z.B. Schnittprobleme, MaxSat)
—
Motivation for randomised algorithms and classification of ran-
domised algorithms
Paradigms for the design of randomised algorithms (e.g. fin-
gerprinting, probability amplification, randomised rounding)
Methods for the analysis of randomised algorithms (e.g. pro-
babilistic recurrences, Markov chains, random walks, Markov’s
inequality and Chernoff bounds)
Randomised algorithms for fundamental optimisation pro-
blems (e.g. cut problems, MaxSat)

Studien-/Prüfungsleistungen Zwei Teilleistungen:

Assessment Teilleistung 1 (80%):
Klausur oder mündliche Prüfung; die genaue Prüfungsart wird
zu Beginn des Semesters bekannt gegeben.
Teilleistung 2 (20%):
Schriftliche Ausarbeitung (bis zu 10 Seiten) über ein zusätzli-
ches Thema aus dem Gebiet randomisierte Algorithmen.
Zum Bestehen des Moduls müssen beide Teilleistungen be-

307
Modulkatalog Module Descriptions

standen werden.
—
Two assessment components:
Assessment component 1 (80%):
Written or oral exam; the exact mode of assessment will be
indicated at the beginning of the semester.
Assessment component 2 (20%):
Written work (up to 10 pages) on a subject from randomised
algorithms.
To pass the examination, both assessment components have
to be passed.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Juraj Hromkoviĉ, Randomisierte Algorithmen. Teubner, 2004

Reading list Rajeev Motwani, Prabhakar Raghavan, Randomized Algo-
rithms. Cambridge University Press, 1995.
Michael Mitzenmacher, Eli Upfal, Probability and Computing,
2nd edition, Cambridge University Press, 2017

308
Modulkatalog Module Descriptions

5954 Design and Implementation of Search Engines PN 455370

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Krestel
Module convenor

Dozent(in) Krestel
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenzzeit + 120 Std. Vor- und Nachbearbeitung der

Workload Versuche
60 contact hours + 120 hrs laboratory preparation and follow-
up

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Information Retrieval und Natural Language Processing, Pro-

Recommended skills grammierung in Java
Information Retrieval and Natural Language Processing, Pro-
gramming in Java

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die unterschiedlichen Module einer
modernen Volltextsuchmaschine kennen. Sie lernen große Da-
tenmengen zu verarbeiten und mit diesen Daten effizient um-

309
Modulkatalog Module Descriptions

zugehen.
—
Students get to know the various modules that constitute a
modern full text search engine. They learn to process large
datasets and handle them efficiently.
Fähigkeiten / Abilities
Die Studierenden üben den Entwurf, die Implementierung und
die Evaluierung eines komplexen Softwaresystems. Sie lernen
in kleinen Teams ein System zu entwickeln.
—
Students practice the design, implementation, and evaluation
of a complex software system. They learn in small teams to
develop a system.
Kompetenzen / Competencies
Die Studierenden lernen Designentscheidungen abzuwägen
und eigenständig zu treffen. Sie begleiten den kompletten
Softwareentwicklungsprozess anhand einer selbstentwickelten
Suchmaschine und lernen Forschungsergebnisse kritisch zu be-
werten und praktisch umzusetzen.
—
The students learn to evaluate design decisions. They pass
through the complete software development cycle by imple-
menting their own search engine. They learn to evaluate rese-
arch papers and to include research results in their systems.

Inhalt • Suchmaschinen Grundlagen / Search Engine Basics

Course content • Datengewinnung / Data aquisition
• Texttransformierung / Text transformation
• Informationsextraktion / Information extraction
• Indexgenerierung / Index generation
• Retrieval-Modelle /retrieval models
• Benutzeroberfläche / user interfaces
• Evaluierung /evaluation
• Dokumentenrepräsentation / document representation
• Machinelles Lernen für IR / machine learning for IR
• Web Skalierung / Web scale
• Performanz / performance
• Linkanalyse / link analysis

Studien-/Prüfungsleistungen Vorführung der Versuche

Assessment Practical coursework and demonstration of the experiments.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Büttcher, Clarke, Cormack: Information Retrieval – Implemen-

Reading list ting and Evaluating Search Engines

310
Modulkatalog Module Descriptions

Croft, Metzler, Strohman: Search Engines – Information Re-

trieval in Practice

311
Modulkatalog Module Descriptions

5956 Deep Learning PN 455380

Häufigkeit des Modulangebots Hinweis: Das Modul wird durch Introduction to Deep Learning
Frequency of course offering ersetzt - keine Doppelanrechnung möglich
Notice: Replaced by Introduction to Deep Learning cannot be
credited twice.

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Krestel
Module convenor

Dozent(in) Krestel
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Lineare Algebra I, Learning Theory

Recommended skills Analysis I, Linear Algebra I, Learning Theory

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die theoretischen Grundlagen ver-
stehen, insbesondere den Backpropagation-Algorithmus von
Hand anzuwenden. Sie lernen die Grenzen von Deep Learning

312
Modulkatalog Module Descriptions

kennen und bekommen einen Überblick über die aktuelle For-

schung. Des Weiteren werden gesellschaftliche Folgen des DL
abgeschätzt und diskutiert.
—
Students learn the theoretic basics and how the backpropaga-
tion algorithm works in detail. They learn the limitations of
deep learning and get an overview of state-of-the-art research
in this area. Further, they learn to assess and discuss the im-
pact of deep learning on society.
Fähigkeiten / Abilities
Die Studierenden können unterschiedliche Netztypen für De-
ep Learning Anwendungen erklären und Anwendungsgebiete
im Bereich Textmining und Bildverarbeitung identifizieren. Sie
sind in der Lage geeignete Netzwerkarchitekturen auszuwählen
und einzelne Komponenten von neuronalen Netzen zu erklä-
ren.
—
Students can explain different network types for deep lear-
ning applications and can identify text mining and image pro-
cessing tasks appropriate for deep learning. They are able to
choose suitable network architectures depending on the task
and are able to explain individual components of deep neural
networks.
Kompetenzen / Competencies
Die Studierenden lernen Deep Learning in Python anzuwen-
den und eigene Anwendungen zu entwerfen, zu implementieren
und zu evaluieren.
—
The students learn how to design, implement, and evaluate
deep learning applications in Python.

Inhalt • Neural networks

Course content • Convolutional neural networks
• Recurrent neural networks
• Embeddings
• Sequence-to-sequence models
• Generative deep learning

Studien-/Prüfungsleistungen 90-minütige Abschlussklausur

Assessment 90-minute written Examination

Medienformen Präsentation mit Beamer

Media used Presentation with a projector

Literatur Francois Chollet: Deep Lerning with Python

Reading list Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Lear-
ning

313
Modulkatalog Module Descriptions

5960 Partielle Differentialgleichungen PN 405167

Partial Differential Equations

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Wirth
Module convenor

Dozent(in) Mironchenko, Wirth

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“, Modulgruppe „ITS“

Curriculum Focus „AlgMath“, focus „ITS“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 30 Std. Übungen + 75+75 Std. Nachbe-

Workload reitung der Vorlesung und Prüfungsvorbereitung
45 contact hours + 30 hrs exercises + 75+75 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I+II, Lineare Algebra I+II, Gewöhnliche Differential-

Recommended skills gleichungen
Analysis I+II, Linear Algebra I+II, Ordinary Differential Equa-
tions

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Nach Beendigung dieser Lehrveranstaltung sind Studierende

Learning outcomes in der Lage,
• Fragestellungen der Naturwissenschaften mithilfe von

314
Modulkatalog Module Descriptions

partiellen Differentialgleichungen (PDGl) zu modellie-

ren.
• Techniken für die analytische Lösung von Anfangsrand-
wertaufgaben für PDGl anzuwenden.
• die Wohlgestelltheit von Anfangsrandwertaufgaben für
PDGl zu untersuchen.
• das asymptotische Verhalten der Lösungen von PDGl zu
analysieren.
—
The students will be able to
• Model the questions of the natural sciences using the
partial differential equations (PDEs).
• Apply the techniques for the analytic solution of the
initial boundary value problems for PDEs.
• Analyze the well-posedness of the initial boundary value
problems for PDEs.
• Analyze the asymptotic behavior of the solution of
PDEs.

Inhalt Folgende Themen werden behandelt:

Course content • Modellierung durch partielle Differentialgleichungen
• Partielle Differentialgleichungen erster Ordnung.
• Sobolevräume
• Anfangsrandwertaufgaben für elliptische, parabolische,
und hyperbolische Gleichungen.
• Darstellungsformeln für die Lösungen von linearen
PDGl.
• Asymptotik partieller Differentialgleichungen
—
The following topics will be studied:
• Modeling via partial differential equations.
• PDEs of the first order
• Sobolev spaces
• initial boundary value problems for elliptic, parabolic and
hyperbolic PDEs
• Representation formulas for linear PDEs
• Asymptotics of PDEs

Studien-/Prüfungsleistungen Zwei Teilleistungen:

Assessment Teilleistung 1 (80%):
90 min Klausur oder ca. 30 min mündliche Prüfung.
Die genaue Prüfungsart wird zu Beginn des Semesters bekannt
gegeben.
Teilleistung 2 (20%):
Ausarbeitung (bis zu 10 Seiten) über ein vertiefendes Thema
der PDGl.

315
Modulkatalog Module Descriptions

Zum Bestehen des Moduls müssen beide Teilleistungen be-

standen werden.
Examination in two parts:
Part 1 (80%):
90-minute examination or 30-minute oral examination.
The precise mode of assessment will be announced at the start
of the semester.
Part 2 (20%):
Written paper (up to 10 pages) on an advanced subject from
PDEs.
To pass the examination both parts have to be passed.

Medienformen Tafelanschrieb, Online Lehre via Zoom

Media used Blackboard, online teaching via Zoom

Literatur L. Evans. Partial Differential Equations, AMS, 2010

Reading list W.A. Strauss. Partielle Differentialgleichungen, Vieweg, 1995
C. Cryer. Numerik Partieller Differentialgleichungen (Vorle-
sungsskript)

316
Modulkatalog Module Descriptions

5962 Symbolische Dynamik und Kodierung PN 405212

Symbolic Dynamics and Coding

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Wirth
Module convenor

Dozent(in) Epperlein
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60+30 Std. Präsenz, 90+90 Std. Eigenarbeitszeit

Workload 60+30 contact hours, 90+90 hours independent study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I+II, Lineare Algebra I+II

Recommended skills Analysis I+II, Linear Algebra I+II

Verwendbarkeit in weiteren Lehramt Mathematik, Bachelor Mathematik, Master Artificial

Studiengängen Intelligence Engineering
Applicability for other courses Teacher training programme for secondary education in Ma-
thematics (Gymnasium), Bachelor Mathematics, Master Arti-
ficial Intelligence Engineering

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen nach dieser Vorlesung symbolische
dynamische Systeme und wissen, wie sich allgemeine Konzepte
der Theorie dynamischer Systeme für deren Analyse anwen-
den lassen. Ferner kennen sie grundlegende Zusammenhänge

317
Modulkatalog Module Descriptions

zwischen symbolischen Systemen, Graphentheorie und der Ko-

dierung und Dekodierung von Daten.
—
After completion of this course the students know about sym-
bolic dynamical systems and how to apply general concepts
from the theory of dynamical systems to the study of shift
spaces. Furthermore, they know the basic connections between
symbolic systems, graph theory and (de-) coding of data.
Kompetenzen / Competencies
Die Studierenden können Werkzeuge aus verschiedenen Be-
reichen der Mathematik und theoretischen Informatik kombi-
nieren und zur Analyse symbolischer Systeme anwenden. Ins-
besondere können sie symbolische Systeme mit topologischen
Methoden untersuchen. Sie können Algorithmen zur Bestim-
mung von Codes mit vorgegebenen Eigenschaften anwenden.
—
The student are able to combine tools from diverse areas of
mathematics and theoretical computer science and to app-
ly them to the analysis of symbolic system. In particular they
are able to study symbolic systems using topological methods.
They can apply algorithms to determine codes with prescribed
properties.

Inhalt Folgende Themen werden behandelt: Shift-Räume, Gra-

Course content phen, Codes, Entropie, Perron-Frobenius-Theorie, topologi-
sche Markov-Ketten, zelluläre Automaten, Klassifikations- und
Entscheidbarkeitsprobleme für Eigenschaften dieser Systeme
—
The following topics will be covered: shift spaces, graphs,
codes, entropy, Perron-Frobenius theory, topological Markov
chains, cellular automata, classifcication and decision pro-
blems for properties of these systems

Studien-/Prüfungsleistungen 120-minütige Klausur oder mündliche Prüfung (ca. 30 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
120-minute written exam or oral exam of about 30 minutes.
The precise mode of assessment will be announced at the start
of the semester.

Medienformen Beamer-Präsentation, Tafel, Vorlesungsskript, Übungsblätter

Media used Presentation with projector, blackboard, lecture notes, exerci-
se sheets

Literatur D. Lind, B. Marcus: An Introduction to Symbolic Dynamics

Reading list and Coding. Cambridge University Press, 1995

318
Modulkatalog Module Descriptions

5963 Numerik von Differentialgleichungen PN 451012

Numerics of Differential Equations

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Wirth
Module convenor

Dozent(in) Wirth
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz + 90 + 90 Std. Eigenarbeitszeit

Workload 60 + 30 contact hours + 90 + 90 hours independent study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II, Gewöhnliche Differen-

Recommended skills tialgleichungen
Linear Algebra I+II, Analysis I+II, Ordinary Differential Equa-
tions

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Überblick über Methoden zur Schätzung, Bewertung und
Steuerung von Approximationsfehlern
Klassifikation von Problemen bei Differentialgleichungen
Überblick über verschiedene Verfahren zur numerischen Lö-

319
Modulkatalog Module Descriptions

sung
—
An overview over methods for the estimation, evaluation and
control of approximation errors
Classification of problems of differential equations
Knowledge of various methods for the numerical solution
Fähigkeiten / Abilities
Die Studierenden können Problemstellungen theoretisch ana-
lysieren und geeignete Rahmenbedingungen für numerische
Verfahren auswählen. Sie können numerische Verfahren in Be-
zug auf Anwendbarkeit und Zweckmäßigkeit beurteilen.
—
The participants can analyze problems from a theoretical per-
spective and are able to choose appropriate parameters for
numerical methods. They can evaluate numerical methods in
terms of applicability and practicability.

Inhalt Folgende Themen werden behandelt:

Course content • Verfahren für gewöhnliche Anfangs- und Randwertpro-
bleme,
• steife Differentialgleichungen,
• Standardverfahren für partielle Differentialgleichungen.
—
The following topics are covered:
• Methods for initial value and boundary value problems
of ordinary differential equations,
• stiff problems,
• standard methods for partial differential equations.

Studien-/Prüfungsleistungen Die Prüfung besteht aus zwei Teilleistungen

Assessment Teilleistung 1 (80%): 120 min Klausur oder mündliche Prü-
fung (ca. 30 min); die genaue Prüfungsart wird zu Beginn des
Semesters bekannt gegeben.
Teilleistung 2 (20%): Ausarbeitung (bis zu 10 Seiten) über ein
zusätzliches Thema zur Numerik von Differentialgleichungen.
Zum Bestehen des Moduls müssen beide Teilleistungen be-
standen werden.
—
The examination consists of two parts
Part 1 (80%): 120 min written exam or oral exam of about
30 min. The precise mode of assessment will be announced at
the start of the semester.
Part 2 (20%): Written work (up to 10 pages) on a subject on
the numerical solution of differential equations.
To pass the examination both parts have to be passed.

320
Modulkatalog Module Descriptions

Medienformen Tafel, Beamer, Overhead

Media used Blackboard, projector, slides

Literatur P. Deuflhard, F. Bornemann Numerische Mathematik II, De

Reading list Gruyter 2002, Signatur: 80/SK 900 D485-2(4)
P. Deuflhard, F. Bornemann Scientific computing with ordina-
ry differential equations, Springer 2002, Number 80/SK 520
D485
K. Strehmel, R. Weiner Numerik gewöhnlicher Differentialglei-
chungen, Springer Spektrum 2012, Signatur: 80/SK 920 S915
N9(2)
M. Hanke-Bourgeois Grundlagen der Numerischen Mathema-
tik und des wissenschaftlichen Rechnens, Teubner 2002

321
Modulkatalog Module Descriptions

5964 Dynamische Systeme PN 405027

Dynamical Systems

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Wirth
Module convenor

Dozent(in) Wirth
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz, 90 + 90 Std. Eigenarbeitszeit

Workload 60 + 30 contact hours, 90 + 90 hours independent study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I+II, Analysis I+II

Recommended skills Linear Algebra I+II, Analysis I+II

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Begriffe, Konzep-
te und Phänomene im Bereich topologischer dynamischer Sys-
teme mit kompakten Zustandsräumen.
—
The participants are familiar with the fundamental notions,
concepts and phenomena associated with topological dynami-

322
Modulkatalog Module Descriptions

cal systems on compact state spaces.

Fähigkeiten / Abilities
Kompetenzen in der selbständigen Bearbeitung von Problem-
stellungen, Fertigkeiten zur Formulierung und Bearbeitung von
theoretischen Fragestellungen mit Hilfe der erlernten Metho-
den.
—
Competencies in the independent work on mathematical pro-
blems, abilities to formulate and solve theoretical problems by
using the acquired methods.

Inhalt Folgende Themen werden behandelt:

Course content Topologische dynamische Systeme, Rekurrenz, symbolische
Dynamik, Chaos, topologische Entropie
—
The following topics are covered:
Topological dynamical systems, recurrence, symbolic dyna-
mics, chaos, topological entropy

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute written or oral exam of about 20 minutes. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Tafelanschrieb, Overhead, Beamer

Media used Slides, projector, blackboard

Literatur Katok, Anatole

Reading list Hasselblatt, Boris - Titel: Introduction to the modern theory
of dynamical systems
Robinson, Clark -Titel: Dynamical systems
Guckenheimer, John - Titel: Nonlinear oscillations, dynamical
systems, and bifurcations of vector fields
Lasota, Andrzej -Titel: Chaos, fractals, and noise: stochastic
aspects of dynamics
Amann, Herbert - Titel: Gewöhnliche Differentialgleichungen
Wiggins, Stephen - Titel: Introduction to applied nonlinear
dynamical systems and chaos
Arrowsmith, David K. - Titel: Dynamical systems: differential
equations, maps and chaotic behaviour

323
Modulkatalog Module Descriptions

5967 Mathematische Systemtheorie PN 482401

Mathematical Systems Theory

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Wirth
Module convenor

Dozent(in) Wirth
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz + 90 + 90 Std. Eigenarbeitszeit

Workload 60 + 30 contact hours + 90 + 90 hours lecture and tutorials
follow-up and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II, Gewöhnliche Differen-

Recommended skills tialgleichungen
Linear Algebra I+II, Analysis I+II, Ordinary Differential Equa-
tions

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Grundbegriffe der linearen Sys-
temtheorie, wie Kontrollierbarkeit, Beobachtbarkeit, Stabili-
sierbarkeit. Sie kennen Methoden der Stabilisierung und des

324
Modulkatalog Module Descriptions

Beobachterentwurfs. Ferner kennen Sie den Zusammenhang

zwischen Modellen in Zustandsraumbeschreibung und Fre-
quenzbereichsdarstellungen, Elemente der Realisierungstheo-
rie und der Modellreduktion
—
The participants are familiar with the fundamental concepts
of linear systems theory, such as controllability, stabilizability,
observability and they command methods for designing stabi-
lizing feedbacks and observers. They are aware of the relations
between state space models and models in the frequency do-
main. They know elements of realization theory and model
reduction.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, Regelungssysteme auf Sta-
bilisierbarkeit und Beobachtbarkeit hin zu prüfen und sie kön-
nen gegebenenfalls Regler und Beobachter entwerfen. Sie be-
herrschen die Grundlagen der Modellreduktion. Die Studie-
renden können unterschiedliche Regelungsaufgabe als linear-
quadratisches Problem der optimalen Steuerung formulie-
ren. Sie beherrschen die wesentlichen Lösungsansätze aus der
Theorie der Riccatigleichungen.
—
The participants can analyze control systems and check for
stabilizability and observability. If possible, they can design
stabilizing feedbacks and observers. They can apply the fun-
damental techniques of realization theory. They are capable
of formulating various control tasks as linear quadratic opti-
mal control problems and they can apply techniques from the
theory of Riccati equations to solve these.

Inhalt Zustandsraumsysteme, Stabilität und Lyapunovfunktionen,

Course content Stabilisierung durch Rückkopplung, Polverschiebungssatz, Be-
obachterentwurf und dynamische Rückkopplung, Eingangs-
Ausgangssysteme, Transferfunktionen, Realisierungstheorie,
Modellreduktion, Das linear-quadratische optimale Steue-
rungsproblem, Riccatigleichungen, Folgeregelung.
—
State space systems, stability and Lyapunov functions, stabi-
lization by feedback, pole placement theorem, observer design
and dynamic feedback, input-output systems, transfer functi-
ons, realization theory. Model reduction, the linear-quadratic
regulator problem, Riccati equations, tracking.

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 30 min mündliche Prüfung. Die ge-
Assessment naue Prüfungsart wird zu Beginn des Semesters bekannt ge-
geben.

325
Modulkatalog Module Descriptions

90-minute written examination or 30-minute oral examinati-

on. The precise mode of assessment will be announced at the
start of the semester.

Medienformen Tafel, Beamer, Vorlesungsskript, Übungsblätter

Media used Blackboard, projector presentation, lecture notes, exercise
sheets

Literatur E.D. Sontag: Mathematical Control Theory, Springer-Verlag,

Reading list New York 1998

326
Modulkatalog Module Descriptions

5970 Scaling Database Systems PN 451016

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Scherzinger
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierkenntnisse, Grundlagen Datenbanken- und Infor-

Recommended skills mationssysteme (DBIS I + II)
Programming skills, fundamentals of databases and informa-
tion systems (DBIS I + II)

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden verstehen die Bedeutung von Skalierbarkeit
bei der Verarbeitung von großen Datenmengen. Sie verste-
hen die Stärken und Grenzen von NoSQL Datenbanksystemen

327
Modulkatalog Module Descriptions

sowie den Zusammenhang zwischen der Architektur und der

Leistungsfähigkeit eines Datenbankmanagementsystems.
—
The students understand the importance of scalability when
managing large amounts of data. They understand about
strengths and limitations of NoSQL data stores and how da-
tabase systems architecture enables performance.
Fähigkeiten / Abilities
Die Studierenden besitzen die Fähigkeit, für ein konkretes Da-
tenverarbeitungsproblem ein geeignetes NoSQL Datenbank-
managementsystem auszuwählen.
—
The students are able to map a specific data management
problem to a suitable NoSQL database management system.
Kompetenzen / Competencies
Die Studierenden können eigene Optimierungen für Datenma-
nagementsysteme entwickeln und auch implementieren.
—
The students have the competence to design their own optimi-
zations for data management systems and implement them.

Inhalt • Speicherung von großen Datenmengen in BigTable-

Course content basierten Systemen wie Hadoop File System (HDFS).
• Verarbeitung von großen Datenmengen in MapReduce-
basierten Systemen wie Hadoop.
• Optimierung der Ausführung von SQL Anfragen auf
großen Datenmengen (analog zu Hive und Spark).
—
• Managing large amounts of data in BigTable-based sys-
tems such as Hadoop File System (HDFS).
• Processing large amounts of data in MapReduce-based
systems such as Hadoop.
• Optimized evaluation of SQL queries on large volumes
of data (as done in Hive and Spark).

Studien-/Prüfungsleistungen Teil 1: Individuelles Programmierprojekt „miniHive“ in Python

Assessment Teil 2: 60 min. schriftliche Klausur
Die Punkte für die Gesamtnote errechnet sich 30% aus Teil 1,
und zu 70% aus Teil 2.
Part 1: Individual Programming project “miniHive” in Python
Part 2: 60-minute written examination
The points for the final grade are computed as follows: 30%
from part 1, 70% from part 2.

Medienformen Flipped Classroom (Videos im Selbststudium, Vertiefung des

Media used Stoffes anhand von Übungsaufgaben im Präsenzstudium), be-

328
Modulkatalog Module Descriptions

gleitendes Programmierprojekt (Python)

Flipped classroom (videos for self-study, in-class exercises),
programming project (Python)

Literatur Peter Bailis, Joseph M. Hellerstein, Michael Stonebraker, (edi-

Reading list tors), Readings in Database Systems, 5 th edition.
Anand Rajaraman, Jeffrey Ullman: Mining of Massive Data-
sets, Cambridge University Press, 2020.
Martin Kleppmann: Designing Data-Intensive Applications,
O’Reilly, 2017.
Stefanie Scherzinger, Build your own SQL-on-Hadoop Query
Engine: A Report on a Term Project in a Master-level Data-
base Course, SIGMOD Record, June 2019.

329
Modulkatalog Module Descriptions

5972 Reproducibility Engineering PN 455420

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Scherzinger
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlegende Programmierkenntnisse, z. B. Python, Erstellen

Recommended skills von Dokumenten mit LaTeX, Arbeiten mit der Linux Shell
Basic programming skills, e.g., Python, writing documents
with LaTeX, working with the Linux shell

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Studierende verstehen den Unterschied zwischen den Termi-
ni Repeatability, Reproducibility und Replicability in Daten-
analysen. Die Studierenden erkennen typische Schwächen und

330
Modulkatalog Module Descriptions

Nachteile von Datenanalyse-Pipelines. Sie wissen, wie For-

schungsartefakte strukturiert und dokumentiert werden müs-
sen, um autarkes Verständnis der beinhalteten Daten sicher-
zustellen. Die Studierenden verstehen, wie ein Reproduktions-
paket Artefakte organisiert.
—
Students understand the difference between repeatability, re-
producibility, and replicability of data analyses. They recognize
common weaknesses in data analysis pipelines. The students
know how to structure and document research artefacts and
how a reproduction package organizes research artifacts.
Fähigkeiten / Abilities
Die Studierenden können bestehende Forschungsanstrengun-
gen reproduzieren, wenn ein Reproduktionspaket vorhanden
ist. Sie erkennen typische Schwächen in bestehenden Repro-
duktionspaketen und sind in der Lage, eigene Reproduktions-
pakete von Grund auf zu entwerfen und zu veröffentlichen.
—
The students are able to reproduce research results, given a
reproduction package. They recognize obvious weaknesses in
given reproduction packages and are able to design and pu-
blish a reproduction package of their own.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, die erlernten Kompetenzen
in ihrer eigenen Forschung anzuwenden (z. B. im Rahmen der
Masterarbeit). Sie sind in der Lage, die erlernten Kompeten-
zen in ihrer künftigen Erwerbstätigkeit (sowohl in Forschung
als auch in Industrie) anzuwenden.
—
The students are able to apply the skills acquired to their own
research (e.g., preparing their Masters thesis). They are able
to transfer the skills acquired in their future careers (both in
academia and industry).

Inhalt • The replication crisis

Course content • Repetition, replication, and reproduction
• Structured presentation of results and literate program-
ming techniques
• Different types of reproducibility
• Deterministic builds
• Ascertaining long-term availability
• Producing consistent, readable histories
• Electronic notebooks
• Packaging research artefacts
• Describing execution environments
• Traps and Pitfalls

331
Modulkatalog Module Descriptions

• DOI safety
• Dealing with proprietary artefacts
• Dealing with hardware
• End-to-end reproduction
• Lab Session (continuous): Guided hands-on analysis pro-
jects based on real-world scientific data

Studien-/Prüfungsleistungen Portfolio-exam with three deliverables: (1) a 2-page written

Assessment report, (2) a fully automated reproduction package for an in-
dividual data analysis project, and (3) a 15-minute presenta-
tion.
The individual project is chosen in agreement with the lec-
turer, e.g., reproduction of published research; designing re-
production approaches for projects in the students’ field of
study; presentation of experiments or deep-dives into selected
aspects of reproducibility.

Medienformen On-site lectures, enhanced with course videos.

Media used On-site lab exercises.

Literatur Hadley Wickham, Garret Grolemund: R for Data Science: Im-

Reading list port, Tidy, Transform, Visualize, and Model Data, O’Reilly
(2017)
Victoria Stodden, Friedrich Leisch, and Roger D. Peng (eds):
Implementing Reproducible Research, CRC Press (2014)
Justin Kitzes and Daniel Turek and Fatma Deniz: The practi-
ce of reproducible research: case studies and lessons from the
data-intensive sciences, University of California Press (2017)

332
Modulkatalog Module Descriptions

5973 SQL for Data Science PN 472790

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Scherzinger
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierkenntnisse, Grundlagen Datenbanken- und Infor-

Recommended skills mationssysteme (DBIS I + II)
Programming skills, fundamentals of databases and informa-
tion systems (DBIS I + II)

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering, Master Wirtschafts-

Studiengängen informatik, Master Business Administration
Applicability for other courses Master Artificial Intelligence Engineering, Master Information
Systems, Master Business Administration

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes SQL proficiency within the context of data science; Under-
standing of the data life cycle; Handling non-traditional data

333
Modulkatalog Module Descriptions

formats like XML and text; Integration of SQL with program-

ming languages
Fähigkeiten / Abilities
Perform data analysis tasks using SQL; Write efficient SQL
queries, avoid SQL anit-patterns; Understand and navigate
the data life cycle; Handle diverse data formats for analysis;
Utilize SQL in conjunction with R and Python for enhanced
data analysis capabilities
Kompetenzen / Competencies
Proficiency in SQL for data science applications; Competence
in data loading, cleaning, and pre-processing; Ability to apply
SQL queries for data exploration, cleaning, and transformati-
on; Capability to integrate SQL with programming languages
for enhanced data analysis workflows

Inhalt This advanced database class offers a comprehensive under-

Course content standing of the data life cycle and the potential of SQL in
various data analysis tasks. Students explore topics ranging
from data loading and cleaning to pre-processing, while mas-
tering relational databases and handling non-traditional data
formats such as XML and text. Integration with programming
languages like R and Python further enriches students’ abili-
ties, enabling seamless interaction with databases and enhan-
cing data analysis workflows. Practical exercises and hands-on
experience with MySQL and Postgres databases solidify stu-
dents’ competencies, equipping them with the essential skills
to excel in data science and database management roles.

Studien-/Prüfungsleistungen 60-minütige Klausur

Assessment 60-minute written examination

Medienformen Präsentation und Beamer, Arbeitsblätter

Media used Presentation and projector, worksheets

Literatur Antonio Badia: SQL for Data Science - Data Cleaning, Wrang-
Reading list ling and Analytics with Relational Databases. Springer 2020

Bill Karwin: SQL Antipatterns. Pragmatic Programmers, LLC,

2017

Raghu Ramakrishnan, Johannes Gehrke: Database Manage-

ment Systems. McGraw-Hill, 3rd edition, 2020

334
Modulkatalog Module Descriptions

5980 Text Mining PN 405024

Häufigkeit des Modulangebots In der Regel jedes Sommersemester

Frequency of course offering Usually every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Mitrovic
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 50 Std. Übungen + 85 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
75 contact hours + 50 hrs exercises + 85 hrs independent
study and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra, Wahrscheinlichkeitsrechnung, Programmier-

Recommended skills kenntnisse in Java oder Python
Linear Algebra, probability theory, programming in java or py-
thon

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden sollen die Grundlagen des Text-Mining ver-
stehen. Sie erwerben Kenntnisse über textorientierte Algorith-
men mit deren Hilfe Kerninformationen der verarbeiteten Tex-

335
Modulkatalog Module Descriptions

te schnell erkannt werden.

—
The students have an understanding of the basic concepts of
text mining. They know text-orientated algorithms for iden-
tifying core information of processed texts quickly.
Kompetenzen / Competencies
Die Studierenden erwerben die Kompetenzen, einen Textkor-
pus zu analysieren und interessante Muster zu extrahieren.
—
The students acquire the skills to analyse a text corpus and
extract interesting patterns.

Inhalt Text-Mining ist ein Bündel von Algorithmus-basierten Ana-

Course content lyseverfahren zur Entdeckung von Bedeutungsstrukturen aus
un- oder schwachstrukturierten Textdaten. Qualitativ hoch-
wertige Information wird in der Regel durch die Erkennung
von Mustern und Trends abgeleitet. Dies beinhaltet Verfahren
zur Strukturierung der Eingangstexte (in der Regel ein Parsing
unter Berücksichtigung linguistischer Merkmale), eine Muste-
rerkennung und schließlich Auswertung und Interpretation der
Ausgabe.
Die folgenden Inhalte werden geboten:
• Text Processing und Edit Distance
• Language Modeling
• Text Classification und Sentiment Analysis
• Maxent Model und Named Entity Recognition
• POS Tagging / Parsing
• Lexical Semantics
• Informationsextraktion
• Trend und Topic Detection

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 15 min mündliche Prüfung. Die ge-
Assessment naue Prüfungsart wird zu Beginn des Semesters bekannt ge-
geben.
90-minute examination or 15-minute oral examination. The
precise mode of assessment will be announced at the start of
the semester.

Medienformen Tafel, Projektor, Rechner

Media used Blackboard, projector, computer

Literatur Christopher Manning und Hinrich Schütze. Foundations of

Reading list Statistical Natural Language Processing
Christopher D. Manning, Prabhakar Raghavan and Hinrich
Schütze, Introduction to Information Retrieval
Eigenes Skriptum / Lecture notes

336
Modulkatalog Module Descriptions

5981 Text Mining Project PN 405025

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Granitzer
Module convenor

Dozent(in) Mitrovic
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3V + 3Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 60 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 60 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 8
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra, Wahrscheinlichkeitsrechnung, Programmier-

Recommended skills kenntnisse in Java oder Python
Linear Algebra, probability theory, programming in java or py-
thon

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen in der praktischen Anwendung grund-
legende Konzepte und die wichtigsten Methoden zur Analyse
von Textdaten.

337
Modulkatalog Module Descriptions

—
The students learn basic concepts and the most important
methods for analyzing text data in a practical application.
Kompetenzen / Competencies
Die Studierenden erwerben die Grundkompetenzen in Python
und der NLTK (Natural Language Toolkit) Bibliothek. Diese
Kompetenz erlaubt die Extraktion nützlicher Information aus
unstrukturierten Texten, um damit eine breite Palette von rea-
len Anwendungen anzugehen.
—
Students acquire the basic competencies in Python and the
NLTK library. With these competencies the students are able
to extract useful information from unstructured texts from a
broad scope of real-life applications.

Inhalt Der Kurs bietet eine leicht zugängliche Einführung in das Text
Course content Mining und die Verarbeitung natürlicher Sprache (NLP). Das
Thema erlaubt eine Vielzahl von Anwendungen, von der au-
tomatischen Worterkennung und Email-Filterung bis hin zur
automatischen Zusammenfassung und Übersetzung. Die Teil-
nehmer lernen, wie man Python-Programme erstellt, um große
Sammlungen unstrukturierter Texte automatisch zu verarbei-
ten. Ebenso, wie man Sprach-Ressourcen (reich annotierte Da-
tensätze) mittels einer umfassenden Palette an linguistischer
Datenstrukturen verwendet. Die Teilnehmer lernen die wich-
tigsten Algorithmen für die Analyse des Inhalts und der Struk-
tur schriftlicher Kommunikation kennen. Dies wird vermittelt
anhand umfangreicher Beispiele und Übungen.
Beispielsweise lernen die Teilnehmer:
• Die Informationsgewinnung aus unstrukturierten Tex-
ten, zur Themen-Erkennung (Topic Detection) oder der
Identifikation wichtiger Begriffe (Named Entitites)
• Die Analyse linguistischer Strukturen im Text; ein-
schließlich Parsing und semantischer Analyse
• Zugriff auf linguistische Datenbanken inklusive WordNet
und Treebanks
• Die Integration von Techniken aus so unterschiedlichen
Bereichen wie der Linguistik und der künstlichen Intel-
ligenz
Der Kurs vermittelt praktische Fähigkeiten in der Verarbeitung
natürlicher Sprache mit Hilfe der Programmiersprache Python
und dem Natural Language Toolkit (NLTK).
Mögliche Projektarbeiten umfassen die automatische Text-
Analyse Sozialer Medien (bspw Twitter), die Analyse multi-
lingualer Nachrichtenquellen, die Erzeugung von Sprachres-
sourcen, oder die Erzeugung eines Wissensgraphs mittels Wi-

338
Modulkatalog Module Descriptions

kipedia.
Die folgenden Inhalte werden im Detail geboten:
• Language Processing and Python
• Accessing Text Corpora and Lexical Resources
• Processing Raw Text
• Categorizing and Tagging Words
• Learning to Classify Text
• Extracting Information from Text
• Analyzing Sentence Structure
• Building Feature-Based Grammars
• Analyzing the Meaning of Sentences
• Managing Linguistic Data

Studien-/Prüfungsleistungen Projektarbeit, bestehend aus Source-Code, schriftliche Ausar-

Assessment beitung in Form eines technischen Berichts und Präsentation
der Arbeit
Project work: source code, technical report and presentation

Medienformen Tafel, Projektor, Rechner

Media used Blackboard, projector, computer

Literatur Steven Bird, Ewan Klein and Edward Loper (2009), Natural
Reading list Language Processing with Python, O’Reilly Media
Eigenes Skriptum / Lecture Notes

339
Modulkatalog Module Descriptions

5982 Preference-based Information Retrieval PN 455365

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Endres
Module convenor

Dozent(in) Endres
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Datenbanken und Informationssysteme

Recommended skills Databases and Information Systems

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Grundbegriffe von Präferenz-
basiertem Information Retrieval und Personalisierung. Sie wis-
sen, welche Methoden und Techniken wann eingesetzt werden
können. Darüber hinaus kennen sie diverse Anwendungen und
die Vorteile und Nachteile der Personalisierung.

340
Modulkatalog Module Descriptions

—
The students know the basic concepts of preference-based in-
formation retrieval and personalization, and know when to
use which technique. They also know different applications
and the advantages and disadvantages of personalization.
Fähigkeiten / Abilities
Die Studierenden besitzen die Fähigkeit die Konzepte und Me-
thoden, Verfahren und Technologien von präferenz-basiertem
Information Retrieval zu verstehen, zu bewerten und anzuwen-
den.
—
The students have the ability to understand, evaluate, and to
create applications using the concepts, methods, and techno-
logies of preference-based information retrieval.
Kompetenzen / Competencies
Die Studierenden erwerben die Kompetenzen für gegebene
Daten und Aufgabenstellungen selbständig präferenz-basierte
Information Retrieval Anwendungen zu entwickeln. Darüber
hinaus können die Studierenden weiterführende komplexe Pro-
blemstellungen auf dem Gebiet der Datenbanken und Informa-
tionssysteme, insbesondere unter Verwendung von präferenz-
basiertem Information Retrieval und Personalisierung analy-
sieren, bewerten und lösen.
—
Students acquire the skills to develop preference-based infor-
mation retrieval applications for given data and tasks inde-
pendently. In addition, the students are able to analyze, eva-
luate and solve complex problems in the field of databases
and information systems, in particular using preference-based
information retrieval and personalization.

Inhalt Präferenzen sind ein fundamentales, multidisziplinäres Kon-

Course content zept für mannigfaltige Anwendungsgebiete, insbesondere auch
im Bereich der Datenbanken und Suchmaschinen. Die Vorle-
sung behandelt grundlegende Konzepte von Präferenzen in
Datenbanksystemen, Personalisierung, präferenzbasierte Su-
che und Information Retrieval. Insbesondere werden verschie-
dene Präferenzmodelle, Präferenz-Sprachen, algebraische und
kostenbasierte Präferenzanfrage-Optimierung, sowie Auswer-
tungsalgorithmen besprochen.
—
Preferences are a fundamental, multidisciplinary concept for
diversified applications, in particular in the field of databa-
ses and search engines. This lecture deals with the basic
concepts of preferences in database systems, personalizati-
on, preference-based search and information retrieval. We will

341
Modulkatalog Module Descriptions

consider different preference models, preference query langua-

ges, algebraic and cost-based preference query optimization,
as well as algorithms for preference evaluation.

Studien-/Prüfungsleistungen 60 min Klausur oder ca. 15min mündliche Prüfung. Die genaue
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
60 min examination or 15 minute oral examination. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Tafel, Projektor

Media used Blackboard, projector

Literatur Kießling: Foundations of Preferences in Databases

Reading list Kießling: Preference Queries with SV-Semantics
Kießling, Endres, Wenzel: The Preference SQL System – An
Overview
Kaci: Working with Preferences: Less is More
Stefanidis, Kutrika, Pitoura: A Survey on Representation,
Composition and Application of Preferences in Database Sys-
tems
Chomicki: Preference Formulas in Relational Queries
Satzger, Endres, Kießling: A Preference-Based Recommender
System
Ciaccia: Processing Preference Queries in Standard Database
Systems
Braman, Domshlak: Preference Handling: An Introductory Tu-
torial
Arvanitis, Koutirka: Towards Preference-Aware Relational Da-
tabases
Roocks, Endres, Huhn, Kießling, Mandl: Design and Imple-
mentation of a Framework for Context-Aware Preference Que-
ries
Mandl, Kozachuk, Endres, Kießling: Preference Analytics in
EXASolution
Endres, Weichmann: Index Structures for Preference Databa-
se Queries
Endres, Preisinger: Beyond Skylines: Explicit Preferences
Endres, Roocks, Kießling: Scalagon: An Efficient Skyline Al-
gorithm for all Seasons

342
Modulkatalog Module Descriptions

5983 Big Data Management PN 455374

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Endres
Module convenor

Dozent(in) Endres
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Kenntnisse in Relationaler Algebra, SQL, z.B. aus einer vor-
Recommended skills herigen Datenbankvorlesung
Comprehension of the relational data model, relational alge-
bra, and SQL language, obtained, e.g., from a database course

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Students understand the design goals, benefits and drawbacks
Learning outcomes of NoSQL database systems.
They are able to decide which database system is appropriate
for a given application depending on suitable criteria. They can

343
Modulkatalog Module Descriptions

design database structures for different NoSQL data models.

They understand the implementation of internal components
and storage structures of selected database systems.

Inhalt This course covers recent trends in data management (e.g.,

Course content so-called NoSQL databases) that go beyond the traditional re-
lational data model. Such systems are designed to fulfill novel
requirements (e.g., the ability to scale out or schema flexibi-
lity). They often relax requirements of traditional relational
databases (e.g., consistency). In the course, we will discuss
different approaches to model, manage, store, and retrieve
data.

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 15min mündliche Prüfung. Die genaue
Assessment Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
90 min examination or 15 minutes oral examination. The pre-
cise mode of assessment will be announced at the start of the
semester.

