Sie sind auf Seite 1von 120

Modulhandbuch

Master of Science (M.Sc.)


Informatik
Prfungsordnungsversion 2011
Technische Fakultt
Albert-Ludwigs-Universitt Freiburg

Modulhandbuch M.Sc. Informatik Einl eitung



1


Stand: November 2013


























Herausgegeben von:





Universitt Freiburg
Fahnenbergplatz
79085 Freiburg
www.uni-freiburg.de








Universitt Freiburg
Institut fr Informatik
Georges-Khler-Allee 101
79110 Freiburg
www.informatik.uni-freiburg.de



Modulhandbuch M.Sc. Informatik Einl eitung



2
Ei nl ei tung

Die nachfolgenden Modulbeschreibungen in diesem Modulhandbuch orientieren sich an der neuen
Prfungsordnung (gltig ab Sommersemester 2012) fr den Studiengang Master of Science
Informatik, fachspezifische Bestimmungen fr das Hauptfach Informatik.

Die Spezialveranstaltungen sind thematisch in die Vertiefungsgebiete Cyber-Physical Systems,
Kognitive technische Systeme und Informationssysteme untergliedert. Einzelne Veranstaltungen
knnen dabei auch zu mehreren Vertiefungsgebieten passen.
Eine bersicht ber die Zuordnungen von Veranstaltungen zu Vertiefungsgebieten findet sich nach
dem Studienplan.

In den Modulbeschreibungen werden die geforderten Studien- und Prfungsleistungen mit
Leistungspunkten, den so genannten ECTS-Punkten, bewertet. Diese weisen durch ihre Hhe
einerseits die Gewichtung einer Lehrveranstaltung in einem Modul sowie den mit der Veranstaltung
verbundenen Arbeitsaufwand aus. Ein Leistungspunkt entspricht dabei einem Aufwand von ca.30
Arbeitsstunden pro Semester fr einen durchschnittlichen Studierenden.

Modulhandbuch M.Sc. Informatik Einl eitung



3
Struktur des Modulhandbuches

1. Bereiche
Die Module werden verschiedenen Bereichen des Master-Studiums zugeordnet; es gibt Pflicht- und
Wahlpflicht-Bereiche, sowie den Bereich fachfremde Wahlmodule.

2. Module
Ein Modul ist eine abgeschlossene Lehreinheit innerhalb eines Themen-Bereichs; ein Modul kann aus
Teilmodulen bestehen. Module knnen durch eine oder mehrere Veranstaltungen alternativ belegt
werden.

3. Veranstaltungen
Eine Veranstaltung ist die kleinste Form der Lehre, die in diesem Handbuch
beschrieben wird.

4. Gliederung
A. Kerngebiete der Informatik: Kursvorlesungen (Weiterfhrende Informatikveranstaltungen)
B. Vertiefung bzw. Spezialisierung in der Informatik
Modulbeschreibungen fr Spezialvorlesungen
Generische Modulbeschreibung fr eine Spezialvorlesung
Spezialvorlesungen unterteilt in die 3 Vertiefungsgebiete
Cyber-Physical-Systems, Kognitive technische Systeme und Informationssysteme
Auszug aus dem Modulhandbuch der Mathematik fr die Veranstaltungen Numerik
Teil 1 und Numerik Teil 2
Generische Modulbeschreibungen fr Spezialmodule (Seminar, Masterprojekt, Praktikum)
C. Fachfremde Wahlmodule bzw. Interdisziplinres Projekt im Master Informatik
D. Masterarbeit

Modulhandbuch M.Sc. Informatik Einl eitung



4
Studienverlaufsplne

Studienverlaufsplne belegen die prinzipielle Studierbarkeit sie sind jedoch unverbindlich.

Master of Science Informatik

Programm nach Bereichen

Studiengang:
Fach:
Prfungsordnungsversion:
Master of Sci ence
Informatik
2011


PL Stunden
Sem Module/Teilmodule SL V S P ECTS total

Kerngebi ete der Informati k (1 oder 2 aus 6 Veranstaltungen) 6-12
1 Algorithmentheorie Kursvorlesung PL/SL 3 1 0 0 6
1 Bildverarbeitung und Computer Graphi k Kursvorlesung PL/SL 3 1 0 0 6
1 Datenbanken- und Informationssysteme Kursvorlesung PL/SL 3 1 0 0 6
2 Softwaretechni k Kursvorlesung PL/SL 3 1 0 0 6
2 Knstli che Intelligenz Kursvorlesung PL/SL 3 1 0 0 6
2 Rechnerarchitektur Kursvorlesung PL/SL 3 1 0 0 6

Verti efung der Informati k (1 oder 2 Teilmodule) 6-12
1-3 Spezialvorl esung 1 Spezialvorlesung PL 3 1 0 0 6
1-3 Spezialvorl esung 2 Spezialvorlesung PL 3 1 0 0 6

Speziali sierung der Informatik I 12
1-3 Spezialvorl esung I1 Spezialvorlesung PL 3 1 0 0 6
1-3 Spezialvorl esung I2 Spezialvorlesung PL 3 1 0 0 6

Speziali sierung der Informatik II 12
1-3 Spezialvorl esung II1 Spezialvorlesung PL 3 1 0 0 6
1-3 Spezialvorl esung II2 Spezialvorlesung PL 3 1 0 0 6

Speziali sierung der Informatik III 12
1 Numerik Teil 1 Mathe-Vorlesung SL 2 1 0 0 4
2 Numerik Teil 2 Mathe-Vorlesung SL 2 1 0 0 4
1 - 3 Spezialvorlesung III2

Seminar
Spezialvorlesung PL 2 1 0 0 4

8
1-3 Seminar 1 Seminar SL 0 0 2 0 4
1-3 Seminar 2 Seminar SL 0 0 2 0 4

Praktikum 6
1-3 Praktikum Praktikum SL 0 0 0 4 6

Masterprojekt 16
3 Projekt- oder Studienarbeit Projekt PL x x x x 16

Fachfremdes Wahlmodul 18
1 Fachfremdes Teilmodul Fachfremdes Mod PL/SL 3 1 0 0 6
2 Fachfremdes Teilmodul Fachfremdes ModuPL/SL 3 1 0 0 6
3 Fachfremdes Teilmodul Fachfremdes Mod PL/SL 3 1 0 0 6

Mastermodul 30
4 Masterarbeit - PL 0 0 0 0 25
4 Masterseminar Prsentation SL 0 0 2 0 5


Modulhandbuch M.Sc. Informatik Einl eitung



5
V= Vorlesung
= bung
S= Seminar
P= Praktikum
PL= Prfungsleistung
SL= Studienlei stung


* BEDINGUNGEN:
Werden im Modul Kerngebiete der Informatik zwei Kursvorlesungen (12 ECTS) bel egt, so
ist im Modul Verti efung der Informati k nur die Spezi alvorlesung 1 (6 ECTS) zu belegen.
Andernfalls i st im Modul Kerngebi ete der Informati k nur eine Kursvorlesung (6 ECTS)
in Kombination mit der Spezialvorlesung 1 und Spezialvorlesung 2 (12 ECTS) aus dem
Modul Verti efung der Informatik zu absolvieren.

Es sind zwei der drei Module Spezi alisi erung in der Informatik I bis III zu absolvieren.
Die im Rahmen di eser bei den Spezial isierungsmodule zu belegenden Lehrveranstaltungen
sind alle aus demselben der 3 Vertiefungsgebiete
Kognitive technische Systeme
Cyber-Physi cal Systems
Informationssysteme
zu whlen; davon ausgenommen sind die Lehrveranstaltungen Numeri k Teil 1 und 2, die
vom Mathematischen Institut angeboten werden.

Im Modul Seminar sind 2 Seminare der Informatik zu absolvieren. Mindestens 1 Seminar muss
aus dem gewhlten Vertiefungsgebiet belegt werden.
Modulhandbuch M.Sc. Informatik Einleitung


6
Zuordnung der Spezialvorlesungen zu den drei Vertiefungsgebieten

Vorlesung Dozent/in
Cyber-
Physical
Systems
Kognitive
technische
Systeme
Informations
systeme
3D Image Analysis Ronneberger x
Algorithmische Grundlagen der
Bioinformatik
Schuierer x
Algorithms for Radio Networks Schindelhauer x x
Bioinformatik I / Bioinformatics I Backofen

x
Bioinformatik II / Bioinformatics II Backofen

x
Compilerbau / Compiler
Construction
Thiemann x

Computer Vision I Brox

x

Computer Vision II Brox

x

Concurrency: Theory and Practice Podelski x

Constraint-Satisfaction-Probleme Nebel x x

Cyber-Physical Systems
Discrete Models
Becker,
Scholl,
Podelski,
Thiemann
x

Cyber-Physical Systems Hybrid
Models
Becker,
Scholl,
Podelski,
Thiemann
x

Data Models and Query
Languages
Lausen

x
Distributed Storage Schindelhauer x

x
Distributed Systems
Schindelhauer
Lausen
x

x
Echtzeitbetriebssysteme und
Zuverlssigkeit
Becker, Scholl x

Efficient Route Planning Bast

x
Entscheidungsprozeduren /
Decision Procedures
Podelski x

Formale Methoden fr J ava /
Formal Methods for J ava
Podelski x

Fortgeschrittene Computergraphik
/ Advanced Computer Graphics
Teschner

x

Handlungsplanung / AI Planning Nebel

x x
Information Retrieval Bast

x x
Introduction to Mobile Robotics
(Mobile Robotics I)
Burgard,
Stachniss,
Bennewitz
x
Machine Learning in Life Sciences Backofen x
Maschinelles Lernen Riedmiller

x x
Modallogik / Modal Logic Nebel x x

Model-Driven Engineering Thiemann x

Optimierendes Lernen /
Reinforcement Learning
Riedmiller

x

Peer-to-Peer Networks (P2P) Schindelhauer x

x
Modulhandbuch M.Sc. Informatik Einleitung


7
Prinzipien der
Wissensreprsentation /
Knowledge Representation
Nebel

x x
Programmanalyse Thiemann x

Real-Time Systems Podelski x

Robot Mapping Stachniss x
Security in Business Process
Management
Accorsi x
Simulation in der Computergraphik
/ Simulation in Computer Graphics
Teschner

x

Software Design, Modelling and
Analysis in UML
Podelski x

x
Spieltheorie / Game Theory Nebel

x x
Statistische Mustererkennung /
Statistical Pattern Recognition
Brox

x

System Infrastructure For Data
Science
Fischer x
Telecommunication Systems Schneider x
Test und Zuverlssigkeit Becker x
Verifikation Eingebetteter Systeme Becker, Scholl x
Verifikation probabilistischer
Systeme
Becker X

Modulhandbuch M.Sc. Informatik Inhaltsverzeichnis


8
Inhal tsverzei chni s

Einleitung ........................................................................................................................... 2
Inhaltsverzeichnis .............................................................................................................. 8
A. Kerngebiete der Informatik ...........................................................................................10
A.1 Algorithmentheorie / Algorithms Theory ......................................................................11
A.2 Bildverarbeitung und Computergraphik / Image Processing and Computer Graphics .13
A.3 Datenbanken und Informationssysteme ......................................................................14
A.4 Softwaretechnik ..........................................................................................................16
A.5 Grundlagen der Knstlichen Intelligenz ......................................................................18
A.6 Rechnerarchitektur .....................................................................................................20
B. Vertiefung der Informatik ..............................................................................................22
B. Vertiefung der Informatik - Spezialvorlesungen ............................................................23
Vertiefungsgebiet Cyber-Physical Systems .......................................................................24
B.1 Cyber-Physical Systems Discrete Models ................................................................24
B.2 Cyber-Physical Systems Hybrid Models ..................................................................26
B.3 Verifikation Eingebetteter Systeme .............................................................................28
B.4 Verifikation probabilistischer Systeme ........................................................................30
B.5 Test und Zuverlssigkeit .............................................................................................32
B.6 Echtzeitbetriebssysteme und Zuverlssigkeit .............................................................34
B.7 Compilerbau / Compiler Construction .........................................................................36
B.8 Entscheidungsprozeduren / Decision Procedures .......................................................38
B.9 Formal Methods for J ava / Formale Methoden fr J ava ..............................................39
B.10 Real-Time Systems ..................................................................................................41
B.11 Concurrency: Theory and Practice............................................................................42
B.12 Software Design, Modelling and Analysis in UML .....................................................43
B.13 Model-Driven Engineering ........................................................................................44
B.14 Programmanalyse ....................................................................................................46
Vertiefungsgebiet Informationssysteme ................................................................................47
B.15 Information Retrieval.................................................................................................47
B.16 Distributed Systems ..................................................................................................49
B.17 Peer-to-Peer Networks (P2P) ...................................................................................51
B.18 Distributed Storage ...................................................................................................53
B.19 Data Models and Query Languages .........................................................................54
B.20 System Infrastructure For Data Science ...................................................................56
B.21 Efficient Route Planning ...........................................................................................58
B.22 Bioinformatik I / Bioinformatics I ................................................................................60
B.23 Bioinformatik II / Bioinformatics II ..............................................................................61
B.24 Algorithmische Grundlagen der Bioinformatik ...........................................................63
B.25 Telecommunication Systems ....................................................................................64
Modulhandbuch M.Sc. Informatik Inhaltsverzeichnis


9
B.26 Security in Business Process Management ..............................................................66
B.27 Algorithms for Radio Networks .................................................................................68
B.28 Machine Learning in Life Sciences ...........................................................................70
Vertiefungsgebiet Kognitive technische Systeme .................................................................72
B.28 Computer Vision I .....................................................................................................72
B.29 Introduction to Mobile Robotics (Mobile Robotics I) ..................................................74
B.30 Maschinelles Lernen .................................................................................................76
B.31 Optimierendes Lernen (Reinforcement Learning) .....................................................77
B.32 AI Planning / Handlungsplanung ...............................................................................78
B.33 Game Theory / Spieltheorie ......................................................................................80
B.34 Knowledge Representation / Prinzipien der Wissensreprsentation .........................82
B.35 Constraint-Satisfaction-Probleme .............................................................................84
B.36 Modal Logic / Modallogik ..........................................................................................86
B.37 Robot Mapping .........................................................................................................88
B.38 Statistische Mustererkennung / Statistical Pattern Recognition .................................90
B.39 Computer Vision II ....................................................................................................91
B.40 Simulation in der Computergraphik / Simulation in Computer Graphic ......................92
B.41 Advanced Computer Graphics / Fortgeschrittene Computergraphik .........................94
B.42 3D Image Analysis ....................................................................................................96
Numerik ................................................................................................................................97
B.43 Numerik ....................................................................................................................97
B. Seminar ...................................................................................................................... 101
B. Praktikum ................................................................................................................... 103
B. Masterprojekt .............................................................................................................. 104
C. Fachfremde Wahlmodule ............................................................................................... 105
C.1 Bioinformatik ............................................................................................................ 106
C.2 Kognitionswissenschaften ........................................................................................ 107
C.3 Mathematik ............................................................................................................... 108
C.4 Medizin ..................................................................................................................... 109
C.5 Mikrosystemtechnik .................................................................................................. 110
C.6 Physik ...................................................................................................................... 111
C.7 Psychologie .............................................................................................................. 112
C.8 Wirtschaftswissenschaften ....................................................................................... 113
C.9 Interdisziplinres Projekt .......................................................................................... 116
D. Masterarbeit ................................................................................................................... 118
D.1. Masterarbeit ............................................................................................................ 119


Modulhandbuch M.Sc. Informatik A. Kerngebiete der Informatik


10


























A. Kerngebi ete der Informati k


Modulhandbuch M.Sc. Informatik A.1 Algorithmentheorie / Algorithms
Theory


11
Kerngebiete der Informatik - Kursvorlesungen

Modul / Module
A.1 Al gori thmentheori e / Al gori thms Theory

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. F. Kuhn,
Prof. H. Bast
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
englisch
Voraussetzungen:
Preconditions
Informatik II - Algorithmen und Datenstrukturen (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Studierenden sollen wichtige algorithmische Techniken kennen, anwenden und ggfs. an neue
Bedrfnisse anpassen knnen. Sie sollen die Grundprinzipien des Algorithmenentwurfs
beherrschen und in der Lage sein, auch komplexe Datenstrukturen zur Implementation von
Algorithmen zu verwenden. Sie sollen die Mchtigkeit algorithmischer Entwurfsprinzipien, wie
Randomisierung und Dynamische Programmierung, einschtzen knnen und anspruchsvolle
Verfahren zur Analyse von nach solchen Prinzipien entworfenen Verfahren anwenden
knnen.

