Modulhandbuch
Informatik Master (Master of Science (M.Sc.))
SPO 2015
Wintersemester 2024/25
Stand 19.09.2024
KIT-Fakultät für Informatik
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu

Studienplan – Einführung

Der Studienplan definiert über die abstrakten Regelungen der Prüfungsordnung hinausgehende Details des Master-Studiengangs Informatik am Karlsruher Institut für Technologie (KIT). Um Studienanfängerinnen und -anfängern wie auch bereits Studierenden die Studienplanung zu erleichtern, dient der Studienplan als Empfehlung, um das Studium optimal zu strukturieren. So können u. a. persönliche Fähigkeiten der Studierenden in Form von Wahlpflichtfächern, Ergänzungsfächern wie auch Schlüssel- und überfachliche Qualifikationen von Anfang an berücksichtigt werden und Pflichtveranstaltungen, abgestimmt auf deren Turnus (WS/SS), in den individuellen Studienplan von Beginn an aufgenommen werden.

Studiengangs- und Qualifikationsprofil

Im Masterstudium Informatik werden die im Bachelorstudium erworbenen wissenschaftlichen Qualifikationen weiter vertieft und ergänzt; die Studierenden erwerben die Befähigung zur wissenschaftlichen Arbeit. Der Studiengang zeichnet sich durch eine große Vielfalt des Lehrangebots aus. Er verbindet eine fundierte und zugleich breit angelegte Ausbildung mit einer Spezialisierung in mindestens zwei der vielen Gebiete der Informatik (z.B. Theoretische Informatik, Algorithmentechnik, Systemarchitektur, Telematik, Parallelverarbeitung, Informationssysteme, Entwurf eingebetteter Systeme und Rechnerarchitektur, Computergraphik, Kryptographie und Sicherheit, Softwaretechnik und Übersetzerbau, Anthropomatik und Kognitive Systeme, Robotik und Automation).

Den Kern des Studiums bilden zwei Vertiefungsfächer. Der Umfang eines Vertiefungsfachs, in dem eine Spezialisierung in einem Gebiet der Informatik stattfindet, ist nicht begrenzt. Für die Breite der Ausbildung sorgt eine Vielfalt an Wahlmodulen. Das Studium wird ergänzt durch Inhalte aus einem anderen Fachgebiet (Ergänzungsfach) sowie durch die Vermittlung sozialer Kompetenz und Teamfähigkeit (als Überfachliche Qualifikationen).

Absolventinnen/Absolventen des Masterstudiengangs Informatik verfügen insbesondere über die folgenden Kompetenzen:

Master Informatik mit Profil

Die KIT-Fakultät für Informatik bietet ab dem Wintersemester 2017 / 2018 neun verschiedene Profile im Masterstudium Informatik an. Wenn die von einem Profil geforderten Veranstaltungen erfolgreich absolviert werden, wird am Ende des Studiums zusätzlich zum Masterzeugnis ein Zertifikat über die besonderen, im Profil erworbenen Kenntnisse verliehen. Zum Beispiel „Master Informatik mit Profil IT-Sicherheit“.

Profile sind als Strukturierung des Masterstudiums zu sehen und erfordern keinen Mehraufwand. Ein Masterstudium ohne Profile mit selbst gewählten Vertiefungsfächern ist weiterhin möglich und vollkommen gleichwertig. Die Prüfungsordnung für das Masterstudium gilt unverändert auch für ein Masterstudium mit Profil.

Eine Übersicht über Profile und die dazugehörigen Richtlinien und Bedingungen befindet sich unter: http://www.informatik.kit.edu/9378.php.

Modularisierung der Informatik-Studiengänge

Wesentliche Merkmale des neuen Systems im Zuge des Bologna-Prozesses ergeben sich in der modularisierten Struktur des Studiengangs. So können mehrere Lehrveranstaltungen zu einem Modul gebündelt werden. Ein Modul kann allerdings auch aus nur einer Lehrveranstaltung bestehen. Module selbst werden wiederum in folgende Fächer eingeordnet:

Im Master-Studiengang Informatik besteht weiterhin eine Differenzierung zwischen Stamm- und Wahlmodulen. Stammmodule dienen der Grundlagenvermittlung für die Vertiefungsfächer. Wahlmodule sind ihrem Namen entsprechend für Studierende aus dem Angebot des jeweiligen Semesters frei wählbar. Die Vertiefungsfächer können aus 12 Vertiefungsfächern gewählt werden (s. Abschnitt Aufbau des Studiengangs).

Um die Transparenz bezüglich der durch den Studierenden erbrachten Leistung zu gewährleisten, werden Studien- und Prüfungsleistungen mit Leistungspunkten (LP), den so genannten ECTS-Punkten, bewertet. Diese sind im Modulhandbuch einzelnen Teilleistungen sowie Modulen zugeordnet und weisen durch ihre Höhe einerseits auf die Gewichtung einer Teilleistung in einem Modul und andererseits auf den mit der Veranstaltung verbundenen Arbeitsaufwand hin. Dabei entspricht ein Leistungspunkt einem Aufwand von ca. 30 Arbeitsstunden für einen durchschnittlichen Studierenden. Werden durch die belegten Studien- und Prüfungsleistungen in einem Modul mehr LP als dem Modul zugeordnet sind erreicht, so werden die überschüssigen LP auf die Modulgröße abgeschnitten. Die Note des Moduls berechnet sich mit Berücksichtigung aller im Modul erbrachten LP. Für die Abschlussnote werden die überschüssigen LP allerdings nicht berücksichtigt. Weitere Details zur Berechnung der Master-Abschlussnote werden auf der Fakultätswebseite (https://www.informatik.kit.edu/faq-wiki/doku.php) veröffentlicht.

In den Modulen wird durch diverse Erfolgskontrollen am Ende der Veranstaltung/-en überprüft, ob der Lerninhalt beherrscht wird. Diese Erfolgskontrollen können benotet (Prüfungsleistungen) in schriftlicher oder mündlicher Form, wie auch als Erfolgskontrolle anderer Art oder unbenotet (Studienleistungen) stattfinden (nähere Erläuterungen hierzu finden sich in der Studien- und Prüfungsordnung § 4). In jedem Modul werden Teilleistungen definiert. Diese sind abstrakte Beschreibungen der Erfolgskontrolle (Prüfungs- oder Studienleistungen). Die Lehrveranstaltungen, die im Modul geprüft werden, werden mit einer oder mehreren Teilleistungen verknüpft.

Im Abschnitt Aufbau des Studiengangs werden die einzelnen Module mit den darin zu erreichenden Leistungspunkte und die Zuordnung der Module zu den jeweiligen Fächern detailliert beschrieben. Die daraus resultierenden Möglichkeiten, Module untereinander zu kombinieren, werden somit veranschaulicht. Da die Module sowie deren innere Struktur in Form von einzelnen Lehrveranstaltungen variieren, gibt das Modulhandbuch nähere Auskunft über die Teilleistungen, Prüfungsbedingungen, Inhalte sowie die Gewichtung hinsichtlich der ECTS-Punkte in einem Modul. Der Studienplan hingegen dient der Grobstruktur hinsichtlich des Studienaufbaus. Er ist in seiner Aussage bezüglich der temporalen Ordnung der meisten Module exemplarisch und nicht bindend. Um jedoch die durch die Prüfungsordnung vorgegebenen Fristen einhalten zu können, ist es entscheidend, den Empfehlungen des Plans zu folgen.

Versionierung von Modulen und Teilleistugen

Module sind dynamische Konstrukte, in denen es regelmäßig zu Aktualisierungen und somit Änderungen kommt. In manchen Fällen werden Module nicht mehr angeboten, manchmal ändern sich die darin angebotenen Teilleistungen und die damit verbundenen Lehrveranstaltungen und/oder Voraussetzungen/ Bedingungen.

Wenn auch für die Studierenden immer das Modulhandbuch des aktuellen Semesters verbindlich ist, so gilt im Änderungsfall grundsätzlich Vertrauensschutz. Ein Studierender hat einen Anspruch darauf, ein Modul in derselben Form abzuschließen, in der er es begonnen hat. Der Schutz bezieht sich nur auf die Möglichkeit, die Prüfung für das Modul weiterhin für eine gewisse Zeit ablegen zu können, nicht aber auf das Angebot der Lehrveranstaltung während des Semesters. Änderungen werden rechtzeitig im Modulhandbuch angekündigt. Für Pflichtmodule werden i.d.R. großzügige Übergangsregelungen festgelegt. Im Wahlbereich besteht meist die Möglichkeit andere Module zu wählen bzw. Prüfungen abzulegen, um den Abschluss zu erlangen. Wenn ein Modul begonnen wurde, aber nicht mehr beendet werden kann, sollte ISS kontaktiert werden.

Teilleistungen werden i.d.R. nur dann versioniert, wenn sich die Erfolgskontrolle ändert. Auch werden i.d.R. Übergangsregelungen definiert.

Leistungsstufen

Das Masterstudium Informatik besteht aus zwei Studienjahren mit jeweils zwei Semestern. Alle darin prüfbaren Module haben die Leistungsstufe 4, welches die höchste Stufe der Anforderungen im Bachelor-/Masterstudium darstellt. Charakteristisch für das Masterstudium ist, dass keine Pflichtveranstaltungen existieren, sondern für das gesamte Studium eine große Wahlfreiheit besteht.

An-/Abmeldung und Wiederholung von Prüfungen

Die An- und Abmeldung zu Modul(teil)prüfungen erfolgt in den Bachelor-/Master-Studiengängen online über das Studierendenportal. Die An- und Abmeldefristen werden rechtzeitig in den Lehrveranstaltungen und/oder auf den Webseiten der Prüfer bekanntgegeben. Studierende werden dazu aufgefordert, sich vor dem Prüfungstermin zu vergewissern, dass sie im System tatsächlich den Status „angemeldet“ haben (z.B. Ausdruck der Anmeldung). In Zweifelsfällen sollte der Informatik Studiengangservice (ISS) (E-Mail: beratung-informatik@informatik.kit.edu) kontaktiert werden. Die Teilnahme an einer Prüfung ohne Online-Anmeldung ist nicht gestattet!

Grundsätzlich kann jede Erfolgskontrolle (mündlicher, schriftlicher oder anderer Art) einmal wiederholt werden. Im Falle einer schriftlichen Prüfung erfolgt nach zweimaligem Nichtbestehen zeitnah (in der Regel im selben Prüfungszeitraum) eine mündliche Nachprüfung. In dieser können nur noch die Noten „ausreichend“ (4,0) oder „nicht ausreichend“ (5,0) vergeben werden. Ist eine Prüfung endgültig nicht bestanden, so gilt der Prüfungsanspruch im Fach Informatik und für alle artverwandten Studiengänge als verloren. Eine Teilnahme an weiteren Prüfungen ist nicht möglich. Durch Genehmigung eines Antrags auf Zweitwiederholung können weitere Prüfungen unter Vorbehalt (http://www.informatik.kit.edu/faq-info.php) abgelegt werden. Der Studierende bekommt diese aber im Erfolgsfall erst angerechnet, wenn die endgültig nicht bestandene Prüfung bestanden wurde. Der Prüfungsanspruch gilt erst dann als wiederhergestellt, wenn die nicht bestandene Prüfung bestanden ist. Studienleistungen (unbenotete Erfolgskontrolle) können beliebig wiederholt werden, falls in der Modul- oder Teillleistungsbeschreibung keine weiteren Regelungen vorgesehen sind. Der Zweitwiederholungsantrag ist bei dem Informatik Studiengangservice (ISS) schriftlich einzureichen.

Die Anmeldung zu Prüfungen erfolgt i.d.R. über den Studienablaufplan: Studierende müssen im Studierendenportal in ihrem persönlichen Studienablaufplan zuvor die für die Prüfung passenden Module und Teilleistungen wählen.

Studienberatung

Hilfe bei Problemen mit dem Studium, Anträgen aller Art oder auch einfach bei Fragen zur Studienplanung wird von der KIT-Fakultät für Informatik durch den Informatik Studiengangservice (ISS), E-Mail: beratung-informatik@informatik.kit.edu, angeboten. Der ISS ist offizieller Ansprechpartner und erteilt verbindliche Auskünfte.

Aber auch die Fachschaft der KIT-Fakultät für Informatik bietet eine qualifizierte Beratung an. Hier können beispielsweise Detailfragen zur Formulierung von Härtefallanträgen geklärt werden. Darüber hinaus können bei der Fachschaft alte Klausuren und Prüfungsprotokolle erworben werden.

Viele Fragen werden durch unsere FAQ beantwortet: https://www.informatik.kit.edu/faq-wiki/doku.php.

Studienplan und Struktur des Master-Studiengangs

Im Laufe des 4-semestrigen Studiums müssen für den erfolgreichen Abschluss insgesamt 120 Leistungspunkte erbracht werden. Die Leistungspunkte werden überwiegend in den verschiedenen Modulen der einzelnen Fächer erzielt, aber auch in der am Ende des Studiums angefertigten Masterarbeit, die mit 30 Leistungspunkten angerechnet wird. Hier sei noch angemerkt, dass die Verteilung der zu erwerbenden Leistungspunkte gleichmäßig auf die einzelnen Semester erfolgen sollte.

Im Folgenden wird ein Überblick über das Masterstudium gegeben (s. Abbildung 1). Die Module des Masterstudiengangs sind Stammmodule, vertiefende Module, Ergänzungsfachmodule und überfachliche Module (Überfachliche Qualifikationen). Alle Stammmodule und vertiefenden Module können entweder einem Vertiefungsfach oder dem Wahlbereich zugeordnet werden.

Stammmodule vermitteln erweiterte Grundlagen aus sehr spezifischen Bereichen der Informatik. Mindestens vier davon müssen im Rahmen des Masterstudiums absolviert werden. Zu den vertiefenden Modulen zählen alle weiterführenden Veranstaltungen der KIT-Fakultät für Informatik. Hierzu gehören auch Seminare und Praktika.

Das Studium soll so geplant werden, dass über alle Fächer 120 LP erreicht werden. Die variablen Leistungspunkte in den einzelnen Fächern dienen der Flexibilisierung des Studiums und nicht der Erbringung von Mehrleistungen. Dafür stehen die Zusatzleistungen zur Verfügung.

Studiumsstruktur.png

Abbildung 1: Struktur Masterstudium (SPO 2015)

Struktur Masterstudiengang Informatik

Wahl- und Vertiefungsmodule enthalten weiterführende Veranstaltungen. Hierzu zählen nicht nur Vorlesungen, sondern auch Seminare und Praktika. Wahl- und Vertiefungsmodule werden i.d.R. atomar aufgebaut, das heißt, es wird lediglich eine Teilleistung (bzw. eine Lehrveranstaltung) darin angeboten. Es kommt jedoch auch vor, dass über ein Modul ein Praktikum an die Teilnahme an eine inhaltlich passende Vorlesung gekoppelt wird.

Grundsätzlich können Wahlmodule immer entweder dem Wahlbereich oder einem Vertiefungsfach zugeordnet werden. Die Fächer sowie die Randbedingungen für den Vertiefungs- und Wahlbereich werden in den folgenden Abschnitten erläutert.

Eine ausführliche Tabelle der Vertiefungsfächer mit den darin prüfbaren Modulen befindet sich im Abschnitt Aufbau des Studiengangs.

Stammmodule

Stammmodule bestehen aus weiterführenden Veranstaltungen, die inhaltlich wichtige Basisthemen der Informatik abdecken. Aus diesem Grund sind die Stammmodule sowohl im Bachelor- als auch im Masterstudium angesiedelt. Während im Bachelorstudium die Stammmodule für das dritte Studienjahr empfohlen werden, sind sie im Masterstudium als Orientierungshilfe bei der Entscheidung für die Vertiefungsfächer gedacht und somit für das erste Studienjahr empfohlen. Es ist zu beachten, dass im Masterstudiengang Informatik mindestens vier Stammmodule erbracht werden müssen, die noch nicht im Rahmen des Bachelorstudiums geprüft wurden. Dies gilt auch für Studienanfängerinnen und -anfänger, die ihren Bachelorabschluss an einer anderen Unversität gemacht haben. Ausschlaggebend ist hier die inhaltliche Äquivalenz.

Grundsätzlich werden Stammmodule wie Wahlmodule behandelt und können in den Vertiefungsfächern oder dem Wahlbereich angerechnet werden. Dabei ist auf die jeweilige Zuordnung zum Vertiefungsgebiet im Modulhandbuch zu achten.

Stammmodule werden entweder jedes Winter- oder jedes Sommersemester angeboten. Dies kann im Allgemeinen für vertiefende Veranstaltungen des Wahlbereichs nicht garantiert werden (Der Turnus kann auch unregelmäßig sein). Die Liste der Stammmodule ist der Abbildung 2 zu entnehmen.

Stammmodule.png

Abbildung 2: Liste der Stammmodule

Vertiefungsfächer

Im Masterstudium müssen zwei Vertiefungsfächer mit jeweils mindestens 15 Leistungspunkten erbracht werden. Grundsätzlich ist die Anrechnung eines Moduls für ein bestimmtes Vertiefungsfach nur möglich, wenn im Modulhandbuch die entsprechende Zuordnung des Moduls zu dem Fach gegeben ist. Einen Überblick über die Vertiefungsfächer und die Zuordnung der Module zu den Vertiefungsfächer gibt Abschnitt Aufbau des Studiengangs.

Ein Vertiefungsfach ist automatisch gewählt, sobald die erste Prüfung in einem Modul des Vertiefungsfaches abgelegt wurde. Diese Wahl kann mit einem Antrag auf Umbuchung geändert werden (s. auch https://www.informatik.kit.edu/faq-wiki/doku.php).

Wie zuvor erwähnt, zählen auch Praktikums- und Seminarmodule zu den Modulen, die in Vertiefungsfächern angerechnet werden können.

In jedem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden. Ausnahme bilden die Vertiefungsfächer Telematik und Systemarchitektur : In den Vertiefungsfächern Telematik und Systemarchitektur müssen jeweils mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden. Anstelle mehrerer mündlicher Prüfungen zu Modulen eines Vertiefungsfachs kann eine modulübergreifende Prüfung zu diesen Modulen durchgeführt werden. Darüber entscheidet der/die Prüfer/in.

Insgesamt können in einem Vertiefungsfach bis zu 52 LP erbracht werden, jedoch können insgesamt im Studium nicht mehr als 120 LP absolviert werden.

Wahlbereich Informatik

Im Rahmen des Masterstudiums ist ein Wahlbereich zu absolvieren. Die Leistungspunkte des Wahlbereichs sind variabel und hängen davon ab, wie viele Leistungspunkte in den anderen Fächern erbracht wurden. Maximal stehen für den Wahlbereich 49 LP zur Verfügung (120 LP abzüglich der Pflichtleistungen in den anderen Fächern sowie der Masterarbeit).

Alle Module aus den Vertiefungsfächern können im Wahlbereich gewählt werden. Bei der Auswahl sollte allerdings darauf geachtet werden, dass für die gewünschten Vertiefungsfächer noch ausreichend viele Module im Angebot sind.

Randbedingungen

Folgende Randbedingungen müssen beachtet werden:

Diese Leistungen können sowohl in Vertiefungsfächern als auch im Wahlfach angerechnet werden. Module aus de Ergänzungsfach werden hierzu nicht berücksichtigt (s. auch. Abbildung 1).

Im Rahmen der Seminare müssen Studierende sich mit dem ILIAS-Kurs zur guten Wissenschaftlichen Praxis auseinandersetzen: „Onlinekurs: Gute wissenschaftliche Praxis“. Dafür sind 3 Stunden vorgesehen. Unabhängig davon bietet das House of Competence das Absolvieren des Kurses mit 1 LP an. Studierende können diese Leistung als Schlüsselqualifikation erbringen.

Ergänzungsfach

Das Ergänzungsfach soll Kenntnisse in einem der vielen Anwendungsgebiete der Informatik vermitteln. Die Informatik auch außerhalb des Kernbereichs kennengelernt zu haben, ist für die weitere berufliche Entwicklung von eminenter Bedeutung.

Im Master-Studiengang werden im Rahmen des Ergänzungsfachs Module von fast allen KIT-Fakultäten des KIT angeboten. Somit ist gewährleistet, dass für fast jede denkbare Informatikanwendung ein passendes Ergänzungsfach zur Verfügung steht.

Das Ergänzungsfach kann aus einem oder mehreren Modulen bestehen. Es sind Module im Umfang von insgesamt 9 – 18 LP zu wählen. Die variable Anzahl von Leistungspunkten ermöglicht dem Studierenden eine möglichst verschnittfreie Auswahl seiner Ergänzungsfachmodule. Eine Liste der Ergänzungsfächer und die darin enthaltenen Module befindet sich im Abschnitt 3.5.

Je nach Ausprägung des Ergänzungsfaches kann es vorkommen, dass die Mindestanzahl der Leistungspunkte, die erreicht werden kann bzw. muss, über 9 LP liegt.

Im Masterstudiengang kann auf formlosen Antrag an den zuständigen Prüfungsaussschuss auch ein anderes Fach zum Ergänzungsfach gewählt werden. Dabei ist dem Antrag eine Übersicht über alle abzulegenden Prüfungen und deren LP beizulegen. Die Prüfungsübersicht muss von einem Prüfer oder einer Prüferin, die/der für eine der beantragten Prüfungen zuständig ist, als konsistent und möglich unterzeichnet werden. Details und Ausnahmen sind dem FAQ zu entnehmen: https://www.informatik.kit.edu/faq-wiki/doku.php.

Überfachliche Qualifikationen

Teil des Studiums ist auch der Erwerb von Überfachlichen Qualifikationen im Umfang von 2 – 6 Leistungspunkten. Zu diesem Bereich zählen überfachliche Veranstaltungen zu gesellschaftlichen Themen, fachwissenschaftliche Ergänzungsangebote, welche die Anwendung des Fachwissens im Arbeitsalltag vermitteln, Kompetenztrainings zur gezielten Schulung von Soft Skills sowie Fremdsprachentrainings.

Im Modul „Überfachliche Qualifikationen“ können alle Veranstaltungen des House of Competence (HoC), des Zentrums für angewandte Kulturwissenschaften (ZAK) (mit Ausnahme der Informatikveranstaltungen und Veranstaltungen aus dem Ergänzungsfach) und des Sprachenzentrums (SpZ) (mit Ausnahme von Deutschkursen und Kursen in der Muttersprache), aber auch spezielle fakultätsinterne Angebote belegt werden. In dem hier integrierten Modulhandbuch werden deswegen im Gegensatz zu den fakultätsinternen Lehrveranstaltungen die einzelnen Lehrveranstaltungen des HoC, ZAK und SpZ nicht aufgeführt.

Auf Fachebene werden Schlüsselqualifikationen als nicht benotete Leistungen im Studium eingerechnet. Leistungen werden mit oder ohne Note verbucht (so, wie bescheinigt), der Bereich Überfachliche Qualifikationen wird aber im Studienablaufplan nur mit bestanden / nicht bestanden ausgewiesen. Für den Abschluss werden somit nur die Leistungspunkte (und nicht die Noten) berücksichtigt.

Teilnahmebescheinigungen werden nicht angerechnet. Um die Leistungen anrechnen zu können, muss eine Erfolgskontrolle durchgeführt und deren Ergebnis bescheinigt werden.

Zusatzleistungen

Im Master-Studiengang Informatik können bis zu 30 Leistungspunkte durch Zusatzleistungen erbracht werden. Diese zählen, was den Umfang und die Note betrifft, nicht zum Master-Abschluss.

Aufbau des Studiengangs

Pflichtbestandteile
Masterarbeit 30
Vertiefungsfach 1 15-52
Vertiefungsfach 2 15-52
Wahlbereich Informatik 12-49
Ergänzungsfach 9-18
Überfachliche Qualifikationen 2-6

Masterarbeit

Leistungspunkte
30
Pflichtbestandteile
M-INFO-101892 Modul Masterarbeit 30

Vertiefungsfach 1

Leistungspunkte
15-52
Vertiefungsfach 1 (Wahl: 1 Bestandteil)
Theoretische Grundlagen 15-52
Algorithmentechnik 15-52
Kryptographie und Sicherheit 15-52
Parallelverarbeitung 15-52
Softwaretechnik und Übersetzerbau 15-52
Entwurf eingebetteter Systeme und Rechnerarchitektur 15-52
Telematik 15-52
Informationssysteme 15-52
Computergrafik und Geometrieverarbeitung 15-52
Robotik und Automation 15-52
Anthropomatik und Kognitive Systeme 15-52
Systemarchitektur 15-52

Theoretische Grundlagen
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. B. Beckert, Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Theoretische Grundlagen (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100758 Graphpartitionierung und Graphenclustern in Theorie und Praxis 5
M-INFO-100762 Algorithmische Graphentheorie 5
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-102094 Algorithmen zur Visualisierung von Graphen 5
M-INFO-102110 Algorithmische Geometrie 6
M-INFO-102139 Seminar: Aktuelle Highlights der Algorithmentechnik 4
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-100799 Formale Systeme 6
M-INFO-102731 Fortgeschrittene Datenstrukturen 5
M-INFO-102825 SAT Solving in der Praxis 5
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100825 Mustererkennung 6
M-INFO-100839 Unscharfe Mengen 6
M-INFO-100841 Formale Systeme II: Theorie 5
M-INFO-101536 Seminar: Anwendung Formaler Verifikation 3
M-INFO-101537 Praktikum: Programmverifikation 3
M-INFO-101173 Algorithmen II 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103306 Seminar: Proofs from THE BOOK 3
M-INFO-104896 Seminar: Kann Statistik Ursachen beweisen? 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105621 Parametrisierte Algorithmen 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106085 Seminar: Fortgeschrittene Themen zu SAT Solving 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106293 Timed Systems 5
M-INFO-106469 Randomisierte Algorithmik 5
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106784 Praktikum: Fine-grained Algorithm Design and Engineering 6

Algorithmentechnik
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Algorithmentechnik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100031 Algorithmen für Routenplanung 5
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100758 Graphpartitionierung und Graphenclustern in Theorie und Praxis 5
M-INFO-100762 Algorithmische Graphentheorie 5
M-INFO-100795 Algorithm Engineering 5
M-INFO-100796 Parallele Algorithmen 5
M-INFO-102072 Praktikum Algorithmentechnik 6
M-INFO-102094 Algorithmen zur Visualisierung von Graphen 5
M-INFO-102110 Algorithmische Geometrie 6
M-INFO-102139 Seminar: Aktuelle Highlights der Algorithmentechnik 4
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-102731 Fortgeschrittene Datenstrukturen 5
M-INFO-102732 Text-Indexierung 5
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-101173 Algorithmen II 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105621 Parametrisierte Algorithmen 6
M-INFO-106085 Seminar: Fortgeschrittene Themen zu SAT Solving 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-105723 Fortgeschrittenes Algorithmisches Programmieren 6
M-INFO-106469 Randomisierte Algorithmik 5
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106784 Praktikum: Fine-grained Algorithm Design and Engineering 6

Kryptographie und Sicherheit
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Kryptographie und Sicherheit (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100742 Kryptographische Wahlverfahren 3
M-INFO-101558 Praktikum Kryptographie 3
M-INFO-101559 Praktikum Kryptoanalyse 3
M-INFO-101560 Praktikum Sicherheit 4
M-INFO-101561 Seminar Kryptographie 3
M-INFO-101562 Seminar Sicherheit 4
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-103166 Praktikum Anwendungssicherheit 4
M-INFO-103807 Seminar Kryptographie 2 3
M-INFO-104032 Seminar Sicherheit 2 3
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-104895 Praktikum: Penetration Testing 4
M-INFO-104896 Seminar: Kann Statistik Ursachen beweisen? 3
M-INFO-105224 Seminar Privacy und Technischer Datenschutz 4
M-INFO-104357 Praktische Einführung in die Hardware Sicherheit 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105337 Seminar: Kryptoanalyse 3
M-INFO-105338 Authentisierung und Verschlüsselung 4
M-INFO-105408 Seminar: Quantum Information Theory 3
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Praktikum: Security, Usability and Society 4
M-INFO-105584 Theoretische Grundlagen der Kryptographie 6
M-INFO-105585 Seminar: Post-Quantum Cryptography 3
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
M-INFO-105591 Resilient Networking 6
M-INFO-105631 Kryptographische Protokolle 5
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105667 Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie 3
M-INFO-105761 Seminar: Secure Multiparty Computation 3
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105783 Universal Composability in der Kryptographie 3
M-INFO-100867 Virtuelle Systeme 3
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106315 IT-Sicherheit 6
M-INFO-106344 Software Security Engineering 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4
M-INFO-106391 Seminar: Privatsphäre und Sicherheit 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106627 Praktikum: Real-world Vulnerability Discovery and Exploits 4
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106810 Künstliche Intelligenz & IT-Sicherheit 6
M-INFO-106824 Codierungstheorie 3
M-INFO-106866 Forschungspraktikum: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4

Parallelverarbeitung
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Parallelverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100796 Parallele Algorithmen 5
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-100761 Verteiltes Rechnen 4
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-106086 Seminar: Algorithm Engineering 4

Softwaretechnik und Übersetzerbau
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Softwaretechnik und Übersetzerbau (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100735 Sprachverarbeitung in der Softwaretechnik 3
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100798 Empirische Softwaretechnik 4
M-INFO-100844 Software-Architektur und -Qualität 3
M-INFO-100741 Modellgetriebene Software-Entwicklung 3
M-INFO-100833 Softwaretechnik II 6
M-INFO-101579 Praktikum Modellgetriebene Software-Entwicklung 6
M-INFO-100719 Software-Evolution 3
M-INFO-103301 Seminar Software-Architektur, Sicherheit und Datenschutz 4
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-104254 Praktikum: Ingenieursmäßige Software-Entwicklung 6
M-INFO-104893 Praktikum: Werkzeuge für Agile Modellierung 6
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105309 Seminar: Continuous Software Engineering 4
M-INFO-105333 Edge-AI in Software- und Sensor-Anwendungen 3
M-INFO-105471 Software-Produktlinien-Entwicklung 3
M-INFO-105668 Seminar: Natural Language Models 3
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest 4
M-INFO-106019 Automotive Software Engineering (ASE) 4
M-INFO-106023 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6
M-INFO-106024 Software-Test und Qualitätsmanagement (SQM) 5
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106261 Praktikum: Automotive Software Engineering 6
M-INFO-106293 Timed Systems 5
M-INFO-106344 Software Security Engineering 3
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106626 Engineering Self-Adaptive Systems 3
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4

Entwurf eingebetteter Systeme und Rechnerarchitektur
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Entwurf eingebetteter Systeme und Rechnerarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100807 Low Power Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100830 Optimierung und Synthese Eingebetteter Systeme (ES1) 3
M-INFO-100831 Entwurf und Architekturen für Eingebettete Systeme (ES2) 3
M-INFO-100850 Reliable Computing I 3
M-INFO-100851 Testing Digital Systems I 3
M-INFO-101629 Seminar: Eingebettete Systeme I 3
M-INFO-102661 Praktikum FPGA Programming 3
M-INFO-102570 Praktikum: Digital Design & Test Automation Flow 3
M-INFO-102662 Seminar Dependable Computing 3
M-INFO-102663 Seminar Near Threshold Computing 3
M-INFO-102961 Seminar Non-volatile Memory Technologies 3
M-INFO-102962 Testing Digital Systems II 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-103367 Seminar: Eingebettete Systeme II 3
M-INFO-103706 Praktikum: Internet of Things (IoT) 4
M-INFO-104031 Praktikum: Low Power Design and Embedded Systems 4
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-104357 Praktische Einführung in die Hardware Sicherheit 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105740 Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren 4
M-INFO-105775 Embedded Machine Learning Lab 4

Telematik
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Telematik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-100729 Mensch-Maschine-Interaktion 6
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4
M-INFO-100761 Verteiltes Rechnen 4
M-INFO-100784 Next Generation Internet 4
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-100789 Ubiquitäre Informationstechnologien 5
M-INFO-100801 Telematik 6
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-100746 Seminar Hot Topics in Networking 3
M-INFO-100782 Netzsicherheit: Architekturen und Protokolle 4
M-INFO-100785 Mobilkommunikation 4
M-INFO-100800 Internet of Everything 4
M-INFO-101880 Seminar: Ubiquitäre Systeme 4
M-INFO-101889 Praktikum Praxis der Telematik 3
M-INFO-101890 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3
M-INFO-101891 Projektpraktikum: Softwarebasierte Netze 6
M-INFO-102092 Praktikum Protocol Engineering 4
M-INFO-102372 Seminar: Serviceorientierte Architekturen 3
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste 4
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-103078 Seminar: Designing and Conducting Experimental Studies 4
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105413 Forschungspraktikum Netzsicherheit 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Praktikum: Security, Usability and Society 4
M-INFO-105590 Forschungspraktikum Telematik 3
M-INFO-105591 Resilient Networking 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105870 Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics 6
M-INFO-105898 Seminar: Nutzeradaptive Systeme 3
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-105955 Praktikum: Smart Energy System Lab 6
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106864 Energieinformatik 10

Informationssysteme
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. K. Böhm

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Informationssysteme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100780 Datenbankeinsatz 5
M-INFO-101662 Datenbank-Praktikum 4
M-INFO-101794 Seminar Informationssysteme 3
M-INFO-104045 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
M-INFO-105632 Praktikum: Data Science 6
M-INFO-105724 Datenbankfunktionalität in der Cloud 5
M-INFO-106312 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4
M-INFO-106329 Praktikum: Data Science für die Wissenschaften 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106505 Data Science 8
M-INFO-106812 Advanced Bayesian Data Analysis 5
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science
Die Erstverwendung ist ab 01.03.2025 möglich.
3
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6

Computergrafik und Geometrieverarbeitung
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher, Prof. H. Prautzsch

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Computergrafik und Geometrieverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100724 Praktikum: General-Purpose Computation on Graphics Processing Units 3
M-INFO-100731 Fotorealistische Bildsynthese 5
M-INFO-100732 Interaktive Computergrafik 5
M-INFO-100738 Visualisierung 5
M-INFO-100812 Netze und Punktwolken 3
M-INFO-100837 Kurven und Flächen im CAD I 5
M-INFO-100856 Computergrafik 6
M-INFO-101231 Kurven und Flächen im CAD II 5
M-INFO-101567 Praktikum: Visual Computing 6
M-INFO-101660 Seminar Geometrieverarbeitung 3
M-INFO-101666 Praktikum: Geometrisches Modellieren 3
M-INFO-101667 Praktikum: Diskrete Freiformflächen 6
M-INFO-101863 Unterteilungsalgorithmen 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6
M-INFO-104892 Angewandte Differentialgeometrie 3
M-INFO-105311 Konzepte zur Verarbeitung geometrischer Daten 5
M-INFO-105384 Praktikum: Graphics and Game Development 6
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3
M-INFO-105733 Konzepte zur Verarbeitung geometrischer Daten 3
M-INFO-105737 Praktikum: Unterteilungsalgorithmen 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106517 Rational Curves and Surfaces for Geometric Design 3
M-INFO-106685 Computergrafik 2 5
M-INFO-106686 Praktikum: Scientific Visualization 6
M-INFO-106687 Praktikum: Rendering in CGI 6
M-INFO-106851 Praktikum: Realtime Computer Graphics 6

Robotik und Automation
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. T. Asfour

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Robotik und Automation (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100893 Robotik I - Einführung in die Robotik 6
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102522 Roboterpraktikum 6
M-INFO-102561 Humanoide Roboter - Seminar 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102756 Robotik II - Humanoide Robotik 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-100839 Unscharfe Mengen 6
M-INFO-103294 Anziehbare Robotertechnologien 4
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration 3
M-INFO-104897 Robotik III – Sensoren und Perzeption in der Robotik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105480 Forschungspraktikum Deep Learning in der Robotik 6
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-105760 Seminar: Kritische Betrachtung der künstlichen Intelligenz 3
M-INFO-105779 Seminar: Deep Learning in der Robotik 3
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106190 Computational Imaging 5
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106400 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception 4
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Praktikum: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106656 Praktikum: Intelligente Roboterperzeption 3
M-INFO-106870 Tools für Probabilistisches Machine Learning 6

Anthropomatik und Kognitive Systeme
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Anthropomatik und Kognitive Systeme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3
M-INFO-100729 Mensch-Maschine-Interaktion 6
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3
M-INFO-100825 Mustererkennung 6
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100839 Unscharfe Mengen 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100848 Maschinelle Übersetzung 6
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102522 Roboterpraktikum 6
M-INFO-102555 Motion in Human and Machine - Seminar 3
M-INFO-102561 Humanoide Roboter - Seminar 3
M-INFO-102725 Seminar Advanced Topics in Machine Translation 3
M-INFO-102756 Robotik II - Humanoide Robotik 3
M-INFO-102414 Praktikum Natürlichsprachliche Dialogsysteme 6
M-INFO-102416 Seminar Sprach-zu-Sprach-Übersetzung 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-103294 Anziehbare Robotertechnologien 4
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-104460 Deep Learning und Neuronale Netze 6
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter 6
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-105480 Forschungspraktikum Deep Learning in der Robotik 6
M-INFO-105329 Optimization Methods for Machine Learning and Engineering 5
M-INFO-105623 Reinforcement Learning 6
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-105760 Seminar: Kritische Betrachtung der künstlichen Intelligenz 3
M-INFO-105778 Maschinelles Lernen - Grundlagen und Algorithmen 6
M-INFO-105779 Seminar: Deep Learning in der Robotik 3
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105755 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-105999 Verarbeitung natürlicher Sprache 6
M-INFO-105997 Praktikum: Sprachübersetzung 6
M-INFO-106190 Computational Imaging 5
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106299 Fortgeschrittene Künstliche Intelligenz 6
M-INFO-106289 Seminar: Partizipative Technologiegestaltung 3
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6
M-INFO-106300 Forschungspraktikum: Interactive Learning 6
M-INFO-106301 Seminar: Interactive Learning 3
M-INFO-106302 Explainable Artificial Intelligence 3
M-INFO-105753 Deep Learning für Computer Vision I: Grundlagen 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106396 Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen 3
M-INFO-106495 Forschungspraktikum: Explainable Artificial Intelligence 6
M-INFO-106497 Seminar: Explainable Artificial Intelligence 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106516 Partizipative Technologiegestaltung 6
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-106237 Geometric Deep Learning 3
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Praktikum: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106653 Seminar: Multimodal Large Language Models 3
M-INFO-106505 Data Science 8
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences 3
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions 6
M-INFO-106810 Künstliche Intelligenz & IT-Sicherheit 6
M-INFO-105632 Praktikum: Data Science 6
M-INFO-106866 Forschungspraktikum: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making 6

Systemarchitektur
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. F. Bellosa

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Systemarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100804 Power Management 3
M-INFO-100807 Low Power Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene 6
M-INFO-100867 Virtuelle Systeme 3
M-INFO-101542 Power Management Praktikum 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-101540 Seminar: Betriebssysteme 3

Vertiefungsfach 2

Leistungspunkte
15-52
Vertiefungsfach 2 (Wahl: 1 Bestandteil)
Theoretische Grundlagen 15-52
Algorithmentechnik 15-52
Kryptographie und Sicherheit 15-52
Parallelverarbeitung 15-52
Softwaretechnik und Übersetzerbau 15-52
Entwurf eingebetteter Systeme und Rechnerarchitektur 15-52
Telematik 15-52
Informationssysteme 15-52
Computergrafik und Geometrieverarbeitung 15-52
Robotik und Automation 15-52
Anthropomatik und Kognitive Systeme 15-52
Systemarchitektur 15-52

Theoretische Grundlagen
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. B. Beckert, Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Theoretische Grundlagen (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100799 Formale Systeme 6
M-INFO-100841 Formale Systeme II: Theorie 5
M-INFO-102094 Algorithmen zur Visualisierung von Graphen 5
M-INFO-102110 Algorithmische Geometrie 6
M-INFO-102139 Seminar: Aktuelle Highlights der Algorithmentechnik 4
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-102731 Fortgeschrittene Datenstrukturen 5
M-INFO-100758 Graphpartitionierung und Graphenclustern in Theorie und Praxis 5
M-INFO-100762 Algorithmische Graphentheorie 5
M-INFO-100825 Mustererkennung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100839 Unscharfe Mengen 6
M-INFO-101536 Seminar: Anwendung Formaler Verifikation 3
M-INFO-101537 Praktikum: Programmverifikation 3
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-102825 SAT Solving in der Praxis 5
M-INFO-101173 Algorithmen II 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103306 Seminar: Proofs from THE BOOK 3
M-INFO-104896 Seminar: Kann Statistik Ursachen beweisen? 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105621 Parametrisierte Algorithmen 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106085 Seminar: Fortgeschrittene Themen zu SAT Solving 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106293 Timed Systems 5
M-INFO-106469 Randomisierte Algorithmik 5
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106784 Praktikum: Fine-grained Algorithm Design and Engineering 6

Algorithmentechnik
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Algorithmentechnik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100031 Algorithmen für Routenplanung 5
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100758 Graphpartitionierung und Graphenclustern in Theorie und Praxis 5
M-INFO-100762 Algorithmische Graphentheorie 5
M-INFO-100795 Algorithm Engineering 5
M-INFO-100796 Parallele Algorithmen 5
M-INFO-102072 Praktikum Algorithmentechnik 6
M-INFO-102094 Algorithmen zur Visualisierung von Graphen 5
M-INFO-102110 Algorithmische Geometrie 6
M-INFO-102139 Seminar: Aktuelle Highlights der Algorithmentechnik 4
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-102731 Fortgeschrittene Datenstrukturen 5
M-INFO-102732 Text-Indexierung 5
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-101173 Algorithmen II 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105621 Parametrisierte Algorithmen 6
M-INFO-106085 Seminar: Fortgeschrittene Themen zu SAT Solving 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-105723 Fortgeschrittenes Algorithmisches Programmieren 6
M-INFO-106469 Randomisierte Algorithmik 5
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106784 Praktikum: Fine-grained Algorithm Design and Engineering 6

Kryptographie und Sicherheit
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Kryptographie und Sicherheit (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100742 Kryptographische Wahlverfahren 3
M-INFO-101558 Praktikum Kryptographie 3
M-INFO-101559 Praktikum Kryptoanalyse 3
M-INFO-101560 Praktikum Sicherheit 4
M-INFO-101561 Seminar Kryptographie 3
M-INFO-101562 Seminar Sicherheit 4
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-103166 Praktikum Anwendungssicherheit 4
M-INFO-103807 Seminar Kryptographie 2 3
M-INFO-104032 Seminar Sicherheit 2 3
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-104895 Praktikum: Penetration Testing 4
M-INFO-104896 Seminar: Kann Statistik Ursachen beweisen? 3
M-INFO-105224 Seminar Privacy und Technischer Datenschutz 4
M-INFO-104357 Praktische Einführung in die Hardware Sicherheit 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105337 Seminar: Kryptoanalyse 3
M-INFO-105338 Authentisierung und Verschlüsselung 4
M-INFO-105408 Seminar: Quantum Information Theory 3
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Praktikum: Security, Usability and Society 4
M-INFO-105584 Theoretische Grundlagen der Kryptographie 6
M-INFO-105585 Seminar: Post-Quantum Cryptography 3
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
M-INFO-105591 Resilient Networking 6
M-INFO-105631 Kryptographische Protokolle 5
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105667 Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie 3
M-INFO-105761 Seminar: Secure Multiparty Computation 3
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105783 Universal Composability in der Kryptographie 3
M-INFO-100867 Virtuelle Systeme 3
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106315 IT-Sicherheit 6
M-INFO-106344 Software Security Engineering 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4
M-INFO-106391 Seminar: Privatsphäre und Sicherheit 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106627 Praktikum: Real-world Vulnerability Discovery and Exploits 4
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106810 Künstliche Intelligenz & IT-Sicherheit 6
M-INFO-106824 Codierungstheorie 3
M-INFO-106866 Forschungspraktikum: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4

Parallelverarbeitung
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Parallelverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100796 Parallele Algorithmen 5
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-100761 Verteiltes Rechnen 4
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-106086 Seminar: Algorithm Engineering 4

Softwaretechnik und Übersetzerbau
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Softwaretechnik und Übersetzerbau (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100735 Sprachverarbeitung in der Softwaretechnik 3
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100798 Empirische Softwaretechnik 4
M-INFO-100844 Software-Architektur und -Qualität 3
M-INFO-100741 Modellgetriebene Software-Entwicklung 3
M-INFO-100833 Softwaretechnik II 6
M-INFO-100719 Software-Evolution 3
M-INFO-101579 Praktikum Modellgetriebene Software-Entwicklung 6
M-INFO-103301 Seminar Software-Architektur, Sicherheit und Datenschutz 4
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-104254 Praktikum: Ingenieursmäßige Software-Entwicklung 6
M-INFO-104893 Praktikum: Werkzeuge für Agile Modellierung 6
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105309 Seminar: Continuous Software Engineering 4
M-INFO-105333 Edge-AI in Software- und Sensor-Anwendungen 3
M-INFO-105471 Software-Produktlinien-Entwicklung 3
M-INFO-105668 Seminar: Natural Language Models 3
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest 4
M-INFO-106019 Automotive Software Engineering (ASE) 4
M-INFO-106023 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6
M-INFO-106024 Software-Test und Qualitätsmanagement (SQM) 5
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106256 Constructive Logic 5
M-INFO-106261 Praktikum: Automotive Software Engineering 6
M-INFO-106293 Timed Systems 5
M-INFO-106344 Software Security Engineering 3
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106626 Engineering Self-Adaptive Systems 3
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5

Entwurf eingebetteter Systeme und Rechnerarchitektur
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Entwurf eingebetteter Systeme und Rechnerarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100807 Low Power Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100830 Optimierung und Synthese Eingebetteter Systeme (ES1) 3
M-INFO-100831 Entwurf und Architekturen für Eingebettete Systeme (ES2) 3
M-INFO-100850 Reliable Computing I 3
M-INFO-100851 Testing Digital Systems I 3
M-INFO-101629 Seminar: Eingebettete Systeme I 3
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-102570 Praktikum: Digital Design & Test Automation Flow 3
M-INFO-102661 Praktikum FPGA Programming 3
M-INFO-102662 Seminar Dependable Computing 3
M-INFO-102663 Seminar Near Threshold Computing 3
M-INFO-102961 Seminar Non-volatile Memory Technologies 3
M-INFO-102962 Testing Digital Systems II 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-103367 Seminar: Eingebettete Systeme II 3
M-INFO-103706 Praktikum: Internet of Things (IoT) 4
M-INFO-104031 Praktikum: Low Power Design and Embedded Systems 4
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-104357 Praktische Einführung in die Hardware Sicherheit 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105740 Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren 4
M-INFO-105775 Embedded Machine Learning Lab 4

Telematik
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Telematik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-100729 Mensch-Maschine-Interaktion 6
M-INFO-100746 Seminar Hot Topics in Networking 3
M-INFO-100761 Verteiltes Rechnen 4
M-INFO-100782 Netzsicherheit: Architekturen und Protokolle 4
M-INFO-100784 Next Generation Internet 4
M-INFO-100785 Mobilkommunikation 4
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-100789 Ubiquitäre Informationstechnologien 5
M-INFO-100800 Internet of Everything 4
M-INFO-100801 Telematik 6
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-101880 Seminar: Ubiquitäre Systeme 4
M-INFO-101889 Praktikum Praxis der Telematik 3
M-INFO-101890 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3
M-INFO-101891 Projektpraktikum: Softwarebasierte Netze 6
M-INFO-102092 Praktikum Protocol Engineering 4
M-INFO-102372 Seminar: Serviceorientierte Architekturen 3
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste 4
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-103078 Seminar: Designing and Conducting Experimental Studies 4
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105413 Forschungspraktikum Netzsicherheit 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Praktikum: Security, Usability and Society 4
M-INFO-105590 Forschungspraktikum Telematik 3
M-INFO-105591 Resilient Networking 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105870 Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics 6
M-INFO-105898 Seminar: Nutzeradaptive Systeme 3
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-105955 Praktikum: Smart Energy System Lab 6
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106864 Energieinformatik 10

Informationssysteme
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. K. Böhm

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Informationssysteme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100780 Datenbankeinsatz 5
M-INFO-101662 Datenbank-Praktikum 4
M-INFO-101794 Seminar Informationssysteme 3
M-INFO-104045 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
M-INFO-105632 Praktikum: Data Science 6
M-INFO-105724 Datenbankfunktionalität in der Cloud 5
M-INFO-106312 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4
M-INFO-106329 Praktikum: Data Science für die Wissenschaften 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106505 Data Science 8
M-INFO-106812 Advanced Bayesian Data Analysis 5
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science
Die Erstverwendung ist ab 01.03.2025 möglich.
3
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6

Computergrafik und Geometrieverarbeitung
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher, Prof. H. Prautzsch

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Computergrafik und Geometrieverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100724 Praktikum: General-Purpose Computation on Graphics Processing Units 3
M-INFO-100731 Fotorealistische Bildsynthese 5
M-INFO-100732 Interaktive Computergrafik 5
M-INFO-100738 Visualisierung 5
M-INFO-100837 Kurven und Flächen im CAD I 5
M-INFO-100856 Computergrafik 6
M-INFO-101231 Kurven und Flächen im CAD II 5
M-INFO-101567 Praktikum: Visual Computing 6
M-INFO-101660 Seminar Geometrieverarbeitung 3
M-INFO-101666 Praktikum: Geometrisches Modellieren 3
M-INFO-101667 Praktikum: Diskrete Freiformflächen 6
M-INFO-100812 Netze und Punktwolken 3
M-INFO-101863 Unterteilungsalgorithmen 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6
M-INFO-104892 Angewandte Differentialgeometrie 3
M-INFO-105311 Konzepte zur Verarbeitung geometrischer Daten 5
M-INFO-105384 Praktikum: Graphics and Game Development 6
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3
M-INFO-105733 Konzepte zur Verarbeitung geometrischer Daten 3
M-INFO-105737 Praktikum: Unterteilungsalgorithmen 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-106517 Rational Curves and Surfaces for Geometric Design 3
M-INFO-106685 Computergrafik 2 5
M-INFO-106686 Praktikum: Scientific Visualization 6
M-INFO-106687 Praktikum: Rendering in CGI 6
M-INFO-106851 Praktikum: Realtime Computer Graphics 6

Robotik und Automation
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. T. Asfour

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Robotik und Automation (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100893 Robotik I - Einführung in die Robotik 6
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102522 Roboterpraktikum 6
M-INFO-102561 Humanoide Roboter - Seminar 3
M-INFO-102756 Robotik II - Humanoide Robotik 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-100839 Unscharfe Mengen 6
M-INFO-103294 Anziehbare Robotertechnologien 4
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration 3
M-INFO-104897 Robotik III – Sensoren und Perzeption in der Robotik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105480 Forschungspraktikum Deep Learning in der Robotik 6
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-105760 Seminar: Kritische Betrachtung der künstlichen Intelligenz 3
M-INFO-105779 Seminar: Deep Learning in der Robotik 3
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106190 Computational Imaging 5
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106400 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception 4
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Praktikum: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106656 Praktikum: Intelligente Roboterperzeption 3
M-INFO-106870 Tools für Probabilistisches Machine Learning 6

Anthropomatik und Kognitive Systeme
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Anthropomatik und Kognitive Systeme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3
M-INFO-100729 Mensch-Maschine-Interaktion 6
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3
M-INFO-100825 Mustererkennung 6
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100839 Unscharfe Mengen 6
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100848 Maschinelle Übersetzung 6
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102522 Roboterpraktikum 6
M-INFO-102555 Motion in Human and Machine - Seminar 3
M-INFO-102561 Humanoide Roboter - Seminar 3
M-INFO-102725 Seminar Advanced Topics in Machine Translation 3
M-INFO-102756 Robotik II - Humanoide Robotik 3
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102414 Praktikum Natürlichsprachliche Dialogsysteme 6
M-INFO-102416 Seminar Sprach-zu-Sprach-Übersetzung 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-103294 Anziehbare Robotertechnologien 4
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-104460 Deep Learning und Neuronale Netze 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter 6
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-105329 Optimization Methods for Machine Learning and Engineering 5
M-INFO-105480 Forschungspraktikum Deep Learning in der Robotik 6
M-INFO-105623 Reinforcement Learning 6
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-105753 Deep Learning für Computer Vision I: Grundlagen 3
M-INFO-105755 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3
M-INFO-105760 Seminar: Kritische Betrachtung der künstlichen Intelligenz 3
M-INFO-105778 Maschinelles Lernen - Grundlagen und Algorithmen 6
M-INFO-105779 Seminar: Deep Learning in der Robotik 3
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-105999 Verarbeitung natürlicher Sprache 6
M-INFO-105997 Praktikum: Sprachübersetzung 6
M-INFO-106190 Computational Imaging 5
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106299 Fortgeschrittene Künstliche Intelligenz 6
M-INFO-106289 Seminar: Partizipative Technologiegestaltung 3
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6
M-INFO-106300 Forschungspraktikum: Interactive Learning 6
M-INFO-106301 Seminar: Interactive Learning 3
M-INFO-106302 Explainable Artificial Intelligence 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106396 Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen 3
M-INFO-106495 Forschungspraktikum: Explainable Artificial Intelligence 6
M-INFO-106497 Seminar: Explainable Artificial Intelligence 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106516 Partizipative Technologiegestaltung 6
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-106237 Geometric Deep Learning 3
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Praktikum: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106653 Seminar: Multimodal Large Language Models 3
M-INFO-106505 Data Science 8
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences 3
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions 6
M-INFO-106810 Künstliche Intelligenz & IT-Sicherheit 6
M-INFO-105632 Praktikum: Data Science 6
M-INFO-106866 Forschungspraktikum: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making 6

Systemarchitektur
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. F. Bellosa

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Wahl Systemarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-100804 Power Management 3
M-INFO-100807 Low Power Design 3
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene 6
M-INFO-100867 Virtuelle Systeme 3
M-INFO-101542 Power Management Praktikum 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-101540 Seminar: Betriebssysteme 3

Wahlbereich Informatik

Leistungspunkte
12-49
Wahlinformationen

Im Wahlbereich müssen mind. 12 LP gewählt werden.

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 12 und 49 LP)
M-INFO-100729 Mensch-Maschine-Interaktion 6
M-INFO-100799 Formale Systeme 6
M-INFO-100801 Telematik 6
M-INFO-100818 Rechnerstrukturen 6
M-INFO-100833 Softwaretechnik II 6
M-INFO-100856 Computergrafik 6
M-INFO-100893 Robotik I - Einführung in die Robotik 6
M-INFO-101173 Algorithmen II 6
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists 3
M-INFO-100744 Formale Systeme II: Anwendung 5
M-INFO-100841 Formale Systeme II: Theorie 5
M-INFO-100795 Algorithm Engineering 5
M-INFO-100758 Graphpartitionierung und Graphenclustern in Theorie und Praxis 5
M-INFO-100762 Algorithmische Graphentheorie 5
M-INFO-100031 Algorithmen für Routenplanung 5
M-INFO-100796 Parallele Algorithmen 5
M-INFO-101562 Seminar Sicherheit 4
M-INFO-100742 Kryptographische Wahlverfahren 3
M-INFO-101560 Praktikum Sicherheit 4
M-INFO-101559 Praktikum Kryptoanalyse 3
M-INFO-101558 Praktikum Kryptographie 3
M-INFO-101561 Seminar Kryptographie 3
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6
M-INFO-100807 Low Power Design 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene 6
M-INFO-101540 Seminar: Betriebssysteme 3
M-INFO-100867 Virtuelle Systeme 3
M-INFO-100804 Power Management 3
M-INFO-101542 Power Management Praktikum 3
M-INFO-100808 Parallelrechner und Parallelprogrammierung 4
M-INFO-100761 Verteiltes Rechnen 4
M-INFO-100822 Heterogene parallele Rechensysteme 3
M-INFO-100798 Empirische Softwaretechnik 4
M-INFO-100735 Sprachverarbeitung in der Softwaretechnik 3
M-INFO-100844 Software-Architektur und -Qualität 3
M-INFO-100830 Optimierung und Synthese Eingebetteter Systeme (ES1) 3
M-INFO-100831 Entwurf und Architekturen für Eingebettete Systeme (ES2) 3
M-INFO-100851 Testing Digital Systems I 3
M-INFO-101629 Seminar: Eingebettete Systeme I 3
M-INFO-100850 Reliable Computing I 3
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II) 4
M-INFO-100728 Kontextsensitive Systeme 5
M-INFO-100789 Ubiquitäre Informationstechnologien 5
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme 5
M-INFO-100784 Next Generation Internet 4
M-INFO-101662 Datenbank-Praktikum 4
M-INFO-100780 Datenbankeinsatz 5
M-INFO-101567 Praktikum: Visual Computing 6
M-INFO-100731 Fotorealistische Bildsynthese 5
M-INFO-100724 Praktikum: General-Purpose Computation on Graphics Processing Units 3
M-INFO-101667 Praktikum: Diskrete Freiformflächen 6
M-INFO-100738 Visualisierung 5
M-INFO-101231 Kurven und Flächen im CAD II 5
M-INFO-100736 Einführung in die Bildfolgenauswertung 3
M-INFO-100837 Kurven und Flächen im CAD I 5
M-INFO-100812 Netze und Punktwolken 3
M-INFO-100829 Stochastische Informationsverarbeitung 6
M-INFO-100732 Interaktive Computergrafik 5
M-INFO-100840 Lokalisierung mobiler Agenten 6
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern 4
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung 6
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3
M-INFO-100839 Unscharfe Mengen 6
M-INFO-100848 Maschinelle Übersetzung 6
M-INFO-100825 Mustererkennung 6
M-INFO-100719 Software-Evolution 3
M-INFO-101579 Praktikum Modellgetriebene Software-Entwicklung 6
M-INFO-101660 Seminar Geometrieverarbeitung 3
M-INFO-101863 Unterteilungsalgorithmen 3
M-INFO-101889 Praktikum Praxis der Telematik 3
M-INFO-102230 Projektpraktikum Robotik und Automation II (Hardware) 6
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3
M-INFO-100741 Modellgetriebene Software-Entwicklung 3
M-INFO-101573 Hands-on Bioinformatics Practical 3
M-INFO-101794 Seminar Informationssysteme 3
M-INFO-102072 Praktikum Algorithmentechnik 6
M-INFO-102110 Algorithmische Geometrie 6
M-INFO-102139 Seminar: Aktuelle Highlights der Algorithmentechnik 4
M-INFO-102212 Seminar Intelligente Industrieroboter 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen 3
M-INFO-102550 Seminar: Graphenalgorithmen 4
M-INFO-100782 Netzsicherheit: Architekturen und Protokolle 4
M-INFO-101890 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3
M-INFO-101891 Projektpraktikum: Softwarebasierte Netze 6
M-INFO-102224 Projektpraktikum Robotik und Automation I (Software) 6
M-INFO-100750 Seminar: Hot Topics in Bioinformatics 3
M-INFO-100785 Mobilkommunikation 4
M-INFO-100800 Internet of Everything 4
M-INFO-101880 Seminar: Ubiquitäre Systeme 4
M-INFO-102092 Praktikum Protocol Engineering 4
M-INFO-102094 Algorithmen zur Visualisierung von Graphen 5
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3
M-INFO-102375 Seminar Bildauswertung und -fusion 3
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion 6
M-INFO-102561 Humanoide Roboter - Seminar 3
M-INFO-102661 Praktikum FPGA Programming 3
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6
M-INFO-102555 Motion in Human and Machine - Seminar 3
M-INFO-102416 Seminar Sprach-zu-Sprach-Übersetzung 3
M-INFO-102522 Roboterpraktikum 6
M-INFO-102725 Seminar Advanced Topics in Machine Translation 3
M-INFO-102732 Text-Indexierung 5
M-INFO-102825 SAT Solving in der Praxis 5
M-INFO-100746 Seminar Hot Topics in Networking 3
M-INFO-101536 Seminar: Anwendung Formaler Verifikation 3
M-INFO-101537 Praktikum: Programmverifikation 3
M-INFO-102570 Praktikum: Digital Design & Test Automation Flow 3
M-INFO-102663 Seminar Near Threshold Computing 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3
M-INFO-102731 Fortgeschrittene Datenstrukturen 5
M-INFO-102961 Seminar Non-volatile Memory Technologies 3
M-INFO-102998 Softwarepraktikum Parallele Numerik 6
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste 4
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste 3
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3
M-INFO-103078 Seminar: Designing and Conducting Experimental Studies 4
M-INFO-102662 Seminar Dependable Computing 3
M-INFO-102756 Robotik II - Humanoide Robotik 3
M-INFO-102962 Testing Digital Systems II 3
M-INFO-103153 Seminar: Energieinformatik 4
M-INFO-103166 Praktikum Anwendungssicherheit 4
M-INFO-103235 Praktikum: Smart Data Analytics 6
M-INFO-101666 Praktikum: Geometrisches Modellieren 3
M-INFO-102414 Praktikum Natürlichsprachliche Dialogsysteme 6
M-INFO-103294 Anziehbare Robotertechnologien 4
M-INFO-103301 Seminar Software-Architektur, Sicherheit und Datenschutz 4
M-INFO-103306 Seminar: Proofs from THE BOOK 3
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis 5
M-INFO-103367 Seminar: Eingebettete Systeme II 3
M-INFO-103506 Praktikum: Effizientes paralleles C++ 6
M-INFO-103706 Praktikum: Internet of Things (IoT) 4
M-INFO-103807 Seminar Kryptographie 2 3
M-INFO-104031 Praktikum: Low Power Design and Embedded Systems 4
M-INFO-104032 Seminar Sicherheit 2 3
M-INFO-104045 Datenschutz von Anonymisierung bis Zugriffskontrolle 3
M-INFO-104072 Projektpraktikum Heterogeneous Computing 6
M-INFO-104254 Praktikum: Ingenieursmäßige Software-Entwicklung 6
M-INFO-104357 Praktische Einführung in die Hardware Sicherheit 6
M-INFO-104447 Automated Planning and Scheduling 5
M-INFO-104460 Deep Learning und Neuronale Netze 6
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration 3
M-INFO-104892 Angewandte Differentialgeometrie 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems 3
M-INFO-104893 Praktikum: Werkzeuge für Agile Modellierung 6
M-INFO-104895 Praktikum: Penetration Testing 4
M-INFO-104896 Seminar: Kann Statistik Ursachen beweisen? 3
M-INFO-104897 Robotik III – Sensoren und Perzeption in der Robotik 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3
M-INFO-105037 Praxis der Forschung (Projekt, 1. Semester) 10
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester) 10
M-INFO-105224 Seminar Privacy und Technischer Datenschutz 4
M-INFO-105309 Seminar: Continuous Software Engineering 4
M-INFO-105311 Konzepte zur Verarbeitung geometrischer Daten 5
M-INFO-105330 Seminar: Scalable Parallel Graph Algorithms 4
M-INFO-105333 Edge-AI in Software- und Sensor-Anwendungen 3
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications 6
M-INFO-105337 Seminar: Kryptoanalyse 3
M-INFO-105338 Authentisierung und Verschlüsselung 4
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter 6
M-INFO-105379 Seminar: Robot Reinforcement Learning 3
M-INFO-105328 Seminar: Informatik TECO 3
M-INFO-105384 Praktikum: Graphics and Game Development 6
M-INFO-105408 Seminar: Quantum Information Theory 3
M-INFO-105409 Seminar: E-Voting 3
M-INFO-105413 Forschungspraktikum Netzsicherheit 3
M-INFO-105452 Privacy Enhancing Technologies 6
M-INFO-105453 Praktikum: Security, Usability and Society 4
M-INFO-105471 Software-Produktlinien-Entwicklung 3
M-INFO-105480 Forschungspraktikum Deep Learning in der Robotik 6
M-INFO-105496 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6
M-INFO-105329 Optimization Methods for Machine Learning and Engineering 5
M-INFO-105591 Resilient Networking 6
M-INFO-105590 Forschungspraktikum Telematik 3
M-INFO-105584 Theoretische Grundlagen der Kryptographie 6
M-INFO-105585 Seminar: Post-Quantum Cryptography 3
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
M-INFO-105621 Parametrisierte Algorithmen 6
M-INFO-105623 Reinforcement Learning 6
M-INFO-105630 Maschinelles Lernen für die Naturwissenschaften mit Übung 6
M-INFO-105631 Kryptographische Protokolle 5
M-INFO-105632 Praktikum: Data Science 6
M-INFO-105667 Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie 3
M-INFO-105668 Seminar: Natural Language Models 3
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3
M-INFO-105724 Datenbankfunktionalität in der Cloud 5
M-INFO-105733 Konzepte zur Verarbeitung geometrischer Daten 3
M-INFO-105737 Praktikum: Unterteilungsalgorithmen 3
M-INFO-105740 Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren 4
M-INFO-105753 Deep Learning für Computer Vision I: Grundlagen 3
M-INFO-105755 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3
M-INFO-105760 Seminar: Kritische Betrachtung der künstlichen Intelligenz 3
M-INFO-105761 Seminar: Secure Multiparty Computation 3
M-INFO-105775 Embedded Machine Learning Lab 4
M-INFO-105778 Maschinelles Lernen - Grundlagen und Algorithmen 6
M-INFO-105779 Seminar: Deep Learning in der Robotik 3
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems 5
M-INFO-105783 Universal Composability in der Kryptographie 3
M-INFO-105792 Projektpraktikum: Humanoide Roboter 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz 4
M-INFO-105870 Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics 6
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest 4
M-INFO-105898 Seminar: Nutzeradaptive Systeme 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3
M-INFO-105955 Praktikum: Smart Energy System Lab 6
M-INFO-105958 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8
M-INFO-105959 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3
M-INFO-106085 Seminar: Fortgeschrittene Themen zu SAT Solving 3
M-INFO-106086 Seminar: Algorithm Engineering 4
M-INFO-105999 Verarbeitung natürlicher Sprache 6
M-INFO-106019 Automotive Software Engineering (ASE) 4
M-INFO-106023 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6
M-INFO-106024 Software-Test und Qualitätsmanagement (SQM) 5
M-INFO-105997 Praktikum: Sprachübersetzung 6
M-INFO-106101 Einführung in das Quantencomputing (IQC) 3
M-INFO-106102 Logical Foundations of Cyber-Physical Systems 6
M-INFO-106190 Computational Imaging 5
M-INFO-106237 Geometric Deep Learning 3
M-INFO-106256 Constructive Logic 5
M-INFO-106293 Timed Systems 5
M-INFO-106284 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3
M-INFO-106299 Fortgeschrittene Künstliche Intelligenz 6
M-INFO-106286 Praktikum: Aktuelle Themen des Quantencomputings 6
M-INFO-106289 Seminar: Partizipative Technologiegestaltung 3
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6
M-INFO-106300 Forschungspraktikum: Interactive Learning 6
M-INFO-106301 Seminar: Interactive Learning 3
M-INFO-106302 Explainable Artificial Intelligence 3
M-INFO-106261 Praktikum: Automotive Software Engineering 6
M-INFO-106303 Access Control Systems: Models and Technology 5
M-INFO-106312 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4
M-INFO-106315 IT-Sicherheit 6
M-INFO-106329 Praktikum: Data Science für die Wissenschaften 6
M-INFO-106344 Software Security Engineering 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4
M-INFO-106356 Seminar: KI Systems Engineering 4
M-INFO-106391 Seminar: Privatsphäre und Sicherheit 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4
M-INFO-106396 Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen 3
M-INFO-106400 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3
M-INFO-105723 Fortgeschrittenes Algorithmisches Programmieren 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences 6
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems 4
M-INFO-106495 Forschungspraktikum: Explainable Artificial Intelligence 6
M-INFO-106497 Seminar: Explainable Artificial Intelligence 3
M-INFO-106498 Seminar: Human-Robot Interaction 3
M-INFO-106469 Randomisierte Algorithmik 5
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics 6
M-INFO-106505 Data Science 8
M-INFO-106503 Praktikum: Neural Network Acceleration on FPGAs 3
M-INFO-106512 Seminar: Applications and Extensions of Timed Systems 4
M-INFO-106516 Partizipative Technologiegestaltung 6
M-INFO-106517 Rational Curves and Surfaces for Geometric Design 3
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception 4
M-INFO-106626 Engineering Self-Adaptive Systems 3
M-INFO-106627 Praktikum: Real-world Vulnerability Discovery and Exploits 4
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms 6
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms 4
M-INFO-106646 Praktikum: Human-Centred Robotics 6
M-INFO-106648 Praktikum: Movement and Technology 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control 6
M-INFO-106650 HRI and Social Robotics 6
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3
M-INFO-106653 Seminar: Multimodal Large Language Models 3
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies 6
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems 6
M-INFO-106656 Praktikum: Intelligente Roboterperzeption 3
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3
M-INFO-106685 Computergrafik 2 5
M-INFO-106686 Praktikum: Scientific Visualization 6
M-INFO-106687 Praktikum: Rendering in CGI 6
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences 3
M-INFO-106742 Einführung ins Quantum Machine Learning 3
M-INFO-106784 Praktikum: Fine-grained Algorithm Design and Engineering 6
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions 6
M-INFO-106810 Künstliche Intelligenz & IT-Sicherheit 6
M-INFO-106812 Advanced Bayesian Data Analysis 5
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science
Die Erstverwendung ist ab 01.03.2025 möglich.
3
M-INFO-106824 Codierungstheorie 3
M-INFO-106851 Praktikum: Realtime Computer Graphics 6
M-INFO-106864 Energieinformatik 10
M-INFO-106866 Forschungspraktikum: Artificial Intelligence & Security 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2 4
M-INFO-106870 Tools für Probabilistisches Machine Learning 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making 6