Medienformen Tafel, Projektor

Media used Blackboard, projector

Literatur Advanced Data Management, Lena Wiese

Reading list MongoDB: The Definitive Guide, Shannon Bradshaw, Kristina
Chodorow
Cassandra: The Definitive Guide, Jeff Carpenter
Graph Algorithms: Practical Examples in Apache Spark and
Neo4j
High Performance Spark: Best practices for scaling optimizing
Apache Spark, Holden Karau
Learning Spark: Lightning-Fast Data Analysis, Holden Karau
Advanced Analytics with Spark: Patterns for Learning from
Data at Scal, Josh Wills

344
Modulkatalog Module Descriptions

5992 Stochastische partielle Differentialgleichungen PN 405245

Stochastic Partial Differentioal Equations

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 150 Std. Nachbearbeitung des Vorlesungs-

Workload stoffs und Prüfungsvorbereitung
60 contact hours + 150 hours independent study and exam
preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II, Einführung in die Sto-
Recommended skills chastik, Stochastische Analysis, Stochastische Differentialglei-
chungen
Linear Algebra I + II, Analysis I + II, Introductory Stochastics,
Stochastic Analysis, Stochastic Differential Equations

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Grundlagen der Theorie semi-linearer stochastischer partieller

345
Modulkatalog Module Descriptions

Differentialgleichungen und der zugrundeliegenden Konzepte

aus der Funktionalanalysis und Wahrscheinlichkeitstheorie
—
Basic knowledge on semi-linear stochastic partial differential
equations and the underlying concepts from functional analy-
sis and probability theory
Fähigkeiten / Abilities
Beherrschung und Anwendung der Grundbegriffe aus der
Theorie stochastischer partieller Differentialgleichungen und
der zugrundeliegenden Konzepte aus der Funktionalanalysis
und Wahrscheinlichkeitstheorie
—
Good command of and ability to apply the basic principles
of semi-linear stochastic partial differential equations and the
underlying concepts from functional analysis and probability
theory

Inhalt Funktionalanalytische Konzepte:

Course content Nukleare Operatoren, Hilbert-Schmidt-Operatoren, Diagonal-
operatoren auf Hilberträumen, Interpolationsräume für Diago-
naloperatoren, Halbgruppen beschränkter linearer Operatoren.
Wahrscheintlichkeitstheoretische Konzepte:
Banachraumwertige Zufallsvariablen und stochastische Pro-
zesse, unendlich-dimensionale Brownsche Bewegung, stochas-
tische Integration bezüglich unendlich-dimensionaler Brown-
scher Bewegungen.
Stochastische partielle Differentialgleichungen:
Lösungskonzepte, Existenz und Eindeutigkeit, Eigenschaften
von Lösungen.
—
Functionalanalytic concepts:
Nuclear operators, Hilbert-Schmidt-operators, diagonal ope-
rator on Hilbert spaces, interpolation spaces associated with
diagonal operators, semi-groups of bounded linear operators.
Concepts from probability theory:
Banach space valued random variables and stochastic proces-
ses, infinite-dimensional Brownian motion, stochastic integra-
tion wrt. infinite-dimensional Brownian motion.
Stochastic partial differential equations:
Types of solutions, existence and uniqueness, properties of so-
lutions.

Studien-/Prüfungsleistungen Klausur (120 Minuten) oder mündliche Prüfung (ca. 30 Mi-

Assessment nuten). Die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
Written examination (120 minutes) or oral examination (about

346
Modulkatalog Module Descriptions

30 minutes). The exact mode of assessment will be indicated

at the beginning of the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Nach Empfehlung des Dozenten

Reading list Announced during the lecture

347
Modulkatalog Module Descriptions

5994 Numerik der Polynom- und rationalen Approximation PN 485383

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein
Module convenor

Dozent(in) Forster-Heinlein
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 30+15 Std. Präsenz + 50+55 Std. Eigenarbeitszeit

Workload 30+15 contact hours + 50+55 hours lecture and tutorials
follow-up and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II, Vorlesung zur Numerik
Recommended skills Linear Algebra I + II, Analysis I + II, lecture on numerics

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen nach dieser Vorlesung die Konzepte
der Polynomapproximation und der rationalen Approximati-
on. Sie verstehen die Tchebycheff-Approximation und deren
numerische Anwendung. Insbesondere kennen und verstehen
sie die unterschiedlichen Konvergenzeigenschaften für Funkti-
onsklassen mit unterschiedlicher Regularität.

348
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden können Approximationsverfahren implemen-
tieren, modifizieren und in gewissem Rahmen auch neu entwi-
ckeln. Insbesondere können sie Polynom-Approximation und
rationale Approximation mit anderen Verfahren vergleichen
und bewerten. Die Studierenden haben die Kompetenz, mit
polynomialen und rationalen Approximationsverfahren theore-
tisch und praktisch umzugehen.

Inhalt Tchebycheff-Polynome zur Interpolation und Approximati-

Course content on, Baryzentrische Interpolation, Gibbs Phänomene, Alia-
sing, Kriterien zur Konvergenzgeschwindigkeit der Appro-
ximation, Runges Phänomen, Polynomiale und Rationale
Best- und Near-Best-Approximation, Orthogonalpolynome,
Carathéodory-Féjer-Approximation

Studien-/Prüfungsleistungen 60 min Klausur oder ca. 20 min mündliche Prüfung. Die ge-
Assessment naue Prüfungsart wird zu Beginn des Semesters bekannt ge-
geben.
60-minute written examination or 20-minute oral examinati-
on. The precise mode of assessment will be announced at the
beginning of the semester

Medienformen Präsentation, Beamer, Übungsblätter

Media used Presentation, projector, exercise sheets

Literatur Lloyd N. Trefethen: Approximation Theory and Approximation

Reading list Practice. SIAM, 2013

349
Modulkatalog Module Descriptions

5995 Advanced Imaging PN 454020

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I/II, Lineare Algebra I/II, Bildverarbeitung

Recommended skills Analysis I,II, Linear Algebra I,II, Basics of image and signal
processing

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen fortgeschrittene, moderne Methoden
der Bildverarbeitung.
—
Students know advanced modern methods of image proces-

350
Modulkatalog Module Descriptions

sing.
Fähigkeiten / Abilities
Die Studierenden können die Herleitung der Methoden nach-
vollziehen und darauf basierend neue Methoden entwickeln
und adaptieren.
—
Students are able to understand the derivation of methods
and are able to use this ability to develop and adopt new me-
thods.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, fortgeschrittene Kon-
zepte und Methoden der Bildverarbeitung für konkrete Pro-
bleme einzusetzen und zu evaluieren.
—
Students have the competences to use and evaluate advanced
concepts and methods of image processing.

Inhalt Diffusionsmethoden für Entrauschen und Komprimierung, ma-

Course content schinelles Lernen, Impainting, Sparsity/Compressive Sensing
—
Diffusion methods for noise reduction and compression, ma-
chine learning, impainting, sparsity/compressive sensing

Studien-/Prüfungsleistungen Schriftliche Prüfung (90 Minuten) oder mündliche Prüfung

Assessment (ca. 20 Minuten)
Written exam (90 minutes) or oral examination (about 20 mi-
nutes)

Medienformen Präsentation und Beamer

Media used Presentation and projector

Literatur Stockhausen, Methoden der Digitalen Signalverarbeitung

Reading list Mallat, A Wavelet Tour to Signal Processing
Originalarbeiten

351
Modulkatalog Module Descriptions

5996 Markovketten PN 455346

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Gilch
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 2Ü
Contact hours

Arbeitsaufwand 45 + 30 Std. Präsenz, 75 + 60 Std. Eigenarbeitszeit

Workload 45 + 30 hours, 75 + 60 hours exercises and independent study
and exam preparation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Lineare Algebra I, Einführung in die Stochastik

Recommended skills Analysis I, Linear Algebra I, Introduction to Stochastics

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erhalten einen Überblick über die Theorie
Learning outcomes von Markovketten. Das beinhaltet die Vermittlung der grund-
legenden Konzepte von Markovketten, unterschiedlicher Ver-
halten von Irrfahrten auf unendlichen Zustandsräumen als
auch verschiedener Anwendungsmöglichkeiten. Ferner wird
den Studierenden das Zusammenspiel verschiedener mathe-
matischer Bereiche (Wahrscheinlichkeitstheorie, Analysis, Al-

352
Modulkatalog Module Descriptions

gebra, Graphentheorie) demonstriert.

—
The students shall get an overview on Markov chain theory.
They shall acquire the basic concepts of Markov chains, dif-
ferent behaviours of random walks on infinite structures and
their applications. Furthermore, the interplay of different ma-
thematical fields (Probability Theory, Analysis, Algebra, Graph
Theory) will be demonstrated.

Inhalt Grundlagen der Theorie von Markovketten, Rekurrenz und

Course content Transienz, invariante Maße und Gleichgewichte, Stoppzeiten,
Erzeugendenfunktionen, Irrfahrten auf Graphen und Grup-
pen, Asymptotisches Verhalten von Markovketten und Tail-
σ-Algebra, verzweigende Irrfahrten
—
Fundamental basics of Markov chain theory, recurrence and
transience, invariant measures and equilibria, stopping times,
generating Functions, random Walks on Graphs and Groups,
asymptotic behaviour of Markov chains and tail-σ-algebra,
branching random walks

Studien-/Prüfungsleistungen 90 minütige schriftliche Prüfung oder mündliche Prüfung (ca.

Assessment 30 Minuten); die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben.
90 minute written or 30 minute oral examination. The preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Tafel, Beamer

Media used Blackboard, Beamer

Literatur P. Brémaud: „Markov Chains: Gibbs Fields, Monte Carlo Si-

Reading list mulation, and Queues“, Springer, 1999.
R. Durett: „Probability. Theory and Examples. (Fourth Editi-
on)“, Cambridge University Press, 2010.
G. Grimmett and D. Welsh: „Probability: An Introduction“,
Oxford University Press, 2014.
W. Woess: „Denumerable Markov Chains“, European Mathe-
matical Society Publishing House, 2009.

353
Modulkatalog Module Descriptions

6001 Ideation & Prototyping for Industrial Innovation PN 479551

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 3Ü
Contact hours Während den Übungsterminen gilt Anwesenheitspflicht.

Arbeitsaufwand 30 Std Präsenz und 120 Std. Vor- und Nachbereitung

Workload Gesamt: 150 Std.

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung in Java, Mensch-Maschine-Interaktion, MES

Recommended skills Praktikum oder SEP, zusätzlich ggf. Verteilte Systeme
Programming in Java, Human-Computer-Interaction, MES
Practical, SEP, Distributed Systems

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben vertiefte Fachkenntnisse und deren
praktische Umsetzung im Bereich des Prototypings und der
Ideation. Diverse Methoden und „best practices“ der Ideation,
von der Ideengenerierung, deren Entwicklung und Kommuni-
kation werden präsentiert und praktisch in Gruppenarbeiten

354
Modulkatalog Module Descriptions

umgesetzt. Unterstützt durch das im Lehrstuhleigenen Fab-

Lab können praxisnahe, physische Prototypen unter Aufsicht
eines Coaches erstellt werden.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage, kreative Ideation Prozes-
se praktisch auf gegebene Problemstellungen anzuwenden und
umzusetzen. Die Studierenden vertiefen Ihr Wissen im Bereich
der Ideation und des Rapid Prototypings und können im Fa-
bLab erste Erfahrungen mit dem 3D Druck und dem Einsatz
eines Lasercutters für die Prototypgestaltung sammeln. Stu-
dierende sind in der Lage physische Prototypen mit integrierter
Logik zu entwerfen und zu designen und zu programmieren.
Kompetenzen / Competencies
Die Studierenden können die gegebenen Problemstellungen
kompetent analysieren, geeignete Methoden der Ideation und
des Prototypings auswählen und dieser praktisch anwenden.
An Hand der Ergebnisse können die Studierenden eine Bewer-
tung der Ergebnisse vornehmen und diese interpretieren und
mit agilen Methoden schrittweise anpassen und verfeinern.

Inhalt Methoden des Ideation & Prototypings werden den Studieren-

Course content den im Bezug zu realitäts(praxis)- bzw. forschungsnahe The-
menstellungen vorgestellt. Während der Übungstermine wer-
den in Teams ausgewählte Methoden praktisch angewandt und
Umgesetzt. Dies deckt den kompletten Bereich, von der krea-
tiven Ideenfindung bis hin zu einem fertigen, präsentierbaren
(low/high)-fidelity Prototypen durch Einsatz von Werkzeugen
im lehrstuhleigenen FabLab ab.

Studien-/Prüfungsleistungen Portfolio-Prüfung, die genaue Prüfungsart wird zu Beginn des

Assessment Semesters durch Aushang auf den Internetseiten der Fakultät
bzw. in der Vorlesung bekannt gegeben.
mögliche Portfoliobestandteile sind:
• Anfertigung von geeigneten Prototypen und Entwürfen
für Benutzungsschnittstellen für vorgegebene Anwen-
dungskontexte und deren Dokumentation
• Entwurf, Durchführung, Dokumentation und Auswer-
tung kleiner Benutzerstudien
• Präsentation der erstellten Materialien unter Einsatz
geeigneter Präsentationstechniken, z.B. PowerPoint,
Desktopreviews, Postern, Flipchart, Whiteboard, Tafel
Portfolio-exam, the exact mode of assessment will be announ-
ced at the start of the semester.

Medienformen Präsentation
Media used Presentations

355
Modulkatalog Module Descriptions

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

356
Modulkatalog Module Descriptions

6003 Science and Technology Project in Physical Making, PN 455342

Prototyping and Testing

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 8P
Contact hours Für ausgewählte Kolloquien, Workshops, sowie für spezifische
Laborarbeiten die im Rahmen einer spezifischen Themenstel-
lung notwendig sind, besteht Anwesenheitspflicht.
Begründung der Anwesenheitspflicht bei Laborarbeiten: Die
Aufgabenstellung kann besondere Ausstattung (Geräte, Ar-
beitsplätze, etc.) erfordern, die nur in den Laboren und Räu-
men der Universität in geeigneter Weise zur Verfügung steht.
Ferner ist ggf. eine direkte Betreuung und Unterweisung an
speziellen Geräten notwendig bzw. eine Aufsicht der Nutzung
der Labore. Daher ist in der Regel eine Bearbeitung außerhalb
dieses Kontextes nicht möglich und die Anwesenheit Voraus-
setzung für die erfolgreiche Bearbeitung.

Arbeitsaufwand 40 Std. Einarbeitung in wissenschaftliche Themenstellung +

Workload 45 Std. Literaturrecherche + 25 Std. Projektmanagement +
70 Std. Analyse und Spezifikation + 110 Std. Entwurf und
Implementierung + 40 Std. Validierung und Evaluation + 10
Std. Berichterstellung + 10 Std. Kolloquien und deren Vorbe-
reitung + 10 Std. Präsentation und deren Vorbereitung
Gesamt: 360 Std.

ECTS 8
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per

357
Modulkatalog Module Descriptions

the study and examination

regulations

Empfohlene Vorkenntnisse Writing Technical and Scientific Reports, Mobile Human-

Recommended skills Computer Interaction oder Grundlagen der Mensch-Maschine
Interaktion
Writing Technical and Scientific Reports, Mobile Human-
Computer Interaction or Basics of Human-Computer-
Interaction

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die grundlegenden Vorgehenswei-
sen, Methoden und Werkzeuge eines Nutzer-zentrierten und
Technologie-orientierten Making-Prozesses kennen. Die Stu-
dierenden erwerben Kenntnisse über Ideation und Kreativi-
tätsprozesse und unterstützende Methoden und Werkzeuge.
Dazu zählt auch die Gestaltung der Arbeits- und Ideationum-
gebung. Die Studierenden kennen die notwendigen Basistech-
nologien und deren Vor- und Nachteile in den verschiedenen
Einsatzbereichen, z.B. additive und subtraktive Fertigungs-
verfahren inklusive den notwendigen Grundlagen der verwen-
deten Werkstoffe und Materialien. Die Studierenden kennen
grundlegende Technologien und Werkzeuge zur Entwicklung
digitaler Prototypen und Demonstratoren. Sie wissen sie vor-
gefertigte, kommerziell verfügbare elektronische Module zur
Sensor- und Aktor-Steuerung an Standard-Plattformen (In-
tel Edison, ARM Cortex) anbinden um interaktive Systeme
zu realisieren. Sie kennen einfache Programmierumgebungen
und -werkzeuge diese Prototyping-Prozesse bestmöglich un-
terstützen. Im Bereich der mobilen Technologien kennen die
Studierenden die grundlegenden Ansätze zur Programmierung
Android-basierter mobiler Endgeräte (Smartphones, Weara-
bles, SmartHome, Digital Health, ...).
Fähigkeiten / Abilities
Die Studierenden können ausgewählte Kreativitätstechniken
anwenden um in interdisziplinären Teams Ideen und Lösungs-
vorschläge unter Anwendung methodischer Vorgehensweisen
zu erarbeiten. Sie kennen Prototyping-Werkzeuge und Maker-
Technologien zur Umsetzung von Konzeptstudien und Pro-
totypen. Sie können Software- und Hardware Werkzeuge an
Hand der jeweiligen Anforderungen des Prototyps bewerten
und auswählen und einfache Prototypen mit Hilfe geeigne-

358
Modulkatalog Module Descriptions

ter Maschinen umsetzen. Sie kennen Software-Werkzeuge zur

Modellierung und können einfache Werkstücke erstellen bzw.
bearbeiten, z.B. 3D Modeller für den 3D Druck oder CNC Frä-
sen für subtraktive Werkstückbearbeitung. Sie kennen grund-
legende Prototyping-Umgebungen und können einfache einge-
bettete Systeme mit Sensoren, Aktoren und Kommunikations-
systemen programmieren und zu einem interaktiven System
verknüpfen. Sie können einfache Programme für die Android-
Plattform schreiben um interaktive Prototypen für Smart-
phone, Wearable, SmartHome, Digital Health und andere
Android-basierte Systeme umzusetzen.
Die Studierenden erwerben erste praktische Erfahrungen in der
Anwendung der entsprechenden Technologien und Methoden
aus dem Kerngebiet dieser Lehrveranstaltung.
Kompetenzen / Competencies
Die Studierenden können die Themenstellung kompetent
analysieren, Ideen dazu erstellen und bewerten, geeignete
Prototyping-Methoden auswählen, Evaluationsmethoden be-
werten und wählen sowie die Datenerfassung und -auswertung
planen und durchführen. An Hand der Ergebnisse können die
Studierenden eine Bewertung der Ergebnisse vornehmen und
diese interpretieren. Die Studierenden können einfache Fall-
stellungen selbst umsetzen und bewerten.

Inhalt Im Rahmen des Praktikums wird eine realitäts- bzw. for-

Course content schungsnahe Problemstellung aus dem Kontext des Studien-
ganges mittels der Problemstellung angemessener Methoden
und Werkzeuge weitestgehend eigenständig bearbeitet. Da-
bei werden geeignete Vorgehensweisen zur Projekt- und Ar-
beitsorganisation angewendet. Das jeweils entsprechend der
Aufgaben- und Problemstellung angemessene Vorgehen ent-
spricht dabei so weit wie möglich der bestehenden Praxis in
der wissenschaftlichen Arbeit, Praxis und Forschung.
Es wird ein komplexes Projekt systematisch bearbeitet. Die
Bearbeitung des Projektes erfolgt dabei allein durch den Stu-
dierenden. Die durchzuführende Projektarbeit wird geeignet in
bearbeitbare Arbeitspakete unterteilt. Die Umfänge und Ge-
wichtungen der einzelnen Aktivitäten eines jeden Arbeitspa-
kets sind dabei von der konkreten Problemstellung abhängig.
Dies gilt ebenfalls für die konkret anzuwendenden Methoden
bzw. einzusetzenden Werkzeuge. Diese können auf Grund der
Vielfältigkeit des Studiengangs nur im Kontext der konkreten
Problemstellung ausgewählt werden.
Die Studierenden erhalten in Workshops und durch Coachings
und Hands-on Einführungen didaktisch aufbereitete Einfüh-
rungen in die verschiedenen Technologien, Werkzeuge und

359
Modulkatalog Module Descriptions

Methoden. In gemeinsamen Sitzungen werden repräsentative

Beispiele gemeinsam umgesetzt um die Studierenden danach
zu eigener Anwendung, ggf. nach zusätzlichem Selbststudium,
zu befähigen. Bei der Bearbeitung des vorlesungsbegleitenden
Projekts werden folgende Aktivitäten für die 1.) Implementie-
rung bzw. für die 2.) Mensch-Maschine-Interaktion bzw. für
die 3.) wirtschaftlichen und rechtlichen Aspekte abgedeckt:
1. Analyse
1.) Detaillierte Festlegung der Anforderungen an das System.
Beachtung der Grundprinzipien Präzision, Vollständigkeit und
Konsistenz. Der Inhalt umfasst das Systemmodell als Über-
sicht, die geeignete Beschreibung der Systemumgebung mit-
tels geeigneter Werkzeuge, sowie die Erfassung und Dokumen-
tation funktionaler und nicht-funktionaler Anforderungen.
2.) Für die Mensch-Maschine Interaktion sind, zusätzlich zu
den genannten Aufgaben, Prototyping-Methoden einzusetzen
(z.B. Wizard-of-Oz) bzw. Studien zur Identifikation der Nut-
zergruppen (z.B. Interviews) durchzuführen.
3.) Hierbei sollen insbesondere auch rechtliche und wirtschaft-
liche Aspekte behandelt werden.
2. Entwurf
1.) Hauptbestandteil ist ein systematischer Grobentwurf eines
Systems, das die in der Analyse ermittelten Anforderungen
bestmöglich erfüllt. Auf dieser Basis wird ein detaillierter Ent-
wurf ausgearbeitet, der mit der Problemstellung angemesse-
nen, domänenspezifischen Werkzeugen und Vorgehensweisen
das umzusetzende System spezifiziert und dokumentiert.
2.) Die Mensch-Maschine Interaktion ist, im Gegensatz zum
Hauptsystem, mittels Prototyping-Methoden agil und itera-
tiv zu entwerfen und zu validieren. Dazu sind z.B. Methoden
zur Erstellung horizontaler bzw. vertikaler High-Level/Low-
Level Prototypen aus dem Bereich der Mensch-Maschine-
Interaktion einzusetzen.
3.) Wirtschaftliche und rechtliche Aspekte sollten bei der
Machbarkeitsuntersuchung dediziert erfasst, bewertet und ein-
bezogen werden.
3. Umsetzung
1.) Im Rahmen der Umsetzung erfolgt die tatsächliche Reali-
sierung des entworfenen Systems. Das System besteht in der
Regel aus Software- und Hardware-Komponenten. Zur Rea-
lisierung sind bestehende, konfigurierbare Softwarebausteine
mit eigener Software zu ergänzen und zu einem lauffähigen
Gesamtsystem zu integrieren. Hierzu werden Methoden aus
dem Bereich der verteilten Systeme, z.B. Architekturentwurf,
oder der vernetzten Systeme, z.B. Socket-Programmierung,

360
Modulkatalog Module Descriptions

verwendet.
2.) Die Umsetzung der Mensch-Maschine Interaktion wird
durch spezielle Frameworks und Entwicklungssysteme unter-
stützt, z.B. aus dem Bereich mobiler Anwendungen.
3.) Geeignete Kalkulationen und rechtliche Bewertungen soll-
ten die Realisierbarkeit an Hand quantitativer Daten belegen.
4. Validierung und Verifikation
1.) Validierung und Verifikation der Ergebnisse von Entwurf
und Umsetzung auf Grundlage der durch Analyse bestimmten
Anforderungen.
2.) Die Anwendung ist durch geeignete Methoden aus dem
Bereich der Mensch-Maschine-Interaktion zu evaluieren und
die Ergebnisse sind kritisch zu diskutieren. Dazu können z.B.
Beobachtung, Fragebögen, Effizienz- und Fehlermessungen
bei der Interaktion eingesetzt werden. Zur Auswertung kom-
men geeignete Methoden aus der Mathematik und Statistik
zum Einsatz, sowie entsprechende Spezialsoftware (z.B. SPSS,
Matlab).
3.) Entsprechende Belege sind auch für wirtschaftliche Trag-
fähigkeit des Konzepts zu erbringen.
Allgemein gilt dabei:
Jedes Arbeitspaket kann eine oder mehrere dieser Aktivitä-
ten umfassen und jede Aktivität kann Gegenstand von ei-
nem oder mehreren Arbeitspaketen sein. Dabei müssen al-
le Inhalte der Aufgabenstellung durch Arbeitspakete adäquat
abgedeckt sein. In den einzelnen Arbeitspaketen kommen
projekt- und domänenspezifische Werkzeuge, Methoden und
Beschreibungs-sprachen zum Einsatz. Das Ergebnis eines je-
den Arbeitspaket ist ein eigenes Dokument, ggf. begleitet von
Software, ggf. begleitet von Anhängen mit z.B. Software oder
Beschreibungen von Hardwareblöcken in geeigneten Spezifi-
kationssprachen.
Jedes Arbeitspaket schließt mit einem kurzen Kolloquium ab,
in dem die Ergebnisse den Betreuern präsentiert und vertei-
digt werden. Das Kolloquium kann auch die Präsentation zu-
sammen mit anderen Teams umfassen um eine reflektive Dis-
kussion über die Ergebnisse und Vorgehensweisen zu ermög-
lichen. Zu jedem Kolloquium ist darüber hinaus ein Bericht
abzugeben. Der Studierende wird durch regelmäßige Treffen
mit dem Betreuer unterstützt, deren Häufigkeit der aktuellen
Phase bzw. dem Bearbeitungsfortschritt angemessen ist.
Das Praktikum schließt mit einem Abschlusskolloquium ab, in
dem das fertig entwickelte System präsentiert und abgenom-
men wird.
Programmiersprachen sind hauptsächlich: C/C++ / Java /

361
Modulkatalog Module Descriptions

JavaScript / Phyton
Darüber hinaus werden der Problemstellung angemessene spe-
zifische Werkzeuge und Methoden eingesetzt.

Studien-/Prüfungsleistungen Schriftliche Dokumentation in Form eines technischen Be-

Assessment richts, mündliche Kolloquien zu den Arbeitspaketen die durch
geeignete Medien (z.B. Folien) unterstützt werden, dokumen-
tierter und funktionsfähiger Prototyp inklusive Quelltext inkl.
aller zur
Demonstration notwendigen Informationen, sowie einer Sys-
temdemonstration und Präsentation im Rahmen einer Ab-
schlussveranstaltung.

Medienformen Präsentation mit Projektor, Gruppenarbeit, Wiki

Media used Presentation with projector, group work, wiki

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben und
Reading list richtet sich nach dem Leitthema des Jahrgangs.
Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

362
Modulkatalog Module Descriptions

6004 Embedded Systems Programming PN 479610

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4P
Contact hours Für die Lehrveranstaltung besteht Anwesenheitspflicht. Es fin-
det eine wissenschaftlich-technische Einführung zu den The-
men der Lehrveranstaltung statt, diese werden in den anschlie-
ßenden Übungen direkt mit der Übungsleitung praktisch um-
gesetzt.
Begründung: In der Lehrveranstaltung arbeiten die Teams von
Studierenden an einem größeren Projekt über das ganze Se-
mester hindurch. Es zu jedem Arbeitspaket bzw. Themenge-
biet ein Kolloquium statt, in denen über die Fortschritte be-
richtet, aufgetretene Probleme ausgetauscht und ihre Lösun-
gen diskutiert werden; am Ende findet ein Abschlusskolloqui-
um statt.
Wird keine umfassende Anwesenheit bei den Kolloquien ge-
fordert, wird die Kompetenz nicht geübt, vor anderen Studie-
renden zu präsentieren und auf ihre Fragen und Anmerkungen
(und nicht nur die des Dozenten) einzugehen und diese zu dis-
kutieren. Die Kompetenz, die präsentierten Inhalte zu analy-
sieren, bewerten und kritisch zu diskutieren ist eine wesentliche
Anwendung der Lehrveranstaltungsinhalte die nur bei Präsenz
eingeübt werden kann. Die vereinzelte Abwesenheit aus nicht
vom Studierenden zu vertretenden und nachgewiesenen Grün-
den ist möglich.
Darüber hinaus kann die spezifische Aufgabenstellung beson-
dere Ausstattung erfordern, die nur in den Laboren und Räu-
men der Universität in geeigneter Weise zur Verfügung steht.
Ferner ist ggf. eine direkte Betreuung und Unterweisung an
speziellen Geräten notwendig. Daher ist bei spezifischer Aufga-

363
Modulkatalog Module Descriptions

benstellung eine Bearbeitung außerhalb dieses Kontextes nicht

möglich und die Anwesenheit dann zwingende Voraussetzung
für die erfolgreiche Bearbeitung. Andernfalls ist die erfolgrei-
che Teilnahme an der Lehrveranstaltung gefährdet.

Arbeitsaufwand 60 Std. Präsenz und 150 Std. Vor- und Nachbearbeitung

Workload 60 hrs presence and 150 hrs self study

ECTS 8
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung in Java oder Grundlagen der Programmie-

Recommended skills rung 1 und 2, MES Praktikum oder SEP
Programming in Java or Programming 1 and 2, MES Practical
or SEP

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die Realisierung von umfangreichen
Engineering-Projekten aus dem Kontext Eingebetteter Syste-
me und die dazu notwendigen Vorgehensweisen, Methoden
und Werkzeuge kennen. Theoretische Kenntnisse vom Entwurf
hardwarenaher Systeme, der Entwicklung spezialisierter An-
wendungen und allgemeiner Software-Systeme werden prak-
tisch angewendet und durch die Systementwicklung eines kom-
plexeren Gesamtsystems vertieft.
Fähigkeiten / Abilities
Die Studierenden beherrschen die praktischen Fragestellungen
der Entwicklung und Umsetzung von Systemen bestehend aus
eingebetteten Systemen in technischen Kontexten. Die Stu-
dierenden beherrschen die relevanten Werkzeuge und Systeme
für die Entwicklung und Testung eingebetteter Systeme und
Entwicklungsparadigmen. Die Studierenden können in einem
kleinen Team effektive Lösungen erarbeiten und durchführen
und erfolgreich ein vorlesungsbegleitendes Projekt im Team
realisieren.
Kompetenzen / Competencies
Die Teilnehmer erlernen soziale Kompetenz durch die Team-

364
Modulkatalog Module Descriptions

arbeit und die notwendigen organisatorischen und fachlichen

Kompetenzen zur Durchführung von Projekten aus dem Kon-
text der eingebetteten Anwendungsentwicklung erfolgreich zu
bearbeiten. Teil des Lernziels besteht in der Abschätzung und
Kontrolle des Arbeitsaufwandes, sowie der Entwicklung von
Strategien zum erfolgreichen Projektmanagement. Dazu wer-
den Stundenzettel geführt.

Inhalt Im Rahmen der Lehrveranstaltung wird ein dem Umfang der

Course content Lehrveranstaltung angepasstes eingebettetes System realitäts-
nah entwickelt mittels der Problemstellung angemessener Me-
thoden und Werkzeuge im Team bearbeitet unter Anwen-
dung geeigneter Vorgehensweisen zur Projekt- und Arbeits-
organisation. Insbesondere werden Vorgehensweisen aus den
Bereichen Software Entwicklung (Prototyping, Entwicklung,
Test-Driven Development, Entwicklungsprozesse, Continous
Integration Server) und hardwarenahem Systems Engineering
(hardware in the loop (HIL), in-circuit debugging (ICD), Si-
mulationssysteme) eingesetzt. Das Vorgehen deckt sich soweit
möglich mit bestehender Praxis aus Industrie und Forschung.
Teams von in der Regel 2-3 Studierenden bearbeiten in der
Übung gemeinsam und systematisch ein kleineres Projekt, das
in mehrere Arbeitspakete strukturiert ist. Die genaue Aufga-
benstellung wird zu Beginn der Lehrveranstaltung schriftlich
in Form einer Zielvorgabe mit minimalen Eigenschaften als
Bestehenskriterien vorgegeben.
Bei der Bearbeitung des vorlesungsbegleitenden Projekts wer-
den folgende Engineering-Aktivitäten abgedeckt:
1. Analyse
Detaillierte Festlegung der Anforderungen an das System. Be-
achtung der Grundprinzipien Präzision, Vollständigkeit und
Konsistenz. Der Inhalt umfasst das Systemmodell als Über-
sicht, die geeignete Beschreibung der Systemumgebung mit-
tels geeigneter Werkzeuge, sowie die Erfassung und Dokumen-
tation funktionaler und nicht-funktionaler Anforderungen.
2. Entwurf
Hauptbestandteil ist ein systematischer Grobentwurf eines
Systems, das die in der Analyse ermittelten Anforderungen
bestmöglich erfüllt. Auf dieser Basis wird ein detaillierter Ent-
wurf ausgearbeitet, der mit der Problemstellung angemesse-
nen, domänenspezifischen Werkzeugen und Vorgehensweisen
das umzusetzende System spezifiziert und dokumentiert.
3. Umsetzung
Im Rahmen der Umsetzung erfolgt die tatsächliche Realisie-
rung des entworfenen Systems. Das System besteht in der
Regel aus Software- und Hardware-Komponenten. Zur Rea-

365
Modulkatalog Module Descriptions

lisierung sind bestehende, konfigurierbare Softwarebausteine

mit eigener Software zu ergänzen und zu einem lauffähigen
Gesamtsystem zu integrieren. Hierzu werden Methoden aus
dem Bereich der verteilten Systeme, z.B. Architekturentwurf,
oder der vernetzten Systeme, z.B. Socket-Programmierung,
verwendet.
4. Validierung und Verifikation
Validierung und Verifikation der Ergebnisse von Entwurf und
Umsetzung auf Grundlage der durch Analyse bestimmten An-
forderungen.
Jedes Arbeitspaket kann eine oder mehrere dieser Aktivitä-
ten umfassen und jede Aktivität kann Gegenstand eines oder
mehrerer Arbeitspakete sein. Dabei müssen alle Aktivitäten
durch Arbeitspakete adäquat abgedeckt sein. In den einzel-
nen Arbeitspaketen kommen projekt- und domänenspezifische
Werkzeuge und Methoden zum Einsatz.
Zu allen Arbeitspaketen werden Arbeitseinheiten definiert, de-
ren Aufwand abgeschätzt und deren Realisierung z.B. anhand
einer Gantt-Chart organisiert und durchgeführt. Das Ergebnis
jedes Arbeitspakets wird durch einen kurzen Bericht doku-
mentiert, ggf. begleitet von Software. Aus dem Bericht sind
auch Aufwandsabweichungen und Korrekturen vorangegange-
ner Arbeitspakete ersichtlich.
Jedes Arbeitspaket schließt mit einem Kurzvortrag in der
nächsten Einheit ab. Die Teams werden durch ein festes wö-
chentliches Treffen mit dem Betreuer unterstützt.
Die Lehrveranstaltung schließt mit einem Abschlusskolloqui-
um ab, in dem das fertig entwickelte System präsentiert und
abgenommen wird.

Studien-/Prüfungsleistungen Schriftliche Dokumentation in Form eines technischen Be-

Assessment richts, mündliche Präsentationen zu den Arbeitspaketen die
durch geeignete Medien (z.B. Folien) unterstützt werden, do-
kumentierter und funktionsfähiger Quelltext inkl. aller zur
Demonstration notwendigen Informationen, sowie einer Sys-
temdemonstration im Rahmen des Abschlusskolloquiums.

Medienformen Präsentation mit Projektor, Gruppenarbeit, Wiki

Media used Presentation with projector, group work, wiki

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben.

Reading list Die Literatur wird in Abhängigkeit der konkreten Aufgaben-
stellung ausgewählt und bekanntgegeben.

366
Modulkatalog Module Descriptions

6020 Mathematische Logik PN 455362

Mathematical Logic

Häufigkeit des Modulangebots Jedes zweite oder dritte Semester

Frequency of course offering Every second or third semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kaiser, Müller

Module convenor

Dozent(in) Kaiser, Müller

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz, 120 + 60 Std. Eigenarbeitszeit und

Workload Prüfungsvorbereitung
60 + 30 contact hours, 120 + 60 hours independent study
and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine Vorkenntnisse notwendig. Nützlich: Theoretische Infor-

Recommended skills matik, Algebra
Nothing necessary. Useful: Theoretical Computer Science, Al-
gebra

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Working knowledge of

Learning outcomes • syntax and semantics of first-order logic
• formal notions proof and their equivalence

367
Modulkatalog Module Descriptions

• Gödel’s completeness theorem and the compactness

theorem
• formal notions of computation and their equivalence
• basics of (un)computability theory
• representations of computations in formal theories
• Gödel’s Incompleteness theorems

Inhalt Two of the most important achievements of mathematics in

Course content the last century are the formalization of the notion of com-
putation by Church and Turing, and Gödel’s Incompleten-
ess theorems. Both root in the so-called foundational crisis
of mathematics around 1900 and the birth of modern ma-
thematical logic. The course starts with an introduction to
the syntax and semantics of first-order logic and formal no-
tions of proof; it proves Gödel’s completeness theorem and
the compactness theorem. Its second part introduces formal
notions of computation and gives an introduction to the theo-
ry of (un)computability. The third part connects the first two
showing how to represent computations in formal theories of
arithmetic, and proves Gödel’s Incompleteness theorems.

Studien-/Prüfungsleistungen Zwei Teilleistungen:

Assessment Teilleistung 1 (2/3):
120-minütige Klausur oder mündliche Prüfung (ca. 30 Minu-
ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
Teilleistung 2 (1/3):
Ausarbeitung (bis zu 10 Seiten) über ein zusätzliches Thema
der mathematischen Logik.
Zum Bestehen des Moduls müssen beide Teilleistungen be-
standen werden.
Examination in two parts:
Part 1 (2/3):
120-minute written or oral exam of about 30 minutes. The
precise mode of assessment will be announced at the start of
the semester.
Part 2 (1/3):
Written work (up to 10 pages) on a subject from Mathemati-
cal Logic.
To pass the examination both parts have to be passed.

Medienformen Tafel
Media used blackboard

Literatur Ziegler, Mathematische Logik, Birkhäuser, 2010.

Reading list Hils, Loeser, A first journey through logic, Student Mathema-
tical Library 89, AMS, 2019.

368
Modulkatalog Module Descriptions

Ebbinghaus, Flum, Thomas, Mathematical Logic, Springer

1994
Ebbinghaus, Flum, Thomas, Einführung in die mathematische
Logik, 2018
Shoenfield, Mathematical Logic, Addison-Wesley, 1967

369
Modulkatalog Module Descriptions

6021 Mathematische Statistik PN 451013

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Gilch
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 45 + 15 Std. Präsenz, 90 + 30 Std. Eigenarbeitszeit

Workload 45 + 15 hrs presence, 90 + 30 hrs self study

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Einführung in die Stochastik

Recommended skills Analysis I, Introduction to Stochastic

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erhalten eine Einführung in die Mathemati-

Learning outcomes sche Statistik. Dies beinhaltet die Vermittlung der grundlegen-
den Konzepte der Statistik. Die besprochenen Hauptschwer-
punkte liegen hierbei in der Parameterschätzung sowie bei Hy-
pothesentests.
—
The students shall get an introduction on the theory of ma-
thematical statistics. They shall acquire the basic concepts of

370
Modulkatalog Module Descriptions

statistics. The main topics include the estimation of parame-

ters and testing of hypotheses.

Inhalt Parameterschätzung
Course content (Momenten-, ML-Schätzer), beste Schätzer, UMVU-Schätzer,
Suffizienz, wichtige Statistik-Sätze (Rao-Blackwell, Lehmann-
Scheffé, Cramér-Rao), exponentielle Familien, asymptotische
Eigenschaften von Schätzern, Konsistenz, Konfidenzbereiche,
ein-/ zweiseitige Hypothesentests, Unabhängigkeitstests, Li-
neare Modelle
—
Estimation of Parameters (moment and ML estimators), best
estimators, UMVU estimators, sufficiency, important statisti-
cal theorems (Rao Blackwell, Lehmann-Scheffé, Cramér-Rao),
exponential families, asymptotic properties of estimators, con-
sistency, confidence intervals, one-/two-sided hypothesis tests,
tests on independence, linear models

Studien-/Prüfungsleistungen Zwei Teilleistungen:

Assessment Teilleistung 1 (80%):
120-minütige schriftliche Prüfung oder mündliche Prüfung
(ca. 30 Minuten); die genaue Prüfungsart wird zu Semester-
beginn bekannt gegeben.
Teilleistung 2 (20%):
Ausarbeitung (bis zu 10 Seiten) über ein zusätzliches Thema
der Mathematischen Statistik.
Zum Bestehen des Moduls müssen beide Teilleistungen be-
standen werden.
Examination in two parts:
Part 1 (80%):
120 minutes written or 30 minute oral examination. The pre-
cise mode of assessment will be announced at the start of the
semester.
Part 2 (20%):
Written work (up to 10 pages) on a subject from Mathemati-
cal Statistics.
To pass the examination both parts have to be passed.

Medienformen Tafel, Beamer

Media used Projector, blackboard

Literatur Shao: „Mathematical Statistics“, 2nd edition. Springer, New

Reading list York, 2007.
Witting: „Mathematische Statistik I“. Teubner, Stuttgart,
1985.

371
Modulkatalog Module Descriptions

6023 Model Theory PN 482201

Häufigkeit des Modulangebots Jedes zweite oder dritte Semester

Frequency of course offering Every second or every third semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kaiser, Müller

Module convenor

Dozent(in) Kaiser, Müller

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60 + 30 Std. Präsenz, 120 + 60 Std. Eigenarbeitszeit

Workload 60 + 30 hrs presence, 120 + 60 hrs self study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Mathematischen Logik, Algebra. Es wird nur eine elementare

Recommended skills Vertrautheit mit der Logik der ersten Stufe und algebraischen
Grundbegriffen vorausgesetzt.
Mathematical Logic, Algebra.Only some basic familiarity with
first-order logic and elementary algebraic concepts is required.

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse
Learning outcomes • basic set theory and the arithmetic of infinite cardinals
• classical techniques of model constructions and their
analysis: ultraproducts, back and forth, diagrams, omit-
ting and realizing types, quantifier elimination, homo-

372
Modulkatalog Module Descriptions

geneity
• semantic characterizations of syntactic formula classes
• applications to algebraic theories

Inhalt The course offers an introduction to classical model theory.

Course content It develops a broad general toolkit to construct and analyze
theories and their models. It gives special emphasis to appli-
cations and examples, especially from algebra. It starts with
a crash course in set theory and infinite cardinal numbers,
and continues with the theory of Boolean algebras, ultrapro-
ducts, the back and forth method, algebraic and elementary
diagrams, realizing and omitting types, quantifier eliminati-
on, applications thereof to algebraically closed and real closed
fields, and finally describes theories with exactly one countable
model (up to isomorphism).