Lehrinhalt / Course Content
In dieser Vorlesung werden Algorithmen und Datenstrukturen behandelt, die in der Vorlesung
im Grundstudium berhaupt nicht oder nicht mit der erforderlichen Tiefe behandelt werden.
Dazu gehren u. a.:
Datenstrukturen: Skip-Listen, randomisierte Suchbume, Splay Trees, erweiterte
Suchbume, Tries, Suffix Bume.
Polynome und die schnelle Fouriertransformation. Monte Carlo- und Las Vegas Algorithmen,
Randomisierter Primzahltest, RSA Verfahren, Algorithmen zur Zeichenkettenverarbeitung
(Knuth Morris Pratt, Boyer Moore u. a.).
Verschlsselung und Kodierung von Texten. Approximative Verfahren zur Lsung NP-harter
Probleme.
Ferner werden die zum Entwurf einer breiten Palette von Algorithmen bentigten
Entwurfsprinzipien herausgearbeitet und an Beispielen erlutert. Das sind das Divide-and-
Conquer-Prinzip, das Greedy-Prinzip, dynamisches Programmieren, amortisierte Analyse,
Randomisierte Algorithmen, Graphenalgorithmen, Minimum Spanning Trees, Maximaler
Fluss u. a.


Modulhandbuch M.Sc. Informatik A.1 Algorithmentheorie / Algorithms
Theory


12

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer Abschlussklausur oder einer mndlichen Prfung, je nach
Anzahl der Teilnehmer. Erfolgreiche Teilnahme am bungsbetrieb ist Voraussetzung zur
Zulassung zur Abschlussklausur.

Literatur / Literature
Wird in der Veranstaltung bekannt gegeben.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik A.2 Bildverarbeitung und
Computergraphik / Image Processing and Computer Graphics


13
Modul / Module
A.2 Bi l dverarbei tung und Computergraphi k / Image Processi ng
and Computer Graphi cs

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. Brox,
Prof. M. Teschner
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
Deutsch oder Englisch
(im Wechsel)
Voraussetzungen:
Preconditions
Informatik II - Algorithmen und Datenstrukturen sowie
Fortgeschrittene Programmierung, Grundlagen der Mathematik

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden erhalten einen berblick ber die grundlegenden Aufgaben und Verfahren
in der Bildverarbeitung und Computergraphik. Sie sollen in die Lage versetzt werden,
typische Bildverarbeitungsprobleme und Fragestellungen der generativen Computergraphik
einzuordnen und aktuelle Literatur in ihren Grundzgen zu verstehen.

Lehrinhalt / Course Content
Die Vorlesung gibt eine Einfhrung in die grundlegenden Begriffe und zeigt Beispiele des
aktuellen Stands der Kunst. Lehrinhalte umfassen unter anderem den Prozess der
Bildentstehung, Punktoperationen auf Bildern, lineare und nichtlineare Filter,
Bildsegmentierung, optischer Fluss, sowie grundlegende Techniken wie Variationsrechnung
und Energieminimierung. Im Bereich der Computergraphik werden die Rendering-Pipeline,
Abbildungen, Farbmodelle, Rasteralgorithmen, Visibilitt, Beleuchtungsmodelle und Texturen
behandelt.

Studien- und Prfungsl ei stungen / Exam requirements
Programmieraufgaben, Prfung nach Ende der Vorlesungszeit

Literatur / Literature
Wird in jeder Vorlesung bekannt gegeben

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien werden im Internet bereitgestellt,
Programmierung in C/C++
Modulhandbuch M.Sc. Informatik A.3 Datenbanken und
Informationssysteme


14

Modul / Module
A.3 Datenbanken und Informati onssysteme

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. Lausen
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
deutsch
Voraussetzungen:
Preconditions
Informatik II - Algorithmen und Datenstrukturen, Fortgeschrittene
Programmierung, Systeme I: Betriebssysteme (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
jedes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Verstndnis der grundlegenden Konzepte zu Datenbanken. Fhigkeit des Denkens auf
unterschiedlichen Abstraktionsebenen. Methodische Fhigkeiten einen Datenbankentwurf
vorzunehmen. Kennenlernen wesentlicher Konzepte des SQL-Standards. Praktische
Erfahrung in der Verwendung einer deklarativen, mengenorientierten Sprache fr
Datenbanken. Fhigkeit den Bearbeitungsaufwand einer Anfrage abschtzen zu knnen.
Fhigkeit zum Umgang mit Zugriffsrechten.

Lehrinhalt / Course Content
Grundlegende Konzepte, Theorien und Sprachen relationaler Datenbanken. Schwerpunkte
sind der SQL-Standard, Konzeptueller Datenbankentwurf (Entity-Relationship Model),
Formaler Datenbankentwurf (funktionale Abhngigkeiten und Normalisierung), Physischer
Datenbankentwurf, Auswertung und Optimierung von Anfragen, Zugriffsrechte,
Transaktionsverwaltung.

Studien- und Prfungsl ei stungen / Exam requirements
Studienleistung ist die erfolgreiche Teilnahme am bungsbetrieb. Genauere Regelungen
hierzu werden zu Beginn der Veranstaltung auf den Webseiten verffentlicht.
Die Prfungsleistung besteht aus einer schriftlichen Abschlussklausur.


Modulhandbuch M.Sc. Informatik A.3 Datenbanken und
Informationssysteme


15

Literatur / Literature
Lausen: Datenbanken - Grundlagen und XML-Technologien, Elsevier Spektrum
Akademischer Verlag, 2005.
Heuer, Saake: Datenbanken - Konzepte und Sprachen, International Thomson
Publishing, 2. Auflage, 2000.
Kemper, Eickler: Datenbanksysteme - Eine Einfhrung, Oldenbourg, 4. Auflage, 2001.
Vossen: Datenmodelle, Datenbanksprachen und Datenbank-Management-Systeme,
Oldenbourg, 4. Auflage, 2000.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik A.4 Softwaretechnik


16

Modul / Module
A.4 Softwaretechni k

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. Podelski,
Prof. Thiemann
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
Deutsch oder Englisch
(im Wechsel)
Voraussetzungen:
Preconditions
Informatik I Einfhrung in die Programmierung und Informatik II
Algorithmen und Datenstrukturen sowie Fortgeschrittene
Programmierung, Informatik III Theoretische Informatik,
Mathematik II fr Studierende der Informatik, evtl. (gleichzeitige)
Teilnahme am Softwarepraktikum (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studenten beherrschen grundlegende Modellierungstechniken und
Konstruktionsprinzipien fr Softwaresysteme. Sie sind in der Lage, diese Techniken im
kleinen Rahmen anzuwenden und sich weiterfhrende Techniken selbst anzueignen. Sie
haben an Beispielen formale Methoden selbst angewendet und knnen einschtzen, in
welchen Situationen solche Methoden sinnvoll einzusetzen sind.

Lehrinhalt / Course Content
Diese Vorlesung vermittelt Kenntnisse in den fundamentalen Techniken in Software
Engineering: Revision Control, Process Models, Requirements Analysis, Formal and
Semiformal Modeling Techniques, Object Oriented Analysis, Object Oriented Design, Design
Patterns, Testing.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer zweistndigen Klausur.
Voraussetzung fr die Zulassung zur Klausur ist die erfolgreiche Teilnahme an den bungen.

Literatur / Literature
Balzert, H. Lehrbuch der Softwaretechnik, Bd. 1 +2 (main source of the lecture)
J acobson, I. et al. Object Oriented Software-Engineering - A Use Case Driven Approach
Davis, A. Software Requirements - Analysis and Specification


Modulhandbuch M.Sc. Informatik A.4 Softwaretechnik


17

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik A.5 Grundlagen der Knstlichen
Intelligenz


18

Modul / Module
A.5 Grundl agen der Knstl i chen Intel l i genz

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. Nebel,
Prof. Burgard,
Prof. Riedmiller
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
Deutsch oder Englisch
(im Wechsel)
Voraussetzungen:
Preconditions
Kenntnisse aus dem Grundstudium (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3V +1
Turnus:
Regular cycle
jedes Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Ziel ist es, den Studierenden einen berblick ber die verschiedenen Techniken der
Knstlichen Intelligenz zu vermitteln. Die Studierenden verstehen die Grundprinzipien der KI
und wenden die Fachbegriffe im richtigen Zusammenhang an. Sie knnen Aufgaben im
Bereich der Problemlsung und Suche interpretieren und die gelernten Algorithmen auch auf
neue Situationen anwenden. Sie kennen die blichen Reprsentationsarten und sind in der
Lage, die vorgestellten Techniken zu analysieren und den Einsatz in neuen Situationen zu
bewerten.

Lehrinhalt / Course Content
Es wird eine Einfhrung in die grundlegenden Sichtweisen, Probleme, Methoden und
Techniken der Knstlichen Intelligenz vermittelt. Es werden u.a. folgende Themen behandelt:
Einfhrung und historische Entwicklung der KI
der Agentenbegriff in der KI
Problemlsen und Suche
Logik und Reprsentation
Handlungsplanung
Darstellung und Verarbeitung unsicheren Wissens
Maschinelles Lernen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer Klausur.


Modulhandbuch M.Sc. Informatik A.5 Grundlagen der Knstlichen
Intelligenz


19

Literatur / Literature
Artificial Intelligence: A modern approach, Stuart Russel and Peter Norvig, Prentice Hall,
13.01.2003, ISBN: 0130803022

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik A.6 Rechnerarchitektur


20
Modul / Module
A.6 Rechnerarchi tektur

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. B. Becker,
Prof. C. Scholl
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
Deutsch oder Englisch
(im Wechsel)
Voraussetzungen:
Preconditions
Technische Informatik (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden sollen einerseits die notwendigen Schritte zum Entwurf von digitalen
Systemen kennen lernen. Darber hinaus erwerben sie Kenntnisse ber mgliche
Architekturen eines Rechners. Es soll ein vertieftes Verstndnis der Methoden zur
Modellierung und Validierung/Verifikation solcher Systeme und der darauf aufbauenden
Optimierungsverfahren erzielt werden. Die Studierenden knnen die spezifischen
Restriktionen, die sich durch die physikalischen Gesetze technischer Systeme ergeben,
einschtzen und lernen, diese gezielt in den Entwurfsprozess einzubeziehen. Schlielich
sollen sie verstehen, wie sich die Restriktionen, die sich aus der Digitaltechnik und den
spezifischen Rechnerarchitekturen ergeben, auf hhere Abstraktionsebenen, insbesondere
die der Softwaretechnik, auswirken.

Lehrinhalt / Course Content
Es wird eine Einfhrung in grundlegende Fragen, Methoden und Techniken des
Rechnerentwurfs sowie der Rechnerarchitektur vermittelt. Dabei sind z.B. folgende
Themenkreise von Interesse: Integrierte Schaltkreise, Entwurf, Testproblematik,
Maschinensprachen, Rechnerarithmetik, Datenpfad und Kontrolle, Pipelining,
Speicherhierarchie, Prozesse, Interrupts, Interfaces, Parallelrechner.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer Klausur; die Bearbeitung der bungsbltter ist freiwillig, aber
empfehlenswert. In der Regel werden die bungen online abgegeben.


Modulhandbuch M.Sc. Informatik A.6 Rechnerarchitektur


21

Literatur / Literature
J .Teich: Digitale Hardware/Software-Systeme, Springer Verlag, 1997
Becker, Bernd and Drechsler, Rolf and Molitor, Paul, Technische Informatik Eine
Einfhrung, Pearson Studium ISBN 3-8273-7092-2
A. Tanenbaum: Structured Computer Organization, Prentice Hall, 3rd Edition, 1990
D.A. Patterson, J .L.Hennessy: Computer Organization and Design, The
Hardware/Software Interface, Morgan Kaufmann, 1994

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B. Vertiefung der Informatik


22

























B. Verti efung der Informati k


Modulhandbuch M.Sc. Informatik B. Vertiefung der Informatik -
Spezialvorlesungen


23

Modul / Module
B. Verti efung der Informati k - Spezi al vorl esungen

Teilmodul/Veranstaltung:
Module part
Spezialvorlesung
Themen aus den einzelnen Arbeitsbereichen

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Alle Vertiefungsgebiete
und Arbeitsbereiche am
Institut fr Informatik
Modulverantwortlicher:
Responsible person
Dozenten der
Informatik
Modultyp:
Module Type
Pflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung in der
Regel mit bung
Sprache:
Language
englisch
Voraussetzungen:
Preconditions
Grundlagen der Informatik, i.d.R. Kursvorlesung in thematisch
passendem Gebiet (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
4 h
Turnus:
Regular cycle
J edes Semester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
In den Spezialvorlesungen erlangen die Studierenden vertiefte Kenntnisse in spezifischen
Themengebieten aus den Arbeitsbereichen und Vertiefungsgebieten der Informatik an der
Universitt Freiburg.

Lehrinhalt / Course Content
Spezielle Themen aus den einzelnen Arbeitsbereichen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftlichen Klausur
erbracht.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.

Medienformen / Media types
Anleitungen und Aufgaben werden auf der Internetseite des jeweiligen Lehrstuhles
bereitgestellt.


Modulhandbuch M.Sc. Informatik Vertiefungsgebiet Cyber-Physical
Systems


24

Die Auflistung konkreter Spezialvorlesungen ist nachfolgend aufgefhrt,
sortiert nach dem primren Vertiefungsgebiet.

Verti efungsgebi et Cyber-Physi cal Systems

Modul / Module
B.1 Cyber-Physi cal Systems Di screte Model s

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Becker
Prof. Podelski
Prof. Scholl
Prof Thiemann
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
english
Voraussetzungen:
Preconditions
KV: Rechnerarchitektur, KV: Softwaretechnik (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Students understand how cyber-physical systems, in the wide range of their heterogeneous
aspects (large-scale systems, system of systems, embedded systems, concurrent systems,
hardware systems, software systems) can be modeled using the basic notion of transition
systems. They know relevant formalisms for modeling correctness properties of cyber-
physical systems, and they understand how the models can be analyzed using algorithmic
methods in order to prove correctness or find errors.

Lehrinhalt / Course Content
The course provides an introduction to discrete models of cyberphysical systems, their
analysis and verification:

The students learn how to model cyber-physical systems as transition systems. Here, the
main focus lies on software and hardware aspects of cyber-physical systems and on
methods for modeling parallelism and communication.

Moreover, the students learn how to express properties about such systems. The course
covers different mechanisms to specify temporal properties including linear time
properties and branching time properties such as LTL, CTL, and CTL* properties.

Finally, the course demonstrates how to develop algorithms for checking whether these
properties hold. After presenting algorithms for explicit state systems we introduce
Modulhandbuch M.Sc. Informatik B.1 Cyber-Physical Systems
Discrete Models


25
symbolic BDDbased algorithms which are able to tackle the well-known state explosion
problem. In addition, the course covers basic Bounded Model Checking (BMC)
techniques which restrict the analysis to computation paths up to a certain length and
reduce the verification problem to a Boolean Satisfiability problem.

All necessary foundations for these algorithms such as fixed point theory, data structures
like Binary Decision Diagrams (BDDs), and Satisfiability (SAT) solvers are introduced in
the course as well.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftlichen Klausur
erbracht.

Literatur / Literature
Christel Baier, J oost-Pieter Katoen, Principles of Model Checking, MIT, 2008, ISBN
9780262026499
B. Berard, M. Bidoit, A. Finkel, F. Laroussinie, Systems and Software Verification,
Springer, 2001, ISBN 3642074782
E. Clarke, O. Grumberg, D. Peled, "Model Checking, MIT Press 1999
Kropf, Thomas, "Introduction to Formal Hardware Verification", Springer, 1999, ISBN 3-
540-65445-3

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.2 Cyber-Physical Systems Hybrid
Models


26
Modul / Module
B.2 Cyber-Physi cal Systems Hybri d Model s

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Becker
Prof. Podelski
Prof. Scholl
Prof Thiemann
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
english
Voraussetzungen:
Preconditions
KV: Rechnerarchitektur, KV: Softwaretechnik (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Students understand how cyber-physical systems, in the wide range of their heterogeneous
aspects (large-scale systems, system of systems, embedded systems, concurrent systems,
hardware systems, software systems) can be modeled using the basic notion of transition
systems. They know relevant formalisms for modeling correctness properties of cyber-
physical systems, and they understand how the models can be analyzed using algorithmic
methods in order to prove correctness or find errors.

Lehrinhalt / Course Content
The course provides an introduction to the modeling and analysis of hybrid systems, i.e.
systems with discrete-continuous behavior, from the viewpoint of computer science.
Hybrid automata are introduced as a syntactic model for hybrid systems. Corresponding
labeled transition systems are used to define their semantics.
Timed automata, as an important subclass of hybrid automata that extend discrete
systems with a notion of time are considered. The branching time temporal logic TCTL is
introduced to specify properties of timed automata and corresponding model checking
algorithms are developed.
As a further important subclass more general than timed automata we define linear
hybrid automata. We show that the reachability problem for linear hybrid automata is in
general undecidable, whereas bounded reachability, i.e., reachability within a fixed
number of steps, is still decidable and can be efficiently computed. We also consider
bounded reachability for general hybrid automata and discuss corresponding solution
approaches.
Finally, the course provides basic knowledge on stochastic systems and corresponding
model checking algorithms. To do so, we introduce discrete-time Markov chains (DTMMs)
and probabilistic computation tree logic (PCTL).