Ergänzungsfach

Leistungspunkte
9-18
Ergänzungsfach (Wahl: 1 Bestandteil)
Recht 9-18
Mathematik 9-18
Experimentalphysik 15
Theoretische Physik 9-18
Informationsmanagement im Ingenieurwesen 9-18
Elektro- und Informationstechnik 9-18
Biologie 9-18
Soziologie 9-18
Medienkunst 9-18
Betriebswirtschaftslehre 9-18
Volkswirtschaftslehre 9-18
Operations Research 9-18
Verkehrswesen 9-18
Mathematik für Daten-Intensives Rechnen 9-18
Betriebswirtschaftslehre für dataintensives Rechnen 9-18
Materialwissenschaften für dataintensives Rechnen 9-18
Automation und Energienetze 9-18
Gesellschaftliche Aspekte 9-18
Philosophie 9-18
Meteorologie 14
Biologically Inspired Robotics 9-15

Recht
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Matz, yvonne.matz@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-101215 Recht des geistigen Eigentums 9
M-INFO-101216 Recht der Wirtschaftsunternehmen 9
M-INFO-101217 Öffentliches Wirtschaftsrecht 9

Mathematik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Kühnlein, stefan.kuehnlein@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MATH-101315 Algebra 9
M-MATH-101317 Differentialgeometrie 9
M-MATH-101320 Funktionalanalysis 9
M-MATH-101336 Graphentheorie 9
M-MATH-101338 Paralleles Rechnen 5
M-MATH-101724 Algebraische Geometrie 9
M-MATH-101725 Algebraische Zahlentheorie 9
M-MATH-103164 Analysis 4 9
M-MATH-102950 Kombinatorik 9
M-MATH-103709 Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern 5

Experimentalphysik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
15

Ansprechpartner Dr. Haberland, hagen.haberland@kit.edu

Praktikum Klassische Physik I oder II (Wahl: 1 Bestandteil sowie 6 LP)
M-PHYS-101353 Praktikum Klassische Physik I 6
M-PHYS-101354 Praktikum Klassische Physik II 6
Wahlpflichtblock 9 LP (Wahl: 9 LP)
M-PHYS-101705 Moderne Experimentalphysik II, Moleküle und Festkörper 9
M-PHYS-101927 Fundamentals of Optics and Photonics 9
M-PHYS-102114 Teilchenphysik I 9

Theoretische Physik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Steinhauser, Matthias.Steinhauser@kit.edu

Pflichtbestandteile
M-PHYS-101664 Moderne Theoretische Physik für Lehramt 9
Wahlblock (Wahl: zwischen 0 und 1 Bestandteilen sowie zwischen 0 und 9 LP)
M-PHYS-101708 Moderne Theoretische Physik II, Quantenmechanik II 6
M-PHYS-101709 Moderne Theoretische Physik III, Statistische Physik 8
M-PHYS-101933 Computational Photonics, with ext. Exercises 8
M-PHYS-102277 Theoretical Optics 6
M-PHYS-103089 Computational Photonics, without ext. Exercises 6

Informationsmanagement im Ingenieurwesen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartnerin Prof. Ovtcharova, jivka.ovtcharova@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MACH-102404 Informationsmanagement im Ingenieurwesen 10

Elektro- und Informationstechnik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Kluwe, mathias.kluwe@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-ETIT-100549 Bioelektrische Signale 3
M-ETIT-100389 Praktikum Biomedizinische Messtechnik 6
M-ETIT-100361 Verteilte ereignisdiskrete Systeme 4
M-ETIT-106633 Signal Processing Lab 6
M-ETIT-100371 Nichtlineare Regelungssysteme 3
M-ETIT-100374 Regelung linearer Mehrgrößensysteme 6
M-ETIT-100443 Signalverarbeitung in der Nachrichtentechnik 4
M-ETIT-100444 Angewandte Informationstheorie 6
M-ETIT-100449 Hardware Modeling and Simulation 4
M-ETIT-100452 Hardware-Synthese und -Optimierung 6
M-ETIT-100453 Hardware/Software Co-Design 4
M-ETIT-100454 Mikrosystemtechnik 3
M-ETIT-100456 Optical Engineering 4
M-ETIT-100457 Integrierte Intelligente Sensoren 3
M-ETIT-100460 Praktikum Software Engineering 6
M-ETIT-100462 Systems Engineering for Automotive Electronics 4
M-ETIT-100466 Design analoger Schaltkreise 4
M-ETIT-100468 Praktikum Nanoelektronik 6
M-ETIT-100473 Design digitaler Schaltkreise 4
M-ETIT-100474 Integrierte Systeme und Schaltungen 4
M-ETIT-100537 Systems and Software Engineering 5
M-ETIT-100546 Test eingebetteter Systeme im industriellen Umfeld 4
M-ETIT-100451 Praktikum System-on-Chip 6
M-ETIT-105073 Student Innovation Lab 15
M-ETIT-104475 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 4
M-ETIT-105274 Nachrichtentechnik II / Communications Engineering II
Die Erstverwendung ist nur zwischen 01.04.2020 und 30.03.2025 möglich.
4
M-ETIT-105604 Nano- and Quantum Electronics 6
M-ETIT-105608 Physics, Technology and Applications of Thin Films 4
M-ETIT-105874 Physiologie und Anatomie für die Medizintechnik 6
M-ETIT-105273 Quellencodierung 3
M-ETIT-105616 Channel Coding: Algebraic Methods for Communications and Storage 3
M-ETIT-105617 Channel Coding: Graph-Based Codes 6
M-ETIT-105971 Mobile Communications 4
M-ETIT-102651 Bildverarbeitung
Die Erstverwendung ist ab 01.04.2025 möglich.
3
M-ETIT-100509 Optoelectronic Components
Die Erstverwendung ist ab 01.04.2025 möglich.
4
M-ETIT-106815 Advanced Communications Engineering
Die Erstverwendung ist ab 01.10.2025 möglich.
6
M-ETIT-106899 Signal Processing Methods 6

Biologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Kämper, joerg.kaemper@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-CHEMBIO-101957 Ergänzungsfach Biologie 9

Soziologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Haupt, andreas.haupt@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-GEISTSOZ-103736 Methoden empirischer Sozialforschung 9
M-GEISTSOZ-103737 Empirische Sozialforschung 9

Medienkunst
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Bielicky, Frau Siewerdt, Tel. 0721 8203-2367

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-102288 Medienkunst 18
M-INFO-103147 Medienkunst Modell "kleines Nebenfach" 14

Betriebswirtschaftslehre
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101409 Electronic Markets 9
M-WIWI-101410 Business & Service Engineering 9
M-WIWI-101412 Industrielle Produktion III 9
M-WIWI-101446 Market Engineering 9
M-WIWI-101448 Service Management 9
M-WIWI-101451 Energiewirtschaft und Energiemärkte 9
M-WIWI-101452 Energiewirtschaft und Technologie 9
M-WIWI-101482 Finance 1 9
M-WIWI-101483 Finance 2 9
M-WIWI-101488 Entrepreneurship (EnTechnon) 9
M-WIWI-101503 Service Design Thinking 9
M-WIWI-101506 Service Analytics 9
M-WIWI-101507 Innovationsmanagement 9
M-WIWI-101471 Industrielle Produktion II 9
M-WIWI-105032 Data Science for Finance 9
M-WIWI-105659 Advanced Machine Learning and Data Science 9
M-WIWI-105661 Data Science: Intelligente, adaptive und lernende Informationsdienste 9
M-WIWI-106292 Human-Centered Information Systems 9
M-WIWI-106258 Digital Marketing 9
M-WIWI-106660 Modeling the Dynamics of Financial Markets 9

Volkswirtschaftslehre
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101453 Angewandte strategische Entscheidungen 9
M-WIWI-101500 Microeconomic Theory 9
M-WIWI-101502 Ökonomische Theorie und ihre Anwendung in Finance 9
M-WIWI-101504 Collective Decision Making 9

Operations Research
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101473 Mathematische Optimierung 9
M-WIWI-103289 Stochastische Optimierung 9
M-WIWI-102832 Operations Research im Supply Chain Management 9

Verkehrswesen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Vortisch, peter.vortisch@kit.edu

Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-BGU-102963 Verkehrswesen für Informatik I 9
M-BGU-106811 Verkehrswesen für Informatik - Vertiefung 3

Mathematik für Daten-Intensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpatner Prof. Hug, daniel.hug@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MATH-102889 Einführung in das Wissenschaftliche Rechnen 9
M-MATH-102906 Generalisierte Regressionsmodelle 5
M-MATH-102910 Nichtparametrische Statistik 5
M-MATH-102911 Zeitreihenanalyse 5
M-MATH-102929 Mathematische Modellierung und Simulation in der Praxis 5
M-MATH-102939 Extremwerttheorie 5
M-MATH-102956 Vorhersagen: Theorie und Praxis 9
M-MATH-103219 Optimierungstheorie 9
M-MATH-103220 Statistik 10
M-MATH-103709 Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern 5

Betriebswirtschaftslehre für dataintensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Mädche, alexander.maedche@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104199 Betriebswirtschaftslehre für dataintensives Rechnen 18

Materialwissenschaften für dataintensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartnerin Prof. Nestler, britta.nestler@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104200 Materialwissenschaften für dataintensives Rechnen 18

Automation und Energienetze
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Hagenmeyer, veit.hagenmeyer@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: zwischen 9 und 18 LP)
M-ETIT-102181 Systemdynamik und Regelungstechnik 6
M-MACH-102564 Mess- und Regelungstechnik 7
M-ETIT-102310 Optimale Regelung und Schätzung 3
M-ETIT-101845 Lineare Elektrische Netze 7
M-ETIT-100534 Energieübertragung und Netzregelung
Die Erstverwendung ist bis 31.03.2025 möglich.
5
M-INFO-105955 Praktikum: Smart Energy System Lab 6
M-ETIT-105394 Electric Power Transmission & Grid Control
Die Erstverwendung ist ab 01.04.2025 möglich.
6

Gesellschaftliche Aspekte
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Dreier, Dr. Matz, yvonne.matz@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104808 Gesellschaftliche Aspekte 18

Philosophie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Link, h.link@kit.edu

Pflicht (Wahl: 1 Bestandteil)
M-GEISTSOZ-103430 Einführung in die Philosophie 14
M-GEISTSOZ-104500 Einführung in die Philosophie (Euklid) 10
Wahlpflichtfach (Wahl: höchstens 1 Bestandteil)
M-GEISTSOZ-104507 Praktische Philosophie I 11
M-GEISTSOZ-104509 Theoretische Philosophie I 11
M-GEISTSOZ-100614 Ars Rationalis 10

Meteorologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
14
Wahlbereich (Wahl: 14 LP)
M-PHYS-104577 Selected Topics in Meteorology (Second Major, graded) 14

Biologically Inspired Robotics
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-15
Wahlbereich (Wahl: zwischen 9 und 15 LP)
M-MACH-106902 Seminar: Bionic Algorithms and Robot Technologies 3
M-MACH-106903 Biologically Inspired Robots 3
M-MACH-106904 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 6
M-MACH-106905 CAD Engineering Project for Intelligent Systems 3

Überfachliche Qualifikationen

Leistungspunkte
2-6
Wahl Überfachliche Qualifikationen (Wahl: zwischen 2 und 6 LP)
M-INFO-102835 Schlüsselqualifikationen 6
M-INFO-105033 Praxis der Forschung (Methoden, 1. Semester) 2
M-INFO-105034 Praxis der Forschung (Methoden, 2. Semester) 2

Module

Modul: Access Control Systems: Models and Technology [M-INFO-106303]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112775 Access Control Systems: Models and Technology 5 Hartenstein
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Inhalt

Access control systems are everywhere and the backbone of secure services as they incorporate who is and who is not authorized: think of operating systems, information systems, banking, vehicles, robotics, cryptocurrencies, or decentralized applications as examples. The course starts with current challenges of access control in the era of hyperconnectivity, i.e., in cyber-physical or decentralized systems. Based on the derived needs for next generation access control, we first study how to specify access control and analyze strengths and weaknesses of various approaches. We then focus on up-to-date proposals, like IoT and AI access control. We look at current cryptographic access control aspects, blockchains and cryptocurrencies, and trusted execution environments. We also discuss the ethical dimension of access management. Students prepare for lecture and exercise sessions by studying previously announced literature and by preparation of exercises that are jointly discussed in the sessions.

Arbeitsaufwand

Lecture workload:

  1. Attendance time
    Lecture: 2 SWS: 2,0h x 15 = 30h
    Exercises: 1 SWS: 1,0h x 15 = 15h
  2. Self-study (e.g., independent review of course material, work on homework assignments)
    Weekly preparation and follow-up of the lecture: 15 x 1h x 3 = 45h
    Weekly preparation and follow-up of the exercise: 15 x 2h = 30h
  3. Preparation for the exam: 30h

Σ = 150h = 5 ECTS

Empfehlungen

Basics according to the lectures "IT Security Management for Networked Systems" and "Telematics" are recommended.

Modul: Advanced Bayesian Data Analysis [M-INFO-106812]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113673 Advanced Bayesian Data Analysis 5 Klein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Develop a deep understanding of Bayesian statistical principles and computational techniques.
•    Master the application of Bayesian regression models to real-world data.
•    Gain proficiency in Markov Chain Monte Carlo (MCMC) methods, including Metropolis-Hastings and Gibbs sampling.
•    Acquire skills in implementing Bayesian models using relevant software tools such Stan.

Inhalt

This course deepens students' understanding of Bayesian methods and introduces the latest advancements in Bayesian computation. It is designed for Master students in Computer Science, Mathematics, Economathematics, Techno-Mathematics, Business Informatics, or similar programs seeking to enhance their expertise.

Examples of topics covered are the review of key Bayesian concepts including Bayes' Theorem, conjugate prior distributions, and posterior inference. For instance, students may explore the Beta-Binomial conjugacy, where a Beta prior pairs with a Binomial likelihood, and the Normal-Normal conjugacy, where a Normal prior pairs with a normal likelihood with known variance. These examples demonstrate how conjugate priors simplify posterior calculations and enhance analytical tractability.

Next, students delve into Bayesian supervised learning, covering linear, logistic, and nonparametric approaches, with an emphasis on applying Bayesian methods to real-world data and interpreting results.

The course also covers ways to perform posterior estimation, such as, Markov Chain Monte Carlo (MCMC) inference, including the Metropolis-Hastings algorithm and Gibbs sampling. We explore Bayesian high-dimensional regression techniques, such as the horseshoe prior, for handling models with many predictors. Additionally, students will learn about mixture models and Dirichlet processes, which are powerful tools for modelling heterogeneous data and uncovering latent structures. 

We conclude with approximate inference methods, including variational inference and Approximate Bayesian Computation (ABC), essential for dealing with complex models and large datasets.

Arbeitsaufwand

150h

Empfehlungen

-    Knowledge in R or Python
-    Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Modul: Advanced Communications Engineering [M-ETIT-106815]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-ETIT-113676 Advanced Communications Engineering 6 Jäkel
Erfolgskontrolle(n)

The assessment takes place in the form of a written examination lasting 120 min.

Voraussetzungen

none

Qualifikationsziele

The students are able to analyze and assess properties of communication systems and consider aspects of implementation. They can use mathematical methods in the context of communication systems for understanding involved derivations in the research literature; deriving and autonomously elaborating theoretical results, and checking their viability by simulations.

Inhalt

The module is introducing and deriving results covering, but not being limited to, properties of linear modulation, channel description and diversity schemes, and processing of receiver signals, all based on detailed theoretical concepts. Topics already covered in previous modules are deduced thoroughly and mathematical derivations and reasoning are provided.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Anmerkungen

Starting winter term 25/26

Arbeitsaufwand
  1. Attendance to the lecture: 20 * 1,5 h = 30 h
  2. Preparation and review: 20 * 3 h = 60 h
  3. Attendance to the tutorial: 6 * 1,5 h = 9 h
  4. Preparation and review: 6 * 3,5 h = 21 h
  5. Preparation for the exam: 60 h

In total: 180 h = 6 LP

Empfehlungen

Basics knowledge of communication systems, as, e.g., provided in KIT’s Bachelor courses “Grundlagen der Datenübertragung” and “Nachrichtensysteme”, is supposed. Furthermore, working knowledge in the areas of system theory and probability theory is assumed.

Lehr- und Lernformen

Lecture: 3 SWS, Exercise: 1 SWS

Modul: Advanced Machine Learning and Data Science [M-WIWI-105659]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-WIWI-111305 Advanced Machine Learning and Data Science 9 Ulrich
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Abschlussnote wird auf der Grundlage der Zwischenpräsentationen während des Projekts, der Qualität der Implementierung, der schriftlichen Abschlussarbeit und einer Endpräsentation bewertet.

Voraussetzungen

Das Modul M-WIWI-106660 "Modeling the Dynamics of Financial Markets" muss bestanden sein. 

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-WIWI-106660 - Modeling the Dynamics of Financial Markets muss begonnen worden sein.
Qualifikationsziele

Nach einem erfolgreichen Projekt können die Studierenden:    

Inhalt

Der Kurs richtet sich an Studenten mit einem Hauptfach in Data Science und/oder Machine Learning und/oder Quantitative Finance. Er bietet den Studierenden die Möglichkeit, praktische Kenntnisse über neue Entwicklungen im Spannungsfeld Finanzmärkte, Datenwissenschaft und des maschinellen Lernens zu erwerben. Das Ergebnis des Projekts soll nicht nur eine schriftliche Ausarbeitung sein, sondern die Implementierung von Methoden oder die Entwicklung eines Algorithmus im Bereich des maschinellen Lernens und der Datenwissenschaft. Typischerweise stammen Problemstellung und Daten aus Forschung und Innovation im Bereich des quantitativen Asset- und Risikomanagements.

Arbeitsaufwand

Gesamtaufwand für 9 Leistungspunkte: ca. 270 Stunden, die sich auf folgende Teile aufteilen: Kommunikation: Austausch während des Projekts: 30 h, Abschlusspräsentation: 10 h; Durchführung und Abschlussarbeit: Vorbereitung vor der Entwicklung (Problemanalyse und Lösungsentwurf): 70 h, Umsetzung der Lösung: 110 h, Tests und Qualitätssicherung: 50 h.

Empfehlungen

Keine

Modul: Algebra [M-MATH-101315]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-102253 Algebra 9 Kühnlein, Sauer
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Das Modul "Einführung in Algebra und Zahlentheorie" sollte bereits belegt worden sein.

Modul: Algebraische Geometrie [M-MATH-101724]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-103340 Algebraische Geometrie 9 Herrlich, Kühnlein
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung von ca. 30 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Absolventen und Absolventinnen können
• grundlegende Konzepte der Theorie der algebraischen Varietäten nennen und erörtern,
• Hilfsmittel aus der Algebra, insbesondere der Theorie der Polynomringe, auf geometrische Fragestellungen anwenden,
• wichtige Resultate der klassischen algebraischen Geometrie erläutern und auf Beispiele anwenden,
• und sind darauf vorbereitet, Forschungsarbeiten aus der algebraischen Geometrie zu lesen und eine Abschlussarbeit in diesem Bereich zu schreiben.

Inhalt

• Hilbertscher Nullstellensatz
• affine und projektive Varietäten
• Morphismen und rationale Abbildungen
• nichtsinguläre Varietäten
• algebraische Kurven
• Satz von Riemann-Roch

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Folgende Module sollten bereits belegt worden sein:
Einführung in Algebra und Zahlentheorie
Algebra

Modul: Algebraische Zahlentheorie [M-MATH-101725]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-103346 Algebraische Zahlentheorie 9 Herrlich, Kühnlein
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte des Moduls „Algebra“ werden dringend empfohlen.

Modul: Algorithm Engineering [M-INFO-100795]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-101332 Algorithm Engineering 4 Sanders
T-INFO-111856 Algorithm Engineering Übung 1 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis algorithmischer Fragestellungen und Lösungsansätze im Bereich Algorithm Engineering, das auf dem bestehenden Wissen im Themenbereich Algorithmik aufbaut. Außerdem kann er/sie erlernte Techniken auf verwandte Fragestellungen anwenden und aktuelle Forschungsthemen im Bereich Algorithm Engineering interpretieren und nachvollziehen.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden

Inhalt

Die oben angegebenen Fertigkeiten werden vor allem anhand von konkreten Beispielen gelehrt. In der Vergangenheit waren das zum Beispiel die folgenden Themen aus dem Bereich grundlegender Algorithmen und Datenstrukturen:

dabei geht es jeweils um die besten bekannten praktischen und theoretischen Verfahren. Diese weichen meist erheblich von den in Anfängervorlesungen gelehrten Verfahren ab.

Arbeitsaufwand

Vorlesung und Übung mit 3 SWS, 5 LP

5 LP entspricht ca. 150 Arbeitsstunden, davon

ca. 45 Std. Besuch der Vorlesung und Übung bzw. Blockseminar,

ca. 25 Std. Vor- und Nachbereitung,

ca. 40 Std. Bearbeitung der Übungsblätter / Vorbereitung Minisemiar

ca. 40 Std. Prüfungsvorbereitung

Modul: Algorithmen für Routenplanung [M-INFO-100031]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-100002 Algorithmen für Routenplanung 5 Bläsius
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer beherrschen die Methodik des Algorithm Engineering und insbesondere ihre Anwendung im Bereich Routenplanung. Sie kennen algorithmische Problemstellungen, die sich in verschiedenen praktischen Anwendungen der Routenplanung in Transportnetzwerken ergeben. Sie sind in der Lage, diese Probleme zu identifizieren und verstehen es, die auftretenden Fragestellungen auf ihren algorithmischen Kern zu reduzieren und anschließend effizient zu lösen. Sie sind in der Lage, dabei Wissen aus den Bereichen der Graphentheorie und der Algorithmik praktisch umzusetzen. Zudem kennen die Teilnehmer verschiedene Techniken, die in der Praxis genutzt werden, um effiziente Verfahren zur Routenplanung zu implementieren. Sie kennen Verfahren zur Routenberechnung in Straßennetzen, öffentlichen Verkehrsnetzwerken sowie multimodalen Netzwerken. Studierende sind in der Lage, auch für komplexere Szenarien, wie etwa der zeitabhängigen Routenplanung, in der Praxis effizient umsetzbare Verfahren zu identifizieren und analysieren. Sie können theoretische und experimentelle Ergebnisse interpretieren und untereinander vergleichen.

Studierende sind außerdem in der Lage, neue Problemstellungen im Bereich der Routenplanung mit Methoden des Algorithm Engineering zu analysieren und Algorithmen unter Berücksichtigung moderner Rechnerarchitektur zu entwerfen, sowie aussagekräftige experimentelle Evaluationen zu planen und auszuwerten. Auf der Ebene der Modellierung sind sie in der Lage, verschiedene Modellierungsansätze zu entwickeln und deren Interpretationen zu beurteilen und zu vergleichen. Die Teilnehmer können zudem die vorgestellten Methoden und Techniken autonom auf verwandte Fragestellungen anwenden.

Inhalt

Optimale Routen in Verkehrsnetzen zu bestimmen ist ein alltägliches Problem. Wurden früher Reiserouten mit Hilfe von Karten am Küchentisch geplant, ist heute die computergestützte Routenplanung in weiten Teilen der Bevölkerung etabliert: Die beste Eisenbahnverbindung ermittelt man im Internet, für Routenplanung in Straßennetzen benutzt man häufig mobile Endgeräte.
Ein Ansatz, um die besten Verbindungen in solchen Netzen computergestützt zu finden, stammt aus der Graphentheorie. Man modelliert das Netzwerk als Graphen und berechnet darin einen kürzesten Weg, eine mögliche Route. Legt man Reisezeiten als Metrik zu Grunde, ist die so berechnete Route die beweisbar schnellste
Verbindung. Dijkstra's Algorithmus aus dem Jahre 1959 löst dieses Problem zwar beweisbar optimal, allerdings sind Verkehrsnetze so groß (das Straßennetzwerk von West- und Mittel-Europa besteht aus ca. 45 Millionen Abschnitten), dass der klassische Ansatz von Dijsktra zu lange für eine Anfrage braucht. Aus diesem Grund ist die Entwicklung von Beschleunigungstechniken für Dijkstra's Algorithmus Gegenstand aktueller Forschung. Dabei handelt es sich um zweistufige Verfahren, die in einem Vorverarbeitungsschritt das Netzwerk mit Zusatzinformationen anreichern, um anschließend die Berechnung von kürzesten Wegen zu beschleunigen.

Diese Vorlesung gibt einen Überblick über aktuelle Algorithmen zur effizienten Routenplanung und vertieft einige von den Algorithmen.

Arbeitsaufwand

Vorlesung mit 3 SWS, 5 LP

5 LP entspricht ca. 150 Arbeitsstunden, davon
ca. 45 Std. Vorlesungsbesuch,
ca. 60 Std. Nachbereitung und Bearbeitung der Übungsaufgaben,
ca. 45 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Algorithmen II [M-INFO-101173]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102020 Algorithmen II 6 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende besitzt einen vertieften Einblick in die theoretischen und praktischen Aspekte der Algorithmik und kann algorithmische Probleme in verschiedenen Anwendungsgebieten identifizieren und formal formulieren. Außerdem kennt er/sie weiterführende Algorithmen und Datenstrukturen aus den Bereichen Graphenalgorithmen, Algorithmische Geometrie, String-Matching,

Algebraische Algorithmen, Kombinatorische Optimierung und Algorithmen für externen Speicher. Er/Sie kann unbekannte Algorithmen eigenständig verstehen, sie den genannten Gebieten zuordnen, sie anwenden, ihre Laufzeit bestimmen, sie beurteilen sowie geeignete

Algorithmen für gegebene Anwendungen auswählen. Darüber hinaus ist der/die Studierende in der Lage bestehende Algorithmen auf verwandte Problemstellungen zu übertragen.

Neben Algorithmen für konkrete Problemstellungen kennt der/die Studierende fortgeschrittene Techniken des algorithmischen Entwurfs. Dies umfasst parametrisierte Algorithmen, approximierende Algorithmen, Online-Algorithmen, randomisierte Algorithmen, parallele Algorithmen, lineare Programmierung, sowie Techniken des Algorithm Engenieering. Für gegebene Algorithmen kann der/die Studierende eingesetzte Techniken identifizieren und damit diese Algorithmen besser verstehen. Darüber hinaus kann er für eine gegebene Problemstellung geeignete Techniken auswählen und sie nutzen, um eigene Algorithmen zu entwerfen.

Inhalt

Dieses Modul soll Studierenden die grundlegenden theoretischen und praktischen Aspekte der Algorithmentechnik vermitteln. Es werden generelle Methoden zum Entwurf und der Analyse von Algorithmen für grundlegende algorithmische Probleme vermittelt sowie die Grundzüge allgemeiner algorithmischer Methoden wie Approximationsalgorithmen, Lineare Programmierung, Randomisierte Algorithmen, Parallele Algorithmen und parametrisierte Algorithmen behandelt.

Arbeitsaufwand

Vorlesung mit 3 SWS + 1 SWS Übung.

6 LP entspricht ca. 180 Stunden

ca. 45 Std. Vorlesungsbesuch,

ca. 15 Std. Übungsbesuch,

ca. 90 Std. Nachbearbeitung und Bearbeitung der Übungsblätter

ca. 30 Std. Prüfungsvorbereitung

Modul: Algorithmen zur Visualisierung von Graphen [M-INFO-102094]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104390 Algorithmen zur Visualisierung von Graphen 5 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis algorithmischer Fragestellungen und Lösungsansätze im Bereich der Visualisierung von Graphen, das auf dem bestehenden Wissen in den Themenbereichen Graphentheorie und Algorithmik aufbaut.
Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden
• Begriffe, Strukturen und grundlegende Problemdefinitionen aus der Vorlesung erklären;
• Layoutalgorithmen für verschiedene Graphklassen exemplarisch ausführen, mathematisch präzise analysieren und die algorithmischen Eigenschaften beweisen;
• Komplexitätsresultate aus der Vorlesung erklären und eigenständig ähnliche Reduktionsbeweise für neue Layoutprobleme führen;
• auswählen, welche Algorithmen zur Lösung eines gegebenen Layoutproblems geeignet sind und diese ggf. den Anforderungen einer konkreten Problemstellung anpassen;
• unbekannte Visualisierungsprobleme aus Anwendungen des Graphenzeichnens analysieren, auf den algorithmischen Kern reduzieren und daraus ein abstraktes Modell erstellen; auf Basis der in der Vorlesung erlernten Konzepte und Techniken eigene Lösungen in diesem Modell entwerfen, analysieren und die algorithmischen Eigenschaften beweisen.

Inhalt

Netzwerke sind relational strukturierte Daten, die in zunehmendem Maße und in den unterschiedlichsten Anwendungsbereichen auftreten. Die Beispiele reichen von physischen Netzwerken, wie z.B. Transport- und Versorgungsnetzen, hin zu abstrakten Netzwerken, z.B. sozialen Netzwerken. Für die Untersuchung und das Verständnis von Netzwerken ist die Netzwerkvisualisierung ein grundlegendes Werkzeug.

Mathematisch lassen sich Netzwerke als Graphen modellieren und das Visualisierungsproblem lässt sich auf das algorithmische Kernproblem reduzieren, ein Layout des Graphen, d.h. geeignete Knoten- und Kantenpositionen in der Ebene, zu bestimmen. Dabei werden je nach Anwendung und Graphenklasse unterschiedliche Anforderungen an die Art der Zeichnung und die zu optimierenden Gütekriterien gestellt. Das Forschungsgebiet des Graphenzeichnens greift dabei auf Ansätze aus der klassischen Algorithmik, der Graphentheorie und der algorithmischen Geometrie zurück.

Im Laufe der Veranstaltung wird eine repräsentative Auswahl an Visualisierungsalgorithmen vorgestellt und vertieft.

Arbeitsaufwand
Vorlesung und Übung mit 3 SWS, 5 LP
5 LP entspricht ca. 150 Arbeitsstunden, davon
ca. 45 Std. Besuch der Vorlesung und Übung,
ca. 25 Std. Vor- und Nachbereitung,
ca. 40 Std. Bearbeitung der Übungsblätter
ca. 40 Std. Prüfungsvorbereitung

Modul: Algorithmische Geometrie [M-INFO-102110]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-INFO-104429 Algorithmische Geometrie 6 Bläsius
T-INFO-113718 Algorithmische Geometrie - Übung 0 Bläsius
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis von Fragestellungen und Lösungsansätzen im Bereich der algorithmischen Geometrie, das auf dem bestehenden Wissen in der Theoretischen Informatik und Algorithmik aufbaut. Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden
• Begriffe, Strukturen und grundlegende Problemdefinitionen aus der Vorlesung erklären
• geometrische Algorithmen exemplarisch ausführen, mathematisch präzise analysieren und ihre Eigenschaften beweisen
• auswählen, welche Algorithmen und Datenstrukturen zur Lösung eines gegebenen geometrischen Problems geeignet sind und diese ggf. einer konkreten Problemstellung anpassen
• unbekannte geometrische Probleme analysieren, auf den algorithmischen Kern reduzieren und daraus ein abstraktes Modell erstellen; auf Basis der in der Vorlesung erlernten Konzepte und Techniken eigene Lösungen in diesem Modell entwerfen, analysieren und die Eigenschaften beweisen.

Inhalt

Räumliche Daten werden in den unterschiedlichsten Bereichen der Informatik verarbeitet, z.B. in Computergrafik und Visualisierung, in geographischen Informationssystemen, in der Robotik usw. Die algorithmische Geometrie beschäftigt sich mit dem Entwurf und der Analyse geometrischer Algorithmen und Datenstrukturen. In diesem Modul werden häufig verwendete Techniken und Konzepte der algorithmischen Geometrie vorgestellt und anhand ausgewählter und anwendungsbezogener Fragestellungen vertieft.

Arbeitsaufwand

Vorlesung mit Übung mit 4 SWS, 6 LP
6 LP entspricht ca. 180 Arbeitsstunden, davon
ca. 60 Std. Besuch der Vorlesung und Übung
ca. 30 Std. Vor- und Nachbereitung
ca. 60 Std. Bearbeitung der Übungsblätter
ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) werden erwartet.

Modul: Algorithmische Graphentheorie [M-INFO-100762]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103588 Algorithmische Graphentheorie 5 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden kennen grundlegende Begriff der algorithmischen Graphentheorie und die in diesem Zusammenhang wichtigsten Graphklassen und deren Charakterisierungen, nämlich perfekte Graphen, chordale Graphen, Vergleichbarkeitsgraphen, sowie Intervall-, Split-, und Permutationsgraphen. Sie können zudem Algorithmen zur Erkennung dieser Graphen sowie zur Lösung grundlegender algorithmischer Probleme auf diesen Graphen exemplarisch ausführen und analysieren. Außerdem sind sie in der Lage in angewandten Fragestellungen Teilprobleme zu identifizieren, die sich mittels dieser Graphklassen ausdrücken lassen, sowie Algorithmen für neue, zu Problemen aus der Vorlesungen verwandte Problemstellungen auf diesen Graphklassen zu entwickeln.

Inhalt

Viele grundlegende, in vielen Kontexten auftauchende Problemstellungen, etwa Färbungsprobleme oder das Finden von unabhängigen Mengen und maximalen Cliquen, sind in allgemeinen Graphen NP-schwer. Häufig sind in Anwendungen vorkommende Instanzen dieser schwierigen Probleme aber wesentlich stärker strukturiert und lassen sich daher effizient lösen. In der Vorlesung werden zunächst perfekte Graphen sowie deren wichtigste Unterklasse, die chordalen Graphen, eingeführt und Algorithmen für diverse im allgemeinen NP-schwere Probleme auf chordalen Graphen vorstellt. Anschließend werden vertiefte Konzepte wie Vergleichbarkeitsgraphen besprochen, mit deren Hilfe sich diverse weitere Graphklassen (Intervall-, Split-, und Permutationsgraphen) charakterisieren und und erkennen lassen, sowie Werkzeuge zum Entwurf von spezialisierten Algorithmen für diese vorgestellt.

Arbeitsaufwand
Vorlesung mit 3SWS, 5LP

5 LP entspricht ca. 150 Arbeitsstunden, davon

ca. 45h Vorlesungsbesuch

ca. 60h Nachbereitung und Bearbeitung der Übungsaufgaben

ca. 45h Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Analysis 4 [M-MATH-103164]

Verantwortung:
Prof. Dr. Roland Schnaubelt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-MATH-106286 Analysis 4 - Prüfung 9 Frey, Herzog, Hundertmark, Lamm, Plum, Reichel, Schnaubelt, Tolksdorf
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können einfache Anwendungsprobleme als gewöhnliche Differentialgleichungen modellieren. Für Anfangswertprobleme können sie die Existenz und Eindeutigkeit der Lösungen nachweisen. Sie sind in der Lage
qualitative Eigenschaften der Lösungen mit Hilfe der Phasenebene zu analysieren und die Stabilität von Fixpunkten bestimmen. Sie können lineare Randwertprobleme auf ihre Lösbarkeit untersuchen und beherrschen einfache Lösungsmethoden für elementare partielle Differentialgleichungen.
Die Studierenden verstehen den grundsätzlichen Unterschied zwischen reeller und komplexer Funktionentheorie. Anhand von Reihendarstellungen und dem Satz von Cauchy können sie die besonderen Eigenschaften holomorpher Funktionen begründen und die Hauptsätze der Funktionentheorie ableiten. Sie können isolierte Singularitäten bestimmen und damit reelle Integrale berechnen.

Inhalt

• Modellierung mit Differentialgleichungen
• Existenztheorie
• Phasenebene, Stabilität
• Randwertprobleme, elementare partielle Differentialgleichungen
• Holomorphie
• Integralsatz und -formel von Cauchy
• Hauptsätze der Funktionentheorie
• isolierte Singularitäten, reelle Integrale

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Empfehlung: Analysis 1-3, Lineare Algebra 1+2.

Modul: Angewandte Differentialgeometrie [M-INFO-104892]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109924 Angewandte Differentialgeometrie 3 Prautzsch
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students of this course are knowledgeable about basic concepts of classic differential geometry and discrete differential geometry and are able to apply these concepts in the design and analysis of smooth and discrete surfaces.

Inhalt

Frenet frame, contact of curves, first and second fundamental form, Meusnier*s theorem, Darboux frame, asymptotic lines, geodesics, curvature lines, parallel transport, Dupin’s indicatrix, Gaussian and mean curvature, conjugate curve networks, developable surfaces, minimal surfaces, conformal maps, Dirichlet energy, various normal estimates, plane of regression, straightest lines on meshes, discrete geodesic curvature, vector fields on meshes, distance fields on meshes, estimates of the second fundamental form, discrete Gaussian curvature. spherical indicatrix, discrete minimal surfaces.

Arbeitsaufwand

90 h

Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding previous knowledge is therefore helpful.

Modul: Angewandte Informationstheorie [M-ETIT-100444]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100748 Angewandte Informationstheorie 6 Jäkel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 25 Minuten. Vor der Prüfung erfolgt eine Vorbereitungsphase von 15 Minuten, in der vorbereitende Aufgaben gelöst werden.

Voraussetzungen

keine

Qualifikationsziele

Studierende beherrschen die Methoden und Begriffe der Informationstheorie und können diese zur Analyse nachrichtentechnischer Fragestellungen anwenden.

Die Studierenden erlangen die Fähigkeit, den Informationsgehalt von Quellen und den Informationsfluss in Systemen zu untersuchen und deren Bedeutung für die Realisierung nachrichtentechnischer Systeme zu bewerten.

Inhalt

Die von Shannon begründete Informationstheorie stellt einen zentralen Ansatzpunkt für nahezu alle Fragen der Codierung und der Verschlüsselung dar. Um spätere Betrachtungen auf eine solide Grundlage zu stellen, werden zu Beginn der Vorlesung die Begriffe der Informationstheorie erarbeitet. Anschließend werden diese auf verschiedene Teilgebiete der Nachrichtentechnik und der Signalverarbeitung angewendet und zu deren Analyse eingesetzt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit Vorlesung: 15 * 3 h = 45 h

2. Vor-/Nachbereitung Vorlesung: 15 * 6 h = 90 h

3. Präsenzzeit Übung: 15 * 1 h = 15 h

4. Vor-/Nachbereitung Übung: 15 * 2 h = 30 h

5. Klausurvorbereitung und Präsenz in selbiger: in Vor-/Nachbereitung verrechnet

Insgesamt: 180 h = 6 LP

Empfehlungen

Vorheriger Besuch der Vorlesung „Wahrscheinlichkeitstheorie“ wird empfohlen.

Modul: Angewandte strategische Entscheidungen [M-WIWI-101453]

Verantwortung:
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
6
Pflichtbestandteile
T-WIWI-102861 Advanced Game Theory 4,5 Ehrhart, Puppe, Reiß
Ergänzungsangebot (Wahl: zwischen 4,5 und 5 LP)
T-WIWI-113469 Advanced Corporate Finance 4,5 Ruckes
T-WIWI-102613 Auktionstheorie 4,5 Ehrhart
T-WIWI-102614 Experimentelle Wirtschaftsforschung 4,5 Weinhardt
T-WIWI-102623 Finanzintermediation 4,5 Ruckes
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy 4,5 Weinhardt
T-WIWI-102862 Predictive Mechanism and Market Design 4,5 Reiß
T-WIWI-105781 Incentives in Organizations 4,5 Nieken
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Prüfungen werden in jedem Semester angeboten und können zu jedem ordentlichen Prüfungstermin wiederholt werden. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung "Advanced Game Theory" ist Pflicht im Modul und muss erfolgreich geprüft werden. Ausnahme: Die Bachelor-Lehrveranstaltung "Einführung in die Spieltheorie" [2520525] wurde erfolgreich abgeschlossen. Wenn diese Voraussetzung erfüllt wurde und "Advanced Game Theory" im Modul nicht belegt werden soll, können die Modulprüfungsbedingungen individuell angepasst werden. Dazu ist das Prüfungssekretariat der Fakultät möglichst früh im Semester zu informieren. Auch wer "Advanced Game Theory" in einem anderen Master-Modul bereits erfolgreich nachgewiesen hat, kann das Modul belegen. In diesem Fall können aus dem Ergänzungsangebot zwei Teilleistungen frei gewählt werden. Diese Wahl kann jedoch nur vom Prüfungssekretariat der Fakultät vorgenommen werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul bietet, aufbauend auf einer soliden Analyse von strategischen Entscheidungssituationen, ein breites Spektrum der Anwendungsmöglichkeiten der spieltheoretischen Analyse an. Zum besseren Verständnis der theoretischen Konzepte werden auch empirische Aspekte des strategischen Entscheidens angeboten.

Anmerkungen

Die Veranstaltung Predictive Mechanism and Market Design wird in jedem zweiten Wintersemester angeboten, z.B. WS 2013/14, WS 2015/16, ...

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Grundlagen der Spieltheorie sollten vorhanden sein.

Modul: Anziehbare Robotertechnologien [M-INFO-103294]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-106557 Anziehbare Robotertechnologien 4 Asfour, Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende besitzt grundlegende Kenntnisse über anziehbare Robotertechnologien und versteht die Anforderungen des Entwurfs, der Schnittstelle zum menschlichen Körper und der Steuerung anziehbarer Roboter. Er/Sie kann Methoden der Modellierung des Neuro-Muskel-Skelett-Systems des menschlichen Körpers, des mechatronischen Designs, der Herstellung sowie der Gestaltung der Schnittstelle anziehbarer Robotertechnologien zum menschlichen Körper beschreiben. Der Teilnehmer versteht die symbiotische Mensch-Maschine Interaktion als Kernthema der Anthropomatik und kennt hochaktuelle Beispiele von Exoskeletten, Orthesen und Prothesen.

Inhalt

Im Rahmen dieser Vorlesung wird zuerst ein Überblick über das Gebiet anziehbarer Robotertechnologien (Exoskelette, Prothesen und Orthesen) sowie deren Potentialen gegeben, bevor anschießend die Grundlagen der anziehbaren Robotik vorgestellt werden. Neben unterschiedlichen Ansätzen für Konstruktion und Design anziehbarer Roboter mit den zugehörigen Aktuator- und Sensortechnologien liegen die Schwerpunkte auf der Modellierung des Neuro-Muskel-Skelett-Systems des menschlichen Körpers, sowie der physikalischen und kognitiven Mensch-Roboter-Interaktion in körpernahen enggekoppelten hybriden Mensch-Roboter-Systemen. Aktuelle Beispiele aus der Forschung und verschiedenen Anwendungen von Arm-, Bein- und Ganzkörperexoskeletten sowie von Prothesen werden vorgestellt.

Arbeitsaufwand

Vorlesung mit 2 SWS, 4 LP.
4 LP entspricht ca. 120 Stunden, davon
ca. 15 * 2h = 30 Std. Präsenzzeit Vorlesung
ca. 15 * 3h = 45 Std. Vor- und Nachbereitungszeit Vorlesung
ca. 45 Std. Prüfungsvorbereitung und Präsenz in selbiger

Empfehlungen

Der Besuch der Vorlesung Mechano-Informatik in der Robotik wird empfohlen.

Modul: Ars Rationalis [M-GEISTSOZ-100614]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jährlich
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
4
Pflichtbestandteile
T-GEISTSOZ-101174 Ars Rationalis I 0 Betz
T-GEISTSOZ-101175 Ars Rationalis II 0 Betz
T-GEISTSOZ-110370 Modulteilprüfung 1 - Ars Rationalis (Klausur) 5 Betz
T-GEISTSOZ-110371 Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) 5 Betz
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den beiden Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können natürlichsprachliche Argumente in Texten erkennen und rekonstruieren, was insbesondere eine formale Analyse mit den Mitteln der klassischen Logik einschließt. Sie kennen die für die Philosophie charakteristischen Argumentationsmuster (wie zum Beispiel transzendentale Argumente, Selbstanwendungsargumente). Sie können deduktive, induktive und abduktive Argumente entwickeln und voneinander unterscheiden sowie deren Schlüssigkeit bzw. Plausibilität selbstständig beurteilen.

Inhalt

Theoretische und praktische Aspekte der Argumentationsanalyse auf der Grund­lage der klassi­schen Logik

Zusammensetzung der Modulnote

Die Modulnote ergibt sich aus dem arithmetischen Mittel der beiden Prüfungsleistungen.

Arbeitsaufwand

Insgesamt ca. 300 h: Präsenz in den Veranstaltungen und der Klausur ca. 60 h, Vor- und Nachbereitung (einschl. Tutorien und Hausaufgaben), 150 h, selbständige Lektüre empfohlener Fachliteratur ca. 50 h, Klausurvorbereitung ca. 40 h

Modul: Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie [M-INFO-105667]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111320 Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie 3 Geiselmann, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Kann nur geprüft werden, wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100836 - Ausgewählte Kapitel der Kryptographie muss erfolgreich abgeschlossen worden sein.
  2. Das Modul M-INFO-105584 - Theoretische Grundlagen der Kryptographie darf nicht begonnen worden sein.
Qualifikationsziele

Der/die Studierende
- kann die grundlegende Begriffe der Kryptographie motivieren, erklären, ihre Unterschiede aufzeigen, und sie untereinander in Beziehung setzen.
- ist in der Lage, Sicherheitsmodelle und -ziele zu vergleichen und zu bewerten.
- kennt und versteht Definitionen und Konstruktionen, und deren Zusammenhänge und Abhängigkeiten. Beispielweise Eigenschaften wie „einweg“, „kollisionsresistent“, „pseudo-zufällig“, „IND-CPA“, „IND-CCA“, „EUF-CMA“, etc., und Kandidaten, Konstruktionen, und Verfahren mit solchen Eigenschaften.
- versteht elementare Beweistechniken (wie z.B. Reduktionen und Hybridargumente) und kann diese anwenden
- kann Sicherheitsbeweise nachvollziehen, prüfen und erklären.
- kann einfache neue Verfahren konstruieren, bewerten, und mögliche Angriffe finden.
- kann (einfache) sichere Verfahren mit den gelernten Techniken als sicher beweisen.

Inhalt

Die Vorlesung behandelt die theoretischen Grundlagen der Kryptographie, mit Fokus auf nicht-interaktiven Grundlagen. Die Vorlesung besteht aus drei großen Teilen.
1. Komplexitätstheoretische Aspekte
2. Secret-Key Kryptographie
3. Public-Key Kryptographie

Die üblichen Inhalte umfassen:
- Asymptotische Sicherheit, Einwegfunktionen, Pseudozufall und Ununterscheidbarkeit
- Secret-Key Kryptographie (Verschlüsselung, Sicherheitsbegriffe wie IND-CPA, IND-CCA, Authentizität, und authentifizierte Verschlüsselung)
- Public-Key Verschlüsselung (Sicherheitsbegriffe in dieser Situation, insbesondere CCA-Sicherheit)
- Signaturen (Definition und grundlegende Konstruktionen.)
- Ausblicke auf weiterführende Themen (beispielsweise als Teil der Übungen)

Zur Vorlesung findet eine ergänzende Übung statt, die Stoff rekapituliert, vertieft, und in neuem Kontext anwendet.

Die konkreten Inhalte von Vorlesung und Übung variieren, je nach Wahl des Schwerpunktes. Sie dient als Grundlage für weiterführende Vorlesungen und Seminare, beispielsweise zu kryptographischen Protokollen (interaktive Kryptographie) und fortgeschrittene nicht-interaktive Kryptographie.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 48 h
Vor-/Nachbereitung derselbigen: 20 h
Prüfungsvorbereitung und Präsenz in selbiger: 22 h

Modul: Authentisierung und Verschlüsselung [M-INFO-105338]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110824 Authentisierung und Verschlüsselung 4 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

- kann die Begriffe Vertraulichkeit und Authentizität erklären und ihre Unterschiede aufzeigen,

- versteht grundlegende Sicherheitsziele von digitalen Signaturen und ihre Beziehung untereinander und kann diese anwenden,

- kennt und versteht wichtige Signaturverfahren aus Theorie und Praxis und kann diese erklären,

- versteht Definitionen von aktiv sicherer Verschlüsselung und kann sie erklären und anwenden,

- kann Verfahren zur Konstruktion von aktiv sicherer Verschlüsselung erklären,

- kann elementare Beweistechniken wie z.B. Reduktionen und Hybridargumente verstehen und sie anwenden

Inhalt

Die Gewährleistung von Authentizität und Geheimhaltung ist eine Sicherheitsanforderung, die in vielen Anwendungen auftritt.

Aufbauend auf der Vorlesung "Theoretische Grundlagen der Kryptographie" vertieft diese Vorlesung die Betrachtung kryptographischer Authentifikationsverfahren (insbesondere Signaturen und Message Authentication Codes) und aktiv sicherer Verschlüsselungsverfahren.

Den Schwerpunkt der Vorlesung bilden verschiedene Techniken zur Konstruktion von digitalen Signaturverfahren sowie die Nachweise der erzielten Sicherheitseigenschaften. Es werden beispielsweise die folgenden Themen behandelt:

- Einmalsignaturen, Baum-basierte Signaturen und Chamäleon-Hashfunktionen

- RSA-basierte Signaturen

- Signaturen in bilinearen Gruppen

Im zweiten Teil der Vorlesung werden Verschlüsselungsverfahren vorgestellt, die Sicherheit gegen aktive Angriffe bieten. Hierbei werden z.B. die folgenden Konstruktionen vorgestellt:

- Authentisierte Verschlüsselung im symmetrischen Fall

- der GCM-Betriebsmodus für Blockchiffren

- Verfahren zur Konstruktion aktiv sicherer asymmetrischer Verschlüsselung

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 24 h
Vor-/Nachbereitung derselbigen: 31 h
Prüfungsvorbereitung und Präsenz in selbiger: 65 h

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein

Modul: Automated Planning and Scheduling [M-INFO-104447]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109085 Automated Planning and Scheduling 5 Sanders
Erfolgskontrolle(n)

Siehe Teilleistungen.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

The course offers an introduction to the methods and techniques used in automated planning and scheduling. The course is focused on classical deterministic planning, i.e., planning in a fully observable deterministic environment. The students will learn how to use automated planners and schedulers and also how they work. The topics covered in the lecture include:

Arbeitsaufwand

2 SWS Vorlesung + 1 SWS Übungen

(Vor- und Nachbereitungszeiten: 4h/Woche für Vorlesung plus 2h/Woche für Übungen; Prüfungsvorbereitung: 15h)

Gesamtaufwand: (2 SWS + 1 SWS + 4 SWS + 2 SWS) x 15h + 15h Prüfungsvorbereitung = 9x15h + 15h = 150h = 5 ECTS

Modul: Automatische Sichtprüfung und Bildverarbeitung [M-INFO-100826]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101363 Automatische Sichtprüfung und Bildverarbeitung 6 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand
Gesamt: ca. 180h, davon
1. Präsenzzeit in Vorlesungen: 46h
2. Vor-/Nachbereitung derselbigen: 44h
3. Klausurvorbereitung und Präsenz in selbiger: 90h
Empfehlungen

Siehe Teilleistung.

Modul: Automotive Software Engineering (ASE) [M-INFO-106019]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112204 Automotive Software Engineering (ASE) - Übung 0 Schaefer
T-INFO-112203 Automotive Software Engineering (ASE) 4 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls kennen die Studierenden die wesentlichen Grundlagen, sowie geeignete Methoden und Werkzeuge für die Softwareentwicklung im Automobilbereich. Die Studierenden sind in der Lage, grundlegende Softwareentwicklungsmethoden eingebetteter Systeme sowie die Techniken zum Komplexitäts-, Varianten- und Qualitätsmanagement anzuwenden.

Inhalt

• Grundlagen und Randbedingungen für die Softwareentwicklung im Automobilbereich
• Modellierungstechniken
• Entwicklungsprozesse und Methodik
• Qualitätssicherung
• Werkzeuge
• Fallstudien

Anmerkungen

Wegen der begrenzten Plätze für die Übung in den Rechnerräumen ist die Teilnehmerzahl auf 40 Studierende begrenzt. Die Zulassung erfolgt auf First-Come-First-Serve Basis.

Arbeitsaufwand

• Präsenszeit in der Vorlesung: 28 h
• Bearbeitung von Übungsaufgaben: 8h
• Ausarbeitung eines Vortrags zu gestelltem Thema: 46h
• Nachbereitung und Prüfungsvorbereitung: 36h
• Absolvieren eines Probevortrags: 1h
• Prüfung: 1h
• Gesamt: 120h / 30 = 4 Credits

Modul: Autonomous Learning for Intelligent Robot Perception [M-INFO-106608]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113327 Autonomous Learning for Intelligent Robot Perception 4 Triebel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are capable of describing the details of different methods for autonomous learning, and they can place them in the context of intelligent robot perception. They are able to derive mathematical principles of these algorithms and they can name and describe relevant applications.

Inhalt

This lecture conveys the main principles of Intelligent Robot Perception, where the major focus is on machine learning techniques that are particularly useful for robot vision applications. The most important design criteria for these methods are run-time and data efficiency, safety, and autonomy, where the latter refers to independence of human interactions and the ability to take decisions during learning (aka. active learning). In the lecture, we will analyse modern learning techniques that meet these criteria, and we will show concrete applications of these in robotic perception tasks such as object detection and pose estimation, grasp detection and semantic mapping.

Arbeitsaufwand

120h

Empfehlungen

A basic understanding of probability theory and linear algebra is required

Modul: Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen [M-INFO-105496]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111040 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 6 Bläsius
Erfolgskontrolle(n)

Siehe Teillesitung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden

• können das in den Grundlagenmodulen zur Algorithmentechnik erlernte Wissen praktisch anwenden,

• sind in der Lage eigenständig effiziente Implementierungen algorithmischer Verfahren anzufertigen,

• beherrschen die Methodik zur praktischen Evaluierung von Algorithmen, inklusive der Aufarbeitung, Analyse und Interpretation von Messdaten,

• besitzen die Fähigkeit gefundene Ergebnisse zu kommunizieren.

Die Teilnehmer sind außerdem in der Lage zu analysieren, welchen Einfluss verschiedene typische Eigenschaften von Instanzen auf die Effizienz von Algorithmen haben.

Inhalt

In dem Praktikum werden verschiedene algorithmische Ansätze vorgegeben, die von den Studierenden selbstständig implementiert und evaluiert werden. Dabei liegt der Fokus auf Verfahren, die auf praktischen Instanzen deutlich effizienter sind, als theoretische Worst-Case Analysen erwarten lassen. Diese unerwartete Effizienz wird im Rahmen des Praktikums mit empirischen Methoden weiter untersucht.

Arbeitsaufwand

Praktikum mit 4 SWS, 6 LP
6 LP entspricht ca. 180 Arbeitsstunden, davon
ca. 20 Std. Präsenzzeit,
ca. 130 Std. Implementierung und Evaluierung,
ca. 30 Std. Ausarbeitung und Vorbereitung der Präsentation

Modul: Betriebswirtschaftslehre für dataintensives Rechnen [M-INFO-104199]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre für dataintensives Rechnen
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
4
Betriebswirtschaftslehre für dataintensives Rechnen (Wahl: mindestens 1 Bestandteil)
T-WIWI-105777 Business Intelligence Systems 4,5 Mädche
T-WIWI-106187 Business Data Strategy 4,5 Weinhardt
T-WIWI-103139 Marketing Analytics 4,5 Klarmann
T-WIWI-102899 Modeling and Analyzing Consumer Behavior with R 4,5 Dorner, Weinhardt
T-WIWI-103124 Multivariate Verfahren 4,5 Grothe
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
T-WIWI-102847 Recommendersysteme 4,5 Geyer-Schulz
T-WIWI-103123 Statistik für Fortgeschrittene 4,5 Grothe
T-WIWI-111219 Artificial Intelligence in Service Systems - Applications in Computer Vision 4,5 Satzger
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik 4,5 Grothe
T-WIWI-107720 Market Research 4,5 Klarmann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Inhalt

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Modul: Bildverarbeitung [M-ETIT-102651]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2025)
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-105566 Bildverarbeitung 3 Heizmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Inhalt

Bildverarbeitung ist ein Sammelbegriff für die Erfassung von Bildsignalen mittels optischer Abbildung und Kameras, die Verarbeitung der aufgenommenen Bildsignale mittels (digitaler) Bildsignalverarbeitung und die Auswertung der Bilddaten zur Gewinnung von Nutzinformation aus den aufgenommenen Bildern.

Das Modul vermittelt Grundlagen, Vorgehensweisen und beispielhafte Anwendungen der Bildverarbeitung.

Die Inhalte umfassen im Einzelnen:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Die Vorbereitung (0,5 h), der Besuch (1,5 h) und die Nachbereitung (1 h) der wöchentlichen Vorlesung sowie die Vorbereitung (45 h) und Teilnahme (2 h) an der Klausur ergibt insgesamt einen Arbeitsaufwand von ca. 90 h.

Empfehlungen

Kenntnis zu Inhalten der Module „Signale und Systeme“ (z. B. Fourier-Transformation, Abtastung) und „Measurement Technology“ (z. B. Rauschen, Matched Filter) sind von Vorteil.

Modul: Bioelektrische Signale [M-ETIT-100549]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-101956 Bioelektrische Signale 3 Loewe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 90 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden verstehen die Physiologie der Bioelektrizität und können ihre grundlegenden Phänomene  beschreiben und mathematisch modellieren. Die Studierenden können die mathematischen Modell in Programmcode umsetzen und nutzen. Sie können den Weg zu personalisierten Modellen des menschlichen Körpers beschreiben und algorithmisch umsetzen. Die Studierenden wissen, wie bioelektrische Signale entstehen, wie man sie messen und für die Diagnose in der Medizin auswerten kann.

Inhalt

Die Lehrveranstaltung beschäftigt sich mit der Entstehung von elektrischen Signalen im Körper und den Möglichkeiten, wie diese gemessen und interpretiert werden können. Diese Inhalte werden sowohl auf Grundlage der physiologischen Prozesse, als auch anhand von mathematischen Modellen erläutert und umgesetzt. Die mathematischen Modelle werden in Matlab-Übungsaufgaben implementiert und angewendet. Im Einzelnen werden folgende Themen behandelt:

- Zellmembranen und Ionenkanäle

- Elektrophysiologie der Zelle & Hodgkin-Huxley-Modell

- Ausbreitung von Aktionspotentialen

- Numerische Feldberechnung im menschlichen Körper

- Messung bioelektrischer Signale

- Elektrokardiographie und Elektrographie, Elektromyographie und Neurographie

- Elektroenzephalogramm, Elektrokortigogramm und Evozierte Potentiale, Magnetoenzephalogramm und Magnetokardiogramm

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung. Voraussetzung zur Teilnahme an der schriftlichen Prüfung ist die Abgabe der Workshopaufgaben. Bei sehr guter mündlicher Diskussion der Workshopaufgaben können für jeden der beiden Workshopteile jeweils 5 Punkte für die Klausur erworben werden (von 100). Die Bonuspunkte finden nur bei bestandener Prüfung Berücksichtigung. Bonuspunkte verfallen nicht und bleiben für eventuell zu einem späteren Zeitpunkt absolvierte Prüfungsleistungen erhalten. Die abschließende Bewertung der Bonusleistung erfolgt durch den Prüfenden und wird nachweisbar dokumentiert.

 

Arbeitsaufwand

Präsenzzeit Vorlesung: 8 * 1,5h = 12h

Vor-/Nachbereitung Vorlesung: 8 * 1h = 8h

Workshopaufgaben: 20h + 15h = 35h

Klausurvorbereitung und Präsenz in selbiger: 35h

Insgesamt: 90h

Empfehlungen

Kenntnisse zu Grundlagen der Signalverarbeitung und Physiologie sind hilfreich.

Grundlagen zu linearen elektrischen Netzen, Fouriertransformation sowie Differentialgleichungen und linearen Gleichungssystemen und numerischen Lösungsverfahren

Modul: Biologically Inspired Robots [M-MACH-106903]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MACH-113856 Biologically Inspired Robots 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine

Qualifikationsziele

Studierende kennen verschiedenen Entwurfsprinzipien der Methode "Bionik" in der Robotik und können Modelle für Kinematik, Mechanik, Regelung und Steuerung, Perzeption und Kognition analysieren und bewerten.

Studierende verstehen die Leichtbaukonzepte und Materialeigenschaften natürlicher Vorbilder. Sie sind mit den Konzepten und Methoden der Leichtbaurobotik vertraut und können resultierenden Auswirkungen auf die Energieeffizienz mobiler Robotersysteme beschreiben.

Studierende können verschiedenen natürlichen Muskeltypen und ihre Funktionsweise unterscheiden. Außerdem kennen sie die korrespondierenden, künstlichen Muskelsysteme und können das zugrundeliegende Muskelmodell ableiten. 

Studierende kennen die wichtigsten Sinne des Menschen, sowie die dazugehörige Reizverarbeitung und Informationskodierung. Sie können hierfür technologische Sensoren ableiten, die die gleiche Funktion in der Robotik übernehmen.

Studierende können die Funktionsweise eines Zentralen Mustergenerators (CPG) gegenüber einem Reflex abgrenzen. Sie können Neuro-Oszillatoren theoretisch herleiten und die Steuerung der Laufbewegung eines Roboters hiermit erläutern. Weiterhin können sie basierend auf den „Cruse Regeln" Laufmuster für sechsbeinige Roboter erzeugen.

Studierende können verschiedenen Lokomotionsarten sowie passende Stabilitätskriterien für Laufbewegungen unterscheiden. Sie kennen die wichtigsten Laufmuster für mehrbeinige Laufroboter und können diese in einem Gait-Diagramm darstellen.

Studierende kennen die wichtigsten Algorithmen bei maschinellen Lernverfahren und können ihre Vor- und Nachteile in der Robotik erklären.

Studierende kennen die Subsumption System-Architektur und können die Vorteile einer reaktiven Systemarchitektur bewerten. Sie können „Verhalten" für biologisch inspirierte Roboter zu Verhaltensnetzwerken zusammenfügen.

Studierende können die mendlschen Gesetze anwenden und die Unterschiede zwischen Meitose und Mitose erklären. Weiterhin können sie den genetische Grundalgorithmus erklären.

Studierende können die größten Herausforderungen bei der Entwicklung innovativer, humanoider Robotersysteme identifizieren und kennen Lösungsansätze sowie erfolgreiche Umsetzungen.