Studien-/Prüfungsleistungen 120-minütige schriftliche Prüfung oder mündliche Prüfung

Assessment (ca. 30 Minuten); die genaue Prüfungsart wird zu Semester-
beginn bekannt gegeben.
120-minute examination or 30-minute oral examination. The
precise mode of assessment will be announced at the start of
the semester.

Medienformen Tafel
Media used Blackboard

Literatur W. Hodges: A shorter model theory. Cambridge University

Reading list Press, 1997.
D. Marker: Model Theory: An introduction. Springer, 2002.
K.
Tent, M. Ziegler: A course in Model Theory. Cambridge Uni-
versity Press, 2002.

373
Modulkatalog Module Descriptions

6029 Numerik stochastischer Differentialgleichungen PN 451004

Numerical Methods for Stochastic Differential Equations

Häufigkeit des Modulangebots Alle vier Semester

Frequency of course offering Every fourth semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Müller-Gronbach
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz, 60 Std. Übungsaufgaben, 60 Std. Nachbe-

Workload reitung und Prüfungsvorbereitung
60 contact hours, 60 hours excercises, 60 hours independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I+II, Analysis I+II, Einführung in die Stochas-
Recommended skills tik, Wahrscheinlichkeitstheorie, Stochastische Analysis
Linear Algebra I+II, Analysis I+II, Introduction to Stochastics,
Probability Theory, Stochastic Analysis

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Grundlegender Algorithmen zur Approximation von (Erwar-
tungswerten von Funktionalen von) Lösungen stochastischer

374
Modulkatalog Module Descriptions

Differentialgleichungen, ihre theoretischen Eigenschaften und

typische Anwendungen.
—
Knowledge of basic algorithms for approximation of (expec-
tations of functionals of) solutions of stochastic differential
equations, their theoretical properties and typical applicati-
ons.
Fähigkeiten / Abilities
Auswahl geeigneter Approximationsalgorithmen für konkre-
te Fragestellungen, ihre effiziente Implementierung, die prak-
tische Durchführung von entsprechenden Simulationsexperi-
menten und die Darstellung und Bewertung der Ergebnisse.
—
Ability to select appropriate approximation algorithms for spe-
cific questions, their efficient implementation, the practical
implementation of relevant simulation experiments, and the
presentation and evaluation of results.

Inhalt • Grundbegriffe der Approximation stochastischer Prozes-

Course content se: Fehlerkriterien, Kostenmaße, minimale Fehler und
Komplexität, Optimalität und asymptotische Optima-
lität.
• Pfadweise Approximation der Lösung stochastischer Dif-
ferentialgleichungen: zeitdiskrete Ito-Taylor Schemata,
zeitkontinuierliche Verfahren, adaptive Schrittweiten-
steuerung.
• Quadraturverfahren für stochastische Differentialglei-
chungen: Standard Monte-Carlo Verfahren, Multilevel-
Verfahren, Anwendungen in der Finanzmathematik.
—
• Basic concepts of approximation of stochastic processes:
error criteria, cost measures, minimal error, complexity,
optimality and asymptotic optimality.
• Pathwise approximation of solutions of stochastic dif-
ferential equations: discrete-time Ito-Taylor schemes,
continuous-time methods, adaptive time step control.
• Quadrature of stochastic differential equations: Stan-
dard Monte Carlo methods, multilevel methods, appli-
cations in mathematical finance.

Studien-/Prüfungsleistungen 90-minütige Abschlussklausur oder mündliche Prüfung (ca. 20

Assessment Minuten); die genaue Prüfungsart wird zu Beginn des Semes-
ters bekannt gegeben.
90 minute written or 20-minute oral examination. The preci-
se mode of assessment will be announced at the start of the
semester.

375
Modulkatalog Module Descriptions

Medienformen Tafelanschrieb, Overhead, Beamer

Media used slides, projector, blackboard

Literatur Bekanntgabe durch Dozenten / Anouncement by lecturer

Reading list

376
Modulkatalog Module Descriptions

6034 Graphen- und Netzwerkalgorithmen Praktikum PN 451005

Graph and Network Algorithms Lab

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rutter
Module convenor

Dozent(in) Rutter
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 135 Std.Vor- und Nachbereitung des Prak-

Workload tikums
45 contact hours + 135 hrs independent study, implementa-
tion and discussions with the teams

ECTS 6
Credits

Voraussetzungen nach Prü- Programmierkenntnisse in C oder Java

fungsordnung Programming skills in C or Java
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Algorithmen und Datenstrukturen, Effiziente Algorithmen, Al-

Recommended skills gorithmen zur Visualisierung von Graphen
Algorithms and Data Structures, Efficient Algorithms, Algo-
rithms for Visualizing Graphs

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden besitzen ein systematisches Verständnis der

Learning outcomes Entwurfs- und Analyseprinzipien eines komplexen Projekts im
Bereich der Graph- und Netzwerkalgorithmen. Sie kennen ver-

377
Modulkatalog Module Descriptions

schiedene Ansätze zur Lösung von schweren Problemen (z.B.

Approximationen, Heuristiken) und sind in der Lage zu ei-
ner Problemstellung geeignete Entwurf- und Analysetechni-
ken auszuwählen. Sie können algorithmische Lösungen für un-
terschiedliche Teilaspekte von Problemstellungen miteinander
kombinieren, sind in der Lage die Effizienz der resultierenden
Lösungen zu analysieren, deren Leistungsfähigkeit zu evaluie-
ren, und diese auf eine konkrete Anwendung anzupassen.
—
The students acquire a systematic understanding of the de-
sign and analysis principles for a complex project in the area
of graph and network algorithms. They know different approa-
ches for solving hard problems (e.g., approximations, heuri-
stics) and they are able to choose suitable design and analysis
techniques for a given problem. They are able to combine al-
gorithmic solutions for different aspects of a problem and can
analyze the efficiency of the resulting solutions. They further
have the competence to evaluate the performance of their
solutions and to further adapt their methods to concrete pro-
blems.

Inhalt Um schwierige Probleme in der Praxis zu lösen, ist es häu-

Course content fig nötig eine Vielzahl von unterschiedlichen Ansätzen mitein-
ander zu kombinieren (z.B. Approximationen, parametrisierte
Algorithmen, heuristische Verfahren) und zudem generische
Verfahren möglichst gut auf die in der Praxis auftretenden
Instanzen anzupassen um dort vorhandenen Strukturen aus-
zunutzen. In dieser Veranstaltung wird dieses Vorgehen an-
hand von ausgewählten Problemstellungen aus dem Bereich
der Graph- und Netzwerk-Algorithmen vermittelt und erprobt.
Die konkreten Problemstellungen speisen sich aus Wettbewer-
ben, die von führenden Algorithmen-Konferenzen järhlich ver-
anstaltet werden, insbesondere der Graph Drawing contest (1),
mit einem Hauptaugenmerk auf Fragestellungen in der Gra-
phenvisualisierung, der Wettbewerb des Symposium on Com-
putational Geometry (2), mit einem Schwerpunkt auf geo-
metrischen Problemen und der Parameterized Algorithms and
Computational Experiments Challenge (3), die einen Schwer-
punkt auf parametrisierte Probleme legt. Ziel der Veranstal-
tung ist, dass die Studierenden in kleinen Teams Lösungen für
Aufgaben aus diesen Wettbewerben entwickeln, und an min-
destens einem der Wettbewerbe teilnehmen.
—
Solving hard problems in practice, often requires the combi-
nation of ideas from multiple approaches (e.g., approximati-
ons, parameterized algorithms, heuristic procedures). Moreo-

378
Modulkatalog Module Descriptions

ver, generic algorithms and approaches must often be adapted

to practical instance to exploit structural patterns that are pre-
sent in real-word inputs. In this course, students learn to follow
this approach to solving problems in practice and apply it to
problems in the area of graph and network algorithms.
The specific problems stem from contests that are held annu-
ally by leading algorithms conferences. In particular from the
Graph Drawing Contest [1], which has a focus on problems in
graph visualization, the contest of the Symposium on Compu-
tational Geometry [2], which focuses on geometric problems,
and the Parameterized Algorithms and Computational Expe-
riments Challenge [3], which mostly deals with parameterized
problems and algorithms. The goal of this course is that stu-
dents develop solutions for problems from these contests and
participate in at least one them.
(1) https://mozart.diei.unipg.it/gdcontest/
(2) https://cgshop.ibr.cs.tu-bs.de/
(3) https://pacechallenge.org/

Studien-/Prüfungsleistungen Portfolio-Prüfung. Möglich sind folgende Bestandteile:

Assessment • Projektbericht
• Abschlussvortrag
• Quellcode des umgesetzten Projekts
• Ggf. Zwischenvorträge, Zwischenberichte
Die genauen Bestandteile werden vom Dozenten zu Beginn
des Semesters bekannt gegeben.
Portfolio exam consisting of the following parts:
• Project report
• Final presentation
• Source code of the project
• Possibly intermediate presentations and reports
The exact parts will be announced at the start of the semes-
ter.

Medienformen -
Media used

Literatur Giuseppe Di Battista, Peter Eades, Roberto Tamassia, Ioannis

Reading list G. Tollis: Graph Drawing: Algorithms for the Visualization of
Graphs. Prentice-Hall 1999.
Michael Kaufmann, Dorothea Wagner: Drawing Graphs, Me-
thods and Models. Lecture Notes in Computer Science, Sprin-
ger 2001.
Roberto Tamassia: Handbook of Graph Drawing and Visuali-
zation, Chapman and Hall/CRC, 2013.

379
Modulkatalog Module Descriptions

6037 Sicherheit von KI-Systemen PN 451011

Security of AI Systems

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Pöhls
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 60 Std. Nachbereitung und Prüfungsvor-

Workload bereitung
30 contact hours + 60 hours independent study and exam
preparation

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced IT Security, Privacy Enhancing Techniques, Advan-

Recommended skills ced
Topics in Data Science, Context Recognition Architectures

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erlangen Kenntnisse über:
• IT-Sicherheitrisiken bei Konzeption und Einsatz von KI-
Systemen (= IT-Systemen welche Funktionen mittels

380
Modulkatalog Module Descriptions

künstlicher Intelligenz bereitstellen);

• IT-Sicherheitsziele im Kontext von KI-Systemen;
• Modelle und Verfahren zur methodischen Analyse der
IT-Sicherheit von KI-Systemen;
• Maßnahmen und Vorgehensweisen zur Erhöhung der IT-
Sicherheit von KI-Systemen.
—
The students acquire skills about:
• IT Security risks during the design and operation of AI-
systems (= IT-systems that include functionality based
on artificial intelligence);
• IT Security goals in the context of AI-systems
• models and methods for the analysis of the IT Security
of AI-systems
• mechanisms and steps to increase the security of AI-
systems
Fähigkeiten / Abilities
Die Studierenden erwerben die Fähigkeit, Techniken zur Be-
wertung der Sicherheit von Informationssystemen auf IT-
Systeme anzuwenden und dabei insbesondere Bedrohungen zu
berücksichtigen, welche daraus resultieren, dass Technologien
aus dem Bereich der künstlichen Intelligenz Bestandteil des
IT-Systems sind. Sie erlernen die Anforderungen, welche an
die IT-Sicherheit solcher KI-Systeme gestellt werden können,
zu beschreiben.
—
The students acquire the skill to apply techniques for asses-
sing the information security (including safety and privacy
aspects) especially for IT-Systems that employ artificial in-
telligence technology as one of the system’s component. This
develops their ability to apply appropriate IT Security metho-
dologies to find security, safety and privacy concerns of the
AI-system itself and enables them to apply adapted IT Secu-
rity methods to increase the security of the AI-system itself.
Kompetenzen / Competencies
Die Studierenden erlernen
• IT-Sicherheitsbedrohungen (Risiken) für Systeme mit
künstlicher Intelligenz (KI-Systemen) zu identifizieren,
zu analysieren und zu beurteilen;
• welche IT-Sicherheitsziele man für KI-Systeme ansetzen
kann;
• wie klassische IT-Sicherheits Vorgehensweisen / Mecha-
nismen nach einer Anpassung an die speziellen Risi-
ken von KI-Systemen zur Verbesserung der IT-Sicherheit
dieser Systeme beitragen.

381
Modulkatalog Module Descriptions

—
The students learn
• to identify, analyse and evaluate IT Security risks of AI-
systems;
• which security and safety protection should be required
for AI-systems;
• how to apply adapted security models and methods to
increase the security of the IT system that contains AI
components.

Inhalt Sicherheit von KI-Systemen untersucht wie man IT-

Course content Sicherheitsziele (Integrität, Vertraulichkeit, Verlässlichkeit und
weitere) für den Entwurf und den Betrieb von IT-Systemen
mit Funktionen aus der künstlichen Intelligenz (KI) definiert,
analysiert und sicherstellt. Hierbei wird jeweils auf die ver-
schiedenen KI-Lösungsverfahren (Stichworte: machine lear-
ning, symbolic/non-symbolic, neural-networks, deep-learning,
unsupervised/supervised learning) eingegangen, um dann me-
thodisch zu analysieren welche IT-Sicherheitsziele und –pro-
bleme hierbei bestehen und woher sie stammen (Stichwor-
te: training, training data, input-privacy, confidentiality of the
algorithm or trained network, adversarial learning). Für die
identifizierten IT-Sicherheitsprobleme werden dann mögliche
Lösungen diskutiert, welche die IT-Sicherheit des KI-Systems
selbst erhöhen.
Die folgenden Themen werden behandelt:
• Definition der IT-Sicherheitsziele für KI-Systeme
• Grundbegriffe der IT-Sicherheit (Confidentiality, Integri-
ty, Availability, Reliability, Veracity, Input-Privacy, etc.)
• Definition des Begriffes ‚KI-System’
• Unterschiede bei KI-Systemen
• Angriffsmodelle
• mögliche Schwachstellen bei KI-Systemen
• Fallbeispiele
• Lösungen zur Erhöhung der IT-Sicherheit von KI-
Systemen
—
Security of AI-systems examines how IT Security goals (in-
cluding Safety and Privacy aspects), like Integrity, Confiden-
tiality, Reliability, and others can be defined and used for the
design and operation of secure IT-systems that employ ar-
tificial intelligence technology (AI-systems). We will discuss
different artificial intelligence methods (keywords: machine
learning, symbolic vs. non-symbolic, neural-networks, deep-
learning, unsupervised/supervised learning) to analyse which
IT Security problems could arise and where they originate from

382
Modulkatalog Module Descriptions

(keywords: training, training data, input-privacy, confidentia-

lity of the algorithm or trained network, adversarial learning).
For the problems identified the course will discuss potential
solutions that increase the IT Security of the AI-system itself;
i.e. the security target of the course is the IT-system that
employs artificial intelligence functions, not using artificial in-
telligence as a tool for solving security problems.
The following topics are discussed:
• definition of IT Security goals for AI-systems
• terms and definitions of fundamental information secu-
rity concepts (confidentiality, integrity, availability, relia-
bility, veracity, input-privacy, etc.)
• definition of the term ‘AI-system’
• differences in AI-systems
• attacker Modeling
• potential IT Security problems of AI-systems
• examples of problems
• solutions to increase the IT Security of AI-systems

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute examination or oral examination (approx. 20 minu-
tes); the precise mode of assessment will be announced at the
beginning of the semester.

Medienformen Tafel, Beamer

Media used Blackboard, projector

Literatur Wird vom Dozenten bekannt gegeben

Reading list Announced during the lecture

383
Modulkatalog Module Descriptions

6039 Formal Methods in Security: Modelling and Analysis of PN 451014

Security-critical Systems

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Posegga
Module convenor

Dozent(in) Posegga
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 24 Std. Präsenz + 88 Std. Eigenarbeitszeit

Workload 24 contact hours + 88 hours self study

ECTS 4
Credits

Voraussetzungen nach Prü- Advanced IT-Security

fungsordnung
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse System Security, Theoretische Informatik I

Recommended skills System Security, Theoretical Computer Science I

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge Die Teilnehmer lernen ver-

Learning outcomes schiedene Spezifikationsprachen kennen, in dem Sie Sicher-
heitsziele einerseits sowie Sicherheitsmechanismen anderseits
formalisieren können. Die Sprachen basieren auf Temporale
Logiken, Rewriting, Automaten Theorie, und Autorisierungs-
logiken. Die Liste der Sprachen und Mehoden beinhaltet:
• ASLan++—a formal security specification language for

384
Modulkatalog Module Descriptions

distributed systems
• hlpsl – A high level protocol specification language for
industrial security-sensitive protocols
• CAPSL: Common Authentication Protocol Specification
Language.
• Alice and Bob: Reconciling formal models and imple-
mentation
• hacspec: Towards Verifiable Crypto Standards
Die Studenten lernen die Syntax und Semantik der Spezifika-
tionssprachen. Darüber hinaus lernen Sie, welche praktischen
Tools in der Lage sind zu überprüfen, ob die vorgeschlagenen
Mechanismen in einem bestimmten Systemdesign die erwarte-
ten Sicherheitsrichtlinien implementieren. Sie können den ge-
eigneten Ansatz für das Problem auswählen, die Richtlinien
und das System in der entsprechenden Sprache angeben und
die Tools anwenden, um die Richtigkeit der Sicherheitsmecha-
nismen zu überprüfen. Die Theorie und Funktionsweise der
Tools wird auch gelernt. Folgende Tools werden benutzt
• The AVISPA tool for the automated validation of inter-
net security protocols and applications
• An on-the-fly model-checker for security protocol ana-
lysis
• OFMC: A symbolic model checker for security protocols
• Meta-F: Proof Automation with SMT, Tactics, and Me-
taprograms
• DKAL 2 - A Simplified and Improved Authorization Lan-
guage
—
Students will learn various languages for specifying security
policies together with security mechanisms. The specification
languages are based on temporal logics, rewriting, automata
theory, and Authorization logics. The languages to be learnt
include:
• ASLan++—a formal security specification language for
distributed systems
• hlpsl – A high level protocol specification language for
industrial security-sensitive protocols
• CAPSL: Common Authentication Protocol Specification
Language.
• Alice and Bob: Reconciling formal models and imple-
mentation
• hacspec: Towards Verifiable Crypto Standards
Besides understanding the syntax and semantics of the speci-
fication languages, the students will learn to use a set of tools
for verifying that the proposed mechanisms in a given system

385
Modulkatalog Module Descriptions

design satisfy or enforce the expected security policies. They

will be able to choose the appropriate approach for the pro-
blem, use the corresponding language to specify the policies
and system and apply the tools to verify the correctness of
the security mechanisms. The tools include:
• The AVISPA tool for the automated validation of inter-
net security protocols and applications
• An on-the-fly model-checker for security protocol ana-
lysis
• OFMC: A symbolic model checker for security protocols
• Meta-F: Proof Automation with SMT, Tactics, and Me-
taprograms
• DKAL 2 - A Simplified and Improved Authorization Lan-
guage
Fähigkeiten / Abilities
Die Teilnehmer beherrschen die Konzepte formaler Sicher-
heitsziele und -richtlinien und können Sicherheitsmechanismen
oder -protokolle zur Durchsetzung der Eigenschaften in einem
bestimmten System oder Szenario entwerfen und die Richtig-
keit dieser Durchsetzung überprüfen.
—
Students master the concepts of formal security goals and po-
licies and are able to design security mechanisms or protocols
to enforce the properties in a given system or scenario and is
able to verify the correctness of this enforcement.
Kompetenzen / Competencies
Die Studierenden erwerben Kenntnisse über die Vielfalt der
Sicherheitsrichtlinien und die Schwierigkeit, deren Richtigkeit
zu überprüfen. Sie erkennen die Notwendigkeit der höheren Si-
cherheitsstufen und verstehen die aktuell gestiegenen Anforde-
rungen an die Korrektheit der Sicherheit für moderne kritische
Systeme, insbesondere in Bezug auf Sicherheit („übertragbare
Beweise“) und Rechenschaft (Accountability, „faire Schuldzu-
weisungen“).
—
Students gain the knowledge about the diversity of security
policies and the difficulty in verifying their correctness. You
appreciate the importance of the higher security levels and
understand the current increased demands on the correctness
of security for modern critical systems, and, in particular, re-
garding assurance (“transferrable proofs”) and accountability
(“fair blaming”).

Inhalt Formal correctness of security protocols Computer network

Course content security is increasingly important for critical infrastructures
or business and financial applications. The course discusses

386
Modulkatalog Module Descriptions

proofs of correctness of realistic (but simplified) security me-

chanisms and protocols in a formal but intuitive way.
1. Concrete Security Models and Policies: Bell-LaPadula/Biba,
Information Flow, Type-Based Approach to Security, and
others.
2. Logics for authentication and authorization (in several va-
riations), and trust management.
3. Access Control and Information Flow: techniques to des-
cribe policies that specify who should have access to which
resources, who may obtain information about what data or
process, or who can influence them. Then we discuss techni-
ques for ensuring that the information flow policies are enfor-
ced.
4. Cryptographic protocols (also called Security Protocols),
such as SSL/TLS, SSH, Kerberos, IPsec, etc., which form the
basis for secure communication and business processes, the
intruder model. The course also discusses how the automated
techniques for analyzing security protocols work.
5. Optionally, the course discusses the security, privacy, and
fairness properties of deep learning methods, their susceptibili-
ty to adversarial manipulation, and techniques for making deep
learning robust to adversarial manipulation. Another optional
content is Proof-carrying code and proof-carrying authentica-
tion.
—
Formale Korrektheit von Sicherheitsprotokollen Die Sicher-
heit von Computernetzwerken wird für kritische Infrastruktu-
ren oder Geschäfts- und Finanzanwendungen immer wichtiger.
Der Kurs behandelt die Korrektheit von realistischen (aber
vereinfachten) Sicherheitsmechanismen und -protokollen auf
formale, aber intuitive Weise.
1. Konkrete Sicherheitsmodelle und -richtlinien: Bell-LaPadula
/ Biba, Informationsfluss, typbasierter Sicherheitsansatz und
andere.
2. Logik für Authentifizierung und Autorisierung (in verschie-
denen Varianten) und Vertrauensverwaltung.
3. Zugriffskontrolle und Informationsfluss: Techniken zur Be-
schreibung von Richtlinien, mit denen festgelegt wird, wer Zu-
griff auf welche Ressourcen haben soll, wer möglicherweise In-
formationen zu welchen Daten oder Prozessen erhält oder wer
diese beeinflussen kann. Anschließend diskutieren wir Techni-
ken, um sicherzustellen, dass die Richtlinien für den Informa-
tionsfluss durchgesetzt werden.
4. Kryptografische Protokolle (auch Sicherheitsprotokolle ge-
nannt) wie SSL / TLS, SSH, Kerberos, IPsec usw., die die

387
Modulkatalog Module Descriptions

Grundlage für sichere Kommunikations- und Geschäftsprozes-

se bilden, bilden das Eindringlingsmodell. Der Kurs beschreibt
auch, wie die automatisierten Techniken zur Analyse von Si-
cherheitsprotokollen funktionieren.
5. Optional werden im Kurs die Sicherheits-, Datenschutz-
und Fairness-Eigenschaften von Deep-Learning-Methoden, ih-
re Anfälligkeit für Manipulationen durch Gegner und Techni-
ken erörtert, die Deep-Learning-Methoden widerstandsfähiger
gegen Manipulationen durch Gegner machen. Ein weiterer op-
tionaler Inhalt ist der Nachweiscode und die Nachweisauthen-
tifizierung.

Studien-/Prüfungsleistungen Projektarbeit, bestehend aus Source-Code (Aufwand: etwa 40

Assessment Stunden), schriftliche Ausarbeitung in Form eines technischen
Berichts (around 20 pages) und Präsentation der Arbeit (etwa
30 Minuten). Aufgrund des Zeitaufwands für die Präsentatio-
nen ist die Anzahl von Studenten auf 20 beschränkt.
Project work: Implementations (source code) for a program-
ming project of about 40 hours processing time, technical re-
port (around 20 pages) and presentation (about 30 minutes).
Due to the time requirements for the student presentations,
the number of students is restricted to 20 participants in the
class.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur Matt Bishop: Computer Security, Pearson Education, 2019.

Reading list Alfred J. Menezes, Paul C. van Oorschot, and Scott A. Van-
stone: Handbook of Applied Cryptography, CRC Press, 1996
(available online).
Colin Boyd and Anish Mathuria, Protocols for Authentication
and Key Establishment, Springer, 2003.
Giampaolo Bella, Formal Verification of Security Protocols,
Springer, 2007. Peter Ryan, Steve Schneider, und M. H. Golds-
mith: Modeling and Analysis of Security Protocols, Addison-
Wesley, 2000.
The AVISPA Project.
Original Research Papers.

388
Modulkatalog Module Descriptions

6040 Integraltransformationen PN 451007

Integral Transforms

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Forster-Heinlein
Module convenor

Dozent(in) Fink
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II oder äquivalent

Recommended skills Linear Algebra I + II, Analysis I + II or equivalent

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden und anwendungs-
relevanten Konzepte und Techniken verschiedener Integral-
transformationen in der Signalanalyse und wissen, welche Ei-
genschaften für die Anwendung wichtig sind und wie diese

389
Modulkatalog Module Descriptions

hergeleitet werden.
—
The students know the basic and application.relevant concepts
and techniques of various integral transforms in signal analysis
and know which properties are important for the applications
and how they are derived.
Fähigkeiten / Abilities
Die Studierenden können Beweistechniken der Integraltrans-
formationen nachvollziehen, sie auf verwandte Probleme aus
Anwendungsfragen übertragen und zugehörige Algorithmen
bewerten.
—
The students can comprehend proof techniques of integral
transforms, apply them to related problems in applications
and evaluate associated algorithms.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz, die Konzepte und
Methoden hinter verschiedenen Integraltransformationen zu
verstehen und geeignete Verfahren für Anwendungsprobleme
auszuwählen und anzuwenden.
—
Students are able to comprehend the concepts behind various
integral transforms and are capable of selecting and applying
appropriate methods for application problems.

Inhalt Inhalt:
Course content • Fourier-Reihen
• Fourier-Integrale
• Diskrete und schnelle Fourier-Transformation
• Kontinuierliche und diskrete Wavelet-Transformation
• Kontinuierliche und diskrete Shearlet-Transformation
—
Content:
• Fourier series
• Fourier integrals
• Discrete und fast Fourier transform
• Continuous and discrete wavelet transform
• Continuous and discrete shearlet transform

Studien-/Prüfungsleistungen Mündliche Prüfung (ca. 25 Minuten)

Assessment Oral exam (about 25 minutes)

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Mark Cartwright. Fourier Methods for mathematicians, scien-

Reading list tist and engineers, 1990.

390
Modulkatalog Module Descriptions

Dieter Müller-Wichards. Transformationen und Signale, 1999.

Gitta Kutyniok, Demetrio Labate. Shearlets: Multiscale Ana-
lysis for Multivariate Data, 2012.

391
Modulkatalog Module Descriptions

6044 Multimedia Retrieval PN 455383

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Skopal
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierkenntnisse, Grundlagen von Datenbanken- und

Recommended skills Informationssystemen (DBIS I + II), Grundlagen der Program-
mierung
Programming skills fundamentals of databases and informati-
on systems (DBIS I + II)

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Objectives

Learning outcomes The module introduces to models and techniques of multime-
dia retrieval.

392
Modulkatalog Module Descriptions

Course Outcomes
By the end of the course, students will be able to recognize
many facets of content-based multimedia retrieval techniques.
They also get a practical experience in a selected subdomain
by means of student project.
Knowledge & Understanding
General knowledge of content-based multimedia retrieval. De-
tailed pipeline – use case, domain knowledge, feature extrac-
tion, retrieval model, indexing, visualization, user feedback,
evaluation.
Skills & Abilities
a) Navigate in different platforms, interfaces, HCI means and
use cases for multimedia retrieval.
b) Choose a suitable model for the media type and domain;
c) Formulate search intent (query, browsing, filtering); d) Use
suitable indexing structures for efficient retrieval.

Inhalt 1) Web platforms for retrieval and sharing of multimedia con-

Course content tent.
2) Web interfaces, modalities, and the quality of retrieval.
3) Text-based and bag-of-words models.
4) Similarity search model - models and queries.
5) Similarity search model - popular similarity functions.
6) Global image features - analytic models.
7) Global image features - deep learning.
8) Local image features.
9) Multi-modal retrieval.
10) Video retrieval techniques.
11) Feature extraction from audio, music and melody.
12) Principles of metric indexing.
13) Metric access methods.
14) Approximate search methods.

Studien-/Prüfungsleistungen Report and presentation at defence of an individual software

Assessment project. Grade will be based on this individual project.

Medienformen The course consists of a series of lectures, interleaved with

Media used consultations to student projects. The lectures span a variety
of multimedia retrieval topics, while the projects aim to fo-
cus students more deeply to a particular topic by means of a
hands-on experience (project implementation).
Slides (PDF), videos recorded for offline use.

Literatur Ricardo Baeza-Yates, Berthier Ribeiro-Neto, Modern Informa-

Reading list tion Retrieval: The Concepts and Technology behind Search,
Addison-Wesley Professional, 2011.
Nicolas Hervé, Nozha Boujemaa: ”Image annotation: which

393
Modulkatalog Module Descriptions

approach for realistic databases?”, ACM International Confe-

rence on Image and Video Retrieval, 2007.
B. S. Manjunath, Philippe Salembier, Thomas Sikora, Intro-
duction to MPEG-7: Multimedia Content Description Inter-
face, Wiley, 2002.
Ritendra Datta, Dhiraj Joshi, Jia Li, James Z. Wang, Ïmage
Retrieval: Ideas, Influences, and Trends of the New Age!, ACM
Computing Surveys 40: 1, 2008.
K. Selçuk Candan, Maria Luisa Sapino, Data Management for
Multimedia Retrieval, Cambridge University Press, 2010.
Zezula, P, Amato, G., Dohnal, V., Batko, M. ”Similarity
Search: The Metric Space Approach”. Springer, 2005. ISBN
0387291466.

394
Modulkatalog Module Descriptions

6047 Digital Healthcare PN 455409

Häufigkeit des Modulangebots Jedes Jahr

Frequency of course offering Every year

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kranz
Module convenor

Dozent(in) Kranz
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Erfolgreiche Absolvierung der Module „Mobile Human-

Recommended skills Computer Interaction“ oder “Grundlagen der Mensch-
Maschine Interaktion”, Kenntnisse in Python

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen die grundlegenden Vorgehensweisen,
Methoden und Werkzeuge kennen, um Daten im Bereich Di-
gital Health zu erfassen, zu verarbeiten und zu bewerten unter
Berücksichtigung der besonderen Anforderungen an Sicherheit

395
Modulkatalog Module Descriptions

und Vertraulichkeit die an personen- und gesundheitsbezoge-

nen sensiblen Daten gestellt werden. Die Studierenden ken-
nen den grundlegend Entwicklungsstand im Bereich Digitali-
sierung im Gesundheitswesen. An Hand von Beispielbereichen
wie Rettungsdienst und persönlichen Gesundheit wird dieser
exemplarisch vermittelt und vertieft.
Die Studierenden erhalten einen Überblick über die Strukturen
und Formate, in denen Gesundheitsdaten vorliegen können, so-
wie die zugehörigen rechtlichen Rahmenbedingungen.
Kompetenzen / Competencies
Die Studierenden können bestehende Lösungen im Bereich Di-
gital Healthcare grundlegend bewerten und analysieren. Sie
können Prototypen für mögliche Anwendungen und Systeme
entwerfen und beschreiben und grundlegend mit Hilfe von
geeigneten Prototyping-Werkzeugen beschreiben. Die hier-
für notwendigen Vorgehensweisen, Methoden und Werkzeu-
ge, zum Beispiel zur Entwicklung von „Gesundheits-Apps“,
werden beherrscht und können von den Studierenden einge-
setzt werden. Die Studierenden besitzen die Kompetenzen zur
Konzipierung, Durchführung und Evaluation von Studien, und
können bestehende Studienergebnisse grundlegend bewerten.
Grundlegende sicherheitstechnische, rechtliche und ethische
Aspekte bei der Umsetzung von Projekten im Bereich des Digi-
tal Healthcare sind den Studierenden bekannt und im Rahmen
von Entwicklungstätigkeiten beachtet und die verschiedenen
Phasen integriert.

Inhalt Allgemeiner Hintergrund und soziokulturelle Aspekte:

Course content • Historische Entwicklung zu Evidence Based Care
• Demokratisierung der Gesundheit/Gesundheitsvorsorge
• Risiken und Chancen von Digital Healthcare
Gesundheitsdaten (Theorie)
• Big Data
• Productivity Paradox
• Change-Management
Gesundheitsdaten (Praxis)
• Analyse eines Herz-EKG
• Vorverarbeitung (z.B. SAX)
• Statistische Auswertung (z.B. Student-T, Chi-Square)
• Anomalie-Erkennung
• Visualisierung
Studien
• Rechtliche Rahmenbedingungen (z.B. informed con-
sent)
• Ethikanträge
• Design

396
Modulkatalog Module Descriptions

• Durchführung
• Auswertung
Sicherheit
• Safety vs. Security
• Advanced Persistent Threats im medizinischen Sektor
• Phishing, Spearphishing, Ransomware
• Schutzvorkehrungen (z.B. AES)
Elektronische Patientenakten und Privatsphäre
• Aufbau einer EPA
• Datenquellen (z.B. Smartphones, Tracker, Genetische
Datenbanken)
• Gefährdung durch Daten (gläserner Patient)
Rechtliches
• Digitale-Versorgung-Gesetz
• Medizinproduktgesetz
• UMDNS, EDMS, GMDN
Hardware
• Medical Devices
• Zertifizierung von Medizinprodukten
Software
• Anwendungsbereiche von Medizinsoftware
• Guidelines für Gesundheitsapps
• Konzeption einer App
Praktische Anwendung der Inhalte in den Präsenzübungen und
sowie selbständige Vertiefung durch Bearbeitung der Übungs-
aufgaben

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten) oder Portfolio-Prüfung; die genaue Prüfungsart wird zu
Beginn des Semesters bekannt gegeben.
Written exam (60 minutes) or oral exam (about 20 minutes)
or portfolio exam; the precise mode of assessment will be an-
nounced at the start of the semester.

Medienformen Präsentation mit Projektor, Tafelanschrieb, Gruppenarbeit

Media used Presentation with a projector, blackboard, working in a group

Literatur Wird vom Dozent / von der Dozentin bekannt gegeben

Reading list

397
Modulkatalog Module Descriptions

6053 ITS-Praktikum PN 405235

ITS Practical

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer, Forster-Heinlein, Wirth

Module convenor

Dozent(in) Sauer, Forster-Heinlein, Wirth

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 6S
Contact hours Participation by all group members is required for group mee-
tings, colloquies with the project’s supervisor(s), and specific
lab work according to the project requirements

Arbeitsaufwand 30 hours introduction to design and development tools + 30

Workload hours project meetings + 30 hours analysis and specification
+ 90 hours design and implementation + 45 hours validation
+ 15 hours colloquium and preparation + 15 hours final pre-
sentations and preparation + 15 hours written report
Total: 270 hours

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Machine learning and context recognition

Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

398
Modulkatalog Module Descriptions

Learning outcomes Students familiarise and practice project management skills.

Students learn about methodologies relevant to the field of
intelligent technical systems, as well as procedures, tools, and
evaluation strategies. Knowledge on fundamental and applied
aspects of intelligent technical systems, including system de-
sign, software development, and signal analysis are extended.
Students continue to acquire experience in team work.
Kompetenzen / Competencies
Students master practical problem settings in the develop-
ment of intelligent technical systems. Students can continue
to acquire specific skills in design and analysis of solutions
that are relevant to the broader field of the project. Project
management strategies under limited time constraints can be
successfully applied and effective solutions are found. Social
competences are deepened, including team management and
conflict resolution skills.

Inhalt A realistic, advanced engineering project within the scope of

Course content intelligent technical systems will be systematically analysed
and implemented. The project objective may be to develop a
system or service. State-of-the-art methods and tools will be
utilised according to scientific and/or industrial practice and
according to the requirements of the project. Due to the di-
versity of the field of intelligent technical systems, methods
and tools will be chosen specifically for each project. A pro-
ject may contain several workpackages.
The project shall be realised by groups of 2-4 students. Pro-
ject management and technical realisation will be carried out
by the student group. Work effort and relevance of individual
activities depend on the specific project setting. Initially, a re-
quirement analysis shall be performed and the project shall be
structured into workpackages. Each workpackage shall con-
sist of several activities for which effort estimations are made.
Adequate deliverables and milestones shall be described for
each workpackage.
The student group shall use a suitable development process,
e.g. V-model. The following phases shall be identified for each
workpackage:
1. Analysis
Analysis and detailed description of requirements, conside-
ring fundamental principles of effectiveness, completeness, and
consistency. Both, functional and non-functional requirements
shall be derived. A system or service model shall be devised
and a suitable operating environment defined using adequate
methods and tools.
2. Design

399
Modulkatalog Module Descriptions

A coarse design of the system or service shall be derived that

addresses all requirements derived before. Based on the coarse
design, a detailed design specification will be derived. Suitable
methods and tools according to the project field shall be used.
Used procedures shall be documented.
3. Implementation
The actual implementation considers the practical realisati-
on of the specified system or service, which may consist of
software and hardware components. By partitioning large im-
plementations into sub-activities, entities are obtained that
group members can complete.
4. Validation
The implementation shall be validated based on the specified
requirements. Achieved functional and non-functional requi-
rements shall be compared to the implementation and any
deviations shall be analysed and documented. A detailed do-
cumentation of the implementation shall be prepared.
During the workpackage realisation, effort shall be continuous-
ly monitored and deviations recorded. Each workpackage is
concluded by a colloquium, where achievements are presented
and discussed with the project’s supervisor(s). The student
group shall prepare a presentation of the work for the collo-
quium and provide relevant work artefacts, e.g. documented
and operational source code, prototypes, etc.
The student group shall organise responsibilities within the
project tasks themselves. However each group member shall
take the role of a workpackage responsible at least once. The
workpackage responsible shall assign tasks to all group mem-
bers and monitor the workpackage implementation. The stu-
dent group will be supported by regular meetings with the
project’s superior(s). The frequency of meetings may vary and
shall be chosen adequately to the project phase.

Studien-/Prüfungsleistungen Final technical report (about 25 pages) describing the work

Assessment performed, including chapters on: introduction/problem(s)
addressed, state-of-the-art/related work, system architec-
ture/overall methodology, system implementation, evaluation
methodology, results, discussion, and conclusion/further work.
The final report should be supplied with adequate deliverables
according to the project workpackages and to fully reproduce
all performed work, e.g. documented and operational source
code, design documents, physical prototypes, or demonstrati-
on files.
The final presentation (about 20 min talk) should clearly des-
cribe the problem addressed, the approach and methodology,
the results, and further work. If applicable, a system demons-

400
Modulkatalog Module Descriptions

tration should also be included in the final presentation. The

presentations may be held together with other groups to sup-
port discussions.

Medienformen Präsentation mit Beamer, Gruppenarbeit, Wiki

Media used Presentations with projector, group work, wiki

Literatur Will be announced in the lecture. Literature will be selected

Reading list and announced according to the requirements of individual
projects.

401
Modulkatalog Module Descriptions

6056 Perkolation auf Graphen PN 451018

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Gilch
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“, Modulgruppe „ITS“

Curriculum Focus „AlgMath“, Focus „ITS“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 30 + 15 Stunden, 60 + 45 Eigenarbeitszeit

Workload 30 + 15 hours, 60 + 45 hours exercises and independent study
and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Lineare Algebra I, Einführung in die Stochastik

Recommended skills Analysis I, Linear Algebra I, Introduction to Stochastics

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erhalten einen Überblick über die Theorie
Learning outcomes von Perkolation auf Graphen. Dies beinhaltet die Vermitt-
lung der grundlegenden Konzepte der Perkolationstheorie so-
wie die fundamentalen Ergebnisse auf dem Zahlengitter und
quasi-transitiven Graphen. Den Studierenden wird das Zusam-
menspiel verschiedener mathematischer Bereiche (insbesonde-
re der Wahrscheinlichkeitstheorie, Graphentheorie und Alge-

402
Modulkatalog Module Descriptions

bra) demonstriert.
The students shall get an overview on the theory of perco-
lation on graphs. They shall acquire the basic concepts of
percolation theory including the fundamental results of per-
colation on the integer lattice and on quasi-transitive graphs.
Furthermore, the interplay of different mathematical fields (in
particular, Probability Theory, Graph Theory, and Algebra) will
be demonstrated.

Inhalt • Grundlagen der Perkolationstheorie

Course content • Studium der kritischen Perkolationswahrscheinlichkeit
• Abschätzungen für kritische Wahrscheinlichkeiten
• Erwartete Cluster-Größen
• Perkolation auf dem d-dimensionalen Zahlengitter
• Anzahl der unendlichen Cluster
• Perkolation auf quasi-transitiven Graphen
—
• Basics of percolation theory
• Study of the critical percolation probability
• Estimates for the critical probabilities
• Expected cluster size
• Percolation on the d-dimensional interger lattice
• Number of infinite clusters
• Percolation on quasi-transitive graphs

Studien-/Prüfungsleistungen 90 minütige schriftliche Prüfung oder mündliche Prüfung (ca.

Assessment 30 Minuten); die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben
90 minute written or 30 minute oral examination. The preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Tafel, Beamer

Media used Blackboard, Beamer

Literatur G. Grimmett: „Percolation“, Springer, 1999

Reading list R. Lyons and Y. Peres: „Probability on Trees and Networks“,
Cambridge, 2016

403
Modulkatalog Module Descriptions

6060 Computational Social Science Lab PN 455391

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Lemmerich
Module convenor

Dozent(in) Lemmerich
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 4Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbearbeitung

Workload 60 contact hours + 120 hrs independent study and implemen-
tation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Python Programming Language, knowledge of basic data

Recommended skills analysis as taught in Web Science, Visual Analytics

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students will learn about state-of-the-art problems, methods
and tools to study digital trace data on individuals and the
society.
Fähigkeiten / Abilities
Students acquire the ability to develop and formulate research
questions in Computational Social Science, explore respective

404
Modulkatalog Module Descriptions

datasets, apply data science and machine learning methods

and communicate results. Students will be able to select and
apply suitable software libraries for these steps.
Kompetenzen / Competencies
Students will learn to perform independent case studies on
societal and behavioral data.

Inhalt Computational Social Science refers to a relatively new rese-

Course content arch area that aims to study social phenonema with computa-
tional means, primarily with methods from Data Science and
Machine Learning. In this practical course, students will work
in small teams on “social” datasets on individuals and the so-
ciety such as review data, forums, social media posts, social
network data or collections of new articles.
On these datasets, student groups will perform in teams and
under guidance all necessary steps for a case study in compu-
tational social sciences:
1. Data collection, exploration and quality assessment of the
dataset to be analyzed
2. Formation of an appropriate research question
3. Selection of appropriate analysis methods
4. Data (pre-)processing and modelling
5. Critical assessment of the obtained insights
6. Communication of the results with a blog post and/or a
scientific report
Results of the individual steps will be presented to the other
course participants in small presentations throughout the se-
mester. At the end of the semester, project results will be
summarized in final presentations and a written report.