Modulhandbuch M.Sc. Informatik B.2 Cyber-Physical Systems Hybrid
Models


27
Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftlichen Klausur
erbracht.

Literatur / Literature
Christel Baier, J oost-Pieter Katoen, Principles of Model Checking, MIT, 2008, ISBN
9780262026499

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt



Modulhandbuch M.Sc. Informatik B.3 Verifikation Eingebetteter
Systeme


28
Modul / Module
B.3 Veri fi kati on Ei ngebetteter Systeme

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Becker,
Prof. Scholl
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Technische Informatik (empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes zweite
Wintersemester
Arbeitsaufwand:
Workload
180 h/ Semester

Lernziele / Educational objectives
Die Studierenden kennen die Grundfragen der formalen Verifikation im Unterschied zur
reinen Simulation von Schaltungen und Systemen und knnen davon ausgehend wichtige
algorithmische Techniken anwenden und gegebenenfalls an neue Bedrfnisse anpassen.
Sie lernen mgliche Gefahren im Falle des fehlerhaften Entwurfs eingebetteter Systeme zu
erkennen und das Instrumentarium zum Nachweis und zur Vermeidung solcher Fehler
(insbesondere durch formale Methoden) zu beherrschen.

Lehrinhalt / Course Content
Viele moderne Produkte basieren auf mikroelektronischen Komponenten. Oftmals ist das
korrekte Funktionieren dieser Produkte lebenswichtig, etwa in Medizintechnik oder
Autoelektronik. Daher werden hohe Anforderungen an die Qualitt der darin eingesetzten
mikroelektronischen Systeme gestellt. Die Anforderungen lassen sich in drei Gruppen
unterteilen: (1) Das System muss korrekt entsprechend der Spezifikation entworfen sein. (2)
Das gem Entwurf physikalisch gefertigte System soll zum Zeitpunkt seiner Herstellung
fehlerfrei funktionieren. (3) Darber hinaus soll das System fr einen gegebenen Zeitraum
zuverlssig (d.h. ohne Ausfall) eingesetzt werden knnen.

Whrend Anforderung (2) durch Testmethoden und Anforderung (3) durch Methoden zur
Erhhung der Ausfallsicherheit behandelt werden, spielen fr die Einhaltung von Anforderung
(1) Verifikations- und Validierungsmethoden eine Rolle. Der Schwerpunkt der Vorlesung liegt
auf Verifikations- und Validierungsmethoden fr digitale Komponenten. Dabei interessiert
sowohl der formale Nachweis von Systemeigenschaften als auch die bereinstimmung des
Entwurfs im Vergleich zu einer gegebenen Spezifikation. Es werden zunchst verschiedene
existierende Basistechniken zur formalen Verifikation vorgestellt, wie z.B. Decision Diagrams,
SAT-Solver und And-Inverter-Graphen. Darauf aufsetzend werden Anstze zum
quivalenzvergleich kombinatorischer und sequentieller Schaltungen sowie zur
Eigenschaftsprfung beschrieben.


Modulhandbuch M.Sc. Informatik B.3 Verifikation Eingebetteter
Systeme


29

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Kropf: "Introduction to Formal Hardware Verification" , Springer, 1999, ISBN 3-540-
65445-3
Clarke, Grumberg, Peled, "Model Checking, MIT Press 1999
Kropf (Ed.): "Formal Hardware Verification", Springer, 1997, ISBN 3-540-63475-4
Diverse Originalarbeiten

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.4 Verifikation probabilistischer
Systeme


30

Modul / Module
B.4 Veri fi kati on probabi l i sti scher Systeme

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Becker
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Technische Informatik

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Eingebettete Systeme besitzen eine digitale Steuerung, interagieren in der Regel aber mit
kontinuierlichen physikalischen Gren wie Temperatur, Geschwindigkeit und Zeit. ber die
reine Frage nach der (funktionalen) Korrektheit hinaus sind oft Informationen wie die
erwartete Lebensdauer, der mittlere Durchsatz oder die Zuverlssigkeit eines Systems von
groem Interesse. Dazu mssen Effekte bercksichtigt werden, die stochastischer Natur sind
(z. B. Kommunikation ber unzuverlssige Kanle, endliche Lebensdauer von Komponenten
...). Um diese untersuchen zu knnen, mssen Modelle entwickelt werden, die es erlauben,
mathematisch przise stochastische Effekte zu modellieren. Die in der Vorlesung
vorgestellten Modelle sind Markow-Ketten mit diskreter und kontinuierlicher Zeit. Sie haben
den Vorteil, dass es fr eine ganze Reihe von interessanten Maen effiziente Algorithmen
gibt.
Wir betrachten Markow-Ketten aus der Perspektive der Informatik mit dem Schwerpunkt auf
Algorithmen zu ihrer Analyse. Die notwendigen Grundlagen, die ber die Mathematik-
Vorlesungen fr ESE/Informatik im Bachelorstudium und die Vorlesung "Technische
Informatik" hinausgehen, werden in der Vorlesung eingefhrt. Die Vorlesung "Verifikation
eingebetteter Systeme" ist zwar hilfreich fr das Verstndnis, aber keine Voraussetzung.

Lehrinhalt / Course Content
In dieser Vorlesung werden Formalismen zur Modellierung und Analyse probabilistischer
Systeme vorgestellt:
Markow-Ketten mit diskreter und kontinuierlicher Zeit
Markow-Reward-Modelle
Markow-Entscheidungsprozesse
Fr diese Klassen von Modellen werden Algorithmen besprochen, mit denen automatisch
diverse Eigenschaften berprft werden knnen wie zum Beispiel:
Die Wahrscheinlichkeit, innerhalb der normalen Betriebsdauer in einen
sicherheitskritischen Zustand zu gelangen, ist hchstens 0.00001.
Der mittlere Energieverbrauch ist auf lange Sicht hchstens 5.8 W.
Im Mittel sind 10 Sendeversuche ntig, bis eine Nachricht erfolgreich bertragen ist.
Modulhandbuch M.Sc. Informatik B.4 Verifikation probabilistischer
Systeme


31

Studien- und Prfungsl ei stungen / Exam requirements
Mndliche Prfung im Prfungszeitraum am Ende des Sommersemesters. Keine formalen
Zulassungsvoraussetzungen zur Prfung.

Literatur / Literature
Christel Baier, J oost-Pieter Katoen: Principles of Model Checking The MIT Press 2008

Weitere Informationen / Further information
Studierende im Studiengang Bachelorstudiengang Informatik oder ESE, Master-Studierende
im Studiengang Informatik oder ESE.


Modulhandbuch M.Sc. Informatik B.5 Test und Zuverlssigkeit


32

Modul / Module
B.5 Test und Zuverl ssi gkei t

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Becker
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
KV: Rechnerarchitektur (empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes zweite
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden kennen die Grundfragen des Tests digitaler Schaltungen und lernen davon
ausgehend wichtige algorithmische Techniken kennen, anwenden und ggfs. an neue
Bedrfnisse anpassen. Sie sind in der Lage, Design for Testability im Entwurf selbst
durchzufhren und Vor- und Nachteile dieser Manahmen abschtzen. Die
Herausforderungen der neuen Technologien sind ihnen bekannt und state-of-the-art Anstze
zu ihrer Beherrschung knnen von ihnen eingeschtzt werden.

Lehrinhalt / Course Content
Die Herstellung von integrierten Schaltungen (Microchips, ICs) ist ein Ausbeuteprozess, d.h.
einige der ICs sind inhrent fehlerhaft. Da die Auslieferung fehlerhafter Chips hohe
Folgekosten nach sich zieht, bemht man sich, diese mglichst frhzeitig durch Testen
auszusondern. Heute hat sich der sog. structural test flow durchgesetzt, bei dem die Defekte
mit Hilfe von Fehlermodellen abstrahiert werden und Testmuster generiert werden, welche
eine hohe Abdeckung bzgl. dieser Modelle gewhrleisten. Insgesamt werden die Testkosten
mit bis zu 40% der Gesamt-Fertigungskosten des ICs beziffert. Auerdem ist es weitgehend
akzeptiert, bereits whrend des Entwurfs auf die sptere Testbarkeit der Schaltung zu achten
(design for testability, DFT). Daher ist ein Grundwissen in Testfragen auch fr Hardware-
Designer eine wichtige Kompetenz.
Ausgehend davon werden in der Veranstaltung zunchst klassische Test-Themen wie
Fehlermodelle, (stuck-at)-Fehlersimulation und Testmustergenerierung behandelt sowie eine
Einfhrung in DFT-Methoden wie scan design und eingebauter Selbsttest gegeben. Danach
werden aktuelle Forschungsthemen wie z.B. Defect Based Testing, Nichtstandard-
Fehlermodelle, Test fr Systems-on-Chip, variation aware testing, Robustheitsanalyse
angesprochen.


Modulhandbuch M.Sc. Informatik B.5 Test und Zuverlssigkeit


33

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Abramovici, Breuer, Friedman, "Digital Systems Testing & Testable Design", IEEE Press,
1994, ISBN: 0780310624 (in der Bibliothek erhltlich).
J ha, Gupta, "Testing of Digital Systems", Cambridge University Press, 2003, ISBN 05217
73563 (in der Bibliothek erhltlich).

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.6 Echtzeitbetriebssysteme und
Zuverlssigkeit


34
Modul / Module
B.6 Echtzei tbetri ebssysteme und Zuverl ssi gkei t

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Becker,
Prof. Scholl
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Systeme I: Betriebssysteme, Technische Informatik (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes zweite
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden beherrschen die grundlegenden Methoden fr Echtzeitbetriebssysteme.
Insbesondere kennen sie die wesentlichen Unterschiede zwischen Standard-
betriebssystemen und Echtzeitbetriebssystemen fr Eingebettete Systeme sowohl
hinsichtlich der Anforderungen als auch hinsichtlich der Realisierungskonzepte
(insbesondere im Bereich des Scheduling). Die Studierenden haben Kenntnisse der
wichtigsten Funktionen von Echtzeitbetriebssystemen sowie Programmiererfahrung mit
Echtzeitsystemen.

Lehrinhalt / Course Content
Die Vorlesung beschftigt sich nach einem kurzen berblick ber Standard-Betriebssysteme
und hardwaremige Voraussetzungen fr die Implementierung von Betriebssystemen mit
Betriebssystemen fr Eingebettete Systeme und der Frage, wie Anforderungen bzgl.
Echtzeitfhigkeit erfllt werden knnen. Dazu gehren insbesondere Methoden, die obere
Schranken fr die Laufzeit von Prozessen sicherzustellen (Worst Case Execution Times)
und Scheduling-Verfahren, die in Echtzeitbetriebssystemen die Einhaltung von
Zeitbedingungen unter Voraussetzung gegebener Worst Case Execution Times
gewhrleisten. Verschiedene Scheduling-Verfahren werden hinsichtlich ihres Einsatzgebietes
klassifiziert sowie hinsichtlich ihrer Gte und Kosten analysiert. Weiterhin werden
Grundkonzepte wie Synchronisation und Kommunikation verschiedener Prozesse,
gemeinsame Ressourcennutzung, wechselseitiger Ausschluss etc. betrachtet und deren
Rolle beim Entwurf von Echtzeitbetriebssystemen behandelt.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.


Modulhandbuch M.Sc. Informatik B.6 Echtzeitbetriebssysteme und
Zuverlssigkeit


35

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.


Modulhandbuch M.Sc. Informatik B.7 Compilerbau / Compiler
Construction


36
Modul / Module
B.7 Compi l erbau / Compi l er Constructi on

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. P. Thiemann
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik III Theoretische Informatik, Informatik II
Fortgeschrittene Programmierung, Programmierkenntnisse in
J ava (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studenten sollen grundlegende Techniken des Compilerbaus kennen und anwenden
knnen. Sie sollen in der Lage sein, mit Hilfe von Werkzeugen Scanner und Parser zu
programmieren, sowie einen einfachen optimierenden Compiler selbst zu entwickeln. Sie
sollen abstrakte Zwischenreprsentationen und das Konzept des Staging von verschiedenen
Verarbeitungsphasen kennen und anwenden lernen.

Lehrinhalt / Course Content
Syntaxanalyse, semantische Analyse, Zwischencode, Codetransformation/Optimierung,
Maschinencodegenerierung (Instruktionsauswahl, Scheduling, Registerallokation)

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Aho, Sethi, Ullman: Compilers Principles, Techniques, and Tools. Addison-Wesley, 1986.
Appel: Compiling with Continuations. Cambridge University Press, 1992.
Appel: Modern Compiler Implementation in ML. Cambridge University Press, 1998.
Cousineau, Mauny: The Functional Approach to Programming. Cambridge University
Press, 1998.
Fraser, Hanson: A Retargetable C Compiler: Design and Implementation.
Benjamin/Cummings, 1995.
Leermakers: The Functional Treatment of Parsing. Kluwer Academic Publishers, Boston,
1993.
Wilhelm, Maurer: bersetzerbau -- Theorie, Konstruktion, Generierung -- 2. Auflage.
Lehrbuch. Springer-Verlag, Berlin, Heidelberg, 1996.
Modulhandbuch M.Sc. Informatik B.7 Compilerbau / Compiler
Construction


37

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.8 Entscheidungsprozeduren /
Decision Procedures


38
Modul / Module
B.8 Entschei dungsprozeduren / Deci si on Procedures

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Podelski, Dr.
J . Hoenicke
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Logik fr Studierende der Informatik (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Mind. alle 2 J ahre im
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
The students should know, for which theory fragments satisfiability is decidable. They should
learn the most important algorithms that decide satisfiability. They should also be able to use
existing tools to prove their formulas or the correctness of their programs.

Lehrinhalt / Course Content
Decision Procedures are the basis for program verification: The task of program verification is
to give a formal proof that a program meets its specification. This amounts to determining the
truth value of a logical formula. A decision procedure is an algorithm that can for a certain
type of formulas decide whether the formula is true or false. We will investigate decision
procedures for different logics. Starting with propositional logic we will investigate decision
procedures for logics with integers, reals, recursive structures (lists and trees), arrays, etc.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.9 Formal Methods for J ava /
Formale Methoden fr J ava


39
Modul / Module
B.9 Formal Methods for Java / Formal e Methoden fr Java

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. A. Podelski,
Dr. J . Hoenicke
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik I Einfhrung in die Programmierung, Informatik II
Algorithmen und Datenstrukturen, KV: Softwaretechnik, Logik fr
Studierende der Informatik (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Mind. alle 2 J ahre im
Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden sollen einen berblick ber die verschiedenen Arten der
Verifikationswerkzeuge besitzen. Sie sollen abschtzen knnen, was diese Werkzeuge
leisten und sie verwenden knnen, um Programme zu verifizieren. Sie sollen auch in der
Lage sein interaktive Theorembeweiser zu verwenden.

Lehrinhalt / Course Content
Formale Methoden werden inzwischen erfolgreich genutzt, um groe Softwaresysteme zu
spezifizieren und zu verifizieren. In dieser Vorlesung werden wir die existierenden Methoden
fr die Sprache J ava untersuchen. Diese Sprache besitzt eine halbformale Definition ihrer
Semantik (J ava Language Specification). Um jedoch mathematische Beweise durchzufhren
bentigen wir eine genaue Spezifikation. Wir werden daher eine operationelle Semantik
angeben. Dann werden wir anhand der J ava Modeling Language (J ML) das Design by
Contract untersuchen. Die Contracts sind Vor- und Nachbedingungen von Methoden sowie
Schleifen- und Dateninvarianten. Fr J ML existieren Tool, die diese Bedingungen zu Laufzeit
berprfen (z.B. jmlrac) aber auch statische Methoden, d.h. Methoden die direkt den
Quellcode berprfen sind mglich (ESC/J ava, J ahob, Key). Wenn diese Tools nicht
automatisch Beweise erzeugen knnen, kann man per Hand Hilfsstze definieren. Alle diese
Tools werden in praktischen bungen angewendet.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben

Modulhandbuch M.Sc. Informatik B.9 Formal Methods for J ava /
Formale Methoden fr J ava


40

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.10 Real-Time Systems


41
Modul / Module
B.10 Real -Ti me Systems

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Podelski
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik III Theoretische Informatik, KV: Softwaretechnik
(empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Grundkenntnisse im Einsatz formaler Methoden bei der Entwicklung von sicherheitskritischen
Systemen mit Echtzeitanforderungen, von der Erfassung von Anforderungen, ber die
Beschreibung von Designs und Implementierungen, zur (automatischen) Verifikation der
Korrektheit; Fhigkeit, Eigenschaften in logischer Form mit Hilfe des Duration Calculus oder
in Form von Timed Automata zu formalisieren und Formalisierungen zu verstehen; bersicht
ber Entscheidbarkeitsresultate fr Echtzeit-Modelle.