Inhalt

Die Vorlesung biologisch inspirierte Roboter beschäftigt sich intensiv mit Robotern, deren mechanische Konstruktion, Sensorkonzepte oder Steuerungsarchitektur von der Natur inspiriert wurden. Im Einzelnen wird jeweils auf Lösungsansätze aus der Natur geschaut (z.B. Leichtbaukonzepte durch Wabenstrukturen, menschliche Muskeln) und dann auf Robotertechnologien, die sich diese Prinzipien zu nutze machen um ähnliche Aufgaben zu lösen (leichte 3D Druckteile oder künstliche Muskeln in der Robotik). 

Nachdem diese biologisch inspirierten Technologien diskutiert wurden, werden konkrete Robotersysteme und Anwendungen aus der aktuellen Forschung präsentiert, die diese Technologien erfolgreich einsetzen. Dabei werden vor allem mehrbeinige Laufroboter, schlangenartige und humanoide Roboter vorgestellt, und deren Sensor- und Antriebskonzepte diskutiert.

Der Schwerpunkt der Vorlesung behandelt die Konzepte der Steuerung und Systemarchitekturen (z.B. verhaltensbasierte Systeme) dieser Robotersysteme, wobei die Lokomotion im Mittelpunkt steht. Die Vorlesung endet mit einem Ausblick auf zukünftige Entwicklungen und dem Aufbau von kommerziellen Anwendungen mit diesen Robotern.

Arbeitsaufwand

90 Arbeitsstunden, davon ca.:

Modul: Business & Service Engineering [M-WIWI-101410]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-113160 Digital Democracy 4,5 Fegert
T-WIWI-112757 Digital Services: Innovation & Business Models 4,5 Satzger
T-WIWI-110887 Practical Seminar: Service Innovation 4,5 Satzger
T-WIWI-102847 Recommendersysteme 4,5 Geyer-Schulz
T-WIWI-113724 Spezialveranstaltung Wirtschaftsinformatik 4,5 Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Lehrveranstaltungen des Moduls im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul behandelt, von der rasanten Entwicklung der Kommunikations- und Informationstechnik und der zunehmend globalen Konkurrenz ausgehend, die Entwicklung von neuen Produkten, Prozessen, Dienstleistungen und Märkte aus einer Serviceperspektive. Das Modul vermittelt Service Wettbewerb als Unternehmensstrategie, die Unternehmen nachhaltig verfolgen können und aus der die Gestaltung von Geschäftsprozessen, Geschäftsmodellen, Organisations-, Markt- und Wettbewerbsformen abgeleitet wird. Dies wird an aktuellen Beispielen zur Entwicklung von personalisierten Diensten, Empfehlungsdiensten und sozialen Plattformen gezeigt.

Anmerkungen

Als Spezialveranstaltung Wirtschaftsinformatik können alle Seminarpraktika des IM belegt werden. Aktuelle Informationen zum Angebot sind unter: www.iism.kit.edu/im/lehre zu finden.

Ab dem Sommersemester 2023 wird die Veranstaltung Service Innovation mit einem überarbeiteten Lernkonzept und -inhalten angeboten. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Derzeitige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h, für Lehrveranstaltungen mit 5 Credits ca. 150h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: CAD Engineering Project for Intelligent Systems [M-MACH-106905]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MACH-113857 CAD Engineering Project for Intelligent Systems 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine 

Qualifikationsziele

Studierende sind in der Lage CAD-Tools für die Konstruktion sowie 3DDruck als Fertigungsverfahren für intelligente Systeme wie z.B. biologisch inspirierte Roboter anzuwenden.

Inhalt

Studierende entwickeln in diesem Konstruktionsprojekt in kleinen Gruppen nach agiler Vorgehensweise eine innovative mechatronische Komponente, die zuvor definierte Anforderungen an ein intelligentes System erfüllt. 

Hierfür lernen die Studierende eine aktuelle CAD-Entwicklungsumgebung kennen und lernen dort entsprechende Teile zu konstruieren. Von der Idee bis zum fertigen Modell wird der typische Design- und Entwicklungsprozess nachvollzogen. Im Vordergrund stehen die selbstständige Lösungsfindung, Teamfähigkeit, (robotische) Funktionserfüllung, 3D Druck bzw. Fertigung und biologisch inspirierte Design. Am Ende des Semesters werden die Projektergebnisse präsentiert.

Arbeitsaufwand

90h

•   Initialer Entwurf / Idee einer (biologisch inspirierten) mechatronische Komponente: 15h

•   Konstruktion mittels CAD-System und Gesamtsystem-Design: 30h

•   3D Druck, Montage, Integration Elektronik und Funktionstests: 30h

•   Dokumentation und Bericht: 5h

•   Meetings: Kickoff, Zwischen- und Abschluss-Präsentation und Diskussionen sowie Treffen mit Betreuern: 10h

Modul: Channel Coding: Algebraic Methods for Communications and Storage [M-ETIT-105616]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111244 Channel Coding: Algebraic Methods for Communications and Storage 3 Schmalen
Erfolgskontrolle(n)

The exam is held as an oral exam of approx. 20 min.

Qualifikationsziele

The students are able to analyse and assess problems of algebraic channel coding. They can apply methods of algebraic coding theory in the context of communication systems for data transmission and data storage and are able to assess their implementation.Additionally, they will get knowledge to current research topics and research results.

Inhalt

This course focuses on the formal and mathematical basics for the design of coding schemes in digital communication systems. These include schemes for data transmission, data storage and networking. The course starts by introducing he necessary fundamentals of algebra which are then used to derive codes for different applications. Besides codes that are important for data transmission appliations, e.g., BCH and Reed-Solomon-Codes, we also investigate codes for the efficient storage and reconstruction of data in distributed systems (locally repairable codes) and codes that increase the throughput in computer networks (network codes). Real applications are always given to discuss practical aspects and implementations of these coding schemes. Many of these applications are illustrated by example code in software (python/MATLAB).

Zusammensetzung der Modulnote

Grade of the module corresponds to the grade of the oral exam.

Arbeitsaufwand
  1. Attendance to the lecture: 15 * 2 h = 30 h
  2. Preparation and review: 15 * 4 h = 60 h
  3. Preparation for the exam: included in preparation and review
  4. In total: 90 h = 3 LP
Empfehlungen

Knowledge of basic engineering as well as basic knowledge of communications engineering.

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.

Modul: Channel Coding: Graph-Based Codes [M-ETIT-105617]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111245 Channel Coding: Graph-Based Codes 6 Schmalen
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 30 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students will be able to understand and apply advanced and modern methods of channel coding. They get to know various tools of modern coding theory for the analysis and optimization of coding schemes, conceptual design approaches of error correction building blocks as well as applications in digital communications (for example, 5G). Additionally, they will get knowledge to current research topics and research results.

Inhalt

The course expands on the topics dealt with in the lecture “Verfahren der Kanalcodierung”. The focus is on modern methods that have been brought into practice in the past few years and that achieve the capacity limits postulated by Shannon. For this purpose, known techniques have to be extended and new methods have to be learnt additionally. The lecture introduces the theoretical limits very quickly and follows with a discussion on the basic concepts of channel coding, including block codes. Based on this, modern error correction methods like LDPC codes, spatially coupled codes, and Polar codes are treated in depth. The lecture ends with a view on the application of channel coding in classical and distributed storage scenarios and in computer networks. Many of the applications are illustrated with example implementations in software (python/MATLAB).

Zusammensetzung der Modulnote

The modul grade is the grade of the oral exam.

Arbeitsaufwand

- Lecture attendance time: 15 * 3 h = 45 h
- Presence time Exercise: 15 * 1 h = 15 h
- Lecture preparation / revision: 15 * 3 h = 45 h
- Exercise: 15 * 1 h = 15 h
- Exam preparation and attendance: 60 h

Total workload: approx. 180 h = 6 LP

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended. Knowledge from the lecture "Applied Information Theory" can be helpful. Previous attendance of the lecture “Verfahren der Kanalcodierung” can be helpful, but is not necessary.

Modul: Codierungstheorie [M-INFO-106824]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113693 Codierungstheorie 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende 
•    kann die Methoden der Codierungstheorie nennen und erklären;
•    beurteilt verschiedene Qualitätsmerkmale und Parameter von Codes;
•    beurteilt die praktische Bedeutung von theoretischen Schranken für Codes;
•    analysiert gegebene Systeme und passt sie an veränderte Rahmenbedingungen an.

Inhalt

Diese Vorlesung beschäftigt sich hauptsächlich mit der Kanalcodierung. Es wird untersucht, wie Signale gegen zufällige Störungen, die auf den Übertragungskanal einwirken, gesichert werden können. Es werden Schranken von Codes (Hamming, Gilbert-Varshamov, Singleton) vorgestellt. Neben der Codierung und Decodierung von klassischen algebraischen Codes (lineare-, Reed Solomon-, Goppa- und Reed Muller-Codes) werden auch verkettete Codes und Summen von Codes behandelt. Außerdem wird eine Verbindung zur Kryptographie, insbesondere zum McEliece Verschlüsselungsverfahren, hergestellt.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 24 h

Vor-/Nachbereitung derselbigen: 24 h

Prüfungsvorbereitung und Präsenz in selbiger: 42 h 

Modul: Collective Decision Making [M-WIWI-101504]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Wahlpflichtangebot (Wahl: )
T-WIWI-102740 Public Management 4,5 Wigger
T-WIWI-102859 Social Choice Theory 4,5 Puppe
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Inhalt

Der Schwerpunkt des Moduls liegt auf Mechanismen der öffentlichen Entscheidungsfindung, einschließlich Wahlen und der Aggregation von Präferenzen und Urteilen.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Computational Imaging [M-INFO-106190]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112573 Computational Imaging 5 Meyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel: Studierende sind in der Lage Fragestellungen des maschinellen Sehens optisch und algorithmisch zu modellieren und per gesamtheitlicher Optimierung zu bearbeiten.

Lernziele: Die Studierenden kennen
- die wesentlichen Komponenten des maschinellen Sehens, deren optische Modellierung und passende Kodierungsmethoden im Sinne des Computational Imaging,
- Methoden zur Emittierung, Erfassung und Verarbeitung von Lichtfeldern für Anwendungen der Photographie und der industriellen Bildverarbeitung,
- das Konzept der Lichttransportanalyse, entsprechende Modellierungs-, Erfassungs- und Verarbeitungsmethoden und
- Ansätze zur gesamtheitlichen Modellierung und Optimierung von optischen Bilderfassungs- und Verarbeitungssystemen.

Inhalt

Die digitale Bildgewinnung und -Verarbeitung hat seit ihren Anfängen bereits viele Anwendungsfelder wie bspw. die Medizintechnik oder die automatische optische Qualitätsprüfung revolutioniert. Dennoch fußt die Mehrzahl dieser Systeme weiterhin auf dem Ansatz, dass das genutzte optische Beleuchtungs- und Abbildungssystem und die zur Bildverarbeitung eingesetzten Algorithmen separat voneinander entwickelt und optimiert werden. Dadurch bleibt im Sinne des Gesamtsystems ein in vielerlei Hinsicht enormes Potential ungenutzt. An diesem Punkt setzen die Methoden des Computational Imagings an und erlauben durch eine holistische Systembetrachtung das Durchbrechen bisheriger Leistungs- und Anwendungsgrenzen. Nach einer Behandlung der relevanten theoretischen Grundlagen der Optik und der Signalverarbeitung werden den Studierenden im Rahmen der Vorlesung diverse Techniken des Computational Imagings vermittelt. Begleitende praktische Übungen ergänzen den theoretischen Teil der Vorlesung. Mit Abschluss der Vorlesung werden die Studierenden in die Lage versetzt, Fragestellungen des maschinellen Sehens optisch und algorithmisch zu modellieren und per gesamtheitlicher Optimierung zu bearbeiten.

Arbeitsaufwand

Vorlesung mit 2 SWS + 1 SWS Übung
5 ECTS entspricht ca. 150 Stunden
ca. 30 Std. Vorlesungsbesuch,
ca. 15 Std. Übungsbesuch,
ca. 90 Std. Nachbearbeitung und Bearbeitung der Übungsaufgaben
ca. 30 Std. Prüfungsvorbereitung

Literatur

- Ayush Bhandari, Achuta Kadambi, Ramesh Raskar, Computational Imaging, MIT Press, 2022.
- Jürgen Beyerer, Fernando Puente León, Christian Frese, Machine Vision, Springer, 2015.
- Joseph. W. Goodman, Introduction to Fourier Optics. 4. Auflage W. H. Freeman, 2017.

Modul: Computational Photonics, with ext. Exercises [M-PHYS-101933]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-103633 Computational Photonics, with ext. Exercises 8 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-PHYS-103089 - Computational Photonics, without ext. Exercises darf nicht begonnen worden sein.
Qualifikationsziele

The students can use a computer to solve optical problems and can use a computer to visualize details of the light matter interaction, know different strategies to solve Maxwell’s equations on rigorous grounds, know how spatial symmetries and the arrangement of matter in space can be used to formulate Maxwell’s equations such that they are amenable for a numerical solution, can implement programs with a reasonable complexity by themselves, can use a computer to discuss and explore optical phenomena, and are familiar with basic computational strategies that emerge in photonics, but comparably in any other scientific discipline as well.

The student can independently work out the numerical implementation of algorithms that were not explicitly presented in the lecture. That requires understanding of basic computational strategies. The student is, therefore, able to transfer technical knowledge to new domains. The student can develop on its own novel algorithms to solve given problems in the field of computational photonics.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (180 Stunden).

Empfehlungen

Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.

Literatur

Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.

Modul: Computational Photonics, without ext. Exercises [M-PHYS-103089]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-PHYS-106131 Computational Photonics, without ext. Exercises 6 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-PHYS-101933 - Computational Photonics, with ext. Exercises darf nicht begonnen worden sein.
Qualifikationsziele

The students can use a computer to solve optical problems and can use a computer to visualize details of the light matter interaction, know different strategies to solve Maxwell’s equations on rigorous grounds, know how spatial symmetries and the arrangement of matter in space can be used to formulate Maxwell’s equations such that they are amenable for a numerical solution, can implement programs with a reasonable complexity by themselves, can use a computer to discuss and explore optical phenomena, and are familiar with basic computational strategies that emerge in photonics, but comparably in any other scientific discipline as well.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (45 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (135 Stunden).

Empfehlungen

Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.

Literatur

Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.

Modul: Computergrafik [M-INFO-100856]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101393 Computergrafik 6 Dachsbacher
T-INFO-104313 Übungen zu Computergrafik 0 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden verstehen grundlegende Konzepte und Algorithmen der Computergrafik, können diese analysieren und implementieren und für Anwendungen in der Computergrafik einsetzen. Die erworbenen Kenntnisse ermöglichen einen erfolgreichen Besuch weiterführender Veranstaltungen im Vertiefungsgebiet Computergrafik.

Inhalt

Diese Vorlesung vermittelt grundlegende Algorithmen der Computergrafik, Farbmodelle, Beleuchtungsmodelle, Bildsynthese-Verfahren (Ray Tracing, Rasterisierung), Transformationen und Abbildungen, Texturen und Texturierungstechniken, Grafik-Hardware und APIs (z.B. OpenGL), geometrisches Modellieren und Dreiecksnetze.

Arbeitsaufwand

Präsenzzeit = 60h

Vor-/Nachbereitung = 90h

Klausurvorbereitung = 30h   

Empfehlungen

Siehe Teilleistung.

Modul: Computergrafik 2 [M-INFO-106685]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113441 Computergrafik 2 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden haben einen breiten Überblick über wichtige Konzepte und Algorithmen in der Computergrafik. Grundlegende Theorie und praktische Verfahren bilden eine solide Basis für weitere spezialisierte Vertiefung z.B. in den Vorlesungen Interaktive Computergrafik, Fotorealistische Bildsynthese oder Visualisierung. 

Inhalt

Die Vorlesung umfasst Grundlegende Konzepte des modernen Rendering, sowie Vertiefung in verwandten Gebieten. Kapitel beinhalten zum Beispiel

* Grundlegende Radiometrie/Lichttransport in der Computergrafik
* Lichttransportsimulation (z.B. Monte Carlo- und Radiosity-Verfahren)
* Physikalische Materialmodelle
* Perzeption, Fehlermetriken für die Bildsynthese und Visualisierung
* Denoising (Deep Learning, U-nets)
* Lichtfeldrepräsentationen mittels Machine Learning (z.B. tiny MLP)
* GPU-Architekturen und effiziente Programmierung
* Animation, Modellierung und Geometrieverarbeitung
* Simulation (Rigid Bodies, Fluide)

Arbeitsaufwand

60h = Präsenzzeit
60h = Vor-/Nachbereitung
30h = Prüfungsvorbereitung

Modul: Constructive Logic [M-INFO-106256]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112704 Constructive Logic 5 Platzer
Qualifikationsziele

- Understand the working principles of logic
- Understand how the meaning of a proposition comes from its verifications
- Distinguish propositions from judgments
- Use proof rules to conduct formal proofs
- Formalize informal problems into precise logical language
- Justify how proof rules fit to one another in sound and complete ways
- Assess the validity of a formal proof
- Understand propositions as types, proofs as programs, formulas as
programs
- Relate constructive logic to computation and constructive proofs to
functional programs
- Relate deductive proof search to computation in logic programming
- Relate induction to recursion and use induction to prove properties in and
about logical systems
- Understand the principles and applications of logic programming

Inhalt

This course provides a thorough introduction to modern constructive logic, its roots in philosophy, its numerous applications in computer science, and its mathematical properties. The core topics of this course are intuitionistic logic, natural deduction, Curry-Howard isomorphism, propositions as types, proofs as programs, formulas as programs, functional programming, logic programming, Heyting arithmetic and primitive recursion, cut elimination, connections between classical and constructive logic, inductive definitions, sequent calculus, and decidable classes. Advanced topics may include type theory, proof search, linear logic, temporal logic, modal logic.

Anmerkungen

Course web page: https://lfcps.org/course/constlog.html

Arbeitsaufwand

5 ECTS from 150h of coursework consisting of
- 22.5h = 15 * 1.5h from 3 SWS lectures
- 12h = 8 * 1.5h from 1 SWS exercises
- 90h preparation, reading lecture notes, studying - 25h exam preparation

Empfehlungen

You will be expected to follow the lecture notes.

Modul: Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen [M-INFO-106355]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112880 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen 4 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Industrielle Steuerungs- und Automatisierungsanlagen (im englischen Industrial Control Systems - ICS) finden sich in vielen Domänen und Branchen wieder. Typische Beispiele sind die industrielle Produktion, die Prozessindustrie, kritische Infrastrukturen wie Energie- und Wasserwirtschaft aber auch in der Gebäudeautomatisierung und in medizinischen Geräten. Schwachstellen und Angriffe auch speziell auf Steuerungs- und Automatisierungsanalgen lassen sich nicht erst seit Stuxnet quasi wöchentlich beobachten. Der Schutz von ICS gewinnt daher seit Jahren stets an Bedeutung.
Industrielle Automatisierungs- und Steuerungsanlagen besitzen im Vergleich zu klassischen IT-Systemen unterschiedliche Randbedingungen und Anforderungen, insbesondere haben das Schutzziele Verfügbarkeit und die Aufrechterhaltung der funktionalen Sicherheit (engl. Safety) einen deutlich höheren Stellenwert. Aus diesem Grund lassen sich klassische Ansätze der Cybersicherheit nicht ohne weiteres auf industrielle Steuerungssysteme übertragen.

Dieses Modul behandelt verschiede Defense-in-Depth Konzepte für Produkthersteller, Maschinen- und Anlagenbauer, Integratoren sowie Betreiber von industriellen Automatisierungsanlagen. Systeme und Anlagen werden typischerweise nach risikobasierten Ansätzen entwickelt, die hierfür notwendigen Methoden zur Risikoanalyse werden eingeführt. Das Modul wird weiterhin eine Übersicht von best practices sowie einsetzbaren internationalen Standards wie beispielsweise der IEC 62443 beinhalten.
Weitere Themen sind der Aufbau und Betrieb von Cyber-Security-Management-Systemen, sicheres Systemdesign und Produktentwicklung, Einsatz von Security Information und Event Management Systemen im industriellen Umfeld sowie der sichere Einsatz von Industrie 4.0 Technologien wie beispielsweise OPC UA.
In diesem Modul werden Beispiele in Form von Angriffen und prototypischen Umsetzungen von Sicherheitsmaßnahmen aus dem KASTEL-Labor Produktion verwendet, um den Lehrinhalt möglichst praxisnah vorführen zu können.

Inhalt

Studierende

• kennen Anwendungsbeispiele und die Notwendigkeit für Cybersicherheit von industriellen Automatisierungs- und Steuerungssystemen (engl. Industrial Control Systems - ICS)
• kennen Unterschiede zwischen klassischer Informationstechnik (IT) und der Betriebstechnik im industriellen Umfeld (engl. Operational Technology – OT)
• kennen Grundlegende Herausforderungen, Schutzziele und Sicherheitsmechanismen, die für den Entwurf und die Umsetzungen von sicheren ICS Systemen
• kennen die unterschiedlichen beteiligten Rollen und deren Herausforderungen im Lebenszyklus von ICS Systemen
• beherrschen Defense-in-Depth Konzepte für die sichere Produktentwicklung, Maschinen und Systeme sowie den Betrieb von Anlagen
• besitzen die Fähigkeit, die Qualität von Sicherheitsmechanismen und Architekturen für industrielle Anlagen zu bewerten

Insbesondere kennen Studierende risikobasierte Ansätze für den Schutz von industriellen Komponenten und Steuerungsanlagen wie beispielsweise im international anerkannten Standard IEC 62443 vorgegeben. Die Studenten kennen gängige Ansätze zur Risikoanalyse und des darauf aufbauenden Systemdesigns.

Studierenden kennen die Anforderungen an Betreiber von industriellen Automatisierungs- und Steuerungsanlagen sowie gängige Schutzmaßnahmen und Umsetzungsmöglichkeiten wie beispielsweise Netzsegmentierung, Netzhärtung, Zero-Trust Architekturen sowie Anomalie- und Angriffserkennungssysteme.

Studierende kennen typische industrielle Kommunikationsprotokolle und können die dort vorhandenen Sicherheitsmechanismen analysieren und bewerten. Als Praxisbeispiel wird das Kommunikationsprotokoll OPC UA vorgestellt und analysiert.

Arbeitsaufwand

120h

Empfehlungen

- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich

Modul: Data Science [M-INFO-106505]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113124 Data Science 8 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Am Ende der Lehrveranstaltungen sollen die Teilnehmer die Notwendigkeit von Data-Science Konzepten gut verstanden haben und erläutern können. Sie sollen eine große Vielfalt von Ansätzen zur Verwaltung und Analyse großer Datenbestände hinsichtlich ihrer Wirksamkeit und Anwendbarkeit einschätzen und vergleichen können. Die Teilnehmer sollen verstehen, welche Probleme im Themenbereich Data Science derzeit offen sind, und einen breiten und tiefen Einblick in den diesbezüglichen Stand der Forschung gewonnen haben.

Inhalt

Data Science 1

Data-Science Techniken stoßen bei Anwendern auf großes Interesse. Das Spektrum ist breit und umfasst klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, und Natur- und Ingenieurswissenschaften. In allen Fällen besteht der Wunsch, in sehr großen, z. T. verteilten Datenbeständen die Übersicht zu behalten, mit möglichst geringem Aufwand interessante Zusammenhänge aus dem Datenbestand zu extrahieren und erwartetes Systemverhalten mit dem tatsächlichen systematisch vergleichen zu können. Diese Vorlesung behandelt die notwendigen Schritte zur Extraktion von Wissen aus Daten, Techniken zur Aufbereitung der Daten bis hin zu grundlegenden Modellen zur Extraktion von Wissen, z. B. in Form von Statistiken, Assoziationsregeln, Clustern oder systematischen Vorhersagen.

Data Science 2

Die Vorlesung "Data Science 2" setzt die folgenden Schwerpunkte: Hochdimensionale Daten und ihre Eigenheiten und Verfahren für ihre Analyse, Datenströme und entsprechende Ansätze, Datenvorverarbeitung in Form von beispielsweise Data Cleaning.

Anmerkungen

Dieses Modul ersetzt Data Science I und Data Science II und fasst diese zusammen.

Arbeitsaufwand

240h

Empfehlungen

Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme

Literatur

Literatur wird in der Vorlesung bekanntgegeben. Es gibt diverse gut lesbare einschlägige Bücher, zum Beispiel:

Modul: Data Science and Artificial Intelligence for Energy Systems [M-INFO-106655]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113402 Data Science and Artificial Intelligence for Energy Systems 6 Schäfer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

•    Students obtained a foundational knowledge of data-driven methods in energy systems as an active research field.  They can name some ongoing challenges.
•    They can explain different data science methods and their applications in energy systems (including Langevin processes, superstatistics, (probabilistic) forecasts and explainable AI). 
•    Students can employ AI methods to solve problems in energy systems, including optimizing systems and forecasting time series.
•    Students can exploit key properties of trained machine learning models and interpretability tools.
•    Students can select suitable analysis tools, justify their choice and carry out data-driven analysis on power systems .

Inhalt

Artificial Intelligence (AI) is a key technology in many areas of society and research. Energy systems with the ongoing energy transition (“Energiewende”) make it a fascinating field for deploying AI methods. AI and machine learning algorithms can play a crucial role in improving energy efficiency, optimizing power generation and distribution or enhancing system stability while facilitating additional renewable energy integration.  In this lecture, we review some mechanics of energy systems, their design and optimization questions and how to solve these using data-driven approaches. We will discuss deterministic dynamics, as well as stochastic aspects of energy systems and will explore fundamental AI algorithms and their applications in energy systems. We will cover both classical time series methods as well as state-of-the-art AI techniques, e.g. for optimization or forecasting.

Arbeitsaufwand

Course workload:
   1. Attendance time: 4 SWS x 15=60 (Course, exercise, etc.)
   2. Self-study: 6 h x 15 = 90 (independent review of course material,
work on homework assignments)
   3. Preparation for the exam: 30h
60+90+30=180h= 6ECTS  

Empfehlungen

Knowledge of AI basics is very helpful. 
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Knowledge of Python is highly recommended. 

Modul: Data Science for Finance [M-WIWI-105032]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-102878 Computational Risk and Asset Management 4,5 Ulrich
T-WIWI-110213 Python for Computational Risk and Asset Management 4,5 Ulrich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfungsleistung anderer Art besteht aus einem Python-basierten "Takehome Exam". Am Ende der dritten Januarkalenderwoche bekommt der Student ein "Takehome Exam" ausgehändigt, welches er binnen 4 Stunden eigenständig und mittels Python bearbeitet und zurückschickt. Genaue Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.
Die Prüfungsleistung anderer Art kann maximal einmal wiederholt werden. Eine fristgerechte Wiederholungsmöglichkeit findet am Ende der dritten Märzkalenderwoche des gleichen Jahres statt. Genauere Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine.

Qualifikationsziele

Das Ziel des Moduls ist mittels Data Science, Machine Learning und Finanzmarkttheorien bessere Investitions-, Risiko- und Assetmanagement-Entscheidungen zu generieren. Der Student lernt anwendungsorientiert und mittels echter Finanzmarktdaten Charakteristika verschiedener Assetklassen kennen. Wir verwenden Python und Webscraping Techniken um öffentlich zugängliche Finanzmarktdaten zu extrahieren, zu visualisieren und nach Mustern zu untersuchen. Interessante und nicht-öffentliche Finanzmarktdaten wie (Options- und Futuresdaten auf Aktien und Zinsen) werden für den Kurs zur Verfügung gestellt. Finanzmarkttheorien werden ebenfalls besprochen, um die Datenanalyse durch theoretische Kenntnisse zu verbessern. Studenten lernen durch die "Data Science-Brille" Aktien-, Zins-, Futures- und Optionsmärkte kennen. Durch die "Finanztheorie-Brille" verstehen Studenten, wie Muster mittelts Finanztheorie kommuniziert und interpretiert werden können. Python ist das Bindeglied, durch welches wir Data Science und moderne Finanzmarktmodellierung zusammenbringen.

Inhalt

Das Modul umfasst unter anderem folgende Themen:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Leistungspunkte). Die Gesamtstundenzahl ergibt sich aus dem Aufwand für das Studium von Onlinevideos, dem Bearbeiten von Quizfragen, dem Studium von Ipython- Notebooks, der Teilnahme an interaktiven "Python Data Sessions" und der Lektüre empfohlener Literatur.

Empfehlungen

Grundkenntnisse der Kapitalmarkttheorie.

Modul: Data Science: Intelligente, adaptive und lernende Informationsdienste [M-WIWI-105661]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-109921 Advanced Machine Learning 4,5 Geyer-Schulz, Nazemi
T-WIWI-111219 Artificial Intelligence in Service Systems - Applications in Computer Vision 4,5 Satzger
T-WIWI-102762 Business Dynamics 4,5 Geyer-Schulz, Glenn
T-WIWI-111267 Intelligent Agent Architectures 4,5 Geyer-Schulz
T-WIWI-110915 Intelligent Agents and Decision Theory 4,5 Geyer-Schulz
T-WIWI-102847 Recommendersysteme 4,5 Geyer-Schulz
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Die Veranstaltung Intelligent Architectures geht dabei auf die Art und Weise ein, wie man moderne agenten-basierte Systeme entwirft. Der Fokus liegt hier auf der Software Architektur und den Entwurfsmustern, die für lernende Systeme relevant sind. Zudem wird auf wichtige Methoden des maschinellen Lernens eingegangen, die das intelligente System vervollständigen. Beispiele für vorgestellte Systeme sind Taste-Map-Architekturen und genetische Verfahren.
Die Auswirkungen von Management-Entscheidungen in komplexen Systemen werden in Business Dynamics betrachtet. Das Verstehen, Modellieren und Simulieren komplexer Systeme ermöglicht die Analyse, das zielgerichtete Design sowie die Optimierung von Märkten, Geschäftsprozessen, Regulierungen und ganzen Unternehmen.
Spezielle Probleme intelligenter Systeme werden in den Veranstaltungen Personalization and Services und Recommendersysteme behandelt. Die Inhalte umfassen Vorgehensweisen und Methoden um die angebotenen Dienste nutzerorientiert zu gestalten. Dabei wird das Messen und Monitoring von Servicesystemen diskutiert, die Gestaltung von personalisierten Angeboten besprochen und die Generierung von Empfehlungen aufgrund der gesammelten Daten von Produkten und Kunden gezeigt. Es wird die Bedeutung von Benutzermodellierung und -wiedererkennung, aber auch von Datensicherheit und Privatheit angesprochen.

Anmerkungen

Das Modul ersetzt ab Sommersemester 2021 M-WIWI-101470 "Data Science: Advanced CRM"

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Datenbankeinsatz [M-INFO-100780]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101317 Datenbankeinsatz 5 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Am Ende der Lehrveranstaltung sollen die Teilnehmer Datenbank-Konzepte (insbesondere Datenmodelle, Anfragesprachen) – breiter, als es in einführenden Datenbank-Veranstaltungen vermittelt wurde – erläutern und miteinander vergleichen können. Sie sollten Alternativen bezüglich der Verwaltung komplexer Anwendungsdaten mit Datenbank-Technologie kennen und bewerten können.

Inhalt

Diese Vorlesung soll Studierende an den Einsatz moderner Datenbanksysteme heranführen, in Breite und Tiefe. ’Breite’ erreichen wir durch die ausführliche Betrachtung unterschiedlicher Philosophien und unterschiedlicher Datenmodelle mit entsprechenden Anfragesprachen. Wir gehen beispielsweise sowohl auf sogenannte NoSQL-Datenbanktechnologie ein als auch auf semistrukturierte Datenbanken (vulgo XML-Datenbanken, mit XQuery als Anfragesprache) und Graph-Datenbanken. ’Tiefe’ erreichen wir durch die Betrachtung mehrerer nichttrivialer Anwendungen. Dazu gehören beispielhaft die Verwaltung von XML-Datenbeständen oder E-Commerce Daten mit SQL-Datenbanken. Diese Anwendungen sind von allgemeiner Natur und daher auch isoliert betrachtet bereits interessant.

Anmerkungen

 

Arbeitsaufwand

33 h Präsenzzeit

+ Vor- und Nachbereitungszeiten 75 h

+ 42 h Klausurvorbereitung

= 150 h = 5 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Datenbankfunktionalität in der Cloud [M-INFO-105724]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111400 Datenbankfunktionalität in der Cloud 5 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Am Ende der Lehrveranstaltung sollen die Teilnehmer erklären können, was Datenbankfunktionalität in der Cloud ausmacht, und wo die Vor- und Nachteile liegen. Sie sollen verstanden haben, wie sich für den Cloud-Betrieb entwickelte Datenbanktechnologie von herkömmlicher derartiger Technologie unterscheidet, und was für Gemeinsamkeiten es gibt. Die Teilnehmer sollen die wesentlichen Ansätze, die Cloud-spezifische Datenbanktechnologie ausmachen, erläutern und voneinander abgrenzen können.

Inhalt

Wir erleben derzeit, dass "Eigentümer" großer Datenbestände, seien es große Organisationen, seien es Startups, in großem Umfang Datenbankfunktionalität mieten, anstatt sie selbst bereitzustellen. Die "total costs of ownership" sind in vielen Fällen einfach erheblich günstiger. In dieser Vorlesung geht es um Datenbanktechnologie, die genau das ermöglicht. Das ist zum einen für Sie von Bedeutung, wenn Sie solche Dienste irgendwann nutzen wollen, es wird aber selbst dann interessant sein, wenn Sie mit Datenbanktechnologie "in herkömmlicher Form" zu tun haben werden.

Aus meiner Sicht sind insbesondere die folgenden Leistungsmerkmale von "Cloud-fähiger Datenbanktechnologie", auf die ich dann in der Vorlesung auch ausführlich eingehen werde, zentral:

Wichtig in dem Zusammenhang sind aber auch klassische Konzepte wie verteilte Transaktionen und Datenhaltung und Anfrageverarbeitung im verteilten Fall, die ebenfalls Thema dieser Vorlesung sein werden.

Arbeitsaufwand

157 h 45 min

Literatur

Wird in der Vorlesung bekanntgegeben, Grundlagen/Einlassungen zu einzelnen Vorlesungskapiteln finden sich in den folgenden Büchern:

Modul: Datenbank-Praktikum [M-INFO-101662]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103201 Datenbank-Praktikum 4 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Im Praktikum soll das aus Vorlesungen wie "Datenbanksysteme" und "Datenbankeinsatz" erlernte Wissen in die Praxis umgesetzt werden. Dabei geht es vor allem um Entwurf und Realisierung von Datenbankanwendungen, Benutzung deklarativer Anfragesprachen sowie um Datenbankentwurf. Darüber hinaus soll gelernt werden, im Team zusammenzuarbeiten.

Inhalt

Das Datenbankpraktikum bietet Studierenden die Möglichkeit, den praktischen Einsatz von Datenbanksystemen in Ergänzung zu den unterschiedlichen Vorlesungen kennenzulernen. Die Teilnehmer werden in ausgewählten Versuchen mit kommerzieller relationaler sowie nichtkonventioneller Datenbanktechnologie vertraut gemacht. Darüber hinaus können sie Datenbankentwurf an praktischen Beispielen erproben. Im Einzelnen stehen folgende Versuche auf dem Programm:
- Zugriff auf Datenbanken, auch aus Anwendungsprogrammen heraus,
- Verwaltung von Datenbeständen mit nichtkonventioneller Datenbanktechnologie,
- Performanceoptimierungen bei der Anfragebearbeitung,
- Datenbankentwurf.
Arbeiten im Team ist ein weiterer wichtiger Aspekt bei allen Versuchen.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden). Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht. Unter den Arbeitsaufwand fallen (für eine Vorlesung)

1. Präsenzzeit in Vorlesungen, Übungen

2. Vor-/Nachbereitung derselbigen

3. Klausurvorbereitung und Präsenz in selbiger.

Modul: Datenschutz von Anonymisierung bis Zugriffskontrolle [M-INFO-104045]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
3
Version
1
Pflichtbestandteile
T-INFO-108377 Datenschutz von Anonymisierung bis Zugriffskontrolle 3 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Grundkenntnisse zu Datenbanken, verteilten Informationssystemen, Systemarchitekturen und Kommunikationsinfrastrukturen, z.B. aus der Vorlesung Datenbanksysteme

Qualifikationsziele

Die Teilnehmer werden in die Ziele und Grundbegriffe der Informationellen Selbstbestimmung eingeführt.

Sie sind in der Lage die grundlegenden Herausforderungen des Datenschutzes und ihre vielfältigen Auswirkungen auf Gesellschaft und Individuen zu benennen.

Außerdem beherrschen sie aktuelle Technologien zum Datenschutz und können diese anwenden. Z.B. Methoden des Spatial & Temporal Cloaking.

Die Studenten sollen damit in die Lage versetzt werden, die Risiken unbekannter Technologien für die Privatheit zu analysieren, geeignete Maßnahmen zum Umgang mit diesen Risiken vorschlagen und die Effektivität dieser Maßnahmen abschätzen.

Inhalt

In diesem Modul soll vermittelt werden, welchen Einfluss aktuelle und derzeit in der Entwicklung befindliche Informationssysteme auf Privatheit ausüben. Diesen Herausforderungen werden technische Maßnahmen zum Datenschutz, die derzeit in der Forschung diskutiert werden, gegen­über­gestellt. Ein Exkurs zu den gesellschaftlichen Implikationen von Datenschutzproblemen und Datenschutztechniken rundet das Modul ab.

Arbeitsaufwand
22 h Präsenzzeit

+ Vor- und Nachbereitungszeiten (1,5 x 2) x 15 = 45 h

+ 17 h Klausurvorbereitung

= 84 h = 3 ECTS

Modul: Decentralized Systems: Fundamentals, Modeling, and Applications [M-INFO-105334]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Pflichtbestandteile
T-INFO-110820 Decentralized Systems: Fundamentals, Modeling, and Applications 6 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

1. Fundamentals & Modeling

1. The student is able to recognize and distinguish distributed, federated, and decentralized systems.
2. The student understands consensus, consistency and coordination within the context of networked and decentralized systems.
3. The student understands the concept of Sybil attacks.
4. The student is familiar with decentralized algorithms for leader election and mutual exclusion for execution contexts with various guarantees.
5. The student understands the formally proven limits of fault tolerance and their underlying assumptions. This includes an understanding of synchronous and asynchronous network models which underpin the respective proofs. The student also understands several models for fault tolerance, notably silent and noisy crash as well as byzantine fault tolerance within the context of decentralized and distributed systems.
6. The student has a basic understanding of state machine replication.
7. The student knows various models for and levels of consistency.


2. Applications

1. The student understands conflict-free replicated data types and their use in decentralized systems like Matrix.
2. The student has a fundamental understanding of blockchain-based cryptocurrencies (e.g. Bitcoin/Ethereum), Payment Channels, and decentralized communication systems like Matrix.
3. The student understands trust relations in distributed and decentralized systems and applications.
4. The student is able to understand how the previously introduced theoretical foundations relate to networked and decentralized systems in practice.
5. The student understands concepts of decentralized storage systems.

Inhalt

Decentralized Systems (like blockchain-based systems) represent distributed systems that are controlled by multiple parties who make their own independent decisions. In this course, we cover fundamental theoretical aspects as well as up-to-date decentralized systems and connect theory with current practice. We thereby address fault tolerance, security and trust, as well as performance aspects at the example of applications like Bitcoin, Ethereum, IPFS, and Matrix. As a research-oriented lecture, we may cover additional current topics like verifiable computing and/or identity and access management in decentralized settings.
The lecture covers at least the following topics:

Arbeitsaufwand

Vorlesung: 3 SWS: 3,0h x 15 = 45h
Übung: 1 SWS: 1,0h x 15 = 15h
Wöchentliche Vor- und Nachbereitung der Vorlesung: 15 x 1h x 3 = 45h
Wöchentliche Vor- und Nachbereitung der Übung: 15 x 2h = 30h
Prüfungsvorbereitung: 45h
Σ = 180h = 6 ECTS

Empfehlungen

Kenntnisse zu Grundlagen von IT-Sicherheit und Rechnernetzen sind hilfreich.

Modul: Deep Learning für Computer Vision I: Grundlagen [M-INFO-105753]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111491 Deep Learning für Computer Vision I: Grundlagen 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bekommen ein Verständnis der Grundlagen und Lernmethoden sowie fortgeschrittener Modellarchitekturen von Deep Learning Verfahren und ihren Anwendungen in der Bildverarbeitung (Computer Vision).

Studierende sind in der Lage, Deep Learning Verfahren für ausgewählte Aufgabenstellungen der Bildverarbeitung anzuwenden.

Inhalt

In den letzten Jahren wurden im Bereich des Bildverstehens (Computer Vision) beeindruckende Fortschritte erzielt. Diese wurden zu einem großen Teil durch die Wiederentdeckung und Weiterentwicklung sogenannter Deep-Learning-Verfahren (insbesondere die Nutzung von Convolutional Neuronalen Netzen) ermöglicht. Deep Learning Verfahren stellen derzeit den Stand der Technik für viele Anwendungsbereiche des Bildverstehens dar.

Die Vorlesung behandelt die Grundlagen, fortgeschrittene Netzarchitekturen und Lernverfahren für Anwendungen im Bereich Computer Vision. Es werden unter anderem folgende Themen behandelt:

Anmerkungen

Die Lehrveranstaltung findet teilweise in Deutsch und Englisch statt.

Arbeitsaufwand

1. Präsenszeit Vorlesung: 15 * 2 h = 30 h

2. Vor- und Nachbereitungszeit Vorlesung: 15 * 2 h = 30 h

3. Prüfungsvorbereitung und Präsens in selbiger: 30 h

Insgesamt: 90 h = 3 LP

Empfehlungen

Kenntnisse zu Grundlagen der Mustererkennung, wie sie im Stammmodul Kognitive Systeme vermittelt werden, werden vorausgesetzt.

Modul: Deep Learning für Computer Vision II: Fortgeschrittene Themen [M-INFO-105755]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-111494 Deep Learning für Computer Vision II: Fortgeschrittene Themen 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bekommen ein Verständnis der fortgeschrittenen  Deep Learning Verfahren und Aufgabenstellungen insb. im Hinblick auf ihre Anwendungen in der Bildverarbeitung (Computer Vision). Studierende sind in der Lage, Deep Learning Verfahren für spezielle Aufgabenstellungen, wie Lernen mit wenig Trainingsdaten, Änderungen der Datendomäne oder Unsicherheitsbestimmung anzuwenden.

Inhalt

Tiefe faltende neuronale Netze (engl. Convolutional Neural Networks, CNNs) erzielen exzellente Ergebnisse in vielen Bereichen der Computer Vision, haben jedoch bei realen Anwendungen mit Herausforderungen zu kämpfen, wie die Abhängigkeit von kostspielig annotierten Trainingsdaten, hohe Rechenleistung oder schwere Nachvollziehbarkeit der Entscheidungswege. Während die Entwicklung der Erkennungsalgorithmen für lange Zeit primär von hohen Erkennungsraten auf großen und sauber annotierten Datensätzen getrieben waren, gewinnen heute anwendungsrelevante Ziele, wie Lernen mit wenig Trainingsdaten, Erklärbarkeit, Unsicherheitsschätzung oder Domänenadaption zunehmend an Bedeutung. 

Die Vorlesung behandelt fortgeschrittene Netzarchitekturen, Lernverfahren und Forschungsgebiete im Bereich Deep Learning für Computer Vision. Es werden unter anderem folgende Themen behandelt: 

Arbeitsaufwand

Besuch der Vorlesungen: ca. 20 Stunden

Vor- und Nachbereitung der Vorlesung: ca. 30 Stunden

Klausurvorbereitung: ca. 40 h

Summe: ca. 90 Stunden

Empfehlungen

Kenntnisse zu Deep Learning Grundlagen werden vorausgesetzt.

Modul: Deep Learning und Neuronale Netze [M-INFO-104460]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109124 Deep Learning und Neuronale Netze 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Dieses Modul führt ein die Verwendung von Neuronalen Netzen zur Lösung verschiedener Fragestellungen im Bereich des Maschinellen Lernens, etwa der Klassifikation, Prediktion, Steuerung oder Inferenz. Verschiedene Typen von Neuronalen Netzen werden dabei behandelt und ihre Anwendungsgebiete an Hand von Beispielen aufgezeigt.

Arbeitsaufwand

180h.

Empfehlungen

Der vorherige erfolgreiche Abschluss des Stamm-Moduls „Kognitive Systeme“ wird empfohlen.

Modul: Design analoger Schaltkreise [M-ETIT-100466]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-100973 Design analoger Schaltkreise 4 Peric
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Qualifikationsziele

Die Studentinnen und Studenten haben Kenntnisse über Funktion und Arbeitsbereiche von bipolaren- und Feldeffekttransistoren. Sie sind in der Lage, die notwendigen Designschritte für analoge Verstärkerschaltungen und den Aufbau von Bias-Schaltungen, Stromquellen und Stromspiegeln durchzuführen. Mit den Kenntnissen über Frequenzgang und Stabilität können Sie Designs von mehrstufigen integrierten Verstärkern optimieren. Die Studierenden haben Kenntnisse über das Entstehen von Rauschen und den Rauschquellen in integrierten Schaltungen. Die Kenntnisse der wichtigsten Designregeln für den Entwurf von analogen integrierten Schaltungen und das Erlernen der einzelnen Schritte für das Design eines integrierten Verstärkers unter Verwendung des ”Cadence Virtuoso Design Environment” bilden eine gute Basis für das Verständnis von hochintegrierten Bauelementen und können gut in andere Bereiche des Studiums übertragen werden.

Inhalt

Frequenzverhalten, Rückkopplung und Stabilitätskriterien werden durch einfache Beispiele erklärt.

Aufbau von ein- und mehrstufigen Verstärkern in einer modernen CMOS oder BiCMOS Technologie wird erklärt, beginnend von einfacheren Schaltungen wie der Common-Source-Verstärker bis hin zu mehrstufigen Differenzverstärkern. Dimensionierung von Transistoren und deren Strömen wird besprochen, so dass die Schaltungen typische Spezifikationen wie Bandbreite bei einer Kapazitiven Last, Eingangsimpedanz, Rauschen, Stabilität erfüllen. Die Eigenschaften von intergerieten SiGe bipolaren- und Feldeffektelementen werden analysiert und gegenübergestellt. Weitere Schaltungen wie Strom- und Spannungsreferenzen, Oszillatoren, einfache ADCs werden beschrieben. Mechanismen die Rauschen verursachen werden erklärt. Schaltungen werden mithilfe von ”Cadence Virtuoso Design Environment” in einer modernen 65nm CMOS Technologie entworfen. Der Dozent behält sich vor, im Rahmen der aktuellen Vorlesung ohne besondere Ankündigung vom hier angegebenen Inhalt abzuweichen.

Zusammensetzung der Modulnote

Notenbildung ergibt sich aus der mündlichen Prüfung. Zulassung zur Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen im Wintersemester 18 h

2. Vor-/Nachbereitung derselbigen 24 h

3. Prüfungsvorbereitung 48 h

4. Präsenzzeit in Übungen im Wintersemester 18h

Modul: Design digitaler Schaltkreise [M-ETIT-100473]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100974 Design digitaler Schaltkreise 4 Peric
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Qualifikationsziele

Die Studentinnen und Studenten haben Kenntnisse über Aufbau von logischen Grundelementen und über das statische und das dynamische Verhalten von Gattern. Die Studierenden besitzen grundlegendes Wissen über Funktion und Aufbau von PLL-Schaltungen und haben Kenntnisse über den Aufbau von flüchtigen und nichtflüchtigen integrierten Speicherzellen. Sie sind in der Lage einfache digitale Schaltungen in HDL-Sprachen zu beschreiben und haben Grundkenntnisse in Tools für digitale Synthese.

Inhalt

In der Vorlesung werden digitale integrierte Halbleiterschaltungen behandelt. Neben den Grundlagen der Feldeffekttransistoren werden der CMOS-Inverter und komplexere digitalen Schaltungen besprochen. Ein wesentlicher Bestandteil der Vorlesung ist das Design digitaler Schaltungen in einer modernen 65nm CMOS Technologie mithilfe von Software Tools wie „Cadence SoC Encounter RTL-to-GDSII System“.

Der Dozent behält sich vor, im Rahmen der aktuellen Vorlesung ohne

besondere Ankündigung vom hier angegebenen Inhalt abzuweichen.

Zusammensetzung der Modulnote

Notenbildung ergibt sich aus der mündlichen Prüfung. Zulassung zur

Prüfung erst nach Vorlage einer schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen 18 h

2. Vor-/Nachbereitung derselbigen 24 h

3. Prüfungsvorbereitung 48 h

4. Präsenzzeit in Übungen 18 h

Modul: Differentialgeometrie [M-MATH-101317]

Verantwortung:
Prof. Dr. Wilderich Tuschmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-102275 Differentialgeometrie 9 Tuschmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung von 120 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Optional:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Anmerkungen

Wird erstmalig im Sommersemester 2018 stattfinden.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Module "Einführung in Geometrie" und "Topologie" bzw. "Elementare Geometrie" sollten bereits belegt worden sein.

Modul: Digital Marketing [M-WIWI-106258]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-112693 Digital Marketing 4,5 Kupfer
Ergänzungsangebot (Wahl: 4,5 LP)
T-WIWI-106981 Digital Marketing and Sales in B2B 1,5 Klarmann, Konhäuser
T-WIWI-111099 Judgement and Decision Making 4,5 Scheibehenne
T-WIWI-107720 Market Research 4,5 Klarmann
T-WIWI-112711 Media Management 4,5 Kupfer
T-WIWI-111848 Online-Konzepte für Karlsruher Innenstadthändler 3 Klarmann
Erfolgskontrolle(n)

The assessment is carried out as partial exams of the core course and further single courses of this module, whose sum of credits must meet the minimum requirement of credits of this module. The assessment procedures are described for each course of the module separately.

The overall grade of the module is the average of the grades for each course, weighted by the credits and truncated after the first decimal.

Voraussetzungen

None

Qualifikationsziele

Students

Inhalt

The aim of this module is to deepen central marketing contents in different areas.

Arbeitsaufwand

Total effort for 9 credit points: approx. 270 hours.
The exact distribution is done according to the credit points of the courses of the module.

Modul: Digitale Barrierefreiheit und Assistive Technologien [M-INFO-105882]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111830 Digitale Barrierefreiheit und Assistive Technologien 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Digitale Barrierefreiheit oder besser digitale „Zugänglichkeit“ (Accessibiltiy, wie es auf Englisch heißt) ist ein Thema, das uns alle betrifft. Digital an Informationen zu kommen, von Kindesbeinen an bis ins hohe Alter. Assistive Technologien, wie Smartphones, Tablets, Smartwatches, Wearables allgemein sind ein Teil unseres Alltages geworden. Genau diese Dinge sollten von allen Menschen bedienbar und nutzbar sein. Unabhängig jeglicher Barrieren.

Aber was steckt an Details dahinter? Wie sehen Rechte und Grundlagen hierzu aus? Was muss alles getan werden, um „barrierefrei“ zu sein?

Dies alles lässt sich am besten am Beispiel „Sehbehinderung“ zeigen.

Weltweit gibt es nach Angaben der Weltgesundheitsorganisation ca. 285 Million Menschen mit Sehschädigungen, davon ca. 39 Millionen Menschen, die blind sind. Der teilweise oder vollständige Verlust des Sehvermögens schränkt Blinde und Sehbehinderte in erheblichem Maße in ihrem Arbeits- und Sozialleben ein. Sich ohne fremde Hilfe im öffentlichen Raum zu orientieren und fortzubewegen, gestaltet sich schwierig: Gründe hierfür sind Probleme bei der Wahrnehmung von Hindernissen und Landmarken sowie die daraus resultierende Angst vor Unfällen und Orientierungsschwierigkeiten. Weitere Probleme im Alltagsleben sind: das Lesen von Texten, die Erkennung von Geldscheinen, von Nahrungsmitteln, Kleidungstücken oder das Wiederfinden von Gegenständen im Haushalt.

Zur Unterstützung können Blinde und Sehbehinderte bereits auf eine Reihe von technischen Hilfsmitteln zurückgreifen. So können digitalisierte Texte durch Sprachausgabe oder Braille-Ausgabegeräte zugänglich gemacht werden. Es gibt auch verschiedene speziell für Blinde hergestellte Geräte. Das wichtigste Hilfsmittel zur Verbesserung der Mobilität ist mit großem Abstand der Blindenstock. In den vergangenen Jahren wurden auch einige elektronische Hilfsmittel zur Hinderniserkennung oder Orientierungsunterstützung entwickelt, diese bieten aber nur eine sehr eingeschränkte Funktionalität zu einem relativ hohen Preis und sind daher eher selten im Einsatz.

Die Vorlesung gibt einen Überblick über zum Thema IT-basierte Assistive Technologien (AT) am Beispiel und beinhaltet die folgenden Themen:

Aktuelle Informationen finden Sie unter http://cvhci.anthropomatik.kit.edu/

Arbeitsaufwand

Besuch der Vorlesungen: ca. 20 Stunden (à 60 Minuten)

Vor- und Nachbereitung der Vorlesung: ca. 30 Stunden

Klausurvorbereitung: ca. 40 h

Summe: ca. 90 Stunden

Modul: Edge-AI in Software- und Sensor-Anwendungen [M-INFO-105333]

Verantwortung:
Dr. Victor Pankratius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110819 Edge-AI in Software- und Sensor-Anwendungen 3 Pankratius
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie...

• können die theoretischen und praktischen Aspekte von Software und Sensorik im Kontext von Edge und Fog Computing benennen und erklären
• können Techniken des Softwareengineerings und der Algorithmenentwicklung für Sensoranwendungen benennen und einsetzen
• können Methoden der künstlichen Intelligenz im Kontext von Ressourcenbeschränkung und Fehlertoleranz benennen und einsetzen
• können die charakteristischen Eigenschaften der vorgestellten Methoden und Werkzeuge, deren Vor- und Nachteile gegeneinander abwa¨gen und ko¨nnen ein passendes Werkzeug fu¨r ein gegebenes Anwendungsszenario auswa¨hlen.

Lernziele

Studierende können die relevanten Elemente eines technischen Systems und deren Aufgaben im Edge/Fog Computing benennen. Studierende sind in der Lage, Ressourcenbeschränkungen unterschiedlichen Typs (CPU, Speicher, Kommunikation, Energie) zu benennen und deren Auswirkungen auf Software und Algorithmenentwurf zu beschreiben. Studierende können Funktionsprinzipien von Sensoren unterschiedlicher Art (z.B. mikroelektromechanische Systeme - MEMS) beschreiben, deren Funktionsprinzipien in Akzeleratoren, Gyroskopen, Druck/Feuchtigkeitssensoren, Partikelerkennung u.a. zu beschreiben, Anwendungen und deren Kontext erklären (z.B. Gestenerkennung in Mobiltelefonen/“Wearables“/“Hearables“, Lokalisierung & Navigation, Umweltmessungen). Studierende sind in der Lage, Softwaresysteme für Edge und Fog Anwendungen zu entwerfen und komplexe Edge- und Fog Softwareprojekte ingenieurmäßig zu entwickeln. Die Problemstellungen und Anforderungen verschiedener Anwendungsbereiche können erkannt, bearbeitet und auf einen neuen Kontext übertragen werden. Probleme bei der Erkennung von Mustern in Sensordaten, Klassifikation, Prädiktion können mit modellbasierten Algorithmen oder Ansätzen aus dem maschinellen Lernen gelöst werden. Probleme bei der Ableitung von Handlungsanweisungen können mittels Inferenztechniken gelöst werden.

Inhalt

Edge Computing umfasst Anwendungen, Daten und Dienste, die an die äußeren Ränder von Netzwerken verlagert werden. Derartige Systeme erfordern typischerweise eine lokale Datenverarbeitung unter Beschränkung von Ressourcen wie Energieverbrauch, CPUs, Speicher oder Konnektivität. Fog Computing kombiniert diese Aspekte zudem mit Cloud-Architekturen.  Die Bedeutung dieser Ansätze wächst heutzutage für moderne Sensorik-Anwendungen und reicht von Industrieanwendungen über Internet-of-Things, Ubiquituous Computing, bis hin zu Verbraucheranwendungen in Mobiltelefonen, Wearables & Hearables (z.B. Health & Fitness-Anwendungen), Drohnen oder Anwendungen im Augmented Reality. Gleichzeitig wächst auch in allen Sensoranwendungen der Hardware-nahe Software-Anteil, was neue Möglichkeiten eröffnet. In diesem Kontext werden Methoden der künstlichen Intelligenz immer wichtiger, um lernende Systeme mit verbesserter Autonomie und sofortigem Feedback zu realisieren. Dieses Modul stellt hierfür den aktuellen Stand sowie Forschungsarbeiten und offene Probleme vor.

Arbeitsaufwand

2 SWS:
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS

Empfehlungen

Hilfreich sind Kenntnisse z.B. aus Kognitive Systeme, Softwaretechnik, Algorithmen, Rechnernetze & -strukturen, Low-Power-Design

Modul: Einführung in das Quantencomputing (IQC) [M-INFO-106101]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112344 Einführung in das Quantencomputing (IQC) 3 Beckert, Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls kennen die Studierenden die wesentlichen Grundlagen des Quantencomputings. Sie sind in der Lage, einfache Algorithmen zu beschreiben und in einem Quanten-SDK umzusetzen. Sie können aktuelle Entwicklungen im Quantencomputing einordnen und Anwendungsmöglichkeiten des Quantencomputings bewerten.

Inhalt

• Grundlagen des Quantencomputing
• Quantenhardware
• Quantenalgorithmen
• Quantenprogrammiersprachen und Quanten-SDKs (insb. Qiskit)
• Quantum Software Engineering
• Verifikation von Quantenprogrammen
• Quantum Machine Learning
• Quanten Communication
• Post-Quantum Kryptographie

Anmerkungen

Diese Vorlesung wird als Ringvorlesung angeboten.

Arbeitsaufwand

• Vorlesungsbesuch: 28 h
• Vor- und Nachbereitung: 42h
• Prüfungsvorbereitung: 20h
• Gesamt: 90h / 30 = 3 Credits

Empfehlungen

Kenntnisse in Linearer Algebra empfohlen.

Modul: Einführung in das Wissenschaftliche Rechnen [M-MATH-102889]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Tobias Jahnke
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105837 Einführung in das Wissenschaftliche Rechnen 9 Dörfler, Hochbruck, Jahnke, Rieder, Wieners
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

3 Stunden Vorlesung und 3 Stunden Praktikum

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte der Module "Numerische Mathematik 1 und 2", "Numerische Methoden für Differentialgleichungen" sowie "Programmieren: Einstieg in die Informatik und algorithmische Mathematik" werden dringend empfohlen.

Modul: Einführung in die Bildfolgenauswertung [M-INFO-100736]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101273 Einführung in die Bildfolgenauswertung 3 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden besitzen nach Besuch der Vorlesung und Erarbeitung der genannten und besprochenen Quellen einen Überblick über klassische und aktuelle Verfahren aus verschiedenen Bereichen der Bildfolgenauswertung. Diese erstrecken sich von der Bewegungsdetektion über die Korrespondenzbildung, über die Schätzung dreidimensionaler Strukturen aus Bewegung, über die Detektion und Verfolgung von Objekten in Bildfolgen bis hin zur Interpretation von visuell beobachtbaren Aktionen und Verhalten.

Studierende analysieren an sie gestellte Probleme aus dem Bereich der Bildfolgenauswertung und bewerten bekannte Verfahren und Verfahrensgruppen auf ihre Eignung zur Lösung der Probleme und wählen somit geeignete Verfahren und Verfahrensweisen aus.

Inhalt

Unter Bildfolgenauswertung als Teilgebiet des Maschinensehens versteht man die automatische Ableitung von Aussagen über die in einer Bildfolge abgebildete Szene und deren zeitlicher Entwicklung. Die abgeleiteten Aussagen können dem menschlichen Benutzer bereitgestellt werden oder aber direkt in Aktionen technischer Systeme überführt werden. Bei der Analyse von Bildfolgen ist es gegenüber der Betrachtung von Einzelbildern möglich, Bewegungen als Bestandteil der zeitlichen Veränderung der beobachteten Szene mit in die Ableitung von Aussagen einzubeziehen.

Gegenstand der Vorlesung ist zunächst die Bestimmung einer vorliegenden Bewegung in der Szene aus den Bildern einer Bildfolge. Hierbei werden sowohl änderungsbasierte wie korrespondenzbasierte Verfahren behandelt. Die Nutzung der Bewegungsschätzung zwischen Einzelbildern einer Bildfolge wird im Weiteren an Beispielen wie der Mosaikbildung, der
Bestimmung von Szenenstrukturen aus Bewegungen aber auch der Objektdetektion auf der Basis von Bewegungshinweisen verdeutlicht.

Einen Schwerpunkt der Vorlesung bilden Objektdetektion und vor allem Objektverfolgungsverfahren, welche zur automatischen Bestimmung von Bewegungsspuren im Bild sowie zur Schätzung der dreidimensionalen Bewegung von Szenenobjekten genutzt werden. Die geschätzten zwei- und dreidimensionalen Spuren bilden die Grundlage für Verfahren, welche die quantitativ vorliegende Information über eine beobachtete Szene mit qualitativen Begriffen verknüpfen. Dies wird am Beispiel der Aktionserkennung in Bildfolgen behandelt. Die Nutzung der Verbegrifflichung von Bildfolgenauswertungsergebnissen zur Information des menschlichen Benutzers wie auch zur automatischen Schlussfolgerung innerhalb eines Bildauswertungssystems wird an Beispielen verdeutlicht.

Arbeitsaufwand

Gesamt: ca. 90h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 23h
3. Prüfungsvorbereitung und Präsenz in selbiger: 44h

Empfehlungen

Siehe Teilleistung.

Modul: Einführung in die Philosophie [M-GEISTSOZ-103430]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Pflicht)
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Leistungspunkte
14
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
3
Pflichtbestandteile
T-GEISTSOZ-111610 Einführung in die Philosophie 1 0 Seidel-Saul
T-GEISTSOZ-111612 Einführung in die Philosophie 2 0 Seidel-Saul
T-GEISTSOZ-111608 Einführung in die Philosophie 3 0 Seidel-Saul
T-GEISTSOZ-111607 Einführung in die Philosophie 4 0 Seidel-Saul
T-GEISTSOZ-111606 Einführung in die Philosophie 5 0 Seidel-Saul
T-GEISTSOZ-106828 Modulprüfung Einführung in die Philosophie 14 Seidel-Saul
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen und der Modulprüfung

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen die unterschiedlichen Bereiche der Philosophie anhand der jeweils grundlegenden Fragestellungen und Begriffe kennen. Sie erwerben Grundkenntnisse über wichtige philosophische Strömungen und klassische Werke und sind darüber hinaus in der Lage, die üblichen epochalen Gliederungen der philosophischen Ideengeschichte darzustellen und in ihrem Verhältnis zu den Wissensformen Wissenschaft, Kunst und Religion zu verstehen. Die Studierenden lernen unterschiedliche Arten kennen, Sinnfragen zu stellen, und erwerben ein Verständnis für die geschichtliche Verfasstheit menschlicher Wissenskulturen.

Inhalt

Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung

Arbeitsaufwand

Präsenz in den Veranstaltungen 120 h, Vor- und Nachbereitung (einschl. Studienleistungen) 120 h, Studienleistung "Philosophisches Tagebuch" 120 h, Modulprüfung ca. 60 h (Insgesamt ca. 420 h)

Modul: Einführung in die Philosophie (Euklid) [M-GEISTSOZ-104500]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Pflicht)
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
5
Pflichtbestandteile
T-GEISTSOZ-111610 Einführung in die Philosophie 1 0 Seidel-Saul
T-GEISTSOZ-111612 Einführung in die Philosophie 2 0 Seidel-Saul
T-GEISTSOZ-111608 Einführung in die Philosophie 3 0 Seidel-Saul
T-GEISTSOZ-111607 Einführung in die Philosophie 4 0 Seidel-Saul
T-GEISTSOZ-106828 Modulprüfung Einführung in die Philosophie 14 Seidel-Saul
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen und der Modulprüfung

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen die unterschiedlichen Bereiche der Philosophie anhand der jeweils grundlegenden Fragestellungen und Begriffe kennen. Sie erwerben Grundkenntnisse über wichtige philosophische Strömungen und klassische Werke und sind darüber hinaus in der Lage, die üblichen epochalen Gliederungen der philosophischen Ideengeschichte darzustellen und in ihrem Verhältnis zu den Wissensformen Wissenschaft, Kunst und Religion zu verstehen. Die Studierenden lernen unterschiedliche Arten kennen, Sinnfragen zu stellen, und erwerben ein Verständnis für die geschichtliche Verfasstheit menschlicher Wissenskulturen.

Inhalt

Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung

Arbeitsaufwand

Präsenz in den Veranstaltungen 120 h, Vor- und Nachbereitung (einschl. Studienleistungen) 120 h, Modulprüfung ca. 60 h (Insgesamt ca. 300 h)

Modul: Einführung ins Quantum Machine Learning [M-INFO-106742]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113556 Einführung ins Quantum Machine Learning 3 Kühn, Kühn
Erfolgskontrolle(n)

siehe Teilleistung

Qualifikationsziele

Die Studierenden besitzen ein systematisches Verständnis der Fragestellungen zum Einsatz aktuell verfügbarer Quantencomputer und von Lösungsansätzen aus dem Bereich des hvbriden Quantum Machine Learning. Sie können diese Erkenntnisse auf andere Problemstellungen übertragen und insbesondere die Effizienz und Realisierbarkeit für unterschiedliche Datensätze in der Praxis bewerten. Außerdem können sie mit dem erworbenen Wissen, aktuellen Forschungsergebnisse des Quantum Machine Learnings interpretrieren und nachvollziehen.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden

Inhalt

Dieses Modul soll den Studierenden die theoretischen und praktischen Aspekte der hybriden Nutzung von Quantenschaltkreisen in klassischen Algorithmen des Maschinellen Lernens näher bringen. Hierzu werden zunächst im ersten Teil der Vorlesung die notwendigen mathematischen Grundlagen von Quantensystemen und deren Repräsentation durch Qubits und Quantenschaltkreise zusammengefasst, bevor auf Basis bekannter Quantenalgorithmen die Vorteile und Möglichkeiten des Quantencomputings aufgezeigt werden. Schließlich wird ein Überblick über aktuelle hybride Ansätze im Bereich des Quantum Machine Learnings (OML)und deren Einsatzmöglichkeiten und Grenzen vermittelt:

lnsbesondere werden im Rahmen des Moduls die Anwendbarkeit auf heutigen Quantencomputern und die Skalierbarkeit der vorgestellten Ansätze beleuchtet.