Studien-/Prüfungsleistungen Portfolio exam consisting of code with documentation, a writ-

Assessment ten report on the outcome of the project (max. 10 pages) and
presentations given over the course of the semester.
Within the team presentations, each participant showcases
her/his own personal contribution to the project. Additionally,
participants declare in written form their individual contribu-
tions to the project design, code and report.
Details on the assessment including count and length of the
presentations will be announced at the start of the semester.

Medienformen Präsentation mit Beamer, Whiteboard

Media used Presentation with beamer, whiteboard

Literatur Lazer, David, et al. Life in the network: the coming age of com-
Reading list putational social science. Science (New York, NY) 323.5915
(2009): 721.
Additional project specific literature will be announced at the

405
Modulkatalog Module Descriptions

beginning of the semester.

406
Modulkatalog Module Descriptions

6061 Introduction to Deep Learning PN 471616

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Hinweis: Das Modul ersetzt das alte Modul Deep Learning -
keine Doppelanrechung möglich!
Irregular
Notice: Replacing Deep Learning, cannot be credited twice.

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Lemmerich
Module convenor

Dozent(in) Lemmerich
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“, Modulgruppe „ITS“

Curriculum Focus „InfKomm“, Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbearbeitung des

Workload Praktikums
60 contact hours + 120 hrs independent study and implemen-
tation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced Topics in Data Science oder Introduction to AI En-

Recommended skills gineering, Grundkenntnisse in Python
Advanced Topics in Data Science or Introduction to AI Engi-
neering, Python Programming Language

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

407
Modulkatalog Module Descriptions

Learning outcomes Students will get to know about fundamentals of artificial

neural networks, gain an overview on standard algorithms in
the field as well as examples of recently proposed state-of-the-
art techniques. Furthermore, students will get to know some
standard tools to develop and apply deep learning techniques
to machine learning problems.
Fähigkeiten / Abilities
The students will be able to implement deep learning approa-
ches to practical machine learning problems. They obtain the
ability to choose and improve neural network architectures sui-
table for specific machine learning tasks.
Kompetenzen / Competencies
Students will strengthen their competence to analyze and as-
sess algorithms for machine learning. Participants will learn to
develop problem-oriented solutions with deep learning approa-
ches independently.

Inhalt The course will give an overview on the fundamentals and

Course content current approaches for deep learning and its main applications
fields. In particular, it will cover:
• Basics of Representation Learning
• Perceptron Learning
• Feedforward Neural Networks
• Gradient Descent and Backpropagation
• Regularization in Deep Learning
• Convolutional Neural Networks
• Recurrent Neural Networks
• Autoencoders
• Adversarial Training
• Graph Neural Networks
• Applications of Deep Learning for Text, Sequences, and
Images
• Explainability and Deep Learning

Studien-/Prüfungsleistungen 90 minutes written or 20 minutes oral exam depending on the

Assessment number of participants.
The students will be informed about the exact type of exam
by the beginning of the semester

Medienformen Präsentation mit Beamer, Whiteboard

Media used Presentation with beamer, whiteboard

Literatur Goodfellow, Ian, Yoshua Bengio, and Aaron Courville: Deep

Reading list learning. MIT press, 2016
Aggarwal, Charu C.: Neural networks and deep learning. Sprin-
ger 10 (2018): 978-3
Additional literature will be announced at the beginning of the

408
Modulkatalog Module Descriptions

semester.

409
Modulkatalog Module Descriptions

6063 Applied Artificial Intelligence Lab PN 471615

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Lemmerich
Module convenor

Dozent(in) Lemmerich
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“, Modulgruppe „ITS“

Curriculum Focus „InfKomm“, Focus „ITS“

Lehrform/SWS 4Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbearbeitung des

Workload Praktikums
60 contact hours + 120 hrs independent study and implemen-
tation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Python Programming Language

Recommended skills Advanced Topics in Data Science or Introduction to AI Engi-
neering

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students will learn about standard tools and techniques to
engineer solutions to realistic problem settings in the field of
artificial intelligence, in particular machine learning. Students
will also learn about state-of-the-art approaches for their par-

410
Modulkatalog Module Descriptions

ticular topic.
Fähigkeiten / Abilities
Students will obtain the ability to systematically assess and
analyze a problem setting, identify relevant approaches from
literature, develop and implement solutions with suitable tools
and frameworks, and engineer and/or combine different ap-
proaches to obtain the best possible results.
Kompetenzen / Competencies
Students will strengthen their competence in analyzing and as-
sessing algorithms for machine learning. Participants will learn
to plan projects, implement solutions, meet milestones, and
communicate results.

Inhalt Artificial Intelligence, in particular machine learning, is mo-

Course content re and more applied in a wide range of real-world settings.
In this application-focused course, students will work in small
teams to engineer AI solutions to given practical scenarios.
Each team will be provided a specific problem setting, e.g.
from scientific challenges like the KDD Cup or a Kaggle com-
petition. Typically, such a setting consists of a dataset, a spe-
cific task (e.g., a prediction or recommendation task), and
an evaluation measure for obtained results. Under guidance,
each team will then perform the necessary steps to develop
and optimize their solution, generally including:
• Data understanding and exploration
• Data Preprocessing
• Feature selection and engineering
• Model validation
• Hyperparameter optimization
• Ensembling
Results of the individual teams will be presented in the course
by each team to the other course participants in small presen-
tations and summarized in a project report.

Studien-/Prüfungsleistungen Portfolio exam based on the suitability, implementation and

Assessment refinement of the chosen methods, the achieved results, and
communication/presentation of the project. Given minimum
requirements, presentational aspects should influence the gra-
de by no more than 30%.
Potential elements of the portfolio are: Code with documen-
tation, a written report on the outcome of the project (max.
8 pages), presentations given over the course of the semester
and a final examination conversation (max. 10 minutes) with
each individual participant.
Within the team presentations, each participant showcases
her/his own personal contribution to the project. Additionally,

411
Modulkatalog Module Descriptions

participants declare in written form their individual contribu-

tions to the project design, code and report.
Details on the assessment including count and length of the
presentations will be announced at the beginning of the cour-
se.

Medienformen Präsentation mit Projektor, Whiteboard

Media used Presentation with projector, whiteboard

Literatur Specific literature for each topic will be announced at the

Reading list beginning of the semester.

412
Modulkatalog Module Descriptions

6064 Responsible Machine Learning PN 471617

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Lemmerich
Module convenor

Dozent(in) Lemmerich
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbearbeitung

Workload 60 contact hours + 120 h independent study and implemen-
tation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Advanced Topics in Data Science und/oder Introduction to AI

Recommended skills Engineering, Programmierkenntnisse in Python
Advanced Topics in Data Science and/or Introduction to AI
Engineering, Python Programming Language

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students will get to know about the main aspects of app-
lying machine learning responsibly in sensitive settings, e.g.,
when working with behavioral data. This covers the problem
settings, challenges, and main algorithmic approaches for ex-

413
Modulkatalog Module Descriptions

plainable, fair, privacy-aware, and reliable machine learning.

Fähigkeiten / Abilities
The students will be able to identify potential issues of ma-
chine learning and artificial intelligence applications and apply
appropriate measures to address them. Students will improve
their ability to assess, select and implement solutions for ma-
chine learning tasks, specifically when working with data from
or about human behavior.
Kompetenzen / Competencies
Students will strengthen their awareness with respect to algo-
rithmic transparency, fairness, privacy, and reliability. They will
improve their competence to critically assess artificial intelli-
gence approaches with sensitive data. Participants will learn to
develop problem-oriented machine learning solutions for sen-
sitive data independently.

Inhalt The course will give an overview on the main challenges and
Course content current approaches for responsible machine learning. This mo-
dule will focus on explainable and interpretable approaches
to machine learning, specifically for classification. It will dis-
cuss the relevancy of interpretability and will introduce white-
box learning algorithms (e.g., decision tree learning, rule-based
classification and simple regression models) and methods to
explain black-box solutions (e.g., LIME, counterfactual expla-
nations).
The course will also cover the challenges of biases and fairness
in machine learning, and will cover how these can be measu-
red at an individual or at a group level. Students will also
get to know about algorithms to counteract such biases with
pre-, in-, or post-processing methods. In addition, the course
will also provide an overview and introduce key approaches of
privacy-aware machine learning, and reproducibility issues in
machine learning.

Studien-/Prüfungsleistungen 90-minütige Abschlussklausur oder ca. 20 Minuten mündliche

Assessment Prüfung abhängig von der Anzahl der Teilnehmer. Die genaue
Prüfungsart wird zu Beginn des Semesters bekannt gegeben.
90-minute written or 20-minute oral examination depending
on the number of participants. The students will be informed
about the exact type of exam by the beginning of the semes-
ter.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation projector, whiteboard

Literatur Molnar, Christoph: Interpretable machine learning, 2nd edi-

Reading list tion, 2020. Online book available at https://christophm.

414
Modulkatalog Module Descriptions

github.io/interpretable-ml-book/.
Solon Barocas, Moritz Hardt, Arvind Narayanan: Fairness
and Machine learning - Limitations and Opportunities, 2017.
Online book available at https://fairmlbook.org/pdf/
fairmlbook.pdf
Additional literature can be announced at the beginning of the
semester.

415
Modulkatalog Module Descriptions

6070 Markov Chain Monte Carlo PN 455450

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rudolf
Module convenor

Dozent(in) Rudolf
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Funktionalanalysis, Wahrscheinlichkeitstheorie, Einführung in

Recommended skills die Stochastik, Maß- und Integrationstheorie
Functional Analysis, Probability Theory, Introduction to Sto-
chastics, Measure and Integration Theory

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erwerben vertiefende Kenntnisse bzgl. der

Learning outcomes Theorie von Markovketten auf allgemeinen Zustandsräumen.
Sie kennen und verstehen verschiedene Algorithmen zum ap-
proximativen Simulieren von Verteilungen basierend auf Mar-

416
Modulkatalog Module Descriptions

kovketten (z.B. Slice Sampling Metropolis-Hastings, Hit-and-

run). Darüber hinaus erlangen die Studierenden vertiefendes
Wissen über Beweistechniken zum Verifizieren der Konvergenz
von Markovketten und sind in der Lage diese Methoden an-
zuwenden.
—
The students acquire a systematic understanding of the theo-
ry of Markov chains on general state spaces.
They know and understand advanced algorithms for approxi-
mate sampling based on Markov chains (e.g. slice sampling,
Metropolis-Hastings, Hit-and-run). Beyond that the students
obtain deep knowledge about proof techniques to verify con-
vergence results for Markov chains and are able to apply this
methodology.

Inhalt • Motivation zum approximativen Sampling

Course content • Theorie von Markovketten
• Verschiedene algorithmische Verfahren (z.B. Slice
Sampling, Metropolis-Hastings, Hit-and-run)
• Wasserstein-Abstand
• Ergodensätze
—
• Motivation of approximate sampling
• Theory of Markov chains
• Different algorthmic approaches (e.g. Slice Sampling,
Metropolis-Hastings, Hit-and-Run)
• Wasserstein distance
• Ergodic theorems

Studien-/Prüfungsleistungen Entweder 90-minütige Klausur oder mündliche Prüfung (ca.

Assessment 30 Minuten); die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben.
Either written exam (90 minutes) or oral exam (about 30 mi-
nutes); the precise mode of assessment will be announced at
the start of the semester.

Medienformen Präsentation mit Tafel und/oder Beamer

Media used Presentation with a projector or blackboard

Literatur R. Douc, E. Moulines, P. Priouret, P. Soulier, Markov Chains,

Reading list Springer, 2018
A. Klenke, Probability theory: A Comprehensive Course, Sprin-
ger, 2014

417
Modulkatalog Module Descriptions

6072 Foundations of Statistical Data Science PN 482522

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rudolf
Module convenor

Dozent(in) Rudolf
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Wahrscheinlichkeitstheorie, Einführung in die Stochastik,

Recommended skills Maß- und Integrationstheorie, Lineare Algebra I+II, Analysis
I+II
Probability theory, Introduction to stochastics, Measure and
integration theory, Linear Algebra I+II, Analysis I+II

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erwerben Kenntnisse bzgl. der mathema-

Learning outcomes tischen Modellierung von Daten und deren statistischer Be-
handlung. Sie kennen und verstehen verschiedene Methoden

418
Modulkatalog Module Descriptions

zur Datenanalyse (z.B. Schätzmethoden, Regression, grafische

Methoden). Darüber hinaus erlangen die Studierenden vertief-
tes Wissen über Beweistechniken in der Mathematischen Sta-
tistik, z.B. zum Verifizieren von Aussagen über die Güte von
Schätzern und deren asymptotischen Eigenschaften.
—
The students acquire a systematic understanding of the theory
of modeling data and their statistical treatment. They know
and understand different methodology for the analysis of da-
ta (e.g. estimation methods, regression, graphical methods).
Beyond that the students obtain deep knowledge about proof
techniques in mathematical statistics, e.g., to verify state-
ments about the quality of estimators and their asymptotic
properties.

Inhalt Grundkonzepte der statistischen Datenanalyse u.a.:

Course content • Elementare statistische Modelle
• Statistische Grundlagen
• Grafische Methoden
• Deskriptive Größen
• Schätzmethoden
• EM-Algorithmen und/oder stochastisches Gradienten-
verfahren
• Regression
• Hidden Markov Modelle
• Bayessche Inferenz
—
Basic concepts of statistical data analysis, inter alia:
• Elementary statistical models
• Statistical objects
• Graphical methods
• Descriptive quantities
• Estimation methods
• EM algorithm and/or Stochastic gradient descent
• Hidden Markov models
• Bayesian inference

Studien-/Prüfungsleistungen Entweder 90-minütige Klausur oder mündliche Prüfung (ca.

Assessment 30 Minuten); die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben.
Either written exam (90 minutes) or oral exam (about 30 mi-
nutes); the precise mode of assessment will be announced at
the start of the semester.

Medienformen Präsentation mit Tafel und/oder Beamer und/oder andere vir-

Media used tuelle Formate

419
Modulkatalog Module Descriptions

Presentation with a projector or blackboard or other virtual

formats

Literatur J. Berger, Statistical Decision Theory and Bayesian Analysis,

Reading list Springer, 1993.
P. Billingsley, Convergence of probability measures, Wiley Se-
ries in probability and Mathematical Statistics, 1999.
R. van Handel, Hidden Markov models, Unpublished lecture
notes (2008).
A. Klenke, Probability theory: A Comprehensive Course, Sprin-
ger, 2014.
V. Panaretos, Statistics for mathematicians, Springer, 2016.
S. Shalev-Shwartz and S. Ben-David, Shai, Understanding ma-
chine learning, Cambridge University Press, 2014.

420
Modulkatalog Module Descriptions

6073 Stochastische Prozesse PN 405193

Stochastic Processes

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Rudolf
Module convenor

Dozent(in) Rudolf
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Wahrscheinlichkeitstheorie, Einführung in die Stochastik,

Recommended skills Maß- und Integrationstheorie, Lineare Algebra I+II, Analysis
I+II
Probability theory, Introduction to stochastics, Measure and
integration theory, Linear Algebra I+II, Analysis I+II

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen Bachelor Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden lernen grundlegende stochastische Prozesse,

Learning outcomes deren Eigenschaften, Modellierungsaspekte sowie deren ver-

421
Modulkatalog Module Descriptions

schiedene Verhalten kennen. Sie sind in der Lage diese Prozes-

se einzuordnen, mit ihnen umfassend theoretisch zu arbeiten
sowie Aussagen über deren Charakteristika zu beweisen.
—
The students acquire a systematic understanding of the theory
of stochastic processes, their properties and modeling aspects
as well as their different behaviors. They are able to classfiy the
processes, can work with them theoretically and can formulate
as well as prove statements about their characteristics.

Inhalt Folgenden Inhalte werden besprochen:

Course content • Poisson Prozesse
• Martingale (zeitdiskret und/oder zeitkontinuierlich)
• Markov Prozesse (Brownsche Bewegung und/oder Mar-
kovketten auf allgemeinen Zustandsräumen)
• Stoppzeiten und starke Markoveigenschaft
• Simulationsalgorithmen mit Konvergenzeigenschaften
—
The following content will be covered:
• Poisson processes
• Martingales (time-discrete and/or time-continuous)
• Markov processes (Brownian motion and/or Markov
chains on continuous state spaces)
• stopping times and strong Markov property
• simulation of processes with convergence properties

Studien-/Prüfungsleistungen Entweder 90-minütige Klausur oder mündliche Prüfung (ca.

Assessment 30 Minuten); die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben.
Either written exam (90 minutes) or oral exam (about 30 mi-
nutes); the precise mode of assessment will be announced at
the start of the semester.

Medienformen Präsentation mit Tafel und/oder Beamer und/oder andere vir-

Media used tuelle Formate
Presentation with a projector or blackboard or other virtual
formats

Literatur D. Meintrup, S. Schäffler, Stochastik, Springer, 2005.

Reading list A. Klenke, Probability theory: A Comprehensive Course, Sprin-
ger, 2014.
R. Douc, E. Moulines, P. Priouret, P. Soulier, Markov chains,
Springer 2018

422
Modulkatalog Module Descriptions

6080 Computational Linguistics PN 455396

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hautli-Janisz
Module convenor

Dozent(in) Hautli-Janisz
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“, Modulgruppe „ITS“

Curriculum Focus „InfKomm“, Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Information Retrieval and Natural Language Processing, Data

Recommended skills Science oder Data Mining and Machine Learning

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students gain an overview of the main concepts, research
questions and methodological frameworks in computational
linguistics. The course covers the areas of phonetics, mor-
phology, syntax, semantics and pragmatics and presents the
core methods and challenges for language processing in the-

423
Modulkatalog Module Descriptions

se subfields of CL. Students also gain insights into a number

of current topics in applied computational linguistics, such as
Machine Translation, Question Answering, Chatbots & Dia-
logue Systems and Search.
Fähigkeiten / Abilities
Successful candidates understand the general challenges that
language poses for automatic processing. Based on their know-
ledge across subfields of CL, they can discuss the ways in which
linguistic information can be encoded for computational mo-
deling and they can also identify those methods that are most
appropriate for processing it. For those areas of applied com-
putational linguistics that are covered in the course, students
understand the standard approaches, challenges and limitati-
ons of the state of the art.
Kompetenzen / Competencies
Successful candidates can transfer their knowledge in com-
putational linguistic modeling to different settings, languages
and research questions. They are able to reflect on everyday
computational linguistic applications like virtual assistants and
machine translation systems. They can also provide a preli-
minary judgement as to what extent particular applications
require more in-depth computational linguistic modeling.

Inhalt Computational linguistics (CL) is the scientific and en-

Course content gineering discipline concerned with understanding writ-
ten and spoken language from a computational perspec-
tive, and building systems that usefully process and pro-
duce language (https://plato.stanford.edu/entries/
computational-linguistics/). It is one of the central
components of everyday technology, from web search to ma-
chine translation. In this course we will cover the main con-
cepts, research questions and methodological frameworks in
the area.
Topics include:
• Phonetics and Speech Signal Processing
• Syntactic Parsing
• Computational Semantics
• Computational Lexical Semantics
• Computational Pragmatics
• Corpora and Annotation
• Lexical Resources
• Classification and Clustering
• Statistical Tests and Evaluation
• Machine Translation
• Question Answering
• Chatbots & Dialogue Systems

424
Modulkatalog Module Descriptions

Studien-/Prüfungsleistungen 90min Klausur

Assessment 90min written exam

Medienformen Präsentation mit Beamer

Media used Presentation with projector

Literatur Speech and Language Processing. 2022. Dan Jurafsky and Ja-
Reading list mes Martin, 3rd ed. draft online (https://web.stanford.
edu/~jurafsky/slp3/)
The Handbook of Computational Linguistics and Natural Lan-
guage Processing. 2010. Alexander Clark et al. (editors).
Blackwell Publishing Ltd (https://onlinelibrary.wiley.
com/doi/book/10.1002/9781444324044)
Foundations of Statistical Natural Language Processing. 1999.
Chris Manning and Hinrich Schütze. MIT Press (https:
//nlp.stanford.edu/fsnlp/)
For more advanced literature, see lecture slides.

425
Modulkatalog Module Descriptions

6090 Sicherheit von Rechnern und eingebetteten Systemen PN 455385

Security of Computer and Embedded Systems

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kavun
Module convenor

Dozent(in) Kavun
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“, Modulgruppe „ITS“

Curriculum Focus „IT-SecRel“, Focus „ITS“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungen + 55 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen
• die Komplexität der Sicherheitslandschaft,
• die potenziellen Schwachstellen, die damit verbunden
sind, z.B Authentifizierung, Datenintegrität,

426
Modulkatalog Module Descriptions

• die Vor- und Nachteile verschiedener Prinzipien der In-

formationssicherheit
• die Risiken von Sicherheitslücken zu verstehen.
—
Students get to know
• the complexity of the security landscape,
• the potential vulnerabilities associated, e.g., authentica-
tion, data integrity,
• the advantages and disadvantages different information
security principles,
• understand the risks of security vulnerabilities.
Fähigkeiten / Abilities
Die Studierenden üben ein detailliertes Verständnis industri-
ell relevanter Fragen im Zusammenhang mit Rechnersicherheit
und eingebetteter Sicherheit sowie die Fähigkeit, Material prä-
zise und dennoch umfassend zu präsentieren und dieses Ma-
terial angemessen auf das betreffende Publikum auszurichten.
—
Students practice a detailed understanding of industrially re-
levant issues relating to computer security and embedded se-
curity as well as the ability to present material in a concise yet
comprehensive manner and to target that material appropria-
tely to the audience in question.
Kompetenzen / Competencies
Die Studierenden lernen die verschiedenen Arten von Rech-
nerangriffen und deren Auswirkungen auf die Sicherheit und
Datenschutz, die Grundprinzipien der Informationssicherheit
sowie einige praktische Kenntnisse darüber, wie diese Prin-
zipien und Implementierungstechnologien verwendet werden
können, um eine bessere Daten- und Systemsicherheit zu ge-
währleisten.
—
The students gain awareness on the different types of compu-
ter attacks and their effect on data security and privacy, get
an understanding of the fundamental principles of information
security and get some practical knowledge of how these prin-
ciples and implementing technologies can be used to ensure
better data and system security.

Inhalt Dieses Modul bietet eine Einführung in die Rechnersicherheit

Course content und die eingebettete Sicherheit. Dieses Modul konzentriert
sich insbesondere auf Ansätze und Techniken zum Aufbau si-
cherer Systeme und zum sicheren Betrieb von Systemen.
Das Modul erfordert ein Verständnis der mathematischen Kon-
zepte (z. B. Modulo-Arithmetik, komplexe Zahlen, Gruppen-
theorie) und Logik (Mengenlehre, Prädikatenlogik, natürliche

427
Modulkatalog Module Descriptions

Deduktion). Darüber hinaus erfordert das Modul ein Verständ-

nis einer Programmiersprache (z. B. Python, C) und grundle-
gende Kenntnisse in der Softwareentwicklung. Einige Übungen
erfordern Linux und Shell Grundlagen.
Das Modul beinhaltet die Themen:
• Grundlagen der Rechnersicherheit
• Zugangskontrolle
• Eingebettete Systeme
• Sicherheitsbedürfnis in eingebetteten Systemen
• Kryptografische Grundlagen
• Krypto-Angriffe
• Public Key-Infrastrukturen (PKIs)
• Digitale Signaturen
• Sicherheitsprotokolle
• Formale Analyse von Sicherheitsprotokollen
• Sicherer Software-Entwicklungslebenszyklus (SSDL)
• Bedrohungsmodellierung
• Common Vulnerability Scoring System (CVSS)
• Sicherheitslücken in der Software
• Sichere Programmierung
• Sicherheitstests: Grundlagen, Fuzzing, statische Analyse
• Sicherheit von Komponenten von Drittanbietern
• RFID-Sicherheit
• Sicherheit von integrierten Schaltungen
—
This module provides an introduction into computer security
and embedded security. In particular, this module focuses on
approaches and techniques for building secure systems and for
the secure operation of systems.
The module requires an understanding of mathematical con-
cepts (e.g., modulo-arithmetic, complex numbers, group theo-
ry) and logic (set theory, predicate logic, natural deduction).
Moreover, the module requires an understanding of a program-
ming language (e.g., Python, C) and basic software enginee-
ring knowledge. Some exercises require a basic command of
Linux in general and the command line (shell) in particular.
The module includes the topics:
• Computer Security Fundamentals
• Access Control
• Embedded Systems
• Need for Security in Embedded Systems
• Cryptographic Foundations
• Attacking Crypto
• Public Key Infrastructures (PKIs)
• Digital Signatures

428
Modulkatalog Module Descriptions

• Security Protocols
• Formal Analysis of Security Protocols
• Secure Software Development Lifecycle (SSDL)
• Threat Modelling
• Common Vulnerability Scoring System (CVSS)
• Software Vulnerabilities
• Secure Programming
• Security Testing: Basics, Fuzzing, Static Analysis
• Security of Third-Party Components
• RFID Security
• Hardware Fingerprinting & IC Security

Studien-/Prüfungsleistungen 90 Minuten schriftliche Klausur oder ca. 20 Minuten münd-

Assessment liche Prüfung in englischer Sprache und je nach Anzahl der
Hörer; die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
Written exam (90 minutes) or oral exam in English according
to the number of participants (about 20 minutes); the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur J. Gersting. Mathematical Structures for Computer Science.

Reading list WH Freeman, 7th edition, 2016.
R. J. Anderson. Security Engineering: A Guide to Building
Dependable Distributed Systems. John Wiley & Sons Inc., 1st
edition, 2001.
A. J. Menezes, S. A. Vanstone, and P. C. V. Oorschot. Hand-
book of Applied Cryptography. CRC Press Inc., 5th edition,
2001.
M. Howard, D. LeBlanc, and J. Viega. 24 Deadly Sins of Soft-
ware Security: Programming Flaws and How to Fix Them.
McGraw-Hill Inc., 1st edition, 2010.
UND / AND
In der Vorlesungen und Übungen werden Online-Ressourcen
bereitgestellt und spezifische Literatur angesagt.
Online resources will be provided and specific readings will be
announced during the lectures and exercise sessions.

429
Modulkatalog Module Descriptions

6091 Sicherheitsprozessor Design PN 455392

Security Processor Design

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kavun
Module convenor

Dozent(in) Kavun
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungen + 55 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Digitales Design, HDL, Kryptographie

Recommended skills Digital Design, HDL, Cryptography

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen den theoretischen und praktischen
Hintergrund für den Entwurf eines programmierbaren krypto-
grafischen Prozessors kennen.
—

430
Modulkatalog Module Descriptions

Students get to know the theoretical and practical background

to design a programmable cryptographic processor.
Fähigkeiten / Abilities
Die Studierenden üben das Design eines einfachen gespeicher-
ten Programmcomputers mit kryptografischen Verarbeitungs-
funktionen, die Implementierung eines solchen Prozessors mit
Verilog-HDL sowie fortgeschrittene Probleme wie Pipelining,
Caching, gemeinsame Nutzung von Ressourcen und Retiming.
—
Students practice the design of a basic stored program compu-
ter with cryptographic processing capabilities, the implemen-
tation of such a processor using Verilog-HDL and advanced
issues such as pipelining, caching, resource sharing, retiming.
Kompetenzen / Competencies
Die Studierenden lernen Verständnis der Grundprinzipien des
digitalen Designs und der Rechnerarchitektur, erlangen einige
praktische Kenntnisse darüber, wie diese Prinzipien und Imple-
mentierungstechnologien zusammen mit kryptografischen Al-
gorithmen verwendet werden können, um eine bessere Daten-
und Systemsicherheit zu gewährleisten.
—
The students get an understanding of the fundamental princip-
les of digital design and computer architecture and get some
practical knowledge of how these principles and implementing
technologies can be used together with cryptographic algo-
rithms to ensure better data and system security.

Inhalt Das Modul beinhaltet die Themen

Course content • Digitales Systemdesign und Tools
• Grundlegende Rechnerorganisation
• Befehlsformate und Befehlssätze
• ALU Design
• Datenpfad-Design
• Steuerungsdesign: Festverdrahtet und mikroprogram-
miert
• Pipelining
• Speichersysteme
• Komplexe arithmetische Einheit und kryptografisches
Co-Prozessor-Design
• Befehlssatzerweiterungen für die Kryptographie
—
The module includes the topics
• Digital system design and tools
• Basic computer organization
• Instruction formats and instruction sets
• ALU design

431
Modulkatalog Module Descriptions

• Datapath design
• Control design: Hardwired and microprogrammed
• Pipelining
• Memory systems
• Complex arithmetic unit and cryptographic co-processor
design
• Instruction set extensions for cryptography

Studien-/Prüfungsleistungen Portfolio-Prüfung in englischer Sprache. Ein Abschlussprojekt

Assessment und der entsprechende Bericht sollten eingereicht werden.
Portfolio Exam in English language. A final project and its
corresponding report should be submitted.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur M. Morris R. Mano, Michael D. Ciletti. Digital Design, 5th

Reading list Edition, Pearson, 2013.
David Patterson, John Hennessy. Computer Organization and
Design: The Hardware/Software Interface (MIPS Edition), 5th
Edition, Morgan Kaufmann, 2013.
Christof Paar, Jan Pelzl. Understanding Cryptography: A
Textbook for Students and Practitioners, Springer, 2010.
MIPS Architecture for Programmers Volume II-A: The
MIPS32 Instruction Set Manual, Revision 6.06, 2016.
UND / AND
In den Vorlesungen und Übungen werden Online-Ressourcen
bereitgestellt und spezifische Literatur angesagt.
Online resources will be provided and specific readings will be
announced during the lectures and exercise sessions.

432
Modulkatalog Module Descriptions

6092 Digitales Design mit Verilog-HDL auf FPGA PN 455408

Digital Design with Verilog-HDL on FPGA

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kavun
Module convenor

Dozent(in) Kavun
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“, Modulgruppe „IT-SecRel“

Curriculum Focus „ITS“, Focus „IT-SecRel“

Lehrform/SWS 3Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungen + 55 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden können
• die Bedeutung kanonischer Formen bei der Minimierung
oder sonstigen Optimierung von booleschen Formeln in
allgemeinen und digitalen Schaltungen erkennen,

433
Modulkatalog Module Descriptions

• Funktionen mit Hilfe beliebiger Minimierungsalgorith-

men (Boolesche Algebra oder Karnaugh Map) minimie-
ren,
• Analyse der Entwurfsverfahren für kombinatorische und
sequentielle Schaltungen,
• das Problem zu definieren (Eingänge und Ausgänge),
seine Funktionen zu schreiben,
• den endlichen Automaten mit Hilfe von algorithmischen
Zustandsdiagrammen entwerfen und einfache Projekte
mit einigen Flip-Flops durchführen,
• Entwurf digitaler Schaltungen unter Verwendung der
Hardware-Beschreibungssprache (Verilog),
• Implementierung von Funktionen mit digitalen Schal-
tungen (kombinatorisch oder sequentiell) auf einer re-
konfigurierbaren Plattform (FPGA-Board),
• Verwendung von Industriestandard-
Software-Entwurfssoftware und programmierbaren Ge-
räten wie FPGAs zur Implementierung digitaler Schal-
tungen,
• komplexe Algorithmen wie kryptografische Primitive
entwerfen, um verschiedene Entwurfsspezifika zu beob-
achten.
—
Students can
• identify the importance of canonical forms in the mini-
mization or other optimization of Boolean formulas in
general and digital circuits,
• minimize functions using any type of minimizing algo-
rithms (Boolean algebra or Karnaugh map),
• analyze the design procedures of combinational and se-
quential circuits,
• define the problem (inputs and outputs), write its func-
tions,
• design the finite state machine using algorithmic state
machine charts and perform simple projects with a few
flip-flops,
• design digital circuits using Hardware Description Lan-
guage (Verilog),
• implement functions using digital circuit (combinational
or sequential) on reconfigurable platform (FPGA board),
• use industry standard software design suite and pro-
grammable devices such as FPGAs to implement digital
circuits,
• design complex algorithms like cryptographic primitives
to observe different design specifics.

434
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Die Studierenden erwerben die Fähigkeit
• komplexe technische Probleme zu erkennen, zu formu-
lieren und zu lösen, indem sie ingenieurwissenschaftli-
che, naturwissenschaftliche und mathematische Prinzi-
pien anwenden,
• wenden Digitales Design Optimierung Methoden an, um
Lösungen zu entwickeln, die bestimmte Anforderungen
unter Berücksichtigung verschiedener Faktoren erfüllen,
• im Rahmen eines Modulprojekts Aufgaben zu stellen
und Ziele zu erreichen.
—
Students gain an ability to
• identify, formulate, and solve complex engineering pro-
blems by applying principles of engineering, science, and
mathematics,
• apply digital design optimization techniques to produce
solutions that meet specified needs with consideration
of different factors,
• establish goals and meet objectives in a module project.
Kompetenzen / Competencies
Die Studierenden
• erwerben Kenntnisse in der Analyse und dem Entwurf
von Verfahren für kombinierte und sequentielle Schal-
tungen,
• lernen, wie man Hardware-Simulationssoftware zum
Testen der entworfenen Schaltung verwendet,
• lernen, wie man einen effektiven technischen Bericht für
die Bewertung schreibt,
• gewinnen Erfahrung in der Nutzung von Online-
Ressourcen zur Beschaffung aktueller Literatur zu di-
gitalen Designkomponenten.
—
The students
• gain knowledge in analyzing and designing procedures
of combinational and sequential circuits,
• learn how to use hardware simulation software for testing
the designed circuit,
• learn how to write an effective technical report for the
assessment,
• gain experience on using online resources to obtain cur-
rent literature on engineering components.

Inhalt Diese Übung behandelt die Konzepte, Prinzipien und Tech-

Course content niken des Entwurfs und der Implementierung digitaler Sys-
teme. Der Kurs lehrt die Grundlagen digitaler Systeme un-

435
Modulkatalog Module Descriptions

ter Anwendung der Logikentwurfs- und Entwicklungstechni-

ken. Praktische Laborexperimente mit einem rekonfigurierba-
ren Board dienen der Vertiefung der theoretischen Konzepte.
Die Laborexperimente beinhalten den Entwurf und die Imple-
mentierung von digitalen Schaltungen. Der Schwerpunkt des
Kurses liegt auf der Verwendung von CAD-Tools (Computer-
Aided Design) für den Entwurf, die Simulation und das Testen
von digitalen Schaltungen anhand konkreter Beispiele, insbe-
sondere bei Sicherheit- und Kryptographieanwendungen.
Ziel des Moduls ist es, den Studenten die Themen kombi-
natorische und sequentielle Schaltungsanalyse und -entwurf,
Optimierungsmethoden für den Entwurf digitaler Schaltun-
gen unter Verwendung von Multiplexern, Decodern, Registern,
Zählern und programmierbaren Logikarrays anhand eines re-
konfigurierbaren FPGA-Evaluierungsboards zu vermitteln.
Das Modul beinhaltet die Themen
• Grundlagen der Elektronik
• Zahlendarstellung und Binärcodes
• Boolesche Algebra und Funktionen, kanonische Formen
• Kombinatorische Entwurfstechniken: K-Maps
• Kombinatorische Logikschaltungen: Addierer/ Subtrak-
tor, Codewandler, Komparatoren,
Multiplexer/Demultiplexer und Decoder/Encoder
• Programmierbare Logikschaltungen, feldprogrammier-
bare Gate-Arrays (FPGA)
• Sequentielle Logikschaltungen
• Latches und Flip-Flops
• Zustandsverhalten von synchronen sequentiellen Schal-
tungen: Zustandstabellen
• Implementierung von kryptographischen Algorithmen
und anderen Beispielschaltungen auf FPGA
—
This exercise course addresses the concepts, principles and
techniques of digital systems design and implementation. The
course teaches the fundamentals of digital systems applying
the logic design and development techniques. Practical labo-
ratory experiments using a reconfigurable board are used to
reinforce the theoretical concepts. The lab experiments involve
the design and implementation of digital circuits. The cour-
se emphasis is on the use of computer-aided design (CAD)
tools in the design, simulation, and testing of digital circuits
through specific examples, especially in security and crypto-
graphy applications.
The aim of the course is to introduce to the students the
topics that include combinational and sequential circuit ana-

436
Modulkatalog Module Descriptions

lysis and design, digital circuit design optimization methods

using random logic gates, multiplexers, decoders, registers,
counters, and programmable logic arrays through a reconfigu-
rable FPGA evaluation board.
The module includes the topics
• Basics of electronics
• Number representation and binary codes
• Boolean algebra and functions, canonical forms
• Combinational design techniques: K-maps
• Combinational logic circuits: adders/subtractors, code
converters, comparators, multiplexors/demultiplexors,
and decoders/encoders
• Programmable logic circuits, field programmable gate
arrays (FPGA)
• Sequential logic circuits
• Latches and flip-flops
• State behavior of synchronous sequential circuits: State
tables
• Implementation of cryptographic algorithms as well as
other example circuits on FPGA

Studien-/Prüfungsleistungen Portfolio-Prüfung in englischer Sprache. Ein Abschlussprojekt

Assessment und der entsprechende Bericht sollten eingereicht werden.
Portfolio Exam in English language. A final project and its
corresponding report should be submitted.

Medienformen Präsentation und Beamer, Tafel, Boolean Board FPGA

Media used Presentation and projector, blackboard, Boolean Board FPGA

Literatur https://www.realdigital.org/hardware/boolean
Reading list M. Morris R. Mano, Michael D. Ciletti. Digital Design, 5th
Edition, Pearson, 2013.
UND / AND
In den Übungen werden Online-Ressourcen bereitgestellt und
spezifische Literatur angesagt.
Online resources will be provided and specific readings will be
announced during the exercise sessions.

437
Modulkatalog Module Descriptions

6093 Implementierung von kryptographischen Verfahren PN 422170

Implementation of Cryptographic Schemes

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kavun
Module convenor

Dozent(in) Kavun
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRl“

Curriculum Focus „IT-SecRl“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungen + 55 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse IT-Sicherheit, Kryptographie, Programmierung

Recommended skills IT Security, Cryptography, Programming

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen
• verschiedene kryptographische Implementierungen in
der Sicherheitslandschaft kennen,
• die potenziellen Schwachstellen kennen, die mit der

438
Modulkatalog Module Descriptions

praktischen Umsetzung verbunden sind,

• die Vor- und Nachteile verschiedener Metriken in der
Kryptographie kennen,
• die Effizienzmetriken und potenziellen Risiken bei der
Implementierung von Sicherheitsanwendungen zu ver-
stehen.
—
Students get to know
• different cryptographic implementations in the security
landscape,
• the potential vulnerabilities associated with real-world
implementations,
• the advantages and disadvantages different metrics in
cryptography,
• understand the efficiency metrics and potential risks in
the implementations of security applications.
Fähigkeiten / Abilities
Die Studierenden üben
• ein detailliertes Verständnis für praxisrelevante Fragen
im Zusammenhang mit Sicherheit und Kryptographie,
• die Fähigkeit, Material präzise und dennoch umfassend
zu präsentieren und dieses Material angemessen auf das
betreffende Publikum auszurichten.
—
Students practice
• a detailed understanding of practice relevant issues re-
lating to security and cryptography,
• the ability to present material in a concise yet compre-
hensive manner and to target that material appropriately
to the audience in question.
Kompetenzen / Competencies
Die Studierenden lernen
• die verschiedenen Ansätze bei der Implementierung von
Kryptographie und deren Auswirkungen auf Effizienz
und Robustheit kennen,
• die grundlegenden Prinzipien von kryptographischen Im-
plementierungen kennen,
• einige praktische Kenntnisse darüber erlangen, wie diese
Prinzipien und Implementierungstechnologien verwen-
det werden können, um eine bessere Daten- und Sys-
temsicherheit zu gewährleisten.
—
The students
• gain awareness on the different approaches in cryptogra-
phy implementations and their effect on efficiency and

439
Modulkatalog Module Descriptions

robustness,
• get an understanding of the fundamental principles of
cryptographic implementations,
• get some practical knowledge of how these principles
and implementing technologies can be used to ensure
better data and system security.

Inhalt Dieses Modul führt in spezifische Themen der Kryptographie

Course content und deren effiziente und sichere Implementierung ein. Insbe-
sondere konzentriert sich dieses Modul auf Ansätze und Tech-
niken zur Implementierung sicherer und effizienter kryptogra-
phischer Anwendungen. Das Modul erfordert ein Verständ-
nis der mathematischen Konzepte (z. B. Modulo-Arithmetik,
komplexe Zahlen, Gruppentheorie) und Logik (Mengenlehre,
Prädikatenlogik, natürliche Deduktion). Darüber hinaus erfor-
dert das Modul ein Verständnis einer Programmiersprache (z.
B. Python, C) und grundlegende Kenntnisse in der Software-
entwicklung. Einige Übungen erfordern Linux und Shell Grund-
lagen im Besonderen.
Das Modul beinhaltet die Themen
• Kryptografische Implementierungen in Software und
Hardware
• Leichtgewichtige Kryptographie
• Kryptographie mit niedriger Latenzzeit• White-box-
Kryptographie
• RSA-Implementierungstechniken
• Angriffe auf Krypto
• Physikalische Angriffe und Gegenmaßnahmen
• Neue Themen im Bereich Sicherheit und Kryptographie
—
This module introduces specific topics in cryptography and
their efficient and secure implementation. In particular, this
module focuses on approaches and techniques for imple-
menting secure and efficient cryptographic applications. The
module requires an understanding of mathematical concepts
(e.g., modulo-arithmetic, complex numbers, group theory) and
logic (set theory, predicate logic, natural deduction). Moreo-
ver, the module requires an understanding of a programming
language (e.g., Python, C) and basic software engineering
knowledge. Some exercises may require a basic command of
Linux in general and the command line (shell) in particular.
The module includes the topics
• Cryptographic implementations in software and hardwa-
re
• Lightweight cryptography
• Low-latency cryptography

440
Modulkatalog Module Descriptions

• White-box cryptography
• RSA implementation techniques
• Attacking crypto
• Physical attacks and countermeasures
• Emerging topics in security and cryptography

Studien-/Prüfungsleistungen 90 Minuten schriftliche Klausur, oder Portfolio-Prüfung in

Assessment englischer Sprache (Ein Abschlussprojekt und der entsprechen-
de Bericht sollten eingereicht werden), oder ca. 20 Minuten
mündliche Prüfung in englischer Sprache und je nach Anzahl
der Hörer; die genaue Prüfungsart wird zu Beginn des Semes-
ters bekannt gegeben.
Written exam (90 minutes), or Portfolio Exam in English lan-
guage. (A final project and its corresponding report should be
submitted), or oral exam in English according to the number
of participants (about 20 minutes); the precise mode of as-
sessment will be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur J. Gersting. Mathematical Structures for Computer Science.