Lehrinhalt / Course Content
Die Vorlesung folgt in weiten Teilen dem Buch "Real-Time Systems" von Olderog und Dierks,
zu Timed Automata und Live Sequence Charts wird auf Originalliteratur zurckgegriffen.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Real-Time Systems: Olderog und Dierks, Cambridge Univ. PR, 2008

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.11 Concurrency: Theory and
Practice


42
Modul / Module
B.11 Concurrency: Theory and Practi ce

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Podelski
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik II Algorithmen und Datenstrukturen, Informatik III
Theoretische Informatik, KV: Softwaretechnik (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
Mind. alle 2 J ahre im
Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Understanding the problems with programming multiple threads accessing shared memory.
Understanding today's hardware support for concurrent programming. Understanding the key
elements of the design of most mainstream concurrent data structures. Knowledge of
traditional and modern synchronization techniques. Ability to apply the above points in
practical J ava programs. Knowledge of declarative approaches to concurrent programming.

Lehrinhalt / Course Content
Mutual exclusion, Consistency, Linearizability. Memory models. Shared memory,
Synchronization operations, Spin locks, Monitors, Concurrent data structures, Lock-free data
structures, Futures, Barriers, Transactional Memory, Actors, J oin calculus. J ava concurrency
support.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer Hausarbeit und einer mndlichen Prfung oder
schriftlichen Klausur erbracht. Die Aufteilung wird zu Beginn der Veranstaltung
bekanntgegeben.

Literatur / Literature
Herlihy, Shavit: The Art of Multiprocessor Programming. Morgan Kaufmann. 2008.
Goetz: J ava Concurrency in Practice. Addison-Wesley. 2006.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt
Modulhandbuch M.Sc. Informatik B.12 Software Design, Modelling and
Analysis in UML


43

Modul / Module
B.12 Software Desi gn, Model l i ng and Anal ysi s i n UML

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems (auch
Informationssysteme)
Modulverantwortlicher:
Responsible person
Prof. A. Podelski
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik III Theoretische Informatik, KV: Softwaretechnik
(empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester (45 h Vorlesung, 15 h bung, 120 h Eigenarbeit)

Lernziele / Educational objectives
Vorgehen bei der formalen Semantikgebung fr komplexe, visuelle Formalismen am Beispiel
der nur durch natrlichsprachliche Dokumente definierten Unified Modelling Language
(UML); Grundkenntnisse in der Modell-basierten Entwicklung von Software, d.h. Fhigkeit,
Anforderungen (in UML) zu formalisieren und UML Formalisierungen zu verstehen.

Lehrinhalt / Course Content
Begriff des Modells; Einsatz von UML zur Dokumentation und Modellierung; Object
Constraint Language, Syntax und Semantik von Klassendiagrammen zur Beschreibung von
Struktur, Syntax und Semantik von State-Machines und Sequenzdiagrammen als Beispiel
konstruktiver und reflektiver Verhaltensbeschreibungen (im Kontext der OMG Standard-
Dokumente); Konzepte von Vererbung und Meta-Modellierung; in den bungen Verwendung
zeitgenssischer Modellierungs-, Simulations- und Codegenerierungswerkzeuge.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt.
Modulhandbuch M.Sc. Informatik B.13 Model-Driven Engineering


44
Modul / Module
B.13 Model -Dri ven Engi neeri ng

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. P. Thiemann
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
KV: Softwaretechnik (empfohlen)

Semester lt Studienplan:
Term
2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
jedes zweite
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden sind in der Lage modell-getriebene Techniken in der Software einzusetzen.
Das heit, ihnen sind die in der Softwaretechnik blichen Modelle bekannt; sie knnen
Metamodellierung zur Definition eigener Modellierungssprachen einsetzen; sie kennen die
Einsatzbereiche von Domain-specific Languages sowie Werkzeuge zu ihrer Konstruktion; sie
kennen Modelltransformationsverfahren und knnen sie praktisch einsetzen; sie kennen
Verfahren zur Codeerzeugung aus Modellen; sie haben ein Projekt mit modell-getriebenen
Techniken realisiert.

Lehrinhalt / Course Content
Einfhrung in MDE. Begriffe und Konzepte. Domnenarchitektur.
Metamodellierung (Technologien, Best Practice).
Domnenspezifische Sprachen. Konstruktion von Zielarchitekturen.
Codeerzeugung. Interpreter und Generatoren.
Modelltransformationen. MDE-Prozessbausteine. Modell-getriebenes
Testen. Organisatorische Aspekte von MDE.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Modellgetriebene Softwareentwicklung. Techniken, Engineering, Management. Thomas
Stahl, Markus Vlter.


Modulhandbuch M.Sc. Informatik B.13 Model-Driven Engineering


45

Medienformen / Media types
Beamervortrag in der Vorlesung, ggf. Aufzeichnungen, Vortragsfolien und bungsbltter
werden auf der Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.14 Programmanalyse


46
Modul / Module
B.14 Programmanal yse

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Cyber-Physical
Systems
Modulverantwortlicher:
Responsible person
Prof. Thiemann
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik III theoretische Informatik, Graphentheorie
(empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes zweite
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Kenntnis der grundlegenden Methoden der statischen Programmanalyse sowie Verfahren fr
ihre Implementierung, Anwendung dieser Methoden fr verschiedene Sprachparadigmen,
Kenntnis wichtiger Programmanalysen und der Programmtransformationen, die durch sie
ermglicht werden. Die Studenten sollen an aktuelle Forschungsprobleme in diesem Bereich
herangefhrt werden.

Lehrinhalt / Course Content
Die Vorlesung richtet sich nach dem Buch "Principles of Program Analysis" von Hankin,
Nielson und Nielson. Ggf wird zustzlich auf Originalliteratur zurckgegriffen.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Nielson, Flemming, Nielson, Hanne, Hankin: Principles of Program Analysis. Springer
1999. ISBN: 978-3-540-65410-0
Ggf wird zustzlich auf Originalliteratur zurckgegriffen

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.15 Information Retrieval


47
Ver t i ef ungsgebi et Inf or mat i onssyst eme

Modul / Module
B.15 Informati on Retri eval

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
(auch Kognitive
technische Systeme)
Modulverantwortlicher:
Responsible person
Prof. Bast
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Kenntnisse aus Informatik II Algorithmen und Datenstrukturen,
Programmierkenntnisse (z.B. aus Fortgeschrittene
Programmierung) (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Studierende sollen die Grundlagen von Informationssystemen, insbesondere Such-
maschinen, verstehen und anwenden knnen. Das betrifft sowohl die algorithmischen
Aspekte (z.B. Indexdatenstrukturen), als auch Qualittsaspekte (z.B. Ranking von
Suchergebnissen), als auch Netzwerkkommunikation und Benutzerschnittstellen (z.B. AJ AX
Programmierung).

Lehrinhalt / Course Content
In dieser Vorlesung werden alle Themen behandelt, die man zur Realisierung der typischen
Funktionalitt eines Informationssystems / einer Suchmaschine nach dem Stand der Kunst
braucht, und die nicht oder nicht in der erforderlichen Tiefe in Bachelor- oder
Mastervorlesungen zum Thema Algorithmen oder Netzwerke vermittelt werden. Dazu
gehren:
Algorithmen und Datenstrukturen, z.B.: invertierter Index, Prfixsuche, fehlertolerante Suche,
I/O-Effizienz.
Qualittsaspekte: Ranking von Suchergebnissen, Clustering, maschinelle Lernverfahren.
Netzwerkkommunikation und Benutzerschnittstellen: Webserver, Socket-Kommunikation,
AJ AX-Programmierung.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer Abschlussklausur oder einer mndlichen Prfung, je nach
Anzahl der Teilnehmer. Erfolgreiche Teilnahme am bungsbetrieb ist Voraussetzung zur
Zulassung zur Abschlussklausur.

Modulhandbuch M.Sc. Informatik B.15 Information Retrieval


48
Literatur / Literature
Wird in der Veranstaltung bekannt gegeben.

Medienformen / Media types
Vortrag mit Folien, Lehrpult und ggf. Live-Programmierung. bungsbltter, Folien,
Vorlesungsaufzeichnungen und ggf. Code werden auf der Internetseite der Veranstaltung
bereitgestellt.


Modulhandbuch M.Sc. Informatik B.16 Distributed Systems


49

Modul / Module
B.16 Di stri buted Systems

Fachbereich:
Department
Computer Science
Spezialberei ch:
Special field
Informationssysteme
(auch Cyber-Physical
Systems)
Modulverantwortlicher:
Responsible person
Prof.
Schindelhauer,
Prof. Lausen
Modultyp:
Module Type
Elective
Lehrveranstaltungstyp:
Type of course
Lecture and tutorial
Sprache:
Language
English
Voraussetzungen:
Preconditions
KV: Datenbanken und Informationssysteme (recommended)

Semester lt Studienplan:
Term
1, 2 or 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3V +1
Turnus:
Regular cycle
Every summer term
Arbeitsaufwand:
Workload
180 hrs/term

Lernziele / Educational objectives
The students know the specific problems in distributed systems that arise from the interaction
of concurrent processes. They know and apply solutions to such problems.

Lehrinhalt / Course Content
After an introduction into distributed systems, the following major topics are discussed.
System models
Networks and Communications
Time and global states
Consistency and coordination
Distributed Transactions
Replication
Modeling of distributed applications

Furthermore, current issues, which may originate from the following areas, are presented.
Mobile Distributed Systems
Web-based Distributed Systems
Distributed multi-threading
Peer-to-peer networks

Studien- und Prfungsl ei stungen / Exam requirements
Oral or written exam. The form of the examination and the resources allowed to use will be
announced in the course. Successful participation in the tutorials is a pre-requisite for
participation in the final exam.


Modulhandbuch M.Sc. Informatik B.16 Distributed Systems


50

Literatur / Literature
Distributed Systems: Concepts and Design, J ean Dollimore, George Coulouris, Tim
Kindberg, 4th edition, Pearson Studium, 2005.
Distributed Systems: Principles and Paradigms, Andrew Tanenbaum, Maarten van Steen,
2nd edition, Pearson Studium, 2006
Additional literature will be presented in the lecture

Medienformen / Media types
Lecture and lecture recordings. Slides and exercise sheets can be downloaded from the
website.


Modulhandbuch M.Sc. Informatik B.17 Peer-to-Peer Networks (P2P)


51

Modul / Module
B.17 Peer-to-Peer Networks (P2P)

Fachbereich:
Department
Computer Science
Spezialberei ch:
Special field
Informationssysteme
(auch Cyber-Physical
Systems)
Modulverantwortlicher:
Responsible person
Prof.
Schindelhauer
Modultyp:
Module Type
Elective
Lehrveranstaltungstyp:
Type of course
Lecture and tutorial
Sprache:
Language
English
Voraussetzungen:
Preconditions
Algorithmen und Datenstrukturen (BSc ESE) bzw. Informatik II -
Algorithmen und Datenstrukturen (BSc Informatik), Systeme II:
Rechnernetze, Telecommunication Systems (recommended),
Distributed Systems (recommended)

Semester lt Studienplan:
Term
1, 2 or 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3V +1
Turnus:
Regular cycle
Winter term every 4
years
Arbeitsaufwand:
Workload
180 hrs/term

Lernziele / Educational objectives
Students understand the advantages of different peer-to-peer network architectures. They
can find appropriate network structures. They can classify existing peer-to-peer networks and
analyse their communication structures and classify them. Students can apply anonymization
techniques and performance enhancement.

Lehrinhalt / Course Content
After a brief introduction to the history of peer-to-peer networks relevant topics related to the
Internet and distributed systems are deepened. First, the example of unstructured networks
Gnutella are discussed, followed by structured networks. These, e.g. such as CAN, Chord,
Pastry and Tapestry, are presented in very detail. We concentrate on data and network
structures, as well the theoretical analysis of peer-to-peer networks. Other issues are minimal
networks, networks with tree structures and self-organizing networks.
As special issues we discuss security, anonymity and game theory in peer-to-peer networks

Studien- und Prfungsl ei stungen / Exam requirements
Oral or written exam.

Literatur / Literature
Mahlmann, Schindelhauer: Peer-to-Peer-Netzwerke - Methoden und Algorithmen,
Springer 2007
Shen, X.; Yu, H.; Buford, J .; Akon, M. (Eds.): Handbook of Peer-to-Peer Networking,
Springer 2010.
Modulhandbuch M.Sc. Informatik B.17 Peer-to-Peer Networks (P2P)


52

Medienformen / Media types
Slide presentation in the lecture. Slides and exercise sheets will be posted on the course
website.

Modulhandbuch M.Sc. Informatik B.18 Distributed Storage


53

Modul / Module
B.18 Di stri buted Storage

Fachbereich:
Department
Computer Science
Spezialberei ch:
Special field
Informationssysteme
(auch: Cyber-Physical
Systems)
Modulverantwortlicher:
Responsible person
Prof.
Schindelhauer
Modultyp:
Module Type
Elective
Lehrveranstaltungstyp:
Type of course
Lecture and tutorial
Sprache:
Language
English
Voraussetzungen:
Preconditions
Systeme II: Rechnernetze, Distributed Systems (recommended)

Semester lt Studienplan:
Term
2 or 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3V +1
Turnus:
Regular cycle
Winter term every 4
years
Arbeitsaufwand:
Workload
180 hrs/term

Lernziele / Educational objectives
The students are the various central and distributed storage technologies to meet and assess
their possible use. You should be able to quantify the risk of data loss and can perform any
action against it. You should be able to design their own distributed memory system on a
local network or the Internet (cloud) and to check the efficiency of this system.

Lehrinhalt / Course Content
Hardware types of storage
File Systems
RAID and volume manager
Distributed Storage Systems
Virtualization of Storage
Distributed hash tables
Redundant Codes
Cloud Storage

Studien- und Prfungsl ei stungen / Exam requirements
Oral exam. Students will be informed during the course which resources they will be allowed
to use during the exam.

Literatur / Literature
Thomas J epson: Distributed Storage Networks: Architecture, Protocols and Management,
Wiley, 2003

Modulhandbuch M.Sc. Informatik B.19 Data Models and Query
Languages


54
Modul / Module
B.19 Data Model s and Query Languages

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. Lausen
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
KV: Datenbanken und Informationssysteme (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
60 h Prsenzstudium, 120 h Eigenstudium

Lernziele / Educational objectives
Verstndnis grundlegender Themen der Datenbanktheorie. Kennenlernen unterschiedlicher
Sprachen zur Formulieren von Anfragen. Den Zusammenhang von Datenmodell und
Anfragesprache erkennen. Fhigkeit zur Modellierung und Analyse datenbank-spezifischer
Problemstellungen mit Hilfe einer deklarativen Sprache.

Lehrinhalt / Course Content
1. Grundlegende Fragestellungen relationaler Anfrageoptimierung
2. XML Datenmodell und Anfragesprachen XPath und XQuery
3. XPath-Auswertung mittels SQL
4. RDF Datenmodell und Anfragesprache SPARQL
5. Key/Value-Datenmodell und MapReduce
6. Datalog und Erweiterungen

Studien- und Prfungsl ei stungen / Exam requirements
Prfungsleistung fr Studierende eines Masterstudiengangs ist eine schriftliche Klausur.

Literatur / Literature
1. S. Abiteboul, R. Hull, V.Vianu: Foundations of Databases, Addison-Wesley, 1995.
2. G. Lausen: Datenbanken, Grundlagen und XML-Technologien. Spektrum Akademischer
Verlag, 2005.
3. P. Hitzler, M. Krtzsch, S. Rudolph. Foundations of Semantic Web Technologies.
Chapman & Hall, 2008


Modulhandbuch M.Sc. Informatik B.19 Data Models and Query
Languages


55

Medienformen / Media types
Beamerprsentation in der Vorlesung, Vorrechnen von Aufgaben an der Tafel in den
bungen.


Modulhandbuch M.Sc. Informatik B.20 System Infrastructure For Data
Science


56

Modul / Module
B.20 System Infrastructure For Data Sci ence

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. P. Fischer
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Kenntnisse aus KV: Datenbanken und Informationssysteme
(empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Students will develop and understanding of fundamental architectural options for designing
and implementing scalable, expressive and responsive infrastructures for data science.

This understanding comes from two directions: From a high-level point of view, students will
be able to understand what systems exist and how they can be used. From a bottom-up
perspective, students will gain an detailed insight and hand-on experience on the techniques
used.

Lehrinhalt / Course Content
The course covers the fundamentals of different data infrastructure systems, among them
classical databases, main-memory databases, data stream systems and cloud computing
frameworks.
To do so, the course provides details on the foundations of information system architecture,
among them data storage, indexing, query processing, operator models and optimization. On
this basis, it provides further insights how design assumptions change when such systems
are used in contexts which require extreme scalability, very short response times or complex
analytical operations.