Arbeitsaufwand

- Vorlesungsbesuch: 23h (2 SWS x 15)
- Vor- und Nachbereitung: 45h (2 x 2 SWS x 15)
- Prüfungsvorbereitung: 22h
- Gesamt: 90h / 30 = 3 Credits

Empfehlungen

- Besuch der Vorlesung ,,Maschinelles Lernen 1 - Grundverfahren" ist empfohlen
- Besuch der Vorlesung ,,Einführung ins Quantencomputing" ist empfohlen
- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse in Python sind hilfreich

Modul: Electric Power Transmission & Grid Control [M-ETIT-105394]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze (EV ab 01.04.2025)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-110883 Electric Power Transmission & Grid Control 6 Leibfried
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes.

Voraussetzungen

none

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-ETIT-105394 - Electric Power Transmission & Grid Control darf nicht begonnen worden sein.
Qualifikationsziele

Students are familiar with the functionality and physical basics as well as the components of AC and DC of electric power transmission systems. They will be able to calculate transmission characteristics and carry out a basic design. They are also familiar with the functioning of grid control.

Inhalt

The lecture initially deals with the characteristics and stability of electrical energy transmission. A central chapter deals with HVDC technology as a method for transmitting high power. FACTS elements, which are used to make energy transmission more flexible, are then dealt with. Finally, the dynamics of power plants and grids are discussed.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

The workload includes:

   1. attendance in lectures and exercises: 30 + 30 h = 60 h

   2. preparation / follow-up: 120 h 

  A total of 180 h = 6 CR

 

Empfehlungen

Modul: Electronic Markets [M-WIWI-101409]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102762 Business Dynamics 4,5 Geyer-Schulz, Glenn
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy 4,5 Weinhardt
T-WIWI-105946 Preismanagement 4,5 Geyer-Schulz, Glenn
T-WIWI-113147 Telecommunications and Internet – Economics and Policy 4,5 Mitusch
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltung des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Unter welchen Bedingungen entwickeln sich Elektronische Märkte und wie kann man diese analysieren und optimieren?

Im Rahmen der Grundlagen wird die Wahl der Organisationsform als Optimierung von Transaktionskosten erklärt. Darauf aufbauend wird die Effizienz auf elektronischen Märkten (Preis-, Informations- und Allokationseffizienz) und Gründen für Marktversagen behandelt. Abschließend wird auf Motivationsprobleme, wie begrenzte Rationalität und von Informationsasymmetrien (private Information und Moral Hazard), sowie auf die Entwicklung von Anreizsystemen eingegangen. Bezüglich des Marktdesigns werden besonders die Wechselwirkungen zwischen Marktorganisation, Marktmechanismen, Institutionen und Produkten betrachtet und die theoretischen Grundlagen behandelt.

Elektronische Märkte sind dynamischer Systeme, die sich durch Feedbackschleifen zwischen vielen verschiedenen Variablen auszeichnen. Mithilfe der Werkzeuge des Business Dynamics werden solche Märkte modelliert. Simulationen komplexer Systeme ermöglichen die Analyse und Optimierung von Märkten, Geschäftsprozessen, Regulierungen und Organisationen.

Konkrete Themen sind:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Embedded Machine Learning Lab [M-INFO-105775]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111549 Embedded Machine Learning Lab 4 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

The student will understand the main concept of machine learning (ML) on embedded systems, the constraints present on such platforms, and the design objectives for ML algorithms on such platforms. The student will be able to understand various concepts of compression of neural networks. The student will gain hands-on experience with current state-of-the-art ML frameworks, parameter tuning of algorithms, and will develop software programs for implementing the concepts. The student will be able to compare and analyze the current state-of-the-art algorithms regarding their flexibility and performance on embedded devices.

Inhalt

IoT devices more and more rely on ML models to perform their operations. They thereby also generate lots of data that should be used to improve these ML models through on-device learning. Devices need to perform the training with this data locally due to privacy constraints or communication limitations. However, the inference of neural networks, and especially the training, requires too many resources (computations, memory, energy, etc.) — unless the available resources are considered in the design.

This lab provides insights into deploying machine learning algorithms to embedded devices.

Since embedded devices operate with significantly lower resources than the commonly-employed high-end GPUs, making neural networks run fast without sacrificing much accuracy on embedded devices is a challenging task. The lab covers training and inference on resource-constrained devices, introducing state-of-the-art methodologies like pruning and quantization.

The students will learn about neural networks beyond theory, working with popular frameworks like TensorFlow, the effects of hyperparameters, and how they influence the network. Furthermore, the student will learn about resource and accuracy trade-offs in neural networks and design custom networks to achieve given resource or accuracy requirements.

This lab requires basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

The students will meet every week. Exact dates and times will be fixed in the first kick-off meeting. Depending on the number of participants, students will work together in groups of 2-3 students.

Arbeitsaufwand

(2 SWS +1.5*2 SWS)*10

+55 h final project

+15 h presentation & report

= 120 h = 4 ECTS

Empfehlungen

This lab requires a basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

Modul: Empirische Softwaretechnik [M-INFO-100798]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101335 Empirische Softwaretechnik 4 Gerking
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Die Vorlesung befasst sich mit der Rolle der Empirie in der Softwaretechnik. Sie stellt die gängigsten empirischen Methoden vor und weist auf gängige Fehlerquellen in empirischen Studien hin. Die dazugehörigen statistischen Methoden zur Analyse und Darstellung der Daten werden vermittelt. Die Vorlesung verwendet eine Reihe wissenschaftlicher Veröffentlichungen, um die Konzepte zu illustrieren und mit Leben zu füllen.

Arbeitsaufwand

Informatiionswirtschaft: Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Informatik: ca. 75 h

Modul: Empirische Sozialforschung [M-GEISTSOZ-103737]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Soziologie
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-GEISTSOZ-106573 Vorlesung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106572 Übung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106485 Klausur Sozialstrukturanalyse 6 Nollmann
T-GEISTSOZ-109048 Sozialforschung A (WiWi) 3 Nollmann
Erfolgskontrolle(n)

Die Erfolgskontrolle wird zu einem Teil in Form einer schriftlichen Prüfung (Klausur) teils mit frei zu bearbeitenden Aufgaben über die Inhalte der Vorlesung und Übung Sozialstrukturanalyse, teils nach dem Antwort-Wahl-Verfahren im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO B.A.-EUKLID und in einem weiteren Teil über eine schriftliche Ausarbeitung durchgeführt.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden erwerben Wissen über soziale Strukturen moderner Gesellschaften, können aktuelle gesellschaftliche Prozesse beschreiben und erklären, sind in der Lage, ausgewählte Forschungen, Fragestellungen und Datenquellen kennen zu lernen und deren Erkenntnisleistungen mit Hilfe von Texten und Beispielen zu verstehen.

Die Studenten erwerben außerdem die Kompetenz, sich in verschiedene Felder der Sozialwissenschaft (Familie, Industrie, Institutionen, Organisationen, usw.) einzuarbeiten. Sie erlernen, bestehende Forschungsarbeiten zu analysieren, zu reflektieren und ihre Erkenntnisse auf neue Sachverhalte zu übertragen. Sie erlernen auf Grundlage soziologischer Texte schriftliche Ausarbeitungen zu erstellen, die wissenschaftlichen Ansprüchen in Form und Inhalt genügen.

Inhalt

Das Modul gibt eine Einführung in Sozialstrukturbegriffe und ihren Verbindungen zur Kultur menschlichen Verhaltens. Im Weiteren werden zentrale Forschungsgebiete, aktuelle Debatten und Kontroversen sowie Kontinuität und Wandel der deutschen Sozialstruktur mit Seitenblick auf andere Länder vorgestellt. Wichtige Themen lauten Modernisierung, Individualisierung, Klassenstruktur, Bildung und Arbeitsmarkt, soziale Mobilität, Lebensläufe und Kohorten, Verteilung von Einkommen und Reichtum, Familie, Heiratsmärkte, Fertilität. Das Modul legt Wert auf die Vermittlung von Kenntnissen im Bereich von Datenquellen, amtlicher Statistik und relevanten Ergebnissen der Umfrageforschung sowie auf die selbständige Anwendung des im Rahmen eines Seminars erworbenen Wissens in Form einer eigenen Ausarbeitung.

 

Zusammensetzung der Modulnote

Die Modulnote ist das arithmetische Mittel der Teilprüfungsleistungen.

Arbeitsaufwand

Präsenz in der Vorlesung ca. 21h; Präsenz in der Übung ca. 21h;  Präsenz im Seminar: 10h; Präsenz in der Klausur 1,5h, Vor- und Nach­bereitung 90h; Erstellung der Aufgabenblätter 30h; selbständige Lektüre empfohlener Fachliteratur ca. 60h Klausur­vorbereitung 15h; schriftliche Ausarbeitung 15h. (Σ ca. 260 h)

Lehr- und Lernformen

Vorlesung, Übung, Seminar

Literatur

Mau, Steffen; Verwiebe, Roland (2009): Die Sozialstruktur Europas.; Weitere Literatur wird in der Veranstaltung bekannt gegeben.

Modul: Energieinformatik [M-INFO-106864]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-103582 Energieinformatik 1 5 Hagenmeyer
T-INFO-110356 Energieinformatik 1 - Vorleistung 0 Hagenmeyer
T-INFO-106059 Energieinformatik 2 5 Hagenmeyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Energieinformatik 1:

Nach erfolgreicher Teilnahme sollen die Studierenden

Energieinformatik 2:

Nach erfolgreicher Teilnahme sollen die Studierenden

Inhalt

Energieinformatik 1:

Dieses Modul vermittelt einen Überblick über die physikalischen und technischen Grundlagen verschiedener Energieformen, deren Speicherung, deren Übertragung und die entsprechenden Energiewandlungsprozesse. Außerdem beleuchtet dieses Modul die systemtechnische Kombination verschiedener lokaler Energiesysteme zum Gesamtenergiesystem und gibt Ausblicke auf typische informationstechnische Anwendungsfälle im Energiebereich.

Im Einzelnen werden folgende Themen jeweils mit Beispielen behandelt:

Energieinformatik 2:

Arbeitsaufwand

Energieinformatik 1:

2 SWS Vorlesung und 2 SWS Übung: 60 h

Vor- und Nachbereitungszeit: 75 h

Prüfungsvorbereitung und Prüfung: 15h 

Summe: 150 h = 5 ECTS

Energieinformatik 2:

2 SWS Vorlesung und 2 SWS Übung: 60 h

Vor- und Nachbereitungszeit: 75 h

Prüfungsvorbereitung und Prüfung: 15h

Summe: 150 h = 5 ECTS

Modul: Energieübertragung und Netzregelung [M-ETIT-100534]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze (EV bis 31.03.2025)
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-101941 Energieübertragung und Netzregelung 5 Leibfried
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen die Funktionsweise und die physikalische Beschreibung von Energieübertragungssystemen mit Drehstrom (HVAC) und Gleichstrom (HVDC). Sie können Übertragungscharakteristiken berechnen und eine grundlegende Auslegung vornehmen. Sie sind ferner mit der Funktionsweise der Netzregelung vertraut.

Inhalt

Die Vorlesung behandelt zunächst die Gesetzmäßigkeiten der Übertragung elektrischer Energie im Mittel- und Hochspannungsnetz. Ein zentrales Kapitel stellt die HGÜ-Technologie als Verfahren zur Übertragung großer Leistungen dar. Anschließend werden FACTS Elements behandelt, die zur Flexibilisierung der Energieübertragung dienen. Abschließend wird die Dynamik von Kraftwerken und Netzen behandelt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Präsenzstudienzeit Vorlesung: 30 h

Präsenzstudienzeit Übung: 15 h

Selbststudienzeit: 90 h

Klausurvorbereitung und Präsenz in selbiger: in Vor-/Nachbereitung verrechnet

Insgesamt 135 h = 5 LP

Modul: Energiewirtschaft und Energiemärkte [M-WIWI-101451]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
8
Pflichtbestandteile
T-WIWI-107043 Liberalised Power Markets 5,5 Fichtner
Ergänzungsangebot (Wahl: )
T-WIWI-107501 Energy Market Engineering 4,5 Weinhardt
T-WIWI-112151 Energy Trading and Risk Management 3,5 N.N.
T-WIWI-108016 Planspiel Energiewirtschaft 3,5 Genoese
T-WIWI-107446 Quantitative Methods in Energy Economics 3,5 Plötz
T-WIWI-102712 Regulierungstheorie und -praxis 4,5 Mitusch
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von schriftlichen Teilprüfungen (nach §4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt wird. Die Prüfungen werden jedes Semester angeboten und können zu jedem ordentlichen Prüfungestermin wiederholt werden.  

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten. 

Voraussetzungen

Die Lehrveranstaltung Liberalised Power Markets muss geprüft werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 Credits ca. 105 h, für Lehrveranstaltungen mit 5,5 Credits ca. 165 h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Lehrveranstaltungen sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Modul: Energiewirtschaft und Technologie [M-WIWI-101452]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
5
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102793 Efficient Energy Systems and Electric Mobility 3,5 Jochem
T-WIWI-102650 Energie und Umwelt 3,5 Karl
T-WIWI-113073 Machine Learning and Optimization in Energy Systems 3,5 Fichtner
T-WIWI-107464 Smart Energy Infrastructure 5,5 Ardone, Pustisek
T-WIWI-102695 Wärmewirtschaft 3,5 Fichtner
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von schriftlichen Teilprüfungen (nach §4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt wird. Die Prüfungen werden jedes Semester angeboten und können zu jedem ordentlichen Prüfungestermin wiederholt werden.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 Credits ca. 105h und für Lehrveranstaltungen mit 5,5 Credits ca. 165h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Engineering Self-Adaptive Systems [M-INFO-106626]

Verantwortung:
Prof. Dr. Raffaela Mirandola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113349 Engineering Self-Adaptive Systems 3 Mirandola
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Understand the motivation for self-adaptation
- Get familiar with the basic principles and conceptual model of self-adaptation
- Understand how to engineer self-adaptive software systems from a software engineering perspective
- Understand the decision-making process using formal analysis at runtime for quality assurance
- Understand the notion of uncertainty in self-adaptive systems and how to tame it with formal verification at runtime
- Understand the level of adoption of self-adaptive systems in industry.

Inhalt

Self-adaptation is an important field of research and engineering that aims to address the challenging problem of how to engineer software systems that have to deal with uncertainties that can only be resolved at run time.

The course presents the basic principles of self-adaptation and introduces a conceptual feedback loop model of a self-adaptive system. It introduces quality models which can be used to estimate quality properties at runtime by a self-adaptive system to provide guarantees for the quality goals. The role played by the different types of uncertainties is then explored analyzing different possible approaches.

Arbeitsaufwand

Course workload:

30h in Class (lectures)
45h self-study during the semester
15h preparation for the exam

Modul: Entrepreneurship (EnTechnon) [M-WIWI-101488]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
14
Pflichtbestandteil (Wahl: 1 Bestandteil)
T-WIWI-102864 Entrepreneurship 3 Terzidis
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-102866 Design Thinking 3 Terzidis
T-WIWI-113151 Entrepreneurship Seasonal School 3 Terzidis
T-WIWI-102865 Geschäftsplanung für Gründer 3 Terzidis
T-WIWI-110985 International Business Development and Sales 6 Casenave , Klarmann, Terzidis
T-WIWI-109064 Joint Entrepreneurship Summer School 6 Terzidis
T-WIWI-111561 Startup Experience 6 Terzidis
Ergänzungsangebot (Wahl: zwischen 0 und 1 Bestandteilen)
T-WIWI-102894 Entrepreneurship-Forschung 3 Terzidis
T-MACH-112882 Innovation2Business – Innovation Strategy in the Industrial Corporate Practice 4 Albers
T-WIWI-102852 Fallstudienseminar Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-102893 Innovationsmanagement: Konzepte, Strategien und Methoden 3 Weissenberger-Eibl
T-WIWI-102612 Management neuer Technologien 3 Reiß
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4, 1-3 SPO) über

  1. die Entrepreneurship-Vorlesung (3 LP),
  2. einem der Seminare des Lehrstuhls Entrepreneurship und Technologiemanagement (3 LP bzw. 6 LP) und ggf. 
  3. einer weiteren im Modul aufgeführten Lehrveranstaltung.

Die Seminare des Lehrstuhls sind:

Die letztgenannten fünf Seminare finden unregelmäßig statt, da sie im Rahmen von Projekten angeboten werden. 

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung des Moduls beschrieben. Bei Veranstaltungen mit 3 LP im Wahlpflicht- und Ergänzungsangebot ergibt sich die Gesamtnote zu 1/2 aus der Entrepreneurship-Vorlesung, 1/4 aus einem der Seminare des Lehrstuhls mit 3 LP und 1/4 einer weiteren im Modul zugelassenen Veranstaltung mit 3 LP. Falls im Wahlpflicht- oder im Ergänzungsangebot eine Veranstaltung mit 6 LP gewählt wird, fließt diese mit dem Gewicht 1/2 in die Gesamtnotenbildung ein. Die Gesamtnote wird nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden sind mit den Grundzügen und Inhalten von Entrepreneurship vertraut und idealerweise in die Lage versetzt, während beziehungsweise nach ihrem Studium ein Unternehmen zu gründen. Die Veranstaltungen sind daher modular sequentiell gegliedert, obschon sie grundsätzlich auch parallel besucht werden können. Hierbei werden die Fähigkeiten vermittelt, Geschäftsideen zu generieren, Erfindungen zu Innovationen weiterzuentwickeln, Geschäftspläne für Gründungen zu verfassen und Unternehmensgründungen erfolgreich durchzuführen. In der Vorlesung werden hierzu die Grundlagen des Themengebiets Entrepreneurship erarbeitet, in den Seminaren werden einzelne Inhalte schwerpunktmäßig vertieft. Lernziel insgesamt ist es, dass Studierende befähigt werden, Geschäftsideen zu entwickeln und umzusetzen.

Inhalt

Die Vorlesungen bilden die Grundlage des Moduls und geben einen Überblick über die Gesamtthematik. Die Seminare vertiefen die Phasen der Gründungsprozesse, insbesondere der Identifikation von Gelegenheiten, der Entwicklung eines Wertversprechens (insbesondere auf der Grundlage von Erfindungen und technischen Neuerungen), des Entwurfs eines Geschäftsmodells, der Geschäftsplanung, der Führung einer Neugründung, der Umsetzung einer Visionen sowie der Akquisition on Ressourcen und der Handhabung von Risiken. Die Vorlesung Entrepreneurship bildet hierzu einen übergreifenden und verbindenden Rahmen.

Anmerkungen

Bitte beachten Sie: Seminare, die von Herrn Prof. Terzidis (oder den Mitarbeitenden seiner Forschungsgruppe) angeboten werden, sind nicht für die Anrechnung in einem Seminarmodul der WiWi-Studiengänge zugelassen. Ausnahme: Seminar „Entrepreneurship-Forschung“.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Keine

Modul: Entwurf und Architekturen für Eingebettete Systeme (ES2) [M-INFO-100831]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101368 Entwurf und Architekturen für Eingebettete Systeme (ES2) 3 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende erlernt Methoden zur Beherrschung von Komplexität und wendet diese Methoden auf den Entwurf eingebetteter Systeme an. Er/Sie beurteilt und wählt spezifische Architekturen für Eingebettete Systeme. Weiterhin erhält der/die Studierende eine Einführung zu aktuellen Forschungsthemen.

Inhalt

Heutzutage ist es möglich, mehrere Milliarden Transistoren auf einem einzigen Chip zu integrieren und damit komplette SoCs (Systems-On-Chip) zu realisieren. Der Trend, mehr und mehr Transistoren verwenden zu können, hält ungebremst an, so dass die Komplexität solcher Systeme ebenfalls immer weiter zulegen wird. Computer werden vermehrt ubiquitär sein, das heißt, sie werden in die Umgebung integriert sein und nicht mehr als Computer vom Menschen wahrgenommen werden. Beispiele sind Sensornetzwerke, “Electronic Textiles” und viele mehr. Die physikalisch mögliche Komplexität wird allerdings praktisch nicht ohne weiteres erreichbar sein, da zur Zeit leistungsfähige Entwurfsverfahren fehlen, die in der Lage wären, diese hohe Komplexität zu handhaben. Es werden leistungsfähige ESL Werkzeuge (”Electronic System Level Design Tools”), sowie neuartige Architekturen benötigt werden. Der Schwerpunkt dieser Vorlesung liegt deshalb auf high-level Entwurfsmethoden und Architekturen für Eingebettete Systeme. Da der Leistungsverbrauch der (meist mobilen) Eingebetteten Systeme von entscheidender Bedeutung ist, wird ein Schwerpunkt der Entwurfsverfahren auf dem Entwurf mit Hinblick auf geringem Leistungsverbrauch liegen.

Arbeitsaufwand
90 Std.
Empfehlungen

Siehe Teilleistung

Modul: Ergänzungsfach Biologie [M-CHEMBIO-101957]

Verantwortung:
Prof. Dr. Jörg Kämper
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: Ergänzungsfach / Biologie
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jährlich
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-CHEMBIO-100180 Grundlagen der Biologie 4 Nick
T-CHEMBIO-103675 Molekularbiologie und Genetik 5 Kämper, Requena
Erfolgskontrolle(n)

Die Erfolgskontrolle in diesem Modul umfasst zwei schriftliche Prüfungen zu den Vorlesungen "Grundlagen der Biologie" und "Molekularbiologie und Genetik", beide Examen dauern 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können folgende biologischen Grundlagen nachvollziehen und diese auf einer einfachen Ebene miteinander in Beziehung setzen, um grundlegende Phänomene der Biologie zu erklären:

In der Vorlesung Molekularbiologie und Genetik vertiefen die Studierenden ihr Wissen um die molekularen Grundlagen des Lebens und die technischen Möglichkeiten, Lebewesen über Veränderung ihrer Gene oder deren Expression zu manipulieren.

Inhalt

Die Vorlesung Grundlagen der Biologie gibt eine allgemeine Einführung in die Grundlagen der Biologie. Dazu gehören die molekularen Grundlagen von Zellbiologie und Genetik ebenso wie Morphologie und Anatomie von Tieren und Pflanzen und die Mechanismen der Evolution.

Das Vorlesungen Molekulare Biologie und Genetik vertiefen die molekularen Grundlagen der modernen Biologie.

Arbeitsaufwand

Zur Bearbeitung zählt die Vor- und Nachbereitung der Vorlesung und das Lernen auf die Klausur.

Lehr- und Lernformen

Vorlesung

Literatur

Grundlagen der Biologie

Genetik:

Molekularbiologie:

Modul: Explainable Artificial Intelligence [M-INFO-106302]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112774 Explainable Artificial Intelligence 3 Lioutikov
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Students are able to understand problems and challenges of XAI
• Students can identify and differentiate different types and approaches of XAI
• Students can implement various XAI approaches
• Students understand current research questions and directions of XAI

Inhalt

Recent advances in Machine Learning and Deep Learning in particular have lead to the imminent introduction of AI agents into a wide variety of applications. However, the apparent “black-box” nature of these approaches hinders their application in both critical systems and close human-robot interactions. The sub-field of eXplainable Artificial Intelligence (XAI) aims to address this shortcoming. This lecture will introduce and discuss various concepts and methods of XAI and consider them from perspective of Robot Learning and Human-Robot Interaction.
The lecture will start with a (brief) introduction into relevant deep learning approaches, before discussing interpretable scene, task and behavior representations. Afterward the lecture will consider itself with Data-Driven and Goal-Driven AI. Finally, first approaches that incorporate XAI and XAI-based human feedback directly into the learning process itself will be discussed. An exemplary list of topics is given below:

• Introduction to XAI
◦ Interpretable Machine Learning vs Explainable Machine Learning

• Primer / Introduction to relevant Deep Learning Concepts
◦ MLPs and CNNs
◦ Graph Neural Networks
◦ Transformers
◦ Diffusion Models
◦ Score Based Methods

• Interpretable Structures
◦ Scene Representations
◦ Task Representations
◦ Behavior Representations
• Data-Driven Explainable AI: XAI Methods for
◦ Shapley Values
◦ Saliency Maps
◦ Concept Activation Vectors
◦ Linguistic Neuron Annotation

• Goal-Driven Explainable AI: XAI Methods for
◦ Generative Explaining Models
◦ Behavior Verbalization
◦ Behavior Visualization

• Interactive Learning
◦ Integrating Human Feedback
◦ Explanatory Interactive Learning

Arbeitsaufwand

Arbeitsaufwand = 90h = 3 ECTS
• ca 30h Vorlesungsbesuch
• ca 30h Nachbearbeitung
• ca 30h Prüfungsvorbereitung

Empfehlungen

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python / PyTorch experience could be beneficial when we discuss practical examples/implementations.

Modul: Extremwerttheorie [M-MATH-102939]

Verantwortung:
Prof. Dr. Vicky Fasen-Hartmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105908 Extremwerttheorie 5 Fasen-Hartmann
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden empfohlen.

Modul: Finance 1 [M-WIWI-101482]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-102643 Derivate 4,5 Uhrig-Homburg
T-WIWI-102621 Valuation 4,5 Ruckes
T-WIWI-102647 Asset Pricing 4,5 Ruckes, Uhrig-Homburg
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

In den Veranstaltungen des Moduls werden den Studierenden zentrale ökonomische und methodische Kenntnisse der modernen Finanzwirtschaft vermittelt. Es werden auf Finanz- und Derivatemärkten gehandelte Wertpapiere vorgestellt und häufig angewendete Handelsstrategien diskutiert.Ein weiterer Schwerpunkt liegt in der Beurteilung von Erträgen und Risiken von Wertpapierportfolios sowie in der Beurteilung von unternehmerischen Investitionsprojekten aus finanzwirtschaftlicher Sicht.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Finance 2 [M-WIWI-101483]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
10
Wahlinformationen

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

Dieses Modul wird erst dann für den Abschluss gewertet, wenn auch das Modul Finance 1 erfolgreich absolviert wurde. Wird das Modul Finance 1 in den Zusatzleistungsbereich ausgebucht, verliert das Modul Finance 2 seine curriculare Gültigkeit/Wertung für den Studienabschluss.  

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-113469 Advanced Corporate Finance 4,5 Ruckes
T-WIWI-110513 Advanced Empirical Asset Pricing 4,5 Thimme
T-WIWI-102647 Asset Pricing 4,5 Ruckes, Uhrig-Homburg
T-WIWI-110995 Bond Markets 4,5 Uhrig-Homburg
T-WIWI-110997 Bond Markets - Models & Derivatives 3 Uhrig-Homburg
T-WIWI-110996 Bond Markets - Tools & Applications 1,5 Uhrig-Homburg
T-WIWI-109050 Corporate Risk Management 4,5 Ruckes
T-WIWI-102643 Derivate 4,5 Uhrig-Homburg
T-WIWI-110797 eFinance: Informationssysteme für den Wertpapierhandel 4,5 Weinhardt
T-WIWI-102900 Financial Analysis 4,5 Luedecke
T-WIWI-102623 Finanzintermediation 4,5 Ruckes
T-WIWI-102646 Internationale Finanzierung 3 Uhrig-Homburg
T-WIWI-102621 Valuation 4,5 Ruckes
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Das Modul ist erst dann bestanden, wenn zusätzlich das Modul Finance 1 zuvor erfolgreich mit der letzten Teilprüfung abgeschlossen wurde.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-WIWI-101482 - Finance 1 muss begonnen worden sein.
Qualifikationsziele

Der/die Studierende ist in der Lage, fortgeschrittene ökonomische und methodische Fragestellungen der Finanzwirtschaft zu erläutern, zu analysieren und Antworten darauf abzuleiten.

Inhalt

Das Modul Finance 2 baut inhaltlich auf dem Modul Finance 1 auf. In den Modulveranstaltungen werden den Studierenden weiterführende ökonomische und methodische Kenntnisse der modernen Finanzwirtschaft auf breiter Basis vermittelt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 1,5 Credits ca. 45h, für Lehrveranstaltungen mit 3 Credits ca. 90h und für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Fine-Grained Complexity Theory & Algorithms [M-INFO-106644]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113391 Fine-Grained Complexity Theory & Algorithms 6 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of fundamental algorithmic barriers in the polynomial-time and exponential-time regimes.
They are able to use fine-grained reductions to relate the time complexity of different problems. They can derive conditional lower bounds from such reductions, based on established hardness assumptions.
Furthermore, they know about the techniques underlying the fastest known algorithms for central problems in the field.


Inhalt

- fine-grained reductions:
    -- conditional lower bounds
    -- main techniques for obtaining such reductions
- central hardness assumptions and their applications: 
    -- (Strong) Exponential Time Hypothesis
    -- Orthogonal Vectors Hypothesis
    -- 3SUM Hypothesis
    -- APSP Hypothesis
- conditional lower bounds for string problems, algorithmic graph theory, geometry
- algorithmic techniques:
    -- fastest known algorithms for central problems (SAT, Orthogonal Vectors, 3SUM, APSP)
    -- polynomial method
    -- applications of fast matrix multiplication
    -- Fast Fourier Transform/polynomial multiplication

Arbeitsaufwand

Lecture with exercises, 4 SWS, 6 CP
6 CP amounts to 180 h, distributed as follows:
- about 60 h attendance of lectures and exercise sessions
- about 30 h of preparation and reviewing course material
- about 60 h solving exercise sheets
- about 30 h exam preparation

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Modul: Formale Systeme [M-INFO-100799]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101336 Formale Systeme 6 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Logikbasierte Methoden spielen in der Informatik in zwei Bereichen eine wesentliche Rolle: (1) zur Entwicklung, Beschreibung und Analyse von IT-Systemen und (2) als Komponente von IT-Systemen, die diesen die Fähigkeit verleiht, die umgebende Welt zu analysieren und Wissen darüber abzuleiten.

Dieses Modul

von Systemen und Strukturen bzw. deren Eigenschaften.

Mehrere verschiedene Logiken werden vorgestellt, ihre Syntax und Semantik besprochen sowie dazugehörige Kalküle und andere Analyseverfahren eingeführt. Zu den behandelten Logiken zählen insbesondere die klassische Aussagen- und Prädikatenlogik sowie Temporallogiken wie LTL oder CTL.

Die Frage der praktischen Anwendbarkeit der vorgestellten Logiken und Kalküle auf Probleme der Informatik spielt in dieser Vorlesung eine wichtige Rolle. Der Praxisbezug wird insbesondere auch durch praktische Übungen (Praxisaufgaben) hergestellt, im Rahmen derer Studierende die Anwendung aktueller Werkzeuge (z.B. des interaktiven Beweisers KeY) auf praxisrelevante Problemstellungen (z.B. den Nachweis von Programmeigenschaften) erproben können.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 180h.

Der Aufwand setzt sich zusammen aus:

34,5h = 23 * 1,5hVorlesung (Präsenz)

10,5h = 7 * 1,5h Übungen (Präsenz)

60h Vor- und Nachbereitung, insbes. Bearbeitung der Übungsblätter

40h Bearbeitung der Praxisaufgaben

35h Klausurvorbereitung

Empfehlungen

Siehe Teilleistungen.

Modul: Formale Systeme II: Anwendung [M-INFO-100744]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101281 Formale Systeme II: Anwendung 5 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Methoden für die formale Spezifikation und Verifikation – zumeist auf der Basis von Logik und Deduktion – haben einen hohen Entwicklungsstand erreicht. Es ist zu erwarten, dass sie zukünftig traditionelle Softwareentwicklungsmethoden ergänzen und teilweise ersetzen werden. Die logischen Grundlagen – wie sie im Stammmodul „Formale Systeme“ vermittelt werden – ähneln sich für verschiedene formale Systeme. Zum erfolgreichen praktischen Einsatz müssen die Methoden und Werkzeuge aber auf die jeweiligen Anwendungen und deren charakteristische Eigenschaften abgestimmt sein. Dies betrifft sowohl die Formalismen zur Spezifikation als auch die zur Verifikation verwendeten Techniken. Auch stellt sich bei der praktischen An­wendung die Frage nach der Skalierbarkeit, Effizienz

In der Lehrveranstaltung werden etwa fünf typische Spezifikations- und Verifikationsmethoden und -werkzeuge und die für sie jeweils typischen Anwendungsszena­rien vorgestellt. Die den Methoden zugrundeliegenden theoretischen Konzepte werden vorgestellt. Ein wesentliches Element der Lehrveranstaltung ist, dass die Studierenden mit Hilfe kleiner Anwendungsfälle lernen, die Methoden und Werkzeuge praktisch anzuwenden.

Beispiele für Methoden und Werkzeuge, die vorgestelt werden können, sind:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 150 Stunden.

Der Aufwand setzt sich zusammen aus:

22,5h = 15 * 1,5 -  Vorlesung (Präsenz)
12h    =   8 * 1,5h - Übungen (Präsenz)
35h    Vor- und Nachbereitung der Vorlesung
12h  Installation der verwendeten formalen Systeme und Einarbeitung
30h  Lösen von praktischen Aufgaben
38,5h  Vorbereitung auf die Prüfung

Empfehlungen

Siehe Teilleistung.

Modul: Formale Systeme II: Theorie [M-INFO-100841]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101378 Formale Systeme II: Theorie 5 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Diese Modul vermittelt weitergehenden und vertiefte Kenntnisse und Kompetenzen im Bereich der Formalen Logik; es baut auf dem Stammmodul „Formale Systeme“ auf. Den Fokus des Moduls „Formale Systeme II – Theorie“ bilden dabei theoretische Konzepte und Methoden (während sich das Modul „Formale Systeme II – Anwendung“ auf deren Anwendung konzentriert.

Thema sind theoretische Konzepte und Methoden (bspw.Kalküle) aus Teilbereichen der Formalen Logik, wie beispielsweise:

Arbeitsaufwand
Der Gesamtarbeitsaufwand für dieses Modul beträgt 150 Stunden.

Der Aufwand setzt sich zusammen aus:

22,5h = 15 * 1,5h Vorlesung (Präsenz)

12h = 8 * 1,5h Übungen (Präsenz)

70h Vor- und Nachbereitung der Vorlesung

Empfehlungen

Siehe Teilleistung

Modul: Forschungspraktikum Autonome Lernende Roboter [M-INFO-105378]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110861 Forschungspraktikum Autonome Lernende Roboter 6 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studenten lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte Resultate zu reproduzieren und zu überprüfen.  Die Studenten erlangen ein vertieftes Wissen im Bereich des Lernens mit Robotern und Erfahrung mit dem Einsatz von neuartigen Lernverfahren.

Inhalt

Each student has to choose one of the offered topics from the area of robot learning / reinforcement learning / imitation learning or deep learning for robotics. The students will conduct a literature survey to acquire an understanding of the field and then implement one or several algorithms. The algorithms need to be evaluated against available baselines on standard benchmark tasks as well as on (custom-made) physically realistic simulations and/or a real robot platform. The experiments have to be documented in a report.

Arbeitsaufwand

180h

Empfehlungen

Experience in Machine Learning is recommended.

Modul: Forschungspraktikum Deep Learning in der Robotik [M-INFO-105480]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111024 Forschungspraktikum Deep Learning in der Robotik 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to understand and scrutinise complex scientific topics and to reproduce and verify published results.  Students gain in-depth knowledge in the field of learning with robots and experience with the use of novel learning methods.

Inhalt

Each student has to choose one of the offered topics from the area of deep learning / robot learning / deep reinforcement learning / deep imitation learning. The students need to implement one or several algorithms and evaluate them against available baselines on standard benchmark tasks as well as on (custom-made) physically realistic simulations and/or a real robot platform. The experiments have to be documented in a report.  Students will work in teams of 2. It is recommended to take this course together with the seminar “Deep learning for robotics” where the students will acquire the required background on the literature.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h

Project work: 135h

Writing a report + preparing a presentation: 30h

Empfehlungen

-        Experience in Machine Learning is recommended.

-        Python experience is recommended

-        We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Modul: Forschungspraktikum Netzsicherheit [M-INFO-105413]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110938 Forschungspraktikum Netzsicherheit 3 Hock, Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, das ausgewählte Thema bzw. den ausgewählten Schwerpunkt aus dem Bereich der Netzsicherheit verstehen, begründen, bewerten und einordnen zu können.
Sie kennen die für das ausgewählte Thema relevanten inhaltlichen Grundlagen und können diese in der Praxis anwenden. Studierende sind ferner in der Lage, aus einer Aufgabenbeschreibung konkrete Arbeitsschritte abzuleiten und die entstandenen Ergebnisse zu dokumentieren, zusammenzufassen und zu präsentieren.

Inhalt

Das Forschungspraktikum Netzsicherheit wird begleitend zum Modul Netzsicherheit: Architekturen und Protokolle [M-INFO-100782] angeboten. Das Praktikum gibt Studierenden die Möglichkeit, selektiv ein bestimmtes Thema aus der oben genannten Vorlesung mit aktueller Forschungsrelevanz praktisch zu vertiefen. Das Thema kann variieren und wird bei der Anmeldung zum Praktikum bekannt gegeben (Beispiel: „Attacks and Anomalies in the context of the Border Gateway Protocol”).
Das Praktikum besteht aus fünf Abschnitten:

Arbeitsaufwand

3 ETCS:

Präsenzzeit / Treffen in Groß- und Kleingruppen: 15h

Auswahl des Schwerpunkts: 10h

Konzeption + Spezifikation des Schwerpunkts: 10h

Implementierung des Schwerpunkts: 20h

Forschungsbericht und Kolloquium: 20h

Empfehlungen

Das Modul Netzsicherheit: Architekturen und Protokolle [M-INFO-100782] sollte begonnen oder abgeschlossen sein.

Modul: Forschungspraktikum Telematik [M-INFO-105590]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111208 Forschungspraktikum Telematik 3 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, das ausgewählte Thema bzw. den ausgewählten Schwerpunkt aus dem Bereich der Telematik verstehen, begründen, bewerten und einordnen zu können.

Sie kennen die für das ausgewählte Thema relevanten inhaltlichen Grundlagen und können diese in der Praxis anwenden.  Studierende sind ferner in der Lage, aus einer Aufgabenbeschreibung konkrete Arbeitsschritte abzuleiten und die entstandenen Ergebnisse zu  dokumentieren, zusammenzufassen und zu präsentieren.

Inhalt

Das Forschungspraktikum Telematik wird begleitend zum Modul Telematik [M-INFO-100801] angeboten. Das Praktikum gibt Studierenden die Möglichkeit, selektiv ein bestimmtes Thema aus der oben genannten Vorlesung mit aktueller Forschungsrelevanz praktisch zu vertiefen.  Das Thema kann variieren und wird bei der Anmeldung zum Praktikum bekannt gegeben (Beispiel: „Visualization and anomaly detection in the context of the Border Gateway Protocol”).

Das Praktikum besteht aus den folgenden Abschnitten:

Arbeitsaufwand

Präsenzzeit / Treffen in Groß- und Kleingruppen: 15h

Auswahl des Schwerpunkts: 10h

Konzeption + Spezifikation des Schwerpunkts: 10h

Implementierung des Schwerpunkts: 20h

Forschungsbericht / Kolloquium: 20h

Empfehlungen

Ein ausgeprägtes wissenschaftliches Interesse an den Themen der Netzsicherheit wird vorausgesetzt:  es werden keine vorgefertigten Übungsaufgaben bearbeitet,  stattdessen fordert das Praktikum einen hohen Grad an Eigeninitiative.

Modul: Forschungspraktikum: Artificial Intelligence & Security [M-INFO-106866]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113759 Forschungspraktikum: Artificial Intelligence & Security 6 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualifikationsziele: Students understand how to interpret results from state-of-the-art research and are able to actively contribute to timely research.

Lernziele:
←    Students know and understand concepts of recent research at the intersection of artificial intelligence and computer security.
←    Students are able independently research topics and methods in this field of research.
←    Students understand limits of current approach in computer security research.

Inhalt

In this practical course, the students work on a project at the intersection of artificial intelligence, machine learning, and computer security. They come in contact with and participate in timely and state-of-the-art research in this exciting field. In this scope, the students read up on a sub-field, design and implement a learning-based system, and conduct evaluations on real-world data.

Topics include but are not limited to adversarial machine learning, explainability of machine learning in computer security, learning-based attack detection, and vulnerability discovery.

Arbeitsaufwand

•    140h Projektarbeit
•    20h Abschlussbericht
•    15h Vorbereitung Abschlusspräsentation
•    5h Präsenzzeit (Abschlussveranstaltung)

Modul: Forschungspraktikum: Explainable Artificial Intelligence [M-INFO-106495]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113114 Forschungspraktikum: Explainable Artificial Intelligence 6 Lioutikov
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studenten lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte
Resultate zu reproduzieren und zu überprüfen. Die Studenten erlangen ein vertieftes Wissen im Bereich des Interaktive Lernens und Erfahrung mit dem Einsatz von neuartigen Lernverfahren.

Inhalt

Each student will select a topic in the field of Explainable Artificial Intelligence and study and analyze it in the context of Robot Learning. The organizers will suggest topics but the students are welcome suggest relevant topics. The students will then implement and evaluate several algorithms corresponding to the chosen topic. The experimental evaluation will be documented in a report and presented to their peers.
It is highly recommended to take this research project in combination with the “Explainable Artificial Intelligence” Seminar, where the students get the chance to acquire the required background on the literature.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Arbeitsaufwand

Arbeitsaufwand = 180h = 6 ECTS
• Präsenzzeit: 15h
• Projektarbeit: 135h
• Scientific Report schreiben + Päsentation vorbereiten: 30h

Empfehlungen

We recommend taking this Praktikum after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this research project in combination with the “Explainable Artificial Intelligence” seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Forschungspraktikum: Interactive Learning [M-INFO-106300]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112772 Forschungspraktikum: Interactive Learning 6 Lioutikov
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studenten lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte
Resultate zu reproduzieren und zu überprüfen. Die Studenten erlangen ein vertieftes Wissen im Bereich des Interaktive Lernens und Erfahrung mit dem Einsatz von neuartigen Lernverfahren.

Inhalt

Each student will select a topic in the field of Interactive Learning and/or Explainable Artificial Intelligence. The organizers will suggest topics but the students are welcome suggest relevant topics. The students will then implement and evaluate several algorithms corresponding to the chosen topic. The experimental evaluation will be documented in a report and presented to their peers.
It is highly recommended to take this research project in combination with the “Interactive Learning” Seminar, where the students get the chance to acquire the required background on the literature.

Arbeitsaufwand

Arbeitsaufwand = 180h = 6 ECTS
• Präsenzzeit: 15h
• Projektarbeit: 135h
• Scientific Report schreiben + Päsentation vorbereiten: 30h

Empfehlungen

We highly recommend to take this research project in combination with the “Interactive Learning” seminar.

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this project.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Fortgeschrittene Datenstrukturen [M-INFO-102731]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-105687 Fortgeschrittene Datenstrukturen 4 Sanders
T-INFO-111849 Fortgeschrittene Datenstrukturen Projekt/Experiment 1 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis algorithmischer Fragestellungen und Lösungsansätze im Bereich der fortgeschrittenen Datenstrukturen, das auf dem bestehenden Wissen im Themenbereich Algorithmik aufbaut. Außerdem können sie erlernte Techniken auf verwandte Fragestellungen anwenden und aktuelle Forschungsthemen im Bereich Text-Indexierung interpretieren und nachvollziehen.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden

Inhalt

In dieser Vorlesung beschäftigen wir uns mir modernen Datenstrukturen für fundamentale Objekte wie beispielsweise Bäume, Graphen, Integers und Strings. Diese Datenstrukturen sind Grundlage für viele Anwendungen und ein wichtiger Bestandteil von effizienten Algorithmen. In dieser Vorlesung betrachten wir die Highlights aus verschiedenen Forschungsbereichen und werden dabei Techniken zur Lösung unterschiedlichster Probleme kennen lernen.

Neben der theoretischen Analyse der Datenstrukturen werden wir uns auch mit der praktischen Performance der verschiedenen Datenstrukturen und ihren Einsatzgebieten beschäftigen.

Arbeitsaufwand

Vorlesung mit Projekt/Experiment mit 3 SWS, 5 LP entsprechen ca. 150 Arbeitsstunden, davon

ca. 30 Std. Besuch der Vorlesung

ca. 60 Std. Vor- und Nachbereitung

ca. 30 Std. Bearbeiten des Projekts/Experiments

ca. 30 Std. Prüfungsvorbereitung

Modul: Fortgeschrittene Künstliche Intelligenz [M-INFO-106299]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112768 Fortgeschrittene Künstliche Intelligenz 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

● Die Studierenden kennen die relevanten Elemente eines technischen kognitiven Systems und deren Aufgaben.
● Die Studierenden verstehen die Algorithmen und Methoden der KI um kognitive Systeme zu modellieren.
● Die Studenten sind in der Lage, die unterschiedlichen Teilkomponeten eines System zu entwickeln und zu analysieren.
● Die Studierenden können dieses Wissen auf neue Anwendungen übertragen, sowie verschiedene Methoden analysieren und vergleichen.

Inhalt

Durch die Erfolge in der Forschung sind zunehmend KI System in unseren Alltag integriert. Dies sind beispielsweise Systeme, die Sprache verstehen und generieren können oder Bilder und Videos analysieren können. Darüber hinaus sind KI-Systeme essentiell in der Robotik, um die nächste Generation intelligenter Roboter entwickeln zu können.

Basierend auf dem Wissen der Vorlesung “Einführung in der KI” erlernen die Studenten diese Systeme zu verstehen, entwickeln und evaluieren. .
Um den Studenten dieses Wissen näherzubringen, ist die Vorlesung in 4 Teile gegliedert. Zunächst werden die Methoden der Perzeption mittels verschiedener Modalitäten behandelt. Im zweiten Teil werden fortgeschrittene Methoden des Lernens, die über das überwachte Lernen hinausgehen, behandelt. Anschließend werden Methoden behandelt, die für die Repräsentation von Wissen in KI-Systemen benötigt werden. Abschließend werden Methoden vorgestellt, die es KI-Systemen ermöglichen Inhalte zu generieren.

Arbeitsaufwand

Vorlesung mit 3 SWS + 1 SWS Übung, 6 LP.
6 LP entspricht ca. 180 Stunden, davon
ca. 45 Std. Vorlesungsbesuch
ca. 15 Std. Übungsbesuch
ca. 90 Std. Nachbearbeitung und Bearbeitung der Übungsblätter
ca. 30 Std. Prüfungsvorbereitung

Modul: Fortgeschrittenes Algorithmisches Programmieren [M-INFO-105723]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111399 Fortgeschrittenes Algorithmisches Programmieren 6 Bläsius
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teillesitung.

Qualifikationsziele

Nach erfolgter Teilnahme an der Lehrveranstaltung können die Studierenden

- problemorientiert effiziente Implementierungen mit bekannten algorithmischen Techniken in midestens einer Programmiersprache umsetzen,

- Laufzeit (in Sekunden) von Algorithmen und Implementierungen basierend auf der Eingabegröße abschätzen,

- Anwendungsfälle für existierende Algorithmen erkennen,

- algorithmische Methoden anpassen und kombinieren um neue Algorithmen zu entwickeln.

Inhalt

Im Verlauf des Semesters werden Algorithmen und Datenstrukturen vorgestellt, welche aufgrund ihrer Effizienz und vergleichsweise kurzen Implementierung Anwendung in Programmierwettbewerben finden. Zu jedem Themengebiet (Strings, Zahlentheorie, Graphen, Treaps, etc.) müssen praktischen Übungsaufgaben implementiert werden. Höhepunkte der Veranstaltung ist ein Contest, in dem sich die Studierenden unter Wettbewerbsbedingungen miteinander messen.
Aus den Teilnehmern der Veranstaltung werden außerdem die Teams ausgewählt, die die Universität Karlsruhe beim ACM ICPC Regionalwettbewerb der Region Nordwesteuropa (NWERC) vertreten werden.

Arbeitsaufwand

6 LP entspricht ca. 180 Arbeitsstunden

30 Std. Besuch der Vorlesung
30 Std. Vor- und Nachbereitung
100 Std. Bearbeitung der Übungsblätter
20 Std. Prüfungsvorbereitung

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) und Programmierkenntnisse in C++ werden erwartet.
Erfolgreiche Teilnahme am Basispraktikum zum ICPC Programmierwettbewerb wird stark empfohlen.

Modul: Fotorealistische Bildsynthese [M-INFO-100731]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-101268 Fotorealistische Bildsynthese 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden verstehen Algorithmen und Verfahren zur Erzeugung realistischer Bilder (z.B. Reflexionsmodelle, Lichttransportsimulation, Monte Carlo Methoden), können diese analysieren und beurteilen, und können geeignete Rendering-Verfahren für einen gegebenen Einsatzzweck auswählen und implementieren.

Inhalt

Algorithmen und Verfahren der Computergrafik für die Erzeugung fotorealistischer Bilder. Themen sind unter anderem: globale Beleuchtung und Lichttransportphänomene, Path Tracing, Photon Mapping, Radiometrie, BRDFs, Radiosity, Monte Carlo Verfahren und Importance Sampling.

Arbeitsaufwand

60h = Präsenzzeit 

70h = Vor-/Nachbereitung

20h = Klausurvorbereitung

Empfehlungen

Siehe Teilleistung.

Modul: Fundamentals of Optics and Photonics [M-PHYS-101927]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-103630 Fundamentals of Optics and Photonics - Unit 0 Hunger
T-PHYS-103628 Fundamentals of Optics and Photonics 9 Hunger
Erfolgskontrolle(n)

written exam, duration 120 minutes

The written exam is scheduled for the beginning of the break after the WS. A resit exam is offered at the end of the break. A test exam is offered before the Christmas holidays.

Voraussetzungen

One exercise sheet is handed out to the students as homework each week. Solutions of the problems have to be submitted

Qualifikationsziele

he students from different backgrounds refresh and elaborate their knowledge of basic optics and photonics. They comprehend the physics of optical phenomena and their application in simple optical components. They learn how to describe physical laws in a mathematical form and how to verify these laws in experiments, i.e. they acquire scientific methodology. They train to solve problems in basic and applied optics & photonics by mathematical evaluation of physical laws.

The students

Inhalt

I. Introduction (Ray Optics; Wave Optics; Photons)

II. Beam Optics (Gaussian Modes, Effect of Optical Components on Gaussian Beams)

III. Polarization and Optical Anisotropy (Polarization, Jones Vectors and Matrizes; Birefringence and its Applications; Optical Activity; Induced Anisotropy and Modulators)

IV. Coherence, Interference and Diffraction (Spatial and Temporal Coherence, Fourier Transformation, Correlation Functions, Interference; Interferometer; Fourier Spectroscopy; Multi-Beam Interference, Fabry-Perot, Dielectric and Bragg Mirrors; Diffraction at Slit, Aperture and Grating; Fresnel and Fraunhofer Diffraction; Fourier Optics; Diffraction-Limited Resolution; Spectrometer; Diffractive Optics, Holography)

V. Light and Matter (Lorentz Oscillator Model, Dielectric Function, Polariton Propagation; Kramers-Kronig Relations; Two-Level Systems, Einstein Coefficients, Fermi‘s Golden Rule)

VI. Laser: Basic Principles (Components of a Laser, Types of Lasers; Short-Pulse Generation)

Arbeitsaufwand

total 240 h, hereof 90h contact hours (60h lecture, 30h problem class), and 150h homework and self-studies

Empfehlungen

Solid mathematical background, basic knowledge in physics

Lehr- und Lernformen

Lecture (including de-monstration experiments) and problem class

Literatur

D. Meschede: Optics, Light and Lasers

B.E.A. Saleh, M.C.Teich: Fundamentals of Photonics

F.G. Smith, T.A. King and D. Wilkins: Optics and Photonics, An Introduction

Modul: Funktionalanalysis [M-MATH-101320]

Verantwortung:
Prof. Dr. Roland Schnaubelt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-102255 Funktionalanalysis 9 Frey, Herzog, Hundertmark, Lamm, Liao, Reichel, Schnaubelt, Tolksdorf
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können im Rahmen der metrischen Räume topologische Grundbegriffe wie Kompaktheit erklären und in Beispielen anwenden. Sie sind in der Lage Hilbertraumstrukturen zu beschreiben und in Anwendungen zu verwenden. Sie können das Prinzip der gleichmäßigen Beschränktheit, den Banachschen Homomorphisatz und den Satz von Hahn-Banach wiedergeben und aus ihnen Folgerungen ableiten. Die Theorie dualer Banachräume, (insbesondere schwache Konvergenz, Reflexivität und Banach-Alaoglu) können sie beschreiben und in Beispielen diskutieren. Sie sind in der Lage einfache funktionalanalytische Beweise zu führen. Sie können den Spektralsatz für kompakte, selbstadjungierte Operatoren erläutern.

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Literatur

D. Werner, Funktionalanalysis

Modul: Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie [M-INFO-100725]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101262 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 3 Asfour, Spetzger
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach erfolgreichem Besuch der Lehrveranstaltung sollten die Studenten ein Grundverständnis und Basisinformationen über den Aufbau und die komplexe Funktionsweise des Gehirns und des zentralen Nervensystems haben. Ziel ist die Vermittlung von Grundlagen der Neurophysiologie mit Darstellung von Sinnesfehlfunktionen sowie Ursachen und Mechanismen von Krankheiten des Gehirns und des Nervensystems. Zudem werden unterschiedliche diagnostischen Maßnahmen sowie Therapiemodalitäten dargestellt, wobei hier der Fokus auf die bildgeführte, computerassistierte und roboterassistierte operative Behandlung fällt. Die Vorlesung bietet den Studenten einen Einblick in die moderne Neuromedizin und stellt somit eine Schnittstelle zur Neuroinformatik her.

Inhalt

Die Lehrveranstaltung vermittelt einen Überblick über die Neuromedizin und bewirkt ein grundsätzliches Verständnis für die Sinnes- und Neurophysiologie, was eine wichtige Schnittstelle zu den innovativen Forschungsgebieten der Neuroprothetik (optische, akustische Prothesen) darstellt. Zudem besteht hier ebenso eine enge Anbindung zu den motorischen Systemen in der Robotik. Weitere Verknüpfungen bestehen zu den Bereichen der Bildgebung und Bildverarbeitung, der intraoperativen Unterstützungssysteme. Es wird ein Praxisbezug hergestellt sowie konkrete Anwendungsbeispiele in der medizinischen Diagnostik und Therapie dargestellt.

Arbeitsaufwand

ca. 40 h

Empfehlungen

Siehe Teilleistung

Modul: Generalisierte Regressionsmodelle [M-MATH-102906]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105870 Generalisierte Regressionsmodelle 5 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Die Vorlesung behandelt grundlegende Modelle der Statistik, die es ermöglichen, Zusammenhänge zwischen Größen zu erfassen. Themen sind:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Statistik" werden dringend empfohlen.

Modul: Geometric Deep Learning [M-INFO-106237]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112662 Geometric Deep Learning 3 Stühmer
Erfolgskontrolle(n)

See parcel assessment.

Voraussetzungen

See parcel assessment.

Qualifikationsziele

Students gain a theoretical and methodical approach to modern Deep Learning as well as knowledge and experience about the application of Deep Learning methods on networks and graphs

Students are able to apply this knowledge for understanding existing state-of-the-art Deep Learning architectures and for deriving novel architectures from first principles

Inhalt

- This module provides students with both theoretical and practical insights into modern Deep Learning
- In particular, we focus on a novel approach for understanding deep neural networks with mathematical tools from geometry and group theory
- This enables a methodical approach to Deep Learning: starting from first principles of symmetry and invariance, we derive different network architectures for analyzing unstructured sets, grids, graphs, and manifolds
- Topics of the course include: group theory, graph neural networks, convolutional neural networks, applications of geometric deep learning in diverse fields such as geometry processing, molecular dynamics, social networks, game playing (computer Go), processing of text and speech, as well as applications in medicine

Arbeitsaufwand

90h

Empfehlungen

Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.

Modul: Gesellschaftliche Aspekte [M-INFO-104808]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Gesellschaftliche Aspekte
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
4
Recht (Wahl: zwischen 6 und 12 LP)
T-INFO-101307 Internetrecht 3 N.N.
T-INFO-101309 Telekommunikationsrecht 3
T-INFO-102036 Vertragsgestaltung im IT-Bereich 3 Menk
Philosophie und Soziologie (Wahl: zwischen 6 und 12 LP)
T-GEISTSOZ-101131 Klausur Einführung in die Soziologie 6 Mäs
T-GEISTSOZ-104601 Vorlesung Einführung in die Soziologie 0 Mäs
T-GEISTSOZ-101136 Übung Soziologie 0 Mäs
T-GEISTSOZ-106573 Vorlesung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106572 Übung Sozialstrukturanalyse 0 Nollmann
T-GEISTSOZ-106485 Klausur Sozialstrukturanalyse 6 Nollmann
T-GEISTSOZ-109048 Sozialforschung A (WiWi) 3 Nollmann
Voraussetzungen

Keine

Inhalt

Recht:

Studierende sollen neben den technologischen Grundlagen des Internets zusätzliche interdisziplinäre Kompetenzen erwerben, die es ihnen erlauben, die gesellschaftlichen Auswirkungen Internet-basierter Dienste einschätzen und bei der Entwicklung solcher Dienste berücksichtigen zu können. Im Mittelpunkt der interdisziplinären Kompetenzen stehen dabei Methoden und Kenntnisse aus den Bereichen Rechtswissenschaften.

Philosophie und Soziologie:

Studierende sollen neben den technologischen Grundlagen des Internets zusätzliche interdisziplinäre Kompetenzen erwerben, die es ihnen erlauben, die gesellschaftlichen Auswirkungen Internet-basierter Dienste einschätzen und bei der Entwicklung solcher Dienste berücksichtigen zu können. Im Mittelpunkt der interdisziplinären Kompetenzen stehen dabei Methoden und Kenntnisse aus den Bereichen Philosophie und Soziologie.

Empfehlungen

Siehe Teilleistung.

Modul: Graphentheorie [M-MATH-101336]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-102273 Graphentheorie 9 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Prüfung (3h).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Um einen Bonus zu bekommen, muss man jeweils 50% der Punkte für die Lösungen der Übungsblätter 1-6 sowie der Übungsblätter 7-12 erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können grundlegende Begriffe und Techniken der Graphentheorie nennen, erörtern und anwenden. Sie können geeignete diskrete Probleme als Graphen modellieren und Resultate wie Menger's Satz, Kuratowski's Satz oder Turán's Satz, sowie die in den Beweisen entwickelten Ideen, auf Graphenprobleme anwenden. Insbesondere können die Studierenden Graphen hinsichtlich ihrer Kennzahlen wie Zusammenhang, Planarität, Färbbarkeit und Kantenzahl untersuchen. Sie sind in der Lage, Methoden aus dem Bereich der Graphentheorie zu verstehen und kritisch zu beurteilen. Desweiteren können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Der Kurs über Graphentheorie spannt den Bogen von den grundlegenden Grapheneigenschaften, die auf Euler zurückgehen, bis hin zu modernen Resultaten und Techniken in der extremalen Graphentheorie. Insbesondere werden die folgenden Themen behandelt: Struktur von Bäumen, Pfaden, Zykeln, Wegen in
Graphen, unvermeidliche Teilgraphen in dichten Graphen, planare Graphen, Graphenfärbung, Ramsey-Theorie, Regularität in Graphen.

Zusammensetzung der Modulnote

Die Modulnote ist Note der Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Modul: Graphpartitionierung und Graphenclustern in Theorie und Praxis [M-INFO-100758]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-101295 Graphpartitionierung und Graphenclustern in Theorie und Praxis 4 Sanders, Ueckerdt
T-INFO-110999 Graphpartitionierung und Graphenclustern in Theorie und Praxis - Übung 1 Sanders, Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Ziel der Vorlesung ist es, den Studierenden einen ersten Einblick in die Problematik des Graphpartitionierens und des Graphenclusterns zu vermitteln und dabei Wissen aus der Graphentheorie sowie der Algorithmik umzusetzen.


Auf der einen Seite werden die auftretenden Fragestellungen auf ihren algorithmischen Kern reduziert und anschließend effizient gelöst. Auf der anderen Seite werden verschiedene Modellierungen und deren Interpretationen behandelt. Nach erfolgreicher Teilnahme können Studierende die vorgestellten Methoden und Techniken autonom auf verwandte Fragestellungen anwenden.

Inhalt

Viele Anwendungen der Informatik beinhalten das Clustern und die Partitionierung von Graphen, z. B. die Finite Element Methode in wissenschaftlichen Simulationen, Digitaler Schaltkreisentwurf, Routenplanung, Analyse des Webgraphen oder auch die Analyse von Sozialen Netzwerken.


Ein bekanntes Beispiel, in dem gute Partitionierungen von unstrukturierten Graphen benötigt werden, ist die Parallelverarbeitung.Hier müssen Graphen partitioniert werden, um Berechnungen gleichmäßig auf eine gegebene Anzahl von Prozessoren zu verteilen und die Kommunikation zwischen diesen zu minimieren.Wenn man k Prozessoren verwenden möchte, muss der Graph in k ungefähr gleich große Blöcke aufgeteilt werden, so dass die Anzahl Kanten zwischen den Blöcken minimal ist.
Da in der Praxis viele Partitionierungs- und Clusteringprobleme auftreten, werden die besprochenen Probleme vorgestellt und motiviert.Es werden sowohl die theoretischen als auch die praktischen Aspekte der Graphpartitionierung und des Graphenclusterns vermittelt.Dies beinhaltet Heuristiken, Meta-Heuristiken, evolutionäre und genetische Algorithmen sowie Approximations- und Streamingalgorithmen.

Arbeitsaufwand

Vorlesung mit Projekt/Experiment mit 3 SWS, 5 LP entsprechen ca. 150 Arbeitsstunden, davon

ca. 30 Std. Besuch der Vorlesung
ca. 60 Std. Vor- und Nachbereitung
ca. 30 Std. Bearbeiten des Projekts/Experiments
ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Hands-on Bioinformatics Practical [M-INFO-101573]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103009 Hands-on Bioinformatics Practical 3 Stamatakis
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer entwicklen und dokumentieren ein open-source Tool oder eine Pipeline für die sequenzbasierte Datenanalyse biologischer Daten. Das Tool deckt einen odere mehrere inhaltliche Schwerpunkte der Vorlesung ab und ist für die biologische User Community von Nutzen und benutzbar. Das Tool soll nach Möglichkeit in einer wiss. Fachzeitschrift mit peer-review publiziert werden. Die Teilnehmer lernen in Teams von 2-3 Programmierern zu arbeiten, Versionsmanagement-Tools wie github zu benutzen, das Laufzeitverhalten von Programmen anhand entsprechender Tools zu analysieren und zu optimieren, und C-Programme auf Speicherleaks (z.B. anhand von valgrind) zu testen. Die Teilnehmer können grössere Sowftareprojekte im Bereich der Bioinformatik eigenständig durchführen und dokumentieren sowie die Codequalität bewerten und verbessern. Sie sind in der Lage im Team ein wiss. Paper zu schreiben.

Inhalt

Im Praktikum entwicklen wir zusammen ein open-source Tool (Algorithmen, Analysepipelines, Parallelisierungen) mit dem Ziel am Ende des Semesters ein für die Biologie nützliches und von Biologen nutzbares, neues Tool zur Verfügung zu stellen.

Arbeitsaufwand
Wöchentliche Besprechungen mit dem Betreuer 15 Stunden + Teaminterne Besprechungen 15 Stunden + Programmierzeit 45 Stunden + 15 Stunden Paper/Abschlussbericht schreiben = 90 Stunden = 3 ECTS
Empfehlungen

Siehe Teilleistung

Modul: Hardware Modeling and Simulation [M-ETIT-100449]

Verantwortung:
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-100672 Hardware Modeling and Simulation 4 Becker, Becker
Erfolgskontrolle(n)

Achievement is examined in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

After completing this module, students will be familiar with different hardware description languages and their applications in various abstraction levels. They will gain knowledge of the SPICE Hardware Description Language and become proficient in building and deriving the analog matrix for spice simulation. In the realm of digital design, they will develop a comprehensive understanding of the hardware description language VHDL, encompassing the VHDL Standard and its extensions, such as VHDL 2008, the 9-valued logic, and the VHDL-AMS standard. Furthermore, students will achieve a profound comprehension of simulator principles, particularly the delta cycle model. They will also grasp the fundamentals of fault simulations for testing fabricated circuits and learn to derive test vectors. Additionally, students will acquire an understanding of higher-level hardware construction languages like Chisel and SystemC.

 

Inhalt

In order to address the complexity of modern chips during development, it is essential to utilize modern hardware description languages. This course offers insights into the various levels of abstraction in these languages. It starts by covering the fundamentals of analog description using SPICE and then progresses through VHDL, VHDL-AMS, and Verilog. Additionally, the course introduces more abstract languages like Chisel and SystemC.

Topics covered in the course are:

 

Zusammensetzung der Modulnote

The module grade results from the grade of the written examination.

Anmerkungen

.

Arbeitsaufwand

The workload is covered by:

  1. Participating in lectures and tutorials: 33h
  2. Preparing and wrap up of the above named units: 66h
  3. Exam preparation and presence: 21h

Sum: 120h = 4 LP

Modul: Hardware/Software Co-Design [M-ETIT-100453]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100671 Hardware/Software Co-Design 4 Harbaum
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Durch den Besuch der Vorlesung Hardware/Software Co-Design lernen die Studierenden die notwendigen multikriteriellen Methoden und Hardware/Software Zielarchitekturen kennen. Der Besuch der Vorlesung trägt zum Verständnis dieser Methoden des Hardware/Software Co-Designs bei und versetzt die Studenten in die Lage das Erlernte auf neuartige Fragestellungen anzuwenden.