Reading list WH Freeman, 7th edition, 2016.
R. J. Anderson. Security Engineering: A Guide to BuildingDe-
pendable Distributed Systems. John Wiley & Sons Inc., 1st
edition, 2001.
A. J. Menezes, S. A. Vanstone, and P. C. V. Oorschot. Hand-
book of Applied Cryptography. CRC Press Inc., 5th edition,
2001.
C. Paar and J. Pelzl. Understanding Cryptography: ATextbook
for Students and Practitioners. Springer, 2010.
UND / AND
In der Vorlesungen und Übungen werden Online-Ressourcen
bereitgestellt und spezifische Literatur angesagt.
Online resources will be provided and specific readings will be
announced during the lectures and exercise sessions.

441
Modulkatalog Module Descriptions

6100 Computational Game Theory PN 472690

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Harks
Module convenor

Dozent(in) Harks
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60+30 Std. Präsenz, 90+90 Std. Eigenarbeitszeit

Workload 60+30 contact hours, 90+90 hours independent study and
exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I+II, Lineare Algebra I+II

Recommended skills Analysis I+II, Linear Algebra I+II

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Fragestellungen
und Methoden der algorithmischen Spieltheorie.
—
The students learn the foundations of algorithmic game theo-
ry.
Fähigkeiten / Abilities

442
Modulkatalog Module Descriptions

Die Studierenden können verteilte Systeme mit strategischer

Interaktion modellieren und analysieren. Insbesondere algo-
rithmische Zugänge zur Berechnung von Gleichgewichtslösun-
gen werden vermittelt.
—
The students are able to model distributed systems with stra-
tegically interacting agents. They are able to algorithmically
solve such systems by means of computing equilibrium soluti-
ons.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, verteilte Systeme mit
strategischer Interaktion zu modellieren, zu bewerten und mit
Rechnerunterstützung zu lösen.
—
The students have the competence to model and algorithmi-
cally solve distributed systems with strategically interacting
agents.

Inhalt Nash-Equilibrium, Lemke-Howson, PPAD, PLS, Congestion

Course content Games, Pricing, Cooperative Game Theory, Core, Auctions,
Mechanism Design

Studien-/Prüfungsleistungen 120-minütige Klausur (oder 30 Minuten mündliche Prüfung)

Assessment über die Themen: Nash-Equilibrium, Lemke-Howson, PPAD,
PLS, Congestion Games, Pricing, Cooperative Game Theory,
Core, Auctions, Mechanism Design.
Exam (120 minutes) or oral exam (30 minutes) covering the
topics: Nash-Equilibrium, Lemke-Howson, PPAD, PLS, Con-
gestion Games, Pricing, Cooperative Game Theory, Core, Auc-
tions, Mechanism Design.

Medienformen Tafelanschrieb
Media used Blackboard

Literatur Skriptum
Reading list

443
Modulkatalog Module Descriptions

6101 Komplexe Dynamische Netzwerke PN 471515

Complex Dynamic Networks

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Schönlein
Module convenor

Dozent(in) Schönlein
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungen + 55 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I+II, Lineare Algebra I+II, Gewöhnliche Differential-

Recommended skills gleichungen
Analysis I+II, Linear Algebra I+II, Ordinary Differential Equa-
tions

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Grundlagen der mathematischen
Modellierung komplexer Systeme wie kausale Loop Diagram-

444
Modulkatalog Module Descriptions

me. Sie verstehen den Einfluss von Rückkopplungen unter den

Komponenten komplexer dynamischer Netzwerke. Die Studie-
renden sind in der Lage komplexe Netzwerke zu visualisieren
und zu simulieren. Sie kennen verschiede Maße für die Struk-
turanalyse komplexer Netzwerke.
—
The participants are familiar with the fundamentals of mode-
ling complex systems, such as causal loop diagrams. They
command methods for creating mathematical models in
science and engineering. They are aware of feedback interac-
tions among the components of complex dynamic networks.
The students are able to visualize and simulate complex net-
works and know measures and metrics capturing features of
network structures.
Fähigkeiten / Abilities
Die Studierenden sind in der Lage mathematische Modelle für
reale Systeme zu erstellen. Sie können komplexe Systeme un-
tersuchen indem sie Simulationen erstellen und verschiedene
Struktureigenschaften analysieren.
—
The students are able to create mathematical models for real-
world systems. They are able to draw conclusions based on
visualizations, simulations and structural analysis.

Inhalt Folgende Themen werden behandelt:

Course content Modellierung komplexer Systeme (Kausale Loop Diagram-
me), Darstellung komplexer Systeme, Strukturanalyse kom-
plexer Systeme (Zentralitätsmaße, PageRank, Gruppenbil-
dung), Synchronisation gekoppelter Systeme, Populations-
und Epidemie-Modelle
—
The following topics will be covered:
modeling complex systems (causal loop diagrams), visualizati-
on and simulation of complex systems, analysis of topological
properties (centrality measures, PageRank, clustering), popu-
lation and epidemic models

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
durch Aushang und auf den Internetseiten der Fakultät be-
kannt gegeben.
90-minute examination or 20-minute oral examination. The
precise mode of assessment will be announced on the noti-
ceboard and on the faculty website at the beginning of the
semester.

445
Modulkatalog Module Descriptions

Medienformen Tafelanschrieb, Online Lehre via Zoom

Media used Blackboard, online teaching via Zoom

Literatur H. Sayama. Introduction to the Modeling and Analysis of

Reading list Complex Systems. Open SUNY Textbooks, 2015
J. Sterman. Business Dynamics: Systems Thinking and Mo-
deling for a Complex World. McGraw-Hill Higher Education,
2000
S. Meyn. Control Techniques for Complex Networks. Cam-
bridge University Press, 2008
M. Newman. Networks. 2nd Ed. Oxford University Press, 2018

446
Modulkatalog Module Descriptions

6103 Distributed Algorithms PN 422150

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Harks
Module convenor

Dozent(in) Ghodselahi, Harks

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz, 60 Std. Übung, 60 Std. Nachbereitung der

Workload Vorlesung und Prüfungsvorbereitung
60 contact hours, 60 hours independent study, 60 hours lec-
ture and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Interesse an Algorithmik

Recommended skills Interest in algorithmic problems

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Fragestellungen
und Methoden des verteilten Rechnens. Insbesondere wer-
den Theme wie „communication, locality, parallelism, self-
organization, symmetry breaking, synchronization, and uncer-
tainty” behandelt.

447
Modulkatalog Module Descriptions

—
Understanding of the fundamental principles and issues un-
derlying the design of distributed systems and networks
Familiarity with essential algorithmic ideas and lower bound
techniques in distributed computing
Ability to analyze and design distributed algorithms for areas
such as communication, locality, parallelism, self-organization,
symmetry breaking, synchronization, and uncertainty
Fähigkeiten / Abilities
Die Studierenden sind in der Lage verteilte Algorithmen zu
entwerfen und für Anwendungen im Bereich Kommunikation,
Parallelisierbarkeit und Selbstorganisation anzuwenden.
—
Analyze and design distributed algorithms for areas such as
communication, locality, parallelism, self-organization, sym-
metry breaking, synchronization, and uncertainty
Understand the fundamental principles and issues underlying
the design of distributed systems and networks
Develop a strong foundation for further study or work in the
field of distributed computing
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, verteilte Algorithmen
zu entwerfen und für Anwendungen mit Rechnerunterstützung
Lösungen zu berechnen.
—
The ability to analyze and design distributed algorithms for a
variety of fundamental issues in distributed computing
The ability to apply knowledge of distributed computing to
real-world distributed systems and networks
A strong understanding of the fundamental principles and issu-
es underlying the design of distributed systems and networks

Inhalt Introduction, Vertex Coloring, Tree Algorithms, Distributed

Course content Sorting, Maximal Independent Set, Shared Objects, Locality-
Based Lower Bounds, Synchronizers, Dynamic Networks

Studien-/Prüfungsleistungen 120-minütige Klausur (oder 30 Minuten mündliche Prüfung)

Assessment über: Vertex Coloring, Tree Algorithms, Distributed Sorting,
Maximal Independent Set, Shared Objects, Locality-Based
Lower Bounds, Synchronizers, Dynamic Networks
Exam (120 minutes) or oral exam (30 minutes) covering the
topics: Vertex Coloring, Tree Algorithms, Distributed Sorting,
Maximal Independent Set, Shared Objects, Locality-Based
Lower Bounds, Synchronizers, Dynamic Networks
Medienformen Tafelanschrieb
Media used Blackboard, (videos in case of virtual lecture)

448
Modulkatalog Module Descriptions

Literatur Distributed Computing: A Locality-Sensitive Approach

Reading list D. Peleg
Society for Industrial and Applied Mathematics (SIAM), 2000.
Distributed Computing: Fundamentals, Simulations and Ad-
vanced Topics
H. Attiya, J. Welch
McGraw-Hill Publishing, 1998.
Dissemination of Information in Communication Networks
J. Hromkovic, R. Klasing, A. Pelc, P. Ruzicka, W. Unger
Springer-Verlag, 2005.
Introduction to Parallel Algorithms and Architectures: Arrays,
Trees, Hypercubes
F. T. Leighton
Morgan Kaufmann Publishers Inc., 1991.
Introduction to Algorithms (3rd edition)
T. Cormen, C. Leiserson, R. Rivest, C. Stein
The MIT Press, 2009.

449
Modulkatalog Module Descriptions

6105 Dynamic Network Flows PN 422160

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Harks
Module convenor

Dozent(in) Graf, Harks

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 30+30 Std. Präsenz, 60+60 Std. Eigenarbeitszeit

Workload 30+30 contact hours, 60+60 hours independent study and
exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I, Analysis I+II

Recommended skills Linear Algebra I, Analysis I+II

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Modelle und Me-
thoden, um dynamische Netzwerkflüsse zu berechnen und zu
charakterisieren. Des Weiteren werden Modelle mit strategisch
agierenden Flusspartikeln betrachtet.
—
The students learn the foundations of dynamic network flows

450
Modulkatalog Module Descriptions

from a computational perspective. They also understand mo-

dels with strategic acting agents.
Fähigkeiten / Abilities
Die Studierenden können dynamische Netzwerkflüsse model-
lieren und charakterisieren. Des Weiteren können sie Model-
le mit strategischer Interaktion von Flusspartikeln modellieren
und analysieren. Insbesondere algorithmische Zugänge zur Be-
rechnung von Gleichgewichtslösungen werden vermittelt.
—
The students are able to model dynamic network flows with
and without strategically interacting agents. They are able
to algorithmically solve such models by means of computing
equilibrium solutions.
Kompetenzen / Competencies
Die Studierenden haben die Kompetenz, dynamische Netz-
werkflüsse sowohl ohne wie auch mit strategischer Interaktion
von Flusspartikeln zu modellieren, zu bewerten und mit Rech-
nerunterstützung zu lösen.
—
The students have the competence to model and algorithmi-
cally solve dynamic network flows with and without strategi-
cally interacting agents.

Inhalt Dynamic capacitated flows, earliest arrival flows, Ford-

Course content Fulkerson Algorithm, Vickrey model, dynamic equilibrium
flows, thin flows, instantaneous dynamic equilibrium flows,
path-delay operator model

Studien-/Prüfungsleistungen 120-minütige Klausur (oder 30 Minuten mündliche Prüfung)

Assessment über die Themen: Dynamic capacitated flows, earliest arri-
val flows, Ford-Fulkerson Algorithm, Vickrey model, dynamic
equilibrium flows, thin flows, instantaneous dynamic equilibri-
um flows, path-delay operator model.
Exam (120 minutes) or oral exam (30 minutes) covering
the topics: Dynamic capacitated flows, earliest arrival flows,
Ford-Fulkerson Algorithm, Vickrey model, dynamic equilibri-
um flows, thin flows, instantaneous dynamic equilibrium flows,
path-delay operator model.

Medienformen Tafelanschrieb
Media used Blackboard, (videos in case of virtual lecture)

Literatur Skriptum
Reading list

451
Modulkatalog Module Descriptions

6106 Computational Geometry PN 405125

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Hinweis: Das Modul ersetzt das alte Modul „Algorithmische
Geometrie“ - keine Doppelanrechung möglich!
Irregular
Notice: The module replaces the old module „Algorithmic
Geometry“ - cannot be credited twice.

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Harks
Module convenor

Dozent(in) Desai
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Euklidische Geometrie, Algorithmen und Datenstrukturen, Li-

Recommended skills neare Algebra, Analysis
Euclidean Geometry, Algorithms and Data Structures, Linear
Algebra, Analysis

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

452
Modulkatalog Module Descriptions

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen Techniken, die man für den Entwurf
und die Analyse geometrischer Algorithmen und Datenstruk-
turen benötigt.
—
The students know techniques that can be used to design and
analyze geometric algorithms and data structures.
Fähigkeiten / Abilities
Die Studierenden können die in der Vorlesung vorgestellten
Verfahren und Datenstrukturen exemplarisch ausführen, de-
ren Funktionsweise erläutern und sie analysieren.
—
The students can apply the algorithms and data structures
presented in the lecture on examples, can explain the way
they work and are able to analyze them.
Kompetenzen / Competencies
Die Studierenden können entscheiden, welche Algorithmen
oder Datenstrukturen geeignet sind, um ein gegebenes geo-
metrisches Problem zu lösen. Die Studierenden sind in der
Lage, neue Probleme zu analysieren und sich auf Basis der in
der Vorlesung erlernten Konzepte und Techniken eigene effi-
ziente Lösungen zu überlegen.
—
The students have the competence to decide which algorithms
or data structures are useful to solve a geometric problem.
They are able to analyze new problems and think of efficient
solutions based on the concepts and techniques learned in the
lecture.

Inhalt Diese Vorlesung beschäftigt sich mit den algorithmischen

Course content Aspekten geometrischer Problemstellungen: Wir werden Tech-
niken erlernen, die man für den Entwurf und die Analyse von
geometrischen Algorithmen und Datenstrukturen benötigt.
Insbesondere werden Themen wie “Convex hull in 2d, Range
search, intersections, Polygon triangulation, Art Gallery theo-
rem, Duality and line arrangements, Voronoi diagram and De-
launay triangulations, Epsilon-nets and VC-dimension, Cluste-
ring point sets” vorgestellt.
—
This lecture deals with algorithmic aspects of geometric tasks:
we will learn techniques that can be used to design and ana-
lyze geometric algorithms and data structures.
In particular, we will cover topics like Convex hull in 2d, Range
search, intersections, Polygon triangulation, Art Gallery theo-
rem, Duality and line arrangements, Voronoi diagram and De-

453
Modulkatalog Module Descriptions

launay triangulations, Epsilon-nets and VC-dimension, Cluste-

ring point sets.

Studien-/Prüfungsleistungen 120-minütige Klausur oder mündliche Prüfung (ca. 30 Minu-

Assessment ten) über die Themen der Vorlesung. Die genaue Prüfungsart
wird zu Beginn des Semesters bekannt gegeben.
Written exam (120 minutes) or oral exam (approx. 30 minu-
tes) covering the content of the course. The precise mode of
assessment will be announced at the start of the semester.

Medienformen Tafelanschrieb
Media used Blackboard, (videos in case of virtual lecture)

Literatur Mark de Berg, Otfried Cheong, Marc van Kreveld, Mark Over-
Reading list mars: Computational Geometry: Algorithms and Applications.
Springer-Verlag, 3rd edition, 2008.
Rolf Klein: Algorithmische Geometrie: Grundlagen, Methoden,
Anwendungen. Springer-Verlag, 2nd edition, 2005.

454
Modulkatalog Module Descriptions

6111 Klassische Grenzwertsätze & große Abweichungen PN 451019

Classical Limit Theorems & Large Deviations

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Prochno
Module convenor

Dozent(in) Prochno
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Einführung in die Stochastik, Wahrscheinlichkeitstheorie

Recommended skills Introduction to Stochastics, Probability Theory

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden bekommen ein vertieftes Verständnis klassi-
scher Grenzwertsätze der Wahrscheinlichkeitstheorie und ler-
nen die grundlegenden Konzepte sowie Techniken der Theorie
der großen Abweichungen kennen.

455
Modulkatalog Module Descriptions

—
Students obtain a deeper understanding of classical limit theo-
rems in probability and learn the fundamental concepts and
methods of large deviations theory.
Fähigkeiten / Abilities
Die Studierenden üben den Umgang sowie die Kombinati-
on der Methoden der Wahrscheinlichkeitstheorie, speziell der
Theorie der großen Abweichungen, an ausgewählten Proble-
men, die sich auf verschiedene Bereiche der Mathematik, wie
etwa Funktionalanalysis, Wahrscheinlichkeitstheorie, (konvexe
und diskrete) Geometrie sowie theoretische Informatik, stüt-
zen.
—
Students practice handling the methods developed and used in
probability theory, in particular large deviations theory, which
are intimately related to functional analysis, probability theo-
ry, (discrete and convex) geometry, and computer science.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, die Konzepte und Metho-
den der Wahrscheinlichkeitstheorie, speziell der Theorie der
großen Abweichungen, bei konkreten Fragestellungen anzu-
wenden.
—
The students are able to approach problems in mathematics
and related fields by means of methods and ideas from proba-
bility theory, in particular large deviations theory.

Inhalt Ausgehend von den klassischen Grenzwertsätzen der Wahr-

Course content scheinlichkeitstheorie, die das typische Verhalten etwa von
Summen u.i.v Zufallsgrößen beschreiben, führen wir in die
Theorie der großen Abweichungen ein, d.h. die zentralen Be-
griffe, Konzepte und fundamentale Sätze werden behandelt.
Die Theorie beschäftigt sich mit untypischen/ seltenen Ereig-
nissen und deren asymptotische Quantifizierung mittels Ra-
tenfunktionen. Sie steht historisch in enger Verbindung zur
statistischen Physik und hat moderne Anwendungen/Bezüge
etwa zu geometrischer Funktionalanalysis, Konvexgeometrie
oder theoretischer Informatik.
Das Modul beinhaltet Elemente aus:
• Kolmogorovs L1-Version des SGGZ
• Lindebergs Zentraler Grenzwertsatz
• Lindeberg Methode
• Legendre Transformation
• Kumulantenerzeugende Funktion
• Satz von Cramér
• Satz von Cramér (heavy tails Version)

456
Modulkatalog Module Descriptions

• Prinzipien großer Abweichungen

• Kontraktionsprinzip
• Varadhans Variationslemma
• Satz von Sanov
• Anwendungen in Funktionalanalysis, theoretischer Infor-
matik
—
Starting with the classical limit theorems in probability theory,
which describe, for instance, the typical behavior of sums of iid
random variables, we introduce the theory of large deviations
with its key notions and concepts as well as some of the fun-
damental results. The theory deals with atypical/ rare events
and their asymptotic quantification using rate functions. His-
torically, the area is closely linked to statistical physics and
has modern applications in/ is related to geometric functional
analysis, convex geometry or theoretical computer science.
The module covers elements from:
• Kolmogorov’s L1 version of the SLLN
• Lindeberg’s central limit theorem
• Lindeberg’s method
• Legendre transformation
• Cumulant generating function
• Cramér’s theorem
• Cramér’s theorem (heavy tails version)
• Large deviation principles
• Contraction principle
• Varadhan’s variational lemma
• Sanov’s theorem
• Applications in functional analysis, theoretical computer
science

Studien-/Prüfungsleistungen Klausur (90 Minuten) oder mündliche Prüfung (ca. 30 Mi-

Assessment nuten) in deutscher oder englischer Sprache; die genaue Prü-
fungsart wird zu Beginn des Semesters bekannt gegeben.
90-minute written examination or oral exam (about 30 minu-
tes) in German or English; the precise mode of assessment will
be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel/Tablet

Media used Presentation and projector, blackboard/tablet

Literatur J. Prochno: Classical limit theorems & large deviations, Lec-

Reading list ture notes, 2020
F. Den Hollander: Large Deviations, Fields Institute Monogra-
phs, Volume 14, 2000
A. Dembo, O. Zeitouni: Large Deviations Techniques & App-
lications, Springer, 2010

457
Modulkatalog Module Descriptions

6112 Introduction to Information-based Complexity and PN 485384

Compressed Sensing

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Prochno
Module convenor

Dozent(in) Prochno, Sonnleitner

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 40 Std. Übungen + 80 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 40 hrs exercises + 80 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I+II, Analysis I+II, Einführung in die Stochas-
Recommended skills tik
Linear Algebra I+II, Analysis I+II, Introduction to Stochastics

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen Grundkonzepte und -resultate der
“Information-based complexity” und wissen über die Funkti-
onsweise von “Compressed Sensing” Bescheid.

458
Modulkatalog Module Descriptions

—
The students know fundamental concepts and statements of
information-based complexity and are aware of the workings
of compressed sensing.
Fähigkeiten / Abilities
Die Studierenden üben anhand ausgewählter Probleme Be-
griffe und Methoden aus “Information-based Complexity” und
“Compressed Sensing” einzuordnen und anzuwenden. Sie wen-
den diese an, um konkrete Fragestellungen zu beantworten.
—
The students practice with the help of selected problems to
classify and apply concepts and methods of information-based
complexity and compressed sensing. They apply these in order
to solve concrete problems.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, die Konzepte und Me-
thoden von “Information-based Complexity” und “Compres-
sed Sensing” bei konkreten Fragestellungen anzuwenden.
—
The students are able to apply concepts and methods of
information-based complexity and compressed sensing to con-
crete problems.

Inhalt Die “Information-based Complexity” beschäftigt sich mit der

Course content theoretischen Analyse von numerischen Problemen und der
Komplexität dieser Probleme in Abhängigkeit von gegebener
Information und Dimensionalität. “Compressed Sensing” ist
eine effiziente Methode, um Signale mit wenigen wesentli-
chen Charakteristika wiederherzustellen oder abzuspeichern,
und wird als solche in der Lehrveranstaltung im Rahmen von
“Information-based Complexity” studiert. Der Inhalt setzt sich
aus Themenbereichen der folgenden Liste zusammen:
• Grundlagen der “Information-based complexity”
• Numerische Integration und Approximation
• Lineare Algorithmen und lineare Probleme
• “Compressed sensing” und “sparse approximation”
• “Restricted Isometry Property”
• (Gauss’sche) Zufallsmatrizen und Maßkonzentration
—
Information-based Complexity is concerned with the theoreti-
cal analysis of numerical problems and their complexity with
respect to given information and intrinsic dimensionality. Com-
pressed sensing is an efficient technique to recover and sto-
re signals with few important features, and as such will be
studied in this course in the framework of information-based
complexity. The content is based on elements of the following

459
Modulkatalog Module Descriptions

list:
• Information-based complexity basics
• Numerical integration and approximation
• Linear algorithms and Linear problems
• Compressed sensing and sparse approximation
• Restricted Isometry Property
• (Gaussian) random matrices and concentration of mea-
sure

Studien-/Prüfungsleistungen Klausur (90 Minuten) oder mündliche Prüfung (ca. 30 Mi-

Assessment nuten) in deutscher oder englischer Sprache; die genaue Prü-
fungsart wird zu Beginn des Semesters bekannt gegeben.
90-minute written examination or oral exam (about 30 minu-
tes) in German or English; the precise mode of assessment will
be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel/Tablet

Media used Presentation and projector, blackboard/tablet

Literatur Skript / lecture notes

Reading list Weiterführende Literatur wird zu Beginn des Semesters be-
kannt gegeben
Additional reading material will be announced at the start of
the semester

460
Modulkatalog Module Descriptions

6113 Einführung in die Approximationstheorie PN 455460

Introduction to Approximation Theory

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Prochno
Module convenor

Dozent(in) Prochno
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 1Ü
Contact hours

Arbeitsaufwand 45 Std. Präsenz + 50 Std. Übungsaufgaben + 55 Std. Nach-

Workload bereitung und Prüfungsvorbereitung
45 contact hours + 50 hrs exercises + 55 hrs independent
study and exam preparation

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I, Analysis II

Recommended skills Analysis I, Analysis II

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering, Bachelor Mathema-

Studiengängen tik
Applicability for other courses Master Artificial Intelligence Engineering, Bachelor Mathema-
tics

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen grundlegenden Konzepte sowie Tech-
niken der Approximationstheorie kennen.
—

461
Modulkatalog Module Descriptions

Students learn fundamental concepts and methods of appro-

ximation theory.
Fähigkeiten / Abilities
Die Studierenden üben den Umgang sowie die Kombinati-
on der Methoden der Approximationstheorie an ausgewählten
Problemen, die sich auf verschiedene Bereiche der Mathema-
tik stützen.
—
Students practice handling the methods developed and used
in approximation theory, which are intimately related to va-
rious areas of mathematics.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, die Konzepte und Me-
thoden der Approximationstheorie bei konkreten Fragestellun-
gen zu klassischen sowie aktuellen Themen (etwa im Rahmen
hochdimensionaler Probleme der Mathematik und angrenzen-
der Gebiete) anzuwenden.
—
The students are able to approach classical and modern (e.g.,
high-dimensional) problems in mathematics and related fields
by means of methods and ideas from approximation theory.

Inhalt Das Modul dient der Vermittlung von Grundlagen der klassi-
Course content schen Approximationstheorie. Darüber hinaus sollen auch mo-
dernere Aspekte der Approximationstheorie diskutiert werden.
Das Modul beinhaltet ausgewählte Themen aus den Berei-
chen:
The module introduces some fundamental ideas in classical
approximation theory as well as some of its modern aspects.
The module covers selected topics from:
• Approximation by algebraic polynomials (1st Weier-
strass theorem)
• Trigonometric Polynomials (2nd Weierstrass theorem)
• Characterization of best approximation
• Lagrange, Chebyshev and Hermite interpolation
• Orthogonal polynomials (Christoffel-Darboux Identity)
• Entropy numbers and applications
• General s-Numbers and applications

Studien-/Prüfungsleistungen mündliche Prüfung (ca. 30 Minuten)

Assessment 30-minute oral examination

Medienformen Präsentation und Beamer, Tafel/Tablet

Media used Presentation and projector, blackboard/tablet

Literatur A Short Course on Approximation Theory, N.L. Carothers

Reading list Modern Approximation Theory, J. Vybíral

462
Modulkatalog Module Descriptions

463
Modulkatalog Module Descriptions

6117 Convex Geometry and Applications to Linear Programming PN 472730

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Prochno
Module convenor

Dozent(in) Prochno, Sonnleitner

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 3V + 1Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 40 Std. Übungen + 80 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 40 hrs exercises + 80 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I, Analysis I

Recommended skills Linear Algebra I, Analysis I

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering, Bachelor Mathema-

Studiengängen tik
Applicability for other courses Master Artificial Intelligence Engineering, Bachelor Mathema-
tics

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen Grundkonzepte und -resultate der
Konvexgeometrie und der Linearen Optimierung.
—
The students know fundamental concepts and statements of

464
Modulkatalog Module Descriptions

convex geometry and linear programming.

Fähigkeiten / Abilities
Die Studierenden üben anhand ausgewählter Probleme Begrif-
fe und Methoden aus der Konvexgeometrie und der Linearen
Optimierung einzuordnen und anzuwenden. Sie wenden diese
an, um konkrete Fragestellungen zu beantworten.
—
The students practice on selected problems to classify and
apply concepts and methods of convex geometry and linear
programming. They apply these to solve concrete problems.
Kompetenzen / Competencies
Die Studierenden sind in der Lage, die Konzepte und Metho-
den der Konvexgeometrie und der Linearen Optimierung bei
konkreten Fragestellungen anzuwenden.
—
The students are able to apply concepts and methods of con-
vex geometry and linear programming to concrete problems.

Inhalt Die Konvexgeometrie beschäftigt sich mit konvexen Mengen

Course content im euklidischen Raum und bildet die Grundlage der Konvexen
Optimierung, wozu die Lineare Optimierung zählt. Dieser Zu-
sammenhang wird durch Themenbereiche aus der folgenden
Liste dargestellt:
• Grundlagen der Konvexgeometrie
• Geometrische Version des Satzes von Hahn-Banach
• Satz von Krein-Milman über Extremalpunkte
• Polytope und Polyeder
• Grundlagen der Linearen Optimierung
• Simplex Algorithmus
• Farkas’ Lemma
• “Neighborly Polytopes” und dünne lineare Systeme
—
Convex geometry is concerned with convex sets in Euclidean
space and forms the basis of convex optimization, of which
linear programming is part. This relation will be demonstrated
through topics from the following list:
• Elementary convex geometry
• Geometric Hahn-Banach theorem
• Krein-Milman theorem on extreme points
• Polytopes and Polyhedra
• Linear programming basics
• Simplex algorithm
• Farkas’ lemma
• Neighborly Polytopes and sparse linear systems
Studien-/Prüfungsleistungen Klausur (90 Minuten) oder mündliche Prüfung (ca. 30 Mi-

465
Modulkatalog Module Descriptions

Assessment nuten) in deutscher oder englischer Sprache; die genaue Prü-

fungsart wird zu Beginn des Semesters bekannt gegeben.
90-minute written examination or oral exam (about 30 minu-
tes) in German or English; the precise mode of assessment will
be announced at the start of the semester.

Medienformen Präsentation und Beamer, Tafel/Tablet

Media used Presentation and projector, blackboard/tablet

Literatur Skript / lecture notes

Reading list Weiterführende Literatur wird zu Beginn des Semesters be-
kannt gegeben
Additional reading material will be announced at the start of
the semester

466
Modulkatalog Module Descriptions

6120 Principles of AI Engineering PN 455410

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Herbold
Module convenor

Dozent(in) Herbold
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“, Modulgruppe „InfKomm“

Curriculum Focus „ProgSoft“, Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Introduction to AI Engineering

Recommended skills

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering, Master Computa-

Studiengängen tional Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die grundlegenden Begriffe und Ver-
fahren zur Entwicklung von Anwendungen mit Komponenten
der Künstlichen Intelligenz (AI/KI) und wissen wie diese im
Operativbetrieb eingesetzt werden können. Sie können zu ge-
geben Problemen geeignete Anforderungen an KI Systeme de-

467
Modulkatalog Module Descriptions

finieren, eine geeignete Architektur auswählen und umsetzen,

und die Qualität dieser Systeme sichern. Sie können nicht-
funktionale Aspekte von KI-Systemen bewerten, um einen
verantwortungsbewussten, ethischen, und mit regulatorischen
Anforderungen kompatiblen Einsatz zu gewährleisten.
—
The students know the terminology and methods for the deve-
lopment of applications with components powered by Artificial
Intelligence (AI) and how they can be used in operation. They
know how to define requirements for AI systems, can define
and implement suitable architectures, and ensure their qua-
lity of such systems. They can assess non-functional aspects
of AI systems to ensure a responsible, ethical, and regulatory
compliant use.

Inhalt Dieses Modul behandelt die Themen:

Course content • Requirements Engineering für Systeme mit KI Kompo-
nenten
• Architektur und Design von Systemen mit KI Kompo-
nenten
• KI Pipelines
• Testen von KI Komponenten
• Datenqualität
• Continuous Deployment und MLOps
• Verantwortungsbewusstes entwickeln von KIs
• Ethische und regulatorische Aspekte von KIs
—
This module covers the following topics:
• Requirements engineering for systems with AI com-
ponents
• Architecture and design of systems with AI components
• AI/ML pipelines
• Testing of AI components
• Data quality
• Continuous deployment and MLOps
• Responsible development of AIs
• Ethical and regulatory aspects

Studien-/Prüfungsleistungen Portfolio:
Assessment Bearbeitung eines Semesterprojekts, nachgewiesen durch eine
ca. 10-minütiges Kolloquium mit Präsentation und einen ca.
2-seitigen schriftlichen Bericht der eigenen Projektergebnisse
am Semesterende.
60-minütige Klausur oder ca. 15 Minuten mündliche Prüfung
jeweils in deutscher oder englischer Sprache. Die genaue Prü-
fungsart wird zu Beginn des Semesters bekannt gegeben.

468
Modulkatalog Module Descriptions

—
Portfolio:
Implementation of a semester project completed with a pre-
sentation of approximately 10 minutes duration and a 2 page
written report featuring a demonstration of results at the end
of the semester.
A 60-minute written or oral examination of approximately 15
minutes duration conducted either in German or English. The
form of assessment is announced at the beginning of the se-
mester.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Wird zu Beginn der Vorlesung bekannt gegeben

Reading list

469
Modulkatalog Module Descriptions

6121 Requirements Engineering PN 455412

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Herbold
Module convenor

Dozent(in) Herbold
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V+2Ü
Contact hours Für die Übungen im Rahmen der Lehrveranstaltung besteht
Anwesenheitspflicht.
Um den Erfolg der Veranstaltung zu gewährleisten, ist eine
verstärkte Interaktion der Studierenden untereinander, aber
auch zwischen Studierenden und Betreuern notwendig. Ins-
besondere arbeiten die Studierenden in einer Gruppe an ei-
nem das ganze Semester andauernden Projekt, in welchem
gemeinsam Anforderungen erhoben, verfeinert, dokumentiert,
und validiert werden. Im Rahmen dieser Projekte nehmen die
Lehrenden die Rolle von Kunden ein. Die Kunden stehen un-
ter anderem für Interviews und Verhandlungen im Fall von
Konflikten, sowie zur Validation von Anforderungen zur Ver-
fügung. Diese Interaktionen mit Kunden sind ein wesentlicher
Bestandteil des Requirements Engineering. Ohne Anwesenheit
kann daher nicht sichergestellt werden, dass der Einsatz der
gelehrten Methoden erlernt wird, insbesondere was den Um-
gang mit Kunden angeht.
—
In this lecture’s exercises, participants’ attendance is manda-
tory.
In order ensure the module’s success, an intensified interacti-
on amongst students but also between students and lecturers
is essential. Most notably, participants collaborate within a
group project throughout the entire semester in which they
define, refine, document and validate requirements together.
Within those projects, lecturer and teaching assistants assume
the roles of clients who are primarily available for interviews,

470
Modulkatalog Module Descriptions

negotiations in the event of conflicts as well as validation of

requirements. Such forms of interaction with clients are crucial
elements of requirements engineering. Without regular atten-
dance, learning how to use the conveyed methods, in particular
in dealing with clients, could not be warranted.

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering

Recommended skills

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden können die Begriffe Anforderung/Requi-
rement und Requirements Engineering definieren und kennen
die Prinzipien des Requirements Engineerings. Sie lernen den
Requirements Engineering Prozess kennen und welche Rol-
le dieser in der Softwareentwicklung spielt. Sie kennen den
Systemkontext und die Kontextgrenze, Methoden für die Er-
hebung von Anforderungen und für die Interpretation der er-
hobenen Informationen, Verhandlungsmethoden mit Stakehol-
dern, die Struktur von Anforderungsdokumentationen, Techni-
ken für die Anforderungsdokumentation in natürlicher Sprache
sowie für die modellbasierte Anforderungsdokumentation, Me-
thoden für die Validierung von Anforderungen, sowie für das
Management von Anforderungen, wie das Änderungsmanage-
ment und die Nachverfolgung von Anforderungen. Für ein ge-
gebenes Problem können die Studierenden die oben genannten
Methoden anwenden, um eine geeignete Anforderungsdefini-
tion zu entwickeln.
—
The students can define the terms requirement and require-

471
Modulkatalog Module Descriptions

ments engineering and acquire knowledge on the principles of

requirements engineering. They become acquainted with the
general requirements engineering process and know how it can
be embedded into the overall software development process.
They gain knowledge about the system context and context
boundaries, requirements elicitation techniques, the interpre-
tation of elicitation results, the negotiation of requirements
with different stakeholders, the structure of documents for the
requirements documentation, the requirements documentati-
on in natural language, techniques for the use of structured
natural language, the requirements documentation with mo-
dels, the validation of requirements, managing changes to re-
quirements, and tracing requirements through a development
process. The students can apply the aforementioned methods
to a given problem to derive a suitable requirements specifi-
cation.

Inhalt Dieses Modul vertieft die Grundlagen der Softwaretechnik mit

Course content Details zum Umgang mit Anforderungen. Anforderungen wer-
den am Beginn von Projekten erhoben und sind entscheidend
für den Projekterfolg. Es wird ein vollständiger Requirements
Engineering Prozess behandelt, von der Erhebung der Anfor-
derungen, über die Dokumentation und Validierung der Anfor-
derungen, bis hin zum Management der Anforderungen wäh-
rend des Software Lebenszyklus.
—
This module deepens the foundations of software engineering
with details regarding requirements. Requirements are elicited
at the beginning of a project and are crucial for its success.
The module considers a complete requirements engineering
process, starting with the elicitation of requirements, followed
by the documentation and validation of requirements, up to
the management of requirements throughout the software li-
fecycle.

Studien-/Prüfungsleistungen Portfolio bestehend aus:

Assessment Bearbeitung eines Semesterprojekts, nachgewiesen durch ein
ca. 10-minütiges Kolloquium mit Präsentation und einen ca.
2-seitigen schriftlichen Bericht der eigenen Projektergebnisse
am Semesterende.
60 Minuten Klausur oder ca. 15 Minuten mündliche Prüfung
jeweils in deutscher oder englischer Sprache. Die genaue Prü-
fungsart wird zu Beginn des Semesters bekannt gegeben.
—
Portfolio examination including:
Implementation of a semester project completed with a pre-

472
Modulkatalog Module Descriptions

sentation of approximately 10 minutes’ duration and a 2 page

written report featuring a demonstration of results at the end
of the semester.
A 60-minute written or oral examination of approximately 15
minutes’ duration conducted either in German or English. The
form of assessment is announced at the beginning of the se-
mester.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Klaus Pohl, Chris Rupp: Requirements Engineering Funda-

Reading list mentals: A Study Guide for the Certified Professional for Re-
quirements Engineering Exam - Foundation Level - IREB com-
pliant
Klaus Pohl: Requirements Engineering: Fundamentals, Prin-
ciples, and Techniques

473
Modulkatalog Module Descriptions

6122 Mining Software Repositories Lab PN 455423

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Herbold
Module convenor

Dozent(in) Trautsch
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 5Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 135 Std. Vor- und Nachbereitung

Workload 75 contact hours + 135 hrs independent study and implemen-
tation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Introduction to AI Engineering, Advan-

Recommended skills ced Topics in Data Science, Kenntnisse in Python
Software Engineering, Introduction to AI Engineering, Advan-
ced Topics in Data Science, Python Programming Language

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden kennen praktische Anwendungen von Data

Learning outcomes Science und Machine Learning Techniken, um Fragestellungen
aus dem Software Engineering basierend auf Daten aus Soft-
ware Repositories zu bearbeiten.
Sie lernen durch die Bearbeitung von Fragestellungen des Soft-

474
Modulkatalog Module Descriptions

ware Engineerings den Prozess der Datenanalyse kennen und

führen diesen selbstständig durch. Hierbei lernen die Studie-
renden geeignete Hypothesen zu definieren, benötigte Daten
aus geeigneten Quellen zu sammeln, Analysemodelle zu erstel-
len inkl. des Trainings und der Auswertung von Modellen, die
statistische Auswertung der Ergebnisse durchzuführen und die
Ergebnisse zu präsentieren.
—
The students know practical applications of data science and
machine learning techniques to answer questions about soft-
ware engineering based on data from software repositories.
They learn the process of repository data analysis through their
work on software engineering topics. The students learn to de-
fine hypotheses, to collect data from suitable data sources, to
create analysis models including their training and evaluation,
to statistically assess results and to present their findings.

Inhalt Die Studenten arbeiten mithilfe von Daten aus Software Re-
Course content positories in Gruppen an verschiedenen Fragestellungen aus
der Software Engineering Forschung.
Die Gruppen arbeiten im Verlauf des Kurses an unterschiedli-
chen Projekten. Für jedes Projekt bzw. Fragestellung müssen
Daten extrahiert und transformiert bzw. bereinigt werden. Die-
se Daten müssen dann anhand der Fragestellung ausgewertet
bzw. in einem Machine Learning Modell verarbeitet werden.
Am Ende jedes Projektes stellen alle Gruppen Ihre Ergebnisse
in einer Präsentation vor.
—
The students work in groups on different topics from software
engineering research using software repository mining.
The groups work on different projects during the course. For
each project suitable data needs to be extracted, transformed,
and/or cleaned. The data needs to be evaluated or used as
input for a suitable machine learning model. At the end of
each project, the groups present their results.

Studien-/Prüfungsleistungen Portfolio-Prüfung basierend auf der Eignung, Implementie-

Assessment rung, und Auswertungsmethodik der gewählten Methoden,
den erzielten Ergebnissen, und der Präsentation der Projek-
tergebnisse. Die Elemente des Portfolios sind: Der Quelltext
inklusive Dokumentation, eine schriftliche Ausarbeitung zu
den Projektergebnissen (max. 8 Seiten), Präsentationen der
Projektergebnisse, sowie ein abschließendes Prüfungsgespräch
(max. 10 Minuten) mit jedem Teilnehmenden.
Bei Teampräsentationen muss jeder Teilnehmende den Eigen-
anteil am Projekt darstellen. Zusätzlich werden die Eigen-

475
Modulkatalog Module Descriptions

anteile in der Quelltextdokumentation und der Ausarbeitung

schriftlich festgehalten.
Details zur Bewertung werden zu Beginn der Lehrveranstal-
tung erläutert.
—
Portfolio exam based on the suitability, implementation and
assessment refinement of the chosen methods, the achieved
results, and communication/presentation of the project. The
portfolio elements are: code with documentation, a written
report on the outcome of the projects (max. 8 pages), pre-
sentations given over the course of the semester and a final
examination conversation (max. 10 minutes) with each indi-
vidual participant.
Within the team presentations, each participant showcases
her/his own personal contribution to the project. Additionally,
participants declare in written form their individual contribu-
tions as part of the report and the code documentation.
Details on the assessment including count and length of the
presentations will be announced at the beginning of the cour-
se.

Medienformen Präsentation mit Beamer

Media used Presentation with a projector

Literatur Wird zu Beginn der Vorlesung bekannt gegeben

Reading list Will be announced at the beginning of the lecture

476
Modulkatalog Module Descriptions

6123 Deep Learning for Natural Language and Code PN 472700

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Herbold
Module convenor

Dozent(in) Herbold
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Introduction to Deep Learning

Recommended skills

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering, Master Computa-

Studiengängen tional Mathematics
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die üblichen Aufgaben, die durch
Verarbeitung von Text gelöst werden können, sowohl für die
natürliche Sprache, als auch für Code. Sie kennen moderne
auf Deep Learning basierende Verfahren zum Lösen dieser
Probleme und können diese praktisch umsetzen. Sie wissen

477
Modulkatalog Module Descriptions

welche Verfahren für eine gegebene Problemstellung geeignet

sind und können diese auswählen. Sie kennen die Grenzen der
Modelle und können die Güte der Ergebnisse bewerten.
—
The students know the typical tasks that can be solved
through natural language and code processing. They know
modern deep learning approaches to address these tasks and
know how to implement them in practice. They know how
select suitable methods for a given problem. They know the
limitations of the models and can evaluate their performan-
ce.