Studien- und Prfungsl ei stungen / Exam requirements
Mndliche Prfung


Modulhandbuch M.Sc. Informatik B.20 System Infrastructure For Data
Science


57

Literatur / Literature
The classical data management areas are covered well in the following books:
Database Management Systems, Raghu Ramakrishnan and J ohannes Gehrke, 3rd
edition, 2002
Kemper und Eickler. Datenbanksysteme. Eine Einfhrung. Oldenbourg-Verlag. (in
German)
Modern techniques are mostly available in research papers, which are provided during the
lecture.

Medienformen / Media types
Vortrag mit Beamer, Folien werden im Internet zur Verfgung gestellt,
Aufgabenbltter auf Webseite zur bung


Modulhandbuch M.Sc. Informatik B.21 Efficient Route Planning


58

Modul / Module
B.21 Effi ci ent Route Pl anni ng

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. Bast
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Kenntnisse aus Informatik II Algorithmen und Datenstrukturen,
Programmierkenntnisse (z.B. aus Fortgeschrittene
Programmierung) (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
Alle zwei J ahre im
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Studierende sollen die Grundlagen von Routenplanungssystemen verstehen und anwenden
knnen. Das betrifft vor allem die zugrunde liegenden Algorithmen und Datenstrukturen, aber
auch die zugehrigen Benutzerschnittstellen / Webapplikationen.

Lehrinhalt / Course Content
In dieser Vorlesung werden grundlegende und fortgeschrittene Algorithmen und Daten-
strukturen zur Berechnung von optimalen Pfaden in Netzwerken, insbesondere
Verkehrsnetzwerken behandelt. Zum Beispiel: Dijkstras Algorithmus, A* mit verschiedenen
Heuristiken, Contraction Hierarchies, Varianten von Dijkstras Algorithmus fr multi-kriterielle
Kosten und zeitabhngige Kosten.

Neben Korrektsheitsbeweisen und Laufzeitanalysen wird auch Wissen zur effizienten
Implementierung (algorithm engineering) vermittelt, untersttzt durch passende bungs-
aufgaben. Auerdem werden Grundlagen zur Realisierung einer typischen Benuzterschnitt-
stelle / Webapplikation zum Thema vermittelt und in passenden bungsaufgaben realisiert.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer Abschlussklausur oder einer mndlichen Prfung, je nach
Anzahl der Teilnehmer. Erfolgreiche Teilnahme am bungsbetrieb ist Voraussetzung zur
Zulassung zur Abschlussklausur.

Literatur / Literature
Wird in der Veranstaltung bekannt gegeben.

Modulhandbuch M.Sc. Informatik B.21 Efficient Route Planning


59
Medienformen / Media types
Vortrag mit Folien, Lehrpult und nach Ermessen Live-Programmierung. bungsbltter,
Folien, Vorlesungsaufzeichnungen und ggf. Code werden auf der Internetseite der
Veranstaltung bereitgestellt.


Modulhandbuch M.Sc. Informatik B.22 Bioinformatik I / Bioinformatics I


60
Modul / Module
B.22 Bi oi nformati k I / Bi oi nformati cs I

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. Backofen
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Von Vorteil bzw. vorausgesetzt sind
Grundlegende, einfache molekularbiologische Kenntnisse
Grundlegende Kenntnisse in Algorithmen, wie aus Informatik
Grundstudium/Bachelor

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
jedes Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Vorlesung gibt einen Einblick in einige bekannte Themen der Bioinformatik und vermittelt
das Verstndnis der fundamentalen Algorithmen. Um die Anwendung der beschriebenen
Algorithmen zu erlutern, gibt es ebenfalls eine Einleitung zu den wesentlichen biologischen
Grundlagen.

Lehrinhalt / Course Content
Sequenzalignment:
o global und lokal, Distanz und hnlichkeit
o affine and beliebige Gap-Kostenfunktionen
Substitutionsmatrizen und Markov-Ketten:
o Markov-Modelle und deren Eigenschaften
o Markov-Ketten und Substitutionsmatrizen, z.B. PAM
Phylogenetische Bume:
o hierarchische Methoden und clustering
o Markov-Prozesse und maximum likelihood
o quartet puzzling

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftlichen Klausur
erbracht. Erfolgreiche Teilnahme am bungsbetrieb ist Voraussetzung zur Zulassung zur
Prfung.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter im Internet
Modulhandbuch M.Sc. Informatik B.23 Bioinformatik II / Bioinformatics
II


61
Modul / Module
B.23 Bi oi nformati k II / Bi oi nformati cs II

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. Backofen
Modultyp:
Module Type
Elective
Lehrveranstaltungstyp:
Type of course
Lecture and tutorial
Sprache:
Language
English
Voraussetzungen:
Preconditions
Bioinformatik I (mandatory)

Semester lt Studienplan:
Term
2 or 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
Every winter term
Arbeitsaufwand:
Workload
180 hrs/term

Lernziele / Educational objectives
The course gives an advanced overview of bioinformatics topics and deeper understanding of
fundamental algorithms.

Lehrinhalt / Course Content
Multiple sequence alignment
Scoring schemes.
Exact and heuristic methods (progressive approaches, t-coffee etc.)
Hidden markov models
Profile HMMs for multiple alignment
Learning profile HMMs
Protein domains and PFAM
Protein structure
Prediction
Protein threading
RNA structure prediction: nussinov, zuker
Monte-Carlo sampling

Studien- und Prfungsl ei stungen / Exam requirements
There will be an oral exam.


Modulhandbuch M.Sc. Informatik B.23 Bioinformatik II / Bioinformatics
II


62

Literatur / Literature
Clote, Backofen: Computational Molecular Biologie, An Introduction. Wiley & Sons. ISBN-
10: 0471872520 ISBN-13: 978-0471872528
Durbin et al.: Biological Sequence Analysis. Cambridge University Press. ISBN-10:
0521629713 ISBN-13: 978-0521629713
D.W. Mount: Bioinformatics - Sequence and Genome Analysis Cold Spring Harbor
Laboratory Press, Cold Spring Habor, New York (2001) ISBN 0-87969-608-7.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.24 Algorithmische Grundlagen der
Bioinformatik


63
Modul / Module
B.24 Al gori thmi sche Grundl agen der Bi oi nformati k

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
PD Dr. Schuierer
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Vorlesung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Kenntnisse aus Informatik II Algorithmen und Datenstrukturen
(empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V
Turnus:
Regular cycle
jedes Wintersemester
Arbeitsaufwand:
Workload
90 h/Semester

Lernziele / Educational objectives
Die Studierenden haben Verstndnis des Entwurfs und der Analyse von Zeichenketten-
algorithmen in der Bioinformatik. Sie knnen mit den gngigen Anstzen zur Analyse
umgehen.

Lehrinhalt / Course Content
Suffixbume
Editierdistanz
Multiples Zeichenkettenalignment
Suchheuristiken
Hidden Markov Modelle fr die Alignierung von Zeichenketten

Studien- und Prfungsl ei stungen / Exam requirements
Mndliche Prfung

Literatur / Literature
Algorithms on Strings, Trees and Sequences: Computer Science and Computational
Biology von Dan Gusfield von Cambridge University Press

Medienformen / Media types
Lecturnity Vorlesungaufzeichnungen


Modulhandbuch M.Sc. Informatik B.25 Telecommunication Systems


64
Modul / Module
B.25 Tel ecommuni cati on Systems

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. G. Schneider
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Systeme II: Rechnernetze

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester (45 h Vorlesung, 15 h bung, 120 h Eigenarbeit)

Lernziele / Educational objectives
The students understand both practically and theoretically the operation of
telecommunication networks such as: Analog Telephony, Digital Telephony - ISDN, GSM,
UMTS, LTE, VoIP. They are able to setup and analyze these networks.

Lehrinhalt / Course Content
This lecture extends the "Systeme II" introduction to computer networks by focussing on
digital telephony networks. The lecture initially provides an introduction to analog telephony
before moving on to digital networks. The second part of the lecture deals with wireless digital
telephony networks. Network structures, the layered system structure and security aspects
will be discussed. In its final part the lecture introduces Internet based telecommunication
systems like Voice over IP. Theoretical understanding will be supported by practical
exercises.

Studien- und Prfungsl ei stungen / Exam requirements
Oral or written exam, active participation

Literatur / Literature
The literature given below is relevant for most of the topics presented. More specific literature
hints are given for each lecture.
A.S. Tanenbaum: Computer Networks, 4th ed., Pearson Education International (2003)
J ames F. Kurose & Keith W. Ross: Computer Networking, Pearson/Addison Wesley
(2005)
Larry L. Peterson & Bruce S. Davie: Computer Networks, Morgan Kaufmann Publisher
(2000)
F. Halsall: Data Communications, Computer Networks and Open Systems, 4th ed.,
Addison Wesley (1995-97)
Modulhandbuch M.Sc. Informatik B.25 Telecommunication Systems


65

Medienformen / Media types
Presentation slides from lecture and exercise sheets will be available on the course website.


Modulhandbuch M.Sc. Informatik B.26 Security in Business Process
Management


66

Modul / Module
B.26 Securi ty i n Busi ness Process Management

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Dr. R. Accorsi
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
keine

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Diese Vorlesung behandelt die Grundlagen des Geschftsprozess-Managements und setzt
dies in Verbindung mit aktuellen Themen der Informationssicherheit, der Risikoanalyse und
Compliance, und des Schutzes der Privatsphre. Hierfr werden einerseits grundlegende
Verfahren zur Untersttzung der Business Process Lifecycle vorgestellt. Andererseits sollen
anhand konkreter Anwendungen und Experimente, die Bedeutung jener Mechanismen im
praktischen Umfeld beleuchtet werden.

Lehrinhalt / Course Content
Folgende Themen werden angesprochen und mit entsprechenden bungen begleitet:
1. Geschftsprozess-Management, Modellierung und Analyse mittels Petri-Netze
2. Mechanismen und Eigenschaften
3. Werkzeuge: ProM, Disco, Nitro, YAWL.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
1. Weske, M.: Business Process Management: Concepts, Languages, Architectures.
Springer, 2010.
2. van der Aalst, W. und Stahl, C.: Modeling Business Process, MIT Press, 2011.
3. Ter Hofstede, A. et al.: Modern Business Process Automation. Springer, 2007.
4. van der Aalst, W und van Hee, K.: Workflow Automation. MIT Press, 2000.
5. van der Aalst, W. (2011): Process Mining. Springer 2011.


Modulhandbuch M.Sc. Informatik B.26 Security in Business Process
Management


67
Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt, bungen sind praktisch ausgerichtet und
werden auf eigenen Laptop durchgefhrt


Modulhandbuch M.Sc. Informatik B.27 Algorithms for Radio Networks


68

Modul / Module
B.27 Al gori thms for Radi o Networks

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
(auch: Cyber-Physical
Systems)
Modulverantwortlicher:
Responsible person
Prof. C.
Schindelhauer
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Informatik II Algorithmen und Datenstrukturen, Systeme II:
Rechnernetze (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester (30 h Vorlesung, 30 h bung, 120 h Eigenarbeit)

Lernziele / Educational objectives
Die Kenntnisse knnen zur Erstellung eigener drahtloser Netzwerkprotokolle genutzt werden.
Teilnehmer knnen Sensoren drahtlos anbinden, bei denen beispielsweise nur geringe
Energieressourcen zur Verfgung stehen. Sie verstehen die Probleme von Mobil-
funknetzwerken und knnen komplexe Routing-Algorithmen entwerfen.

Lehrinhalt / Course Content
Als Drahtlose Netzwerke kennt man zellulre Netzwerke, Ad-hoc-Netzwerke, hybride Netz-
werke und drahtlose Sensor-Netzwerke. Fr diese Netzwerktypen werden Algorithmen vor-
gestellt, analysiert und bewertet. Als Zellulre Netzwerke bezeichnet man Mobilfunknetz-
werke und WLANs, bei denen die Kommunikation grundstzlich ber spezielle Hardware-
Router oder Basisstationen abgewickelt wird. Direkte Verbindungen zwischen den Endteil-
nehmern sind nicht vorgesehen. Diese Basisstationen unterteilen das Sendegebiet in Zellen.
Die Zuordnung von Funkfrequenzen zu diesen Zellen ist das Frequency-Assignment-
Problem. Fr dieses kombinatorisch schwere Problem und andere Probleme wie das Handoff
und Call-Control-Problem werden algorithmische Lsungen vorgestellt.
Ad-hoc-Netzwerke verfgen ber keine Infrastruktur. Hier knnen Endteilnehmer direkt
kommunizieren oder ber so genannte Multi-Hop-Verbindungen die Kommunikation anderer
Teilnehmer untersttzen.
Das Routing in diesen Netzwerken stellt besondere algorithmische Anforderungen. Auer
Routing-Algorithmen werden Algorithmen fr die Topologie-Kontrolle besprochen. Auch
werden Algorithmen fr Hybride Netzwerke vorgestellt, die Ad-hoc-Netzwerke mit zellulren
Algorithmen kombinieren.Mitunter werden Sensoren und Aktuatoren drahtlos vernetzt. Diese
drahtlosen Sensor-Netzwerke besitzen als Netzwerkknoten nur relativ einfache Hardware fr
die Berechnung und die Datenbertragung. Hierbei operieren die Sensorknoten in einem
engen Kommunikationsband und verfgen nur ber geringe Energieressourcen. In diesem
Bereich werden so genannte datenzentrierte Algorithmen eingesetzt, welche Sensoren und
Aktuatoren hinsichtlich ihrer Funktion und ihres Orts ansprechen und nicht bezglich ihrer
Modulhandbuch M.Sc. Informatik B.27 Algorithms for Radio Networks


69
Identitt. Auch andere spezifische Lsungen wie Datenaggregation und Geo-Caching werden
hier vorgestellt.

Studien- und Prfungsl ei stungen / Exam requirements
Mndliche Prfung (Hilfsmittel werden in der Veranstaltung bekannt gegeben)

Literatur / Literature
1. Murthy, Manoj, Ad Hoc Wireless Networks, Prentice Hall 2004.
2. Ilyas, Mahgoub, Handbook of Sensor Networks: Compact and Wired Sensing Systems,
CRC Press.
3. Agrawa, Zeng, Introduction to Wireless and Mobile Systems, Thomson, 2003.
4. Schiller, Mobile Communications, Addison-Wesley, 2000.
5. Karl, Willig, Protocols and Architectures for Wireless Sensor Networks, Wiley, 2005.
6. Zhao, Guibas, Wireless Sensor Networks An Information Processing Approach, Morgan
Kaufmann, 2004.
7. Yu, Prasanna, Krishnamachari, Information Processing and Routing in Wireless Sensor
Networks, 2006.
8. Wu, Handbook on Theoretical and Algorithmic Aspects of Sensor, Ad Hoc Wireless, and
Peer-to-Peer Networks.
9. Boukerche Handbook of Algorithms for Wireless Networking and Mobile Computing, CRC
2005.
10. Perkins, Ad Hoc Networking, Addison-Wesley, 2000.

Weitere Literaturhinweise werden in der Veranstaltung vorgestellt.

Medienformen / Media types
Vorlesungsfolien, Vorlesungsaufzeichnungen, bungsbltter


Modulhandbuch M.Sc. Informatik B.28 Machine Learning in Life
Sciences


70
Modul / Module
B.28 Machi ne Learni ng i n Li fe Sci ences

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Informationssysteme
Modulverantwortlicher:
Responsible person
Prof. R. Backofen,
F. Costa
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Vorwissen in Machine Learning sowie Grundbegriffe der
Molekularbiologie. Ein vorheriger Besuch der Vorlesung
Bioinformatik I ist sinnvoll

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
Unregelmig im
Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester (30 h Vorlesung, 30 h bung, 120 h Eigenarbeit)

Lernziele / Educational objectives
The aim of this course is to introduce the basic techniques and types of machine learning
models employed in modern molecular biology research.

Lehrinhalt / Course Content
The course will maintain a double perspective: from the biological point of view we consider
problems in the domains of genomics, proteomics, systems biology and biological literature
information mining; from the machine learning point of view, we consider questions such as
the underlying assumptions in predictive models, the quality assessment problem, the design
choices for supervised and unsupervised models.

Studien- und Prfungsl ei stungen / Exam requirements
The exam will be an oral or a written exam.

Literatur / Literature
The course material is based on influential publications both in the Machine Learning and/or
Bioinformatics literature:
P Baldi, S Brunak, Y Chauvin, C.A.F Andersen, H Nielsen, Assessing the accuracy of
prediction algorithms for classication: an overview, Bioinformatics 2000
T Fawcett, An introduction to ROC analysis, Pattern Recognition Letters 2006
T Dietterich, Approximate statistical tests for comparing supervised classication learning
algorithms, Neural Computation 1998
D J iang, C Tang, A Zhang, Cluster analysis for gene expression data: A survey, IEEE
transactions on knowledge and data engineering 2004
S.C Madeira, A.L Oliveira, Biclustering algorithms for biological data analysis: a survey,
IEEE Transactions on computational Biology and Bioinformatics 2004
Modulhandbuch M.Sc. Informatik B.28 Machine Learning in Life
Sciences


71
A Krause, J Stoye, Large scale hierarchical clustering of protein sequences, BMC
bioinformatics 2005
P Baldi, G Pollastri, The principled design of large-scale recursive neural network
architectures-dag-rnns and the protein structure prediction problem, The J ournal of
Machine Learning Research 2003
C Leslie, E Eskin, W Noble, The spectrum kernel: A string kernel for SVM protein
classication,Pacic Symposium on Biocomputing 2002
X.W. Chen, Prediction of protein-protein interactions using random decision forest
framework, Bioinformatics 2005

Medienformen / Media types
Slide presentation in the lecture. Slides and exercise sheets will be posted on the course
website.