Die Studierenden lernen die wesentlichen Zielarchitekturen kennen und werden in die Lage versetzt ihre Vor- und Nachteile in Bezug auf die Anwendbarkeit im Hardware/Software Co-Design zu benennen. Zur Beurteilung der Entwurfsqualität lernen die Studierenden verschiedene Verfahren kennen und können diese bereits in frühen Phasen des Systementwurfs anwenden. Weiterhin haben die Studierenden einen Überblick über Partitionierungsverfahren für HW/SW Systeme, können diese klassifizieren und kennen die jeweiligen Vor- und Nachteile der Verfahren. Für typische HW/SW-Partitionierungsprobleme sind die studierenden in der Lage ein geeignetes Verfahren auszuwählen und anzuwenden.

Durch den Besuch der Veranstaltung haben die Studierenden ein komponenten-übergreifendes Verständnis der Thematik des Co-Designs. Des Weiteren versetzt der Besuch der Veranstaltung die Studierenden in die Lage die vorgestellten Methoden selbstständig auf Fragestellungen anzuwenden. Hierzu können Werkzeuge verwendet werden, die im Laufe der Vorlesung vorgestellt werden.

Der Besuch der Vorlesung versetzt die Studierenden in die Lage aktuelle wissenschaftliche Arbeiten z.B. Abschlussarbeiten selbstständig einzuordnen und mit modernsten Methoden zu bearbeiten.

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

1. Präsenzzeit in 14 Vorlesungen, 7 Übungen: 31,5 Std

2. Vor-/Nachbereitung derselbigen: 63 Std (3 Std pro Einheit)

3. Klausurvorbereitung und Präsenz in selbiger: 20 Std Vorbereitung und 0,5 Std Prüfung

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Informationstechnik sind hilfreich.

Modul: Hardware-Synthese und -Optimierung [M-ETIT-100452]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100673 Hardware-Synthese und -Optimierung 6 Becker
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen die grundsätzlichen Schritte, die zum automatisierten Entwurf optimierter Digitalschaltungen notwendig sind, können diese ins Y-Chart einordnen und ihre Komplexität beurteilen.

 

Sie sind in der Lage, die bedeutendsten Lösungsansätze für diese Entwurfsschritte zu nennen, zu erläutern und insbesondere hinsichtlich Optimalität und Rechenaufwand zu bewerten. Dies beinhaltet die Fähigkeit, innerhalb dieser Ansätze zum Einsatz kommende Verfahren (wie z. B. ausgewählte Graphenalgorithmen oder Metaheuristiken wie Simulated Annealing) anzuwenden und ihre jeweiligen Laufzeitkomplexitäten zu ermitteln.

 

Darüber hinaus können sie gegebene Problemstellungen aus dem Bereich der Entwurfsautomatisierung lösen, indem sie einen hierzu geeigneten Ansatz auf Basis bestimmter Optimierungskriterien auswählen und diesen auf die jeweilige Problemstellung anwenden.

Inhalt

Schwerpunkt des Moduls ist die Vermittlung der formalen und methodischen Grundlagen zum automatisierten Entwurf optimierter elektronischer Systeme. Hierbei werden einerseits die aus wissenschaftlich und methodischer Sicht relevanten Eigenschaften der eingesetzten Verfahren diskutiert, aber auch deren Umsetzung in der industriellen Praxis vermittelt.

 

Die folgenden Themenkomplexe werden behandelt:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

 

Arbeitsaufwand

Jeder Leistungspunkt (LP, Credit Point) entspricht ca. 25-30h Arbeitsaufwand des Studierenden. Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht.

6LP entsprechen ca. 180 Arbeitsstunden, die sich wie folgt verteilen:

Empfehlungen

Grundkenntnisse im Bereich digitaler Schaltungen, wie sie z. B. durch die Lehrveranstaltung „Digitaltechnik“ (2311615) vermittelt werden.

Modul: Heterogene parallele Rechensysteme [M-INFO-100822]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101359 Heterogene parallele Rechensysteme 3 Karl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

- Die Studierenden sollen vertiefende Kenntnisse über die Architektur und die Operationsprinzipien von parallelen, heterogenen und verteilten Rechnerstrukturen erwerben.
- Sie sollen die Fähigkeit erwerben, parallele Programmierkonzepte und Werkzeuge zur Analyse paralleler Programme anzuwenden.
- Sie sollen die Fähigkeit erwerben, anwendungsspezifische und rekonfigurierbare Komponenten einzusetzen.
- Sie sollen in die Lage versetzt werden, weitergehende Architekturkonzepte und Werkzeuge für parallele Rechnerstrukturen entwerfen zu können.

Inhalt

Moderne Rechnerstrukturen nützen den Parallelismus in Programmen auf allen Systemebenen aus. Darüber hinaus werden anwendungsspezifische Koprozessoren und rekonfigurierbare Bausteine zur Anwendungsbeschleunigung eingesetzt. Aufbauend auf den in der Lehrveranstaltung Rechnerstrukturen vermittelten Grundlagen, werden die Architektur und Operationsprinzipien paralleler und heterogener Rechnerstrukturen vertiefend behandelt. Es werden die parallelen Programmierkonzepte sowie die Werkzeuge zur Erstellung effizienter paralleler Programme vermittelt. Es werden die Konzepte und der Einsatz anwendungsspezifischer Komponenten (Koprozessorkonzepte) und rekonfigurierbarer Komponenten vermittelt. Ein weiteres Themengebiet ist Grid-Computing und Konzepte zur Virtualisierung.

Arbeitsaufwand
1. Präsenzzeit in Vorlesungen, Übungen: 30 h
2. Vor-/Nachbereitung derselbigen 30 h
3. Prüfungsvorbereitung und Präsenz in selbiger: 30
Empfehlungen

Siehe Teilleistung

Modul: HRI and Social Robotics [M-INFO-106650]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113396 HRI and Social Robotics 4 Bruno
T-INFO-113397 HRI and Social Robotics - Pass 2 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of Human-Robot Interaction (HRI) and Social Robotics, including: design principles and methodologies, human factors influencing HRI (anthropomorphization), sensors, actuators and software architecture for social robotics, challenges and solutions for key abilities of social robots (spatial interaction, engagement detection, non-verbal interaction, verbal interaction, emotion generation and detection), research methods (study design principles, statistical tools for analyses) and have seen state-of-the-art research topics in the field including social learning, theory of mind, trust and ethical considerations in HRI.
Thanks to the exercise sessions and assignments, students gain first-hand knowledge and can independently apply techniques related to the above theory items, including for collecting stakeholders’ feedback for a robot design, programming the robot’s social behaviour along multiple modalities, extracting relevant user information from available sensors, designing and analysing HRI experiments.

Inhalt

The lectures cover all foundational topics in HRI (design principles and methodologies, human factors influencing HRI, sensors, actuators and software architecture for social robotics), challenges and solutions for key abilities of social robots (spatial interaction, engagement detection, non-verbal interaction, verbal interaction, emotion generation and detection), research methods (study design principles, statistical tools for analyses) and state-of-the-art topics including social learning, theory of mind and ethical considerations in HRI.
In the exercise sessions and related assignments students can experience first-hand how the theoretical concepts seen in the lectures can be applied in practice and learn how to collect stakeholders’ feedback for a robot design, program the robot’s social behaviour along multiple modalities, extract relevant user information from available sensors, design and analyse HRI experiments. At the end of the course, the students have a solid understanding of HRI, its principles, challenges and solutions and can autonomously apply such knowledge in practical contexts.

Arbeitsaufwand

Course workload:
1)    Attendance of the course: 22.5h (15x90min slots)
2)    Attendance of the exercise sessions: 22.5h (15x90min slots)
3)    Self-study of course material and work on homework assignments: 60h (4h/week)
4)    Preparation for the exam: 80h

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Human-Centered Information Systems [M-WIWI-106292]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Wahlpflichtangebot (Wahl: )
T-WIWI-105777 Business Intelligence Systems 4,5 Mädche
T-WIWI-113465 Designing Interactive Systems: Human-AI Interaction 4,5 Mädche
T-WIWI-113460 Engineering Interactive Systems: AI & Wearables 4,5 Mädche
T-WIWI-113459 Practical Seminar: Human-Centered Systems 4,5 Mädche
Erfolgskontrolle(n)

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Bitte informieren Sie sich über etwaige Voraussetzungen und Empfehlungen bei den einzelnen Veranstaltungen.

Qualifikationsziele

Der/die Studierende

Inhalt

Die auf Basis neuer Informations- und Kommunikationstechnologien erstellten interaktiven Systeme sind in unserem heutigen Berufs- und Privatleben allgegenwärtig. Sie sind zentraler Bestandteil von Smartphones, Geräten im Smart Home, Mobilitätsfahrzeugen sowie an Arbeitsplätzen in der Produktion und in der Verwaltung wie beispielsweise in Dashboards. Mit den kontinuierlich steigenden Fähigkeiten von Computern wird die Gestaltung der Interaktion zwischen Mensch und Computer immer wichtiger. Das Modul fokussiert auf Gestaltungsprozesse und Gestaltungsprinzipien für menschzentrierte Systeme. Die Inhalte des Moduls abstrahieren von der konkreten technischen Umsetzung und legen einen Fokus auf grundlegende Konzepte, Theorien, Praktiken und Methoden für die Gestaltung menschzentrierter Systeme. Die Studierenden werden damit befähigt, entsprechende Systeme zu konzipieren und ihre Umsetzung erfolgreich zu begleiten. Anhand aktueller Beispiele aus Forschung und Praxis wird die Relevanz der bearbeiteten Themen verdeutlicht. Jede Vorlesung wird mit einem praxisorientierten Capstone Project begleitet und mit Praxispartnern gemeinsam durchgeführt. 

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Leistungspunkte).

Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Leistungspunkten ca.135 Stunden.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Lehrveranstaltungen finden in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein. ​Die Lehrveranstaltungen sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Modul: Humanoid Robots - Locomotion and Whole-Body Control [M-INFO-106649]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113395 Humanoid Robots - Locomotion and Whole-Body Control 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

By the end of the course, students will be able to:
•    Develop kinematic and dynamic models of humanoid robots 
•    Understand basic principles of human whole-body movement 
•    Control gaits and other whole-body motions for humanoid robots and maintain balance
•    Explain advanced methods for humanoid motion generation, optimization, and learning 
•    Give an overview of the state of the art in locomotion and whole-body control of humanoid robotics
•    Complete a graduate level research project on humanoid robots including simulation and real-robot implementation

Inhalt

This course introduces fundamentals and recent developments in the field of humanoid robotics with a focus on locomotion and whole-body motions. We will cover kinematic and dynamic modeling of anthropomorphic systems, basic concepts of bipedal walking control, stability aspects,  gait generation in different terrains, humanoid balance and push recovery, motion primitives and optimal control-based approaches, motion imitation and learning. The course will also give some insights in basic principles of passive dynamic walking, human motion generation and control and human motion modeling. Students will work with different robotics tools and perform a graduate level research project related to a whole-body humanoid robot.
This module is complementary to the course “4.290 Robotik II - Humanoide Robotik” which focuses on upper body motions and cognitive architectures while this course focuses on the specific aspects of legged humanoids and whole-body motions. The modules can be taken at the same time. 

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
60h - Lecture and exercises (2+2 SWS)
40h - Repetition of lecture contents, preparation of  assignments
80h – Work on final project, documentation and presentation 

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Modul: Humanoide Roboter - Seminar [M-INFO-102561]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105144 Humanoide Roboter - Seminar 3 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden haben Erfahrungen mit selbstständiger Literaturrecherche zu einem aktuellen Forschungsthema gesammelt. Sie haben verschiedene Ansätze zu einem ausgewählten wissenschaftlichen Problem kennengelernt, verstanden und verglichen. Die Studierenden sind in der Lage, eine vergleichende Zusammenfassung der verschiedenen Ansätze auf Englisch in der üblichen Form einer wissenschaftlichen Veröffentlichung zu verfassen und dazu einen Vortrag zu halten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Studierende wählen ein Thema aus dem Bereich der humanoiden Robotik, z.B. Roboterdesign, Bewegungsgenerierung, Perzeption oder Lernen. Sie führen zu diesem Thema unter Anleitung eines fachlichen Betreuers eine selbstständige Literaturrecherche durch. Am Ende des Semesters präsentieren sie die Ergebnisse und verfassen eine schriftliche Ausarbeitung, die auf Englisch in Form einer wissenschaftlichen Veröffentlichung geschrieben wird.

Arbeitsaufwand

90h                             
3 LP entspricht ca. 90 Stunden

ca. 45 Std. Literaturrecherche,

ca. 25 Std. Ausarbeitung,

ca. 10 Std. Erstellung Vortrag,

ca. 10 Std. Präsenz-Pflichtveranstaltungen

Empfehlungen

Vorlesung Robotik 1, Robotik 2, Robotik 3, Mechano-Informatik, Anziehbare Robotertechnologien

Modul: Industrielle Produktion II [M-WIWI-101471]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
6
Pflichtbestandteile
T-WIWI-102631 Anlagenwirtschaft 5,5 Schultmann
Ergänzungsangebot aus dem Modul Industrielle Produktion III (Wahl: höchstens 1 Bestandteil)
T-WIWI-102763 Supply Chain Management with Advanced Planning Systems 3,5 Bosch, Göbelt
T-WIWI-102826 Risk Management in Industrial Supply Networks 3,5 Schultmann
T-WIWI-103134 Project Management 3,5 Schultmann
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-102634 Emissionen in die Umwelt 3,5 Karl
T-WIWI-112103 Global Manufacturing 3,5 Sasse
T-WIWI-113107 Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 3,5 Schultmann
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 SPO) über die Kernvorlesung Anlagenwirtschaft [2581952] und eine weitere Lehrveranstaltung des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung Anlagenwirtschaft [2581952] muss im Modul erfolgreich geprüft werden. Des Weiteren muss mindestens eine Lehrveranstaltung aus dem Ergänzungsangebot des Moduls erfolgreich geprüft werden.

Qualifikationsziele

Inhalt

Anmerkungen

Die Ergänzungsveranstaltungen stellen Kombinationsempfehlungen dar und können alternativ durch Ergänzungsveranstaltungen aus dem Mastermodul Industrielle Produktion III ersetzt werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 LP). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 LP ca. 105h, für Lehrveranstaltungen mit 5,5 LP ca. 165h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Industrielle Produktion III [M-WIWI-101412]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
6
Pflichtbestandteile
T-WIWI-102632 Produktions- und Logistikmanagement 5,5 Schultmann
Ergänzungsangebot aus dem Modul Industrielle Produktion II (Wahl: höchstens 1 Bestandteil)
T-WIWI-102634 Emissionen in die Umwelt 3,5 Karl
T-WIWI-112103 Global Manufacturing 3,5 Sasse
T-WIWI-113107 Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 3,5 Schultmann
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-102763 Supply Chain Management with Advanced Planning Systems 3,5 Bosch, Göbelt
T-WIWI-102826 Risk Management in Industrial Supply Networks 3,5 Schultmann
T-WIWI-103134 Project Management 3,5 Schultmann
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 SPO) über die Kernvorlesung Produktions- und Logistikmanagement [2581954] und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung Produktions- und Logistikmanagement [2581954] muss im Modul erfolgreich geprüft werden. Des Weiteren muss mindestens eine Lehrveranstaltung aus dem Ergänzungsangebot des Moduls erfolgreich geprüft werden.

Qualifikationsziele

Inhalt

Anmerkungen

Die Ergänzungsveranstaltungen stellen Kombinationsempfehlungen dar und können alternativ durch Ergänzungsveranstaltungen aus dem Mastermodul Industrielle Produktion II ersetzt werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. 

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Informationsmanagement im Ingenieurwesen [M-MACH-102404]

Verantwortung:
Dipl.-Ing. Thomas Maier
Prof. Dr.-Ing. Jivka Ovtcharova
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: Ergänzungsfach / Informationsmanagement im Ingenieurwesen
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
7
Informationsmanagement im Ingenieurwesen - Master Informatik (Kern) (Wahl: zwischen 1 und 2 Bestandteilen)
T-MACH-102123 Virtual Engineering I 4 Ovtcharova
T-MACH-102124 Virtual Engineering II 4 Ovtcharova
Informationsmanagement im Ingenieurwesen -- Master Informatik (Wahl: zwischen 2 und 8 LP)
T-MACH-109933 Betriebsmanagement für Ingenieure und Informatiker 4 Sebregondi
T-MACH-102185 CAD-Praktikum CATIA 2 Ovtcharova
T-MACH-106743 IoT Plattform für Ingenieursanwendungen 4 Ovtcharova
T-MACH-102181 PLM für mechatronische Produktentwicklung 4 Eigner
T-MACH-106740 Virtual Engineering Praktikum 4 Ovtcharova
T-MACH-113669 Hot Research Topics in AI for Engineering Applications 4 Meyer
Erfolgskontrolle(n)

Eine Erfolgskontrolle muss stattfinden und kann schriftlich, mündlich oder anderer Art sein.

Voraussetzungen

keine

Qualifikationsziele

Studierende erlangen ein grundsätzliches Verständnis für die ganzheitliche Entwicklung, Validierung und Produktion von Produkten, Komponenten und Systemen.

Sie sind in der Lage die Produkt- und Prozesskomplexität heutiger Produkte und deren Produktionsanlagen einzuschätzen und kennen exemplarische IT-Systeme zur Bewältigung dieser Komplexität.

Studierende können das notwendige Informationsmanagement im Rahmen der Produktentstehung beschreiben.

Sie kennen die Grundbegriffe der Virtuellen Realität und können eine 3-Seiten Projektion als Grundlage für technische oder Managemententscheidungen einsetzen.

Arbeitsaufwand

Präsenzzeit: 105 Stunden | Selbststudium 85 Stunden | Prüfungsvorbereitung: 110 Stunden

Lehr- und Lernformen

Vorlesungen, Übungen, Projektarbeit

Modul: Innovationsmanagement [M-WIWI-101507]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
12
Pflichtbestandteile
T-WIWI-102893 Innovationsmanagement: Konzepte, Strategien und Methoden 3 Weissenberger-Eibl
Wahlpflichtangebot (Wahl: 1 Bestandteil)
T-WIWI-113664 Design Thinking in der Anwendung 3 Scheydt
T-WIWI-113663 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen 3 Duwe
T-WIWI-111823 Erfolgreiche Transformation durch Innovation 3 Busch
T-WIWI-102852 Fallstudienseminar Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-113849 KI Innovationsökosysteme 3 Beyer, Scheydt
T-WIWI-113716 Leadership und Innovation 3 Schulz-Kamm
T-WIWI-110263 Methoden im Innovationsmanagement 3 Weissenberger-Eibl
Ergänzungsangebot (Wahl: 1 Bestandteil)
T-WIWI-102866 Design Thinking 3 Terzidis
T-WIWI-113664 Design Thinking in der Anwendung 3 Scheydt
T-WIWI-102864 Entrepreneurship 3 Terzidis
T-WIWI-111823 Erfolgreiche Transformation durch Innovation 3 Busch
T-WIWI-102852 Fallstudienseminar Innovationsmanagement 3 Weissenberger-Eibl
T-WIWI-113849 KI Innovationsökosysteme 3 Beyer, Scheydt
T-WIWI-113716 Leadership und Innovation 3 Schulz-Kamm
T-WIWI-110263 Methoden im Innovationsmanagement 3 Weissenberger-Eibl
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Kernveranstaltung und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung des Moduls beschrieben.

Die Gesamtnote ergibt sich zu 50% aus der Vorlesung „Innovationsmanagement: Konzepte, Strategien und Methoden“, zu 25% aus einem der Seminare des Lehrstuhls für Innovations- und Technologiemanagement und zu 25% aus einer weiteren im Modul zugelassenen Veranstaltung. Die Gesamtnote wird nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Vorlesung „Innovationsmanagement: Konzepte, Strategien und Methoden“ sowie eines der Seminare des Lehrstuhls für Innovations- und Technologiemanagement sind Pflicht. Die dritte Veranstaltung kann frei aus den im Modul enthaltenen Lehrveranstaltungen gewählt werden.

Qualifikationsziele

Der/ Die Studierende soll ein umfassendes Verständnis für den Innovationsprozess und seine Bedingtheit entwickeln. Weiterhin wird auf Konzepte und Prozesse, die im Hinblick auf die Gestaltung des Gesamtprozesses von besonderer Bedeutung sind, fokussiert. Davon ausgehend werden verschiedene Strategien und Methoden vermittelt.

Nach Abschluss des Moduls sollten die Studierenden ein systemisches Verständnis des Innovationsprozesses entwickelt haben und diesen durch Anwendung und Entwicklung geeigneter Methoden gestalten können.

Inhalt

In der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden werden ein systemisches Verständnis des Innovationsprozesses und für das Gestalten des Prozesses geeignete Konzepte, Strategien und Methoden vermittelt. Ausgehend von diesem ganzheitlichen Verständnis stellen die Seminare Vertiefungen dar, in denen sich dezidiert mit spezifischen, für das Innovationsmanagement zentralen, Prozessen und Methoden auseinandergesetzt wird.

Anmerkungen

Seminare, die von Herrn Prof. Terzidis (oder den Mitarbeitenden seiner Forschungsgruppe) angeboten werden, sind nicht für die Anrechnung in einem Seminarmodul der WiWi-Studiengänge zugelassen. Ausnahme: Seminar „Entrepreneurship-Forschung“.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Keine

Modul: Innovative Konzepte zur Programmierung von Industrierobotern [M-INFO-100791]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101328 Innovative Konzepte zur Programmierung von Industrierobotern 4 Hein
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Qualifikationsziele: Die Teilnehmer kennen neuartige Herangehensweisen bei der Programmierung von Industrierobotern und sind in der Lage diese geeignet auswählen, einzusetzen und Aufgabenstellungen in diesem Kontext selbständig zu bewältigen.

Lernziele:

- beherrschen die theoretischen Grundlagen, die für den Einsatz modellgestützter Planungsverfahren (Kollisionsvermeidung, Bahnplanung, Bahnoptimierung, Kalibrierung) notwendig sind.

- beherrschen im Bereich der Off-line Programmierung aktuelle Algorithmen und modellgestützte Verfahren zur kollisionsfreien Bahnplanung und Bahnoptimierung.

- besitzen die Fähigkeit die behandelten Verfahren zu analysieren und zu beurteilen, wann und in welchem Kontext diese einzusetzen sind.

- beherrschen grundlegenden Aufbau und Konzepte neuer Sensorsysteme (z.B. taktile Sensoren, Näherungssensoren).

- beherrschen Konzepte für den Einsatz dieser neuen Sensorsysteme im industriellen Kontext.

- Die Teilnehmer können die behandelten Planungs- und Optimierungsverfahren anhand von gegebenem Pseudocode in der Programmiersprache Python implementieren (400 - 800 Zeilen Code) und graphisch analysieren. Sie sind in der Lage für die Verfahren Optimierungen abzuleiten und diese Verfahren selbständig weiterzuentwickeln.

Inhalt

Die fortschreitende Leistungssteigerung heutiger Robotersteuerungen eröffnet neue Wege in der Programmierung von Industrierobotern. Viele Roboterhersteller nutzen die frei-werdenen Leistungsressourcen, um zusätzliche Modellberechnungen durchzuführen. Die Integration von Geometriemodellen auf der Robotersteuerung ermöglicht beispielsweise Kollisionserkennung bzw. Kollisionsvermeidung während der händischen Programmierung. Darüber hinaus lassen sich diese Modelle zur automatischen kollisionsfreien Bahnplanung und Bahnoptimierung heranziehen. Vor diesem Hintergrund vermittelt dieses Modul nach einer Einführung in die Themenstellung die theoretischen Grundlagen im Bereich der Kollisionserkennung, automatischen Bahngenerierung und –optimierung unter Berücksichtigung der Fähigkeiten heutiger industrieller Robotersteuerungen. Die behandelten Verfahren werden im Rahmen kleiner Implementierungsaufgaben in Python umgesetzt und evaluiert.

Arbeitsaufwand

(2 SWS + 2,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 120h/30 = 4 ECTS

Aufwand 2,5/SWS entsteht insbesondere durch die geforderte Implementierung der Verfahren in Python.

Empfehlungen

Siehe Teilleistung

Modul: Integrierte Intelligente Sensoren [M-ETIT-100457]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100961 Integrierte Intelligente Sensoren 3 Stork
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Durch die Vorlesung soll den Studenten ein Einblick in das weite Feld der Anwendungsmöglichkeiten intelligenter Sensorsysteme und deren wirtschaftlicher Bedeutung vermittelt werden.

Die Studierenden

Inhalt

In der Vorlesung werden Anwendungen verschiedener Mikrotechniken für Sensortechnologien, wie z.B. der Mikrooptik oder der Mikromechanik, anhand von aktuellen Beispielen aus Industrie und Forschung dargestellt. Die Hauptthemen der Vorlesung sind Mikrosensoren mit integrierter Signalverarbeitung („Smart Sensors“) für Anwendungen sowohl in der Automobilindustrie und der Fertigungsindustrie als auch im Umweltschutz und der biomedizinischen Technik.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen, Übungen: 18 h

2. Vor-/Nachbereitung derselbigen: 24 h

3. Klausurvorbereitung und Präsenz in selbiger: 25h

Modul: Integrierte Systeme und Schaltungen [M-ETIT-100474]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100972 Integrierte Systeme und Schaltungen 4 Kempf
Erfolgskontrolle(n)

Die Erfolgskontrolle findet im Rahmen einer schriftlichen Gesamtprüfung im Umfang von 60 Minuten statt.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden werden befähigt, den kompletten Signalweg in einem integrierten System zur Signalverarbeitung zu verstehen und zu analysieren. Die Studierenden werden in die Lage versetzt, die einzelnen Module der Signalverarbeitung, d.h. analoge Signalkonditionierung zur Aufbereitung von Sensorsignalen, Filter- und Sample&Hold-Techniken, Analog-Digital-Wandler, Digital-Analog-Wandler, Ansteuerung von Aktoren zu verstehen und damit Lösungsansätze für integrierte Systeme zu entwickeln. Einen besonderen Schwerpunkt bildet die moderne analoge Schaltungstechnik zur Signalkonditionierung vor der Analog-Digital Wandlung. Weiterhin werden Filterverstärker und Sample&Hold-Stufen behandelt. Analog-Digital-Wandler werden ausführlich vorgestellt. Die unterschiedlichen Familien der Anwenderspezifischen Schaltkreise, insbesondere FPGA und PLD werden behandelt. Damit sind die Studierenden in der Lage, eigene Lösungsansätze zu formulieren und Neuentwicklungen zu beurteilen.

Inhalt

Konzepte zur Umsetzung von integrierten "System-on-Chip"-Lösungen mit hochintegrierten Schaltkreisen auf der Sensorebene, über die analoge und digitale Signalverarbeitung auf Halbleiterbasis bis hin zum Aktor werden behandelt. Dabei werden insbesondere Konzepte für den Automotiv-Bereich diskutiert. Besonderheiten der analogen und digitalen Schaltungstechnik werden intensiv behandelt und an praktischen Beispielen diskutiert.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Der Arbeitsaufwand in Stunden ist nachfolgend aufgeschlüsselt:

1. Präsenzzeit in Vorlesungen im Wintersemester 18 h

2. Vor-/Nachbereitung derselbigen 24 h

3. Klausurvorbereitung und Präsenz in selbiger 48 h

Empfehlungen

Der erfolgreiche Abschluss von LV 23655 (Elektronische Schaltungen) ist erforderlich, da das Modul auf dem Stoff und den Vorkenntnissen der genannten Lehrveranstaltung aufbaut.

Modul: Interaktive Computergrafik [M-INFO-100732]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101269 Interaktive Computergrafik 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen in dieser Vorlesung wichtige Algorithmen und Verfahren für interaktive Computergrafik und Echtzeit-Computergrafik kennen, können diese verstehen und bewerten. Die erworbenen Kenntnisse sind in vielen Bereichen der Forschung in der Computergrafik und bei der Entwicklung von computergrafischen Anwendungen, interaktiven Visualisierungen, (Serious) Games und Simulatoren/Virtual Reality wichtig. Die Studierenden können geeignete Rendering-Verfahren für einen gegebenen Einsatzzweck auswählen und selbst implementieren.

Inhalt

Algorithmen und Verfahren der interaktiven Computergrafik. Die Themen sind unter anderem: Programmierung von Grafik-Hardware mittels OpenGL, Culling und Level-of-Detail Verfahren, effiziente Schatten- und Beleuchtungsverfahren, Deferred Shading und Bildraumverfahren, Voxeldarstellungen, Precomputed Radiance Transfer, Tessellierung.

Arbeitsaufwand

60h = Präsenzzeit

70h = Vor-/Nachbereitung 

20h = Klausurvorbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergrafik.

Modul: Internet of Everything [M-INFO-100800]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101337 Internet of Everything 4 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende

Studierende kennen die Plattformen und Anwendungen des Internet of Everything. Studierende haben ein Verständnisses

für Herausforderungen beim Entwurf von Protokollen und Anwendungen für das IoE.

Studierende kennen und verstehen die Gefahren für die Privatsphäre der Nutzer des zukünftigen IoE. Sie kennen Protokolle und Mechanismen um zukünftige Anwendungen zu ermöglichen, beispielsweise Smart Metering und Smart Traffic, und gleichzeitig die Privatsphäre der Nutzer zu schützen.

Studierende kennen und verstehen klassische Sensornetz-Protokolle und Anwendungen, wie beispielsweise Medienzugriffsverfahren, Routing Protokolle, Transport Protokolle sowie Mechanismen zur Topologiekontrolle. Die Studierenden kennen und verstehen das Zusammenspiel einzelner Kommunikationsschichten und den Einfluss auf beispielsweise den Energiebedarf der Systeme.

Studierende kennen Protokolle für das Internet der Dinge wie beispielsweise 6LoWPAN, RPL, CoAP und DICE. Die Studierenden verstehen die Herausforderungen und Annahmen, die zur Standardisierung der Protokolle geführt haben.

Die Studierenden haben ein grundlegendes Verständnis von

Sicherheitstechnologien im IoE. Sie kennen typische

Schutzziele und Angriffe, sowie Bausteine und Protokolle um die Schutzziele umzusetzen.

Inhalt

Die Vorlesung behandelt ausgewählte Protokolle, Architekturen, sowie Verfahren und Algorithmen die für das IoE wesentlich sind. Dies schließt neben klassischen Themen aus dem Bereich der drahtlosen Sensor-Aktor-Netze wie z.B. Medienzugriff und Routing auch neue Herausforderungen und Lösungen für die Sicherheit und Privatheit der übertragenen Daten im IoE mit ein. Ebenso werden gesellschaftlich und rechtlich relevante Aspekte angesprochen.

Arbeitsaufwand
Vorlesung mit 2 SWS plus Nachbereitung/Prüfungsvorbereitung, 4 LP.

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 30 Std. Vorlesungsbesuch

ca. 60 Std. Vor-/Nachbereitung

ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Introduction to Bioinformatics for Computer Scientists [M-INFO-100749]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Voraussetzung für: T-INFO-101287 - Seminar: Hot Topics in Bioinformatics
T-INFO-103009 - Hands-on Bioinformatics Practical
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101286 Introduction to Bioinformatics for Computer Scientists 3 Stamatakis
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden haben eine umfassende Kentniss der Standardmethoden, Algorithmen, theoretischen Grundlagen und der offenen Probleme im Bereich der sequenzbasierten Bioinformatik (biologische Grundlagen, sequence assembly, paarweises Sequenzalignment, multiples Sequenzalignment, Stammbaumrekonstruktion unter Parsimony, Likelihood, und Bayesianischen Modellen, Coalescent Inference in der Populationsgenetik).

Sie können Algorithmen sowie Probleme einordnen und bewerten.

Sie können für eine gegebene Problemstellung geeignete Modelle und Verfahren auswählen und deren Wahl begründen. Die Teilnehmer können Analysepipelines zur biologischen Datenanalyse entwerfen.

Inhalt

Zunächst werden einige grundlegende Begriffe und Mechanismen der Biologie eingeführt. Im Anschluss werden Algorithmen und Modelle aus den Bereichen der Sequenzanalyse (sequenzalignment, dynamische programmierung, sequence assembly), der Populationsgenetik (coalescent theory), und diskerete sowie numerische Algorithmen zur Berechnung molekularer Stammbäume (parsimony, likelihood, Bayesian inference) behandelt. Weiterhin werden diskrete Operationen auf Bäumen behandelt (topologische Distanzen zwischen Bäumen, Consenus-Baum Algorithmen). Ein wichtiger Bestandteil der Vorstellung aller Themengebiete wird auch die Parallelisierung und Optimierung der jeweiligen Verfahren sein

Arbeitsaufwand
2 SWS Vorlesung + 1.5 * 2 SWS Nachbereitung) * 15 + 15 Stunden Klausurvorbereitung = 90Stunden = 3 ECTS
Empfehlungen

Siehe Teilleistung

Modul: IT-Sicherheit [M-INFO-106315]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112818 IT-Sicherheit 6 Müller-Quade, Wressnegger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der /die Studierende
• hat vertiefte Kenntnisse von Kryptographie und IT-Sicherheit
• kennt und versteht anspruchsvollen Techniken und Sicherheitsprimitive zur Erlangung der Schutzziele
• kennt und versteht wissenschaftliche Bewertungs- und Analysemethodik von IT-Sicherheit (spielbasierte Formalisierung von Vertraulichkeit und Integrität, Security und Anonymity Notions)
• hat ein gutes Verständnis von Daten-Arten, Personenbezug, rechtlichen und technischen Grundlagen des Datenschutzes
• kennt und versteht die Grundlagen der Systemsicherheit (Buffer Overflow, Return-oriented Programming, ...)
• kennt verschiedene Mechanismen für anonyme Kommunikation (TOR, Nym, ANON) und kann ihre Wirksamkeit beurteilen
• kennt und versteht Blockchains und deren Konsens-Mechanismen und kann ihre Stärken und Schwächen beurteilen

Inhalt

Dieses Stammmodul vertieft unterschiedliche Themenfelder der IT-Sicherheit. Hierzu gehören insbesondere:
• Kryptographie mit elliptischen Kurven
• Threshold-Kryptographie
• Zero-Knowledge Beweise
• Secret-Sharing
• Sichere Mehrparteienberechnung und homomorphe Verschlüsselung
• Methoden der IT-Sicherheit (Spielbasierte Analysen und das UC Modell)
• Krypto-Währungen und Konsens durch Proof-of-Work/Stake
• Anonymität im Internet, Anonymität bei Online-Payments
• Privatsphären-konformes maschinelles Lernen
• Sicherheit des maschinellen Lernens
• Systemsicherheit und Exploits
• Bedrohungsmodellierung und Quantifizierung von IT-Sicherheit

Arbeitsaufwand

Präsenzzeit in der Vorlesung und Übung: 56 h

Vor-/Nachbereitung derselbigen: 56 h

Prüfungsvorbereitung und Präsenz in selbiger: 68 h

Empfehlungen

Der Besuch der Vorlesung Informationssicherheit wird empfohlen. 

Literatur

•Katz/Lindell: Introduction to Modern Cryptography (Chapman & Hall)
• Schäfer/Roßberg: Netzsicherheit (dpunkt)
• Anderson: Security Engineering (Wiley, auch online)
• Stallings/Brown: Computer Security (Pearson)
• Pfleeger, Pfleeger, Margulies: Security in Computing (Prentice Hall)

Modul: IT-Sicherheitsmanagement für vernetzte Systeme [M-INFO-100786]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101323 IT-Sicherheitsmanagement für vernetzte Systeme 5 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende kennt die wesentlichen technischen, organisatorischen, und rechtlichen Bausteine eines professionellen IT-Sicherheitsmanagements und kann nicht nur ihre Funktionsweise beschreiben, sondern sie auch selbst in der Praxis anwenden und Vor- und Nachteile alternativer Ansätze analysieren. Weiterhin kann er/sie die Eignung bestehender IT-Sicherheitskonzepte beurteilen. Zudem kennt der/die Studierende den Stand aktueller Forschungsfragen im Bereich des IT-Sicherheitsmanagements sowie zugehörige Lösungsansätze. Die Lernziele sind im Einzelnen:
1.    Der/Die Studierende kennt die wesentlichen Schutzziele der IT-Sicherheit und kann ihre Bedeutung und Zielsetzung wiedergeben.
2.    Der/Die Studierende versteht Aufbau, Phasen und wichtige Standards des IT-Sicherheitsprozesses und kann seine Anwendung beschreiben.
3.    Der/Die Studierende kennt die Bedeutung des Risikomanagements, kann dessen wesentliche Bestandteile verdeutlichen und kann die Risikoanalyse auf exemplarische Bedrohungen anwenden.
4.    Der/Die Studierende kennt wesentliche Gesetze aus dem rechtlichen Umfeld der IT-Sicherheit und kann ihre Anwendung erläutern.
5.    Der/Die Studierende kennt Schlüsselmanagement-Architekturen und kann ihre Vor- und Nachteile beurteilen.
6.    Der/Die Studierende kennt unterschiedliche Architekturen zum Management digitaler Identitäten sowie zum Zugriffsmanagement und kann ihre wesentlichen Eigenschaften erörtern.
7.    Der/Die Studierende versteht Bedeutung eines professionellen Notfallmanagements und kann dessen Umsetzung beschreiben.
8.    Der/Die Studierende versteht die in der Vorlesung vorgestellten Problemstellungen aktueller Forschung sowie zugehörige Lösungsansätze und ist in der Lage diese zu erläutern.

Inhalt

Die Vorlesung behandelt Methodik, Technik und aktuelle Forschungsfragen im Bereich des Managements der IT-Sicherheit verteilter und vernetzter IT-Systeme und -Dienste. Nach einer Einführung in allgemeine Management-Konzepte werden die wesentlichen Problemfelder und Herausforderungen herausgearbeitet. Darauf aufbauend werden die Hauptaufgaben des IT-Sicherheitsmanagements erläutert. Anschließend werden die Standards aus dem Rahmenwerk ISO 2700x und der IT-Grundschutz des BSI eingeführt. Die Studierenden erlernen, wie auf Basis der in diesen Werken vorgestellten Prozesse ein angemessenes IT-Sicherheitsniveau aufgebaut und erhalten werden kann. Als weitere Werkzeuge werden nicht nur rechtliche Grundlagen und ethische Aspekte des IT-Sicherheitsmanagements vermittelt, sondern auch Methoden vorgestellt, um Risiken zu ermitteln, zu bewerten und zu behandeln.

Der zweite Teil der Vorlesung widmet sich insbesondere dem Schlüsselmanagement und dem Identitäts- und Zugriffsmanagement (IAM) als wesentlichen Bestandteilen eines funktionierenden IT-Sicherheitsmanagements. Abgerundet wird dieser Teil der Vorlesung durch eine Einführung in die Themen „sicherer Betrieb“ und „Business Continuity Management“, also dem Erhalt eines sicheren IT-Betriebs und dessen Wiederaufbau nach Störungen bzw. Sicherheitsvorfällen.

Im dritten Teil der Vorlesung werden aktuelle Themen des IT-Sicherheitsmanagements vorgestellt, zum Beispiel Management von Softwareupdates und Managementaspekte dezentraler autonomer Organisationen am Beispiel von Ethereum. Weitere mögliche Themen sind das sichere Auslagern und Teilen von Daten, Anonymisierungsdienste, Network Security Monitoring und Automotive Security.

Üblicherweise wird die Umsetzung der Inhalte in der Praxis durch Gastvorträge exemplarisch verdeutlicht. 

Arbeitsaufwand

Präsenzzeit: 45h (3 SWS * 15 Vorlesungswochen)
Vor- und Nachbereitungszeit: 67.5h (3 SWS * 1.5h/SWS * 15 Vorlesungswochen)
Klausurvorbereitung: 37.5h
Gesamt: 150h (= 5 ECTS Punkte)

Empfehlungen

Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.

Modul: Kombinatorik [M-MATH-102950]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-MATH-105916 Kombinatorik 9 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Prüfung (2h).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Um einen Bonus zu bekommen, muss man jeweils 50% der Punkte für die Lösungen der Übungsblätter 1-6 sowie der Übungsblätter 7-12 erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können grundlegende Begriffe und Techniken der Kombinatorik
nennen, erörtern und anwenden. Sie können kombinatorische Probleme analysieren, strukturieren und formal beschreiben. Die Studierenden können Resultate und Methoden, wie das Inklusions-Exklusions- Prinzip, Erzeugendenfunktionen oder Young Tableaux, sowie die in den Beweisen entwickelten Ideen, auf kombinatorische Probleme anwenden. Insbesondere sind sie in der Lage, die Anzahl der geordneten und ungeordneten Arrangements gegebener Größe zu bestimmen oder die Existenz solcher Arrangements zu beweisen oder zu widerlegen. Die Studierenden sind fähig, Methoden aus dem Bereich der Kombinatorik zu verstehen und kritisch zu beurteilen. Desweiteren können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Die Vorlesung bietet eine Einführung in die Kombinatorik. Angefangen mit Problemen des Abzählens und Bijektionen, werden die klassischen Methoden des Inklusion- Exklusions-Prinzip und der erzeugenden Funktionen behandelt. Weitere Themengebiete beinhalten Catalan-Familien, Permutationen, Partitionen, Young Tableaux, partielle Ordnungen und kombinatorische Designs.

Zusammensetzung der Modulnote

Die Modulnote ist Note der schriftlichen Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Kenntnisse aus den Vorlesungen Lineare Algebra 1 und 2 sowie Analysis 1 und 2 sind empfohlen.

Modul: Komplexitätstheorie, mit Anwendungen in der Kryptographie [M-INFO-101575]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103014 Komplexitätstheorie, mit Anwendungen in der Kryptographie 6 Hofheinz, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der /die Studierende

Inhalt

Was ist ein "effizienter" Algorithmus? Kann jede algorithmische Aufgabe effizient gelöst werden? Oder gibt es inhärent schwierige Probleme? Die Komplexitätstheorie stellt eine streng mathematische Grundlage für die Diskussion dieser Fragen bereit. In dieser Vorlesung behandelte Themen sind

Diese Themen werden mit praktischen Beispielen illustriert. Die Vorlesung gibt einen Ausblick auf Anwendungen der Komplexitätstheorie, insbesondere auf dem Gebiet der Kryptographie.

Arbeitsaufwand
  1. Präsenzzeit in Vorlesungen: 48 h
  2. Vor-/Nachbereitung derselbigen: 48 h
  3. Prüfungsvorbereitung und Präsenz in selbiger: 84 h
Empfehlungen

Siehe Teilleistung

Modul: Kontextsensitive Systeme [M-INFO-100728]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-107499 Kontextsensitive Systeme 5 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel der Vorlesung ist es, Kenntnisse über Grundlagen und weitergehende Methoden und Techniken zu kontextsensitiven Systemen in vermitteln.

Nach Abschluss der Vorlesung können die Studierenden

  • das Konzept von Kontext erörtern und verschiedene für die Informationsverarbeitung durch Menschen und Computer relevante Kontexte aufzählen
  • verschiedene Arten von kontextsensitiven Systemen anhand verschiedener Kriterien kategorisieren und unterscheiden
  • aus einem allgemeinen Aufbau konkrete technische Implementierungen durch existierende Komponenten ableiten
  • die Leistungsfähigkeit konkreter kontextsensitiver Systemen anhand von experimentell ermittelter Metriken bewerten und vergleichen
  • Selbst für anhand gegebener Anforderungen neue kontextsensitive Systeme unter Einsatz existierender „Sensor“, „Machine Learning“ und „Big Data“-Komponenten entwerfen.

Inhalt

Kontextsensitivität (englisch: Context-Awareness) ist die Eigenschaft einer Anwendung sich situationsgemäß zu verhalten. Beispiele für aktuelle kontextsensitive Systeme sind mobile Apps, die ihrer Ausgabe anhand der Nutzungshistorie, der Lokation und mit Hilfe der eingebauten Sensorik auf die Umgebungsbedingungen anpassen.

Kontext (wie auch in der zwischenmenschlichen Kommunikation) ist Grundlage einer effizienteren Interaktion zwischen Rechnersystemen und ihren Nutzern, idealerweise ohne explizite Eingaben. Kontexterkennung unterstützt außerdem in verschiedensten Systemen komplexe Entscheidungen durch Vorhersagen auf Basis großer Datenmengen. Die verschiedenen Facetten des Kontextbegriffes, die für das Verständnis kontextsensitiver Systeme gebraucht werden wie sensorischer, Anwendungs-, und Nutzerkontext, werden in der Vorlesung erläutert und ein allgemeiner Entwurfsansatz für Kontextverarbeitung abgeleitet.

Wissen über den aktuellen und voraussichtlichen Kontext erhält ein System, indem es Zeitserien und Sensordatenströme kontinuierlich vorverarbeitet und über prädiktive Analysen klassifiziert. Zur Erstellung geeigneter Modelle werden verschiedenste Methoden des maschinellen Lernens in der Vorlesung vorgestellt. Im Fokus der Vorlesung steht der Entwurf, Implementierung und Integration einer vollständigen, effizienten und verteilten Verarbeitungskette auf der Basis geeigneter „Big Data“-Ansätze. Geeignete technische Lösungsansätze für große Datenbestände, zeitnahe Verarbeitung, verschiedene Datentypen, schützenswerten Daten und Datenqualität werden mit Bezug auf das Anwendungsfeld diskutiert. Die Vorlesung vermittelt weiterhin Wissen und Methoden in den Bereichen Sensorik, sensorbasierte Informationsverarbeitung, wissensbasierte Systeme und Mustererkennung, intelligente, reaktive Systeme.

Arbeitsaufwand
Der Gesamtaufwand für diese Lerneinheit beträgt 150 Stunden (5.0 Credits)

Aktivität

Präsenzzeit: Besuch der Vorlesung

15 x 90 min

22 h 30 min

Vor-/Nachbereitung der Vorlesung

15 x 90 min

22 h 30 min

Literatur erarbeiten

14 x 45 min

10 h 30 min

Präsenzzeit: Besuch der Übung

7 x 90 min

10 h 30 min

Vor-/ Nachbereitung der Übung

7 x 240 min

28 h 00 min

Foliensatz 2x durchgehen

2 x 12 h

24 h 00 min

Prüfung vorbereiten

32 h 00 min

SUMME

150 h 00 min

Modul: Konzepte zur Verarbeitung geometrischer Daten [M-INFO-105733]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111449 Konzepte zur Verarbeitung geometrischer Daten 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-105311 - Konzepte zur Verarbeitung geometrischer Daten darf nicht begonnen worden sein.
Qualifikationsziele

Die Studierenden können geometrisch denken, beherrschen die Konzepte der klassischen Geometrien und wissen sie zur Bearbeitung praktischer geometrischer Fragestellungen einzusetzen.

Inhalt

Konzepte der klassischen Geometrien (darstellend, affin, euklidisch, projektiv, hyperbolisch) und spezielle vertiefende Themen wie verallgemeinerte baryzentrische Koordinaten, Gitter, rationale Kurven oder Verzahnungen.

Anmerkungen

Ohne Übung.

Arbeitsaufwand

90 h

Modul: Konzepte zur Verarbeitung geometrischer Daten [M-INFO-105311]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110815 Konzepte zur Verarbeitung geometrischer Daten 5 Prautzsch
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students of this course are knowledgeable about fundamental geometric concepts and are able to think geometrically to process geometric data and solve practical geometric problems.

Inhalt

Descriptive, affine, Euclidean, projective and hyperbolic geometry: Pohlke’s theorem, parallel and orthogonal projections, plan and side view, curves on surfaces, penetrations, affine and barycentric coordinates, affine combinations, affine maps, grids and triangulations, generalized barycentric coordinates, Wachspress coordinates, mean value coordinates, Euclidean movements, Euler angles, quaternions, bi-arcs, volumina, alternating product, distance computations, central projections, homogenous coordinates, vanishing points, reconstruction, projective coordinates, duality, projective maps, cross ratio, quadrics, harmonic points and polarity, models of the hyperbolic plane, fundamental domains, orbifold splines.

Arbeitsaufwand

150 h

Modul: Kryptographische Protokolle [M-INFO-105631]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111261 Kryptographische Protokolle 5 Geiselmann, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

Inhalt

Während sich die klassische Kryptographie mit der Gewährleistung von Authentizität und Geheimhaltung gegenüber externen Angreifern beschäftigt, gibt es inzwischen auch eine Vielzahl interaktiver Protokolle zwischen sich gegenseitig misstrauenden Parteien.
Aufbauend auf der Vorlesung "Theoretische Grundlagen der Kryptographie" stellt diese Vorlesung solche grundlegende Primitive, Protokolle sowie dazu passende Sicherheitsmodelle vor.
Im ersten Teil der Vorlesung werden grundlegende (interaktive) Bausteine wie Commitment-Verfahren, Secret-Sharing, Zero-Knowledge-Beweissysteme und Oblivious Transfer eingeführt. Zum Nachweis der Sicherheit werden spielbasierte Begriffe sowie das Real/Ideal-Sicherheitsmodell verwendet.
Darauf aufbauend werden im zweiten Teil komplexere Protokolle zur sicheren gemeinsamen Auswertung beliebiger Funktionen auf geheimen Eingaben vorgestellt. Dabei werden sowohl Protokolle basierend auf Secret-Sharing, als auch so genannte „Garbled Circuits“ behandelt.
Zuerst wird die Sicherheit gegen sogenannte passive Angreifer, welche dem Protokoll ehrlich folgen und lediglich versuchen, zusätzliche Informationen zu lernen, betrachtet. Darauf aufbauend wird die Sicherheit gegen aktive Angreifer, welche beliebig vom Protokoll abweichen dürfen, betrachtet.

Anmerkungen

Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.

Arbeitsaufwand

Präsenzzeit für Inverted-Classroom Videos: 24 h
Vor-/Nachbereitung: 36 h
Präsenzzeit in der Übung: 24 h
Vor-/Nachbereitung der selbigen: 36 h
Prüfungsvorbereitung und Präsenz in selbiger: 30 h

= 150 h

Empfehlungen

Der Inhalt des Moduls "Theoretische Grundlagen der Kryptographie" wird vorausgesetzt

Modul: Kryptographische Wahlverfahren [M-INFO-100742]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101279 Kryptographische Wahlverfahren 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

• kennt und versteht die Grundbegriffe verschiedener kryptographischer Wahlverfahren

• beurteilt die Eigenschaften sowie Vor- und Nachteile verschiedener kryptographischer Wahlverfahren

• kennt und versteht die Primitive für kryptographische Wahlverfahren und kombiniert sie zu größeren Systemen

• kennt und versteht die grundlegenden Definitionen und Sicherheitsbegriffe für Wahlverfahren und wendet sie an

• schätzt die Sicherheitsanforderungen einer Wahl ein, erkennt und bewertet Angriffspotentiale und Sicherheitsmaßnahmen

Inhalt

Die Lehrveranstaltung gibt einen ausführlichen Überblick über aktuelle kryptographische Wahlverfahren sowohl für Präsenzwahlen als auch für Fernwahlen (Briefwahl und Internetwahl).

• Es werden notwendige kryptographische Primitive wie Commitments, homomorphe Verschlüsselungsverfahren, Mix-Netze und Zero-Knowledge Beweise behandelt.

• Die Vorlesung präsentiert und erläutert gängige Sicherheitsbegriffe für kryptographische Wahlverfahren.

• Im Rahmen der Veranstaltung werden die Anforderungen an eine Wahl, insbesondere in Hinblick auf die Unterschiede zwischen Fernwahl und Präsenzwahl, diskutiert. Daraus werden Angriffsszenarien entwickelt und mit den Sicherheitseigenschaften der einzelnen Verfahren sowie den etablierten Sicherheitsbegriffen verglichen.

Arbeitsaufwand

Präsenzzeit in Vorlesungen: 22,5 h
Vor-/Nachbereitung derselbigen: 30 h
Prüfungsvorbereitung und Präsenz in selbiger: 37 h

Empfehlungen

Siehe Teilleistung.

Modul: Künstliche Intelligenz & IT-Sicherheit [M-INFO-106810]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113668 Künstliche Intelligenz & IT-Sicherheit 6 Wressnegger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students know basic concepts of applying artificial intelligence and machine learning in computer security, and are able to evaluate the performance, quality, and security of such systems.

•    Students know and understand basic concepts of features and feature engineering in computer security as well as basic attacks against learning-based systems.
•    Students know how to apply AI in computer security.
•    Students are able differentiate attack vectors against AI.
•    Students understand limits of learning-based security solutions.

Inhalt

The lecture is about combining the fields of artificial intelligence, machine learning and computer security in practice. Many tasks in the computer security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more “intelligent” security solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI). As an example, viciously crafted inputs can be exploited by an adversary to cause devastating damage in the application area. It thus is of utmost importance to investigate, research, and know about the security properties of AI methods.

The module introduces students to theoretic and practical aspects of AI in computer security as well as security of AI. We cover basics on features and feature engineering in the security domain, discuss fundamental learning settings in security and point out “Dos and Don’ts” of using AI/ML in computer security. Moreover, we put particular focus on “Explainable AI” (XAI) and it’s use in computer security, before we introduce attacks and defense against learning-based systems as discussed in the first half of the course. We cover input-manipulation attacks (e.g., adversarial examples), model-manipulation attacks (e.g., backdooring attacks), privacy attacks (e.g., model stealing and membership inference) and attacks against XAI.

Arbeitsaufwand

•    58h Präsenzzeit
•    56h Vor- und Nachbereitungszeiten
•    66h Klausurvorbereitung

Empfehlungen

Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.

Modul: Kurven und Flächen im CAD I [M-INFO-100837]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101374 Kurven und Flächen im CAD I 5 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about Bézier and B-spline techniques for curves and tensor product surfaces and are able to solve typical problems arising in curve design.

Inhalt

Bézier- and B-spline techniques, polar forms, de Casteljau algorithm, de Boor algorithm, Oslo algorithm, smooth joints (Staerk construction), subdivision, variation diminishing property, convexity, various conversions between various curve presentations, curve rendering, intersection algorithms, interpolation and approximation, tensor product splines, T-splines and similar topics.

Arbeitsaufwand

approx. 150h thereof:

30h for attending the lecture

30h for post-processing

15h for attending the exercises

45h for solving the exercises

30h for exam preparation

Modul: Kurven und Flächen im CAD II [M-INFO-101231]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102041 Kurven und Flächen im CAD II 5 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about Bézier and B-spline techniques for surfaces and are able to solve typical problems arising in surface design.

Inhalt

Bézier- and B-spline techniques for bi- and multivariate splines, polar forms, de Casteljau algorithm, smooth and geometric smooth joints, subdivision, convexity, various conversions between various surface presentations, patch rendering, intersection algorithms, interpolation and approximation, Powell-Sabin and Clough-Tocher elements, splines over triangulations, Piper’s construction, box splines, B-patches and similar topics

Arbeitsaufwand

approx. 150h thereof

30h for attending the lecture

30h for post-processing

15h for attending the exercises

45h for solving the exercises

30h for exam preparation

Modul: Lineare Elektrische Netze [M-ETIT-101845]

Verantwortung:
Prof. Dr. Olaf Dössel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
7
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-101917 Lineare Elektrische Netze 7 Dössel
Erfolgskontrolle(n)

In einer schriftlichen Prüfung im Umfang von 120 Minuten werden die Inhalte der Lehrveranstaltung Lineare Elektrische Netze (7 LP) geprüft. Bei bestandener Prüfung können Studierende einen Notenbonus von bis zu 0,4 Notenpunkten erhalten, wenn zuvor semesterbegleitend zwei Projektaufgaben erfolgreich bearbeitet wurden. Die Bearbeitung der Projektaufgaben wird durch die Abgabe einer Dokumentation oder des Projektcodes nachgewiesen.

Voraussetzungen

keine

Qualifikationsziele

Im Modul Lineare Elektrische Netze erwirbt der Studierende Kompetenzen bei der Analyse und dem Design von elektrischen Schaltungen mit linearen Bauelementen mit Gleichstrom und Wechselstrom. Hierbei ist er in der Lage, die Themen zu erinnern und zu verstehen, zudem die behandelten Methoden anzuwenden, um hiermit die elektrischen Schaltungen mit linearen Bauelementen zu analysieren und deren Relevanz, korrekte Funktion und Eigenschaften zu beurteilen.

Inhalt

Methoden zur Analyse komplexer linearer elektrischer Schaltungen
Definitionen von U, I, R, L, C, unabhängige Quellen, abhängige Quellen
Kirchhoffsche Gleichungen, Knotenpunkt-Potential-Methode, Maschenstrom-Methode
Ersatz-Stromquelle, Ersatz-Spannungsquelle, Stern-Dreiecks-Transformation, Leistungsanpassung
Operationsverstärker, invertierender Verstärker, Addierer, Spannungsfolger, nicht-invertierender Verstärker, Differenzverstärker
Sinusförmige Ströme und Spannungen, Differentialgleichungen für L und C, komplexe Zahlen
Beschreibung von RLC-Schaltungen mit komplexen Zahlen, Impedanz, komplexe Leistung, Leistungsanpassung
Brückenschaltungen, Wheatstone-, Maxwell-Wien- und Wien-Brückenschaltungen
Serien- und Parallel-Schwingkreise
Vierpoltheorie, Z, Y und A-Matrix, Impedanztransformation, Ortskurven und Bodediagramm
Transformator, Gegeninduktivität, Transformator-Gleichungen, Ersatzschaltbilder des Transformators
Drehstrom, Leistungsübertragung und symmetrische Last.

Zusammensetzung der Modulnote

Die Modulnote entspricht der Note der Teilleistung Lineare Elektrische Netze. Wie im Abschnitt „Erfolgskontrolle(n)“ beschrieben, setzt diese sich aus der Note der schriftlichen Prüfung Lineare Elektrische Netze und einem eventuell erhaltenen Notenbonus zusammen.

Anmerkungen

Achtung:
Die diesem Modul zugeordnete Teilleistung ist Bestandteil der Orientierungsprüfung folgender Studiengänge:

Die Prüfung ist zum Ende des 2. Fachsemesters anzutreten. Eine Wiederholungsprüfung ist bis zum Ende des 3. Fachsemesters abzulegen.

Arbeitsaufwand

Unter den Arbeitsaufwand der LV Lineare Elektrische Netze fallen

  1. Präsenzzeit in Vorlesungen, Übungen
  2. Vor-/Nachbereitung
  3. Klausurvorbereitung und Präsenz in selbiger

Der Arbeitsaufwand für Punkt 1 entspricht etwa 60 Stunden, für die Punkte 2-3 etwa 115 -150 Stunden. Insgesamt beträgt der Arbeitsaufwand für die LV Lineare Elektrische Netze 175-210 Stunden. Dies entspricht 7 LP.

Modul: Logical Foundations of Cyber-Physical Systems [M-INFO-106102]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-112360 Logical Foundations of Cyber-Physical Systems 6 Platzer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

In modeling and control, successful students will
– understand core principles behind CPS. A solid understanding of these principles is important for anyone who wants to integrate cyber and physical components to solve problems that no part could solve alone.
– develop models and controls. In order to understand, design, and analyze CPS, it is important to be able to develop models for the relevant aspects of a CPS design and to design controllers for the intended functionalities based on appropriate specifications, including modeling with differential equations.
– identify relevant dynamical aspects. It is important to be able to identify which types of phenomena influence a property of a system. These allow us to judge, for example, where it is important to manage adversarial effects, or where a nondeterministic model is sufficient.

In computational thinking, successful students should be able to
– identify safety specifications and critical properties. In order to develop correct CPS designs, it is important to identify what “correctness” means, how a design may fail to be correct, and how to make it correct.
– understand abstraction in system designs. The power of abstraction is essential for the modular organization of CPS, and the ability to reason about separate parts of a system independently.
– express pre- and post-conditions and invariants for CPS models. Pre- and post-conditions allow us to capture under which circumstance it is safe to run a CPS or a part of a CPS design, and what safety entails. They allow us to achieve what abstraction and hierarchies achieve at the system level: decompose correctness of a full CPS into correctness of smaller pieces. Invariants achieve a similar decomposition by establishing which relations of variables remain true no matter how long and how often the CPS runs.
– reason rigorously about CPS models. Reasoning is required to ensure correctness and find flaws in CPS designs. Both informal and formal reasoning in a logic are important objectives for being able to establish correctness, which includes rigorous reasoning about differential equations.

In CPS skills, successful students will be able to
– understand the semantics of a CPS model. What may be easy in a classical isolated program becomes very demanding when that program interfaces with effects in the physical world.
– develop an intuition for operational effects. Intuition for the joint operational effect of a CPS is crucial, e.g., about what the effect of a particular discrete computer control algorithm on a continuous plant will be.
– understand opportunities and challenges in CPS and verification. While the beneficial prospects of CPS for society are substantial, it is crucial to also develop an understanding of their inherent challenges and of approaches for minimizing the impact of potential safety hazards. Likewise, it is important to understand the ways in which formal verification can best help improve the safety of system designs.

Inhalt

Cyber-physical systems (CPSs) combine cyber capabilities (computation and/or communication) with physical capabilities (motion or other physical processes). Cars, aircraft, and robots are prime examples, because they move physically in space in a way that is determined by discrete computerized control algorithms. Designing these algorithms to control CPSs is challenging due to their tight coupling with physical behavior. At the same time, it is vital that these algorithms be correct, since we rely on CPSs for safety-critical tasks like keeping aircraft from colliding. In this course we will strive to answer the fundamental question posed by Jeannette Wing:

“How can we provide people with cyber-physical systems they can bet their lives on?”

The cornerstone of this course design are hybrid programs (HPs), which capture relevant dynamical aspects of CPSs in a simple programming language with a simple semantics. One important aspect of HPs is that they directly allow the programmer to refer to real-valued variables representing real quantities and specify their dynamics as part of the HP.

This course will give you the required skills to formally analyze the CPSs that are all around us—from power plants to pacemakers and everything in between—so that when you contribute to the design of a CPS, you are able to understand important safety-critical aspects and feel confident designing and analyzing system models. It will provide an excellent foundation for students who seek industry positions and for students interested in pursuing research.

Anmerkungen

Course web page: https://lfcps.org/course/lfcps.html

Arbeitsaufwand

6 ECTS from 180h of coursework consisting of
- 22.5h = 15 * 1.5h from 3 SWS lectures
- 12h = 8 * 1.5h from 1 SWS exercises
- 90h preparation, reading textbook, studying - 40h solving exercises
- 15h exam preparation

Empfehlungen

The course assumes prior exposure to basic computer programming and mathematical reasoning. This course covers the basic required mathematical and logical background of cyber-physical systems. You will be expected to follow the textbook as needed: André Platzer. Logical Foundations of Cyber-Physical Systems. Springer 2018. DOI:10.1007/978-3-319-63588-0

Modul: Lokalisierung mobiler Agenten [M-INFO-100840]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101377 Lokalisierung mobiler Agenten 6 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

In diesem Modul wird eine systematische Einführung in das Gebiet der Lokalisierungsverfahren gegeben. Zum erleichterten Einstieg gliedert sich das Modul in vier zentrale Themengebiete. Die Koppelnavigation behandelt die schritthaltende Positionsbestimmung eines Fahrzeugs aus dynamischen Parametern wie etwa Geschwindigkeit oder Lenkwinkel. Die Lokalisierung unter Zuhilfenahme von Messungen zu bekannten Landmarken ist Bestandteil der statischen Lokalisierung. Neben geschlossenen Lösungen für spezielle Messungen (Distanzen und Winkel), wird auch die Methode kleinster Quadrate zur Fusionierung beliebiger Messungen eingeführt. Die dynamische Lokalisierung behandelt die Kombination von Koppelnavigation und statischer Lokalisierung. Zentraler Bestandteil ist hier die Herleitung des Kalman-Filters, das in zahlreichen praktischen Anwendungen erfolgreich eingesetzt wird. Den Abschluss bildet die simultane Lokalisierung und Kartographierung (SLAM), welche eine Lokalisierung auch bei teilweise unbekannter Landmarkenlage gestattet.

Arbeitsaufwand
Der Arbeitsaufwand beträgt ca. 180 Stunden.
Empfehlungen

Siehe Teilleistung.

Modul: Low Power Design [M-INFO-100807]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101344 Low Power Design 3 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden erlernen für alle Ebenen des Entwurfs Eingebetteter Systeme die Berucksichtigung energie- sparender Maßnahmen bei gleichzeitiger Erhaltung der Rechenleistung. Nach Abschluss der Vorlesung ist der Student/die Studentin in der Lage, den problematischen Energieverbrauch zu erkennen und Maßnahmen zu dessen Beseitigung zu ergreifen.

Inhalt

Beim Entwurf von On-Chip-Systemen ist heutzutage der Leistungsverbrauch das wichtigste Kriterium. Während andere Entwurfskriterien wie z.B. Performanz früher maßgeblich waren, ist es heute unerlässlich, auf den Leistungsverbrauch hin zu optimieren, da dies der limitierende Faktor ist. Tatsächlich hat der Leistungsverbrauch im letzten Jahrzehnt vieles verändert: die Tatsache, dass es heute Multi-Core Chips anstatt von Single-Core Chips gibt, ist eine direkte Folge des Leistungsverbrauchs. Leistungsverbrauch ist dabei keineswegs nur eine Frage von Hardware, sondern wird auch entscheidend durch die Software und das Betriebssystem bestimmt. Die Vorlesung ist deshalb unverzichtbar für alle, die sich mit On-Chip Systemen auf Hardware-, Software- und Betriebssystemebene beschäftigen.

Die Vorlesung gibt deshalb einen Überblick über Entwurfsverfahren, Syntheseverfahren,

Schätzverfahren, Softwaretechniken, Betriebssystemstrategien, Schedulingverfahren usw., mit dem Ziel, den Leistungsverbrauch von On-Chip Systemen eingebetteter Systeme zu minimieren unter gleichzeitiger Beibehaltung der geforderten Performance. Sowohl forschungsrelevante als auch bereits etablierte (d.h. in Produkten implementierte) Techniken auf verschiedenen Abstraktionsebenen (vom Schaltkreis zum System) werden in der Vorlesung behandelt.