Inhalt Dieses Modul behandelt die Themen:

Course content • Typische Aufgaben der Textverarbeitung
• Word embeddings und Recurrent Neural Networks
• Transformer und Pre-training
• Encoder-only Modelle
• Decoder-only Modelle
• Encoder-decoder Modelle
• Domainspezifische Modelle
• Embeddings für Code
• Transformer für Code
• Multimodale Modelle
—
This module covers the following topics:
• Typical tasks for language and code processing
• Word embeddings and recurrent neural networks
• Transformers and pre-training
• Encoder-only models
• Decoder-only models
• Encoder-decoder models
• Encoder-decoder models
• Domain-specific models
• Embeddings for code
• Transformers for code
• Multimodal models

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (20 Minuten);

Assessment die genaue Prüfungsart wird zu Beginn des Semesters bekannt
gegeben.
90-minute written or 20-minutes oral examination; the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

478
Modulkatalog Module Descriptions

Literatur Wird zu Beginn der Vorlesung bekannt gegeben

Reading list Will be announced at the beginning of the lecture

479
Modulkatalog Module Descriptions

6124 Mining Software Repositories PN 455433

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Herbold
Module convenor

Dozent(in) Herbold
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 45 Std. Übungen + 75 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 45 hrs exercises + 75 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering

Recommended skills

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Datenquellen, aus denen man
historische Daten über die Softwareentwicklung sammeln kann
und können diese Daten mit Hilfe von geeigneten Werkzeugen
sammeln. Sie können heuristisch Verknüpfungen zwischen ge-
sammelten Daten finden sowie Informationen über Fehler ex-

480
Modulkatalog Module Descriptions

trahieren. Die Studierenden kennen die üblichen Fehlerquellen

der Heuristiken. Sie können qualitative Daten aus Reposito-
ries sammeln. Sie wissen, wie man diese Daten benutzt, um
Fragestellungen über die Softwareentwicklung zu beantworten
und können hierfür etablierte Verfahren anwenden.
—
The students know the data sources from which historic data
about software development can be collected and know sui-
table tools to collect such data. They can use heuristics to
detect links within this data and to collect information about
bugs. They are aware of common sources of errors within the-
se heuristics. They can qualitatively label data from software
repositories. They know how to use data from software reposi-
tories to answer questions about software engineering and can
apply suitable methods for this purpose.

Inhalt Dieses Modul behandelt die Themen:

Course content • Sammeln von Daten aus Softwarerepositories
• Erkennen von Links zwischen verschiedenen Datenpunk-
ten, zum Beispiel Commits und Issues.
• Softwaremetriken
• Sammeln von Daten über Softwarefehler
• Fehler- und Rauschquellen in den Daten
• Soziale Netzwerke in der Softwareentwicklung
• Qualitatives codieren von Daten
• Analyse von Daten aus Softwarerepositories.
—
This module covers the following topics:
• Collection of data from software repositories
• Detection of links between data points, e.g., commits
and issues
• Collection of data about software bugs
• Sources of noise within the data
• Social networks in software development
• Qualitative coding of data
• Analysis of data from software repositories

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (20 Minuten);

Assessment die genaue Prüfungsart wird zu Beginn des Semesters bekannt
gegeben.
90-minute written or 20-minutes oral examination; the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

481
Modulkatalog Module Descriptions

Literatur Wird zu Beginn der Vorlesung bekannt gegeben

Reading list Will be announced at the beginning of the lecture

482
Modulkatalog Module Descriptions

6125 AI Engineering Lab PN 455437

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Herbold
Module convenor

Dozent(in) Trautsch
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 5Ü
Contact hours

Arbeitsaufwand 75 Std. Präsenz + 135 Std. Vor- und Nachbereitung

Workload 75 contact hours + 135 hrs independent study and implemen-
tation

ECTS 7
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Software Engineering, Introduction to AI Engineering, Advan-

Recommended skills ced Topics in Data Science, Python Programming Language

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erlernen die wichtigsten praktischen Implika-

Learning outcomes tionen durch den Einsatz von Machine Learning Komponenten
in einem Softwareprojekten durch die Umsetzung eines Pro-
jekts.
Relevante Aspekte, die durch den Einsatz von Machine Lear-
ning beeinflusst werden sind unter anderem die Auswirkungen
auf die Anforderungsanalyse, Continuous Integration, Soft-

483
Modulkatalog Module Descriptions

waretests und das UI Design. Die Studierenden müssen au-

ßerdem Machine Learning spezifischen Anforderungen spezi-
fizieren, umsetzen, und deren Umsetzung überprüfen, unter
anderem Fairness, Erklärbarkeit und der Notwendigkeit eines
„human-in-the-loop“. Weiterhin müssen die Komponenten des
Projektes evaluiert und überwacht werden können.
—
The students learn practical implications of combi-
ning/including machine learning parts in a software project
through the implementation of projects.
Among others, relevant aspects that are influenced by the use
of machine learning that are considered during the projects
are the implications for requirements, continuous integration,
testing, and UI design. The students learn to specify, imple-
ment, and validate machine learning specific requirements like
fairness, explainability or a “human-in-the-loop”. Their further
evaluate and monitor the components of a project.

Inhalt Die Studierenden arbeiten in Gruppen und erstellen ein oder

Course content mehrere Projekte, welche ein oder mehrere Machine Learning
Komponenten beinhalten.
Jedes Projekt wird vollständig entwickelt, sodass es eine dem
Projektziel entsprechende Nutzeroberfläche oder Program-
mierschnittstelle gibt. Das Projekt muss die vorgegebene Auf-
gabe für den Benutzer mit Hilfe der Machine Learning Kom-
ponenten erfüllen.
Die Studierenden präsentieren den Projektfortschritt, die fer-
tige Anwendung und welche Herausforderungen während der
Entwicklung auf welche Art und Weise gelöst wurden.
—
The students work in groups, creating one or multiple projects
which use one or multiple machine learning components.
Each project is developed to completion, such that there is a
user interface of or programming interface suitable to achieve
the project goals.
The students present their project progress, how they addres-
sed challenges they faced during development, and the finished
product.

Studien-/Prüfungsleistungen Portfolio-Prüfung. Die Elemente des Portfolios sind: Der

Assessment Quelltext inklusive Dokumentation, eine schriftliche Ausarbei-
tung zu den Projektergebnissen (max. 8 Seiten), Präsentatio-
nen der Projektergebnisse, sowie ein abschließendes Prüfungs-
gespräch (max. 10 Minuten) mit jedem Teilnehmenden.
Bei Teampräsentationen muss jeder Teilnehmende den Eigen-
anteil am Projekt darstellen. Zusätzlich werden die Eigen-

484
Modulkatalog Module Descriptions

anteile in der Quelltextdokumentation und der Ausarbeitung

schriftlich festgehalten. Details zur Bewertung werden zu Be-
ginn der Lehrveranstaltung erläutert.
Portfolio exam. The portfolio elements are: code with docu-
mentation, a written report on the outcome of the projects
(max. 8 pages), presentations given over the course of the
semester and a final examination conversation (max. 10 mi-
nutes) with each individual participant.
Within the team presentations, each participant showcases
her/his own personal contribution to the project. Additionally,
participants declare in written form their individual contributi-
ons as part of the report and the code documentation. Details
on the assessment will be announced at the beginning of the
course.

Medienformen Präsentation mit Beamer

Media used Presentation with a projector

Literatur Wird zu Beginn der Vorlesung bekannt gegeben

Reading list Will be announced at the beginning of the lecture

485
Modulkatalog Module Descriptions

6132 Random Graphs PN 422140

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Glock
Module convenor

Dozent(in) Glock
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 30+30 Std Präsenz, 90 Std Nacharbeitungszeit

Workload 30+30 contact hours, 90 hours independent study

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Graphentheorie, Einführung in die Stochastik

Recommended skills Graph Theory, Introduction to Stochastics

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse The students get an overview over the binomial random graph
Learning outcomes model. They will be able to prove major results and apply them
to specific problems. In addition, they will be able to illustrate
one topic of Random graphs in a short essay.

Inhalt The course covers the following topics:

Course content • The binomial random graph model
• Concentration inequalities

486
Modulkatalog Module Descriptions

• Sharp and coarse thresholds

• Phase transition
• Small subgraphs
• Chromatic number
• Spanning subgraphs

Studien-/Prüfungsleistungen Examination in two parts:

Assessment Part 1 (80%):
Oral exam (about 30 minutes) or written exam (120 minutes);
the precise mode of assessment will be announced at the start
of the semester.
Part 2 (20%):
Written work (up to 10 pages) on a subject related to random
graphs.
To pass the examination, both parts have to be passed.

Medienformen Tafel
Media used Blackboard

Literatur Janson, Luczak, Rucinski: Random graphs, Wiley

Reading list Frieze, Karonski: Introduction to random graphs, Cambridge
University Press

487
Modulkatalog Module Descriptions

6140 Exemplary and Effective Programming PN 413152

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Abbott
Module convenor

Dozent(in) Abbott
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 1V+3P
Contact hours

Arbeitsaufwand 56 hours’ lectures & project meetings;

Workload 124 hours’ study & project work.
• First phase: 4 weeks of lectures (4 hours/week)
• Second phase: 10 weeks for individual programming
projects: 2 hours/week group progress meeting, and 2
hours/week technical discussions.
Projects involve implementing (in C++, using CoCoALib)
advanced algorithms from computer algebra and/or number
theory.

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Access to a development environment for C++ (req. C++14

Recommended skills standard) (e.g. g++ & make on linux, clang & make on Ma-
cOS, Cygwin environment on Microsoft)
Masters students: access to profiling tools (e.g. gprof, valgrind
and kcachegrind)
Basic knowledge of procedural programming & classes (e.g.
C++, Java or Python).

488
Modulkatalog Module Descriptions

Basic algebra: finite fields, polynomial rings.

Recommended: basic algebra & number theory, computer al-
gebra.
Not required: numerical analysis.

Verwendbarkeit in weiteren Bachelor Mathematik, Master Computational Mathematics,

Studiengängen Master Artificial Intelligence Engineering
Applicability for other courses Bachelor Mathematics, Master Computational Mathematics,
Master Artificial Intelligence Engineering

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Participants acquire experience programming in a team on
an established body of software: how and when to interact
with other team members (incl. bug-tracking tools); software
quality guarantees (e.g. exception-safety, thread-safety); whe-
re and how to “optimizeän implementation; how to document
program code, and how to read and interpret existing do-
cumentation; design of efficient and effective data-structures
(i.e. “classesïn C++).
Fähigkeiten / Abilities

• Ability to work in an established team, planning and

understanding different working roles.
• Ability to give constructive criticism to other team mem-
bers, and ability to accept constructive criticism from
other team members.
• Ability to faithfully represent advanced mathematical
structures through programming object classes.
• Ability to write high quality, maintainable software libra-
ry code with documentation; incl. accurately delineating
input conditions and output guarantees.
• Ability to implement proper, comprehensive error hand-
ling (e.g. avoiding memory leaks, corrupt structures,
dangling references, etc).
• Ability to use compilation build systems, and understand
error messages.
• Ability to design thorough test suites (often in parallel
with development and debugging).
• (Master) Ability to determine where and how to “opti-
mize” program code (incl. understanding trade-offs, and
when not to “optimize”)
Kompetenzen / Competencies

• Team membership: effective inter-communication.

• Effective interface/API design (esp. ease of use).
• Effective development (and debugging).

489
Modulkatalog Module Descriptions

• Effective documentation writing.

• Effective reading & understanding of source code writ-
ten by others.
• Effective & safe use of on-line resources (e.g. cpprefe-
rence, BOOST, StackOverflow).
• Master only - Effective “optimization"(e.g. via profi-
ling).

Inhalt Using C++ as a vehicle, participants acquire experience pro-

Course content gramming in a team on an established body of software: name-
ly CoCoALib, an open-source C++ library for computations
in commutative algebra, which already includes several fun-
damental data-structures and algorithms. Building on top of
the foundations of CoCoALib, students are required to design
and develop efficient, robust implementations of advanced al-
gorithms from the realms of computer algebra and/or number
theory. They will aspire to achieving quality high enough to
permit incorporation into the CoCoALib library.
Students gain practical knowledge: how and when to interact
with other team members (incl. bug-tracking tools); software
quality guarantees (e.g. exception-safety, thread-safety); how
to document program code, and how to read and interpret
existing documentation; design & testing of efficient and ef-
fective data-structures (i.e. "\classesïn C++). Masters only:
where and how to "\optimizeän implementation (incl. using
specific profiling tools).

Studien-/Prüfungsleistungen Final oral presentation 30 min (incl. demo): Present what was
Assessment achieved, and justify design decisions (with support from profi-
ling tools for Masters students). If implementation incomplete,
explain why. Potentially give ideas for future development.
Deliver (electronic copy) source code of implementation &
test suite.
Deliver (electronic copy) documentation: both for users and
for maintainers; helpful examples.

Medienformen -
Media used

Literatur Kreuzer & Robbiano Computational Commutative Algebra

Reading list (vols 1, 2)
H. Cohen A Course in Computational Algebraic Number Theo-
ry
V. Shoup A Computational Introduction to Number Theory
and Algebra www.shoup.net
S. Meyers Effective C++ (book series)

490
Modulkatalog Module Descriptions

6141 Komplexitätstheorie PN 482211

Computational Complexity Theory

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller
Module convenor

Dozent(in) Müller
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60+30 Präsenz, 120+60 Eigenarbeitszeit

Workload 60+30 contact hours, 120+60 independent study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Theoretische Informatik, Mathematische Logik

Recommended skills Theoretical Computer Science, Mathematical Logic

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Die Vorlesung ist eine Einführung in das P versus NP Problem
Learning outcomes und die es umgebende Theorie. Die Studierenden lernen
• algorithmische Ressourcen wie Laufzeit, Speicherplatz,
Nichtdeterminismus, Alternierung oder Randomisierung
von Algorithmen abzuschätzen.
• die inherente Komplexität gegebener Berechnungspro-
bleme zu erkennen und via zentraler Komplexitätsklas-

491
Modulkatalog Module Descriptions

sen zu klassifizieren.
• theoretische Resultate zur Struktur dieser Komplexitäts-
klassen.
—
The course offers an introduction to the P versus NP problem
and its surrounding theory. Students learn
• to estimate algorithmic resources like runtime, memo-
ry, nondeterminism, alternation or randomness of algo-
rithms.
• to classify computational problems according to their
inherent complexity and via complexity classes.
• theoretical results concerning the structure of these
complexity classes.

Inhalt Computational complexity theory aims to classify computatio-

Course content nal problems according to the algorithmic resources required
for their solution. Resources are for example time, space, non-
determinism, or randomness. A central role is played by the
class P of problems solvable in polynomial time. The central
problem is the P versus NP problem, one of the Clay insti-
tute’s millenium problems of mathematics, and, according to
Smale, one of the three greatest open problems of mathema-
tics. The course offers an introduction to this problem and its
surrounding theory.

Studien-/Prüfungsleistungen Schriftliche Klausur (120 Minuten) oder mündliche Prüfung

Assessment (ca. 30 Minuten). Die genaue Prüfungsart wird zu Beginn des
Semesters bekannt gegeben.
120-minute written or oral exam of about 30 minutes. The
precise mode of assessment will be announced at the start of
the semester.

Medienformen Tafel
Media used Blackboard

Literatur Arora, Barak, Computational Complexity: A Modern Ap-

Reading list proach, Cambridge University Press, 2009.
Papadimitriou, Computational Complexity, Addison-Wesley,
1995.

492
Modulkatalog Module Descriptions

6142 Fortgeschrittene Komplexitätstheorie PN 472710

Advanced Computational Complexity Theory

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller
Module convenor

Dozent(in) Müller
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungen, Nachbereitung der Vor-

Workload lesung, Prüfungsvorbereitung
60 contact hours + 120 hrs Exercises, independent study and
exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Komplexitätstheorie oder Theoretische Informatik II

Recommended skills Computational Complexity Theory or Theoretical Computer
Science II

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Students learn about advanced topics in computational com-

Learning outcomes plexity theory. In particular they learn various methods to prove
lower bounds on circuit size. These include random restricti-
ons and polynomial approximations. These broadly draw from

493
Modulkatalog Module Descriptions

techniques from combinatorics, stochastics and algebra.

Inhalt The course treats advanced topics in computational comple-

Course content xity theory, it focusses on circuit lower bounds: Hastad’s ex-
ponential lower bound for bounded depth circuits via the ran-
dom restriction method, Razborov-Smolensky’s lower bound
for such circuits with modulo counting gates via the appro-
ximation method, and Razborov’s lower bound for monoto-
ne circuits. However, for general circuits not even superli-
near lower bounds are known today for explicit functions,
and circuit complexity has been dubbed "complexity theory’s
Waterloo"(Arora-Barak). Meta-analyses show that superpo-
lynomial lower bounds are unreachable by the approximati-
on method (Razborov) or so-called natural proofs (Razborov-
Rudich). As an algorithmic application of hardness hard we
treat pseudorandom generators and derandomization, in par-
ticular the Nisan-Wigderson generator.
The course is a continuation of Computational Complexity
Theory. Knowledge of e.g. Theoretical Computer Science II is
sufficient for a large part of the material, and students with
this background are welcome. They are assisted in coping with
eventual extra material.

Studien-/Prüfungsleistungen Je nach Teilnehmerzahl mündliche Prüfung (ca. 30 Minuten)

Assessment oder Klausur (90 Minuten). Die genaue Prüfungsart wird zu
Beginn des Semesters bekannt gegeben.
90-minutes written exam or 30 minutes oral exam, depending
on the number of participants. The precise mode of assess-
ment will be announced at the start of the semester.

Medienformen Tafel
Media used Blackboard

Literatur Arora, Barak, Computational Complexity: A Modern Ap-

Reading list proach, Cambridge University Press, 2009.

494
Modulkatalog Module Descriptions

6143 Constraint Satisfaction Problems PN 472720

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller
Module convenor

Dozent(in) Gaysin
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Übungen, Nachbereitung der Vor-

Workload lesung, Prüfungsvorbereitung
60 contact hours + 120 hrs Exercises, independent study and
exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Komplexitätstheorie oder Theoretische Informatik II

Recommended skills Computational Complexity Theory or Theoretical Computer
Science II

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Students learn how to model computational problems as Cons-

Learning outcomes traint Satisfaction Problems. They learn general methods to
design algorithms for their efficient solution or to discern theo-
retical reasons for their intractability. They learn tools from
universal algebra underlying these techniques.

495
Modulkatalog Module Descriptions

Inhalt A Constraint Satisfaction Problem (CSP) asks to decide whe-

Course content ther there is an assignment to given variables, ranging over a
certain domain, that satisfies a given set of constraints. Equi-
valently, this asks for a homomorphism between given struc-
tures. A famous example is the satisfiability problem for the
Boolean domain (SAT).
The story of CSPs started 50 years ago, and during the last
25 years CSPs play a prominent role throughout computer
science. On the one hand, they allow to model a wide va-
riety of combinatorial problems (in mathematics, computer
science, artificial intelligence...) in a natural and faithful way.
On the other hand, they come together with general algo-
rithmic techniques for their solution, or general reasons for
their computational hardness. These techniques are based on
universal algebra.

Studien-/Prüfungsleistungen Mündliche Prüfung, ca. 30 Minuten.

Assessment Oral examination, ca. 30 minutes.

Medienformen Tafel
Media used Blackboard

Literatur -
Reading list

496
Modulkatalog Module Descriptions

6145 Fortgeschrittene Modelltheorie PN 455470

Advanced Model Theory

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Kaiser, Müller

Module convenor

Dozent(in) Kaiser, Müller

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 30 +30 Std. Präsenz + 60 + 60 Std. Eigenarbeitszeit

Workload 30 + 30 contact hours + 60 + 60 hrs independent study

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Mathematische Logik, Modelltheorie, Algebra

Recommended skills Mathematical Logic, Model Theory, Algebra

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Working knowledge of

Learning outcomes • abstract properties of axiom systems to analyze their
type spaces and the class of their models
• a general concept of dimension
• the theory of uncountably categorical theories
• applications to algebra

497
Modulkatalog Module Descriptions

Inhalt Vector spaces over a given field are determined (up to isomor-
Course content phism) by their dimension. Similarly, algebraically closed fields
with a given characteristic are determined by their transcen-
dence degree. In particular, these theories have exactly one
model in each uncountable cardinality. What do these theo-
ries have in common that explains this similar behavior? The
course gives an introduction to stability theory. In particular,
it introduces a general notion of dimension. The central goal
of the course is to prove Morley’s theorem: if a theory has
exactly one model of some uncountable cardinality, then this
holds for all uncountable cardinalities.

Studien-/Prüfungsleistungen 120-minütige Klausur doer mündliche Prüfung (ca. 30 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben
120-minute written or 30-minute oral examination, the preci-
se mode of assessment will be announced at the start of the
semester.

Medienformen Tafel
Media used Blackboard

Literatur W. Hodges: A shorter model theory. Cambridge University

Reading list Press, 1997.
D. Marker: Model Theory: An introduction. Springer, 2002.
K.
Tent, M. Ziegler: A course in Model Theory. Cambridge Uni-
versity Press, 2002

498
Modulkatalog Module Descriptions

6160 Cooperative Autonomous Vehicles PN 455393

Häufigkeit des Modulangebots Wird vermutlich nicht mehr angeboten

Frequency of course offering Probably not offered anymore

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Vinel
Module convenor

Dozent(in) Vinel
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“, Modulgruppe „ITS“

Curriculum Focus „InfKomm“, Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der Wahrscheinlichkeitstheorie

Recommended skills Basics of probability theory

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students acquire basic knowledge about cooperative automa-
ted/autonomous vehicles as well as advanced driver assistance
systems. They learn about the concepts of cooperative awaren-
ess, collective perception, and cooperative maneuvering. They
become familiar with inter-vehicular communication technolo-

499
Modulkatalog Module Descriptions

gies.
Fähigkeiten / Abilities
Students acquire the abilities to apply discussed techniques
for the performance evaluation of contemporary vehicle-to-
everything communications standards. They are able to design
protocols to support cooperative autonomous driving given
specified application requirements and to assess cooperative
autonomous driving scenarios in terms of their safety.
Kompetenzen / Competencies
Students learn to classify computation, communication and
decision-making architectures for cooperative autonomous ve-
hicles, evaluate advantages and disadvantages of cooperative
maneuvering approaches, to select appropriate methods for
the analysis of inter-vehicular communication protocols.

Inhalt The module includes the topics on vehicular automation le-

Course content vels, cooperative awareness and decentralized environmental
notifications, collective perception, cooperative maneuvering,
vehicular platooning, cooperative video systems, intelligent in-
tersections, vehicle to mobile edge computing server connecti-
vity, 5G vehicular communication paradigms, ITS-G5 commu-
nication standards, age-of-information and semantics aware
communications.

Studien-/Prüfungsleistungen 90min Klausur

Assessment 90min written exam

Medienformen Präsentation mit Beamer, Tafel

Media used Presentation with projector, blackboard

Literatur Nach Ansage in der Vorlesung

Reading list Announced during the lecture

500
Modulkatalog Module Descriptions

6171 Data Visualisierung PN 471760

Data Visualization

Häufigkeit des Modulangebots Jedes Sommersemester

Frequency of course offering Every summer semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Heinzl
Module convenor

Dozent(in) Heinzl, Gall

Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der Informatik, Software Engineering, Program-

Recommended skills mierung I + II
Foundations of Computer Science, Software Engineering, Pro-
gramming I+II

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse After successful completion of the course, students are able
Learning outcomes to understand advanced theoretical concepts of data visualiza-
tion. Furthermore, students can implement specific program-

501
Modulkatalog Module Descriptions

ming tasks resulting from a scientific article.

Inhalt Data Visualization consists of a theoretical lecture part and a

Course content practical exercise part.
The lecture part on Data Visualization contains of a series of
lectures which take place throughout the semester. In these
lectures advanced data visualization topics will be covered,
such as visualization of graph data or spatio-temporal data,
immersive analytics, cross virtuality analytics or visual analysis
of non-destructive testing data in material sciences. The lec-
ture introduces bridging data visualization concepts and fur-
ther covers the following aspects in two parts:
1) Revisiting Important Visualization Areas:
• Scientific Visualization comprises volume and flow vi-
sualization. Volume visualization on the one hand is fo-
cused on direct and indirect techniques but also explo-
res underlying techniques such as ray casting for direct
volume rendering, simple and advanced transfer func-
tions, as well as iso-surfacing for indirect volume ren-
dering. Flow visualization on the other discusses visual
metaphors and techniques for direct and indirect flow
visualization. Advanced concepts in terms of topology
visualization will be discussed.
• Information visualization: While information visualiza-
tion targets the visualization of abstract data, with a
specialization on graph data and networks.
• Visual analytics and visual data science seek to facilita-
te analytical reasoning by interactive visual interfaces.
It involves the use of visualization and interaction tech-
niques to explore and analyze large, complex, and dyna-
mic datasets, with the goal of gaining insights, making
discoveries, and supporting decision making.
2) Advanced Visualization Concepts:
• Visualization Design: Visualization Design: This chapter
explores models for visualization design in order to ju-
stify the choices made when applying vis techniques in
a (novel) application area, e.g., relating the visual en-
codings and interaction techniques to the requirements
of the target task.
• Biomedical visualization encompasses novel topics and
approaches to enhance the understanding of biological
and medical concepts and data. It involves data visuali-
zation of medical images (such as MRI or CT scans) or
biological processes (such as the movement of molecules
in the body).
• Tensor visualization is the process of representing ten-

502
Modulkatalog Module Descriptions

sors (multi-dimensional arrays of data) in a visual for-

mat. This chapter will present visualization concepts
mainly focusing on tensors of second order as well as
respective abstraction concepts. Novel tensor analysis
techniques, concepts for analyzing tensor field topology,
and new tensor visualization methods will be discussed
• Immersive (IA) and Cross Virtuality Analytics (XVA) are
novel topics in visualization requiring suitable visual me-
taphors and interaction concepts for in depth analyses.
IA is using engaging, embodied analysis tools to sup-
port data understanding and decision making. XVA is
concerned with systems for data visualization and ana-
lysis that seamlessly integrate different visual metaphors
and devices along the entire RVC to support multiple
users with transitional and collaborative interfaces ana-
lysis that seamlessly integrate different visual metaphors
and devices along the entire RVC to support multiple
users with transitional and collaborative interfaces.
• Visual Computing in Materials Science: Visual compu-
ting has become highly attractive for boosting research
endeavors in the materials science domain. Using visu-
al computing, a multitude of different phenomena may
now be studied, at various scales, dimensions, or using
different modalities. This was simply impossible. Visual
computing techniques generate novel insights to under-
stand, discover, design, and use complex material sys-
tems of interest.
• Visualization and Decision-Making Design Under Uncer-
tainty: Visualization is a core component of any decision
or risk analysis process. Respective tools for this purpo-
se are becoming increasingly accessible. In addition, the
visual literacy of the general public has been increasing
due to the pervasiveness of visualizations in everyday
life. As the appetite for decision making tools grows, so
does the need to convey error, confidence, missing, or
conflicting data visually.
The exercise part will pose a “VIS Challenge” to the students.
It requires the students to propose and implement their solu-
tions to given challenges in visualization. This VIS Challenge
consists of the implementation of a state-of-the-art visualiza-
tion technique based on a scientific article. Students choose
from a shortlist of given scientific papers (i.e., 2-3 recent high
impact articles). The students first need to read and under-
stand the given article. They need to present their proposed
concepts with respect to the article’s main ideas in the form of

503
Modulkatalog Module Descriptions

paper prototypes. After a feedback loop the implementation

will starts. There are no requirements regarding programming
languages, however recommendations on languages, tools, li-
braries, etc. will be given. The exercise is ideally implemented
in groups of two. The exercise is continuously supported by a
tutor. For a positive grade, both lecture and exercise must be
completed positively!

Studien-/Prüfungsleistungen Portfolio
Assessment The grade for Data Visualization will be based on the practical
implementation work and the theoretical knowledge.
The performance evaluation of the exercise course focusses on
the implemented programming tasks in terms of the selected
visualization paper. For a positive assessment, the students
must present the selected article and their implementation
concepts. The implementation quality, functionality, and usa-
bility as well as the documentation of code and functionality
will be evaluated. Finally, the students will present and de-
monstrate their final implementation. The score for the gra-
ding results is given as follows:
• 1st presentation of the article incl. implementation con-
cept (10 points)
• Implementation of the article’s underlying technique (45
points)
• Functionality and usability (15 points)
• Documentation of code + functionality (10 points)
• 2nd presentation and demonstration of the implemen-
tation (20 points)
The lecture part will be evaluated in an oral exam (approx. 15
min) of the presented lecture content, in which the achieve-
ment of the teaching objectives will be checked.
For a positive evaluation of Data Visualization, both exercise
and lecture have to be completed positively.

Medienformen The material is organized in thematic groups and presented

Media used by means of electronic slides. A practical design and imple-
mentation project allows students to develop their analytical
skills and deepen their programming knowledge.

Literatur Chen, Hauser, Rheingans, Scheuermann: Foundations of Data

Reading list Visualization, 2019
Telea: Data Visualization – Principles and Practice, Second
Edition AK Peters Verlag, 2014.
Munzer: Visualization Analysis and Design, AK Peters Verlag,
2014.
Hansen, Johnson: The Visualization Handbook, 2005

504
Modulkatalog Module Descriptions

Hansen, Chen, Johnson, Kaufman, Hagen: Scientific Visuali-

zation - Uncertainty, Multifield, Biomedical, and Scalable Vi-
sualization, 2014
Kim Marriott, Falk Schreiber, Tim Dwyer, Karsten Klein, Nat-
halie Henry Riche, Takayuki Itoh, Wolfgang Stuerzlinger, Bru-
ce H. Thomas, Immersive Analytics, 2018
Keim, Kohlhammer, Ellis, Mansmann: Mastering the Informa-
tion Age - Solving Problems with Visual Analytics, 2010
Ward, Grinstein, Keim: Interactive Data Visualization: Foun-
dations, Techniques, and Applications, 2010.
Ware: Information Visualization, Second Edition: Perception
for Design, 2004
Aigner, Miksch, Schumann, Tominski: Visualization of Time-
Oriented Data, Springer Verlag, 2011 Further materials in the
lecture slides

505
Modulkatalog Module Descriptions

6172 Immersive Analytics PN 455560

Häufigkeit des Modulangebots Jedes Wintersemester

Frequency of course offering Every winter semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Heinzl
Module convenor

Dozent(in) Heinzl
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Data Visualization, Grundlagen der Informatik, Software En-

Recommended skills gineering, Programmierung I + II
Data Visualization, Foundations of Computer Science, Soft-
ware Engineering, Programming I+II

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse At the end of the course students will be able to understand
Learning outcomes theoretical concepts of immersive analytics. Furthermore, stu-
dents can implement specific programming tasks resulting
from a scientific topic or article.

506
Modulkatalog Module Descriptions

Inhalt Immersive Analytics consists of a theoretical lecture part and

Course content a practical exercise part.
The lecture part contains of a series of lectures which ta-
ke place throughout the semester. In these lectures, theoreti-
cal and advanced immersive analysis and visualization topics
will be covered. The lecture introduces covers the following
aspects:

• Introduction to Immersive Analytics: Students learn the

basic principles of immersive analytics together its goals
and opportunities, some historical context as well as the
broad research agenda of this field. A review on the
terms of immersion and engagement is given.
• The value of 3D in information visualization: While In-
formation visualization is typically used in conventional
2D displays and modern virtual reality in for 3D data,
this part explores potential benefits for immersive ana-
lytics in information visualization settings.
• Multisensory immersive analytics introduces concepts
and backgrounds on visual representations, sonificati-
on and auralization, haptic displays, smell/olfaction, as
well as taste/gustation. Furthermore, the design of re-
spective systems will be reviewed integrating immersive
analytics and modalities of non-visual immersive analy-
tics.
• Interaction in immersive analytics is a major component
within the analysis workflow. Basic opportunities, requi-
rements and tasks will be reviewed in order to culmi-
nate in natural user interfaces (NUP) and post WIMP
(windows, icons, menus, pointer) interaction as well as
respective designs and setups.
• Immersive human centered computational analytics: He-
re, the role of humans in a human-machine cooperative
analysis will be addressed by first reviewing the clas-
sic loop of sensemaking in visual analytics, collaborative
humans-machine analysis and finally related design prin-
ciples.
• Immersive visual data stories: Visual data driven stories
are an important means for communicating information.
Here, the challenges and opportunities of immersion are
discussed considering games research and related inter-
action concepts.
• Situated analytics: The concept of situated analytics is
introduced in this section, employing data representa-
tions organized in relation to germane objects, places

507
Modulkatalog Module Descriptions

or persons for the purpose of understanding, sense- and

decision making.
• (Collaborative) cross virtuality analytics enables visual
analytics to use transitional and collaborative interfaces
interconnecting different stages in the reality–virtuality
continuum to seamlessly integrate different devices and
support multiple users. Insights are provided into respec-
tive visualization and interaction techniques.
• Applications of Immersive Analytics: Finally, applicati-
ons of immersive analytics various domains are discus-
sed, such as life and health sciences or applications in
engineering from materials science, production enginee-
ring towards sustainable cities and cultural heritage.
The exercise part will pose an „Immersive Analytics Challenge“
to the students. In addition to the initial task to be completed
in the form of standard exercises, it also requires proposing and
implementing own solutions to given challenges in the field of
immersive analytics. These challenges focus on the implemen-
tation of state-of-the-art techniques typically based on recent
scientific articles. The students need to present their propo-
sed concepts with respect to the articles’ main ideas. After a
feedback loop the implementation starts. Programming skills
are thus mandatory and previous knowledge of C# and Unity
is advantageous. An introduction to Unity will be offered in
the tutorial of the course. Furthermore, the exercise course
is typically implemented in groups of two and continuously
supported by a tutor.

Studien-/Prüfungsleistungen The grade for Immersive Analytics will be based on the prac-
Assessment tical implementation work and the theoretical knowledge.

Part 1 (50%): Portfolio (Practical Implementation)

The performance evaluation of the exercise course focusses on
the implemented programming tasks in terms of the Immersive
Analytics Challenge. For a positive assessment, the students
must present their implementations. The implementation qua-
lity, functionality, and usability as well as the documentation
of code and functionality will be evaluated. Finally, the stu-
dents will present and demonstrate their implementation. The
score for the grading results is given as follows:
• Presentation of initial exercises incl. concept regarding
the immersive analytics challenge
• Presentation and demonstration of the final implemen-
tation
• Implementation of the proposed techniques
• Functionality and usability

508
Modulkatalog Module Descriptions

• Documentation of code
Part 2 (50%): Oral exam or written exam (Theoretical Know-
ledge) The lecture part will be evaluated in an oral exam (ap-
prox. 20 min) of the presented lecture content or in a written
exam (90 minutes), depending on the number of participants,
in which the achievement of the teaching objectives will be
checked. The students will be informed about the exact type
of exam at the beginning of the semester.

To pass the examination, both assessment components ha-

ve to be passed.

Medienformen The material is organized in thematic groups and presented by

Media used means of electronic slides. Initial exercise tasks together with
a practical design and implementation project allows students
to develop their analytical skills and deepen their program-
ming knowledge.

Literatur
Reading list • Marriott, Dwyer, Riche, Stuerzlinger: Immersive analy-
tics, 2018
• Min Chen, Helwig Hauser, Penny Rheingans, Gerik
Scheuermann, Foundations in Data Visualization, 2019
• Fröhler, B., Heinzl, C. (2022), A Survey on Cross-
Virtuality Analytics. Computer Graphics Forum, 41:
465-494. https://doi.org/10.1111/cgf.14447
• Unraveling the Design Space of Immersive Analytics:
A Systematic Review. I
https://doi.org/10.1109/TVCG.2023.3327368
• Grand Challenges in Immersive Analytics.
https://doi.org/10.1145/3411764.3446866
• Survey of Immersive Analytics.
https://doi.org/10.1109/tvcg.2019.2929033
• Immersive Analytics of Multidimensional Volumetric
Data. https://doi.org/10.34726/hss.2021.86329
Further materials in the lecture slides

509
Modulkatalog Module Descriptions

6179 Project in Visual Computing PN 455419

Häufigkeit des Modulangebots Normalerweise jedes Semester

Frequency of course offering Typically every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Heinzl
Module convenor

Dozent(in) Heinzl
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2Ü+2P
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 60 contact hours + 120 hrs preparation and follow-up

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Grundlagen der Informatik, Software Engineering, Program-

Recommended skills mierung I + II
Foundations of Computer Science, Software Engineering, Pro-
gramming I+II

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse After positive completion of the course, students are able to
Learning outcomes perform and realize a reasonably sized software project in the
area of visual computing or visualization. Students will be able
to plan and execute respective tasks and implement visual
computing techniques and methods in a prototypic system.
After this practical course they are able to...

510
Modulkatalog Module Descriptions

• analyze problems in the field of visual computing

• design effective visualization concepts to solve them
• implement these concepts using state-of-the-art libraries
• create evaluation designs of visualization techniques

Inhalt Visual computing integrates computer science disciplines de-

Course content aling with the acquisition, the analysis and the synthesis of
(visual) data using computing resources in applications such
as industrial quality control, medical image and data analy-
sis, robotics, multimedia systems, computer games, etc.. Asi-
de others, visual computing thus covers aspects from image
processing, visualization, computer graphics, computer vision,
virtual and augmented reality, pattern recognition, machine
learning, as well as human computer interaction.
This project targets the implementation of a larger, technically
oriented project in the field of visual computing or visualiza-
tion. The topics and contents of the project will be agreed
upon individually with the supervisor and should cover a topic
of mutual interest in visual computing.
Didactic approach: In regular meetings with the supervisor
(usually every one to two weeks), the individual steps of the
software project to be completed are discussed. This includes:
• Creation of a specification sheet
• Rough draft
• Detailed design
• Implementation details
• Test scenarios
• Creation of results
• Completion of project documentation
• Final meeting
• Presentation and discussion of the results
It is intended that the assignment will be worked on in groups
of two students.

Studien-/Prüfungsleistungen Portfolio. The following items will be evaluated:

Assessment Implementation and quality of the software project
Presentation of the software project
Discussion and defense of the chosen approach
Evaluation of oral and written performance in the submissi-
on discussion, demonstration of the developed prototype and
project documentation.

Medienformen Presentations
Media used

Literatur Originial works

Reading list

511
Modulkatalog Module Descriptions

6195 Integraltransformationen und Computertomographie PN 482301

Integral Transforms and Computed Tomography

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Sauer
Module convenor

Dozent(in) Sauer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I+II, Lineare Algebra, Bildverarbeitung

Recommended skills Analysis I+II, Linear Algebra, Image Processing

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden erwerben Kenntnisse der mathematischen
Grundlagen der Integraltransformationen und deren Anwen-
dung in der Computertomographie. Sie kennen die wichtigsten
Verfahren in Theorie und numerischer Umsetzung.

512
Modulkatalog Module Descriptions

—
The students acquire knowledge of the mathematical foun-
dations of Integral Transforms and Computed Tomography.
They know the most important algorithms in theory and nu-
merical realization.
Fähigkeiten / Abilities
Die Studierenden besitzen die Fähigkeit, die Argumente der
Beweise nachzuvollziehen, und gegebenenfalls anwendungs-
bezogen weiterzuentwickeln und können auf der Basis die-
ses theoretischen Verständnisses numerische Verfahren ent-
wickeln.
—
The students have the ability to follow the arguments of the
proofs, to extend them in an application context and to deve-
lop numerical algorithms based on their understanding of the
theory.
Kompetenzen / Competencies
Die Studierenden besitzen die Kompetenz, komplexe mathe-
matische Konzepte in einem Anwendungsgebiet praktisch um-
zusetzen.
—
The students have the competence to provide a practical rea-
lization of complex mathematical concepts in the context of
an application.

Inhalt The Fourier transform; The Radon Transform; Fundamentals

Course content of Signal Processing; Filtered Backprojection; Algebraic Re-
construction Techniques; Inverse Problems; Beamforms and
Scan Geometries

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute written or approximately 20-minutes oral examina-
tion; the precise mode of assessment will be announced at the
start of the semester.

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur Natterer, Computed Tomography

Reading list Helgason, Todd Quinto, Inverse Problems

513
Modulkatalog Module Descriptions

6200 Kamerakalibrierung und 3D-Rekonstruktion PN 455395

Camera Calibration and 3-D Reconstruction

Häufigkeit des Modulangebots Jedes Jahr

Frequency of course offering Every year

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hanning
Module convenor

Dozent(in) Hanning
Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 60 Std. Nachbearbeitung des Vorlesungs-

Workload stoffs und Prüfungsvorbereitung
30 contact hrs. + 60 hrs. lecture follow-up and exam prepa-
ration

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II oder äquivalent

Recommended skills Analysis I + II, Linear Algebra I + II or equivalent

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden kennen die Parameter des Lochkameramo-
dells mit Verzeichnung und kennen Vorbedingungen und Ver-
fahren diese aus Bilddaten zu bestimmen. Des Weiteren ken-
nen sie die Grundaussagen zur 3D-Rekonstruktion aus Bildern

514
Modulkatalog Module Descriptions

von Laserlichtschnittsensoren, sowie aus mehreren Ansichten

mit kalibrierten und unkalibrierten Kameras.
Fähigkeiten / Abilities
Die Studierenden können die Parameter der Kameraabbildung
bestimmen und 3D-Rekonstruktionsprobleme lösen.
Kompetenzen / Competencies
Die Studierenden können Algorithmen zur Kamerakalibrierung
und 3D-Rekonstruktion implementieren, bewerten und sind in
der Lage die Genauigkeitsgrenzen abzuschätzen.

Inhalt Die projektive Vervollständigung des R2

Course content Anwendung: Kalibrierung eines Laserlichtschnittsensors
Die projektive Vervollständigung des C 2 und C 3
Das Lochkameramodell mit Verzeichnungen
Projektive Formulierung des Lochkameramodell
Kamerakalibrierung
• Herleitung notwendiger Bedingungen aus der projekti-
ven Formulierung des Lochkameramodells
• Fehlerfunktion des nicht-linearen Optimierungsproblems
3D-Rekonstruktion
• Monokulare 3D-Rekonstruktion
• Das Stereokameramodell
• Epipolarbedingungen
• 3D-Rekonstruktion aus Stereobilddaten

Studien-/Prüfungsleistungen 90-minütige Klausur oder mündliche Prüfung (ca. 20 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
90-minute written examination or 20-minute oral examinati-
on. The precise mode of assessment will be announced at the
start of the semester.