Modulhandbuch M.Sc. Informatik B.28 Computer Vision I


72

Ver t i ef ungsgebi et Kogni t i ve t echni sche Syst eme

Modul / Module
B.28 Computer Vi si on I

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Brox
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
KV: Bildverarbeitung und Computergraphik (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Students learn about some of the typical problems and methodologies in computer vision.
After the course, they should be capable to read the current literature and understand
standard concepts used in computer vision research. Moreover, they should be able to
implement the techniques discussed in the lectures and to adapt them to their needs, if
necessary.

Lehrinhalt / Course Content
The course presents some of the typical computer vision tasks and current solutions. This
includes various image enhancement methods like nonlinear diffusion and deblurring. The
main focus is on various segmentation techniques and motion estimation in video sequences.
Further topics will be covered by the successive course Computer Vision II in the summer
semester. The exercises mainly consist of programming assignments and help to get a
deeper insight in the discussed methods. The most relevant techniques will be implemented
in C++and leave the students with a useful toolbox at the end of the course.

Studien- und Prfungsl ei stungen / Exam requirements
Programming assignments, oral or written exam

Literatur / Literature
Is provided in each class


Modulhandbuch M.Sc. Informatik B.28 Computer Vision I


73

Medienformen / Media types
Powerpoint slides, programming in C/C++


Modulhandbuch M.Sc. Informatik B.29 Introduction to Mobile Robotics
(Mobile Robotics I)


74
Modul / Module
B.29 Introducti on to Mobi l e Roboti cs (Mobi l e Roboti cs I)

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Dr. Burgard
PD Dr. Stachniss
Prof. Dr. Bennewitz
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstliche Intelligenz (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
jedes Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden sollen grundlegende Konzepte der mobilen Robotik beherrschen. Sie
sollen in der Lage sein, Eigenschaften von Antrieben und Sensoren zu charakterisieren.
Darber hinaus sollen sie die mathematischen Grundlagen von Schtzverfahren beherrschen
und verschiedene Implementierungen rekursiver Bayesscher Filter kennen und anwenden
knnen. Zu diesen Implementierungen zhlen der diskrete Filter, der Kalman Filter und der
Partikel-Filter. Des Weiteren sollen die Studierenden die Anwendungen dieser Verfahren fr
verschiedene Schtzprobleme in der mobilen Robotik verstehen. Schlielich, sollen die
Studierenden grundlegende Navigationsverfahren fr die Lokalisierung, die Kartierung,
Pfadplanung, Kollisionsvermeidung und Dateninterpretation beherrschen.

Lehrinhalt / Course Content
In der Vorlesung werden vorgestellt: Antriebe und Sensorik fr mobile Roboter sowie deren
mathematische Charakterisierung, rekursives Bayessches Filtern, Kalman Filter, Partikel-
Filter, diskrete Filter, probabilistische Lokalisierung, Kartierung, SLAM, Pfadplanung,
Kollisionsvermeidung, und Sensorinterpretation.

Studien- und Prfungsl ei stungen / Exam requirements
Der Leistungsnachweis zur Vorlesung soll in Form einer mndlichen Prfung erbracht
werden.

Literatur / Literature
Thrun, Burgard, Fox: Probabilistic Robotics, MIT Press 2005.


Modulhandbuch M.Sc. Informatik B.29 Introduction to Mobile Robotics
(Mobile Robotics I)


75

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt. Eine Aufzeichnung der Vorlesung ist vorhanden
und wird ber die Internetseite der Veranstaltung bereitgestellt.


Modulhandbuch M.Sc. Informatik B.30 Maschinelles Lernen


76
Modul / Module
B.30 Maschi nel l es Lernen

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme (auch
Informationssysteme)
Modulverantwortlicher:
Responsible person
Prof. Riedmiller
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstlichen Intelligenz (empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Verstndnis der grundlegenden Konzepte des maschinellen Lernens, Fhigkeit des Denkens
auf unterschiedlichen Abstraktionsebenen, Kenntnis in exemplarischen Umsetzungen von
Lernalgorithmen, Fhigkeit zum selbstndigen Erkennen von Zusammenhngen der
vorgestellten Konzepte.

Lehrinhalt / Course Content
Charakterisierung der Lerntypen berwachtes, unberwachtes und optimierendes Lernen,
Konzeptlernen, Entscheidungsbume, neuronale Netze, probabilistische Konzepte,
Komiteeverfahren, optimierendes Lernen.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Mitchell: Machine Learning

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.31 Optimierendes Lernen
(Reinforcement Learning)


77
Modul / Module
B.31 Opti mi erendes Lernen (Rei nforcement Learni ng)

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Riedmiller
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstlichen Intelligenz, Maschinelles Lernen
(empfohlen)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
(Mindestens) jedes
zweite Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Verstndnis der grundlegenden Konzepte des optimierenden Lernens, Fhigkeit des
Denkens auf unterschiedlichen Abstraktionsebenen, Kenntnis in exemplarischen
Umsetzungen von Lernalgorithmen, Fhigkeit zum selbstndigen Erkennen von
Zusammenhngen der vorgestellten Konzepte, Kenntnisse in der praktischen Anwendung.

Lehrinhalt / Course Content
Die Vorlesung behandelt eine wichtige Klasse maschineller Lernverfahren, das optimierende
Lernen oder engl. Reinforcement Lernen. Ausgehend von der Problemdefinition im Rahmen
Markovscher Entscheidungsprobleme werden diverse Lsungsanstze vorgestellt und
eingehend diskutiert. Der Bezug zu praxisrelevanten Problemstellungen wird an vielen
Beispielen im Rahmen der Vorlesung hergestellt.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Sutton, Barto: Reinforcement Learning An Introduction
Bertsekas: Neuro Dynamic Programming.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.32 AI Planning / Handlungsplanung


78
Modul / Module
B.32 AI Pl anni ng / Handl ungspl anung

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme (auch
Informationssysteme)
Modulverantwortlicher:
Responsible person
Prof. B. Nebel
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstlichen Intelligenz (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Alle 2 J ahre im SoSe
(im Wechsel mit Game
Theory)
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studenten werden mit der Theorie und den grundlegenden Algorithmen der
Handlungsplanung so weit vertraut, dass sie in der Lage sind, aktuelle Forschungsarbeiten
auf dem Gebiet der Handlungsplanung zu verstehen und einzuordnen sowie an der
Forschung auf diesem Gebiet mitzuwirken.

Lehrinhalt / Course Content
Die Vorlesung bietet eine detaillierte Einfhrung in die theoretischen und algorithmischen
Grundlagen moderner Systeme zur klassischen Handlungsplanung. Im Detail behandelt
werden:
Formalisierung des Planungsproblems
Planen als Suche; Progression und Regression
Suboptimales heuristisches Planen mit Relaxierungsheuristiken
Optimales heuristisches Planen mit Abstraktionsheuristiken
Nichtdeterministisches und probabilistisches Planen
Theoretische Komplexitt des Planens
Ferner wird voraussichtlich noch mindestens eines der folgenden Themen behandelt:
Berechnung und Verwendung von Invarianten
Optimales Planen als Modellprfung mit binren Entscheidungsdiagrammen (BDDs)
Planen als Erfllbarkeitsproblem

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.


Modulhandbuch M.Sc. Informatik B.32 AI Planning / Handlungsplanung


79

Literatur / Literature
Russell, Norvig: Artificial Intelligence: A Modern Approach. Prentice Hall, 2003.
Nau, Ghallab, Traverso: Automated Planning: Theory and Practice. Morgan Kaufmann,
2004.
Rintanen: Introduction to Automated Planning. Lecture Notes for the SS 2005 course.
Albert-Ludwigs-Universitt-Freiburg, 2005.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.33 Game Theory / Spieltheorie


80
Modul / Module
B.33 Game Theory / Spi el theori e

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme (auch
Informationssysteme)
Modulverantwortlicher:
Responsible person
Prof. Nebel
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
keine

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Alle 2 J ahre im SoSe
(im Wechsel mit AI
Planning)
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Nach Besuch der Vorlesung sollte der Student oder die Studentin in der Lage sein, einfache
strategische Entscheidungssituationen spieltheoretisch zu modellieren und im Hinblick auf
Gleichgewichte (Nash-Gleichgewichte, teilspielperfekte Gleichgewichte etc.) zu untersuchen.
Ferner sollten die Studierenden einfache Mechanismen benutzen knnen.

Lehrinhalt / Course Content
Gegenstand der Spieltheorie ist das Fllen von rationalen Entscheidungen zur Verwirklichung
der eigenen Ziele. Insbesondere geht es dabei um Wechselwirkungen und Konflikte
zwischen den Zielen der verschiedenen Spieler, also um die Frage, in welcher Weise das
Wissen um die Ziele der anderen Spieler die eigenen Verhaltensweisen beeinflusst. In der
Vorlesung werden strategische und extensive Spiele untersucht und es werden
Formalisierungen und Lsungskonzepte sowie Algorithmen zum Berechnen von Lsungen
vorgestellt.
Auerdem befasst sich die Vorlesung mit dem Problem des Mechanismenentwurfs, also der
Frage, wie ein soziales System beschaffen sein sollte, damit alle Teilnehmer einen Anreiz
haben, das Gemeinwohl zu frdern.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Osborne, Rubinstein, A Course in Game Theory, The MIT Press, Cambridge, MA, 1994.
Nisan, Roughgarden, Tardos, Vazirani (Hrsg.), Algorithmic Game Theory, Cambridge
University Press, 2007.
Modulhandbuch M.Sc. Informatik B.33 Game Theory / Spieltheorie


81

Medienformen / Media types
Tafelvorlesung, Skript und bungsbltter werden auf der Internetseite der Veranstaltung
bereitgestellt


Modulhandbuch M.Sc. Informatik B.34 Knowledge Representation /
Prinzipien der Wissensreprsentation


82
Modul / Module
B.34 Knowl edge Representati on / Pri nzi pi en der
Wi ssensreprsentati on

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme (auch
Informationssysteme)
Modulverantwortlicher:
Responsible person
Prof. Nebel
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstlichen Intelligenz (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Alle 2 J ahre im WiSe
(im Wechsel mit
Constraint Satisfaction
Problems)
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Nach Besuch der Vorlesung sollte der Student oder die Studentin in der Lage sein, gngige
Wissensreprsentationsformalismen anzuwenden, weiter zu entwickeln und den Aufwand fr
Inferenzservices abzuschtzen. Speziell sollen die Studierenden in die Lage versetzt werden,
aktuelle Forschungsliteratur zu dem Thema zu verstehen.

Lehrinhalt / Course Content
Die Vorlesung bietet eine Einfhrung in logikbasierte Wissensreprsentationsformalismen.
Dabei werden die folgenden Themen behandelt:
Logische Grundlagen: Aussagenlogik und Prdikatenlogik
Komplexittstheoretische Grundlagen
Modallogiken: Systeme und Beweisverfahren
Nicht-monotone Logiken
Beschreibungslogiken und das semantische Web
Qualitatives rumliches und zeitliches Schlieen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
R. J . Brachman and Hector J . Levesque, Knowledge Representation and Reasoning,
Morgan Kaufman, 2004.

Modulhandbuch M.Sc. Informatik B.34 Knowledge Representation /
Prinzipien der Wissensreprsentation


83
Medienformen / Media types
Beamervortrag und Tafelanschrift in der Vorlesung, Vortragsfolien und bungsbltter werden
auf der Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.35 Constraint-Satisfaction-
Probleme


84
Modul / Module
B.35 Constrai nt-Sati sfacti on-Probl eme

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme (auch Cyber-
Physical Systems und
Informationssysteme)
Modulverantwortlicher:
Responsible person
Prof. Nebel
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstlichen Intelligenz (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Alle 2 J ahre im WiSe
(im Wechsel mit
Knowledge
Representation)
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studenten sind mit der Theorie und den grundlegenden Algorithmen auf dem Gebiet der
Constraint-Satisfaction-Probleme vertraut. Die Studierenden sind dazu befhigt, aktuelle
Forschungsarbeiten auf diesem Gebiet zu verstehen und einzuordnen sowie an der
Forschung auf diesem Gebiet mitzuwirken.

Lehrinhalt / Course Content
Die Vorlesung bietet eine ausfhrliche Einfhrung in das Gebiet der Constraint-Satisfaction-
Probleme. Dabei werden sowohl theoretische als auch algorithmische Fragestellungen
untersucht. Im Einzelnen werden folgende Themen behandelt:
Grundlagen und Einfhrung: Mengen, Relationen, Graphen, Constraint-Netze und
Erfllbarkeit
Inferenzbasierte Methoden: Kanten- und Pfadkonsistenz, n-Konsistenz und globale
Konsistenz
Suchmethoden: Backtracking, Backjumping, Vergleich verschiedener Verfahren,
stochastische lokale Suche
Constraint-Optimierungs-Probleme
Ausdrucksstrke und Komplexitt von Constraint-Sprachen
Constraint-Netze ber infiniten Domnen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.


Modulhandbuch M.Sc. Informatik B.35 Constraint-Satisfaction-
Probleme


85
Literatur / Literature
Russell, Norvig, Artificial Intelligence: A Modern Approach. Prentice Hall, 2003, 3ed.
2009.
Dechter, Constraint Processing, Morgan Kaufmann, 2003.
Rossi, van Beek, Walsh, Handbook of Constraint Programming, Elsevier, 2006.

Medienformen / Media types
Beamervortrag und Tafelanschrift in der Vorlesung, Vortragsfolien und bungsbltter werden
auf der Internetseite der Veranstaltung bereitgestellt

Modulhandbuch M.Sc. Informatik B.36 Modal Logic / Modallogik


86
Modul / Module
B.36 Modal Logi c / Modal l ogi k

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme (auch Cyber-
Physical Systems)
Modulverantwortlicher:
Responsible person
Prof. Nebel
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Grundlagen der Knstlichen Intelligenz (empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
3 V +1
Turnus:
Regular cycle
Unregelmig etwa alle
4 Semester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studenten sind mit der Theorie und den grundlegenden Algorithmen auf dem Gebiet der
Modallogik vertraut. Studierende sind dazu befhigt, aktuelle Forschungsarbeiten auf diesem
Gebiet zu verstehen, in den wissenschaftlichen Kontext einzuordnen und an aktuellen
Forschungsarbeiten mitzuwirken.

Lehrinhalt / Course Content
Die Vorlesung bietet eine eingehende Einfhrung in die Modallogik und eng verwandte
Logiken, wobei sowohl theoretische als auch algorithmische Fragestellungen besprochen
und ausgewhlte Anwendungen dieser Logiken aufgezeigt werden. Insbesondere werden
folgende Themenbereiche behandelt:
Uni- und multi-modale Logiken
Ausdrucksstrke von Modallogiken
Entscheidbarkeit und Komplexitt
Tableaux-Verfahren
Epistemische und temporale Logiken
Dynamische Logiken
Beschreibungslogiken

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.


Modulhandbuch M.Sc. Informatik B.36 Modal Logic / Modallogik


87

Literatur / Literature
P. Blackburn, M. de Rijke, and Y. Venema: Modal Logic, Cambridge University Press,
2001
F. Baader, D. Calvenese, D. McGuinness, D. Nardi, and P. Patel-Schneider: The
Description Logic Handbook: Theory, Implementation and Applications, Cambridge
University Press, 2003.

Medienformen / Media types
Tafelanschrift in der Vorlesung, Vorlesungsskript und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.37 Robot Mapping


88
Modul / Module
B.37 Robot Mappi ng

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
PD Dr. Stachniss
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
No formal preconditions. It can advantageous to have attended
Introduction to Mobile Robotics

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
The students should be able to understand, characterize, and implement different approach
to robot mapping and the simultaneous localization and mapping problem. This includes
parametric and non-parametric filters, optimization-based approaches as well as techniques
for addressing data association problems. The students will get practical experience with
mapping systems and implement the basic methods.

Lehrinhalt / Course Content
The lecture will cover different topics and techniques in the context of environment modeling
with mobile robots. This includes techniques such as the family of Kalman filters, information
filters, particle filters, graph-based approaches, least-squares error minimization, techniques
for place recognition and appearance-based mapping, data association as well as
information-driven approaches for observation processing. The exercises and homework
assignments will also cover practical hands-on experience with mapping techniques, as basic
implementations will be part of the homework assignments.

Studien- und Prfungsl ei stungen / Exam requirements
The exam will be an oral or a written exam.