Arbeitsaufwand

90 h

Vorlesung 1.5h: 12 x 1.5 = 18hVorbereitung pro Vorlesung 2h: 12x2 = 24h
Vorbereitung Klausur 7 Tage: 7x8 = 56h
Gesamt: 98h

Empfehlungen

Siehe Teilleistung

Modul: Machine Learning in Climate and Environmental Sciences [M-INFO-106470]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113083 Machine Learning in Climate and Environmental Sciences 3 Nowack
T-INFO-113085 Machine Learning in Climate and Environmental Sciences - Pass 3 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Learning objectives:

Students will be able to effectively address complex data science challenges. They can design and use robust strategies/modelling pipelines for machine learning applications in the climate and environmental sciences, which are transferable to other disciplines.
Their acquired knowledge will include major classes of machine learning techniques, how to choose and differentiate among algorithms in a variety of problem settings, ways of assessing important data properties that could for example help or interfere with modelling goals, and methods to combine data-driven modelling with prior scientific system understanding to increase performance and trustworthiness of machine learning.

Students will learn how to implement these approaches in Python, using major machine learning software packages.

Inhalt

This module covers key concepts for real-world applications of machine learning, focusing on environmental data science. These include:

• foundations of machine learning (e.g., curse of dimensionality, cross-validation, cost functions, feature engineering)
• several widely applied regression, classification, and unsupervised learning algorithms (e.g., LASSO, random forests, Gaussian processes, neural networks, LSTMs, transformers, self-organizing maps)
• time series forecasting and causal inference.
• explainable AI (e.g., SHAP value analyses, feature permutation methods, intrinsically interpretable methods).

These concepts will be discussed in applied contexts, using current research examples from the climate and environmental sciences, including: climate change modelling, machine learning emulation of numerical models, forecasting air pollution and wildfires, understanding coupled dynamical systems such as global teleconnections in climate science, challenges in modelling non-stationary systems (e.g., predicting extreme weather events under global warming), and anomaly detection in measurement data.

The lectures are accompanied by computer exercises in which students learn how to implement and modify machine learning modelling pipelines first-hand.

Arbeitsaufwand

Concerning in-person events, this is a 4 SWS module: 2 SWS for lectures, 2 SWS for exercises

Overall:

(2 SWS lectures + 2 SWS exercises + 1.5 x 4 SWS preparation and homework) x 15 +30 h preparation for the exam = 180 h = 6 ECTS

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Modul: Market Engineering [M-WIWI-101446]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Pflichtbestandteile
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy 4,5 Weinhardt
Ergänzungsangebot (Wahl: 4,5 LP)
T-WIWI-102613 Auktionstheorie 4,5 Ehrhart
T-WIWI-113160 Digital Democracy 4,5 Fegert
T-WIWI-110797 eFinance: Informationssysteme für den Wertpapierhandel 4,5 Weinhardt
T-WIWI-107501 Energy Market Engineering 4,5 Weinhardt
T-WIWI-107503 Energy Networks and Regulation 4,5 Weinhardt
T-WIWI-102614 Experimentelle Wirtschaftsforschung 4,5 Weinhardt
T-WIWI-111109 KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics 4,5 Weinhardt
T-WIWI-107504 Smart Grid Applications 4,5 Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Kernveranstaltung und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul erklärt die Zusammenhänge zwischen dem Design von Märkten und deren Erfolg. Märkte sind komplexe Gebilde und die Teilnehmer am Markt verhalten sich strategisch gemäß den Regeln des Marktes. Die Erstellung und somit das Design des Marktes bzw. der Marktmechanismen beeinflusst das Verhalten der Teilnehmer in einem hohen Maße. Deshalb ist ein systematisches Vorgehen und eine gründlich Analyse existierender Märkte unabdingbar, damit ein Marktplatz erfolgreich betrieben werden kann. In der Kernveranstaltung Market Engineering [2540460] werden die Ansätze für eine systematische Analyse erklärt, indem Theorien über den Mechanismusdesign und Institutionenökonomik behandelt werden. In einer zweiten Vorlesung hat der Studierende die Möglichkeit, seine Kenntnisse theoretisch und praxisnah zu vertiefen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h für Lehrveranstaltungen mit 5 Credits ca. 150h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Maschinelle Übersetzung [M-INFO-100848]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101385 Maschinelle Übersetzung 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand
90 h

Modul: Maschinelles Lernen - Grundlagen und Algorithmen [M-INFO-105778]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111558 Maschinelles Lernen - Grundlagen und Algorithmen 6 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

-    Studierene Erlangen Kenntnis der grundlegenden Methoden des Maschinellen Lernens
-    Studierende erlangen die mathematischen Grundkenntnisse um die theoretischen Grundlagen des Maschinellen Lernens verstehen zu können
-    Studierende können Methoden des Maschinellen Lernens einordnen, formal beschreiben und bewerten
-    Studierende können ihr Wissen für eine Auswahl geeigneter Modelle und Methoden für ausgewählte Probleme im Bereich des Maschinellen Lernens einsetzen

Inhalt

Das Forschungsgebiet Maschinelles Lernen hat in den letzten Jahren enorme Fortschritte gemacht und gute Kenntnisse im Maschinellen Lernen werden auch am Arbeitsmarkt immer gefragter. Maschinelles Lernen beschreibt den Wissenserwerb eines künstlichen Systems aufgrund von Erfahrung oder Daten. Regeln oder bestimmte Berechnungen müssen also nicht mehr händisch codiert werden sondern können von intelligenten Systemen aus Daten extrahiert werden.

Diese Vorlesung bietet einen Überblick über essentielle Methoden des Maschinellen Lernens. Nach einer Wiederholung der notwendigen mathematischen Grundkenntnisse beschäftigt sich die Vorlesung hauptsächlich mit Algorithmen für Klassifikation, Regression und Dichteschätzung. Beispielhafte Auflistung der Themen:
-    Basics in Linear Algebra, Probability Theory, Optimization and Constraint Optimization 
-    Linear Regression
-    Linear Classification
-    Model Selection, Overfitting, and Regularization
-    Support Vector Machines
-    Kernel Methods
-    Bayesian Learning and Gaussian Processes
-    Neural Networks
-    Dimensionality Reduction
-    Density estimation
-    Clustering
-    Expectation Maximization
-    Graphical Models

Arbeitsaufwand

180h, aufgeteilt in: 
•    ca 45h Vorlesungsbesuch
•    ca 15h Übungsbesuch
•    ca 90h Nachbearbeitung und Bearbeitung der Übungsblätter
•    ca 30h Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung.

Modul: Maschinelles Lernen für die Naturwissenschaften mit Übung [M-INFO-105630]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-110822 Maschinelles Lernen für die Naturwissenschaften 3 Friederich
T-INFO-111259 Maschinelles Lernen für die Naturwissenschaften - Übung 3 Friederich
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel:


Studierende sind in der Lage, vielfältige Fragestellungen in den Naturwissenschaften und Materialwissenschaften mit Methoden des maschinellen Lernens eingenständig in Theorie und Praxis anzugehen und zu beantworten.

Lernziele:


Die Lernziele beinhalten

Inhalt

Dieses Modul behandelt die theoretischen und praktischen Aspekte von Methoden des maschinellen Lernens und deren Anwendung für naturwissenschaftliche Fragestellungen, insbesondere in den Materialwissenschaften und der Chemie. Die Studierenden erhalten Einblick in die Grundlagen sowie aktuelle Forschungsthemen dieses noch jungen interdisziplinären Gebiets. Behandelt wird unter anderem die Anwendung von Methoden des maschinellen Lernens zur Vorhersage von Material- und Moleküleigenschaften, unterschiedliche Repräsentationsmethoden von Materialien und Molekülen (Deskriptoren, Fingerprints, graphbasierte Methoden), generative Modelle wie GANs und Autoencoder zum automatischen Materialdesign, Bayes‘sche Methoden zur Planung und Autonomisierung von Experimenten, sowie Interpretationsmöglichkeiten aller Methoden zum wissenschaftlichen Erkenntnisgewinn.

Eine begleitende Übung gibt den Studierenden einen Einblick in die praktischen Aspekte des maschinellen Lernens und unterstützt den Lernprozess.

Arbeitsaufwand

4 SWS: (2 SWS Vorlesung + 2 SWS Übung + 1,5 x 4 SWS Vor- und Nachbereitung) x 15 + 30 h Klausurvorbereitung

= 180 h

Empfehlungen

Modul: Materialwissenschaften für dataintensives Rechnen [M-INFO-104200]

Verantwortung:
Prof. Dr. Peter Sanders
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Materialwissenschaften für dataintensives Rechnen
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
5
Materialwissenschaften für Data-Intensives Rechnen (Wahl: mindestens 1 Bestandteil)
T-MATH-106415 Statistik - Klausur 10 Ebner, Fasen-Hartmann, Klar, Trabs
T-MATH-106416 Statistik - Praktikum 0 Ebner, Fasen-Hartmann, Klar, Trabs
T-MACH-105303 Mikrostruktursimulation 5 August, Nestler
T-MACH-105369 Werkstoffmodellierung: versetzungsbasierte Plastizität 4 Weygand
T-MACH-107660 Seminar Werkstoffsimulation 8 Nestler, Schulz
T-MACH-105320 Einführung in die Finite-Elemente-Methode 3 Böhlke, Langhoff
T-MACH-110330 Übungen zu Einführung in die Finite-Elemente-Methode 1 Böhlke, Langhoff
T-MACH-113412 Atomistische Simulation und Partikeldynamik 4 Gumbsch, Schneider, Weygand
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Inhalt

Studierende sind in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch  Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.

Modul: Mathematische Modellierung und Simulation in der Praxis [M-MATH-102929]

Verantwortung:
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-105889 Mathematische Modellierung und Simulation in der Praxis 5 Thäter
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Das allgemeine Ziel dieser Vorlesung ist ein dreifaches:

1) verschiedene mathematische Bereiche miteinander zu verbinden,
2) eine Verbindung zwischen Mathematik und Problemen des wirklichen Lebens herzustellen,
3) zu lernen, kritisch zu sein und relevante Fragen zu stellen.

Absolventinnen und Absolventen können

Inhalt

Mathematisches Denken (als Modellieren) und mathematische Techniken (als Handwerkszeug) treffen auf Anwendungsprobleme wie:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Die Veranstaltung findet immer auf Englisch statt.

Um die Credits zu erwerben, müssen Sie die Vorlesung besuchen, die Arbeit an einem Projekt während des Semesters in einer Gruppe von 2-3 Personen beenden und die Prüfung bestehen. Das Thema des Projekts kann von jeder Gruppe selbst gewählt werden.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Numerische Mathematik 12 sowie Numerische Methoden für Differentialgleichungen bzw. vergleichbare HM-Vorlesungen werden empfohlen.

Literatur

Hans-Joachim Bungartz e.a.: Modeling and Simulation: An Application-Oriented Introduction,
Springer, 2013 

Modul: Mathematische Optimierung [M-WIWI-101473]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
8
Wahlpflichtangebot (Wahl: höchstens 2 Bestandteile)
T-WIWI-102719 Gemischt-ganzzahlige Optimierung I 4,5 Stein
T-WIWI-102726 Globale Optimierung I 4,5 Stein
T-WIWI-103638 Globale Optimierung I und II 9 Stein
T-WIWI-102856 Konvexe Analysis 4,5 Stein
T-WIWI-111587 Multikriterielle Optimierung 4,5 Stein
T-WIWI-102724 Nichtlineare Optimierung I 4,5 Stein
T-WIWI-103637 Nichtlineare Optimierung I und II 9 Stein
T-WIWI-102855 Parametrische Optimierung 4,5 Stein
Ergänzungsangebot (Wahl: höchstens 2 Bestandteile)
T-WIWI-106548 Fortgeschrittene Stochastische Optimierung 4,5 Rebennack
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II 4,5 Stein
T-WIWI-102727 Globale Optimierung II 4,5 Stein
T-WIWI-102723 Graph Theory and Advanced Location Models 4,5 Nickel
T-WIWI-106549 Large-scale Optimierung 4,5 Rebennack
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik 4,5 Grothe
T-WIWI-103124 Multivariate Verfahren 4,5 Grothe
T-WIWI-102725 Nichtlineare Optimierung II 4,5 Stein
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
T-WIWI-112109 Topics in Stochastic Optimization 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Pflicht ist mindestens eine der sechs Teilleistungen "Gemischt-ganzzahlige Optimierung I", "Multikriterielle Optimierung", "Konvexe Analysis", "Parametrische Optimierung", "Nichtlineare Optimierung I" und "Globale Optimierung I".

Qualifikationsziele

Der/die Studierende

Inhalt

Der Schwerpunkt des Moduls liegt auf der Vermittlung sowohl theoretischer Grundlagen als auch von Lösungsverfahren für Optimierungsprobleme mit kontinuierlichen und gemischt-ganzzahligen Entscheidungsvariablen.

Anmerkungen

Die Lehrveranstaltungen werden zum Teil unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Bei den Vorlesungen von Professor Stein ist jeweils eine Prüfungsvorleistung (30% der Übungspunkte) zu erbringen. Die jeweiligen Lehrveranstaltungsbeschreibungen enthalten weitere Einzelheiten.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Medienkunst [M-INFO-102288]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Medienkunst
Leistungspunkte
18
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-104585 Medienkunst 18
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erwerben Kompetenzen in einer außergewöhn­liche künstlerische Ausbildung und sind mit den neuesten Medientechnolo­gien vertraut.

Sie können gemein­sam an der Zukunft der medialen Künste forschen.

Sie haben grundlegende Kompetenzen in den Bereichen Digi­tale Kunst/InfoArt, Film, Fotografie, Moving Images und Sound und 3D­Produktionen.

Inhalt

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Den Antrag zur Zulassung vollständig ausfüllen und per Email an simone.siewerdt@hfg-karlsruhe.de senden
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    http://beta.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben eingereicht wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Arbeitsaufwand

Insgesamt 18 ECTS:

2 Praxis-Seminare mit jeweils 150 Stunden

1 Theorie-Seminar 180 Stunden

1 Grundlagenkurs 60 Stunden

Modul: Medienkunst Modell "kleines Nebenfach" [M-INFO-103147]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Medienkunst
Leistungspunkte
14
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-106264 Medienkunst 14
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erwerben Kompetenzen in einer außergewöhn­liche künstlerische Ausbildung und sind mit den neuesten Medientechnolo­gien vertraut.

Sie können gemein­sam an der Zukunft der medialen Künste forschen.

Sie haben grundlegende Kompetenzen in den Bereichen Digi­tale Kunst/InfoArt, Film, Fotografie, Moving Images und Sound und 3D-Produktionen.

Inhalt

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Den Antrag zur Zulassung vollständig ausfüllen und per Email an simone.siewerdt@hfg-karlsruhe.de senden
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    http://beta.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben eingereicht wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Arbeitsaufwand

Insgesamt 14 ETCS:

1 Praxis-Seminar

1 Theorie-Seminar

1 Grundlagenkurs

Modul: Mensch-Maschine-Interaktion [M-INFO-100729]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101266 Mensch-Maschine-Interaktion 6 Beigl
T-INFO-106257 Übungsschein Mensch-Maschine-Interaktion 0 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss der Veranstaltung können die Studierenden

Inhalt

Themenbereiche sind:

1. Informationsverarbeitung des Menschen (Modelle, physiologische und psychologische Grundlagen, menschliche Sinne, Handlungsprozesse),

2. Designgrundlagen und Designmethoden, Ein- und Ausgabeeinheiten für Computer, eingebettete Systeme und mobile Geräte,

3. Prinzipien, Richtlinien und Standards für den Entwurf von Benutzerschnittstellen

4. Technische Grundlagen und Beispiele für den Entwurf von Benutzungsschnittstellen (Textdialoge und Formulare, Menüsysteme, graphische Schnittstellen, Schnittstellen im WWW, Audio-Dialogsysteme, haptische Interaktion, Gesten),

5. Methoden zur Modellierung von Benutzungsschnittstellen (abstrakte Beschreibung der Interaktion, Einbettung in die Anforderungsanalyse und den Softwareentwurfsprozess),

6. Evaluierung von Systemen zur Mensch-Maschine-Interaktion (Werkzeuge, Bewertungsmethoden, Leistungsmessung, Checklisten).

7. Übung der oben genannten Grundlagen anhand praktischer Beispiele und Entwicklung eigenständiger, neuer und alternativer Benutzungsschnittstellen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 180 Stunden (6.0 Credits).

Präsenzzeit: Besuch der Vorlesung 15 x 90 min = 22 h 30 min
Präsenzzeit: Besuch der Übung 8x 90 min =12 h 00 min
Vor- / Nachbereitung der Vorlesung 15 x 150 min = 37 h 30 min
Vor- / Nachbereitung der Übung 8x 360min =48h 00min
Foliensatz/Skriptum 2x durchgehen 2 x 12 h =24 h 00 min
Prüfung vorbereiten = 36 h 00 min

SUMME = 180h 00 min

Empfehlungen

Siehe Teilleistung

Modul: Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen [M-INFO-100824]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101361 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 3 Beyerer, van de Camp
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel der Vorlesung ist es, den Studierenden fundiertes Wissen über die Phänomene, Teilsysteme und Wirkungsbeziehungen an der Schnittstelle zwischen Mensch und informationsverarbeitender Maschine zu vermittelen. Dafür lernen sie die Sinnesorgane des Menschen mit deren Leistungsvermögen und Grenzen im Wahrnehmungsprozess sowie die Äußerungsmöglichkeiten von Menschen gegenüber Maschinen kennen. Weiter wird ihnen Kenntnis über qualitative und quantitative Modelle und charakteristische Systemgrößen für den Wirkungskreis Mensch-Maschine-Mensch vermittelt sowie in die für dieses Gebiet wesentlichen Normen und Richtlinien eingeführt. Die Studierenden werden in die Lage versetzt, einen modellgestützten Systementwurf im Ansatz durchzuführen und verschiedene Entwürfe modellgestützt im Bezug auf die Leistung des Mensch-Maschine-Systems und die Beanspruchung des Menschen zu bewerten.

Inhalt

nhalt der Vorlesung ist Basiswissen für die Mensch-Maschine-Wechselwirkung als Teilgebiet der Arbeitswissenschaft:

Arbeitsaufwand
Gesamt: ca. 60h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 12h
3. Klausurvorbereitung und Präsenz in selbiger: 25h
Empfehlungen

Siehe Teilleistung.

Modul: Mess- und Regelungstechnik [M-MACH-102564]

Verantwortung:
Prof. Dr.-Ing. Christoph Stiller
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Mess- und Regelungstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
7
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-MACH-104745 Grundlagen der Mess- und Regelungstechnik 7 Stiller
Erfolgskontrolle(n)

Art der Prüfung: schriftliche Prüfung
Dauer der Prüfung: 150 Minuten

Voraussetzungen

keine

Qualifikationsziele

Inhalt

1. Dynamische Systeme
2. Eigenschaften wichtiger Systeme und Modellbildung
3. Übertragungsverhalten und Stabilität
4. Synthese von Reglern
5. Grundbegriffe der Messtechnik
6. Estimation
7. Messaufnehmer
8. Einführung in digitale Messverfahren

Zusammensetzung der Modulnote

Note der Prüfung

Anmerkungen

Im Bachelorstudiengang Maschinenbau wird dieses Modul samt allen Teilleistungen, Prüfungen und Lehrveranstaltungen in deutscher Sprache angeboten. 

Im Bachelorstudiengang Mechanical Engineering (International) wird dieses Modul samt allen Teilleistungen, Prüfungen und Lehrveranstaltungen in englischer Sprache angeboten.

Arbeitsaufwand

84 Stunden Präsenzzeit, 126 Stunden Selbststudium.

Empfehlungen

Grundkenntnisse der Physik und Elektrotechnik, gewöhnliche lineare Differentialgleichungen, Laplace Transformation

Lehr- und Lernformen

Vorlesung

Übungen

Literatur

Buch zur Vorlesung:
C. Stiller: Grundlagen der Mess- und Regelungstechnik, Shaker Verlag, Aachen, 2005

R.H. Cannon: Dynamics of Physical Systems, McGraw-Hill Book Comp., New York,
1967
G.F. Franklin: Feedback Control of Dynamic Systems, Addison-Wesley Publishing Company,
USA, 1988
R. Dorf and R. Bishop: Modern Control Systems, Addison-Wesley
C. Phillips and R. Harbor: Feedback Control Systems, Prentice-Hall

J. Lunze: Regelungstechnik 1 & 2, Springer-Verlag
R. Unbehauen: Regelungstechnik 1 & 2, Vieweg-Verlag
O. Föllinger: Regelungstechnik, Hüthig-Verlag
W. Leonhard: Einführung in die Regelungstechnik, Teubner-Verlag
Schmidt, G.: Grundlagen der Regelungstechnik, Springer-Verlag, 2. Aufl., 1989

E. Schrüfer: Elektrische Meßtechnik, Hanser-Verlag, München, 5. Aufl., 1992
U. Kiencke, H. Kronmüller, R. Eger: Meßtechnik, Springer-Verlag, 5. Aufl., 2001
H.-R. Tränkler: Taschenbuch der Messtechnik, Verlag Oldenbourg München, 1996
W. Pfeiffer: Elektrische Messtechnik, VDE Verlag Berlin 1999
Kronmüller, H.: Prinzipien der Prozeßmeßtechnik 2, Schnäcker-Verlag, Karlsruhe, 1. Aufl.,
1980

Measurement and Control Systems

Modul: Methoden empirischer Sozialforschung [M-GEISTSOZ-103736]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Soziologie
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-GEISTSOZ-104565 Computergestützte Datenauswertung 0 Nollmann
T-GEISTSOZ-109052 Methodenanwendung (WiWi) 9 Nollmann
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer schriftlichen Ausarbeitung (Hausarbeit) durchgeführt im Seminar "Methodenanwendung" durchgeführt. Zur Modulprüfung wird zugelassen, wer im Rahmen des Seminars "Computergestützte Datenauswertung" drei Arbeitsblätter mit der Bewertung "Bestanden" erhält.

Modul: Microeconomic Theory [M-WIWI-101500]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102609 Advanced Topics in Economic Theory 4,5 Mitusch
T-WIWI-102861 Advanced Game Theory 4,5 Ehrhart, Puppe, Reiß
T-WIWI-102613 Auktionstheorie 4,5 Ehrhart
T-WIWI-105781 Incentives in Organizations 4,5 Nieken
T-WIWI-113264 Matching Theory 4,5 Puppe
T-WIWI-102859 Social Choice Theory 4,5 Puppe
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Ein Beispiel einer positiven Fragestellung wäre: welche Regulierungspolitik führt zu welchen Firmenentscheidungen bei unvollständigem Wettbewerb? Ein Beispiel einer normativen Fragestellung wäre: welches Wahlverfahren hat wünschenswerte Eigenschaften?

Inhalt

Das Modul vermittelt Konzepte und Inhalte der fortgeschrittenen mikroökonomischen Theorie. Thematische Schwerpunkte sind die mathematisch fundierte Modellierung spieltheoretischer Probleme und ihrer Anwendung, beispielsweise auf strategische Marktinteraktion, kooperative und nichtkooperative Verhandlungen usw. („Advanced Game Theory“), sowie die besondere Betrachtung von Auktionen („Auktionstheorie“) und Anreizmechanismen in Unternehmen und Organisationen („Incentives in Organizations“). Es besteht außerdem die Möglichkeit, sich mit der wissenschaftlichen Theorie zu Wahlen und gesellschaftlichen Entscheidungsverfahren, also der Aggregation von Präferenzen und Meinungen, zu beschäftigen („Social Choice Theory“).

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Mikrosystemtechnik [M-ETIT-100454]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100752 Mikrosystemtechnik 3 Stork
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden

Inhalt

Es werden die Methoden der Mikrostrukturtechnik von Lithographie und Ätztechniken bis hin zu ultrapräzisen spanabhebenden Verfahren erläutert und deren Anwendungen vor allem in Mikromechanik und Mikrooptik vorgestellt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen, Übungen: 18 h

2. Vor-/Nachbereitung derselbigen: 24 h

3. Klausurvorbereitung und Präsenz in selbiger: 25h

Modul: Mobile Communications [M-ETIT-105971]

Verantwortung:
Prof. Dr.-Ing. Peter Rost
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-112127 Mobile Communications 4 Rost
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students are enabled to analyze and assess functionalities of mobile communication systems. They learn how to apply and implement fundamental methods of the lecture “Communications Engineering I” in mobile radio networks. Furthermore, students will be enabled to understand requirements and limitations of mobile applications.

Inhalt

At the beginning, this course describes exemplary applications of mobile communications and elaborates on resulting requirements. Based on a solid understanding of those requirements, selected approaches and techniques will be presented that are solving the respective challenges in mobile communication systems. To this end, algorithms as well as system architectures are discussed in order to acquire solid knowledge on the radio network, the core network and the integration with applications and services.

Zusammensetzung der Modulnote

Grade of the module corresponds to the grade of the oral exam.

Arbeitsaufwand
  1. Attendance time in lectures: 15 * 2 h = 30 h
  2. Preparation and follow-up of lectures: 15 * 2 h = 30 h
  3. Attendance time in excercises: 15 * 1 h = 15 h
  4. Preparation and follow-up of excercises: 15 * 1 h = 15 h
  5. Preparation for the oral exam: 30 h

In total: 120 h = 4 LP

Empfehlungen

Knowledge of basic engineering as well as basic knowledge of communications engineering and Previous attendance of the lecture "Communication Engineering I" is recommended. Sound English language skills are required.

Modul: Mobilkommunikation [M-INFO-100785]

Verantwortung:
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101322 Mobilkommunikation 4 Waldhorst, Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende

• kennen die Grundbegriffe der Mobilkommunikation und können grundlegende Methoden sowie Einflussfaktoren der drahtlosen Kommunikation bewerten

• beherrschen Struktur und Funktionsweise prominenter, praktisch relevanter Mobilkommunikationssysteme (z.B. GSM, UMTS, WLAN)

• kennen typische Problemstellungen in Mobilkommunikationssystemen und können zur Lösung geeignete Methoden bewerten, auswählen und anwenden

Die Studierenden kennen typische Probleme bei der drahtlosen Übertragung (z.B. Signalausbreitung, Dämpfung) und können diese anhand von Beispielen erläutern und zueinander in Beziehung setzen. Sie können zudem erkennen, wo diese Probleme typischerweise beim Entwurf unterschiedlicher Kommunikationssysteme auftreten.

Die Studierenden kennen ein Portfolio von Methoden zur Modulation digitaler Daten, zum Multiplexen, zur Koordination konkurrierender Medienzugriffe und zum Mobilitätsmanagement. Sie können diese in eigenen Worten erläutern, können sie bewerten und geeignete Kandidaten beim Entwurf von Systemen zur Mobilkommunikation auswählen.

Die Studierenden beherrschen die grundsätzlichen Konzepte drahtloser lokaler Netze nach IEEE 802.11 sowie drahtloser persönlicher Netze mit Bluetooth. Sie können diese erläutern und die jeweiligen Varianten miteinander vergleichen. Weiterhin können sie insbesondere den Medienzugriff detailliert analysieren und bewerten.

Die Studierenden beherrschen den Aufbau digitaler Telekommunikationssysteme wie GSM, UMTS und LTE sowie die einzelnen Aufgaben der jeweiligen Komponenten und deren detailliertes Zusammenspiel im Gesamtsystem. Sie beherrschen die konzeptionellen Unterschiede der vorgestellten Systeme und können in eigenen Worten erläutern, aus welchem Grund bestimmte Methoden aus dem Portfolio in den jeweiligen Systemen eingesetzt werden.

Die Studierenden kennen grundlegende Verfahren im Bereich des Routings in selbstorganisierenden drahtlosen Ad-hoc Netzen und können diese umfassend analysieren sowie ihren Einsatz abhängig vom Anwendungsszenario bewerten. Weiterhin beherrschen sie die grundlegenden Konzepte zur Mobilitätsunterstützung im Internet (Mobile IP und Mobile IPv6).

Inhalt

Die Vorlesung diskutiert zunächst typische Probleme bei der drahtlosen Übertragung, wie z.B: Signalausbreitung, -dämpfung, Reflektionen und Interferenzen. Ausgehend davon erarbeitet sie ein Portfolio von Methoden zur Modulation digitaler Daten, zum Multiplexing, zur Koordination konkurrierender Medienzugriffe und zum Mobilitätsmanagement. Um zu veranschaulichen, wo und wie diese Methoden in der Praxis eingesetzt werden, werden typische Mobilkommunikationssysteme mit großer Praxisrelevanz im Detail vorgestellt. Dazu gehören drahtlose lokale Netze nach IEEE 802.11, drahtlose persönliche Netze mit Bluetooth sowie drahtlose Telekommunikationssysteme wie GSM, UMTS mit HSPA und LTE. Diskussionen von Mechanismen auf Vermittlungsschicht (Mobile Ad-hoc Netze und MobileIP) sowie Transportschicht runden die Vorlesung ab.

Arbeitsaufwand
Vorlesung mit 2 SWS plus Nachbereitung/Prüfungsvorbereitung, 4 LP.

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 30 Std. Vorlesungsbesuch

ca. 60 Std. Vor-/Nachbereitung

ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Modeling the Dynamics of Financial Markets [M-WIWI-106660]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Voraussetzung für: T-WIWI-111305 - Advanced Machine Learning and Data Science
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-113414 Modeling the Dynamics of Financial Markets 9 Ulrich
Erfolgskontrolle(n)

The module examination takes the form of a one-hour written comprehensive examination on the courses "Dynamic Capital Market Theory", "Essentials for Dynamic Financial Machine Learning" and "Exercises, Python, Research Frontier in Dynamic Capital Markets".

Qualifikationsziele

Dynamic Capital Market Theory:

Professional competence:

Interdisciplinary skills:

Essentials for Dynamic Financial Machine Learning:

Professional Competence:

Interdisciplinary skills:

Inhalt

Dynamic Capital Market Theory:

The course "Dynamic Capital Market Theory" offers an introduction to the modeling of dynamic capital markets.  Portfolio holdings and asset prices move dynamically across time and states. This course teaches basic financial economic thinking to help understand why this is the case and how to optimally act in such environments.
Next to the asset pricing focus, the second focus of the course is on optimal portfolio choice (robo advisory). For that, this course develops the theory of dynamic programming in discrete and continuous time and applies it to solve portfolio choice and corporate investment decisions. These concepts are key for financial engineering and the machine learning branch of Reinforcement Learning.

Students obtain proficiency in the following topics:


Lectures (2 SWS) develop all concepts on the whiteboard.


Essentials for Dynamic Financial Machine Learning:

The course "Essentials for Dynamic Financial Machine Learning" teaches students to work with financial data, algorithms and statistical concepts.
Students are exposed to algorithms to learn key quantities of dynamic capital markets, such as time-varying risk premia, time-varying volatility and unobserved realizations of random states. The course covers the following concepts:


Weekly lectures (2 SWS) develop all algorithmic material on the whiteboard.

Exercises, Python, Research Frontier in Dynamic Capital Markets:

This course provides hands-on experience in implementing concepts from dynamic capital market theory and financial machine learning using Python. Students will develop practical skills in coding and data analysis that complement the theoretical knowledge gained in the companion courses. The course covers:

Weekly computer lab sessions (2 SWS) will guide students through coding exercises and problem sets that directly relate to topics covered in "Dynamic Capital Market Theory" and "Essentials for Dynamic Financial Machine Learning". Students will work on individual and group projects, applying their programming skills to real-world financial problems and current research questions in dynamic capital markets. 
This course forms an integral part of the module, complementing the theoretical components with practical implementation skills essential for modern quantitative finance.

Arbeitsaufwand

Total workload for 9 credit points: approx. 270 hours. The exact distribution is based on the credit points of the courses in the module:

The total number of hours per course is determined by the amount of time spent attending the lectures and tutorials, as well as the exam times and the time required to achieve the module's learning objectives for an average student for an average performance.

Empfehlungen

Recommendation: Knowledge in the fields of Advanced Statistics, Deep Learning, Financial Economics, Differential Equations, Optimization.

Lehr- und Lernformen

The module consists of two weekly lectures and respective tutorials:

  1. Dynamic Capital Market Theory and
  2. Essentials for Dynamic Financial Machine Learning.
  3. Exercises, Python, Research Frontier in Dynamic Capital Markets

Modul: Modellgetriebene Software-Entwicklung [M-INFO-100741]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101278 Modellgetriebene Software-Entwicklung 3 Reussner
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teillseitung

Inhalt

Modellgetriebene Software-Entwicklung verfolgt die Entwicklung von Software-Systemen auf Basis von Modellen. Dabei werden die Modelle nicht nur, wie bei der herkömmlichen Software-Entwicklung üblich, zur Dokumentation, Entwurf und Analyse eines initialen Systems verwendet, sondern dienen vielmehr als primäre Entwicklungsartefakte, aus denen das finale System nach Möglichkeit vollständig generiert werden kann. Diese Zentrierung auf Modelle bietet eine Reihe von Vorteilen, wie z.B. eine Anhebung der Abstraktionsebene, auf der das System spezifiziert wird, verbesserte Kommunikationsmöglichkeiten, die durch domänenspezifische Sprachen (DSL) bis zum Endkunden reichen können, und eine Steigerung der Effizienz der Software-Erstellung durch automatisierte Transformationen der erstellten Modelle hin zum Quellcode des Systems. Allerdings gibt es auch noch einige zum Teil ungelöste Herausforderungen beim Einsatz von modellgetriebener Software-Entwicklung wie beispielsweise Modellversionierung, Evolution der DSLs, Wartung von Transformationen oder die Kombination von Teamwork und MDSD. Obwohl aufgrund der genannten Vorteile MDSD in der Praxis bereits im Einsatz ist, bieten doch die genannten Herausforderungen auch noch Anschlussmöglichkeiten für aktuelle Forschung.

Die Vorlesung führt Konzepte und Techniken ein, die zu MDSD gehören. Als Grundlage wird dazu die systematische Erstellung von Meta-Modellen und DSLs einschließlich aller nötigen Bestandteile (konkrete und abstrakte Syntax, statische und dynamische Semantik) eingeführt. Anschließend erfolgt eine allgemeine Diskussion der Konzepte von Transformationsprachen sowie eine Einführung in einige ausgewählte Transformationssprachen. Die Einbettung von MDSD in den Software-Entwicklungsprozess bietet die nötigen Grundlagen für deren praktische Verwendung. Die verbleibenden Vorlesungen beschäftigen sich mit weiterführenden Fragestellungen, wie der Modellversionierung, Modellkopplung, MDSD-Standards, Teamarbeit auf Basis von Modellen, Testen von modellgetrieben erstellter Software, sowie der Wartung und Weiterentwicklung von Modellen, Meta-Modellen und Transformationen. Abschließend werden modellgetriebene Verfahren zur Analyse von Software-Architekturmodellen als weiterführende Einheit behandelt. Die Vorlesung vertieft Konzepte aus existierenden Veranstaltungen wie Software-Technik oder Übersetzerbau bzw. überträgt und erweitert diese auf modellgetriebene Ansätze. Weiterhin werden in Transformationsprachen formale Techniken angewendet, wie Graphgrammatiken, logische Kalküle oder Relationenalgebren.

Arbeitsaufwand
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h

Modul: Moderne Experimentalphysik II, Moleküle und Festkörper [M-PHYS-101705]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-105133 Moderne Experimentalphysik II, Moleküle und Festkörper 9 Studiendekan Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlangt Verständnis der experimentellen Grundlagen und deren mathematischer Beschreibung auf den Gebieten der Molekülphysik und der Festkörperphysik und kann einfache physikalische Probleme aus diesen Gebieten selbständig bearbeiten.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen (150)

Literatur

Lehrbücher der Molekülphysik und der Festkörperphysik

Modul: Moderne Theoretische Physik für Lehramt [M-PHYS-101664]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Pflichtbestandteil)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-103203 Moderne Theoretische Physik für Lehramt - Vorleistung 0 Eder
T-PHYS-103204 Moderne Theoretische Physik für Lehramt 9 Eder
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen der Grundlagen der Theorie elektrischer und magnetischer Felder und der elektrischen und magnetischen Eigenschaften der Materie. Grundlagen der Quantenmechanik mit einfachen Anwendungen.

Inhalt

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (150)

Empfehlungen

Lehramt Physik: Module Klassische Theoretische Physik I und II.
Bei anderen Studiengängen entsprechende Module mit dem Inhalt klassischer Physik.

Modul: Moderne Theoretische Physik II, Quantenmechanik II [M-PHYS-101708]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-106095 Moderne Theoretische Physik II, Quantenmechanik 2 6 Studiendekan Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlernt die grundlegenden Konzepte der Quantenmechanik für Mehrteilchensysteme und der relativistischen Quantenmechanik, sowie die Grundlagen der Quantenfeldtheorie.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (75), Nachbereitung der Vorlesung und Vorbereitung der Übungen (105)

Literatur

Lehrbücher der Quantenmechanik

Modul: Moderne Theoretische Physik III, Statistische Physik [M-PHYS-101709]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-106096 Moderne Theoretische Physik III, Statistische Physik 8 Studiendekan Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlernt die grundlegenden Konzepte der Quantenstatistik und statistischen Thermodynamik.

Inhalt

Teil a:

Teil b:

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen (150)

Literatur

Lehrbücher der Quantenmechanik und zur statistischen Physik

Modul: Modul Masterarbeit [M-INFO-101892]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Masterarbeit
Leistungspunkte
30
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103589 Masterarbeit 30 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. In den folgenden Bereichen müssen in Summe mindestens 15 Leistungspunkte erbracht worden sein:
      • Vertiefungsfach 1
    2. In den folgenden Bereichen müssen in Summe mindestens 15 Leistungspunkte erbracht worden sein:
      • Vertiefungsfach 2
  2. In den folgenden Bereichen müssen in Summe mindestens 60 Leistungspunkte erbracht worden sein:
    • Ergänzungsfach
    • Überfachliche Qualifikationen
    • Vertiefungsfach 1
    • Vertiefungsfach 2
    • Wahlbereich Informatik
Qualifikationsziele

Inhalt

Modul: Motion in Human and Machine - Seminar [M-INFO-102555]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105140 Motion in Human and Machine - Seminar 3 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teillseistung

Qualifikationsziele

Der/Die Studierende kennt Verfahren zur Modellierung menschlicher Bewegung, sowie Möglichkeiten zu ihrer maschinellen Verarbeitung und Analyse. Er/Sie kennt Methoden zum Lernen von Bewegungsprimitiven und Abbildung menschlicher Bewegungen auf Roboter, die eine unterschiedliche Kinematik und Dynamik haben und kann diese kontextbezogen anwenden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Dieses interdisziplinäre Blockseminar beschäftigt sich mit Methoden der Modellierung, Generierung und Kontrolle von Bewegungen beim Menschen und in humanoiden Robotern. Studenten bekommen einen Einblick in dieses interdisziplinäre Feld und lernen Grundlagen zur Erfassung biologischer Bewegung, zur biomechanischen Simulation, zur Robotik, und zum maschinellen Lernen. Einleitend wird die Entstehung der Bewegung des Menschen ausgehend von der Kontraktion der Muskeln besprochen. Es wird gezeigt wie basierend auf der Beobachtung menschlicher Bewegungen verschiedene Bewegungsmuster identifiziert und kategorisiert werden können. Darauf aufbauend wird besprochen wie diese Bewegungsmuster technisch nachgebildet werden können. Zum Abschluss werden Methoden zum Lernen von Bewegungsprimitiven aus menschlichen Bewegungen vorgestellt und ihre Anwendung für die Bewegungsgenerierung bei humanoiden Robotern erläutert.

Anmerkungen

Das Blockpraktikum ist eine interdisziplinäre Veranstaltung in Kooperation mit der Universität Stuttgart und der Universität Heidelberg.

Arbeitsaufwand

Seminar mit 3 SWS, 3 LP.
3 LP entspricht ca. 90 Stunden, davon
ca. 30 Std. Präsenz-Pflichtveranstaltungen
ca. 15 Std. Gruppenarbeit
ca. 20 Std. Literaturrecherche
ca. 20 Std. Ausarbeitung
ca. 5 Std. Erstellung Video

Empfehlungen

Programmierkenntnisse in C++, Python oder Matlab werden empfohlen.
Der Besuch der Vorlesungen Robotik I – Einführung in die Robotik, Robotik II: Humanoide Robotik, Robotik III - Sensoren und Perzeption in der Robotik, Mechano-Informatik in der Robotik sowie Anziehbare Robotertechnologien wird empfohlen.

Modul: Mustererkennung [M-INFO-100825]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-101362 Mustererkennung 6 Beyerer, Zander
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Merkmale:

Klassifikatoren:

Allgemeine Prinzipien:

Arbeitsaufwand

Gesamt: ca. 180h, davon

Präsenzzeit Vorlesung 31h
Vor-Nachbereitung 40h
Präsenzzeit Übung 10h
Vorbereitung, Lösung der Übungsaufgaben, Nachbereitung 40h
Klausurvorbereitung und Präsenz 59h

Empfehlungen

Siehe Teilleistung.

Modul: Nachrichtentechnik II / Communications Engineering II [M-ETIT-105274]

Verantwortung:
Dr.-Ing. Holger Jäkel
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV zwischen 01.04.2020 und 30.03.2025)
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-ETIT-110697 Nachrichtentechnik II / Communications Engineering II 4 Jäkel, Schmalen
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Competence Certificate

The assessment will be carried out in the form of a written exam of 120 minutes

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden sind in der Lage, auch komplexere Problemstellungen der Nachrichtentechnik zu analysieren. Sie können selbstständig Lösungsansätze erarbeiten und deren Gültigkeit überprüfen sowie Software zur Problemlösung einsetzen. Die Übertragung der erlernten Methoden ermöglicht den Studierenden, auch andere Themenstellungen schnell zu erfassen und mit dem angeeigneten Methodenwissen zu bearbeiten.

Competence Goal

The students are able to analyze even more complex problems in communications engineering. You can independently develop and validate solutions and use problem-solving software. The transfer of the learned methods enables the students to quickly grasp other topics and to work on them with the appropriate methodological knowledge.

Inhalt

Die Lehrveranstaltung erweitert die in der Vorlesung Nachrichtentechnik I behandelten Fragestellungen. Der Fokus liegt hierbei auf der detaillierten Analyse bekannter Algorithmen und der Einführung neuer Verfahren, die nicht in der Vorlesung Nachrichtentechnik I besprochen wurden, insbesondere aus den Bereichen System- und Kanal-Modellierung, Entzerrung und Synchronisation.

Content

The course broadens the questions dealt with in the lecture Communication Engineering I. The focus here is on the detailed analysis of known algorithms and the introduction of new methods that were not discussed in the lecture Communications Engineering I, especially in the areas of system and channel modeling, equalization and synchronization

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Module grade calculation

The module grade is the grade of the written exam

Anmerkungen

Bitte beachten Sie: Die deutschsprachige Lehrveranstaltung "Nachrichtentechnik II" findet jedes Sommersemester statt und die englische Version "Communications Engineering II" findet jedes Wintersemester statt.

Das Modul wird zukünfitg in eine englischsprachige Master- (ab WiSe25/26: Advanced Communications Engineering) und eine deutschsprachige Bachelorveranstaltung (ab SoSe25: Nachrichtensysteme II) geteilt werden. Beide werden je 6 LP umfassen.

Das alte Prüfungsformat kann letztmalig im Erstversuch im WiSe 24/25 abgelegt werden. Die letzten Zweitversuche im SoSe 25.

Annotations

Please note: The course "Nachrichtentechnik II" (in German) takes place every summer semester and the English version "Communications Engineering II" takes place every winter semester.

In the future, the module will be divided into an English Master's course (from winter term 25/26: Avanced Communications Engineering) and a German Bachelor's course (from summer term 2025: Nachrichtensysteme II). Both will comprise 6 CP each.

The old examination format can be taken for the last time in the first attempt in winter term 24/25. The last second attempts in SoSe 25.

Arbeitsaufwand

1. Präsenzzeit Vorlesung: 15 * 2 h = 30 h
2. Vor-/Nachbereitung Vorlesung: 15 * 4 h = 60 h
3. Präsenzzeit Übung: 15 * 1 h = 15 h
4. Vor-/Nachbereitung Übung: 15 * 2 h = 30 h
5. Klausurvorbereitung und Präsenz in selbiger: in Vor-/Nachbereitung verrechnet
Insgesamt: 135 h = 4 LP

Workload

1. Attendance Lecture: 15 * 2 h = 30 h
2. Preparation / Postprocessing Lecture: 15 * 4 h = 60 h
3. Presence Exercise: 15 * 1 h = 15 h
4. Preparation / follow-up Exercise: 15 * 2 h = 30 h
5. Exam preparation and presence in the same: charged in preparation / follow-up
Total: 135 h = 4 LP

Empfehlungen

Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.

Vorheriger Besuch der Vorlesung "Nachrichtentechnik I“, "Wahrscheinlichkeitstheorie“ sowie "Signale und Systeme“ wird empfohlen.

Modul: Nano- and Quantum Electronics [M-ETIT-105604]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111232 Nano- and Quantum Electronics 6 Kempf
Erfolgskontrolle(n)

The assessment of success takes place in the form of a written examination lasting 120min. The grade corresponds to the result of the written examination.

Voraussetzungen

none

Qualifikationsziele

Students will understand the physical limits of CMOS scaling and will be able to analyze the function of conventional nanoelectronic devices. Students will also understand the operation of novel nanoelectronic and quantum electronic devices and will be able to design this kind of devices that are based on quantum mechanical effects. They develop the ability to design nanoelectronic sensors and devices and can understand and analyze the fabrication methods for nano- and quantum electronic devices.

Inhalt

Nanoelectronics deals with integrated circuits whose typical length scale is well below 100nm. In this regime, physical effects, in particular of quantum mechanical origin, occur and strongly influence the scaling of classical microelectronic devices. This ultimately leads to a new form of electronic components as well as novel operation principles. A special form of nanoelectronics is quantum electronics in which quantum mechanical effects are exploited on purpose to build an entirely new class of devices whose performance reaches far beyond any other microelectronics devices. Well-known examples are superconducting digital electronics which enables to build, for example, microprocessors with clock rates exceeding several 100GHz, or the quantum computer, which will lead to a change of paradigms in the field of information processing.

 

Within this context, the module "Nano- and quantum electronics" intends to give students an overview of the theoretical and practical aspects of nano- and quantum electronics. In particular, it discusses the following topics:

 

The tutorial is closely linked to the lecture and deals with special aspects concerning the development of nano- and quantum electronics. In particular, the development and system integration of such devices for various applications is discussed by means of exercises.

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Arbeitsaufwand

A workload of approx. 175h is required for the successful completion of the module. This is composed as follows:

Empfehlungen

Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.

Modul: Netze und Punktwolken [M-INFO-100812]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101349 Netze und Punktwolken 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course will have a basic understanding about discrete surface representations and are able to handle basic geometry processing problems for shape design.

Inhalt

Thanks to various imaging techniques, discrete, i.e. piecewise constant or linear, representations of surfaces and solids are commonly used to represent surfaces and solids alongside established representations of higher degree and smoothness.

In this course, methods are presented (1) to represent surfaces by point clouds, octrees, hierarchical sphere clouds, triangle fans, Delaunay meshes, and meshes of planar quadrilaterals, (2) methods to obtain triangle meshes from point clouds and distance functions, (3) to simplify or compress meshes, (4) to smooth meshes and remove noise, (5) to segment meshes according to different criteria, (6) to subdivide and refine meshes, (7) to complete shape by neuronal nets, (8) to animate and deform meshes, and others.

Arbeitsaufwand

90h of which about

30h for attending the lecture

30h for post-processing

30h for exam preparation

Modul: Netzsicherheit: Architekturen und Protokolle [M-INFO-100782]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101319 Netzsicherheit: Architekturen und Protokolle 4 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende

Insbesondere kennen Studierende typische Angriffstechniken wie Abhören, Zwischenschalten oder Wiedereinspielen und können diese anhand von Beispielen erläutern. Zudem beherrschen Studierende kryptographische Primitiven wie symmetrische und asymmetrische Verschlüsselung, digitale Signaturen, Message Authentication Codes und können diese insbesondere für den Entwurf sicherer Kommunikationsdienste anwenden.

Studierende kennen den verteilten Authentifizierungsdienst Kerberos und können den Protokollablauf in eigenen Worten erläutern und grundlegende Konzepte (z.B. Tickets) benennen. Zudem beherrschen Studierende relevante Kommunikationsprotokolle zum Schutz der Kommunikation im Internet (u.a. IPsec, TLS) und können diese erklären sowie deren Sicherheitseigenschaften analysieren und bewerten.

Studierende kennen unterschiedliche Verfahren zum Netzzugangsschutz und können verbreitete Authentifizierungsverfahren (z.B. CHAP, PAP, EAP) erläutern und miteinander vergleichen. Des Weiteren beherrschen Studierende Verfahren zum Schutz drahtloser Zugangsnetze und können u.a. Verfahren wie WEP, WPA und WPA2 analysieren und bewerten.

Studierende beherrschen unterschiedliche Vertrauensmodelle und können grundlegende technische Konzepte (z.B. digitale Zertifikate, PKI) in eigenen Worten erklären und anwenden. Zudem entwickeln die Studierenden ein Verständnis für Datenschutzaspekte in Kommunikationsnetzen und können technische Verfahren zum Schutz der Privatsphäre erläutern und anwenden.

Inhalt

Die Vorlesung „Netzsicherheit: Architekturen und Protokolle“ betrachtet Herausforderungen und Techniken im Design sicherer Kommunikationsprotokolle sowie Themen des Datenschutzes und der Privatsphäre. Komplexe Systeme wie Kerberos werden detailliert betrachtet und ihre Entwurfsentscheidungen in Bezug auf Sicherheitsaspekte herausgestellt. Spezieller Fokus wird auf PKI-Grundlagen, -Infrastrukturen sowie spezifische PKI-Formate gelegt. Weitere Schwerpunkte stellen die verbreiteten Sicherheitsprotokolle IPSec und TLS/SSL sowie Protokolle zum Infrastrukturschutz dar.

Arbeitsaufwand
Vorlesung mit 2 SWS plus Nachbereitung/Prüfungsvorbereitung, 4 LP.

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 30 Std. Vorlesungsbesuch

ca. 60 Std. Vor-/Nachbereitung

ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Next Generation Internet [M-INFO-100784]

Verantwortung:
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101321 Next Generation Internet 4 Bless, Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende

Insbesondere kennen Studierende wichtige Architekturkonzepte und Entwurfsprinzipien, die im Internet Anwendung finden und können diese anhand von Beispielen erläutern bzw. selbst beim Systementwurf anwenden. Außerdem kennen Studierende den Begriff der Dienstgüte sowie wichtige Dienstgüteparameter, beherrschen grundlegende Mechanismen zur Unterstützung von Dienstgüte (z.B. Klassifizierer, Verkehrsformer, Warteschlangen- und Bedienstrategien, Signalisierungsprotokolle zur Ressourcenreservierung), können diese analysieren und bewerten und können sie für den Entwurf von Kommunikationssystemen anwenden.

Studierende kennen Konzepte und Standards zur Bereitstellung Gruppenkommunikation im Internet und können Protokollabläufe in eigenen Worten erläutern und grundlegende Konzepte benennen. Zudem beherrschen Studierende das neue Internetprotokoll Version 6 (IPv6), können es praktisch anwenden und können dessen Funktionsweise bzw. Unterschiede zur alten Version 4 erklären.

Studierende kennen die Eigenschaften von Peer-to-Peer-Systemen können diese erläutern und verschiedene Organisationsformen miteinander vergleichen. Des Weiteren beherrschen Studierende Verfahren zum Routing in solch dezentral organisierten Peer-to-Peer-Systemen und können dessen Funktionsweise in eigenen Worten detailliert erklären und anwenden. Überdies entwickeln die Studierenden ein Verständnis für die Funktionsweise neuerer Ansätze zur Erhöhung der Flexibilität von Kommunikationsnetzen (z.B. Netzvirtualisierung, Software-Defined Networking), können technische Verfahren zur Umsetzung analysieren, erläutern und anwenden.

Inhalt

Im Mittelpunkt der Vorlesung stehen aktuelle Entwicklungen im Bereich der Internet-basierten Netztechnologien. Zunächst werden architekturelle Prinzipien des heutigen Internets vorgestellt und diskutiert, sowie anschließend motiviert, welche Herausforderungen heute und zukünftig existieren. Methoden zur Unterstützung von Dienstgüte, die Signalisierung von Anforderungen der Dienstgüte sowie IPv6 und Gruppenkommunikationsunterstützung werden besprochen. Der Einsatz der vorgestellten Technologien in IP-basierten Netzen wird diskutiert. Fortgeschrittene Ansätze wie aktive bzw. programmierbare Netze sind ebenso Gegenstand dieser Vorlesung wie neuere Entwicklungen im Bereich der Peer-to-Peer-Netzwerke.

Arbeitsaufwand
Vorlesung mit 2 SWS plus Nachbereitung/Prüfungsvorbereitung, 4 LP.

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 30 Std. Vorlesungsbesuch

ca. 60 Std. Vor-/Nachbereitung

ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Nichtlineare Regelungssysteme [M-ETIT-100371]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100980 Nichtlineare Regelungssysteme 3 Kluwe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten über die Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden kennen die Definition, Beschreibung und typische Strukturen von Nichtlinearen Systemen und wichtige Eigenschaften in Abgrenzung zur linearen Systemtheorie.

- Sie sind mit dem Stabilitätsbegriff nach Lyapunov bei nichtlinearen Systemen vertraut und sind in der Lage, die Systemtrajektorien nichtlinearer Regelkreise in der Phasenebene zu bestimmen und auf deren Basis die Ruhelagenstabilität zu analysieren und z.B. durch Strukturumschaltende Regelung zu verbessern.

- Die Studierenden kennen die Direkte Methode und die damit verbundenen Kriterien für Stabilität und Instabilität und sind in der Lage, damit die Ruhelagen nichtlinearer Systeme zu untersuchen.

- Als ingenieursmäßige Vorgehensweise können Sie die Ruhelagenanalyse auch mittels der Methode der ersten Näherung durchführen.

- Die Studierenden kennen die systematische Vorgehensweise zum Entwurf nichtlinearer Regelungen durch Kompensation und anschließende Aufprägung eines gewünschten linearen Verhaltens.

- Als darauf basierende Syntheseverfahren beherrschen sie die Ein-/Ausgangs- sowie die exakte Zustands-Linearisierung nichtlinearer Ein- und Mehrgrößensysteme (ggf. mit Entkopplung).

- Als weitere Analyseverfahren sind den Studierenden das Verfahren der Harmonischen Balance zum Auffinden und Analysieren von Dauerschwingungen sowie das Verfahren von Popov zur Prüfung auf absolute Stabilität bekannt.

Inhalt

Das Modul stellt eine weiterführende Vorlesung auf dem Gebiet der nichtlinearen Systemdynamik und Regelungstechnik dar, bei der die Studierenden einen Einblick in die Behandlung nichtlinearer Regelungssysteme bekommen sollen. Dabei werden zunächst unterschiedliche Vorgehensweisen zur Stabilitätsanalyse der Systemruhelagen vermittelt wie z.B. die Trajektorienauswertung in der Phasenebene oder die Direkte Methode von Lyapunov. Weiterhin werden unterschiedliche Methoden zur nichtlinearen Reglersynthese wie z.B. Strukturumschaltung oder Ein-/Ausgangs-Linearisierung behandelt. Außerdem werden spezielle Verfahren zur Analyse Kennlinienbehafteter Regelkreise wie z.B. die Harmonische Balance oder das Popov-Kriterium behandelt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

1. Präsenzzeit in Vorlesung (2 SWS: 30h1 LP)

2. Vor-/Nachbereitung Vorlesung (45h1.5 LP)

3. Vorbereitung/Präsenzzeit schriftliche Prüfung (15h0.5 LP)

Empfehlungen

Die Kenntnis der Inhalte des Moduls M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) ist sehr zu empfehlen, da die dort im Linearen behandelten Grundlagen insbesondere für die Synthese hilfreich sind.

Modul: Nichtparametrische Statistik [M-MATH-102910]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105873 Nichtparametrische Statistik 5 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls 'Wahrscheinlichkeitstheorie' werden dringend empfohlen. Das Modul 'Mathematische Statistik' wird empfohlen.

Modul: Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern [M-MATH-103709]

Verantwortung:
Prof. Dr. Hartwig Anzt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-107497 Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern 5 Anzt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Übungsblättern, eines Projektvortrags von mindestens 30 Minuten Dauer und Evaluation der schriftlichen Ausarbeitung.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen kennen die grundlegenden Konzepte wie numerische lineare Algebra auf parallelen Computerarchitekturen realisiert wird. Sie können numerische Verfahren parallelisieren und auf modernen Multi-und Manycoresystemen implementieren. Absolventinnen und Absolventen sind in der Lage

Inhalt

Zusammensetzung der Modulnote

Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:
Insgesamt können 200 Punkte erreicht werden, davon

Für das Bestehen der Erfolgskontrolle müssen mindestens 140 Punkte erreicht werden.

Anmerkungen

Unterrichtssprache: Englisch

Arbeitsaufwand

Gesamter Arbeitsaufwand: 150 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 90 Stunden

Empfehlungen

Kenntnisse in einer höheren Programmiersprache (C/C++, Java, Fortran).
Gute Kenntnisse in Numerik und Lineare Algebra.

Modul: Öffentliches Wirtschaftsrecht [M-INFO-101217]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
8
Öffentliches Wirtschaftsrecht (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-101309 Telekommunikationsrecht 3
T-INFO-101312 Europäisches und Internationales Recht 3 Brühann
T-INFO-111404 Seminar: IT-Sicherheitsrecht 3 Schallbruch
T-INFO-113381 Public International Law 3
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul umfasst eine Reihe von Spezialmaterien des Verwaltungsrechts, die für die technische und inhaltliche Beurteilung der Steuerung des Umgangs mit Informationen von wesentlicher Bedeutung sind. Im Telekommunikationsrecht sollen nach einer Einführung in die ökonomischen Grundlagen, insb. Netzwerktheorien, die rechtliche Umsetzung der Regulierung erarbeitet werden. Die Vorlesung Europäisches und Internationales Recht stellt die Grundlagen einer Reihe von Regulierungen (u.a.  Telekommunikationsrecht) über den nationalen Bereich hinaus dar. Das Datenschutzrecht schließlich als eine Kernmaterie des Informationswirtschaftsrechts / Wirtschaftsinformatikrecht behandelt aus rechtlicher Sicht die Beurteilung von Sachverhalten rund um den Personenbezug von Informationen. In allen Vorlesungen wird Wert auf aktuelle Probleme sowie auf grundlegendes Verständnis gelegt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Siehe Teilleistung.

Modul: Ökonomische Theorie und ihre Anwendung in Finance [M-WIWI-101502]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
6
Wahlpflichtangebot (Wahl: 1 Bestandteil)
T-WIWI-102609 Advanced Topics in Economic Theory 4,5 Mitusch
T-WIWI-102861 Advanced Game Theory 4,5 Ehrhart, Puppe, Reiß
Ergänzungsangebot (Wahl: )
T-WIWI-113469 Advanced Corporate Finance 4,5 Ruckes
T-WIWI-102647 Asset Pricing 4,5 Ruckes, Uhrig-Homburg
T-WIWI-109050 Corporate Risk Management 4,5 Ruckes
T-WIWI-102623 Finanzintermediation 4,5 Ruckes
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Prüfungen werden in jedem Semester angeboten und können zu jedem ordentlichen Prüfungstermin wiederholt werden. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Eine der beiden Teilleistungen T-WIWI-102861 "Advanced Game Theory" und T-WIWI-102609 "Advanced Topics in Economic Theory" ist Pflicht im Modul. Das Modul kann entweder im Pflichtbereich Volkswirtschaftslehre oder im Wahlpflichtbereich angerechnet werden.

Qualifikationsziele

Die Studierenden

Inhalt

In der Pflichtveranstaltung "Advanced Topics in Economic Theory" werden in zwei gleichen Teilen die methodischen Grundlagen der Allgemeinen Gleichgewichtstheorie (Allokationstheorie) und der Vertragstheorie behandelt. In der Veranstaltung "Asset Pricing" werden die Techniken der Allgemeinen Gleichgewichtstheorie auf Fragen der Preisbildung für Finanztitel angewandt. In den Veranstaltungen "Corporate Financial Policy" und "Finanzintermediation" werden die Techniken der Vertragstheorie auf Fragen der Unternehmensfinanzierung und auf Institutionen des Finanzsektors angewandt.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Operations Research im Supply Chain Management [M-WIWI-102832]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Wahlinformationen

Falls dieses Modul als OR-Pflichtmodul eingebracht wird, ist mindestens eine der Veranstaltungen Operations Research im Supply Chain Management, Graph Theory and Advanced Location Models, und Modellieren und OR-Software: Fortgeschrittene Themen verpflichtend. Diese Pflichtregelung gilt nicht, wenn das Modul in den Wahlpflichtbereich eingebracht wird.

In den Studiengängen Informationswirtschaft/Wirtschaftsinformatik M.Sc. können zwei beliebige Teilleistungen im Modul gewählt werden.

Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-102723 Graph Theory and Advanced Location Models 4,5 Nickel
T-WIWI-106200 Modellieren und OR-Software: Fortgeschrittene Themen 4,5 Nickel
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-MACH-112213 Angewandte Materialflusssimulation 4,5 Baumann
T-WIWI-106546 Einführung in die Stochastische Optimierung 4,5 Rebennack
T-WIWI-102718 Ereignisdiskrete Simulation in Produktion und Logistik 4,5 Spieckermann
T-WIWI-102719 Gemischt-ganzzahlige Optimierung I 4,5 Stein
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II 4,5 Stein
T-WIWI-106549 Large-scale Optimierung 4,5 Rebennack
T-WIWI-111587 Multikriterielle Optimierung 4,5 Stein
T-WIWI-112109 Topics in Stochastic Optimization 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen(nach § 4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderungen an Leistungspunkten erfüllt ist.

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung beschrieben.

Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/ die Studierende

Inhalt

Supply Chain Management befasst sich mit der Planung und Optimierung des gesamten, unternehmensübergreifenden Beschaffungs-, Herstellungs- und Distributionsprozesses mehrerer Produkte zwischen allen beteiligten Geschäftspartnern (Lieferanten, Logistikdienstleistern, Händlern). Ziel ist, unter Berücksichtigung verschiedenster Rahmenbedingungen die Befriedigung der (Kunden-) Bedarfe, so dass die Gesamtkosten minimiert werden.

Dieses Modul befasst sich mit mehreren Teilgebieten des SCM. Zum einen mit der Bestimmung optimaler Standorte innerhalb von Supply Chains. Diese strategischen Entscheidungen über die die Platzierung von Anlagen wie Produktionsstätten, Vertriebszentren und Lager u.ä., sind von großer Bedeutung für die Rentabilität von Supply-Chains. Sorgfältig durchgeführte Standortplanungen erlauben einen effizienteren Materialfluss und führen zu verringerten Kosten und besserem Kundenservice. Ein weiterer Schwerpunkt bildet die Planung des Materialtransports im Rahmen des Supply Chain Managements.Durch eine Aneinanderreihung von Transportverbindungen und Zwischenstationen wird die Lieferstelle (Produzent) mit der Empfangsstelle (Kunde) verbunden. Es wird betrachtet, wie für vorgegebene Warenströme oder Sendungen aus den möglichen Logistikketten die optimale Liefer- und Transportkette auszuwählen ist, die bei Einhaltung der geforderten Lieferzeiten und Randbedingungen zu den geringsten Kosten führt. Darüber hinaus bietet das Modul die Möglichkeit verschiedene Aspekte der taktischen und operativen Planungsebene im Supply Chain Management kennenzulernen. Hierzu gehören v.a. Methoden des Schedulings sowie verschiedene Vorgehensweisen in der Beschaffungs- und Distributionslogistik. Fragestellungen der Warenhaltung und des Lagerhaltungsmanagements werden ebenfalls angesprochen.

Anmerkungen

Einige Veranstaltungen werden unregelmäßig angeboten.

Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research vermittelt werden, werden vorausgesetzt.

Modul: Optical Engineering [M-ETIT-100456]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100676 Optical Engineering 4 Stork
Erfolgskontrolle(n)

Achievement will be examined in an oral examination (approx. 20 minutes).

Voraussetzungen

none

Qualifikationsziele

The students from different backgrounds refresh and elaborate their knowledge of engineering optics and photonics. They will get to know the basic principles of optical designs. They will connect these principles with real-world applications and learn about their problems and how to solve them. The students will know about the human view ability and the eye system. After the module they will be able to judge the basic qualities of an optical system by its quantitative data.

After the course, students will:

Inhalt

The course "Optical Engineering" teaches the practical aspects of designing optical components and instruments such as lenses, microscopes, optical sensors and measurement systems, and optical disc systems (e.g. CD, DVD, HVD). The course explains the layout of modern optical systems and gives an overview over available technology, materials, costs, design methods, as well as optical design software. The lectures will be given in the form of presentations and accompanied by individual and group exercises. The topics of the lectures include:

I. Introduction (Optical Phenomena)

II. Ray Optics (thin/thick lenses, principal planes, ABCD-matrices, chief rays, examples: Eye, IOL)

III. Popular Applications (Magnifying glass, microscope, telescope, Time-of-flight)

IV. Wave Optics (Interference, Diffraction, Spectrometers, LDV)

V. Aberrations I (Coma, defocus, astigmatism, spherical aberration)

VI. Fourier Optics (Periodical patterns, FFT spectrum, airy-patterns)

VII. Aberration II (Seidel and Zernike Aberrations, MTF, PSF, Example: Eye)

VIII. Fourier Optics II (Kirchhoff + Fresnel, contrast, example: Hubble-telescope)

IX. Diffractive Optics Applications (Gratings, holography, IOL, CD/DVD/Blu-Ray-Player)

X. Interference (Coherence, OCT)

XI. Filters and Mirrors (Filters, antireflection, polarization, micro mirrors, DLPs)

XII. Laser and Laser Safety (Laser principle, laser types, laser safety aspects)

XIII. Displays (Pico projectors, LCD, LED, OLED, properties of displays)

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand

total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and selfstudies

Empfehlungen

Solid mathematical background.