Medienformen Präsentation und Beamer

Media used Presentation and projector

Literatur Skript
Reading list Hartley, Zisserman, „Multiple View Geometry“

515
Modulkatalog Module Descriptions

6205 Energy Informatics I PN 455415

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) de Meer
Module convenor

Dozent(in) de Meer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60h Präsenz + 50h Übungslösungen + 70h für Vorlesungsthe-

Workload men und Prüfungsvorbereitung
60 hours of presence + 50 hours for solution to exercises +
70 hours for lecture topics and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse
Recommended skills Software Engineering, Computer Networking, IT Security

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Understanding of the relationship between IT and energy sys-
tems including resource utilization and fundamental metho-
dologies, concepts, protocols and reference architectures used
in the context of smart grids:
• Understanding the relationship and responsibilities of

516
Modulkatalog Module Descriptions

actors in energy economics for use case analysis

• Studying and modelling of variable renewable energy
sources, forecast and power flexibility
• Knowledge of the communication architectures for
smart grids, especially detailed understanding of the
smart grid architecture model and how to apply it with
model-driven development
• Understanding of the main protocols and standards used
for information gathering, data analysis and communi-
cation in smart grids
Fähigkeiten / Abilities
Selecting and applying appropriate methods for modelling re-
newable energy sources and flexibility from e.g. battery stora-
ges or combined heat and power plants. Designing the overall
architecture of smart grid applications with a focus on ex-
change of information and communication infrastructure tech-
nologies using the Smart Grid Architecture Model. Identifica-
tion of the most important standards for the communication
infrastructure of a smart grid. Application of software tools
for grid monitoring, distributed smart grid control, and grid
management.
Kompetenzen / Competencies
Classification of methods and techniques for modelling rene-
wable energy sources and flexibility in the smart grid. Deep
understanding of the communication architectures used for
the smart grid: motives behind energy business actors and
components, available standards, and pros and cons of diffe-
rent architectures and communication protocols for different
applications in the smart grid. Understanding different smart
grid applications in the context of the smart grid architecture
model.

Inhalt In this lecture, we focus upon what differentiates the smart

Course content grid from the "traditional"power grid as it has been known for
the last century. Furthermore, we provide the students with a
fundamental understanding of energy economics, smart grid
architecture and a focus on the communication and networ-
king sides. We will focus on the question how ICT can serve
the energy system and how the different parts of the smart
grid can be modelled appropriately.
In this lecture, we discuss three main parts:
First, we discuss the evolution of energy systems and their
market actors. This includes challenges and solution approa-
ches on integrating renewable energy sources in a smart grid
using modelling of both energy sources and models for power
flexibility such as storage systems or electric vehicles.

517
Modulkatalog Module Descriptions

Part two introduces the smart grid architecture model

(SGAM), which helps us to allocate the smart grid actors and
components, as well as to depict the requirements of smart
grid applications on the information and communication tech-
nology and standards. The application of the SGAM on a se-
lected smart grid use case deepens its understanding.
In the third part, we discuss different communication tech-
nologies that can be used in the context of the smart grid.
Finally, we focus on several smart grid use cases for which
a review of relevant communication standards is conducted.
Thereby, relevant protocols are discussed in detail and are ana-
lyzed in terms of applicability, communication technology and
IT-security.

Studien-/Prüfungsleistungen 90 minutes written or 20 minutes oral exam (in English) or

Assessment portfolio. The students will be informed about the exact type
of exam by the beginning of the semester.
A portfolio examination may contain tasks that relate to a
project that uses the smart grid architecture model as basis
and may consist of:
• Written or oral partial examination
• Documented and executable source code for tasks with
tools
• Live demonstration of task solutions
• Summary of relevant research papers with topics of the
module
• Technical report
• Ongoing technical sub-reports for a final summary into
a complete document
• Presentation of created material with use of suitable
presentation techniques, e.g. PowerPoint, Live-Coding,
Whiteboard, Flipchart
The work on the portfolio will be carried out parallel to the
lecture and the final submission of the portfolio will take place
no later than 4 weeks after the end of the lecture period. The
lecturer will announce the exact requirements for the portfolio
at the beginning of the course.

Medienformen Präsentation mit Overheadprojektor, Tafel

Media used Presentation on projector, blackboard

Literatur Christian Neureiter. A Domain-Specific, Model Driven Engi-

Reading list neering Approach for Systems Engineering in the Smart Grid.
November 2017
Momoh, James. Smart grid: fundamentals of design and ana-
lysis. Vol. 63. John Wiley & Sons, 2012.
Additional literature will be referenced in the lecture material

518
Modulkatalog Module Descriptions

6206 Data on the Web PN 455417

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Nečaský
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Datenbanken und Informationssysteme, Algorithmen und Da-

Recommended skills tenstrukturen, Web und Data Engineering
Databases and Information Systems, Algorithms and Data
Structures, Web and Data Engineering

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students acquire a systematic understanding of publishing
and sharing data on the web. They know basic and advanced
models and formats for representing data on the web as know-

519
Modulkatalog Module Descriptions

ledge graphs, the principles for achieving data interoperability

through ontologies, and advanced technologies for querying
the data.
Fähigkeiten / Abilities
The students can identify, understand, and access/query data
published on the web (REST, SPARQL). They can also pu-
blish their data in an interoperable way exploiting existing and
designing their ontologies to describe the data. They can com-
bine data from different data sources into a single knowledge
graph and query it.
Kompetenzen / Competencies
The students have the competence to select appropriate tech-
nologies for publishing and consuming data on the web, design
ontologies to describe the data, and design and execute que-
ries (SPARQL) on top of the data.

Inhalt This module focuses on the principles of sharing data on the

Course content web through REST and Linked Open Data APIs. It shows
suitable data formats for publishing data on the web, explains
the role of ontologies and data vocabularies in improving data
interoperability, and presents how to consume data using the
SPARQL query language.

Studien-/Prüfungsleistungen Teil 1: Mind. 50% der Punkte aus kleinen praktischen Aufga-
Assessment ben aus den Übungen, z. B. die Arbeit mit einem speziellen
System. Die Projektarbeit kann während der Übungen oder
im Selbststudium zu Hause erbracht werden. Nicht Teil der
Endnote.
Teil 2: Eine benotete 60minütige schriftliche Klausur, die die
Terminologie und theoretischen Prinzipien prüft.
Die Punkte für die Endnote werden wie folgt berechnet:
Teil 1 wird als bestanden/unbestanden gewertet und muss be-
standen werden. Teil 2 wird mit einer Note bewertet.

Part 1: At least 50% of points from small practical assignments

from the labs, i.e., work with the particular systems. Can be
done during the exercises or as homework. Not a part of the
final grading.
Part 2: A graded 60-minute written examination of termino-
logy and theoretical principles.
The points for the final grade are computed as follows:
Part 1 is pass/fail, and must be passed. Part 2 is graded.

Medienformen Vorlesungen, Präsentation und Demonstrationen mit Projek-

Media used tor, Tafel, praktisches Seminar, ein Computerlabor mit einem
Webbrowser auf jedem Computer, ein (virtueller) Server mit

520
Modulkatalog Module Descriptions

einem RDF-Datenbankserver (z. B. GraphDB Free), der von

den Computern im Labor zugänglich ist
Lectures, presentation and demonstrations with a projector,
blackboard, practical seminar, demonstrations with a projec-
tor, students work on exercises using their own laptops

Literatur Tom Heath and Christian Bizer. Linked Data: Evolving the
Reading list Web into a Global Data Space. Synthesis Lectures on the Se-
mantic Web: Theory and Technology, Morgan & Claypool.
2011
Bob DuCharme. Learning SPARQL: Querying and Updating
with SPARQL 1.1. O’Reilly Media, Inc. 2013
Panos Alexopoulos. Semantic Modeling for Data. O’Reilly Me-
dia, Inc. 2020
Mayank Kejriwal, Craig A. Knoblock, Pedro Szekely. Know-
ledge Graphs (Adaptive Computation and Machine Learning
series). MIT Press. 2021

521
Modulkatalog Module Descriptions

6208 Machine Learning Control and Optimization PN 455398

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Wirth
Module convenor

Dozent(in) Wirth
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60+30 Std. Präsenz + 90+90 Std. Eigenarbeitszeit

Workload 60+30 contact hours + 90+90 hours lecture and tutorials
follow-up and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I + II, Analysis I + II, Gewöhnliche Differenti-

Recommended skills algleichungen, Optimierung oder Mathematik in Technischen
Systemen I – III sowie Mathematische Systemtheorie
—
Linear Algebra I+II, Analysis I+II, Ordinary Differential Equa-
tions, Optimization or Mathematics in Technical Systems I-III
and Mathematical Systems Theory

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden verstehen die grundlegenden Prinzipien der

522
Modulkatalog Module Descriptions

datenbasierten Regelung dynamischer Systeme. Dazu kennen

sie Methoden zur Behandlung von Datensätzen und zur da-
tenbasierten Identifikation dynamischer Systeme. Ferner ver-
fügen sie über relevante Techniken der mathematischen Op-
timierung. Sie sind in der Lage stabilisierende, datenbasierte
LQR-Regler zu entwerfen.
—
The participants are familiar with the fundamental concepts
of data-based control. They know methods from data analysis
and data-driven system identification of dynamical systems.
They are able to apply relevant techniques from optimization.
Also they can design stabilizing, data-based LQR controllers.
Fähigkeiten / Abilities
Die Studierenden beherrschen die Grundsätze der Datenkom-
pression, sowie der Gruppierung von Daten. Sie sind in der
Lage entsprechende Verfahren auf gegebene Datensätze an-
zuwenden. Zudem können die Studierenden unterschiedliche
Verfahren zur Identifikation dynamischer Systeme auf gege-
bene Datensätze anwenden. Ebenso können sie Regelungsauf-
gaben datenbasiert formulieren und beherrschen wesentliche
Ansätze für den datenbasierten Reglerentwurf.
—
The participants can analyze given data sets with respect to
dimensionality reduction and clustering. They can apply dif-
ferent techniques for data-based system identification. They
can design algorithms for these purposes. They are capable of
formulating various data-driven control tasks and are able to
design appropriate data-based controllers.

Inhalt Datenkompression, Hauptkomponenten-Analyse, Gruppie-

Course content rung, Lloyd Algorithmus, Support-Vector Machines, Kern-
Trick, Eigensystem-Realisierungsalgorithmus.
Beobachter-Kalman Filter Identifikation.
Zusammenhang zwischen Systemidentifikation und der Koop-
man Operatortheorie.
Datenbasierte Regelung, linear-quadratische optimale Steue-
rung, Dateninformativität, Semi-Definite Programme, sto-
chastische Gradientenverfahren
—
Dimensionality reduction, principal component analysis, clus-
tering, Lloyd’s algorithm, support vector machines, kernel
trick, eigensystem realization algorithm.
Connection between system identification and Koopman ope-
rator theory, observer-Kalman filter identification.
Data-driven linear-quadratic regulator problem, data informa-
tivity, semi-definite programming, stochastic gradient descent

523
Modulkatalog Module Descriptions

Studien-/Prüfungsleistungen 90 min Klausur oder ca. 30 min mündliche Prüfung. Die ge-
Assessment naue Prüfungsart wird zu Beginn des Semesters bekannt ge-
geben.
90-minute written examination or 30-minute oral examinati-
on. The precise mode of assessment will be announced at the
beginning of the semester

Medienformen Tafel, Beamer, Vorlesungsskript, Übungsblätter

Media used Blackboard, projector presentation, lecture notes, exercise
sheets

Literatur S.L. Burton, J.N. Kutz: Data-Driven Science and Engineering:

Reading list Machine Learning, Dynamical Systems and Control, Cam-
bridge University Press, 2019.
De Persis, C., Tesi, P.: Formulas for Data-Driven Control: Sta-
bilization, Optimality and Robustness, IEEE Transactions on
Automatic Control 65 (3): 909 – 924, 2020.
van Waarde, H., Eising, J., Trentelman, H., Camlibel, K.: Da-
ta Informativity: A New Perspective on Data-Driven Analysis
and Control. IEEE Transactions on Automatic Control 65 (11):
4753 – 4768, 2020.

524
Modulkatalog Module Descriptions

6209 Principles of Data Organisation PN 472740

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Hobulova
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Datenbanken und Informationssysteme

Recommended skills Undergraduate database course

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse The aim of the course is to provide an overview of the basic
Learning outcomes principles of data organization. In the first part, students get
acquainted with the basic methods of data storage and file
organization types. We will also focus on data structures for
efficient access to data, i.e. basic types of hashing and hier-
archical indexing, including their use in traditional, primarily

525
Modulkatalog Module Descriptions

relational database systems. In the last part, we will focus on

more advanced principles of data organization in the context
of spatial distributed databases.

Inhalt Introduction, organisation of the course. Data storage. RAID

Course content File organisation
Hashing in internal and external memory
Hierarchical indexing, B-trees
Spatial databases
Distributed databases

Studien-/Prüfungsleistungen Part 1:
Assessment 30-minute, written single-choice assessment of terminology
and theoretical principles
Part 2:
60-minute written examination, assessing practical problem-
solving skills
The points for the final grade are computed as follows:
Part 1 is pass/fail, and must be passed.
Part 2 is graded.

Medienformen Tafel, Projektor

Media used Blackboard, projector

Literatur Raghu Ramakrishnan, Johannes Gehrke: Database manage-

Reading list ment systems (3. ed.). McGraw-Hill 2003.
Ausgewählte Forschungsartikel / selected research articles.

526
Modulkatalog Module Descriptions

6210 Semantic Data Integration PN 473270

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Algergawy
Module convenor

Dozent(in) Algergawy
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Datenbanken und Informationssysteme, Algorithmen und Da-

Recommended skills tenstrukturen, Web und Data Engineering
Databases and Information Systems, Algorithms and Data
Structures, Web and Data Engineering

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students acquire a systematic understanding how to com-
bine and integrate different data sources using a broad range
of techniques for data integration. During the integration pro-

527
Modulkatalog Module Descriptions

cess, the students will know basic and advanced models and
formats for representing data, how to identify and discover da-
ta and semantic heterogeneities across different data sources,
the principles for achieving data interoperability through on-
tologies, and advanced technologies for querying the data.
Fähigkeiten / Abilities
The students can identify, understand, and access/query dif-
ferent data sources (conjunctive queries, XQuery, and SPAR-
QL). They can also identify and discover different heteroge-
neities across data sources, how to resolve these kinds of he-
terogeneities through schema and ontology matching. They
can combine data from different data sources into a mediated
schema making use of discovered matches and query it.
Kompetenzen / Competencies
The students obtain the competency to select appropriate
technologies for identifying and discovering data and semantic
heterogeneities through schema and ontology matching, de-
sign ontologies to describe the data, and design and execute
queries on top of the data.

Inhalt This module focuses on the principles of data integration des-

Course content cribing the importance of data integration in different applica-
tions and use cases. Different schemes of integration such vir-
tual and physical data integration will be covered. The course
will further focus on virtual and web data integration. Further
topics covered are various aspects of data integration, such as
data and semantic heterogeneities, schema and ontology mat-
ching, and the role of semantics and ontologies in improving
data integration and data interoperability.

Studien-/Prüfungsleistungen 90-minütige Klausur

Assessment 90-minute written examination

Medienformen Vorlesungen, Präsentation und Demonstrationen mit Projek-

Media used tor, Tafel, praktisches Seminar, Tool-Demonstrationen über
Beamer, Studierende arbeiten an praktischen Übungen an ih-
ren eigenen Geräten
Lectures, presentation and demonstrations with a projector,
blackboard, practical seminar, demonstrations with a projec-
tor, students work on exercises using their own laptops

Literatur AnHai Doan, Alon Halevy, Zachary Ives: Principles of Data

Reading list Integration. Morgan Kaufmann, 2012.
Barbella, Marcello, and Genoveffa Tortora. Ä Semi-automatic
Data Integration Process of heterogeneous databases." Pat-
tern Recognition Letters (2023).
Ulf Leser, Felix Naumann: Informationsintegration. Dpunkt

528
Modulkatalog Module Descriptions

Verlag, 2007.
Luna Dong, Divesh Srivastava: Big Data Integration. Mor-
gan & Claypool, 2015.
Serge Abiteboul, et al: Web Data Management. Cambridge
University Press, 2012.
Mountantonakis, Michalis, and Yannis Tzitzikas. "Large-scale
semantic integration of linked data: A survey." ACM Compu-
ting Surveys (CSUR) 52.5 (2019): 1-40.
Jérôme Euzenat, Pavel Shvaiko: Ontology Matching. Sprin-
ger, 2007.
Felix Naumann: An Introduction to Duplicate Detection. Mor-
gan & Claypool, 2012.

529
Modulkatalog Module Descriptions

6211 Management of Scientific Data PN 472780

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Algergawy
Module convenor

Dozent(in) Algergawy
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Datenbanken und Informationssysteme, Algorithmen und Da-

Recommended skills tenstrukturen, Web und Data Engineering
Databases and Information Systems, Algorithms and Data
Structures, Web and Data Engineering

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes The students gain a systematic understanding of the main
components of data lifecycle in research data management
starting from research data planning to data archiving, inte-

530
Modulkatalog Module Descriptions

gration and sharing. During the exploration of research data

lifecycle, the students will know basic and advanced models
and techniques to write a good research data plan, to well de-
scribe and organize scientific data using different and standard
metadata, to examine scientific data to ensure data quality,
and to select suitable stores for data preserving.
Fähigkeiten / Abilities
By completing this course, students will get to know the whole
range of procedures with regard to research data management,
i.e. data planning, data collection, metadata management, da-
ta preservation, data sharing, re-usability and storage of data,
enhancement of visibility and data analysis and synthesis is-
sues.
Kompetenzen / Competencies
The students obtain the competency to select appropriate
technologies to provide well organised, well documented, pre-
served and shared data that are invaluable to advance scientific
inquiry and to increase opportunities for learning and innova-
tion.

Inhalt This module focuses on the main components of research data

Course content lifecycle, including the followings:
• Research data management, in general
• Data management plans
• Date description and metadata standard
• Data organization and data storing
• Data quality
• Data sharing and reuse
• Data integration and analysis
• FAIR data principles

Studien-/Prüfungsleistungen 60-minütige Klausur

Assessment 60-minute written examination

Medienformen Vorlesungen, Präsentation und Demonstrationen mit Projek-

Media used tor, Tafel, praktisches Seminar, Tool-Demonstrationen über
Beamer, Studierende arbeiten an praktischen Übungen an ih-
ren eigenen Geräten
Lectures, presentation and demonstrations with a projector,
blackboard, practical seminar, demonstrations with a projec-
tor, students work on exercises using their own laptops

Literatur RDA: Research data alliance https://www.rd-alliance.org/

Reading list Pietro Pinoli, Stefano Ceri, Davide Martinenghi, Luca Nan-
ni: Metadata management for scientific databases. Inf.
Syst. 81: 1-20 (2019)
Managing Research Data to Unlock its Full Poten-

531
Modulkatalog Module Descriptions

tial : https://masterclasses.nature.com/managing-research-
data/18320206
Wilkinson, M., Dumontier, M., Aalbersberg, I. et al. The
FAIR Guiding Principles for scientific data manage-
ment and stewardship. Sci Data 3, 160018 (2016). htt-
ps://doi.org/10.1038/sdata.2016.18
Research data Oxford: https://researchdata.ox.ac.uk/data-
management-training
Cox, A. M., & Pinfield, S. (2014). Research data management
and libraries: Current activities and future priorities. Journal
of Librarianship and Information Science, 46(4), 299–316. htt-
ps://doi.org/10.1177/0961000613492542

532
Modulkatalog Module Descriptions

6212 Modern Database Systems PN 472770

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Scherzinger
Module convenor

Dozent(in) Hobulova
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 50 Std. Übungen + 70 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 50 hrs exercises + 70 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Datenbanken und Informationssysteme

Recommended skills Databases and Information Systems

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse The aim of the course is to provide and introduction to the
Learning outcomes approaches for efficient storing and querying of Big Data. The
course will familiarize students with a wide range of related
concepts and technologies and provide a deeper insight into
new types of database systems. For each type of databases,
basic principles and techniques as well as practical examples

533
Modulkatalog Module Descriptions

will be introduced. In the labs, the students will put into ope-
ration different types of databases and test their functionality
using small applications.

Inhalt The following topics are covered:

Course content • Relational data model, relational databases. Historical
overview of alternative data models and database sys-
tems.
• Introduction to Big Data (history, features, data mo-
dels).
• Basic principles of Big Data Management (CAP Theo-
rem, distribution, scaling, replication, transactions in a
distributed environment, ...).
• Overview and classification of database systems and
technologies for efficient management and processing
of Big Data.
• Distributed file systems.
• MapReduce - principle, properties, critique, alternative
approaches.
• NoSQL databases (key / value, column, document).
• Graph data and graph databases.
• Data with multiple models. Multi-model databases. Po-
lystores.
• SQL language in the world of Big Data. NewSQL data-
base.
• Other types of modern databases (array databases, ...).

Studien-/Prüfungsleistungen Teil 1: Mind. 50% der Punkte aus kleinen praktischen Aufga-
Assessment ben aus den Übungen, z. B. die Arbeit mit einem speziellen
System. Die Projektarbeit kann während der Übungen oder
im Selbststudium zu Hause erbracht werden. Nicht Teil der
Endnote.
Teil 2: Eine benotete 60-minütige schriftliche Klausur, die die
Terminologie und theoretische Prinzipien prüft.
Die Punkte für die Endnote werden wie folgt berechnet:
Teil 1 wird als bestanden/unbestanden gewertet, und muss
bestanden werden.
Teil 2 wird mit einer Note bewertet.
Part 1: At least 50% of points from small practical assignments
from the labs, i.e., work with the particular systems. Can be
done during the practicals or as homework. Not a part of the
final grading.
Part 2: A graded 60-minute written examination of termino-
logy and theoretical principles.
The points for the final grade are computed as follows:
Part 1 is pass/fail, and must be passed.

534
Modulkatalog Module Descriptions

Part 2 is graded.

Medienformen Tafel, Projektor

Media used Blackboard, projector

Literatur Pramod J. Sadalage - Martin Fowler: NoSQL Distilled: A Brief

Reading list Guide to the Emerging World of Polyglot Persistence
Eric Redmond - Jim R. Wilson: Seven Databases in Seven
Weeks: A Guide to Modern Databases and the NoSQL Move-
ment
Sherif Sakr - Eric Pardede: Graph Data Management: Tech-
niques and Applications
Jeffrey Dean and Sanjay Ghemawat: MapReduce: Simplified
Data Processing on Large Clusters, Google, Inc.
Hadoop: The Definitive Guide, by Tom White, 2nd edition,
Oreilly’s, 2010
Carlyna Bondiombouy, Patrick Valduriez. Query Processing in
Multistore Systems: an overview. [Research Report] RR-8890,
INRIA Sophia Antipolis - Méditerranée. 2016, pp.38.

535
Modulkatalog Module Descriptions

6215 Online and Approximation Algorithms PN 455480

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Harks
Module convenor

Dozent(in) Ghodselahi
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 60 Std. Übungen + 60 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
60 contact hours + 60 hrs exercises + 60 hrs independent
study and exam preparation

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Erwerb von Kenntnissen über Online- und Approximationspro-
bleme sowie deren praktische Anwendung.
—
Acquire an understanding of online and approximation pro-
blems, along with their practical applications.

536
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Verbessern Sie Ihre Fähigkeit, Online- und Approximationspro-
bleme zu identifizieren und zu lösen, indem Sie Techniken wie
potentielle Funktionen, LP-Relaxierungen und randomisiertes
Runden anwenden.
—
Enhance your ability to identify and solve online and approxi-
mation problems using techniques such as potential functions,
LP relaxations, and randomized rounding.

Kompetenzen / Competencies
Entwicklung der Fähigkeit, Online- und Näherungsalgorithmen
theoretisch zu analysieren, so dass keine Programmierung er-
forderlich ist.
—
Develop the competency to theoretically analyze online and
approximation algorithms, eliminating the need for program-
ming.

Inhalt list access, cashing, randomized online algorithms, load ba-

Course content lancing, scheduling, k-server problems, knapsack, set cover,
matching, hitting set.

Studien-/Prüfungsleistungen 120 min Klausur oder ca. 30 min mündliche Prüfung

Assessment 120-minute written examination or 30-minute oral examinati-
on

Medienformen Präsentation mit Tafel und Beamer

Media used Presentation with a projector, blackboard

Literatur A. Borodin und R. El-Yaniv. Online Computation and Compe-

Reading list titive Analysis. Cambridge University Press, Cambridge, 1998
V. V. Vazirani. Approximation Algorithms. Springer Verlag,
Berlin, 2001
A. Fiat, G. J. Woeginger. Online Algorithms: The State of the
Art. Springer, 1998

537
Modulkatalog Module Descriptions

6217 Stochastische Prozesse auf Graphen und Gruppen PN 455490

Stochastic Processes on Graphs and Groups

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach
Module convenor

Dozent(in) Gilch
Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 60+30 Std. Präsenz, 120+60 Std. Eigenarbeitszeit

Workload 60+30 contact hours, 120+60 hours independent study

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Lineare Algebra I, Analysis I, Einführung in die Stochastik

Recommended skills Linear Algebra I, Analysis I, Introduction to Stochastics

Verwendbarkeit in weiteren Master Computational Mathematics

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden erhalten eine Einführung in die mathema-

Learning outcomes tischen Grundlagen wichtiger stochastischer Prozesse. Die
vorgestellten Zufallsprozesse werden insbesondere hinsichtlich
auftretender Phänomene und ihres asymptotischen Verhaltens
untersucht.
—
The students shall acquire the basic mathematical concepts of

538
Modulkatalog Module Descriptions

important classes of stochastic processes. Different phenome-

na of the presented random processes are discussed and the
asymptotic behavior of these processes are studied.

Inhalt In dieser Vorlesung werden die mathematischen Grundlagen

Course content einiger wichtiger stochastischer Prozesse behandelt:
• Perkolation auf Graphen (Existenz und Anzahl unendli-
cher Cluster)
• Galton-Watson Prozesse (Aussterbewarscheinlichkeiten)
• Entropie von stationären stochastischen Prozessen
(Shannon-McMillan-Breiman Theorem)
• Irrfahrten auf Gruppen und deren asymptotische Eigen-
schaften (Geschwindigkeit, Entropie, Subadditiver Ergo-
densatz)
• Verzweigende Irrfahrten auf Cayley-Graphen
—
This lecture covers the mathematical foundations of some im-
portant stochastic processes, namely:
• Percolation on graphs (existence and number of infinite
clusters)
• Galton-Watson processes (extinction probabilities)
• Entropy of stationary stochastic processes (Shannon-
McMillan-Breiman theorem)
• Random walks on groups and their asymptotic proper-
ties (speed, entropy, subadditive ergodic theorem)
• Branching random walks on Cayley graphs

Studien-/Prüfungsleistungen 120 minütige schriftliche Prüfung oder mündliche Prüfung (ca.

Assessment 30 Minuten); die genaue Prüfungsart wird zu Beginn des Se-
mesters bekannt gegeben.

120 minute written or 30-minute oral examination. The preci-

se mode of assessment will be announced at the start of the
semester.

Medienformen Präsentation und Beamer, Tafel

Media used Presentation and projector, blackboard

Literatur T. Cover & J.Thomas: Elements of Information Theory, Wi-

Reading list ley, 2019.
R. Durett: „Probability. Theory and Examples. (Fourth Editi-
on)“, Cambridge University Press, 2010.
G. Grimmett: Percolation, Springer, 1999.
W. Woess: Random Walks on Graphs and Groups, Cambridge
University Press, 2000.
W. Woess: Denumerable Markov Chains, European Math. So-
ciety, 2009.

539
Modulkatalog Module Descriptions

6218 Maß- und Integrationstheorie PN 455510

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Müller-Gronbach, Prochno, Rudolf

Module convenor

Dozent(in) Müller-Gronbach, Prochno, Rudolf

Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 4V + 2Ü
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Übungen + 90 Std. Nachbereitung

Workload der Vorlesung und Prüfungsvorbereitung
90 contact hours + 90 hrs exercises + 90 hrs independent
study and exam preparation

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Analysis I + II, Lineare Algebra I + II, Einführung in die Sto-
Recommended skills chastik
Analysis I + II, Linear Algebra I + II, Introduction to Stocha-
stic

Verwendbarkeit in weiteren Bachelor Mathematik

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Verständnis der Grundkonzepte und -techniken sowie der zen-
tralen Ergebnisse der Maß- und Integrationstheorie.

540
Modulkatalog Module Descriptions

Fähigkeiten / Abilities
Anwendung grundlegender Modellierungs- und Beweisverfah-
ren der Maß- und Integrationstheorie.

Inhalt Grundkonzepte der Maß- und Inteagrationstheorie, u.a.

Course content • Maßräume und messbare Abbildungen,
• Produkträume,
• Konstruktion von Maßen,
• Maßintegrale,
• Konvergenz von Folgen messbarer Funktionen,
• Absolute Stetigkeit von Maßen.

Darauf aufbauend eine Auswahl weiterer Inhalte, etwa

• Hausdorff-Maße,
• Integration auf Mannigfaltigkeiten,
• Integralsätze von Stokes und Gauß.

Studien-/Prüfungsleistungen 120-minütige Klausur oder mündliche Prüfung (ca. 30 Minu-

Assessment ten); die genaue Prüfungsart wird zu Beginn des Semesters
bekannt gegeben.
120-minute written examination or oral examination (approx
30 minutes). The precise mode of assessment will be announ-
ced at the start of the semester.

Medienformen Präsentation,Beamer, Tafel

Media used Presentation, Beamer, Blackboard

Literatur Bekanntgabe durch Dozenten / Announced during the lecture

Reading list

541
Modulkatalog Module Descriptions

6219 IoT Security: Security Solutions for the Internet of Things PN 455520

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Katzenbeisser
Module convenor

Dozent(in) Anagnostopoulos
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 60 Std. Nachbereitung der Vorlesung und

Workload Prüfungsvorbereitung
30 contact hours + 60 hours independent study and exam
preparation

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse -
Recommended skills

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students acquire basic knowledge of the Internet of Things
(IoT), of its different segments that include devices of varying
capabilities, of the industrial IoT, as well as of the concept of
IoT 2.0, which combines IoT with advanced technologies, such
as artificial intelligence and the blockchain. The students gain

542
Modulkatalog Module Descriptions

knowledge of potential security solutions for the IoT, ranging

from the design level to security protocol implementations for
particular use cases, such as device authentication, device at-
testation, and sensor data aggregation. Additionally, practical
knowledge on how to gather sensor data and secure them is
also provided by examining the relevant topic with the help of
the STM B-L475E-IOT01A board.
Fähigkeiten / Abilities
Students gain the ability to outline and potentially implement
security solutions, ranging from design-level solutions to use
case protocols, both in theory and in practice. Students gain
the ability to theoretically analyze potential threats in the fra-
mework of the IoT and to phrase out relevant requirements,
potentially leading to the corresponding security specificati-
ons.
Kompetenzen / Competencies
Students learn to analyze the security requirements, specifi-
cations, threat models and analyses associated with the IoT,
and select appropriate security solutions to address them, wi-
thout affecting the practicality and efficiency of the relevant
IoT systems. Practical competencies for the design and imple-
mentation of security solutions in the framework of the IoT
are also acquired, to a limited extent.

Inhalt The following topics are covered:

Course content • Basic concepts (definition of the Internet of Things
(IoT), examination of the different segments of th IoT
and their diversity, applications of the IoT, the need for
(lightweight)security in the IoT)
• Requirements, specifications, threat modelling, attack
surface analysis for the IoT
• The ENISA reports regarding good practices for security
of the IoT
• The Industrial Internet of Things (IIoT) and the concept
of IoT 2.0
• Introduction of security in the IoT in the design phase
• Lightweight security primitves: Physical Unclonable
Functions (PUFs), True Random-Number Generators
(TRNGs), Trusted Platform Modules (TPMs), and
other solutions
• Lightweight cryptography for the IoT: Standards and
proposed solutions
• Authentication protocols in the context of th IoT
• Attestation of IoT devices in the field
• Advanced security solutions for the IoT utilizing the
blockchain, machine learning, post-CMOS technologies

543
Modulkatalog Module Descriptions

and/or advanced artificial intelligence (Security for the

IoT 2.0 concept)
• Secure sensor data aggregation in the context of the
IoT: Issues and potential solutions
• Sensor measurements with the STM B-L475E-IOT01A
board
• Security in the framework of the STM B-L475E-IOT01A
board
• Exploring a comprehensive security solution for the STM
B-L475E-IOT01A board in the framework of a network
forming a small segment of the IoT

Studien-/Prüfungsleistungen 90 Minuten Klausur in Englisch

Assessment 90-minute written exam in English

Medienformen
Media used Presentation, projector, blackboard, sensor measurements
with the STM B-L475E-IOT01A board

Literatur Russel & Van Duren: „Practical Internet of Things Security“,

Reading list 2nd edition, Packt Publishing, 2019.
Gilchrist: „IoT Security Issues“, De Gruyter, 2017.

544
Modulkatalog Module Descriptions

6220 Introduction to Microelectronics: From Silicion to PN 455530

Computer Components

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Katzenbeisser
Module convenor

Dozent(in) Anagnostopoulos
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „AllgBer“

Curriculum Focus „AllgBer“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand 30 Std. Präsenz + 60 Std. Nachbereitung der Vorlesung und

Workload Prüfungsvorbereitung
30 contact hours + 60 hours independent study and exam
preparation

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse -
Recommended skills

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students acquire basic knowledge of microelectronics, ranging
from semiconducting materials and their principles of opera-
tion in the context of computers to post-CMOS technologies,
simple digital circuits, and their applications for computation

545
Modulkatalog Module Descriptions

and computer sciences. Students learn the working principles

of diodes, transistors, operational amplifiers, and even post-
CMOS electronics relevant to digital circuits in the framework
of computer science.
Fähigkeiten / Abilities
Students learn the application domains of microelectronics
and are able to design simple analog and digital circuits, such
as memory cells, both in theory and in practice.
Kompetenzen / Competencies
Students learn to analyze simple circuit designs and gain the
ability to select the appropriate microelectronic components
for the creation of simple circuits to address problems in the
computation, storage, and other similar domains.

Inhalt The following topics are covered:

Course content • Basic concepts of microelectronics (examples of electro-
nic systems, electronics vs. microelectronics, etc.)
• Short introduction to the physics of microelectronics
(charge carriers, the pn junction, the need for conduc-
tors and semiconductors, silicon and other semiconduc-
ting materials)
• Diodes and their applications
• MOS transistors (PMOS, NMOS, CMOS), their prin-
ciples of operation, and their applications
• CMOS amplifiers
• Operational amplifiers, modes of operation (noninver-
ting amplifier, inverting amplifier, integrator and diffe-
rentiator, voltage adder), and their applications
• Design principles of simple computer components ba-
sed on microelectronics (memory cells, registers, logical
gates)
• Basic digital circuits and practical applications
• Circuit design, correction, and theoretical testing using
artificial intelligence
• Microelectronics beyond silicon: connection to nanoelec-
tronics and post-CMOS technologies

Studien-/Prüfungsleistungen 90 Minuten Klausur in Englisch

Assessment 90-minute written exam in English

Medienformen Präsentation, Beamer, Tafel

Media used Presentation, projector, blackboard

Literatur Sedra, Smith, Carusone & Gaudet: „Microelectronic Circuits“,

Reading list 8th edition, Oxford University Press, 2019.
Momeni: „Grundlagen der Mikroelektronik 1“, Springer, 2021.
Razavi: „Fundamentals of Microelectronics“, 3rd edition, Wi-

546
Modulkatalog Module Descriptions

ley & Sons, 2021.

547
Modulkatalog Module Descriptions

6221 Industrial Prototyping for Makers PN 455540

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser, Kosch

Module convenor

Dozent(in) Fraser, Kosch

Lecturer

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“, Modulgruppe „InfKomm“

Curriculum Focus „ProgSoft“, Focus „InfKomm“

Lehrform/SWS 4P
Contact hours

Arbeitsaufwand 60 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 60 contact hours + 120 hrs preparation and follow-up

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse -
Recommended skills -

Verwendbarkeit in weiteren -
Studiengängen -
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Students acquire the ability to develop a technical or software
prototype from inception to requirements analysis to product
review. They will obtain methodological knowledge.
Fähigkeiten / Abilities
Students acquire the skills to implement complex software sys-
tems and technical prototypes. They will develop the ability to
use appropriate software libraries, software and hardware tools

548
Modulkatalog Module Descriptions

to do so.
Kompetenzen / Competencies
Students acquire the organisational and technical skills to con-
ceptualise, plan, and implement prototype systems.

Inhalt Students will work in groups on a given problem descripti-

Course content on originating from the industrial maker scene (for example
building intelligent systems that analyse the environment and
react accordingly), or datasets (for example images of additive
manufacturing goods to classify as defective or not). Students
will produce a prototype solving the given problem description,
covering possible topics:
• Software prototyping
• Programming embeded systems
• Marketing
• Seonsor Systems
• Robotics
• Artificial Intelligence
Finally, the results will be reported in a technical report.

Studien-/Prüfungsleistungen Portfolio consisting of source code, a written technical re-

Assessment port on the outcome of the project and up to four presenta-
tions.The overall grade results from the overall assessment of
the performance (as a portfolio). The exact mode of assess-
ment will be announced at the beginning of the semester.

Medienformen Projector, blackboard

Media used

Literatur Own lecture notes and selected publications. Literature will

Reading list be announced depending on the concrete topics.

549
Modulkatalog Module Descriptions

6232 Prototyping & Programming PN xxxxxx

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Fraser, Kosch

Module convenor

Dozent(in) Fraser, Kosch

Lecturer

Sprache Deutsch
Language of instruction German

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 4Ü Blockveranstaltung
Contact hours

Arbeitsaufwand 90 Std. Präsenz + 90 Std. Vor- und Nachbereitung des Prak-

Workload tikums
90 contact hours + 90 hrs preparation and follow-up

ECTS 6
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Programmierung I

Recommended skills Programming I

Verwendbarkeit in weiteren Master Artificial Intelligence Engineering

Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden entwerfen einen Prototypen als 3D-Modell
am Computer, definieren Werkzeugwege und erstellen Schnitt-
muster für CNC-Maschinen. Der Prototyp wird anschließend
gefertigt, zusammengebaut und mit einem Microcontroller als
Steuerung/Regelung ausgestattet. Dabei werden die grundle-
genden Prinzipien des Messens, Steuerns und Regelns verwen-

550
Modulkatalog Module Descriptions

det. Außerdem wird ein fortgeschrittener KI-Ansatz implemen-

tiert.
Fähigkeiten / Abilities
Die Teilnehmer erwerben die Fähigkeit Modellierung und Ferti-
gung realer Gegenstände (bspw. Ersatzteile). Sie programmie-
ren Microcontroller wie Arduino, RaspberryPi oder ESP8266
und lernen die programmiertechnischen Herausforderungen
des hardwarenahen Programmierens eingebetteter Systeme
zu bewältigen. Zudem verwenden sie Musterkennung mittels
künstlicher Intelligenz. Die Studierenden erlernen ein beste-
hendes Modell des maschinellen Lernens mittels Finetunings
auf ihren Anwendungsfall anzupassen bzw. selbst ein Modell
zu trainieren.
Kompetenzen / Competencies
Die Teilnehmer erwerben Kompetenzen auf hardware- sowie
softwaretechnischer Ebene. Sie lernen auf typische Probleme
in der CNC-Fertigung sowie Microcontrollerprogrammierung
geeignet zu reagieren. Die Teilnehmer lernen begründet Ent-
scheidungen im Rahmen der hardwarenahen Programmierung
zu treffen. Die Teilnehmenden erwerben Kompetenzen ver-
schiedene Modelle des Maschinellen Lernens gegeneinander
abzuwägen und das für ihren Anwendungsfall geeignete Mo-
dell anhand der gegebenen Faktoren begründet auszuwählen.

Inhalt Studierende konstruieren und fertigen sowohl ein 2D-Modell

Course content als auch ein 3D-Modell. Dazu werden verschiedene additive als
auch zerspanende Produktionsverfahren verwendet. Konkret
stehen 3D-Drucker (Filament/Resin), CNC-Laser und CNC-
Fräsen zur Verfügung. Anschließend werden die Bauteile zu-
sammengesetzt und programmiert. Für die Verarbeitung von
Sensordaten und Reaktion auf diese wird künstliche Intelligenz
verwendet. Dabei wird je nach Möglichkeit ein vorhandenes
Modell verwendet, welches Finetuning erfährt oder aus eige-
nen Messdaten ein neues Modell trainiert. Diskutiert werden
reale Anwendungsfälle und sinnvolle Einsatzmöglichkeiten in
Schule und Wirtschaft.

Studien-/Prüfungsleistungen Portfolio-Prüfung basierend auf der Eignung, Implementie-

Assessment rung, und Auswertungsmethodik der gewählten Methoden,
den erzielten Ergebnissen, und der Präsentation der Projek-
tergebnisse. Die Elemente des Portfolios sind: Der Quelltext
inklusive Dokumentation, eine schriftliche Ausarbeitung zu
den Projektergebnissen, Präsentationen der Projektergebnis-
se, sowie ein abschließendes Prüfungsgespräch (ca. 10 Minu-
ten) mit jedem Teilnehmenden. Bei Teampräsentationen muss
jeder Teilnehmende den Eigenanteil am Projekt darstellen. Zu-

551
Modulkatalog Module Descriptions

sätzlich werden die Eigenanteile in der Quelltextdokumentati-

on und der Ausarbeitung schriftlich festgehalten. Details zur
Bewertung werden zu Beginn der Lehrveranstaltung erläutert.

Medienformen Präsentation, Beamer, Werkstatt

Media used

Literatur Wird vom Dozent/von der Dozentin bekannt gegeben.