Literatur / Literature
Thrun et al., Probabilistic Robotics, MIT Press, 2005
Springer Handbook on Robotics, Chapter on Simultaneous Localization and Mapping
Grisetti et al., A Tutorial on Graph-based SLAM, 2009
Cummins and Newman, Highly Scalable Appearance-Only SLAM, 2009.
Further material will be available via the course website

Modulhandbuch M.Sc. Informatik B.37 Robot Mapping


89
Medienformen / Media types
The recordings, slides, and homework assignments will be made available via the course
website.
The lecture will be given in English.


Modulhandbuch M.Sc. Informatik B.38 Statistische Mustererkennung /
Statistical Pattern Recognition


90
Modul / Module
B.38 Stati sti sche Mustererkennung / Stati sti cal Pattern
Recogni ti on

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Brox
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
keine

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Den Studierenden werden die relevantesten Techniken der Mustererkennung vermittelt. Sie
sollen in die Lage versetzt werden, aktuelle Literatur zu verstehen und entsprechende
Techniken anzuwenden um Mustererkennungsprobleme in verschiedenen Anwendungs-
bereichen zu lsen.

Lehrinhalt / Course Content
Die Vorlesung fhrt zunchst in die grundlegende Problematik der Mustererkennung ein und
vermittelt die wichtigsten Begriffe probabilistischer Analysemethoden. Es werden dann
verschiedene Verfahren zur Klassifikation, Regression, und zum Clustering vorgestellt. Diese
umfassen unter anderem Techniken wie Supportvektormaschinen, Gausche Prozesse,
nichtparameterische Verfahren zur Dichteschtzung, und EM. Desweiteren werden lineare
und nichtlineare Projektionsmethoden sowie Techniken zur Inferenz auf Graphen
besprochen. Selbststndig zu lsende bungsaufgaben dienen dazu, den Stoff praktisch zu
vertiefen.

Studien- und Prfungsl ei stungen / Exam requirements
Programmieraufgaben, mndliche Prfung im Prfungszeitraum.

Literatur / Literature
Christopher Bishop: Pattern Recognition and Machine Learning, Springer, 2006.

Medienformen / Media types
Powerpointfolien, Programmierung in C/C++
Modulhandbuch M.Sc. Informatik B.39 Computer Vision II


91
Modul / Module
B.39 Computer Vi si on II

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Brox
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Bildverarbeitung und Computergraphik, Computer Vision I
(empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
4 oder 6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Students learn about the typical problems and methodologies in computer vision not covered
in the course Computer Vision I. After the course, they should be capable to read the current
literature and understand almost all of the standard concepts currently used in computer
vision research. They should be able to implement the techniques discussed in the lectures
and to adapt them to their needs, if necessary.

Lehrinhalt / Course Content
The course continues the course Computer Vision I. It presents the typical computer vision
tasks not covered in the previous course. This includes point and object tracking, 3D
geometry and reconstruction of 3D scenes from stereo images or videos, as well as object
recognition. The exercises mainly consist of programming assignments and help to get a
deeper insight in the discussed methods. Some of the most relevant techniques will be
implemented in C++and leave the students with a useful toolbox at the end of the course.

Studien- und Prfungsl ei stungen / Exam requirements
4 ECTS-points: Oral or written exam
6 ECTS-points: Programming assignments, oral exam, completion and presentation of a
project work required to obtain 6 ECTS points

Literatur / Literature
Is provided in each class

Medienformen / Media types
Powerpoint slides, programming in C/C++
Modulhandbuch M.Sc. Informatik B.40 Simulation in der
Computergraphik / Simulation in Computer Graphic


92

Modul / Module
B.40 Si mul ati on i n der Computergraphi k / Si mul ati on i n Computer
Graphi c

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Teschner
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Bildverarbeitung und Computergraphik (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
180 h/Semester (30 h Vorlesung, 30 h bung, 120 h Eigenarbeit)

Lernziele / Educational objectives
Interaktive dynamische Simulation von Starrkrpern, verformbaren Objekten und
Flssigkeiten. Kollisionsbehandlung fr Simulationsumgebungen mit mehreren Objekten.

Lehrinhalt / Course Content
Dynamik von Massepunktsystemen, Starrkrpern und Flssigkeiten
Kollisionsdetektion: Hierarchien von Begrenzungsvolumina, Raumunterteilung,
bildbasiert, Berechnung und Schtzung von Eindringtiefen bzw. Abstnden
Kollisionsbehandlung
Numerische Integrationsverfahren
Numerische Methoden fr lineare Gleichungssysteme

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.


Modulhandbuch M.Sc. Informatik B.40 Simulation in der
Computergraphik / Simulation in Computer Graphic


93

Literatur / Literature
Eberly: Game Physics. Elsevier Amsterdam, ISBN 1-55860-740-4, 2003.
van den Bergen: Collision Detection in Interactive 3D Environments. Elsevier Amsterdam,
ISBN 1-55860-801-X, 2004.
Anderson: Computational Fluid Dynamics The Basics with Applications. McGraw-Hill
Inc., New York, ISBN 0-07-001685-2
J effrey: Applied Partial Differential Equations An Introduction. Academic Press,
Amsterdam, ISBN 0-12-382252-1
Schwarz: Numerische Mathematik. B. G. Teubner Stuttgart, ISBN 3-519-32960-3, 1997.
Hanke-Bourgeois: Grundlagen der Numerischen Mathematik und des Wissenschaftlichen
Rechnens. B. G. Teubner Stuttgart, ISBN 3-519-00356-2, 2002.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.41 Advanced Computer Graphics /
Fortgeschrittene Computergraphik


94
Modul / Module
B.41 Advanced Computer Graphi cs / Fortgeschri ttene
Computergraphi k

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
Prof. Teschner
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Programmierkenntnisse, grundlegende Algorithmen und
Datenstrukturen, Lineare Algebra und Analysis, Bildverarbeitung
und Computergraphik (empfohlen)

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
2 V +2
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Studierenden erhalten einen vertieften Einblick in Themen der generativen
Computergraphik. Sie lernen vielschichtige Fragestellungen verschiedener Komponenten von
Raytracing-Techniken zur Bildgenerierung kennen und werden in die Lage versetzt,
Lsungsanstze zu diesen Fragestellungen zu verstehen und alternative
Lsungsmglichkeiten zu gleichen Aspekten vergleichend zu analysieren.

Lehrinhalt / Course Content
Die Vorlesung gibt einen berblick zu Komponenten von Raytracing-Techniken. Dabei
umfassen die Lehrinhalte unter anderem eine Einfhrung in photometrische Gren,
rumliche Datenstrukturen zur effizienten Bestimmung von Strahl-Objekt-Schnitten,
bidirektionale Reflektanzverteilungsfunktionen zur Beschreibung von Materialien sowie
approximative Anstze (beispielsweise Monte-Carlo-Techniken) zum Lsen der
Rendergleichung als Basis verschiedener globaler Beleuchtungsverfahren.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.


Modulhandbuch M.Sc. Informatik B.41 Advanced Computer Graphics /
Fortgeschrittene Computergraphik


95

Literatur / Literature
Dutre, Bala, Bekaert: Advanced Global Illumination, A K Peters, 2006.
Pharr, Humphreys: Physically Based Rendering, Elsevier, 2010.
Shirley, Keith Morley: Realistic Ray Tracing, A K Peters, 2003.
Suffern: Ray Tracing From The Ground Up, A K Peters, 2007.
Foley, vanDam, Feiner, Hughes: Computer Graphics - Principles and Practice -, Addison
Wesley, ISBN 0-201-84840-6
Tomas Moller and Eric Haines: Real-Time Rendering, A. K. Peters Limited, 1999, ISBN 1-
56881-182-9
David F. Rogers: Procedural Elements for Computer Graphics, McGraw-Hill, 1998, ISBN
0-07-053548-5
OpenGL Programming Guide, Second Edition, Addison-Wesley, 1997, ISBN 0-201-
461138-2

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt


Modulhandbuch M.Sc. Informatik B.42 3D Image Analysis


96
Modul / Module
B.42 3D Image Anal ysi s

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Kognitive technische
Systeme
Modulverantwortlicher:
Responsible person
J unior-Prof. O.
Ronneberger
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
English
Voraussetzungen:
Preconditions
Key course (Kursvorlesung) Image Processing and Computer
Graphics, Programming skills (preferably in C++) (recommended)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
4
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
180 h/Semester (30 h Vorlesung, 30 h bung, 120 h Eigenarbeit)

Lernziele / Educational objectives
The students understand the basic concepts for analysis of 3D volumetric data sets, with
focus on registration and feature extraction. They have an overview over existing state-of-the-
art methods. They apply these concepts to solve tasks in biomedical applications.

Lehrinhalt / Course Content
This course will introduce the basic concepts and techniques that are used in analysis of 3D
images (volumetric data sets). The focus will be on data sets that are recorded in the
biomedical research. The exercises will focus on practical applications of the concepts,
efficient 3D data handling and processing in C++, common libraries and tools in this area.
The students are expected to write small programs that solve given 3D image analysis tasks.

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung wird in Form einer mndlichen Prfung oder schriftl. Klausur erbracht.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.

Medienformen / Media types
Beamervortrag in der Vorlesung, Vortragsfolien und bungsbltter werden auf der
Internetseite der Veranstaltung bereitgestellt.


Modulhandbuch M.Sc. Informatik B.43 Numerik


97
Numer i k

Modul / Module
B.43 Numeri k

Teilmodul/Veranstaltung:
Module part
Numerik Teil I

Fachbereich:
Department
Mathematik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. Dziuk,
Prof. Krner,
Prof. Ruzicka
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
deutsch
Voraussetzungen:
Preconditions
Grundvorlesungen: Lineare Algebra I und II, Analysis I
(Analysis I kann gleichzeitig gehrt werden)

Semester lt Studienplan:
Term
1 oder 2
ECTS-Punkte:
ECTS-points
4
SWS:
Semester week hours
2 V +1
Turnus:
Regular cycle
J edes Wintersemester
Arbeitsaufwand:
Workload
45 h Vorlesung und bung, 80 h Selbststudium

Lernziele / Educational objectives
Erlernen der grundlegenden Methoden der Numerik.
Vertrautheit mit den klassischen Algorithmen und numerischen Verfahren und deren
Implementierung auf Rechnern.

Lehrinhalt / Course Content
Grundlagen: Zahlendarstellung auf digitalen Rechnern, Matrixnormen, Banachscher
Fixpunktsatz.
Numerische Lsung linearer Gleichungssysteme: Gau-Verfahren mit Pivotierung, LR-
Zerlegung, J acobi-Verfahren, Gau-Seidel-Verfahren.
Berechnung von Eigenwerten: Vektor-Iteration, LR- und QR-Verfahren.
Lineare Optimierung: Austauschsatz und Simplexverfahren.

Studien- und Prfungsl ei stungen / Exam requirements
Bei der Numerik Teil I handelt es sich um eine Studienleistung.
Die Klausur erfolgt ber beide Teile der Numerik Vorlesung (Numerik I im Wintersemester,
Numerik II im Sommersemester)


Modulhandbuch M.Sc. Informatik B.43 Numerik


98

Literatur / Literature
Literaturhinweise zur Vorlesung werden whrend der Veranstaltung gegeben; je nach Dozent
ist ein Skript verfgbar.
Skripte und bungsbltter sind in der Regel online erhltlich, Webseiten zu Vorlesung/bung
sind ber die Homepage des Dozenten oder Assistenten oder das elektronische
Vorlesungsverzeichnis verlinkt.
Standardliteratur:
J . Stoer, R. Bulirsch: Numerische Mathematik I und II, Springer 2007 und 2005.
P. Deuflhard, A. Hohmann/F. Bornemann: Numerische Mathematik I und II, De Gruyter
2003 und 2002.
G. Hmmerlin, K.-H. Homann: Numerische Mathematik, Springer 1990.

Weitere Informationen / Further information
Der gleichzeitige Besuch der Pflichtveranstaltung Praktische bung zur Numerik wird
angeraten.

Modulhandbuch M.Sc. Informatik B.43 Numerik


99
Teilmodul/Veranstaltung:
Module part
Numerik Teil II

Fachbereich:
Department
Mathematik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Prof. Dziuk,
Prof. Krner,
Prof. Ruzicka
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Vorlesung mit
bung
Sprache:
Language
deutsch
Voraussetzungen:
Preconditions
keine

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
4
SWS:
Semester week hours
2 V +1
Turnus:
Regular cycle
J edes
Sommersemester
Arbeitsaufwand:
Workload
45 h Vorlesung und bung, 80 h Selbststudium

Lernziele / Educational objectives
Erlernen der grundlegenden Methoden der Numerik.
Vertrautheit mit den klassischen Algorithmen und numerischen Verfahren und deren
Implementierung auf Rechnern.

Lehrinhalt / Course Content
Numerische Lsung nichtlinearer Gleichungssysteme:
Eindimensionale Verfahren, Newton-Verfahren, Gradientenverfahren.
Approximation und Interpolation: Lagrange-Interpolation, Newton-Interpolation, Spline-
Interpolation, Schnelle Fouriertransformation.
Numerische Integration.

Studien- und Prfungsl ei stungen / Exam requirements
Bei der Numerik Teil II handelt es sich um eine Studienleistung.
Die Klausur erfolgt ber beide Teile der Numerik Vorlesung (Numerik I im Wintersemester,
Numerik II im Sommersemester)

Literatur / Literature
Literaturhinweise zur Vorlesung werden whrend der Veranstaltung gegeben; je nach Dozent
ist ein Skript verfgbar.
Skripte und bungsbltter sind in der Regel online erhltlich, Webseiten zu Vorlesung/bung
sind ber die Homepage des Dozenten oder Assistenten oder das elektronische
Vorlesungsverzeichnis verlinkt.
Standardliteratur:
J . Stoer, R. Bulirsch: Numerische Mathematik I und II, Springer 2007 und 2005.
P. Deuflhard, A. Hohmann/F. Bornemann: Numerische Mathematik I und II, De Gruyter
2003 und 2002.
G. Hmmerlin, K.-H. Homann: Numerische Mathematik, Springer 1990.

Modulhandbuch M.Sc. Informatik B.43 Numerik


100

Weitere Informationen / Further information
Der gleichzeitige Besuch der Pflichtveranstaltung Praktische bung zur Numerik wird
angeraten.


Modulhandbuch M.Sc. Informatik B. Seminar


101
Modul / Module
B. Semi nar

Teilmodul/Veranstaltung:
Module part
Seminar
Themen aus den einzelnen Arbeitsbereichen

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Alle Vertiefungsgebiete
und Arbeitsbereiche am
Institut fr Informatik
Modulverantwortlicher:
Responsible person
Dozenten der
Informatik
Modultyp:
Module Type
Pflichtbereich
Lehrveranstaltungstyp:
Type of course
Seminar
Sprache:
Language
deutsch oder englisch
Voraussetzungen:
Preconditions
Programmierung, Algorithmen und Datenstrukturen,
Betriebssysteme (empfohlen)

Semester lt Studienplan:
Term
1, 2 oder 3
ECTS-Punkte:
ECTS-points
4
SWS:
Semester week hours
2 S
Turnus:
Regular cycle
J edes Semester
Arbeitsaufwand:
Workload
120 h/Semester

Lernziele / Educational objectives
Das Seminar bietet den Studierenden die Mglichkeit sich in ein spezielles Themengebiet der
Informatik tiefer einzuarbeiten. Die Studierenden sollen lernen, eigenstndig
wissenschaftliche Literatur effektiv zu recherchieren und zu strukturieren. Die Studierenden
sollen lernen, im Rahmen einer Ausarbeitung kurze wissenschaftliche Texte zu schreiben
und/oder ihre Arbeiten im Vortrag zu prsentieren.
Darber hinaus wird redliches wissenschaftliches Verhalten vermittelt.

Lehrinhalt / Course Content
Spezielle Themen aus den einzelnen Arbeitsbereichen
Themenbergreifend: richtiges Zitieren, Literaturverweise, Dokumentieren von Ergebnissen,
Vermeidung von Fehlverhalten (Plagiate, Falschangaben etc.)

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfung besteht aus einer Seminarausarbeitung und einem Seminarvortrag. Als
Studienleistung wird in der Regel die aktive und regelmige Teilnahme an der
Veranstaltung verlangt.