Literatur

E. Hecht: Optics

J.W. Goodmann: Introduction to Fourier optics

K.K. Sharma: Optics - Principles and Applications

Modul: Optimale Regelung und Schätzung [M-ETIT-102310]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-104594 Optimale Regelung und Schätzung 3 Hohmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten) über die ausgewählte Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden beherrschen den Entwurf von LQ-Reglern (z.B. des Riccati-Reglers) sowohl für Führungsverhalten als auch zur optimalen Störgrößenunterdrückung und für optimales Folgeverhalten und kennen deren Stabilitätseigenschaften.

- Sie kennen zudem das Vorgehen für die optimale Synthese bei beschränkten Stellgrößen wie z.B. bei zeitoptimalen Regelungen.

- Die Studierenden sind zum anderen in der Lage, das quantitative Verhalten von MIMO-Regelkreisen im Frequenzbereich mit Hilfe von H8- Normen mittels Singulärwerten zu beschreiben und zu beurteilen.

- Sie können auf der Basis von verallgemeinerten Regelkreisdarstellungen robuste Frequenzbereichsregler entwerfen und sind alternativ in der Lage, im Zeitbereich robuste Ausgangsrückführungen zur Polbereichsvorgabe auszulegen.

- Die Studierenden sind vertraut mit dem allgemeinen Schätzproblem und kennen die erforderlichen stochastischen Grundlagen zur Beschreibung der gesuchten Minimal-Varianz-Schätzwerte.

- Sie sind in der Lage, für lineare Signalprozessmodelle die exakten Lösungen des Schätzproblems in Gestalt des Kalman-Filters (für den zeitdiskreten Fall) und des Kalman-Bucy-Filters (für den zeitkontinuierlichen Fall) herzuleiten und können die Eigenschaften und die Struktur der entworfenen Filter charakterisieren.

- Weiterhin sind die Studierenden in der Lage, optimale approximative Filter für nichtlineare Signalprozessmodelle zu entwerfen, z.B das Extended Kalman-Filter oder das Unscented Sigma-Punkt-Kalman-Filter, deren jeweilige Eigenschaften sowie Vor- und Nachteile sie kennen und in Bezug setzen können.

Inhalt

Die Vorlesung knüpft an die Lehrveranstaltungen „Optimization of Dynamic Systems“ und „Regelung linearer Mehrgrößensysteme“ an und vermittelt den Studierenden auf der Grundlage der dort erlernten Inhalte weiterführende Methoden auf dem Gebiet der optimalen Regelung und Schätzung. Im ersten Modulabschnitt werden die Studierenden mit den in der Regelungstechnik verbreiteten LQ-Regelungen vertraut gemacht, unter anderem Riccati-Regler und zeitoptimale Regler. Im zweiten Teil des Moduls erlernen die Studierenden einige für die Praxis sehr wichtige robuste Regelungsansätze. So wird einerseits ein Überblick über die Formulierung von Regelkreiseigenschaften mittelsH8- Normen und die darauf aufbauenden robusten Regelungsentwürfe im Frequenzbereich gegeben, zum anderen wird den Studierenden im Zustandsraum die Polbereichsvorgabe zur Synthese robuster Regelungen vorgestellt. Im dritten Teil des Moduls wird dann die Lösung des allgemeinen Schätzproblems vermittelt. Dazu werden Kalman- bzw. Kalman-Bucy-Filter zur optimalen Zustandsschätzung für zeitdiskrete bzw. zeitkontinuierliche Signalprozessmodelle hergeleitet und deren Struktur und Eigenschaften behandelt. Als Ausblick wird auf Filterkonzepte für nichtlineare Systeme eingegangen.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

1. Präsenzzeit in Vorlesung (2 SWS: 30h1 LP)

2. Vor-/Nachbereitung Vorlesung (52.5h1.75 LP)

3. Vorbereitung/Präsenz mündliche Prüfung (7.5h0.25 LP)

Empfehlungen

Kenntnisse über die Inhalte der Module M-ETIT-100531 (Optimization of Dynamic Systems) sowie M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) sind dringend zu empfehlen, da das Modul auf deren Ergebnissen aufbaut.

Modul: Optimierung und Synthese Eingebetteter Systeme (ES1) [M-INFO-100830]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101367 Optimierung und Synthese Eingebetteter Systeme (ES1) 3 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der Studierende kann Eingebettete Systeme entwickeln. Er kann eigene Hardware spezifizieren, synthetisieren und optimieren. Er erlernt die Hardwarebeschreibungssprache und kennt die besonderen Randbedingungen des Entwurfs Eingebetteter Systeme.

Inhalt

Die kostengünstige und fehlerfreie Entwicklung Eingebetteter Systeme stellt eine nicht zu unterschätzende Herausforderung dar, welche einen immer stärkeren Einfluss auf die Wertschöpfung des Gesamtsystems nimmt. Besonders in Europa gewinnt der Entwurf Eingebetteter Systeme in vielen Wirtschaftszweigen, wie etwa dem Automobilbereich, eine immer gewichtigere wirtschaftliche Rolle, so dass sich bereits heute schon eine Reihe von namhaften Firmen mit der Entwicklung Eingebetteter Systeme befassen.

Die Vorlesung befasst sich umfassend mit allen Aspekten der Entwicklung Eingebetteter Systeme auf Hardware-, Software- sowie Systemebene. Dazu gehören vielfältige Bereiche wie Modellierung, Optimierung und Synthese der Systeme.

Arbeitsaufwand
90 Std.
Empfehlungen

Siehe Teilleistung

Modul: Optimierungstheorie [M-MATH-103219]

Verantwortung:
Prof. Dr. Roland Griesmaier
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-MATH-106401 Optimierungstheorie - Klausur 9 Arens, Griesmaier, Hettlich, Rieder, Wieners
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen  Prüfung von 120 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden sollen in die Lage versetzt werden, endlichdimensionale Optimierungsaufgaben in Standardformen zu transformieren und zu klassifizieren und diese hinsichtlich Existenz, Eindeutigkeit und Dualität zu analysieren.
Sie sollen in der Lage sein, mit Hilfe des Simplexverfahrens (Phase I und II) lineare Probleme zu lösen und sollen die notwendigen und hinreichenden Optimalitätsbedingungen für konvexe und nichtlineare Probleme nennen und erläutern können.

Inhalt

Konvexe Mengen, lineare Optimierungsaufgaben (Existenz, Dualität, Anwendungen), Simplexverfahren, konvexe Optimierungsaufgaben (Existenz, Eindeutigkeit, Dualität), differenzierbare Optimierungsaufgaben (Lagrangesche Multiplikatorenregel), Anwendungen (z.B. in der Spieltheorie oder Graphentheorie)

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand
Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Lineare Algebra 1+2, Analysis 1+2

Modul: Optimization Methods for Machine Learning and Engineering [M-INFO-105329]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110809 Optimization Methods for Machine Learning and Engineering 5 Beyerer, Pfrommer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage praktische Aufgabenstellungen als Optimierungsprobleme zu formulieren und mit geeigneten algorithmischen Verfahren zu lösen.

Lernziele: Die Studierenden kennen

- Die wichtigsten Kategorien von (konvexen) Optimierungsproblemen und deren mathematische Grundlagen

- Die zugehörigen algorithmischen Lösungsverfahren und deren Laufzeitkomplexität

- Techniken zur Modellierung praktischer Aufgabenstellung als Optimierungsprobleme (Machine Learning, Ingenieurwissenschaften, Finance)

- Verfahren zur Transformation und Approximation von Optimierungsproblemen für den Einsatz ressourceneffizienter Verfahren

Inhalt

Unter dem Begriff Optimierung versteht man Lösungsverfahren zur Identifikation der besten Lösung für eine komplexe Problemstellung. Vielen Aufgabenstellungen, insbesondere aus dem maschinellen Lernen und aus den Ingenieurwissenschaften liegt die Lösung eines Optimierungsproblems zugrunde. In dieser Vorlesung werden die Grundzüge der Optimierungstheorie und die gängigen Lösungsverfahren für konvexe Optimierung anhand vielfältiger Anwendungen aus dem maschinellen Lernen, sowie den Natur- und Ingenieurwissenschaften vorgestellt. Die Studierenden erhalten in den Übungen die Möglichkeit, ihr Wissen auf praktische Aufgabenstellungen anzuwenden.

Arbeitsaufwand

Vorlesung mit 2 SWS + 1 SWS Übung

5 ECTS entspricht ca. 150 Stunden

ca. 30 Std. Vorlesungsbesuch,

ca. 15 Std. Übungsbesuch,

ca. 90 Std. Nachbearbeitung und Bearbeitung der Übungsblätter

ca. 30 Std. Prüfungsvorbereitung

Literatur

Modul: Optoelectronic Components [M-ETIT-100509]

Verantwortung:
Prof. Dr.-Ing. Sebastian Randel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2025)
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-101907 Optoelectronic Components 4 Randel
Erfolgskontrolle(n)

Type of Examination: oral exam

Duration of Examination: approx. 30 minutes

Modality of Exam: Oral examination, usually one examination day per month during the Summer and Winter terms. An extra questions-and-answers session will be held if students wish so.

Voraussetzungen

none

Qualifikationsziele

Comprehending the physical layer of optical communication systems. Developing a basic understanding which enables a designer to read a device´s data sheet, to make most of its properties, and to avoid hitting its limitations.

The students

Inhalt

The course concentrates on the most basic optical communication components. Emphasis is on physical understanding, exploiting results from electromagnetic field theory, (light waveguides), solid-state physics (laser diodes, LED, and photodiodes), and communication theory (receivers, noise). The following components are discussed:

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Anmerkungen

There are no prerequisites, but solution of the problems on the exercise sheet, which can be downloaded as homework each
week, is highly recommended. Also, active participation in the problem classes and studying in learning groups are strongly
advised.

Arbeitsaufwand

total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and self-studies

Empfehlungen

Minimal background required: Calculus, differential equations, Fourier transforms and p-n junction physics.

Literatur

Detailed textbook-style lecture notes as well as the presentation slides can be downloaded from the IPQ lecture pages.

Agrawal, G.P.: Lightwave technology. Hoboken: John Wiley & Sons 2004

Iizuka, K.: Elements of photonics. Vol. I, especially Vol. II. Hoboken: John Wiley & Sons 2002

Further textbooks in German (also in electronic form) can be named on request.

Modul: Parallele Algorithmen [M-INFO-100796]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-101333 Parallele Algorithmen 4 Sanders
T-INFO-111857 Parallele Algorithmen Übung 1 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis algorithmischer Fragestellungen und Lösungsansätze im Bereich der parallelen Algorithmen, das auf dem bestehenden Wissen im Themenbereich Algorithmik aufbaut. Außerdem kann er/sie erlernte Techniken auf verwandte Fragestellungen anwenden und aktuelle Forschungstehmen im Bereich paralleler Algorithmen interpretieren und nachvollziehen.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden

Inhalt

Modelle und ihr Bezug zu realen Maschinen:

Analyse: Speedup, Effizienz, Skalierbarkeit

Grundlegende Techniken:

Konkrete Algorithmen (Beispiele)

Arbeitsaufwand

Vorlesung und Übung mit 3 SWS, 5 LP entsprechen ca. 150 Arbeitsstunden, davon
ca. 30 Std. Besuch der Vorlesung und Übung bzw. Blockseminar
ca. 60 Std. Vor- und Nachbereitung
ca. 30 Std. Bearbeitung der Übungsblätter/Vorbereitung Minisemiar
ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Paralleles Rechnen [M-MATH-101338]

Verantwortung:
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-MATH-102271 Paralleles Rechnen 5 Krause, Wieners
Erfolgskontrolle(n)

Prüfungsvorleistung: bestandenes Praktikum

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen


• beherrschen die Grundlagen des parallelen Rechnens.
• haben einen Überblick zu wissenschaftlichem Rechnen auf parallelen Rechnern
• verfügen über theoretische und praktische Erfahrungen mit parallelen         Programmiermodellen und parallelen Lösungsmethoden
• können einfache praktische Aufgaben eigenständig skalierbar implementieren

Inhalt

• Parallele Programmiermodelle
• Paralleles Lösen linearer Gleichungssysteme
• Parallele Finite Differenzen, Finite Elemente, Finite Volumen
• Methoden der Gebietszerlegung
• Matrix-Matrix und Matrix-Vektor-Operationen
• Konvergenz- und Leistungsanalyse
• Lastverteilung
• Anwendungen aus den Natur- und Ingenieurwissenschaften

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 150 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 90 Stunden

Empfehlungen

Kenntnisse in einer höheren Programmiersprache (C++, Java, Fortran). Grundlagenkenntnisse in der numerischen Behandlung von Differentialgleichungen (Finite Differenzen oder Finite Elemente).

Modul: Parallelrechner und Parallelprogrammierung [M-INFO-100808]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101345 Parallelrechner und Parallelprogrammierung 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende erörtern die Grundbegriffe paralleler Architekturen und die Konzepte ihrer Programmierung. Sie analysieren verschiedene Architekturen von Höchstleistungsrechnern und differenzierenzwischen verschiedene Typen anhand von Beispielen aus der Vergangenheit und Gegenwart .

Studierende analysieren Methoden und Techniken zum Entwurf, Bewertung und Optimierung paralleler Programme, die für den Einsatz in Alltags- oder industriellen Anwendungen geeignet sind und wenden diese an. Studierende können Probleme im Bereich der Parallelprogrammierung beschreiben, analysieren, und beurteilen.

Inhalt

Die Vorlesung gibt eine Einführung in die Welt moderner Parallel- und Höchstleistungsrechner, des Supercomputings bzw. des High-Performance Computings (HPC) und die Programmierung dieser Systeme.

Zunächst werden allgemein und exemplarisch Parallelrechnersysteme vorgestellt und klassifiziert. Im Einzelnen wird auf speichergekoppelte und nachrichtengekoppelte System, Hybride System und Cluster sowie Vektorrechner eingegangen. Aktuelle Beispiele der leistungsfähigsten Supercomputer der Welt werden ebenso wie die Supercomputer am KIT kurz vorgestellt.

Im zweiten Teil wird auf die Programmierung solcher Parallelrechner, die notwendigen Programmierparadigmen und Synchronisationsmechanismen, die Grundlagen paralleler Software sowie den Entwurf paralleler Programme eingegangen. Eine Einführung in die heute üblichen Methoden der parallelen Programmierung mit OpenMP und MPI runden die Veranstaltung ab.

Arbeitsaufwand
120 h / Semester
Empfehlungen

Siehe Teilleistung

Modul: Parametrisierte Algorithmen [M-INFO-105621]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111253 Parametrisierte Algorithmen 6 Bläsius
T-INFO-113717 Parametrisierte Algorithmen - Übung 0 Bläsius
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis der parametrisierten Betrachtungsweise in der Laufzeitanalyse von Algorithmen, sowie der dazugehörigen Techniken für den Algorithmenentwurf, die auf dem bestehenden Wissen in der Theoretischen Informatik und Algorithmik aufbauen. Nach erfolgter Teilnahme an der Lehrveranstaltung können die Studierenden
- grundlegende algorithmische Techniken, sowie Analysetechniken im Bereich der parametrisierten Algorithmik wiedergeben und erklären,
- parametrisierte Algorithmen exemplarisch ausführen, mathematisch präzise analysieren und ihre Eigenschaften beweisen,
- auswählen, welche Algorithmen oder algorithmische Techniken für ein gegebenes parametrisiertes Problem geeignet sind,
- unbekannte Probleme hinsichtlich ihrer parametrisierten Komplexität analysieren.

Inhalt

Sehr viele in der Praxis auftretende Probleme sind NP-schwer und damit im Allgemeinen (vermutlich) nicht in polynomieller Zeit lösbar. Dennoch können diese Probleme häufig effizient gelöst werden, da die Eingaben "gutartig" sind. Eine Möglichkeit diese Gutartigkeit der Instanzen formal zu fassen bietet die Betrachtung der parametrisierten Komplexität. Dabei assoziiert man mit jeder Instanz einen Parameter k, der ein Maß für die Komplexität der Eingabe darstellt. Ziel ist es dann, einen Algorithmus zu finden, dessen Laufzeit nur polynomiell von der Eingabegröße n aber ggf. exponentiell von dem Parameter k abhängt. Im Vergleich zur groben Klassifizierung eines Problems als polynomiell lösbar bzw. NP-schwer bietet die parametrisierte Betrachtungsweise eine deutlich differenziertere Sicht auf schwere Probleme.

Arbeitsaufwand

Vorlesung mit Übung mit 4 SWS, 6 LP
6 LP entspricht ca. 180 Arbeitsstunden, davon
ca. 60 Std. Besuch der Vorlesung und Übung
ca. 30 Std. Vor- und Nachbereitung
ca. 60 Std. Bearbeitung der Übungsblätter
ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sind hilfreich.

Modul: Partizipative Technologiegestaltung [M-INFO-106516]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113134 Partizipative Technologiegestaltung 6 Gerling
T-INFO-113135 Partizipative Technologiegestaltung - Übung 0 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind nach Abschluss der Veranstaltung in der Lage, grundlegende und weiterführende theoretische Konzepte aus der Mensch-Maschine Interaktion und der partizipativen Technologiegestaltung wiederzugeben. Weiterhin sind sie in der Lage, relevante Methoden zur partizipativen Gestaltung und Evaluierung auf vorgegebene Problemstellungen unter Berücksichtigung der Bedürfnisse von Nutzenden sowie ethischer Gesichtspunkte anzuwenden, und aus den Ergebnissen konkrete Gestaltungsempfehlungen abzuleiten. Abschließend sind die Studierenden in der Lage, Zusammenhänge zwischen Partizipation, Gestaltung, Implementierung und Evaluierung von Technologien zu erkennen und kritisch zu reflektieren.

Inhalt

In der Mensch-Maschine Interaktion erlangt die partizipative Entwicklung neuer Technologien – also die direkte und gleichberechtigte Einbindung von Nutzenden in den Entwicklungsprozess – einen immer höheren Stellenwert. Sie findet beispielsweise Anwendung in der Entwicklung von körperzentrierten und tragbaren Systemen, oder trägt zur Gestaltung von Lösungen im Bereich Smart und Assisted Living und Personal Robotics bei. Häufig wird Partizipation durch Interviews, Fokusgruppen und Design-Workshops realisiert; weiterhin werden neue Technologien regelmäßig im Rahmen von Nutzendenstudien evaluiert. Durch die direkte Einbindung der Nutzenden soll erreicht werden, dass resultierende Technologien besser an die Bedürfnisse der Menschen angepasst sind, und ihr Nutzen und Relevanz für Individuum und Gesellschaft dadurch gesteigert werden kann.
Die Vorlesung behandelt aktuelle Forschungsansätze zur partizipativen Gestaltung neuer Technologien, und deckt unter kontinuierlicher Berücksichtigung ethischer Gesichtspunkte insbesondere die folgenden Themenbereiche ab:
• Designansätze, insbesonderes theoriegetriebenes Design, ethische Ansätze wie z.B. Value-Sensitive Design, und zukunftsgerichtete Ansätze wie z.B. Speculative Design und Design Fiction
• Typische Methoden der Partizipation in Design und Entwicklung von Technologien, und Reflexion der verbundenen Herausforderungen und Möglichkeiten
• Partizipative und nutzendenzentrierte Evaluierung von Technologien und Implikationen für Gesellschaft, Forschung, und Entwicklung
In der zugehörigen Übung erarbeiten die Studierende relevante Konzepte aktiv, und reflektieren sie theoretische Aspekte in der Anwendung im Kontext praktischer Beispiele. Zudem erfolgt im Rahmen der Übung Auseinandersetzung mit aktuellen Publikationen aus der Forschung.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden (6 Credits).

Davon entfallen etwa…

28h auf den Vorlesungsbesuch,
24h auf den Übungsbesuch,
40h auf Vor- und Nachbereitung der Vorlesung,
40h auf Vor- und Nachbereitung der Übung,

48h auf die Prüfungsvorbereitung.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Physics, Technology and Applications of Thin Films [M-ETIT-105608]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-111237 Physics, Technology and Applications of Thin Films 4 Kempf
Erfolgskontrolle(n)

Oral examination of approximately 20 minutes

Voraussetzungen

The modul "M-ETIT-102332 - Thin films: technology, physics and applications" and "Thin Films: Technology, Physics and Applications I" may neither be started nor completed.

Qualifikationsziele

Students should be able to discuss interplay between growth conditions of thin films, physical and geometrical properties of nanostructure made of these films, and performance and suitable areas of application of detectors of radiation based on interaction of these nanostructures with electromagnetic power. The knowledge obtained by students should provide a theoretical basis for the most important steps in development of thin film nanoelectronic devices.

Inhalt

Students will get practically oriented information about technology of thin films including different methods of deposition of thin films like magnetron sputtering, thermal evaporation, pulsed laser ablation, about basics of vacuum technology, and about mechanisms of growth of thin films of different materials at different conditions.

Patterning methods (photo- and e-beam lithography, reactive ion etching, ion milling, and lift-off techniques) suitable for nanometer scale features of electronic devices will be considered in details.

Experimental methods of characterization of material, geometrical, optical, physical, superconducting, electron and phonon properties of thin films, nanostructures made of these films, and devices based on these nanostructures will be discussed.

Consideration of technology and physics of thin film structures will be done on example of development of three types of fast and sensitive detectors of electro-magnetic radiation for applications in optical and THz spectral ranges: superconducting nanowire single-photon detector, hot-electron bolometer, and YBCO ps-fast detector of synchrotron emission. Dependence of detector’s performance on their fabrication condition will be analyzed in frame of physical models which describe response mechanisms of the detectors to absorbed radiation.

Practical actualization of the knowledge is possible in frame of Praktikum Nanoelektronik (LVN 23669).

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand

A workload of approx. 90 h is required for the successful completion of the module. This is composed as follows

1. attendance time in lecture/exercise 18 h

2. pre-/postprocessing of the lecture 24 h

3. preparation/attendance oral exam 48 h

Modul: Physiologie und Anatomie für die Medizintechnik [M-ETIT-105874]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-111815 Physiologie und Anatomie für die Medizintechnik 6 Nahm
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Erfolgskontrolle umfasst den Inhalt von Physiologie und Anatomie I (jedes Wintersemester) and Physiologie und Anatomie II (jedes Sommersemester).

Voraussetzungen

Die Module "M-ETIT-100390 - Physiologie und Anatomie I" und "M-ETIT-100391 - Physiologie und Anatomie II" dürfen nicht begonnen sein.

Qualifikationsziele

Nach dem Studium dieses Moduls

Nachhaltigkeits-Kompetenzziel: Die Studierenden haben ihren Lernprozess aktiv mitgestaltet.

Inhalt

Physiologie und Anatomie I (Wintersemester)

Die Vorlesung vermittelt Basiswissen über die wesentlichen Organsysteme des Menschen und die medizinische Terminologie. Sie wendet sich an Studierende technischer Studiengänge, die an physiologischen Fragestellungen interessiert sind.

Themenblöcke:

Physiologie und Anatomie II (Sommersemester)

Die Vorlesung erweitert das vermittelte Wissen des ersten Teils der Vorlesung und stellt weitere Organsysteme des Menschen vor.

Themenblöcke:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Es können Bonuspunkte für einen studentischen Beitrag zur Vorlesung vergeben werden.

Die Anrechnung der Bonuspunkte erfolgt folgendermaßen:

Anmerkungen

Achtung:
Die diesem Modul zugeordnete Teilleistung ist Bestandteil der Orientierungsprüfung folgender Studiengänge:

Die Prüfung ist zum Ende des 2. Fachsemesters anzutreten. Eine Wiederholungsprüfung ist bis zum Ende des 3. Fachsemesters abzulegen.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

Gesamtaufwand ca. 180 Stunden = 6 LP

Lehr- und Lernformen

Winter-/Sommersemester:

Modul: Power Management [M-INFO-100804]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101341 Power Management 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende beschreiben die grundlegenden Mechanismen und Strategien zur Verwaltung der Ressource Energie in Rechnersystemen. Die verschiedenen Möglichkeiten, welche die Hardware bietet, um den Energieverbrauch zu beeinflussen, könnend die Studierenden einordnen und hinsichtlich ihrer Einsatzfähigkeit in Betriebssystemen bewerten.Studierende können Informationen über Energiezustände und Energieverbrauch der Hardware ermitteln und den Energieverbrauch dem jeweiligen Verursacher, z.B. einzelnen Anwendungen und Diensten, zuordnen.

Inhalt

Studierende können die Auswirkung von Drosselungsmechanismen der CPU bzgl. Energieeffizienz, Leistungsaufnahme und Integrationsfähigkeit in das Betriebssystem bewerten. Sie modellieren den Energieverbrauch eines Rechners und leiten die Hitzeentwicklung daraus ab.

Studierende beschreiben die Stromsparmechanismen von Speicherkomponenten und bewerten die Auswirkungen der Speicherallokation auf den Energieverbrauch.

Studierende beschreiben die Energieeigenschaften von Batterien und bewerten Einplanungsverfahren hinsichtlich ihrer Auswirkungen auf die effektive Batteriekapazität.

Studierende gliedern die Strukturen einer architekturneutralen Schnittstelle zu Mechanismen der Speicherverwaltung und bewerten ihren Einsatz in skalierbaren Systemen.

Arbeitsaufwand
(2 SWS + 2 h Nachbereitung) * 15 + 30h Prüfungsvorbereitung = 90 h = 3 ECTS
Empfehlungen

Siehe Teilleistung.

Modul: Power Management Praktikum [M-INFO-101542]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102958 Power Management Praktikum 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende beurteilen die Mechanismen zur Verwaltung der Ressource Energie in Rechnersystemen und entwerfen neue Verfahren zur Energieverwaltung in einem bestehenden komplexen Betriebssystemkern.
Die Studierenden analysieren, entwerfen, implementieren, dokumentieren und präsentieren die neuen Ansätze in kleinen Teams von 2-3 Studierenden.

Inhalt

Die Studierenden entwerfen Dateisysteme, Abrechnungsmechanismen, Drosselungsverfahren und evaluieren ihre Implementierung mit selbst instrumentierten Betriebssystemkernen auf Testrechnern.

Arbeitsaufwand
30 h = 2 SWS * 15
50 h Design, Implementierung, Evaluation
10 h (Dokumentation + Präsentationsvorbereitung
= 90 h = 3 ECTS

Modul: Practical Course: AI for Climate and Weather Predictions [M-INFO-106800]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113659 Practical Course: AI for Climate and Weather Predictions 6 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will be able to
•    define current opportunities and challenges in building advanced AI models for climate and weather predictions.
•    explain advanced AI model architectures.
•    generate and critically assess output of state-of-the-art AI models.
•    professionally present their results both orally and in a concise scientific paper.

Inhalt

Students will learn how to work with state-of-the-art AI models for climate science and weather forecasting. 

For example, typical AI models will include recent releases of 

•    Foundation models for climate science and weather forecasting.
•    Generative AI models for tasks such as ensemble generation of weather forecasts and of climate change simulations for uncertainty quantification.
•    Transformer and graph neural network models for weather forecasting.
•    Climate model emulators.

Each student will be able to select from a variety of topics to explore in their practical experiments. These could include, but are not limited to:

•    The representation of physical concepts in data-driven AI models (e.g., does the model indirectly learn to “understand physics”?).
•    Detecting and understanding failure modes of AI models.
•    Forecast accuracy and uncertainty quantification for AI-generated ensembles of simulations.
•    Effective solutions to post-processing AI results and/or to modifying AI model architectures.
•    Assessing if certain AI architectures perform significantly better for specific tasks.

Arbeitsaufwand

In-person introductory session, individual and group meetings, final presentation sessions: 30h

Practical tasks – getting started, implementation, experiments, analysis: 100h

Write up results in the style of a scientific paper and preparation of final presentation: 50h

Empfehlungen

•    Knowledge of the Python programming language. 
•    Good knowledge of mathematical concepts such as linear algebra is an advantage.
•    An interest in scientific questions around climate science and weather forecasting.

Modul: Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) [M-INFO-106867]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113760 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know how to apply basic concepts of artificial intelligence and machine learning, and are able to evaluate the performance of such systems on real-world data from computer security research.


-    Students know and understand concepts of machine learning for computer security.
-    Students are able independently design, implement, and evaluate learning-based systems.
-    Students understand limits of learning-based approaches.

Inhalt

In this practical course, the students develop learning-based systems for different computer security tasks, thereby intensifying their knowledge gained in the corresponding lectures. The students have the unique opportunity to design, implement, and evaluate systems based on real-world data used in computer security research.

The module is composed of multiple units with several individual tasks/challenges covering different topics from classical computer security research to security of artificial intelligence. In each unit, the students develop an approach, train and validate it on known data, and submit their solution to the course platform, where the approach is tested against unknown data.

Arbeitsaufwand

- 30h attendance time
- 70h Time to complete the exercises
- 15h Preparation of final presentation
- 5h attendance time (final event)

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots [M-MACH-106904]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MACH-113854 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 6 Rönnau
Erfolgskontrolle(n)

SieheTeilleistung

Voraussetzungen

Keine

Qualifikationsziele

Studierende sind in der Lage, biologisch inspirierte, mobile Roboter zu verstehen und deren Software zu erweitern.

Inhalt

Dieses Modul vermittelt Studierenden den Umgang mit und die Erweiterung biologisch inspirierter, mobiler Robotik. Dabei werden die Themenbereiche Regelungstechnik, Computer-Vision, 3D Kartierung, Navigation und Mensch-Maschine-Interaktion behandelt.

Die Studierenden arbeiten in Gruppen und erstellen einen gemeinsamen Abschlussbericht und eine gemeinsame Präsentation.

 

Arbeitsaufwand

180h

•   30h wöchentliches Regeltreffen

•   120h Vor- und Nachbereitungszeiten

•   30h Präsentations- und Berichtvorbereitung

Empfehlungen

SieheTeilleistung

Modul: Praktikum Algorithmentechnik [M-INFO-102072]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104374 Praktikum Algorithmentechnik 6 Bläsius, Ueckerdt
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden

• können das in den Grundlagenmodulen zur Algorithmentechnik erlernte Wissen praktisch anwenden,

• sind in der Lage, Probleme anhand von vorgegebenen Themen der Algorithmik (z.B. Flussalgorithmen, Kürzeste-Wege Probleme, oder Clusterungstechniken) zu analysieren und anschließend eigenständig und in effizienter Weise zu implementieren,

• beherrschen die Schritte von der Modellierung bis hin zur Implementierung und Auswertung bei der praktischen Umsetzung algorithmischer Verfahren,

• besitzen die Fähigkeit, in einem Team ergebnisorientiert zu agieren, das eigene Handeln selbstkritisch zu bewerten und verfügen über hohe eigene Kommunikationskompetenz.

Die Teilnehmer sind außerdem in der Lage, auftretende Problemstellungen mit den Methoden des Algorithm Engineering zu analysieren, Algorithmen zu entwerfen und unter Berücksichtigung moderner Rechnerarchitektur zu implementieren, sowie aussagekräftige experimentelle Evaluationen zu planen und durchzuführen. Die Teilnehmer können zudem die vorgestellten Methoden und Techniken autonom auf verwandte Fragestellungen anwenden.

Inhalt

In dem Praktikum Algorithmentechnik werden verschiedene Themen aus der Algorithmik vorgegeben, die in kleinen Gruppen von Studenten selbstständig implementiert werden sollen. Hierbei liegt ein Hauptaugenmerk auf objektorientierter Programmierung mit Java oder C++, aber auch Lösungsansätze aus dem Bereich der Linearen Programmierung.

Arbeitsaufwand
Praktikum mit 4 SWS, 6 LP

6 LP entspricht ca. 180 Arbeitsstunden, davon
ca. 10 Std. Präsenzzeit,
ca. 12 Std. Bearbeitung der Übungsaufgaben,
ca. 128 Std. Implementierungsphase,
ca. 30 Std. Ausarbeitung und Vorbereitung der Präsentation

Modul: Praktikum Anwendungssicherheit [M-INFO-103166]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106289 Praktikum Anwendungssicherheit 4 Geiselmann, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teillesitung.

Qualifikationsziele

Qualifikationsziel:

Studierende sind in der Lage bei einer Programmanalyse sicherheitsrelevante Schwachstellen und Fehler zu erkennen und Korrekturen vorzuschlagen.

Lernziele:

Inhalt

Dieses Modul widmet sich Techniken zum Ausnutzen von Programmierfehlern und geläufigen Gegenmaßnahmen, etwa:

Arbeitsaufwand

Präsenzzeit: 15 h
Lösen der Aufgaben: 75
Vorbereitung auf Prüfung: 30

(1 SWS + 5 SWS) x 15 + 30 h Klausurvorbereitung = 120 h

Empfehlungen

Modul: Praktikum Biomedizinische Messtechnik [M-ETIT-100389]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-101934 Praktikum Biomedizinische Messtechnik 6 Nahm
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfung erfolgt durch die Bewertung der schriftlichen Vorbereitungs- und Nachbereitungsprotokolle zu den einzelnen Versuchen. Der Gesamteindruck wird bewertet.

Die Versuche und Protokolle werden immer in gemeinsamer Teamarbeit von einem Team bestehend aus zwei, in Sonderfällen auch drei festen Praktikumsteilnehmern durchgeführt bzw. ausgearbeitet. Dabei muss zurechenbar sein welcher Teilnehmer welche Aufgabe bearbeitet hat. Die Vorbereitungsprotokolle werden im Vorfeld eines Praktikumstermins geprüft und eine nicht ausreichende Bewertung führt zum Ausschluss vom Versuch. Es wird sich vorbehalten einzelne Fragen zur Vorbereitung in einer mündlichen Form zu Beginn des Versuchstermins nochmals zu überprüfen. Zu den einzelnen Praktikumsterminen besteht Anwesenheitspflicht. Im Fall einer Abwesenheit oder eines Ausschlusses vom Versuch wird der Einzelversuch mit der Note „mangelhaft“ gewertet. Bei zweimaligem Ausschluss wird das Praktikum als ”nicht bestanden“ gewertet.

Voraussetzungen

Die erfolgreiche Teilnahme am Modul "Biomedizinische Messtechnik I" ist Voraussetzung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-ETIT-100387 - Biomedizinische Messtechnik I muss erfolgreich abgeschlossen worden sein.
Qualifikationsziele

Die Absolventen können ein funktionierendes Messsystem zur Echtzeiterfassung und

-darstellung der Pulswellenlaufzeit ausgelegen und aufbauen.

Sie können die analogen Schaltungen bestehend aus Messverstärker und Filter nach vorgegeben Schaltplänen dimensionieren, aufbauen und testen.

Die Absolventen können die physiologischen Signaleigenschaften analysieren und daraus eine Dimensionierung der Schaltung vornehmen.

Sie können zur Verbesserung der Signal-Rausch-Verhältnisse digitale Filter ausgelegen und in Matlab umsetzen.

Die Absolventen können Algorithmen zur Parameterextraktion und Darstellung entwickeln und in Matlab programmieren.

Die Absolventen können die relevanten Sicherheitsanforderungen vor dem Einsatz des Messsystems am Menschen benennen, umsetzen und nachweisen.

Die Absolventen können ein Messprotokoll definieren und mit dessen Hilfe eine Messung im Selbstversuch gemäß dem Messprotokoll durchführen, dokumentieren und die Ergebnisse interpretieren.

Inhalt

Im Praktikum wird ein Messsystem in 8 Terminen entwickelt, das die komplette Signalverarbeitungskette für ein bioelektrisches Signal und ein plethysmografisches Signal berücksichtigt um die Pulswellenlaufzeit zu bestimmen und damit die Blutdruckveränderung in einem Trend anzuzeigen. Die Termine gliedern sich in 4 Praktikumstermine in denen das Messsystem hardwaremäßig aufgebaut und getestet wird und 3 Praktikumstermine in denen die digitale Signalverarbeitung und Algorithmik behandelt wird. Im 8. Praktikumstermin wird eine abschließende Messung am Menschen durchgeführt.

Dabei werden folgende Themen bearbeitet:

-         Verstärker zur Verstärkung des Signals

-         Hochpassfilter und Tiefpassfilter zur analogen Filterung des Signals

-         R-Zacken-Maxima des erfassten Elektrokardiogramms

-         Maxima der Pulswelle

-         Herzfrequenz

-         Pulsfrequenz

-         Pulswellenlaufzeit

Zusammensetzung der Modulnote

In die Modulnote gehen die Beurteilung der Versuchsprotokolle ein. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

  1. Präsenzzeit in acht Praktikumsterminen: 8 * 7,5 h = 60 h
  2. Vor-/Nachbereitung der Praktikumstermine: 8 * 15 h = 120 h

Summe: 180 h

Empfehlungen

-       Kenntnisse zu physiologischen Grundlagen aus der Vorlesung Physiologie und Anatomie

-       Kenntnisse zur Entstehung von bioelektrischen Signalen und Messung dieser aus der Vorlesung Bioelektrische Signale

-       Kenntnisse zur Signalverarbeitung aus der Vorlesung Signalverarbeitung in der Nachrichtentechnik

-       Grundlegende Matlab-Kenntnisse

Modul: Praktikum Dezentrale Systeme und Netzdienste [M-INFO-103047]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106063 Praktikum Dezentrale Systeme und Netzdienste 4 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kann eine Fragestellung in ein konkretes technisches Problem überführen.

Der/Die Studierende kann eine geeignete Umsetzung hinsichtlich identifizierter Anforderungen entwerfen.

Der/Die Studierende findet eine Umsetzung der technischen Lösung und kann diese bezüglich Kritieren wie Performance und Sicherheit evaluieren.

Inhalt

Im Praktikum werden aktuelle Forschungsfragen im Bereich dezentrale Systeme und Netzdienste aufgegriffen und Teilaspekte von Studierenden praktisch erarbeitet. Die Studierenden erhalten damit „hands-on“-Erfahrung bei der Lösung von konkreten technischen Problemen, die sich im Kontext dezentraler Systeme ergeben.

Arbeitsaufwand

Präsenzzeit: 2 SWS * 15 Vorlesungswochen

Praktische Arbeit: 70h

Vorbereitung Abschlusspräsentation + Präsentationstermine: 20h

Summe: 120h

Modul: Praktikum FPGA Programming [M-INFO-102661]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105576 Praktikum FPGA Programming 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teileistung.

Qualifikationsziele

Studenten erlernen das Designen und Simulieren von digitalen Schaltungen mit FPGA.

Inhalt

Dieses Praktikum konzentriert sich auf die praktischen Aspekte von Field Programmable Gate Arrays (FPGAs). Am Anfang gibt es eine kurze Einführung zu FPGAs, gefolgt von einem Tutorial zum Konfigurieren und Programmieren eines FPGAs. Das Praktikum beinhaltet FPGA Design durch Schaltpläne genauso wie diverse Beispiele digitaler Schaltungen in den VHDL und Verilog Hardware-Beschreibungssprachen. Studenten erlernen das Designen und Simulieren von digitalen Schaltungen mit FPGA. Anschließend werden die Designs kompiliert und auf einem FPGA zum Laufen gebracht. Das Praktikum konzentriert sich auf das DE2-115 Prototyping Board, welches einen Programmieradapter, Programmspeicher, und eine Reihe an Schaltern, Tastern, LEDs, ein LCD und diverse Eingabe/Ausgabe Schnittstellen anbietet.

Arbeitsaufwand

4 SWS / 3 ECTS = 180 h als Block/Woche

 

Empfehlungen

Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Modul: Praktikum Klassische Physik I [M-PHYS-101353]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-102289 Praktikum Klassische Physik I 6 Simonis, Wolf
Erfolgskontrolle(n)

Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen grundlegende physikalische Phänomene kennen, indem sie selbstständig Experimente durchführen. Sie beherrschen unterschiedliche Messgeräte und Messmethoden und erlangen die Fähigkeit, experimentelle Daten zu erfassen und darzustellen, sowie die Daten zu analysieren, eine Fehlerrechnung durchzuführen und ein Messprotokoll zu erstellen.

Inhalt

Das Praktikum umfasst die Gebiete

Zusammensetzung der Modulnote

Für das Praktikum wird keine Note vergeben.

Anmerkungen

Verpflichtende Teilnahme an der Vorbesprechung

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)

Empfehlungen

Klassische Experimentalphysik I und II, Computergestützte Datenauswertung

Literatur

Modul: Praktikum Klassische Physik II [M-PHYS-101354]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-102290 Praktikum Klassische Physik II 6 Klute, Simonis, Wolf
Erfolgskontrolle(n)

Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen grundlegende physikalische Phänomene kennen, indem sie selbstständig Experimente durchführen. Sie beherrschen unterschiedliche Messgeräte und Messmethoden und erlangen die Fähigkeit, experimentelle Daten zu erfassen und darzustellen, sowie die Daten zu analysieren, eine Fehlerrechnung durchzuführen und ein Messprotokoll zu erstellen.

Inhalt

Das Praktikum umfasst die Gebiete

Zusammensetzung der Modulnote

Für das Praktikum wird keine Note vergeben.

Anmerkungen

Verpflichtende Teilnahme an der Vorbesprechung und an der Strahlenschutzbelehrung.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)

Empfehlungen

Klassische Experimentalphysik I – III, Praktikum Klassische Physik I, Computergestützte Datenauswertung

Literatur

Modul: Praktikum Kryptoanalyse [M-INFO-101559]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102990 Praktikum Kryptoanalyse 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Gebiete aus der Computersicherheit und Kryptographie, die zunächst theoretisch erarbeitet und dann praktisch implementiert werden. Themen sind z.B.

· historische Verschlüsselungsverfahren

· Kerberos Protokoll

· Hashfunktionen

· Blockchiffren

· effiziente Langzahl-Arithmetik

· ElGamal Verschlüsselung/Signatur

Anmerkung: Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich

Anmerkungen

Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich

Arbeitsaufwand

Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h

Empfehlungen

Siehe Teilleistung

Modul: Praktikum Kryptographie [M-INFO-101558]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102989 Praktikum Kryptographie 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Gebiete aus der Computersicherheit und Kryptographie, die zunächst theoretisch erarbeitet und dann praktisch implementiert werden.

Anmerkung: Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich.

Anmerkungen

Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich.

Arbeitsaufwand

Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h

Empfehlungen

Siehe Teilleistung

Modul: Praktikum Modellgetriebene Software-Entwicklung [M-INFO-101579]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103029 Praktikum Modellgetriebene Software-Entwicklung 6 Reussner
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende können

Inhalt

Modellgetriebene Entwicklungsmethoden sind vor allem durch das Eclipse Modeling Framework (EMF) und die OMG-Standards MOF, UML und QVT populär geworden. Fortschrittliche Software-Entwicklungskonzepte wie Produktlinien, Generative Programmierung und Modelltransformationen ermöglichen es heute, Software flexibler und schneller zu entwickeln und auf unterschiedlichen Plattformen einzusetzen. Domänenspezifische Sprachen (DSL) und die daraus generierten graphischen und textuellen Editoren können einfach erstellt werden.

In diesem Praktikum werden aktuelle Techniken der Modellgetriebenen Software-Entwicklung (MDSD) behandelt. Die Studierenden arbeiten mit aktuellen Frameworks und Sprachen wie EMF, QVT, ATL und XText und erstellen eine domänenspezifische Sprache sowie Modell-Transformationen.

Arbeitsaufwand

96 Arbeitsstunden für Übungsaufgaben, 48 Arbeitsstunden für die Projektarbeit, 16 Arbeitsstunden für die Anfertigung des Abschlussvortrags, 20 Arbeitsstunden für wöchentliche Treffen und Abschlusspräsentation. Insgesamt ergeben sich 180 Arbeitsstunden.

Modul: Praktikum Nanoelektronik [M-ETIT-100468]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100757 Praktikum Nanoelektronik 6 Kempf
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Bewertung eines schriftlichen Abschlussberichts (Umfang ca. 10-20 Seiten), in dessen Rahmen, in dem eine Einführung in das Thema, die Versuchsdurchführung, die wissenschaftlichen Ergebnisse sowie eine Einordnung der Ergebnisse in den Gesamtkontext zusammengefasst werden sollen.

Competence Certificate

The control of success takes place in form of the evaluation of a written report (approx. 10-20 pages) which introduces the topic, discusses the execution of the lab course and the scientific results puts the results into the overall context.

Voraussetzungen

Keine

Prerequisites

none

Qualifikationsziele

Nach erfolgreichem Abschluss des Moduls kennen die Studierenden elementare Prozesse der Mikrosystemtechnik und der Dünnschichttechnologie und können selbstständig und ohne fremde Anleitung die Fertigung von vorgegebenen Dünnschichtstrukturen optimieren und ihre Ergebnisse mittels adäquater Messwerkzeuge analysieren und kritisch bewerten. Durch die Bearbeitung des Praktikums in Kleingruppen erwerben bzw. verbessern die Studierenden zudem Ihre Team-Fähigkeit.

Competence Goal

After successful completion of the module, students will be familiar with elementary processes of microsystems and thin-film technology and will be able to optimize the fabrication of thin-film structures independently and without external guidance. In addition, they will be able analyze and critically evaluate their results using adequate measuring tools. By working on the practical course in small groups, students also acquire or improve their teamwork skills.

Inhalt

Die Studierenden lernen die grundlegenden Verfahren und Prozesse zur Herstellung von integrierten Schaltkreisen, wie sie auch in der Industrie eingesetzt werden, kennen. Sie arbeiten nach einer Einführung an eigenständigen Aufgaben im Reinraum und Technologielabor des Instituts für Mikro- und Nanoelektronische Systeme und bearbeiten selbstständig einen im Vorfeld mit dem Betreuer abgesprochenen Aufgabenkomplex. Im Einzelnen erlernen die Studierenden folgende Verfahren bzw. Prozesse:

Die gesammelten Ergebnisse werden im Anschluss von den Studierenden in einem Abschlussbericht zusammengefasst, in den Kontext gebracht und kritisch diskutiert.

Content

The students learn the basic procedures and processes for the fabrication of integrated circuits as they are also used in industry. After an introduction, they work on specified tasks in the clean room and technology laboratory of the Institute for Micro- and Nanoelectronic Systems and work independently on a set of tasks agreed upon in advance with the supervisor. In detail, the students learn the following methods or processes:

The results are subsequently summarized by the students in a final report, put into context and critically discussed.

Zusammensetzung der Modulnote

Die Modulnote ergibt sich durch die Note der Abschlussberichts.

Module grade calculation

The module grade is the grade of the written report.

Anmerkungen

Zwei Wochen Block Praktikum in Vorlesungsfreier Zeit

Annotation

Two weeks block course in lecture-free time

Arbeitsaufwand

Für den erfolgreichen Abschluss des Moduls ist ein Arbeitsaufwand von 180h erforderlich. Dieser setzt sich wie folgt zusammen:

Workload

A workload of approx. 180h is required for the successful completion of the module. This is composed as follows:

Empfehlungen

Der erfolgreiche Abschluss von M-ETIT-103451 - Thin Films: technology, physics and application I oder des Nachfolgemoduls M-ETIT-105608 - Physics, Technology and Applications of Thin Films ist erwünscht.

Recommendation

Successful completion of the module M-ETIT-103451 - Thin Films: technology, physics and application I or M-ETIT-105608 - Physics, Technology and Applications of Thin Films is recommended.

Modul: Praktikum Natürlichsprachliche Dialogsysteme [M-INFO-102414]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-104780 Praktikum Natürlichsprachliche Dialogsysteme 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die
Studierende

Inhalt

Durch die großen Vorschritte im Bereich des Deep Learnings und im Besonderen von großen Sprachmodellen, ist es inzwischen möglich Dialogsystem und Chatbots zu entwickeln, die in vielen Situation den Menschen unterstützen können.
In Rahmen dieses Praktikums sollen die Studierenden eines persönlichen Assistenten für unterschiedliche Anwendungsszenarien entwickelt werden. Dazu müssen die Studierenden sich zunächst mit der Datensammelung und Datenaufbereitung befassen. Danach sollen diese Daten verwendet werden um mittels frei Verfügbarer Vortrainierter Modelle ein Chatbot für die adressierte Anwendung zu entwickeln. Darüber hinaus sollen die Studierenden verschiedene Möglichkeiten untersuchen um die Systeme zu evaluieren.
Im finalen Teil des Praktikums können die Studierenden selbständig einen Schwerpunkt auswählen um Ihr initiales System zu verbessen. Die finalen Systeme werden in einer Abschlusspräsentation vorgestellt.

Arbeitsaufwand

180 h

Modul: Praktikum Praxis der Telematik [M-INFO-101889]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-103585 Praktikum Praxis der Telematik 3 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kann mit den erlernten Werkzeugen das Verhalten von ausgewählten Protokollen, Architekturen, sowie Verfahren und Algorithmen, in der Praxis identifizieren und bewerten. Hierbei wendet der/die Studierende die theoretischen Grundkenntnisse aus der LV Telematik [24128] in der Praxis an und vertieft somit die erlernten Konzepte.
Darüber hinaus ist der/die Studierende in der Lage, mithilfe der erworbenen Kenntnisse und erlernten Werkzeuge, Netze zu untersuchen, zu konzipieren und zu konfigurieren.
Der/Die Studierende kann die erlangten Fähigkeiten und erlernten Werkzeuge eigenständig auf ein selbst erdachtes, experimentelles Setup übertragen.

Inhalt

In einer Reihe von Laborversuchen lernen die Teilnehmenden ihr theoretisches Wissen aus dem Stammmodul „Telematik“ in praktischen Experimenten anzuwenden. Das Praktikum ist daher eine hervorragende Ergänzung zum Stammmodul. Die Laborversuche geben "Hands-on Experience" in einer Vielzahl von Themengebieten, unter anderem Protokolle und Algorithmen für die Wegewahl im Internet, Staukontrollverfahren, Zugangsnetze und Traffic Engineering.
Die Teilnehmenden konfigurieren außerdem eigene Netze und werden in das Konzept der softwaredefinierten Netze, einem neuartigen Ansatz zum Aufbau von Netzen, eingeführt. Nebenher erlernen die Teilnehmenden die unterschiedlichen Werkzeuge zur Messung und Analyse des Verhaltens der vorgestellten Protokolle und Algorithmen im praktischen Einsatz.
Die gemachten Beobachtungen und Ergebnisse werden in kleinen Gruppen diskutiert. Am Ende des Semesters vertiefen die Teilnehmenden ihr Wissen in einem kleinen Projekt.

Arbeitsaufwand

3 ECTS:
- Zweiwöchentliche Laborversuche + Übungsblätter: 50h

- Abschlussprojekt + Endbericht:30h

Empfehlungen

Vorheriger oder paralleler Besuch der Vorlesung „Telematik“

Modul: Praktikum Protocol Engineering [M-INFO-102092]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104386 Praktikum Protocol Engineering 4 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende kennt den Prozess der Standardisierung von Internetprotokollen und wendet dieses Wissen an, um ein neues Internetprotokoll in Gruppenarbeit zu entwerfen. Hierbei bewertet der/die Studierende verschiedene Herangehensweisen. In der Diskussion mit den weiteren Teilnehmern, wählen diese gemeinsam passende Lösungen aus. Hierbei wendet der/die Studierende die theoretischen Grundkenntnisse aus der LV Telematik [24128] in der Praxis an und vertieft somit die erlernten Konzepte.

Inhalt

Das semesterbegleitende Projekt behandelt die Standardisierung eines Internetprotokolls. Diese gliedert sich in Entwurf, Spezifikation, Implementierung und Interoperabilitätstest.

Arbeitsaufwand
Präsenzzeit / Treffen in Groß- und Kleingruppen: 30h

Konzeption + Spezifikation: 20h

Implementierung: 40h

Präsentation: 10h

Interoparabilitätstest + Nachbereitung: 10h

Modul: Praktikum Sicherheit [M-INFO-101560]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102991 Praktikum Sicherheit 4 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Themen aus der IT-Sicherheit, das zunächst theoretisch erarbeitet und dann prototypisch implementiert wird. Themen kommen z.B. aus den Bereichen

· Smart Home

· Datenschutz

· Anonmisierung

· Kameraüberwachung

Arbeitsaufwand
Regelmäßige Treffen mit Betreuer: 10 h
  Praktische Durchführung der Aufgabe: 70 h
  Erstellen der Ausarbeitung: 20 h
  Entwerfen und Erstellen des Vortrags: 20 h

Modul: Praktikum Software Engineering [M-ETIT-100460]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-100681 Praktikum Software Engineering 6 Sax
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (Bewertungen) während des Labors sowie einer mündlichen Abschlussprüfung (20 min.). Der Gesamteindruck wird bewertet.

Voraussetzungen

keine

Qualifikationsziele

Nach Abschluss des Moduls sind die Studierenden in der Lage, ein mittelgroßes und anspruchsvolles Softwareprojekt im Bereich eingebetteter Systeme durchzuführen. Dies umfasst die selbstständige Durchführung des gesamten Projekts von der Analyse der Problemstellung über das Design, die Implementierung und den Test innerhalb einer Simulationsumgebung bis zur Dokumentation der erarbeiteten Lösung. Hierbei werden vorhandene Kenntnisse im objektorientierten Entwurf und Programmierkenntnisse in C++ vertieft.

Die Studentinnen und Studenten können eine gegebene Spezifikation analysieren und verstehen. Die Studierenden sind in der Lage, eine Modellierung eines Softwareprojekts anhand unterschiedlicher Diagramme vorzunehmen. Die Studierenden sind in der Lage, ein Projekt in Teamarbeit durchzuführen, die Verteilung von Aufgaben im Team zu koordinieren, auftretende Konflikte zwischen Teammitgliedern konstruktiv zu lösen und die eigenen Arbeitsergebnisse zu bewerten und ansprechend zu präsentieren.

Inhalt

Im Labor entwerfen und implementieren die Studenten Software zur Realisierung einer automatischen Fahrfunktion, z.B. eines Highway-Pilot. Dies umfasst die Verarbeitung von Sensordaten zur Regelung der Aktorik des Fahrzeuges innerhalb einer Simulationsumgebung.

Die Aufgabe wird projektorientiert selbstständig in Teams von 3-4 Studenten bearbeitet. Kommerzielle Entwicklungswerkzeuge für computergestützte Softwaretechnik (CASE Tools) sowie die Simulationsumgebung CarMaker begleiten den Entwicklungsprozess.

Zusammensetzung der Modulnote

In die Modulnote ergibt sich aus der Kombination der Mitarbeit, der 2 Bewertungen während des Labors und der mündlichen Abschlussprüfung. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Arbeitsaufwand

1. Präsenzzeit in Laborterminen: 12*4 = 48 Stunden

2. Vor-/Nachbereitung: 12*8 = 96 Stunden

3. Vorbereitung der Präsentation: 10 Stunden

4. Vorbereitung der mündlichen Prüfung: 10 Stunden

Summe: 164 Stunden

Empfehlungen

Modul: Praktikum System-on-Chip [M-ETIT-100451]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100798 Praktikum System-on-Chip 6 Becker, Peric
Erfolgskontrolle(n)

Prüfungsleistungen anderer Art

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können grundlegende Kenntnisse des digitalen und analogen Schaltungsentwurfs sowie der hardwarenahen Software­programmierung wiedergeben.

In der Praxis sind die Studierenden in der Lage anhand einer aktuellen System-on-Chip-Architektur diese Methoden in den folgenden Bereichen anzuwenden:

Darüber hinaus können sie den Ansatz des Hardware/Software-Codesigns anwenden und können Realisierungstargets anhand der gegebenen Anforderungen bewerten (FPGA und ASIC).

Inhalt

Im Praktikum System-on-Chip wird eine vollwertige Mixed-Signal-Hardware­architektur zur Audio-Wiedergabe auf Basis eines System-On-Chip (SoC) entwickelt.

Der Systementwurf umfasst dabei das Erstellen notwendiger Teilkomponenten, deren Integration in ein Gesamtsystem sowie die Simulation und Verifikation der individuellen Komponenten und des Gesamtsystems. Ein Prototyp wird auf FPGA-Basis implementiert und getestet. Anschließend wird die Integration für eine mögliche ASIC-Fertigung vorbereitet. Dabei werden auch Analog-Schaltungen betrachtet und entworfen, um einen Audio-Verstärker aufzubauen.

Zusammensetzung der Modulnote

Die Notenbildung ergibt sich aus der Kombination der Bearbeitung der Übungsblätter, der Bewertungen während des Praktikums und einer abschließenden Präsentation inkl. Diskussion der im Projekt erarbeiteten Ergebnisse.

Arbeitsaufwand
  1. Präsenzzeit in Laborterminen: 15*4 = 60 Stunden
  2. Vor-/Nachbereitung: 15*4 = 60 Stunden
  3. Vorführung und Integrationstests: 3*3 = 9 Stunden
  4. Vorbereitung der abschließenden Präsentation: 15 Stunden
Empfehlungen

Modul: Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics [M-INFO-105870]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111803 Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics 6 Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, die in den Vorlesungen erworbene fachlichen Kompetenzen auf praxisnahe Problemstellungen aus den Bereichen Datenmanagement und Datenanalyse zu übertragen und anzuwenden. Neben der Bewältigung der individuellen Praktikumsaufgaben, steht die Stärkung der Kommunikationskompetenz und die Analyse systemische Betrachtung komplexer Sachverhalte im Fokus des Praktikums.

Inhalt

Die Praktikumsteilnehmer erhalten die Möglichkeit, Ihre Kenntnisse aus dem Bereichen Datenmanagement und Datenanalyse zu vertiefen und praxisnah einzusetzen. Die zu bearbeitenden Aufgaben stammen aus den Teilgebieten:

Die Studierenden werden durch wissenschaftliche Mitarbeitende des Scientific Centre for Computing (SCC) individuell betreut und können ihre Fähigkeiten durch Einbindung in aktuelle Forschungsaufgaben (z.B. Helmholtz-Programm, BMBF- und EU-Projekte) praxis- und forschungsnah einsetzen.

Themenvergabe und Planung der Präsenztermine erfolgt individuell zw. Praktikumsteilnehmer und Betreuer. Praktikumsteilnehmer bearbeiten separate Aufgabengebiete. Bei der Erstellung der Aufgabe werden eventuelle Vorkenntnisse und Interessensgebiete der Teilnehmer berücksichtigt.

Arbeitsaufwand

3 SWS, 150 h/Semester

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Modul: Praktikum: Aktuelle Forschungsthemen der Computergrafik [M-INFO-104699]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109577 Praktikum: Aktuelle Forschungsthemen der Computergrafik 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden arbeiten sich in neueste wissenschaftliche Publikationen in einem aktuellen Forschungsthema in der Computergrafik ein, beurteilen und implementieren State-of-the-Art Methoden und vergleichen sie mit neu entwickelten Ansätzen, die sie selbst konstruieren. Die Studierenden lernen die Resultate des Praktikums in Form eines wissenschaftlichen Papiers zu dokumentieren (inkl. Literaturrecherche, Präsentation wie im Bereich der Computergrafik üblich

Inhalt

Dieses Praktikum vermittelt Studierenden theoretische und praktische Aspekte von aktuellen Forschungsthemen am Lehrstuhl Computergrafik.

Arbeitsaufwand

Präsenzzeit = 30h

Vor-/Nachbereitung = 150h

Empfehlungen

Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.

Modul: Praktikum: Aktuelle Themen des Quantencomputings [M-INFO-106286]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112741 Praktikum: Aktuelle Themen des Quantencomputings 6 Schaefer, Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden können wissenschaftlich motivierte Problemstellungen verstehen und relevante Literatur zur Bearbeitung der Problemstellung und Lösungsmöglichkeiten in Kooperation mit ihren Betreuenden erarbeiten. Unter Verwendung aktueller Quanten-Softwareframeworks können Studierende praktische Lösungen implementieren und bewerten. Mit dem erworbenen Wissen und mit Bezug auf aktuelle Forschungsergebnisse können Studierende ihre Ergebnisse interpretieren und nachvollziehen. Bei regelmäßigen Treffen wird der Fortschritt dargestellt und mögliche Hindernisse erläutert. Die Studierenden können die erarbeiteten Lösungen theoretisch dokumentieren und verständlich präsentieren.

Inhalt

Dieses Praktikum fokussiert sich auf die theoretische Analyse und praktische Umsetzung aktueller Themen des Quantencomputings. Die Einführung umfasst notwendigen mathematischen Grundlagen von Quantensystemen und deren Repräsentation durch Qubits und Quantenschaltkreise, bevor auf die Spezifika der angebotenen Themenbereiche eingegangen wird. Mögliche Themenbereiche umfassen unter anderem Quantenalgorithmen, Optimierung von Quantensystemen, Quanten-Software-Engineering oder Quanten maschinelles lernen.

Es gibt feste Termine für die Themenvergabe und Präsenztermine zur Einführung in die Thematik des Quantencomputing. Weitere Präsenztermine zur Besprechung des Fortschritts werden individuell zwischen den Praktikumsteilnehmenden und Betreuenden koordiniert. Praktikumsteilnehmende bearbeiten separate Aufgabengebiete, die auf Basis aktueller Forschungsarbeiten definiert werden und damit realitätsnahe Fragestellungen aus Praxis und Forschung bieten. Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist möglich. Bei der Vergabe der Themen werden Vorkenntnisse und Interessensgebiete der Teilnehmenden berücksichtigt.

Arbeitsaufwand

- Präsenzzeit: 20h (Kick-Off, Einführung in Theorie und Themenbereiche, Betreuungstreffen, Abschlussveranstaltung) und deren Vor-/Nachbereitung
- 20h Einarbeitung
- 20h Erstellen der Prüfungsleistung und Präsentation
- 120h Bearbeitung der Aufgaben
- Gesamt: 180h / 30 = 6 Credits

Empfehlungen

- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich

Modul: Praktikum: Automotive Software Engineering [M-INFO-106261]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112710 Praktikum: Automotive Software Engineering 6 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls besitzen die Studierenden ein tiefer gehendes Verständnis zur Entwicklung komplexer Softwaresysteme im Automobilbereich. Sie haben praktische Erfahrung in der Durchführung von Softwareentwicklungsprojekten im automobilen Umfeld und der Sicherstellung der Qualität der Ergebnisse. Sie sind in der Lage, die Aufgabenstellung zu erfassen, in einen Software-/Systementwurf umzusetzen, zu implementieren und zu testen.

Inhalt

• Paradigmen des System- und Softwareengineerings
• Modellierung
• Frameworks
• Software/System-Architekturen
• Muster in der Software-/Systementwicklung
• Technische Werkzeuge
• Praktische Anwendung der gelernten Konzepte

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und
Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Empfehlungen

Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.

Modul: Praktikum: Data Science [M-INFO-105632]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111262 Praktikum: Data Science 6 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer und Teilnehmerinnen des Praktikums sollen das in der Vorlesung „Data Science“ erlernte Wissen systematisch und vertieft anwenden, mit Beispielen aus der Praxis von realistischer Komplexität. Dabei sollen die Studierenden gängige Softwaretools kennenlernen und einsetzen.

Die Studierenden werden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im Data Science-Prozess vertraut gemacht. Sie sollen lernen, wie man sowohl mit handelsüblichen als auch sehr modernen Werkzeugen die bestmöglichen Ergebnisse in einer gegebenen Anwendung erzielen kann.

Darüber hinaus sollen die Studierenden lernen, im Team zusammenzuarbeiten, um die gestellten Aufgaben erfolgreich zu lösen. Das Praktikum soll sie dazu befähigen, verständlich Ergebnisse und Vorgehensweisen sowohl innerhalb als auch außerhalb ihres Teams zu kommunizieren.

Inhalt

Im Rahmen des Praktikums „Data Science“ wird das theoretische Wissen aus der gleichnamigen Vorlesung mit Hilfe gängiger Softwaretools praktisch vertieft.

Die Veranstaltung teilt sich in mehrere Blöcke, in denen die Teilnehmer jeweils einen Data Science-Prozess, d. h. die Wissensextraktion und Datenexploration in einem konkreten Anwendungsfall, durchgehen. Dabei werden verschiedene Verfahren näher beleuchtet.

Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Die Bearbeitung der einzelnen Aufgaben erfolgt in Teams.

Arbeitsaufwand

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h

Modul: Praktikum: Data Science für die Wissenschaften [M-INFO-106329]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112844 Praktikum: Data Science für die Wissenschaften 6 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Im Rahmen des Praktikums „Data Science für die Wissenschaften“ wird das theoretische Wissen aus der Vorlesung „Data Science“ mit Hilfe gängiger Softwaretools praktisch vertieft. Die Veranstaltung teilt sich in zwei Blöcke: Einen zum aktuellen Stand der Technik und einen darüberhinausgehenden Themenblock mit Forschungsfragen, die sich auf wissenschaftliche Daten beziehen. Im ersten Block wird unter Anlehnung an den KDD-Prozess ein Anwendungsbeispiel für die Wissensextraktion und Datenexploration durchgespielt. Es werden verschiedene Data Mining Verfahren näher beleuchtet. Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Im zweiten Block wird ein einzelner Schritt im KDD-Prozess und dessen Schwächen im Stand der Technik betrachtet. Die Studierenden werden für diese offenen Probleme sensibilisiert und angeleitet, eigene Lösungs¬ansätze zu diesen offenen Forschungsfragen zu entwickeln. Sowohl das Anwendungsbeispiel als auch die offenen Forschungsfragen werden in Teams bearbeitet.

Inhalt

Im Praktikum soll das in der Vorlesung „Data Science“ erlernte Wissen in die Praxis umgesetzt werden. Dabei sollen die Studierenden gängige einschlägige Softwaretools kennenlernen und diese in einer wissenschaftlichen Anwendung einsetzen. Im ersten Teil des Praktikums sollen die Studierenden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im KDD-Prozess vertraut gemacht werden. Sie sollen lernen, wie man mit gängigen Analysetools die bestmöglichen Ergebnisse für einen gegebenen wissenschaftlichen Anwendungsfall erzielen kann. Im zweiten Teil des Praktikums sollen die Schwächen eines einzelnen Analyseschrittes näher untersucht werden. Die Studierenden werden mit ungelösten Problemen aus der Fachliteratur konfrontiert und lernen Lösungen dazu selbst zu entwickeln. Darüber hinaus sollen die Studenten lernen, im Team zusammenzuarbeiten, um die einzelnen Aufgaben erfolgreich zu lösen.