Reading list

552
Modulkatalog Module Descriptions

6237 Compiler Construction Lab PN 455422

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Hammer
Module convenor

Dozent(in) Hammer
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 6Ü
Contact hours

Arbeitsaufwand 90 Std. Laborarbeit + 180 Std. Nachbearbeitung

Workload Laborarbeit: Erläuterung der Teilprojekte und Anforderungen
an Portfoliobestandteile sowie Fragen zur Aufgabenstellung
und den jeweiligen Lösungsansätzen
Nachbearbeitung: 3 Teilprojekte a 60h

90 hours laboratory work + 180 hours independent study and

implementation
Laboratory work: Explanation of the sub-projects and requi-
rements for portfolio components as well as questions about
the task and the respective solution approaches Independent
study: 3 sub-projects of 60 hours each

ECTS 9
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Compiler Construction, Theoretische Informatik, Rechnerachi-

Recommended skills tektur
Compiler Construction, Theoretical Computer Science, Com-
puter Architecture

553
Modulkatalog Module Descriptions

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden verstehen etablierte und aktuelle Verfahren
zur Übersetzung von Source Code in andere Sprachen, bevor-
zugt in low-level Maschinensprache, insbesondere Techniken
der syntaktischen und semantischen Sprachbehandlung von
Übersetzern sowie der Codegenerierung und -optimierung mit
Hilfe von Programmanalyse.
—
The students understand established and current procedures
for translating source code into other languages, preferably
into low-level machine language, in particular techniques of
syntactic and semantic analysis by compilers as well as code
generation and optimization using program analysis.
Fähigkeiten / Abilities
Die Studierenden lernen anspruchsvoller Informatik-Aufgaben
unter praktisch experimenteller Anwendung des im Studium
vermittelten Theorie- und Methodenwissens der Informatik
zu lösen. Sie können größere konstruktive und experimentelle
Aufgaben bearbeiten und sind in der Lage Recherche aktueller
Publikationen zum übergeordneten Projektthema durchzufüh-
ren. Die Studierenden sind in der Lage, prototypische sprach-
verarbeitende Systeme eigenständig zu erstellen.
—
The students learn to solve demanding computer science tasks
through practical experimental application of the theoretical
and methodological knowledge of computer science acquired
during their studies. They can work on larger constructive and
experimental tasks and are able to research current publicati-
ons on the overarching project topic. The students are able to
independently create prototype language processing systems.
Kompetenzen / Competencies
Die Studierenden erwerben berufsbefähigende Praxiskompe-
tenz durch Durchlaufen der typischen Phasen eines Ent-
wicklungsprojekts. Sie eignen sich Problemlösungskompetenz
durch wissenschaftliches Arbeiten (unter Anleitung) mit dem
Ziel, Probleme aus aktuellen Entwicklungen zu bewältigen an.
Sie erarbeiten sich Transferkompetenz durch Anwendung des
Theorie- und Methodenschatzes der Informatik auf komplexe
Probleme und sie erlernen die Gegenseitige Vermittlung der
inhaltlichen Grundlagen eines ausgewählten Teilgebiets.
—

554
Modulkatalog Module Descriptions

The students acquire practical skills that enable them to work

in a profession by going through the typical phases of a deve-
lopment project. They acquire problem-solving skills through
scientific work (under supervision) with the aim of overco-
ming problems arising from current developments. They ac-
quire transfer skills by applying the theory and methodology
of computer science to complex problems and they learn how
to convey the content-related fundamentals of a selected sub-
area to each other.

Inhalt Behandlung der verschiedenen Phasen eines Übersetzers: Le-

Course content xikalische, syntaktische und semantische Analyse eines Source
Programms, Codegenerierung und –optimierung für abstrakte
und reale Maschinen, Grundlagen der Programmanalyse.
—
Treatment of the different phases of a compiler: lexical, syn-
tactic and semantic analysis of a source program, code gene-
ration and optimization for abstract and real machines, basics
of program analysis.

Studien-/Prüfungsleistungen Portfolio-Prüfung basierend auf der Eignung, Implemetnierung

Assessment und Auswertungsmethodik der gewählten Methoden, den er-
zielten Ergebnissen und der Präsentation der Projektergebnis-
se. Die Elemente des Portfolios sind: Der Quelltext der drei
Teilprojekte inklusive Dokumentation, eine schriftliche Ausar-
beitung zu den Projektergebnissen (max. 8 Seiten), Präsenta-
tion der Projektergebnisse sowie ein abschließendes Prüfungs-
gespräch (max. 10 Minuten) mit jedem Teilnehmenden.
Bei Teampräsentationen muss jeder Teilnehmende den Eigen-
anteil am Projekt darstellen. Zusätzlich werden die Eigen-
anteile in der Quelltextdokumentation und der Ausarbeitung
schriftlich festgehalten. Details zur Bewertung werden zu Be-
ginn der Lehrveranstaltung erläutert.

Portfolio exam based on the suitability, implementation and

assessment refinement of the chosen methods, the achieved
results and communication/presentation of the project. The
portfolio elements are code of the three sub-projects with do-
cumentation, a written report on the outcome of the projects
(max. 8 pages), presentations given overe the course of the
semester and a final examination conversation (max. 10 mi-
nutes) with each individual participant.
Within the team presentations, each participant showcases
her/his own personal contribuation to the project. Additio-
nally, participants declare in written form their individual con-
tributions as part of the report and the code documentation.

555
Modulkatalog Module Descriptions

Details on the assessment including count and length of the

presentations will be announced at the beginning of the cour-
se.

Medienformen Labor, Rechner, Beamer

Media used Laboratory, Computer, Projector

Literatur Aho, Lam, Sethi, Ullman: Compilers - Principles, Techniques

Reading list and Tools. Addison-Wesley A. Appel: Modern Compiler Imple-
mentation in Java, Cambridge University Press Seidl, Wilhelm,
Hack: Compiler Design. Springer

556
Modulkatalog Module Descriptions

39734 Approximate Dynamic Programming (Reinforcement PN 266194

Learning)

Häufigkeit des Modulangebots Notice: formerly „Advanced Topics in Management Science:

Frequency of course offering Planing of Complex Interactive Systems"
Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Otto (Wirtschaftswissenschaftliche Fakultät / Faculty of Busi-

Module convenor ness, Economics and Information Systems)

Dozent(in) Otto
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V + 2Ü
Contact hours

Arbeitsaufwand Lecture 4 SWS (60 h attendance and 90 h own work)

Workload Calculation basis: 15 weeks in a semester, including an exami-
nation week; each SWS corresponds to 60 minutes

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse The main objective of the course is to impart insights into
Learning outcomes dynamic-programming-based approaches for complex nonline-
ar optimization problems (especially mixed-integer optimiza-
tion problems), including online optimization, sequential deci-
sion making and stochastic optimization. Students will learn

557
Modulkatalog Module Descriptions

how to approach complexity by incorporating suitable appro-

ximation and simulation elements into the design of solution
algorithms. The course facilitates critical appreciation of algo-
rithms and algorithmic approaches, including neural networks
and reinforcement learning. With help of numerical examples
and case studies, the course will prepare students to apply the
learned concepts in practice.

Inhalt Dynamic programming (basic concepts, sequential decision

Course content making under uncertainty, understanding the curse of dimen-
sionality, stochastic and deterministic shortest paths algo-
rithms);
Basics of neural networks architectures and training;
Basics of simulation and stochastic iterative algorithms;
Basics on approximate DP with cost-to-go function approxi-
mation (reinforcement learning);
Case studies

Studien-/Prüfungsleistungen a) Final exam 100% or

Assessment b) Final exam 90% + 10% for completing optional assi-
gnments during the semester (with reservations)

Medienformen -
Media used

Literatur Bertsekas, D. P., and Tsitsiklis, J. N. (1996). Neuro-Dynamic

Reading list Programming. Athena Scientific: Massachustetts.
Bertsekas, D. P. Dynamic Programming and Optimal Control.
Athena Scientific: Massachustetts.
Bertsekas, D. P. Dynamic Programming and Optimal Con-
trol: Approximate Dynamic Programming. Athena Scientific:
Massachustetts.
Bertsekas, D. P. Abstract Dynamic Programming. Athena
Scientific: Massachustetts.
Powell, W. B. Approximate Dynamic Programming. John Wi-
ley and Sons.

558
Modulkatalog Module Descriptions

39745 Practical Course: Advanced Topics in Management Science PN 266502

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Otto (Wirtschaftswissenschaftliche Fakultät / Faculty of Busi-

Module convenor ness, Economics and Information Systems)

Dozent(in) Otto
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2Ü
Contact hours

Arbeitsaufwand Practical Course 2 SWS (30 h attendance and 120 h own

Workload work)
Calculation basis: 15 weeks in a semester, including an exami-
nation week; each SWS corresponds to 60 minutes

ECTS 3
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse • Mathematical maturity and the ability to write down

Recommended skills precise and rigorous arguments.
• Solid basic knowledge of modeling and optimization.
• Ability to understand and write a pseudocode.
• At least basic programming skills.
The topics of the practical course are always aligned with a
master course of our Chair taught in the preceding term.
Therefore, a successful completion of this course is required

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

559
Modulkatalog Module Descriptions

Angestrebte Lernergebnisse The main objective of the course is to give students a holi-
Learning outcomes stic view of the problem analysis, modeling, algorithm design,
its implementation, testing as well as into working out a final
recommendation and managerial insights relevant for decisi-
on making. In the end of the course, the students should be
able to independently design and implement appropriate opti-
mization algorithms and appreciate critically their design and
performance.

Inhalt In this practical course, the participants will work in depth

Course content through a specific case study, design an appropriate solution
procedure, implement it, critically evaluate their algorithm and
test it in computational experiments. The course participants
present their project in the final presentation.
Topics of the practical course are aligned with the mas-
ter courses of our Chair and may center, for instan-
ce, around design of customized AI algorithms (reinforce-
ment learning/approximate dynamic programming), heuri-
stics/metaheuristics, exact optimization methods, or work
with specialized optimization software (e.g., IBM ILOG Cplex,
Gurobi).

Studien-/Prüfungsleistungen Portfolio examination. The final grade may depend, for instan-
Assessment ce, on:
• The designed algorithm and its critical appreciation.
• The implementation of the algorithm.
• Computational experiments.
• Final presentation, recommendation and managerial in-
sights.
The grading scheme is announced in the beginning of the
course.

Medienformen -
Media used

Literatur Recommended literature usually includes recent scientific ar-

Reading list ticles as well as further scientific articles or books relevant for
the studied topic.

560
Modulkatalog Module Descriptions

39746 Sustainable Supply Chain Management PN xxxxxx

Häufigkeit des Modulangebots Unregelmäßig

Frequency of course offering Irregular

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Otto (Wirtschaftswissenschaftliche Fakultät / Faculty of Busi-

Module convenor ness, Economics and Information Systems)

Dozent(in) Mohan
Lecturer

Sprache Englisch
Language of instruction English

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2V
Contact hours

Arbeitsaufwand Lecture 2 SWS (30 h attendance and 120 h own work)

Workload Calculation basis: 15 weeks in a semester, including an exami-
nation week; each SWS corresponds to 60 minutes

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren Master Computational Mathematics, Master Artificial Intelli-

Studiengängen gence Engineering
Applicability for other courses

Angestrebte Lernergebnisse Students will learn to assess and measure sustainability in sup-
Learning outcomes ply chains using life cycle analysis. Further, they will learn to
integrate these measures in supply chains. In particular they
will learn about operational aspects of managing logistics, in-
ventory, and facilities in a sustainable supply chain. The social
dimension of sustainable supply chain will also be discussed.
The course will cover theoretical foundations, practical appli-

561
Modulkatalog Module Descriptions

cations, and emerging trends in these areas.

Inhalt This course on Sustainable Supply Chain Management is desi-

Course content gned for Master students to gain a comprehensive understan-
ding of sustainability in supply chains After introducing the
three pillars of sustainability: economic, environmental, and
social, the course discusses how supply chains drive sustaina-
bility. The course focuses on building sustainable supply chains
and discusses challenges in achieving the same.

Studien-/Prüfungsleistungen Assignments and Mini projects to be done in groups.

Assessment The end term examination of two hours duration will test the
student on topics that are covered in the course

Medienformen -
Media used

Literatur Recommended literature usually includes recent scientific ar-

Reading list ticles as well as further scientific articles or books relevant for
the studied topic.

562
Modulkatalog Module Descriptions

Seminar PN 450001

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch nach Abstimmung mit dem jeweiligen

Language of instruction Dozenten
German or English in consultation with the respective lecturer

Zuordnung zum Curriculum Pflichtmodul

Curriculum Compulsory module

Lehrform/SWS 2S
Contact hours Geeignete Seminare werden zu Beginn des Semesters durch
Aushang sowie auf der Webseite der Fakultät bekannt gege-
ben
—
Suitable seminars will be announced at the beginning of the
semester on the noticeboard and on the faculty website

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 30 contact hours + 120 hrs preparation and follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Werden vom jeweiligen Dozenten zu Beginn des Semesters

Recommended skills bekanntgegeben
Will be announced by the respective instructors at the begin-
ning of the semester

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

563
Modulkatalog Module Descriptions

Angestrebte Lernergebnisse Die Studierenden lernen, sich selbständig in das gestellte Se-
Learning outcomes minarthema einzuarbeiten, es fachlich für einen Vortrag auf-
zubereiten und zu präsentieren.
Kompetenzen: Selbständige Einarbeitung in ein Thema,
schriftliche Erörterung, mündliche Ausdrucks- und Präsenta-
tionskompetenz
—
The students learn how to independently incorporate material
into the set seminar topic and professionally prepare and pre-
sent a lecture.
Competencies: developing a topic, written discourse, oral ex-
pression and presentation competence

Inhalt Erarbeitung des gestellten Themas anhand von wissenschaft-

Course content licher Literatur und dessen Präsentation
—
Elaboration of the set topic based on scientific literature, and
presentation of the same

Studien-/Prüfungsleistungen Bewertung der schriftlichen Ausarbeitung (ca. 8-10 Seiten)

Assessment und deren Präsentation. Dabei wird jeweils die mündliche
Ausdrucks- und Präsentationskompetenz bzw. die schriftliche
Erörterungskompetenz geprüft; für beide Leistungen wird eine
gemeinsame Note vergeben. Die genaue Dauer der Präsenta-
tion wird von der Dozentin bzw. dem Dozenten zu Beginn der
Veranstaltung bekanntgegeben.
Evaluation of written work (approximately 8-10 pages) and
presentation. In each case, the oral expression and presenta-
tion skills or written discussion skills will be considered; one
mark is jointly awarded for both.

Medienformen -
Media used

Literatur Wird vom Dozenten bekanntgegeben

Reading list Will be announced by the lecturer

564
Modulkatalog Module Descriptions

Forschungsseminar im Schwerpunkt „AlgMath“ PN 451010

Research Seminar for the Focus “AlgMath“

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch nach Abstimmung mit dem jeweiligen

Language of instruction Dozenten
German or English in consultation with the respective lecturer

Zuordnung zum Curriculum Modulgruppe „AlgMath“

Curriculum Focus „AlgMath“

Lehrform/SWS 2S
Contact hours Geeignete Seminare werden zu Beginn des Semesters durch
Aushang sowie auf der Webseite der Fakultät bekannt gege-
ben
—
Suitable seminars will be announced at the beginning of the
semester on the noticeboard and on the faculty website

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 30 contact hours + 120 hrs preparation and follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Werden vom jeweiligen Dozierenden zu Beginn des Semesters

Recommended skills bekanntgegeben
Will be announced by the respective instructors at the begin-
ning of the semester

Verwendbarkeit in weiteren -
Studiengängen

565
Modulkatalog Module Descriptions

Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden lernen, sich selbständig in das gestellte Se-
Learning outcomes minarthema, ein aktuelles Forschungsthema aus dem Schwer-
punkt „Algorithmik und Mathematische Modellierung“, ein-
zuarbeiten, es fachlich für einen Vortrag aufzubereiten und zu
präsentieren.
Kompetenzen: Selbständige Einarbeitung in ein Thema,
schriftliche Erörterung, mündliche Ausdrucks- und Präsenta-
tionskompetenz
—
The students learn how to independently acquire a research
topic in the focus area and to professionally prepare and pre-
sent a lecture.
Competencies: Developing a topic, written discourse, oral ex-
pression and presentation competence

Inhalt Erarbeitung des gestellten Themas aus dem Schwerpunkt „Al-

Course content gorithmik und Mathematische Modellierung“ anhand von wis-
senschaftlicher Literatur und dessen Präsentation
—
Elaboration of the set topic (focus “Algorithmics and Ma-
thematical Modeling“) based on scientific literature, and its
presentation

Studien-/Prüfungsleistungen Bewertung der schriftlichen Ausarbeitung (ca. 8-10 Seiten)

Assessment und deren Präsentation. Dabei wird jeweils die mündliche
Ausdrucks- und Präsentationskompetenz bzw. die schriftliche
Erörterungskompetenz geprüft; für beide Leistungen wird eine
gemeinsame Note vergeben. Die genaue Dauer der Präsenta-
tion wird von der Dozentin bzw. dem Dozenten zu Beginn der
Veranstaltung bekanntgegeben.
Evaluation of written work (approximately 8-10 pages) and
presentation. In each case, the oral expression and presenta-
tion skills or written discussion skills will be considered; one
mark is jointly awarded for both. The precise requirements on
written and oral presentation will be announced at the begin-
ning of the class.

Medienformen -
Media used

Literatur Wird vom Dozenten bekanntgegeben

Reading list Will be announced by the lecturer

566
Modulkatalog Module Descriptions

Forschungsseminar im Schwerpunkt „InfKomm“ PN 452010

Research Seminar for the Focus “InfKomm“

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch nach Abstimmung mit dem jeweiligen

Language of instruction Dozenten
German or English in consultation with the respective lecturer

Zuordnung zum Curriculum Modulgruppe „InfKomm“

Curriculum Focus „InfKomm“

Lehrform/SWS 2S
Contact hours Geeignete Seminare werden zu Beginn des Semesters durch
Aushang sowie auf der Webseite der Fakultät bekannt gege-
ben
—
Suitable seminars will be announced at the beginning of the
semester on the noticeboard and on the faculty website

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 30 contact hours + 120 hrs preparation and follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Werden vom jeweiligen Dozierenden zu Beginn des Semesters

Recommended skills bekanntgegeben
Will be announced by the respective instructors at the begin-
ning of the semester

Verwendbarkeit in weiteren -
Studiengängen

567
Modulkatalog Module Descriptions

Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden lernen, sich selbständig in das gestellte Se-
Learning outcomes minarthema, ein aktuelles Forschungsthema aus dem Schwer-
punkt „Informations- und Kommunikationssysteme“, einzuar-
beiten, es fachlich für einen Vortrag aufzubereiten und zu prä-
sentieren.
Kompetenzen: Selbständige Einarbeitung in ein Thema,
schriftliche Erörterung, mündliche Ausdrucks- und Präsenta-
tionskompetenz
—
The students learn how to independently acquire a research
topic in the focus area and to professionally prepare and pre-
sent a lecture.
Competencies: Developing a topic, written discourse, oral ex-
pression and presentation competence

Inhalt Erarbeitung des gestellten Themas aus dem Schwerpunkt

Course content „Informations- und Kommunikationssysteme“ anhand von
wissenschaftlicher Literatur und dessen Präsentation
—
Elaboration of the set topic (focus “Information and Com-
munication Systems“) based on scientific literature, and its
presentation

Studien-/Prüfungsleistungen Bewertung der schriftlichen Ausarbeitung (ca. 8-10 Seiten)

Assessment und deren Präsentation. Dabei wird jeweils die mündliche
Ausdrucks- und Präsentationskompetenz bzw. die schriftliche
Erörterungskompetenz geprüft; für beide Leistungen wird eine
gemeinsame Note vergeben. Die genaue Dauer der Präsenta-
tion wird von der Dozentin bzw. dem Dozenten zu Beginn der
Veranstaltung bekanntgegeben.
Evaluation of written work (approximately 8-10 pages) and
presentation. In each case, the oral expression and presenta-
tion skills or written discussion skills will be considered; one
mark is jointly awarded for both. The precise requirements on
written and oral presentation will be announced at the begin-
ning of the class.

Medienformen -
Media used

Literatur Wird vom Dozenten bekanntgegeben

Reading list Will be announced by the lecturer

568
Modulkatalog Module Descriptions

Forschungsseminar im Schwerpunkt „IT-SecRel“ PN 455010

Research Seminar for the Focus “IT-SecRel“

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch nach Abstimmung mit dem jeweiligen

Language of instruction Dozenten
German or English in consultation with the respective lecturer

Zuordnung zum Curriculum Modulgruppe „IT-SecRel“

Curriculum Focus „IT-SecRel“

Lehrform/SWS 2S
Contact hours Geeignete Seminare werden zu Beginn des Semesters durch
Aushang sowie auf der Webseite der Fakultät bekannt gege-
ben
—
Suitable seminars will be announced at the beginning of the
semester on the noticeboard and on the faculty website

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 30 contact hours + 120 hrs preparation and follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Werden von dem/der jeweiligen Dozierenden zu Beginn des

Recommended skills Semesters bekanntgegeben
Will be announced by the respective instructors at the begin-
ning of the semester

Verwendbarkeit in weiteren -
Studiengängen

569
Modulkatalog Module Descriptions

Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden lernen, sich selbständig in das gestellte Se-
Learning outcomes minarthema, ein aktuelles Forschungsthema aus dem Schwer-
punkt „IT Security and Reliability“, einzuarbeiten, es fachlich
für einen Vortrag aufzubereiten und zu präsentieren.
Kompetenzen: Selbständige Einarbeitung in ein Thema,
schriftliche Erörterung, mündliche Ausdrucks- und Präsenta-
tionskompetenz
—
The students learn how to independently acquire a research
topic in the focus area and to professionally prepare and pre-
sent a lecture.
Competencies: Developing a topic, written discourse, oral ex-
pression and presentation competence

Inhalt Erarbeitung des gestellten Themas aus dem Schwerpunkt „IT

Course content Security and Reliability“ anhand von wissenschaftlicher Lite-
ratur und dessen Präsentation
—
Elaboration of the set topic (focus “IT Security and Reliabili-
ty“) based on scientific literature, and its presentation

Studien-/Prüfungsleistungen Bewertung der schriftlichen Ausarbeitung (ca. 8-10 Seiten)

Assessment und deren Präsentation. Dabei wird jeweils die mündliche
Ausdrucks- und Präsentationskompetenz bzw. die schriftliche
Erörterungskompetenz geprüft; für beide Leistungen wird eine
gemeinsame Note vergeben. Die genaue Dauer der Präsenta-
tion wird von der Dozentin bzw. dem Dozenten zu Beginn der
Veranstaltung bekanntgegeben.
Evaluation of written work (approximately 8-10 pages) and
presentation. In each case, the oral expression and presenta-
tion skills or written discussion skills will be considered; one
mark is jointly awarded for both. The precise requirements on
written and oral presentation will be announced at the begin-
ning of the class.

Medienformen -
Media used

Literatur Wird von dem/der Dozierenden bekanntgegeben

Reading list Will be announced by the lecturer

570
Modulkatalog Module Descriptions

Forschungsseminar im Schwerpunkt „ITS“ PN 454010

Research Seminar for the Focus “ITS“

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch nach Abstimmung mit dem jeweiligen

Language of instruction Dozenten
German or English in consultation with the respective lecturer

Zuordnung zum Curriculum Modulgruppe „ITS“

Curriculum Focus „ITS“

Lehrform/SWS 2S
Contact hours Geeignete Seminare werden zu Beginn des Semesters durch
Aushang sowie auf der Webseite der Fakultät bekannt gege-
ben
—
Suitable seminars will be announced at the beginning of the
semester on the noticeboard and on the faculty website

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 30 contact hours + 120 hrs preparation and follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Werden von dem/der jeweiligen Dozierenden zu Beginn des

Recommended skills Semesters bekanntgegeben
Will be announced by the respective instructors at the begin-
ning of the semester

Verwendbarkeit in weiteren -
Studiengängen

571
Modulkatalog Module Descriptions

Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden lernen, sich selbständig in das gestellte Se-
Learning outcomes minarthema, ein aktuelles Forschungsthema aus dem Schwer-
punkt „Intelligente Technische Systeme“, einzuarbeiten, es
fachlich für einen Vortrag aufzubereiten und zu präsentieren.
Kompetenzen: Selbständige Einarbeitung in ein Thema,
schriftliche Erörterung, mündliche Ausdrucks- und Präsenta-
tionskompetenz
—
The students learn how to independently acquire a research
topic in the focus area and to professionally prepare and pre-
sent a lecture.
Competencies: Developing a topic, written discourse, oral ex-
pression and presentation competence

Inhalt Erarbeitung des gestellten Themas aus dem Schwerpunkt „In-

Course content telligente Technische Systeme“ anhand von wissenschaftlicher
Literatur und dessen Präsentation
—
Elaboration of the set topic (focus “Intelligent Technical Sys-
tems“) based on scientific literature, and its presentation

Studien-/Prüfungsleistungen Bewertung der schriftlichen Ausarbeitung (ca. 8-10 Seiten)

Assessment und deren Präsentation. Dabei wird jeweils die mündliche
Ausdrucks- und Präsentationskompetenz bzw. die schriftliche
Erörterungskompetenz geprüft; für beide Leistungen wird eine
gemeinsame Note vergeben. Die genaue Dauer der Präsenta-
tion wird von der Dozentin bzw. dem Dozenten zu Beginn der
Veranstaltung bekanntgegeben.
Evaluation of written work (approximately 8-10 pages) and
presentation. In each case, the oral expression and presenta-
tion skills or written discussion skills will be considered; one
mark is jointly awarded for both. The precise requirements on
written and oral presentation will be announced at the begin-
ning of the class.

Medienformen -
Media used

Literatur Wird von dem/der Dozierenden bekanntgegeben

Reading list Will be announced by the lecturer

572
Modulkatalog Module Descriptions

Forschungsseminar im Schwerpunkt „ProgSoft“ PN 453010

Research Seminar for the Focus “ProgSoft“

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch nach Abstimmung mit dem jeweiligen

Language of instruction Dozenten
German or English in consultation with the respective lecturer

Zuordnung zum Curriculum Modulgruppe „ProgSoft“

Curriculum Focus „ProgSoft“

Lehrform/SWS 2S
Contact hours Geeignete Seminare werden zu Beginn des Semesters durch
Aushang sowie auf der Webseite der Fakultät bekannt gege-
ben
—
Suitable seminars will be announced at the beginning of the
semester on the noticeboard and on the faculty website

Arbeitsaufwand 30 Std. Präsenz + 120 Std. Vor- und Nachbereitung

Workload 30 contact hours + 120 hrs preparation and follow-up

ECTS 5
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Werden von dem/der jeweiligen Dozierenden zu Beginn des

Recommended skills Semesters bekanntgegeben
Will be announced by the respective instructors at the begin-
ning of the semester

Verwendbarkeit in weiteren -
Studiengängen

573
Modulkatalog Module Descriptions

Applicability for other courses

Angestrebte Lernergebnisse Die Studierenden lernen, sich selbständig in das gestellte Se-
Learning outcomes minarthema, ein aktuelles Forschungsthema aus dem Schwer-
punkt „Programmierung und Softwaresysteme“, einzuarbei-
ten, es fachlich für einen Vortrag aufzubereiten und zu prä-
sentieren.
Kompetenzen: Selbständige Einarbeitung in ein Thema,
schriftliche Erörterung, mündliche Ausdrucks- und Präsenta-
tionskompetenz
—
The students learn how to independently acquire a research
topic in the focus area and to professionally prepare and pre-
sent a lecture.
Competencies: Developing a topic, written discourse, oral ex-
pression and presentation competence

Inhalt Erarbeitung des gestellten Themas aus dem Schwerpunkt

Course content „Programmierung und Softwaresysteme“ anhand von wissen-
schaftlicher Literatur und dessen Präsentation
—
Elaboration of the set topic (focus “Programming and Soft-
ware Systems“) based on scientific literature, and its presen-
tation

Studien-/Prüfungsleistungen Bewertung der schriftlichen Ausarbeitung (ca. 8-10 Seiten)

Assessment und deren Präsentation. Dabei wird jeweils die mündliche
Ausdrucks- und Präsentationskompetenz bzw. die schriftliche
Erörterungskompetenz geprüft; für beide Leistungen wird eine
gemeinsame Note vergeben. Die genaue Dauer der Präsenta-
tion wird von der Dozentin bzw. dem Dozenten zu Beginn der
Veranstaltung bekanntgegeben.
Evaluation of written work (approximately 8-10 pages) and
presentation. In each case, the oral expression and presenta-
tion skills or written discussion skills will be considered; one
mark is jointly awarded for both. The precise requirements on
written and oral presentation will be announced at the begin-
ning of the class.

Medienformen -
Media used

Literatur Wird von dem/der Dozierenden bekanntgegeben

Reading list Will be announced by the lecturer

574
Modulkatalog Module Descriptions

Praktikum PN 407680
Internship

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Dozierende

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Alle Modulgruppen

Curriculum All focus areas

Lehrform/SWS Praktikum
Contact hours Internship

Arbeitsaufwand Mindestens 6 Wochen in Vollzeit (40h/Woche) = 240 Stun-

Workload den, davon mindestens 50% (120 Stunden) studiumsrelevante
Inhalte
At least 6 weeks full-time (40 hours/week) = 240 hours, with
a minimum of 50% of duties directly related to the degree
subject

ECTS 4
Credits

Voraussetzungen nach Prü- Keine

fungsordnung None
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse Keine

Recommended skills None

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Die Studierenden lernen unter der wissenschaftlichen Betreu-
ung durch einen Hochschullehrer oder eine Hochschullehrerin

575
Modulkatalog Module Descriptions

den beruflichen Alltag in einem typischen Berufsfeld ihres Stu-

dienfachs kennen und erwerben Kenntnisse über die Tätigkei-
ten und Anforderungen. Darüber hinaus sollen auch betrieb-
liche Zusammenhänge und Aspekte von Mitarbeiterführung
und Management kennen gelernt werden.
Fähigkeiten / Abilities
Die Studierenden können im beruflichen Umfeld die im Stu-
dium erworbenen Kenntnisse, Fähigkeiten und Kompetenzen
anwenden.
Kompetenzen / Competencies
Die Studierenden erwerben die Kompetenz, im beruflichen
Umfeld zielgerichtet und im Team tätig zu sein. Sie kennen
den Unterschied zwischen Studium und Praxis.

Inhalt Eine Praktikumstätigkeit in einem Wirtschaftsunternehmen,

Course content einer außeruniversitären, öffentlichen Verwaltungseinrichtung
oder einer gemeinnützigen Organisation, die in einem engen
Bezug zum späteren Berufsfeld und den Tätigkeitsanforderun-
gen für Absolventen des Studiengangs steht.
Das Praktikum wird gemäß den folgenden Richtlinien durch-
geführt:
• Das Praktikum umfasst mindestens 240 Stunden (=
mind. 6 Wochen in Vollzeitarbeit), längere Praktika sind
möglich, die Mehrzeit wird aber nicht als Studienleis-
tung angerechnet.
• Für Praktika eignen sich alle Betriebe und Einrichtungen
im Bereich zukünftiger Berufsfelder für Absolventen des
jeweiligen Studiengangs, sowie Tätigkeiten, bei denen
die Anwendung von im Studium zu erwerbenden Kom-
petenzen auf Hochschulniveau nötig ist. Grundsätzlich
nicht anerkannt werden Praktika, bei denen Tätigkeiten
ausgeübt wurden, in denen Kompetenzen des Studien-
gangs keine oder nur eine untergeordnete Rolle spielt,
etwa reine Büro- oder Verwaltungstätigkeiten.
• Das Praktikum wird von einem Hochschullehrer oder ei-
ner Hochschullehrerin des entsprechenden Fachbereichs
wissenschaftlich betreut, der als Prüfer oder die als Prü-
ferin im Studiengang bestellt ist.
• Die Studierenden suchen für sie geeignete Praktika und
beteiligen sich an der Organisation des Praktikums. Der
betreuende Hochschullehrer oder die betreuende Hoch-
schullehrerin kann die Studierenden bei der Suche unter-
stützen und berät gegebenenfalls die Studierenden fach-
lich während der Durchführung des Praktikums.
• Ein Praktikum kann entweder in einem Block oder in
mehreren Abschnitten durchgeführt werden. Jeder Ab-

576
Modulkatalog Module Descriptions

schnitt des Praktikums ist dem oder der Modulverant-

wortlichen zur Kenntnis zu bringen. Die Information des
oder der Modulverantwortlichen soll rechtzeitig schrift-
lich unter Angabe des Betreuers oder der Betreuerin,
des Betriebs sowie der Art und Dauer der vorgesehenen
Tätigkeit erfolgen.
Spätestens zwei Monate nach Abschluss des Praktikums
sind dem betreuenden Hochschullehrer oder der betreuenden
Hochschullehrerin qualifizierende Zeugnisse über die Tätigkeit
und ein Praktikumsbericht vorzulegen. Der betreuende Hoch-
schullehrer oder die betreuende Hochschullehrerin beurteilt
unter Verwendung dieser Unterlagen und eines Prüfungsge-
sprächs die erfolgreiche Durchführung des Praktikums.
—
Organisational guidelines for acceptance, supervision and ap-
proval of internships:
Students must follow these guidelines if they wish to complete
an internship at a business enterprise or external public-sector
administrative body to be credited as a compulsory elective
module. To be eligible, these internships must be within a
professional field closely related to the study programme and
require a skill set that closely matches the profiles of gradua-
tes in computer science or mathematics.
The internship must be project-based; general student em-
ployment (called ‘Werkstudententätigkeit’) or past completed
internships without scholarly supervision cannot be credited.
Before the beginning of the internship, a professor involved in
the study programme has to determine the (potential) adequa-
cy of the internship and agree to assume supervision respon-
sibilities. Therefore, the student has to provide documents si-
gned by representatives of the company or organisation, which
must include the following:
• company/organisation name and address
• starting date and end date of the internship
• confirmation of supervision by the company and the na-
me and contact details of the local supervisor (including
e-mail address and telephone number)
• description of the internship, including:
– description of duties, i.e. a detailed, step-by-step
description of your work and envisaged outcomes
(‘milestones’)
– detailed timetable for the project
– specifications of the objectives (i.e. ‘what should
be achieved?’)
– this must be signed by the company/local super-

577
Modulkatalog Module Descriptions

visor
The professor checks the documents and decides if the intern-
ship is potentially adequate and may require that modificati-
ons be made to the internship description. If he/she determi-
nes the adequacy of the internship, he/she will send a letter
confirming supervision.
During the internship, the student is obligated to submit re-
gular progress reports.
After the internship:
• The student provides all the documents which are stated
in the module description, especially the recognition
form, to the professor after the end of the internship.
In particular, the final internship report must be signed
by the company/local supervisor.
• A date for a final oral examination will be set if all re-
quired documents are complete.
– After the oral examination (which will last approx.
20 minutes) a copy of the form, the final internship
report, a qualifying certificate about the internship
issued by the company, and the minutes (i.e. writ-
ten record) of the oral examination will be sent to
the Dean of Studies and to the module convenor.
– All original documents should be submitted to the
Examinations Office (‘Prüfungssekretariat’).

Studien-/Prüfungsleistungen Praktikumsbericht und Prüfungsgespräch (ca. 20 min), unbe-

Assessment notet
Internship report and oral examination (approx. 20 minutes),
ungraded

Medienformen -
Media used

Literatur Formular zum Antrag auf Anerkennung / acceptance form

Reading list Organisatorische Richtlinien für die Annahme, Betreuung und
Abnahme von Praktika / Organisational guidelines

578
Modulkatalog Module Descriptions

Präsentation der Masterarbeit Informatik PN 458999

Presentation of the Master’s Thesis

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Doziernde

Module convenor All lecturers

Dozent(in) Alle Dozierende

Lecturer All lecturers

Sprache Deutsch oder Englisch

Language of instruction German or English

Zuordnung zum Curriculum Pflichtmodul

Curriculum Compulsory module

Lehrform/SWS -
Contact hours

Arbeitsaufwand 90 Std. Eigenarbeitszeit (+Präsenz)

Workload 90 hrs independent study (+contact hours)

ECTS 3
Credits

Voraussetzungen nach Prü- Abgabe der Masterarbeit (FStuPO §4 Abs. 2 Satz 2)

fungsordnung The master’s thesis has to be submitted
Required prerequisites as per
the study and examination
regulations

Empfohlene Vorkenntnisse -
Recommended skills

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Fähigkeit der/des Studierenden die Ergebnisse der Arbeit kurz
Learning outcomes und verständlich zusammenzufassen und in einer fachlichen
Diskussion zu vertreten
—
Ability of the student to present the results of his or her thesis
in a short and comprehensible way and to discuss the results
in a professional way

579
Modulkatalog Module Descriptions

Inhalt Darstellung der in der Arbeit erworbenen Erkenntnisse sowie

Course content kurze Diskussion
—
Presentation of the results of his or her thesis and a short
discussion

Studien-/Prüfungsleistungen Präsentation (ca. 20 Minuten oder ca. 45 Minuten); die ge-

Assessment naue Prüfungsdauer wird vom Prüfer bzw. der Prüferin vorher
bekannt gegeben.
[Beschluss des Prüfungsausschusses vom 10. Mai 2017]
Presentation (approx. 20 or 45 minutes); the precise mode of
assessment will be announced by the examiner beforehand.
[Decision of 10 May 2017 by the board of examiners]

Medienformen Beamer, Tafel, Overheadprojektor

Media used Projector, blackboard

Literatur Wird von dem/der Dozierenden bekanntgegeben

Reading list Will be announced by the lecturer

580
Modulkatalog Module Descriptions

Masterarbeit Informatik PN 459900

Master’s Thesis in Computer Science

Häufigkeit des Modulangebots Jedes Semester

Frequency of course offering Every semester

Moduldauer 1 Semester
Module duration

Modulverantwortliche(r) Alle Doziernde

Module convenor All lecturers

Dozent(in) Erstbetreuer der Masterarbeit (durch den Prüfungsausschuss

Lecturer bestellte Prüfer) gemäß §21(2) AStuPO, mit begründetem
Antrag und nach Genehmigung durch den Prüfungsausschuss
ggf. gemäß §21(3) AStuPO
(First) supervisor of the master’s thesis (an examiner appoin-
ted by the board of examiners) as per § 21 para. 2 AStuPO,
or (if appropriate) by submitting a reasoned request and after
approval by the board of examiners as per § 21 para. 3 AStu-
PO

Sprache Die Masterarbeit ist in deutscher oder englischer Sprache ab-

Language of instruction zufassen. Auf Antrag gemäß §21(5) AStuPO auch in einer
anderen Sprache.
The master’s thesis shall be written in German or English. By
request as per § 21 para. 5 AStuPO also in another language.

Zuordnung zum Curriculum Pflichtmodul

Curriculum Compulsory module

Lehrform/SWS Eigenständige Bearbeitung eines komplexen Themas und Er-

Contact hours stellung einer wissenschaftlichen Ausarbeitung
The goal is to research a complex topic and to write a scien-
tific work

Arbeitsaufwand Präsenzzeit (Besprechung/Diskussion des Fortschritts): 15h,

Workload Vor- und Nachbereitung, Anfertigung der Ausarbeitung: 795h
Summe: 810h
Contact hours (meetings/discussions on progress): 15 hrs, in-
dependent study and writing the master’s thesis: 795 hrs
In sum: 810 hrs

ECTS 27
Credits

Voraussetzungen nach Prü- Gemäß §20 (1) AStuPO

fungsordnung As per § 20 (1) AStuPO
Required prerequisites as per

581
Modulkatalog Module Descriptions

the study and examination

regulations

Empfohlene Vorkenntnisse Die Veranstaltungen im Master–Studiengang bis einschließlich

Recommended skills dem dritten Semester.
All courses of the master programme up to the third semester.

Verwendbarkeit in weiteren -
Studiengängen
Applicability for other courses

Angestrebte Lernergebnisse Kenntnisse / Skills/Knowledge

Learning outcomes Selbstständiges Einarbeiten und wissenschaftlich methodische
Bearbeitung eines für die Informatik relevanten Themas. Die
Studierenden verwenden etablierte Methoden oder passen be-
stehende Ansätze an, während sie sich an die Standards der
akademischen Arbeit halten. Sie haben die Möglichkeit, ihre
eigenen Ideen zu entwickeln, zu verfeinern und zu formulieren
und kritisch mit der Literatur zu arbeiten.
—
The students learn how to independently acquire a research
topic and to work on a relevant topic in computer science
scientifically based and methodically sound. The students use
established methods or adapt existing approaches while ad-
hering to academic standards. They have the opportunity to
develop, to refine and to formulate their own ideas and to take
a critical review of the state of the art.
Fähigkeiten / Abilities
Der bzw. die Studierende kann die wissenschaftlichen Me-
thoden der Themenschwerpunkte des Studiengangs und die
grundlegenden Techniken des wissenschaftlichen Arbeitens,
insb. der Literaturrecherche, anwenden, um ein vorgegebenes
Thema eigenständig zu bearbeiten.
—
The students are able to use the scientific methods of the fo-
cus areas of the programme and to use the basic techniques
of scientific research, in particular, literature review, to work
independently on a given subject.
Kompetenzen / Competencies
Der bzw. die Studierende besitzt die Kompetenz, dass er oder
sie in der Lage ist, ein Problem aus den Themenschwerpunkten
des Studiengangs innerhalb einer vorgegebenen Frist selbstän-
dig mit wissenschaftlichen Methoden zu bearbeiten, erfolg-
reich zu lösen, und die Ergebnisse wissenschaftlich adäquat
schriftlich darzustellen und zu bewerten.
—

582
Modulkatalog Module Descriptions

The students will acquire the competence to work indepen-

dently on a problem from the focus areas of the programme
within a specified timeframe using scientific methods, to solve
this problem successfully and to write down and evaluate the
results in a adequate scientific way.

Inhalt Wird von dem/der Dozierenden bekanntgegeben. Die Inhalte

Course content werden in Abhängigkeit von der konkreten Themenstellung
ausgewählt und bekanntgegeben.
—
Will be announced by the lecturer. The contents are selected
and announced dependent on the specific topic.

Studien-/Prüfungsleistungen Schriftliche Ausarbeitung, ggf. inkl. der verwendeten Quellen

Assessment (wissenschaftliche Arbeiten, Programm-Bibliotheken, etc.),
sowie ggf. dokumentierter und funktionsfähiger Quelltext in-
kl. aller zur Bewertung notwendigen Informationen, sowie ggf.
einer Systemdemonstration
Written thesis, possibly accompanied by the sources used (re-
search articles, program libraries etc.) and, if appropriate, do-
cumented and fully functional and executable source code in-
cluding all informations which are necessary for the evaluation
and, if appropriate, a system demonstration

Medienformen Abhängig von der konkreten Themenstellung

Media used Dependent on the specific topic

Literatur Wird von dem/der Dozierenden bekanntgegeben. Die Litera-

Reading list tur wird in Abhängigkeit von der konkreten Aufgabenstellung
ausgewählt und bekanntgegeben.
Will be announced by the lecturer. A reading list will be se-
lected and announced dependent on the specific assignment.

583