Literatur / Literature
Spezielle Themen aus den einzelnen Arbeitsbereichen


Modulhandbuch M.Sc. Informatik B. Seminar


102

Medienformen / Media types
Beamer- oder Tafelvortrge


Modulhandbuch M.Sc. Informatik B. Praktikum


103
Modul / Module
B. Prakti kum

Teilmodul/Veranstaltung:
Module part
Praktikum
Themen aus den einzelnen Arbeitsbereichen

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Alle Vertiefungsgebiete
und Arbeitsbereiche am
Institut fr Informatik
Modulverantwortlicher:
Responsible person
Dozenten der
Informatik
Modultyp:
Module Type
Wahlpflicht
Lehrveranstaltungstyp:
Type of course
Praktikum
Sprache:
Language
deutsch oder englisch
Voraussetzungen:
Preconditions
keine

Semester lt Studienplan:
Term
2
ECTS-Punkte:
ECTS-points
6
SWS:
Semester week hours
4 h
Turnus:
Regular cycle
J edes Semester
Arbeitsaufwand:
Workload
180 h/Semester

Lernziele / Educational objectives
Die Teilnehmer lernen, Aufgaben aus unterschiedlichen Bereichen der Informatik unter
gegebenen technischen Randbedingungen zu bearbeiten, entsprechende Systeme zu
entwickeln und konstruktiv in Projekten mitzuarbeiten.
Sie erwerben die Fhigkeit, sich in neue Problemstellungen einzuarbeiten. Sie lernen, mit
modernen Entwicklungsumgebungen zu arbeiten und die allgemein akzeptierten
Qualittsstandards einzuhalten.

Lehrinhalt / Course Content
Spezielle Themen aus den einzelnen Arbeitsbereichen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung besteht aus einer Abschlussprsentation und/oder dem Anfertigen
eines Projektberichtes.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.

Medienformen / Media types
Anleitungen und Aufgaben werden auf der Internetseite des jeweiligen Lehrstuhles
bereitgestellt.
Modulhandbuch M.Sc. Informatik B. Masterprojekt


104
Modul / Module
B. Masterproj ekt

Teilmodul/Veranstaltung:
Module part
Masterprojekt
Themen aus den einzelnen Arbeitsbereichen

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Alle Vertiefungsgebiete
und Arbeitsbereiche am
Institut fr Informatik
Modulverantwortlicher:
Responsible person
Dozenten der
Informatik
Modultyp:
Module Type
Pflichtmodul
Lehrveranstaltungstyp:
Type of course
Praktikum
Sprache:
Language
deutsch oder englisch
Voraussetzungen:
Preconditions
Praktikum im passenden Fachgebiet (empfohlen)

Semester lt Studienplan:
Term
3
ECTS-Punkte:
ECTS-points
16
SWS:
Semester week hours
11 h
Turnus:
Regular cycle
J edes Semester
Arbeitsaufwand:
Workload
480 h/Semester

Lernziele / Educational objectives
Diese Veranstaltung soll dazu dienen, die Studierenden in den Forschungsbetrieb der
Lehrsthle einzubinden. Die Teilnehmer lernen, Aufgaben aus unterschiedlichen Bereichen
der Informatik unter gegebenen technischen Randbedingungen zu bearbeiten,
entsprechende Systeme zu entwickeln und konstruktiv in Projekten mitzuarbeiten.
Sie erwerben die Fhigkeit, sich in neue Problemstellungen einzuarbeiten. Sie lernen, mit
modernen Entwicklungsumgebungen zu arbeiten und die allgemein akzeptierten
Qualittsstandards einzuhalten.

Lehrinhalt / Course Content
Spezielle Themen aus den einzelnen Arbeitsbereichen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung besteht aus einer Abschlussprsentation und einem Projektbericht.

Literatur / Literature
Wird zu Beginn der Veranstaltung bekanntgegeben.

Medienformen / Media types
Anleitungen und Aufgaben werden auf der Internetseite des jeweiligen Lehrstuhles
bereitgestellt.
Modulhandbuch M.Sc. Informatik B. Masterprojekt


105





















C. Fachf r emde Wahl modul e

Modulhandbuch M.Sc. Informatik C.1 Bioinformatik


106
Modul / Module
C.1 Bi oi nformati k

Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Bioinformatik II V+ P 6 Klausur/mndl. Prfung
Bioinformatik Spezialvorlesung (*) V+ WP 6 Klausur/mndl. Prfung
Vorlesung der Biologie (**) V+ WP 6 Klausur/mndl. Prfung

(*) Im Bereich Bioinformatik Spezialvorlesung kann unter den folgenden Veranstaltungen
gewhlt werden:
RNA-Bioinformatik (6 ECTS-Punkte)
Vereinfachte Proteinmodelle (6 ECTS-Punkte)
Systembiologie theoretisch +praktisch (3 +3 ECTS-Punkte)
Molekularbiologie und Bioinformatik der RNA (3 ECTS-Punkte)
Applied Computational Biology (3 ECTS-Punkte)

(**) Im Bereich Vorlesung der Biologie kann unter Veranstaltungen der folgenden Bereiche
gewhlt werden:
Molekularbiologie und Genetik: Gene/Genom (3 ECTS-Punkte)
Entwicklungsbiologie/-genetik (3 ECTS-Punkte)
Angebot Biologie Kern (3 ECTS-Punkte)

Modulhandbuch M.Sc. Informatik C.2 Kognitionswissenschaften


107
Modul / Module
C.2 Kogni ti onswi ssenschaften

Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Angewandte Kognitionswissenschaft:
Hauptseminar
Kognitionswissenschaft I
S P 4 Referat/Hausarbeit
Hauptseminar
Kognitionswissenschaft II
S P 4 Referat/Hausarbeit
Projektseminar S P 10 Seminararbeit


Modulhandbuch M.Sc. Informatik C.3 Mathematik


108
Modul / Module
C.3 Mathemati k


Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Weiterfhrende Vorlesung I V+ WP 9 Klausur/mndl. Prfung
Weiterfhrende Vorlesung II V+ WP 9 Studienleistung

Numerik Teil 1 und Teil 2 sind von der Auswahl ausgeschlossen, ebenso die Bachelor-
Vorlesungen Lineare Algebra I und II und Analysis I und II sowie Logik und Stochastik.


Modulhandbuch M.Sc. Informatik C.4 Medizin


109
Modul / Module
C.4 Medi zi n


Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Innere Medizin fr Zahnmediziner V P 3
Erfolgreiche
Teilnahme (SL)
Allgemeine Chirurgie fr
Zahnmediziner
V P 1,5
Erfolgreiche
Teilnahme (SL)
Allgemeine Pathologie fr
Zahnmediziner
V P 3
Erfolgreiche
Teilnahme (SL)
Pathologisch-histologischer Kurs fr
Zahnmediziner
P 1,5 Mndl. Prfung (PL)
Themen der medizinischen
Informatik
S P 3
Benotetes Referat
(PL)
Ausgewhlte Themen zur
Mikrosystemtechnik in der Medizin
V P 3 Klausur (PL)
Humangenetik fr Studenten der
Molekularen Medizin
V WP 1,5
Erfolgreiche
Teilnahme (SL)
Geschichte, Theorie und Ethik der
Medizin
V WP 1,5
Erfolgreiche
Teilnahme (SL)
Mikrobiologie fr Pharmazeuten V WP 3 Klausur (PL)
Pharmakologie und Toxikologie fr
Zahnmediziner Teil 1
V+S WP 1,5
Erfolgreiche
Teilnahme (SL)

SL =Studienleistung, PL =Prfungsleistung
Modulhandbuch M.Sc. Informatik C.5 Mikrosystemtechnik


110
Modul / Module
C.5 Mi krosystemtechni k


Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Modul Circuits and Systems
Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung
Modul Materials
Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung
Modul Life Sciences:
Biomedical Engineering

Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung
Modul Life Sciences: Lab-on-a-
chip

Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung
Modul Design and Simulation
Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung
Modul MEMS Processing
Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung
Modul Sensors and Actuators
Alle angebotenen Veranstaltungen
aus dem Vorlesungsverzeichnis
V WP je 3 Klausur/mndl. Prfung

In Mikrosystemtechnik sind aus zwei Modulen jeweils Veranstaltungen im Umfang von 9
ECTS-Punkten zu belegen, so dass insgesamt Veranstaltungen im Umfang von 18 ECTS-
Punkten belegt werden.
Modulhandbuch M.Sc. Informatik C.6 Physik


111
Modul / Module
C.6 Physi k


Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Theoretische Physik I V P 6 Mndl. Prfung (P)
bungen zur Theoretische Physik I P 3
Erfolgreiche
Teilnahme (S)
Theoretische Physik II V P 6 Mndl. Prfung (P)
bungen zur Theoretische Physik II P 3
Erfolgreiche
Teilnahme (S)


Modulhandbuch M.Sc. Informatik C.7 Psychologie


112
Modul / Module
C.7 Psychol ogi e

Modul Art Pflicht ECTS Studienbegleitende
Prfungsleistung
Vorlesung Sozialpsychologie V P 4 Klausur (P)
Seminar Sozialpsychologie S WP 3 Referat/Hausarbeit (S)
Vorlesung Pdagogische
Psychologie
V P 4 Klausur (P)
Seminar Pdagogische
Psychologie
S WP 3 Referat/Hausarbeit (S)
Vorlesung Arbeits- und
Organisationspsychologie
V P 4 Klausur (P)
Seminar Arbeits- und
Organisationspsychologie
S WP 3 Referat/Hausarbeit (S)



Modulhandbuch M.Sc. Informatik C.8 Wirtschaftswissenschaften


113
Modul / Module
C.8 Wi rtschaftswi ssenschaften

Teilmodul/Veranstaltung:
Module part
BWL

Folgende Veranstaltungen knnen im 2- bis 3-semestrigen Rhythmus gewhlt werden.

Modul Art
Pflicht (P)/
Wahlpflicht (WP)
ECTS
Studienbegleitende
Prfungsleistung
Marketing und
Gesundheitsmanagement

Marketing Management
V
oder
V+
WP 4-6
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Gesundheitsmanagement I V WP 4
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Gesundheitsmanagement II
V
oder
V+
WP 4-6
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Personal und Organisation
Personal- und
Organisationstheorien
V
oder
V+
WP 4-6
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Organisation und Kontrolle
V
oder
V+
WP 4-6
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Finanzmanagement
Finanzmanagement
V
oder
V+
WP 4-6
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Unternehmensbesteuerung
Unternehmensbesteuerung
national
V
oder
V+
WP 6-8
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Unternehmensbesteuerung
international
V
oder
V+
WP 6-8
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Wirtschaftsinformatik
Electronic Markets
V
oder
V+
WP 6
Klausur, Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)

Modulhandbuch M.Sc. Informatik C.8 Wirtschaftswissenschaften


114
*Die Art der studienbegleitenden Prfungsleistungen der einzelnen Lehrveranstaltungen
werden zu Beginn des Semesters von der Prferin/von dem Prfer bekannt gegeben.

Teilmodul/Veranstaltung:
Module part
VWL

Folgende Veranstaltungen knnen im 2- bis 3-semestrigen Rhythmus gewhlt werden.

Modul Art
Pflicht (P)/
Wahlpflicht (WP)
ECTS
Studienbegleitende
Prfungsleistung
Volkswirtschaftstheorie
Advanced Microeconomics I V+ WP 6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Advanced Microeconomics II V+ WP 6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Information Economics V WP 4
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Advanced Macroeconomics I V+ WP 6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Volkswirtschaftspolitik
Foundations of Economic
Policy
V+ WP 6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Constitutional Economics V+ WP 6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Allokation und Wettbewerb
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Industriekonomie
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)

Modulhandbuch M.Sc. Informatik C.8 Wirtschaftswissenschaften


115
(De-)Regulierung
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Finanzwissenschaft
Finanzwissenschaft I
(ffentliche Ausgaben)
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Finanzwissenschaft II
(ffentliche Einnahmen)
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Wirtschaftsinformatik
Electronic Markets
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)
Computational Economics II
V
oder
V+
WP 4-6
Klausur,
Hausarbeit,
Referat, praktische
bungen,
Hausaufgaben* (P)

*Die Art der studienbegleitenden Prfungsleistungen der einzelnen Lehrveranstaltungen
werden zu Beginn des Semesters von der Prferin/von dem Prfer bekannt gegeben.

Modulhandbuch M.Sc. Informatik C.9 Interdisziplinres Projekt


116
Modul / Module
C.9 Interdi szi pl i nres Proj ekt

Wird kein fachfremdes Wahlmodul im Master Informatik belegt, so muss ein interdisziplinres
Projekt absolviert werden.
Das Angebot der interdisziplinren Projekte soll sich nach der Nachfrage der Studierenden
richten und kontinuierlich verbreitert werden. Derzeit existiert ein Angebot aus dem Fach
Mikrosystemtechnik:

Teilmodul/Veranstaltung:
Module part
Interdisziplinres Projekt fr den Fachbereich
Mikrosystemtechnik

Fachbereich:
Department
Mikrosystemtechnik
Spezialberei ch:
Special field

Modulverantwortlicher:
Responsible person
Studiendekan des
Wahlfachs
Modultyp:
Module Type
Wahlpflichtmodul
Lehrveranstaltungstyp:
Type of course
Projekt mit
begleitender
Lehrveranstaltung
oder Hausarbeit
Sprache:
Language
Deutsch oder englisch
Voraussetzungen:
Preconditions
keine

Semester lt Studienplan:
Term
2 oder 3
ECTS-Punkte:
ECTS-points
18
SWS:
Semester week hours
variabel
Turnus:
Regular cycle
J edes Semester
Arbeitsaufwand:
Workload
540 h/Semester

Lernziele / Educational objectives
Teilnehmer knnen Informatik-Methoden anwenden, um Probleme im Wahlfach
Mikrosystemtechnik zu lsen. Sie knnen dabei die wichtigen Fragestellungen mit Bezug
zum Wahlfach herauszuarbeiten und in Abstimmung mit Experten des Wahlfaches klren.
Den im Projekt erarbeiteten Lsungsweg knnen sie so aufbereiten, dass sie ihn den
Fachleuten aus dem Wahlfach prsentieren knnen, um deren Zustimmung zu erhalten.

Lehrinhalt / Course Content
Das Projekt beinhaltet eine praktische Ttigkeit im Bereich des Wahlfaches und schlgt eine
Brcke von der Informatik zum Wahlfach. Zur Durchfhrung des Projektes erforderliche
Vorkenntnissen aus dem Wahlfach werden in einer begleitenden Lehrveranstaltung aus dem
Lehrangebot des Wahlfachs vermittelt oder in einer betreuten Hausarbeit selbst erarbeitet.
Die erfolgreiche Teilnahme an der begleitenden Lehrveranstaltung, bzw. die erfolgreiche
Anfertigung der Hausarbeit ist eine Studienleistung. Die Prfungsleistung des Moduls setzt
sich aus einer Bewertung der praktischen Ttigkeit, Dokumentation und Prsentation
zusammen. Hierbei geht die Bewertung der praktischen Ttigkeit mit doppeltem Gewicht und
die Dokumentation und Prsentation mit einfachem Gewicht in die Benotung ein.
Ausnahmen hierzu legt der Prfungsausschuss auf Vorschlag des Aufgabenstellers im
Wahlfach individuell fest.

Modulhandbuch M.Sc. Informatik C.9 Interdisziplinres Projekt


117
Studien- und Prfungsl ei stungen / Exam requirements
Schriftlich und/oder mndlich

Literatur / Literature
Die Literatur ist projektspezifisch.


Modulhandbuch M.Sc. Informatik C.9 Interdisziplinres Projekt


118


























D. Mast er ar bei t

Modulhandbuch M.Sc. Informatik D.1. Masterarbeit


119

Modul / Module
D.1. Masterarbei t

Teilmodul/Veranstaltung:
Module part
Masterarbeit und ihre Prsentation

Fachbereich:
Department
Informatik
Spezialberei ch:
Special field
Alle Vertiefungsgebiete
und Forschungsgebiete
am Institut fr
Informatik
Modulverantwortlicher:
Responsible person
Dozenten der
Informatik
Modultyp:
Module Type
Pflichtmodul
Lehrveranstaltungstyp:
Type of course

Sprache:
Language
deutsch oder englisch
Voraussetzungen:
Preconditions
135 erreichte ECTS-Punkte (Pflicht)
Spezialvorlesungen aus dem Gebiet der Masterarbeit (empfohlen)

Semester lt Studienplan:
Term
4
ECTS-Punkte:
ECTS-points
30
SWS:
Semester week hours

Turnus:
Regular cycle
J edes Semester
Arbeitsaufwand:
Workload
900 h/Semester

Lernziele / Educational objectives
In der Masterarbeit bearbeiten die Studierenden selbstndig ein Thema der Informatik. Fr
ihr Problem fhren sie eine Literaturrecherche nach wissenschaftlichen Quellen durch. Die
Studierenden whlen dazu geeignete wissenschaftliche Verfahren und Methoden aus und
setzen sie ein, passen sie an bzw. entwickeln sie. Die erarbeiteten Ergebnisse werden
kritisch mit dem Stand der Forschung verglichen und evaluiert. Die Studierenden stellen ihre
Ergebnisse klar und in akademisch angemessener Form in ihrer Arbeit dar.

Lehrinhalt / Course Content
Spezielle Themen aus den einzelnen Arbeitsbereichen

Studien- und Prfungsl ei stungen / Exam requirements
Die Prfungsleistung besteht aus der Anfertigung der Masterarbeit sowie ihrer Prsentation.