Arbeitsaufwand

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h

Modul: Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften [M-INFO-106312]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112810 Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften 4 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Im Praktikum soll das in Vorlesungen wie „Datenbanksysteme“ und „Datenbankeinsatz” erlernte Wissen in der Praxis erprobt werden. Schrittweise sollen die Programmierung von Datenbankanwendungen, Benutzung von Anfragesprachen sowie Datenbankentwurf für wissenschaftliche Anwendungsfälle erlernt werden. Darüber hinaus sollen die Teilnehmenden lernen, im Team zusammenzuarbeiten und dabei Werkzeuge zur Teamarbeit kennenlernen.

Inhalt

Das Praktikum bietet Studierenden einen Einstieg in die Nutzung von Datenbanktechnologie, als Ergänzung zu den Inhalten der Datenbankvorlesungen, und dient als Einführung in das Arbeiten mit wissenschaftlichen Daten. Ein Beispiel für wissenschaftliche Daten sind Graphdaten aus den Materialwissenschaften. Zunächst werden den Teilnehmerinnen und Teilnehmern die wesentlichen Bestandteile von Datenbanksystemen in ausgewählten Versuchen mit relationaler Datenbanktechnologie nähergebracht. Anschließend erproben Sie die klassischen Konzepte des Datenbankentwurfs und von Anfragesprachen an praktischen Beispielen mit wissenschaftlichen Daten. Darauf aufbauend führen Sie die folgenden Versuche oder vergleichbare Versuche durch:
• Zugriff auf Datenbanken aus Anwendungsprogrammen heraus,
• Verwaltung großer wissenschaftlicher Datenbestände,
• Performanceoptimierungen bei der Anfragebearbeitung.
Arbeiten im Team ist ein wichtiger Aspekt bei allen Versuchen.

Arbeitsaufwand

120h Gesamtaufwand

Modul: Praktikum: Digital Design & Test Automation Flow [M-INFO-102570]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105565 Praktikum Digital Design & Test Automation Flow 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studenten sollen lernen ihre eigenen Schaltungen zu designen und zu testen.

Inhalt

Dieses Praktikum fokussiert sich auf den Designprozess von grundlegenden Schaltungen in digitalen Rechensystemen und Programmieren eines eingebetteten Mikroprozessors. Am Anfang gibt es eine Einführung in Digital Design und im Testen digitaler Schaltungen. Danach werden die Studenten lernen ihre eigenen Schaltungen zu designen und zu testen.

Pro Student wird ein Intel Galileo Board zur Verfügung gestellt – ein Arduino-kompatibles Entwicklungsboard, basierend auf der bekannten Intel x86-Architektur. Am Ende soll der Student Schaltungen bis zur Komplexität von Voll-Addierern aufbauen. Anschließend werden diese Schaltungen mit dem Intel Galileo verbunden und mit Standard-Linux Befehlen getestet.

Arbeitsaufwand

4 SWS / 3 ECTS = 180 h als Block/Woche

Empfehlungen

Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.

Modul: Praktikum: Diskrete Freiformflächen [M-INFO-101667]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103208 Praktikum: Diskrete Freiformflächen 6 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

The students of this course understand selected geometry processing problems with discrete representations (meshes and point clouds) and are able to develop and implement algorithms for their solutions.

Inhalt

Current techniques to design, analyze and handle shapes given by point clouds and meshes for various applications.

Arbeitsaufwand

180 h

Modul: Praktikum: Effizientes paralleles C++ [M-INFO-103506]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106992 Praktikum: Effizientes paralleles C++ 6 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden

 - können die Methoden des Algorithm Engineering verwenden, um

gegebene algorithmische Probleme und Datenstrukturen in C++ zu    implementieren und zu evaluieren.

 - erkennen Faktoren, die zu ineffizientem Code führen, und können diese, wenn möglich, durch effizientere Konstruktionen ersetzen.

- verstehen es, die vorgestellten Techniken zur Parallelisierung einzusetzen und mit den gegebenen Mitteln threadsichere Codes zu erzeugen.

 - kennen die Möglichkeiten der Standardbibliothek und können diese    gezielt einsetzen.

 - können die von ihnen erzeugten Codes auf Korrektheit und Performance testen, außerdem können sie die erzielten Ergebnisse darstellen und analysieren.

Inhalt

Im Praktikum implementieren Studenten vielseitige Programmier-Aufgaben in C++. Hierbei liegt das Hauptaugenmerk darauf, effiziente Codes zu erarbeiten und diese durch umfangreiche Experimente zu evaluieren. Die gestellten Aufgaben sind motiviert durch die wissenschaftliche Arbeit auf dem Gebiet des Algorithm Engineering. Sie decken sowohl komplexere Algorithmen als auch fortgeschrittene Datenstrukturen ab, des weiteren fortgeschrittene Techniken wie Templates (compile Zeit Optimierungen) und Parallelisierung (neue Thread Management Möglichkeiten der STD).

Arbeitsaufwand

~  10h  Präsenzzeit

~  10h  Nachbesprechung/Bewertung der regulären Lösungen (mit  Vorbereitung)

~  15h  Entwerfen der individuellen Abschlussaufgabe

~  25h  Präsentation der individuellen Abschlussaufgabe

~ 120h Bearbeitung der Aufgaben (Implementieren und Evaluieren)

Modul: Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren [M-INFO-105740]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111457 Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren 4 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der Studierende wird in die Lage versetzt, einen Prozessor applikationsspezifisch mit Hilfe von passenden Werkzeugen so anzupassen, dass dieser besonders effizient im Sinne von Performanz bzw. Leistungsverbrauch ist. Der Studierende wird den Entwurf synthetisieren und simulieren können.

Inhalt

Der Entwurf eingebetteter Prozessoren hat in den letzten Jahren einen rapiden Fortschritt erlebt. Diese Entwicklung wurde und wird von der weiter ansteigenden Nachfrage nach applikationsspezifischen Lösungen geprägt, um die diversen und teilweise widersprüchlichen Anforderungen nach niedrigem Leistungsverbrauch, hoher Performance, niedrigen Kosten und vor allem einem schnellen time-to-market zu erfüllen.

An dieser Stelle setzt das Praktikum an. Es wird der Umgang mit einer Embedded-Prozessor Tool-Suite praktiziert. Konkret werden für eingebettete Anwendungen applikationsspezifische Prozessoren entwickelt, wobei das Hauptaugenmerk auf der Anpassung des applikationsspezifischen Instruktionssatzes liegt. Die Beschreibung des so angepassten

Prozessors wird dann nach diversen Simulations- und Synthese-Schritten auf einer FPGA-Plattform nach funktionaler Korrektheit sowie nach Effizienz wie z.B. Performance/Leistungsverbrauch, Performance/Chipfläche etc. evaluiert. Bei Bedarf werden einige oder alle Entwurfsschritte mehrfach iteriert, um eine optimale Lösung zu finden. Ein Lernziel ist es dabei zu sehen, dass gerade Optimierungen auf hoher Abstraktionsebene besonders wirksam sind.

Arbeitsaufwand
1. Präsenzzeit im Praktikum: 36 h
2. Vor-/Nachbereitung derselbigen: 24

Modul: Praktikum: Fine-grained Algorithm Design and Engineering [M-INFO-106784]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113635 Praktikum: Fine-grained Algorithm Design and Engineering 6 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students should be able to apply knowledge in the specializations “Algorithmtechnik” and “Theoretische Grundlagen” to derive fast algorithms and their implementations for a given algorithmic problem.

This includes:
– modeling a given problem of interest as a well-defined algorithmic problem as well as identifying reasonable relaxations
– performing a literature search to identify algorithmic ideas previously proposed for a given problem
– researching a given algorithmic or conditional lower bound technique and investigating its applicability on a given problem
– implementing resulting algorithms efficiently
– creating reasonable benchmark data sets (generated randomly, via reductions or from real-world data sources)
– evaluating an implementation on benchmark data and gaining insights on possible improvements of the model, algorithm or implementation.

Furthermore, the students can constructively engage in a team setting and are able to clearly communicate their ideas and results.

Inhalt

Each group of students will receive a topic among a list of possible algorithmic problems with relevance for fine-grained and parameterized complexity (usually from the fields of graph theory, computational geometry or string problems). In some cases, the proposed topic is the subject of an ongoing algorithmic contest (e.g., the PACE challenge), providing an opportunity of participation as part of the practical course.  

Under supervision, each group will:
– research the theoretical state-of-the-art for their algorithmic problem and/or design a novel algorithm,
– implement one or more algorithmic approaches
– evaluate and improve them using appropriate benchmark data sets. 

The course aims to investigate the connections between worst-case upper & conditional lower bounds and fast practical implementations.

Arbeitsaufwand

6 CP correspond to ~ 180 h, distributed roughly as follows:
~ 40 h meetings, literature review, etc.
~ 100 h implementation and evaluation
~ 40 h preparation of presentation and report

Empfehlungen

-    Basic knowledge of algorithms and data structures is assumed. 
-    Knowledge of fine-grained complexity is helpful, but not required.

Modul: Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge [M-INFO-106023]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112209 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 6 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können:
• wissenschaftlich motivierte Problemstellungen verstehen und in Kooperation mit Betreuern Anforderungen an die zu
entwickelnde/erweiternde Software ableiten.
• unter Verwendung aktueller Entwicklungsumgebungen mittelgroße Programme erstellen, oder sich in mittlere bis
große Programme einarbeiten und diese weiterentwickeln.
bei regelmäßigen Treffen den Projektfortschritt gegenüber Betreuern darstellen und mögliche Hindernisse
benennen.
• Programme Dritter im Rahmen von Code-Reviews beurteilen, mögliche Schwachstellen identifizieren und diese
diskutieren.
• ein (weiter-)entwickeltes Programm im Rahmen einer Kurzpräsentation darstellen.
• ein (weiter-)entwickeltes Programm dokumentieren.

Inhalt

Die Anforderungen an moderne Software werden immer höher und komplexer. Damit einhergehend werden auch immer neue Techniken zur Entwicklung von Software vorgestellt, die diese Anforderungen erfüllen sollen. Oftmals müssen dafür in der Forschung neue Entwicklungsumgebungen und Werkzeuge implementiert werden, die diese fortgeschrittenen Entwicklungstechniken unterstützen.

In diesem Modul benutzen und erweitern die Teilnehmenden fortgeschrittene Software-Entwicklungswerkzeuge aus der Praxis und Forschung. Dadurch soll entweder die Funktionalität erweitert oder das Werkzeug im Bereich der nicht-funktionalen Eigenschaften verbessert werden.

Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist vorgesehen. Das Praktikum ist in die aktuellen Forschungsarbeiten des Lehrstuhls eingebunden und bietet viel Raum für Kreativität. Die Praktikumsaufgaben sind praktisch orientiert und bereiten die Studierenden auf realitätsnahe Aufgaben in Forschung und in der Industrie vor.

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und
Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Modul: Praktikum: General-Purpose Computation on Graphics Processing Units [M-INFO-100724]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-109914 Praktikum: General-Purpose Computation on Graphics Processing Units 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden sollen die Fähigkeit erwerben, programmierbare Grafik-Hardware mittels geeigneter Schnittstellen (z.B. OpenCL, CUDA) zur Lösung von wissenschaftlichen und technischen Berechnungen einzusetzen. Die Studierenden sollen dadurch die praktische Fähigkeit erwerben systematisch ein paralleles, effizientes Programm auf der Basis geeigneter Algorithmen zu entwickeln. Die Studierenden erlernen grundlegende Algorithmen für parallele Architekturen, können diese analysieren und bewerten, und üben deren Einsatz in praktischen Anwendungen.

Inhalt

Das Praktikum behandelt grundlegende Konzepte für den Einsatz von moderner Grafik-Hardware für technische und wissenschaftliche Berechnungen und Simulationen. Beginnend mit grundlegenden Algorithmen, z.B. parallele Reduktion oder Matrix-Multiplikation, vermittelt das Praktikum Wissen über die Eigenschaften und Fähigkeiten moderner Grafik-Prozessoren (GPUs). Im Rahmen des Praktikums werden kleinere Teilprojekte bearbeitet, bei denen sich die Studierenden Wissen über die verwendeten Algorithmen aneignen und sie auf ein spezielles Problem anwenden; als Programmierschnittstelle dient z.B. OpenCL oder CUDA.

Arbeitsaufwand

Präsenzzeit                   = 12h

Vor-/Nachbereitung        = 78h

Empfehlungen

Siehe Teilleistung.

Modul: Praktikum: Geometrisches Modellieren [M-INFO-101666]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103207 Praktikum: Geometrisches Modellieren 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

The students of this course understand selected geometry modelling problems and are able to develop and implement algorithms for their solutions.

Inhalt

Current CAD-techniques to design, represent, modify and analyze shapes given as solids or by their boundary surfaces.

Arbeitsaufwand

90 h

Modul: Praktikum: Gestaltung und Evaluierung Interaktiver Systeme [M-INFO-106290]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112749 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme 6 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden lernen, gängige Methoden der Mensch-Maschine-Interaktion im Rahmen kleiner Projekte eigenständig anzuwenden. Dies umfasst sowohl nutzendenzentrierte Gestaltungsmethoden, als auch Ansätze zur Evaluierung im Rahmen von Studien.
• Die Studierenden werden in die Lage versetzt, Zusammenhänge zwischen Gestaltungsmethoden, technischen Systemen, sowie des Nutzendenerlebnisses nachzuvollziehen.
• Die Studierenden können Evaluierungsergebnisse interpretieren, auf Charakteristika des Systems und der Nutzenden beziehen, und relevante Designempfehlungen formulieren.

Inhalt

Das Praktikum bietet Studierenden die Möglichkeit, Methoden der Mensch-Maschine-Interaktion im Rahmen projektbasierter Arbeit anzuwenden. Es werden Teilprojekte im Bereich der Barrierefreiheit, nutzendenzentrierten Systemgestaltung sowie im Bereich der digitalen Spiele angeboten; innerhalb dieser Themenbereiche ist es den Studierenden möglich, eigene Ideen einzubringen. Themen werden durch einzelne Studierende oder in Kleingruppen bearbeitet. Fokus liegt auf der prototypischen Gestaltung und Implementierung sowie auf der Evaluierung resultierender Prototypen mittels relevanter Methoden (z.B. nutzendenzentriertes Design sowie qualitative oder quantitative Nutzendenstudien).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden (6 Credits).

Davon entfallen etwa…

20h auf Präsenztermine,
10h auf deren Vor- und Nachbearbeitung,

140h auf das Selbststudium,

10h auf die Prüfungsvorbereitung.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Praktikum: Graphenvisualisierung in der Praxis [M-INFO-103302]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106580 Praktikum: Graphenvisualisierung in der Praxis 5 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach erfolgreichem Abschluss des Moduls sollen die Studierenden

Inhalt

Netzwerke sind relational strukturierte Daten, die in zunehmendem Maße und in den unterschiedlichsten Anwendungsbereichen auftreten. Die Beispiele reichen von physischen Netzwerken, wie z.B. Transport- und Versorgungsnetzen, hin zu abstrakten Netzwerken, z.B. sozialen Netzwerken. Für die Untersuchung und das Verständnis von Netzwerken durch den Menschen ist die Visualisierung ein grundlegendes Werkzeug.

Mathematisch lassen sich Netzwerke als Graphen modellieren und das Visualisierungsproblem lässt sich auf das algorithmische Kernproblem reduzieren, ein Layout des Graphen, d.h. geeignete Knoten- und Kantenpositionen in der Ebene, zu bestimmen. Dabei werden je nach Anwendung und Graphenklasse unterschiedliche Anforderungen an die Art der Zeichnung und die zu optimierenden Gütekriterien gestellt. Das Forschungsgebiet des Graphenzeichnens greift dabei auf Ansätze aus der klassischen Algorithmik, der Graphentheorie und der algorithmischen Geometrie zurück.

In diesem Modul wird die Graphenvisualisierung in ihrer praktischen Umsetzung behandelt. Dazu erarbeiten sich die Studierenden zunächst die relevante Literatur zum Thema, entwerfen dann im Team neue Lösungsansätze durch Modifikation bestehender Algorithmen und Entwicklung neuer Heuristiken, und implementieren und evaluieren schließlich ihren eigenen Lösungsansatz.

Arbeitsaufwand

150 h

~15h Präsenzzeit
~30h Einarbeitung
~90h Implementieren und Evaluieren
~15h Vorbereitung des Abschlussvortrags

Modul: Praktikum: Graphics and Game Development [M-INFO-105384]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110872 Praktikum: Graphics and Game Development 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben Kenntnisse der Grafik-Programmierung und sind in der Lage eigenständig interaktive 3D-Anwendungen zu entwickeln. Während des Praktikums erarbeiten sich die Teilnehmer die dazu notwendigen Grundlagen der Computergrafik und ein tieferes Verständnis ausgewählter Teilgebiete, insbesondere auch durch praktische Implementierungen.

Inhalt

Im Rahmen des Praktikums können Studierende eigene Projekte vorschlagen und während des Semesters bearbeiten (aufbauend auf Themen aus den Vorlesungen des Vertiefungsgebiets, z.B. physikalisch-basierte Bildsynthese, interaktive Computergrafik, Visualisierung oder Spieleentwicklung). Je nach Umfang des Projekts ist Team-Arbeit möglich.

Alternativ besteht die Möglichkeit einzelne vorgegebene Teilprojekte zu bearbeiten, die wichtige Teilgebiete der Computergrafik behandeln. Hierzu zählen Grundlagen der (interaktiven) Bildsynthese und moderne Grafik-Hardware/-APIs, Modellierung und Visualisierung.

Arbeitsaufwand

180h

Empfehlungen

Siehe Teilleistung

Literatur

Spezielle Literatur, die per Aushang und in einer Vorbesprechung bekannt gegeben wird.

Modul: Praktikum: Human-Centred Robotics [M-INFO-106646]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113393 Praktikum: Human-Centred Robotics 6 Mombaur
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte Resultate zu reproduzieren und zu überprüfen. Sie erlangen ein vertieftes Wissen und praktische Erfahrung im Bereich Bewegungserzeugung und Regelung mensch-zentrierter Roboter durch Bearbeitung einer speziellen Projektaufgabe. Sie erlernen außerdem, im Team zu planen, zu arbeiten und zu kommunizieren.  Die Studierenden sind in der Lage, ihre Projektergebnisse in einer wissenschaftlichen Präsentation vorzustellen, die praktischen Ergebnisse zu demonstrieren und detaillierte Fragen dazu  zu beantworten. Sie können außerdem ihre Projektergebnisse schriftlich mit Hilfe von Latex im Stil eines wissenschaftlichen Papers zusammenfassen und in den wissenschaftlichen Kontext einordnen.

Inhalt

Mensch-zentrierte Roboter sind Roboter, die direkt mit dem Menschen interagieren oder ihn bei seinen Bewegungen unterstützen. Dazu gehören humanoide Roboter, aber auch anziehbare Roboter (Exoskelette und Prothesen) oder externe physische Assistenzroboter. Im Rahmen dieses Praktikums lernen die Studierenden anhand eines speziellen Projektes mit Roboter-Hardware, theoretische Kenntnisse zu mensch-zentrierten Robotern zu implementieren uns zur Lösung einer gegebenen Aufgabe einzusetzen.
Die Projekte können sich entweder auf die Entwicklung von Code für eine bestimmte Hardware oder auf die Entwicklung oder Modifizierung von Roboterhardware zusammen mit dem Basiscode konzentrieren. Die Studierenden lernen die Herausforderungen bei der Arbeit mit realer Roboterhardware im Vergleich zu Modellrechnungen sowie die Funktionsprinzipien und die praktische Implementierung von Sensoren und Aktoren kennen.  

Anmerkungen

Begrenzte Anzahl von Projekten und Teilnehmern.  Spezielle Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt. 

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden.  
20h – Präsenzveranstaltungen (Kickoff, Treffen mit Betreuer und Vorträge)  
130h - Bearbeitung eines individuellen Projekts
30h -  Erstellung der Ausarbeitung und des Vortrags

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind sehr hilfreich.

Modul: Praktikum: Ingenieursmäßige Software-Entwicklung [M-INFO-104254]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-108791 Praktikum Ingenieursmäßige Software-Entwicklung 6 Reussner
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

  • wissenschaftlich motivierte Problemstellungen verstehen und in Kooperation mit Betreuern Anforderungen an die zu entwickelnde/erweiternde Software ableiten.
  • unter Verwendung aktueller Entwicklungsumgebungen mittelgroße Programme erstellen, oder sich in mittlere bis große Programme einarbeiten und diese weiterentwickeln.
  • bei regelmäßigen Treffen den Projektfortschritt gegenüber Betreuern darstellen und mögliche Hindernisse benennen.
  • Programme Dritter im Rahmen von Code-Reviews beurteilen, mögliche Schwachstellen identifizieren und diese diskutieren.
  • ein (weiter-)entwickeltes Programm im Rahmen einer Kurzpräsentation darstellen.
  • ein (weiter-)entwickeltes Programm dokumentieren.

Inhalt

Die ingenieursmäßige Entwicklung von Software ist eine unabdingbare Voraussetzung für die Entwicklung großer Systeme. Dementsprechend müssen Software-Ingenieure die Qualität des Systems bereits während des Software-Entwurfs systematisch analysieren und wenn möglich auch vorhersagen.

In diesem Modul benutzen und erweitern die Teilnehmer aktuelle Werkzeuge aus Praxis und Forschung, um die Performance von Software-Systemen zu evaluieren und zu vorhersagen. Diese Werkzeuge bieten Lösungen für folgende Aufgaben an:

Die Entwicklungsaufgaben entstammen den Themenbereichen

Die verwendeten Technologien umfassen

Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist vorgesehen. Das Praktikum ist in die aktuellen Forschungsarbeiten des Lehrstuhls eingebunden und bietet viel Raum für Kreativität. Die Praktikumsaufgaben sind praktisch orientiert und bereiten die Studenten auf realitätsnahe Aufgaben in Forschung und in der Industrie vor.

Anmerkungen

Der frühere Titel des Moduls lautete „Praktikum Software Quality Engineering mit Eclipse“.

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Modul: Praktikum: Intelligente Roboterperzeption [M-INFO-106656]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Einmalig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113407 Praktikum: Intelligente Roboterperzeption 3 Triebel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students have gained experience in implementing and evaluating relevant algorithms in the context of intelligent robot perception. This includes mainly practical skills in programming, in particular the ability to implement algorithms that are given, e.g. by scientific publications, into a practical software module. 

Inhalt

During the semester, different practical topics in the domain of intelligent robot perception will be treated. This includes, e.g. mapping and localization in challenging environments, object detection and object pose estimation for robot manipulation, grasp detection and planning. Each group is assigned a different topic, which is then worked on throughout the semester.  The major part consists of implementing given algorithms and evaluating them on benchmark data, documenting the work and presenting the results at the end of the semester. 

Arbeitsaufwand

3 CP corresp. to 90 hours work load:
appx. 4 h introductory lecture
appx. 10 h initial 
appx. 60 h group work
appx. 16 h presence time

Empfehlungen

Knowledge in C++ and / or Python are required.

Modul: Praktikum: Internet of Things (IoT) [M-INFO-103706]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-107493 Praktikum: Internet of Things (IoT) 4 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine

Qualifikationsziele

The students will understand the main concept of IoT systems including the design objectives, application domains and their requirements, design challenges, etc.

The students will gain the ability to develop software programs for the IoT embedded devices, implement the code on the hardware, conduct the tests, find the bugs and errors, and debug the software code on the hardware.

The students shall be able to implement and apply the concepts that are critical in IoT domain, e.g. low power design, security, ect.

The students will be able to develop, integrate and evaluate a small IoT system with its main components: sensors to get data from physical world, embedded processor for control the device and process the data, wireless radio to transmit the data from the device to the Internet, a storage (on the Internet or on a Smart Phone) to keep the data for further analysis.

Inhalt

  • This lab aims at providing the student with the practical concept of IoT systems design.
  • It provides an overview of the IoT systems’ aspects including embedded intelligence, connectivity, interaction with physical world, etc.
  • It covers the main design and implementation issues for IoT devices and their applications. These issues challenge the students to tailor smart techniques to optimize the embedded software on IoT device to meet the constrained resources.
  • The students gain in-depth practical experiences in embedded system design with focus on the IoT applications as well as the communication in connected devices.

Arbeitsaufwand

(2 SWS +1.5*2 SWS)*10

+

55 h final project

+

15 h presentation & report

= 120 h = 4 ECTS

Empfehlungen

  • This lab is also suitable for electrical engineering students and those who have interest in embedded systems design.
  • The ability to develop software programs in C or C++ is recommended.
  • Basic knowledge about other programming languages can be helpful (e.g. Java or Python)

Modul: Praktikum: Low Power Design and Embedded Systems [M-INFO-104031]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-108323 Praktikum: Low Power Design and Embedded Systems 4 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

The student will understand the main concept of loop transformations, its applicability and its effect in executable code, as for compiler optimization options.

The student will gain a hands-on experience of a microarchitectural simulator as for a high-level synthesis tool.

The students will gain the ability to develop and compare different target implementations for a software-based application using a high-level synthesis tool.

The student will be able to compare and analyze the effect of software transformations and hardware implementations in the power consumption and the execution time of an application, and to decide, under giving design constraints, which implementation suits better.

Inhalt

This lab explores different software and hardware approaches for power and energy reduction on modern embedded systems, considering other relevant metrics and constraints (eg, temperature, performance, chip area).

The first part of the lab consists of an exploration and analysis of the effect of loop transformation techniques and compiler optimizations in the power consumption, execution time and cache performance.

The second part of the lab consists of a Hardware / Software Co-design exploration using the High-Level Synthesis (HLS) technique.

As part of the course, there will be access to the CES thermal lab, in which an experiment will be carried out to analyze the effect of power and temperature on a real board setup, using a thermal camera.

Arbeitsaufwand

15 h: reading papers to prepare for the lab before its start

60 h lab hours (1 full week at the end of the semester)

20 h report

= 95 h

Empfehlungen

- This lab is also suitable for electrical engineering students and those who have interest in embedded systems design.

- Basic knowledge about C/C++.

- Basic knowledge about computer organization.

Modul: Praktikum: Movement and Technology [M-INFO-106648]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113394 Praktikum: Movement and Technology 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to analyze and understand complex scientific topics in the area of human motion capture and motion analysis. They gain in-depth knowledge and practical experience with motion capture technology, experiment planning, and analysis. They also learn how to plan, work together and communicate in an interdisciplinary team. Students will be able to present their project results in a scientific presentation, demonstrate the practical results and answer detailed questions. They can also summarize their project results in writing using Latex and place them in a scientific context.

Inhalt

In this joint course between Informatics and Sports Science, and in the sense of research-oriented teaching, students learn about current research projects of the BioRobotics Lab (Informatics) and the BioMotion Center (Sports Science) at the interface of interface of motor control and biomechanics of human movement. This research involves the use of latest motion capture technology, advanced analysis tools, and partly also assistive robotics technology. Students work in in teams (interdisplinary teams between students from different study programs are highly encouraged) to carry out motion capture experiments, analyze the results and present them in written and oral form. Depending on the specific project, these motion capture studies are either stand-alone studies just for this course or part of a larger research project at one of the organizing research groups. 

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
20h – In person events (kickoff meeting, individual meetings with supervisor, presentations) 
120h – Individual project work 
40h -  Writing report and preparing presentation 

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Programming skills.

Modul: Praktikum: Neural Network Acceleration on FPGAs [M-INFO-106503]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113122 Praktikum: Neural Network Acceleration on FPGAs 3 Gnad, Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

After the lab is finished, the students will have acquired the following skills and expertise:

- Be able to implement a neural network accelerator based on established benchmark data, generating an ONNX model and finishing with a dedicated FPGA design, based on the open source FINN framework for AMD FPGAs.

- Understand the implications of using quantization and other resource-constraining methods.

- Be able to understand the distinctive advantages (or disadvantages) of FPGAs versus other implementations.

Inhalt

Neural networks are applied in a variety of domains, even critical application scenarios in transportation and medicine. Important aspects of accelerating neural networks in various application domains are performance, latency, reliability, and energy footprint. Dedicated hardware can have advantages in all of these domains over a traditional CPU and also GPU implementations. In this regard, Field-Programmable Gate Arrays (FPGAs; reconfigurable hardware) have shown to be an efficient and versatile solution for accelerating quantized neural networks, which are compact representations of neural network models. Their benefits are proven by the use in Microsoft Azure ML, Amazon AWS and other cloud platforms.
This module will teach students how to implement neural networks on reconfigurable hardware using an established framework, and also looks into relevant practical details when optimizing the network for hardware deployment.

Arbeitsaufwand

(2 SWS + 2 x 2 SWS) x 15 = 90h = 3 ECTS

Empfehlungen

Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.

Modul: Praktikum: Penetration Testing [M-INFO-104895]

Verantwortung:
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109929 Praktikum: Penetration Testing 4 Baumgart, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel:

Studierende kennen etablierte Methodiken und Werkzeuge des Penetration Testings und sind in der Lage diese auf Windows- und Linux-Systeme anzuwenden, Schwachstellen zu identifizieren und auszunutzen.


Lernziele:

Studierende sind selbstständig in der Lage einen strukturierten Testreport mit einer Darstellung ihrer Vorgehensweise sowie der Prüfergebnisse zu erstellen.

Inhalt

In einer Einführung wird in diesem Praktikum zunächst Wissen über verschiedene Aspekte des Penetration Testings vermittelt. Themen sind unter anderem:

- Enumeration / Information Gathering

- Identifikation von verwundbaren Diensten und zugehörigen Exploits

- Web-basierte Angriffstechniken

- Passwortbasierte Angriffe

- Techniken zur Datenübertragung

- Privilege Escalation unter Windows und Linux

- Das Metasploit-Framework

Anschließend wenden Studierende die erlernten Methoden und Werkzeuge selbstständig auf eine Reihe von ausgewählten Testrechnern an und erstellen einen Penetration Testing Report dazu.

Arbeitsaufwand

Präsenzzeit: 15 h

Lösen der Aufgaben: 75h

Erstellung Vortrag und Report: 30h

Gesamt: 120h

Empfehlungen

Grundlagen der IT-Sicherheit sowie grundlegende Kenntnisse der Betriebssysteme Linux und Windows werden vorausgesetzt. Zudem werden die Inhalte der Vorlesung Einführung in Rechnernetze als bekannt vorausgesetzt.

Modul: Praktikum: Programmverifikation [M-INFO-101537]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102953 Praktikum: Programmverifikation 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden lernen Methodiken im Bereich der Programmverifikation
kennen.
Bei der Bearbeitung praktischer Aufgaben lernen sie, die zugrundeliegenden
Methodiken verstehen, begründen, bewerten und einordnen zu können. Weiterhin
lernen sie, die erzielten Ergebnisse dokumentieren, zusammenfassen und
präsentieren, sowie diskutieren zu können.

Inhalt

Im Praktikum soll das aus Vorlesungen zu Themen der Programmverifikation erlernte Wissen in die Praxis umgesetzt und vertieft werden.

Arbeitsaufwand

* Präsenzzeit und Gruppentreffen: 15 Stunden
* Einarbeitung in das Thema: 10 Stunden
* Planung und Bearbeitung der praktischen Aufgaben: 49 Stunden
* Erstellen der Präsentation: 8 Stunde
* Dokumentation und Zusammenfassung der Ergebnisse: 8 Stunden

Summe: 90 Stunden (= 3 Leistungspunkte)

Modul: Praktikum: Realtime Computer Graphics [M-INFO-106851]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113737 Praktikum: Realtime Computer Graphics 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der Echtzeit-Bildsynthese. Während des Praktikums sammeln die Teilnehmenden Erfahrung mit der Programmierung von modernen Bildsyntheseverfahren und den zugrundeliegenden algorithmischen und mathematischen Konzepten, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der Echtzeit-Bildsynthese, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach „Computergrafik und Geometrieverarbeitung“ behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen, die von effizienten Schattierungstechniken (ggf. mittels Vorberechnungen), über die Darstellung geometrisch komplexer Szenen, bis hin zu Herausforderungen im Kontext von Echtzeit-Path Tracing (wie bspw. Path Guiding, Denoising) reichen. 

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Interaktive Computergrafik“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).

Modul: Praktikum: Real-world Vulnerability Discovery and Exploits [M-INFO-106627]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113350 Praktikum: Real-world Vulnerability Discovery and Exploits 4 Wressnegger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

← Students know and understand exploitation techniques.
← Students are able to independently research software vulnerabilities.
← Students are comfortable engaging with software vendors in vulnerability disclosure.

Inhalt

Students understand modern exploitation techniques and can apply them. Moreover, they get familiar with the vulnerability disclosure process of prominent software vendors, reporting their findings.

Arbeitsaufwand

• 2h Präsenzzeit/ Woche (Vorträge)
• 5h Projektarbeit/ Woche
• 10h Vorbereitung Abschlusspräsentation
• 5h Präsenzzeit (Abschlussveranstaltung)

Insgesamt 120h

Empfehlungen

Praktikum Anwendungssicherheit

Modul: Praktikum: Rendering in CGI [M-INFO-106687]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113443 Praktikum: Rendering in CGI 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der fotorealistischen Bildsynthese. Während des Praktikums sammeln die Teilnehmenden Erfahrung mit der Programmierung von Bildsyntheseverfahren und den zugrundeliegenden algorithmischen und mathematischen Konzepten, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der fotorealistischen Bildsynthese, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach „Computergrafik und Geometrieverarbeitung“ behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen, die eine einfache Path Tracing-Implementierung schrittweise hin zu einem robusten und effizienten Rendering-System entwickeln, das fotorealistische Bilder von komplexen Szenen und mit unterschiedlichsten Lichttransportphänomene berechnen kann.

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Fotorealistische Bildsynthese“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).

Modul: Praktikum: Scientific Visualization [M-INFO-106686]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113442 Praktikum: Scientific Visualization 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der wissenschaftlichen Visualisierung. Während des Praktikums sammeln die Teilnehmenden die dazu notwendigen Kenntnisse der Computergrafik, Visualisierung und Programmierung von Grafik-Hardware, und entwickeln ein tieferes Verständnis ausgewählter Teilgebiete, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der wissenschaftlichen Visualisierung, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach Computergrafik und Geometrieverarbeitung behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen und implementieren interaktive Visualisierungen von Volumendaten (z.B. MRT-/CT-Aufnahmen, Simulationen), Vektorfeldern (Strömungsvisualisierung), sowie von Tensorfeldern und erarbeiten sich wichtige Kenntnisse für den Umgang von großen Daten und effizienten Algorithmen und Datenstrukturen auf Grafik-Hardware.

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Visualisierung“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).

Modul: Praktikum: Security, Usability and Society [M-INFO-105453]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110990 Praktikum: Security, Usability and Society 4 Geiselmann, Strufe
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende kennen etablierte Sicherheits- und Datenschutzprogramme, können sie in Apps umsetzen und können Benutzerstudien durchführen.

Lernziele:

• Studierende kennen und verstehen die Methoden um datenschutzfreundliche Apps zu entwickeln und können sie anwenden.
• Studierende sind in der Lage verschiedene verwendbare Sicherheitsmaßnahmen in Programmen umzusetzen.
• Studierende können Benutzerstudien einrichten und durchführen.
• Studierende sind in der Lage einen Bericht ihrer Arbeit auszuarbeiten und vorzustellen.

Inhalt

Das Praktikum "Sicherheit, Benutzerfreundlichkeit und Gesellschaft" behandelt Themen wie nutzbare Sicherheits- und Datenschutzprogramme sowie die Durchführung von Benutzerstudien.
Themen sind unter anderem:

- Datenschutzfreundliche Apps
- Programmieren nutzbarer Sicherheitsmaßnahmen
- Durchführung nutzbarer Sicherheit Benutzerstudien

Arbeitsaufwand

Präsenzzeit: 15 h
Lösen der Aufgaben: 75
Erstellung Vortrag und Report: 30

Modul: Praktikum: Smart Data Analytics [M-INFO-103235]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106426 Praktikum: Smart Data Analytics 6 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Praktikums können die Studierenden

Inhalt

Kontextsensitivität wird oftmals als Schlüsselkomponente intelligenter Software bezeichnet. Systeme, die den Kontext ihrer Nutzer erkennen und verarbeiten können, können Dienste optimal und idealerweise ohne explizite Eingaben der Nutzer erbringen (siehe auch Beschreibung zur Vorlesung 24658)

Im Praktikum werden Techniken, Methoden und Software der Kontexterfassung und -verarbeitung als Basis von Smart Data Analytics vertieft. Im Fokus steht vor allem die im Smart Data Innovation Lab verwendete Hardware und Software (industriell genutzte Systeme wie z.B. SAP HANA und IBM Watson aber auch insbesondere Open Source Software zur Datenanalyse wie Spark, scikit-learn und Jupyter/iPython Notebooks) sowie Nutzung von Sensordaten und Zeitserien in wirtschaftlich-relevanten Anwendungen

Bewertet wird die praktische Lösung von Aufgaben die als Übungsblätter verteilt werden. Des Weiteren wird ein beispielhaftes Anwendungsproblem aus dem Analyticsbereich während des Praktikums mit Teilnahme an Wettbewerben (z.B.Kaggle o.Ä.) gelöst. In dieser Phase wird an das CRISP-DM Vorgehensweise angelehnt, was während des Praktikums erläutert wird. Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt.

Die praktischen Aufgaben finden im Umfeld aktueller wissenschaftlicher Arbeiten sowie aktueller Plattformen und Technologien statt. Das Praktikum ist forschungsorientiert und orientiert sich thematisch an aktuellen Projekte am Smart Data Innovation Lab am KIT. Dabei sollen insbesondere Einblicke in aktuelle Problemstellungen in der industriellen Anwendung gewährt werden. Ziel ist es auf Basis von konkreten Anwendungsbeispielen in Gruppen innovative, effiziente und praxisorientierte Lösungsansätze zu erarbeiten und als technologische Demonstratoren wissenschaftlich zu präsentieren.

Die Teilnehmerinnen und Teilnehmer werden bei der Durchführung von den wissenschaftlichen Mitarbeiterinnen und Mitarbeitern unterstützt und erhalten Zugang zu den notwendigen Datenquellen und Großrechnern.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 180 Stunden (6.0 Credits).

Präsenzzeit: Präsentation/Diskussion

15 x 45 min

11 h 15 min

Persönliche Nachbereitung der Folien/Aufgaben

15 x 30 min

7 h 30 min

Individuelle Präsentation eines für die Implementierung relevanten wiss. Artikels

30 h 0 min

Praktische Bearbeitung der Aufgaben in Gruppe und individuell

15 x 8h

120 h 0 min

Ergebnisse dokumentieren und für Präsentation aufbereiten

15 x 45 min

11 h 15min

SUMME

180 h 00 min

Empfehlungen

Siehe Teilleistung.

Modul: Praktikum: Smart Energy System Lab [M-INFO-105955]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Ergänzungsfach / Automation und Energienetze
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112030 Praktikum: Smart Energy System Lab 6 Waczowicz
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach erfolgreicher Teilnahme an der Lehrveranstaltung werden die Studierendenden
• Den Aufbau und die Ziele eines Smart Grids anhand des Energy Lab 2.0 bzw. des Smart Energy System Simulation and Control Center (SEnSSiCC) erklären können,
• aktuelle Forschungsfragen auf dem Gebiet innovativer, anwendungsorientierter Informations-, Automatisierungs- und Systemtechnik für zukunftsfähige Energiesysteme nennen und einordnen können,
• im Rahmen eines Projekts ein Problem aus den aktuellen Forschungsfragen des SEnSSiCC analysieren und gemeinsam im Team eine Strategie zur Lösung entwickeln können und
• Ergebnisse in einem Labor auf die Umsetzbarkeit überprüfen, analysieren und auswerten können.

Inhalt

Im Rahmen der Vorbereitung des Praktikums werden Projektthemen aus den aktuellen Forschungsfragen des Smart Energy System Simulation and Control Center des Energy Lab 2.0 (https://www.iai.kit.edu/RPE.php) abgeleitet. Die Themen werden den teilnehmenden Studierenden im Vorfeld des Praktikums als Liste zur Verfügung gestellt, auf deren Grundlage die Studierenden ihre Präferenzen für die jeweiligen Themen äußern können. Anhand ihrer genannten Präferenzen werden die Studierenden den jeweiligen Projektthemen zugeordnet.

Das zweiwöchige Praktikum beginnt mit einer gemeinsamen Auftaktveranstaltung, die u.a. eine Einführung und Führung durch das Energy Lab 2.0 und das SEnSSiCC sowie eine Kurzvorstellung aller Projekthemen umfasst. Den Studierenden werden aktuelle wissenschaftliche Arbeiten zu ihrem Forschungsthema zur Verfügung gestellt. Während des zweiwöchigen Praktikums bearbeiten die Gruppen von Studierenden begleitend von den jeweiligen Wissenschaftler*innen ihre Projektthemen. Anhand eines Laboraufbaus überprüfen die Studierenden Ihre Konzepte und Lösungsansätze. Besonders vielversprechende Ansätze können unter Aufsicht der Wissenschaftler*innen an der realen Anlage getestet werden. Die Blockveranstaltung endet mit einer gemeinsamen Abschlussveranstaltung, bei der die Studierenden ihre Lösungswege und Arbeitsergebnisse vorstellen.

Nach dem Praktikum bereiten die Studierenden die Projektarbeit nach, indem sie jeweils einen Bericht über das von ihnen bearbeitete Projektthema anfertigen, die Arbeitsergebnisse einordnen und den Arbeitsprozess reflektieren.

Arbeiten im Team ist ein weiterer wichtiger Aspekt bei allen Projektthemen.

Das Praktikum besteht aus den folgenden Abschnitten:
• Einarbeitung in das Thema
• Auswahl eines geeigneten Projektthemas in Abstimmung mit den betreuenden Wissenschaftler*innen
• Praktische Umsetzung des Projektthemas
• Vorstellung der Ergebnisse (Kolloquium, Forschungsbericht)

Arbeitsaufwand

6 Leistungspunkte entspricht ca. 180 Arbeitsstunden, davon
• Präsenzzeit / Treffen in Groß- und Kleingruppen: 10h
• Projektarbeit auswählen und durchführen: 140h
• Forschungsbericht schreiben und Präsentation vorbereiten: 30h

Empfehlungen

• Kenntnisse zu Grundlagen der Energieinformatik werden vorausgesetzt.
• Kenntnisse zu Grundlagen der Elektrotechnik und Energietechnik werden vorausgesetzt.
• Kenntnisse zu Grundlagen der Mechatronik, der Datenanalyse, der Signalverarbeitung sind hilfreich.
• Kenntnisse über Power Systems oder Power Electronics sind hilfreich.

Modul: Praktikum: Sprachübersetzung [M-INFO-105997]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112175 Praktikum: Sprachübersetzung 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende
• ist in der Lage ein Sprachübersetzungssystem mittels Methoden, die Stand der Technik sind, zu entwickeln.
• kann Sprachüberstzungsysteme evaluieren.
• kann ihre/seine Erkenntnisse in einem wissenschaftlichen Vortrag vorstellen.

Inhalt

Durch den Einsatz von Deep Learning Technologien konnte die Qualität der Maschinellen Übersetzung von Text und Sprache in den letzten Jahren signifikant verbessert werden. In diesem Praktikum entwickeln die Studentinnen und Studenten eine Sprachübersetzungssystem für ein neues Sprachpaar mittels State-of-the-Art Methoden.
In dem ersten Teil des Praktikums werden die Studierenden Schritt-für-Schritt an die Entwicklung eines Übersetzungssystems sowie dessen Evaluation herangeführt. Dafür müssen die unterschiedlichen Teilaufgaben gelöst werden. Im zweiten Teil des Praktikums sollen die Studierenden selbständige unterschiedliche Verbesserungen des Systems untersuchen.

Arbeitsaufwand

180h
Ca. 15h Präsenz
Ca. 15h Vor/Nachbearbeitung
Ca. 140h Selbststudium
Ca. 10h Vorbereitung wissenschaftlicher Vortrag

Empfehlungen

Die Studentinnen und Studenten sollten die theoretischen Grundlagen wie sie in den Vorlesungen Deep Learning oder Maschinelle Übersetzung eingeführt werden, verstanden haben.

Modul: Praktikum: Unterteilungsalgorithmen [M-INFO-105737]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111454 Praktikum: Unterteilungsalgorithmen 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

The students of this course know several subdivision algorithms for arbitrary meshes and are able to develop and implement efficient algorithms for their solutions.

Inhalt

Subdivision algorithms to generate arbitrary free form surfaces from control meshes.

Arbeitsaufwand

90 h

Modul: Praktikum: Visual Computing [M-INFO-101567]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103000 Praktikum: Visual Computing 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

In dieser Lehrveranstaltung werden praktische Probleme aus dem Kernbereich der Computergraphik und dem breiteren Feld des Visual Computing gelöst bei denen Grafik-Hardware zum Einsatz kommt. In einzelnen Teilprojekten, oder selbst-definierten größeren Projekten, werden u.a. die Anwendung von verschiedenen computergraphischen Techniken und der Einsatz moderner Graphik-Hardware geübt. Darüber hinaus kann im Team zusammengearbeitet werden, um die Aufgaben des Praktikums zu lösen.

Inhalt

Das Praktikum behandelt spezifische Themen, die teilweise in entsprechenden Vorlesungen auf dem Vertiefungsfach Computergraphik angesprochen wurden und vertieft diese. Ein vorheriger Besuch der jeweiligen Vorlesung ist hilfreich, aber keine Voraussetzung für den Besuch.

Arbeitsaufwand

Präsenzzeit = 30h
Vor-/Nachbereitung = 150h

Empfehlungen

Programmierkenntnisse in C/C++ werden empfohlen.

Modul: Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) [M-INFO-101635]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-103121 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) 5 Abeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Im Praktikum wird eine individuelle Projektaufgabe gestellt, die vom Studierenden unter Nutzung der in der Vorlesung "Web-Anwendungen und Serviceorientierte Architekturen (I und II)" behandelten Konzepte in einem Projektteam zu lösen ist.

Arbeitsaufwand

150h
Präsenzzeit (Projektteamtreffen) 22,5 (15 x 1,5)
Nacharbeit der Projektteamtreffen 22,5 (15 x 1,5)
Entwicklungsarbeiten, praktische Experimente 45 (15 x 3)
Ausarbeitung 60 (15 x 4)

Empfehlungen

Siehe Teilleistung.

Modul: Praktikum: Werkzeuge für Agile Modellierung [M-INFO-104893]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109925 Praktikum: Werkzeuge für Agile Modellierung 6 Koziolek
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

- wissenschaftlich motivierte Problemstellungen verstehen und in Kooperation mit Betreuern Anforderungen an die zu entwickelnde/erweiternde Software ableiten.
- unter Verwendung aktueller Entwicklungsumgebungen mittelgroße Programme erstellen, oder sich in mittlere bis große Programme einarbeiten und diese weiterentwickeln.
- bei regelmäßigen Treffen den Projektfortschritt gegenüber Betreuern darstellen und mögliche Hindernisse benennen.
- Programme Dritter im Rahmen von Code-Reviews beurteilen, mögliche Schwachstellen identifizieren und diese diskutieren.
- ein (weiter-)entwickeltes Programm im Rahmen einer Kurzpräsentation darstellen.
- ein (weiter-)entwickeltes Programm dokumentieren.

Inhalt

Agile Software-Entwicklungs-Methoden bezeichnen eine Klasse von iterativ-inkrementellen Entwicklungsmethoden, bei denen besonderer Wert auf ausführbare Software, frühes Feedback durch Beteiligte, und Annehmen von nötigen Änderungen gelegt wird. Bei diesen Entwicklungsmethoden werden Aufwände, der nicht direkt im Bezug zu lauffähiger Software steht, kritisch gesehen.

Modellierung hilft Entwicklern, mit komplexen Systemen und Sachverhalten umzugehen und eine geeignete Abstraktionsebene für anstehende Entscheidungen zu finden. Im Kontext von agiler Entwicklung werden vornehmlich Skizzen von Modellen zur Kommunikation und zum Erarbeiten von Lösungen an Whiteboards erstellt (agiles Modellieren), aber nicht weiter persistiert und verarbeitet, um Aufwände zu sparen.

In diesem Praktikum benutzen und erweitern die Teilnehmer aktuelle Werkzeuge aus Praxis und Forschung, um agile Modellierung zu unterstützen. Zwei Arten von Werkzeugen werden dabei betrachtet:

- Werkzeuge für die Analyse natürlicher Sprache und/oder Modellskizzen, um semi-formale Modelle und Aussagen über Software-Systeme abzuleiten
- Werkzeuge, um Modelle teilautomaisch aus Quellcode und Informationen zur Laufzeit, insbesondere Performance-Daten, abzuleiten
- Werkzeuge zur einfacheren, domänenspezifischen Modellierung

Je nach bearbeitetem Thema werden unterschiedliche Technologien eingesetzt, darunter

- Eclipse-Plattform
- EMF (Eclipse Modeling Framework)
- Palladio-Simulator
- Protégé Ontologie-Editor
- Toolkit zur Verarbeitung natürlicher Sprache (Stanford CoreNLP)
- weitere Plugins für Eclipse

Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist vorgesehen. Das Praktikum ist in die aktuellen Forschungsarbeiten des Lehrstuhls eingebunden und bietet viel Raum für Kreativität. Die Praktikumsaufgaben sind praktisch orientiert und bereiten die Studenten auf realitätsnahe Aufgaben in Forschung und in der Industrie vor.

Arbeitsaufwand

20 Arbeitsstunden für die Einarbeitung,

120 Arbeitsstunden für die Entwicklungsarbeit,

20 Arbeitsstunden für wöchentliche Treffen und deren Nachbereitung,

10 Studen für Vorbereitung und Durchführung eines Code-Reviews,

10 Stunden für Anfertigung und Halten der Abschlusspräsentation.

Insgesamt ergeben sich 180 Arbeitsstunden

Empfehlungen

Solide Programmierkenntnisse sind benötigt, um mit dem angegebenen Arbeitsaufwand das Praktikum erfolgreich zu absolvieren.

Modul: Praktische Einführung in die Hardware Sicherheit [M-INFO-104357]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-108920 Praktische Einführung in die Hardware Sicherheit 6 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Das Ziel dieses Moduls, welches eine Kombination aus Vorlesung und Übungsaufgaben darstellt, ist reale Erfahrungen zu machen, die auf Grundkonzepten und neuartigen Entwicklungen im Bereich Hardwaresicherheit basiert und sowohl Theorie und Praxis eines aufeinander abgestimmten Kurses vereint.
Die theoretischen Konzepte jedes einzelnen Themas werden dem Studenten in Form einer Vorlesungsstunde vorgestellt. Anschließend folgt eine Reihe von praktischen Übungen auf Hardware und Software Plattformen, die der Student bei jedem Thema anwenden soll.

Inhalt

1. Sicherheitsprimitive in Hardware (PUF, TRNG)
2. Hardware-Implementierung von symmetrischer Verschlüsselung (AES)
3. Passiver Angriff durch Seitenkanäle (auf AES)
4. Aktiver Fault Angriff (anhand simpler Schaltungen und ggf. AES)

Arbeitsaufwand

4 SWS / 6 ECTS = 180h
2 SWS Vorlesung (1,5h) + 2 SWS Übung (1,5h) / wöchentlich

Empfehlungen

Kenntnisse in „Digitaltechnik“ (Vorlesung Technische Informatik)

Praktikum „FPGA Programming“

Modul: Praktische Philosophie I [M-GEISTSOZ-104507]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
11
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
1
Pflichtbestandteile
T-GEISTSOZ-101170 Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) 0 Schefczyk
T-GEISTSOZ-101081 Praktische Philosophie 1.2 0 Schefczyk
T-GEISTSOZ-101171 Praktische Philosophie 1.3 0 Schefczyk
T-GEISTSOZ-109222 Modulprüfung Praktische Philosophie I 11 Schefczyk
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

Die Module Ars Rationalis und Grundlagen der Geschichtswissenschaft müssen für die Anmeldung zur Modulprüfung bestanden sein.

Qualifikationsziele

Die Studierenden sind in der Lage, normative Argumente fundiert zu bewerten und eigenständig zu entwickeln. Sie kennen Konzepte ethischen Urteilens und Entscheidens und können sie zur Klärung konkreter moralischer Herausforderungen einsetzen. Sie zeigen in einer selbstständig verfassten Hausarbeit, dass sie die wissenschaftlichen Standards der zeitgenössischen Praktischen Philosophie, bezogen auf ein begrenztes Thema, kennen und philosophische Urteilsfähigkeit erworben haben und – wo nötig –relevantes interdisziplinäres Kontextwissen kritisch verarbeiten können.

Inhalt

In diesem Modul sollen die Studierenden Überblick über Theorien der Praktischen Philosophie in Geschichte und Gegenwart erlangen und sich in einer durch Pluralität und interdisziplinäres Kontextwissen gekennzeichneten Diskussionslage orientieren. Sie lernen Grundbegriffe der Ethik (wie Autonomie, Pflichten, Tugenden, Verantwortung, Werte), der Politischen Philosophie (wie Freiheit, Gerechtigkeit und Gleichheit, Toleranz, Demokratie, Fortschritt und Menschenrechte) beziehungsweise der Rechts- und Sozialphilosophie (wie Autorität, Macht und Gewalt, kollektives Handeln, Verantwortung, Solidarität). Die Studierenden lernen zudem Ansätze der Begründung von Normen und Werten kennen, unter anderem durch die Lektüre klassischer Texte auf Einführungsstufe.

Arbeitsaufwand

Insgesamt 330 h: Präsenz in den Veranstaltungen ca. 90 h, Vor- und Nachbereitung einschließlich selbstständiger Lektüre empfohlener Fachliteratur 80 h, Vorbereitung der Referate bzw. Hausaufgaben 60 h, Hausarbeit ca. 100 h.

 

Empfehlungen

Zur Entzerrung der Prüfungsbelastung wird empfohlen, mit den Vorbereitungen der Hausarbeit bereits nach Ende der Vorlesungszeit des Wintersemesters zu beginnen.

Modul: Praxis der Forschung (Methoden, 1. Semester) [M-INFO-105033]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110211 Praxis der Forschung (Methoden, 1. Semester) 2 Beckert
Erfolgskontrolle(n)

s. Teilleistung

Voraussetzungen

s. Teilleistung

Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 1. Semester)“, „Praxis der Forschung (Projekt, 2. Semester)“ und „Praxis der Forschung (Methoden, 1. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 60 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Lehre zu 0,5 der 2 LP des Moduls wird von Dozenten der KIT-Fakultät für Informatik und die Lehre zu 1,5 LP durch das House of Competence. Die dazu vom House of Competence veranstalteten Lehrveranstaltungen sind:

* Präsenzzeit in Workshops und Lehrveranstaltungen: 26 Stunden
* Vor- und Nachbereitung der Veranstaltungen: 8 Stunden
* Reflexion und Transfer in Kontext des eigenen Projekts: 14 Stunden
* Bearbeiten von Übungsaufgaben: 4 Stunden
* Prüfungsvorbereitung: 8 Stunden

Summe: 60 Stunden (= 2 Leistungspunkte)

Modul: Praxis der Forschung (Methoden, 2. Semester) [M-INFO-105034]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110212 Praxis der Forschung (Methoden, 2. Semester) 2 Beckert
Erfolgskontrolle(n)

s. Teilleistung

Voraussetzungen

s. Teilleistung

Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 1. Semester)“, „Praxis der Forschung (Projekt, 2. Semester)“ und „Praxis der Forschung (Methoden, 1. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 60 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Lehre zu 0,5 der 2 LP des Moduls wird von Dozenten der KIT-Fakultät für Informatik und die Lehre zu 1,5 LP durch das House of Competence. Die dazu vom House of Competence veranstalteten Lehrveranstaltungen sind:

* Präsenzzeit in Workshops und Lehrveranstaltungen: 16 Stunden
* Vor- und Nachbereitung der Veranstaltungen: 6 Stunden
* Reflexion und Transfer in Kontext des eigenen Projekts: 18 Stunden
* Bearbeiten von Übungsaufgaben: 12 Stunden
* Prüfungsvorbereitung: 8 Stunden

Summe: 60 Stunden (= 2 Leistungspunkte)

Modul: Praxis der Forschung (Projekt, 1. Semester) [M-INFO-105037]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-110218 Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung 3 Beckert
T-INFO-110219 Praxis der Forschung (Projekt, 1. Semester) - Präsentation 3 Beckert
T-INFO-110220 Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens 4 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

- Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 2. Semester)“, „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.
- Dieses Modul kann entweder in einem Vertiefungsfach oder im Wahlbereich angerechnet werden. Die jeweilige Zuordnung der angebotenen Projekte zu Vertiefungsfächern wird am Anfang des Semesters bekannt gegeben.
- Dieses Modul beinhaltet Vorlesungsleistungspunkte, Praktikumsleistungspunkte und Seminarleistungspunkte. Der Praktikumsanteil umfasst das praktische wissenschaftliche Arbeiten unter Anleitung; der Seminaranteil umfasst das selbstständige Erschließen und (schriftliche und mündliche) Präsentieren fremder wissenschaftlicher Arbeiten; der Vorlesungsanteil umfasst das Erwerben von inhaltlichem Wissen durch Lesen, Zuhören usw. Die Verteilung der Leistungspunkte des Moduls auf die verschiedenen Arten von Leistungspunkte wird zu Beginn ersten des Semesters für jedes Projekt bekannt gegeben (wobei die Module „Praxis der Forschung (Projekt, 1. Semester)“ und „Praxis der Forschung (Projekt, 2. Semester)“ zusammen mindestens 5 Vorlesungs-LP, mindestens 3 Seminar-LP und mindestens 3 Praktikums-LP haben).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 300 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Aufteilung des Arbeitsaufwands auf die verschiedenen Phasen und Arbeitsschritte ist projektabhängig und wird zu Beginn des ersten Semesters bekannt gegeben.

* Präsenzzeit in Vorträgen und Diskussionen: 8 Stunden
* Literaturrecherche und Erstellen der Ausarbeitung: 72 Stunden
* Praktische Projektarbeit individuell und im Team: 136 Stunden
* Erstellung des Projektantrags: 72 Stunden
* Prüfungsvorbereitung: 12 Stunden

Summe: 300 Stunden (= 10 Leistungspunkte)

Modul: Praxis der Forschung (Projekt, 2. Semester) [M-INFO-105038]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Informationssysteme
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110221 Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung 3 Beckert
T-INFO-110222 Praxis der Forschung (Projekt, 2. Semester) - Präsentation 3 Beckert
T-INFO-110223 Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung 4 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-INFO-102418 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
    2. Das Modul M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

- Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 2. Semester)“, „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.
- Dieses Modul kann entweder in einem Vertiefungsfach oder im Wahlbereich angerechnet werden. Die jeweilige Zuordnung der angebotenen Projekte zu Vertiefungsfächern wird am Anfang des Semesters bekannt gegeben.
- Dieses Modul beinhaltet Vorlesungsleistungspunkte, Praktikumsleistungspunkte und Seminarleistungspunkte. Der Praktikumsanteil umfasst das praktische wissenschaftliche Arbeiten unter Anleitung; der Seminaranteil umfasst das selbstständige Erschließen und (schriftliche und mündliche) Präsentieren fremder wissenschaftlicher Arbeiten; der Vorlesungsanteil umfasst das Erwerben von inhaltlichem Wissen durch Lesen, Zuhören usw. Die Verteilung der Leistungspunkte des Moduls auf die verschiedenen Arten von Leistungspunkte wird zu Beginn ersten des Semesters für jedes Projekt bekannt gegeben (wobei die Module „Praxis der Forschung (Projekt, 1. Semester)“ und „Praxis der Forschung (Projekt, 2. Semester)“ zusammen mindestens 5 Vorlesungs-LP, mindestens 3 Seminar-LP und mindestens 3 Praktikums-LP haben).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 300 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Aufteilung des Arbeitsaufwands auf die verschiedenen Phasen und Arbeitsschritte ist projektabhängig und wird zu Beginn des ersten Semesters bekannt gegeben.

* Präsenzzeit in Vorträgen und Diskussionen: 6 Stunden
* Praktische Projektarbeit individuell und im Team: 220 Stunden
* Ausarbeitung des Papers: 62 Stunden
* Prüfungsvorbereitung: 12 Stunden

Summe: 300 Stunden (= 10 Leistungspunkte)

Modul: Privacy Enhancing Technologies [M-INFO-105452]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110989 Privacy Enhancing Technologies 6 Geiselmann, Strufe
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

This course will provide students with a basic understanding of privacy risks, the most common technologies to tackle them and the human factors shaping their design. The course will analyze the adversary models and evaluation metrics underlying the design of privacy-enhancing technologies

• The students have a critical reasoning about privacy,
• have knowledge in the evaluation of privacy risks,
• understand the design aspects of privacy-enhancing technologies,
• are familiar with the latest research in the field
• are able to analyze and discuss the space of solutions to a given privacy problem

Inhalt

The following topics will be covered
• Freedom of information, the surveillance economy, and other motivations for privacy
• Privacy metrics and adversary models
• Anonymous communications
• Data-perturbative privacy-enhancing technologies
• Anonymization algorithms for databases
• Homomorphic encryption and zero knowledge proofs
• Selective disclosure for identity management
• Usable privacy
• Applying privacy principles and case studies

Arbeitsaufwand
  1. Präsenzzeit in Vorlesungen: 45 h
  2. Vor-/Nachbereitung derselbigen: 90 h
  3. Prüfungsvorbereitung und Präsenz in selbiger: 45 h

 

Modul: Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen [M-ETIT-104475]

Verantwortung:
Dr.-Ing. Manfred Nolle
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
2
Pflichtbestandteile
T-ETIT-109148 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 4 Nolle
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden verfügen über grundlegende Kenntnisse aller im Projektmanagement wichtigen Begriffe, Methoden und Prozesse, die in den verschiedenen Phasen eines Projekts zur Anwendung kommen. Die Studierenden können in internationalen Projekten zur Entwicklung von technischen Systemen im Projektmanagement konstruktiv mitarbeiten und sind befähigt, auch kleinere Projekte selbst zu leiten sowie ein Projektteam zu führen. Sie kennen die spezifischen Anforderungen überall dort, wo Produkt-Sicherheit ein wesentliches Merkmal ist. Als Projektleiter:in wissen die Studierenden, worauf es dabei ankommt, ohne selbst Experte in technischen Belangen zu sein.

Inhalt

Die Vorlesung vermittelt:

  1. Begriffe und grundlegende Kenntnisse des Projektmanagements (PM)
  2. Aufteilung der Durchführung von Projekten in Phasen mit den jeweiligen Aufgaben, Methoden und Prozessen des PMs einerseits und der Projektrealisierung andererseits
  3. Kenntnis unterschiedlicher Vorgehensmodelle bei der Projektrealisierung wie planbasiert, agil und hybrid sowie die Umsetzung spezifischer Vorgaben, die bei Produkten für sicherheitskritischen Anwendungen für eine Zertifizierung zwingend zu befolgen sind
  4. Kenntnis und Anwendung der typischen Prozesse wie
    • Planung / Steuerung
    • Organisation / Teambildung / Führung
    • Anforderungsmanagement
    • Änderungs- und Konfigurationsmanagement
    • Risiko- (& Chancen-) Management
    • Stakeholdermanagement
    • Qualitätsmanagement
    • Vertrags- & Nachforderungsmanagement

mit Hinweisen zu den spezifischen Herausforderung bzgl. Sicherheit

  1. Kenntnis der Anforderungen aus dem Projektumfeld innerhalb und außerhalb der das Projekt initiierenden Organisation (Normen, Standards, Prozesse, Zulassungen etc.)
  2. eine Einführung in soziale Kompetenzen wie Teambildung, Führung eines Projektteams, Kommunikation, Konfliktmanagement etc.
  3. kulturellen Unterschiede und daraus resultierende Herausforderungen bei internationalen Vorhaben allgemein.

Beispielhaft dargestellt und erläutert für die Entwicklung von Produkten für sicherkritische Anwendungen.

 

Übungen, in denen die erworbenen Kenntnisse angewandt und vertieft werden:

  1. durch Abfragen und Wiederholen der vermittelten Kenntnisse
  2. mit der Durchführung kleinerer Projekte
  3. mit Planspielen und Fallbeispielen
Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

   1. Präsenzzeit in Vorlesungen, Übungen: 45h

   2. Vor-/Nachbereitung der selbigen: 30h

   3. Klausurvorbereitung und -teilnahme: 45h

Empfehlungen

Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.

Lehr- und Lernformen

Modul: Projektpraktikum Bildauswertung und -fusion [M-INFO-102383]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104746 Projektpraktikum Bildauswertung und -fusion 6 Beyerer
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Dieses Modul soll Studierenden die Möglichkeit bieten, praktische Erfahrungen mit Aufgabenstellungen im Bereich der Vorlesungen des Lehrstuhls Interaktive Echtzeitsysteme zu erwerben, mit welchen es fachlich eng verknüpft ist.

Ablauf:

Zu Beginn des Semesters findet eine Vorbesprechung mit der Vorstellung und Vergabe der einzelnen Projektthemen statt. Die angebotenen Aufgaben wechseln jedes Jahr. Es werden Aufgaben aus den folgenden Bereichen behandelt, z.B.:

Automatische Sichtprüfung und Mustererkennung:

Semantische Umweltmodellierung und Automatisierung Mensch-Maschine-Interaktion:

Von den Teilnehmern wird erwartet, dass sie zusammen mit ihren Projektpartnern einen Projektplan erstellen und auf dessen Grundlage die einzelnen Arbeitspakete selbstständig bearbeiten. Im Laufe des Projektpraktikums sind zwei Präsentationen zu halten:

Die Ergebnisse der Projektarbeit sind schriftlich zu dokumentieren.

Als Hilfestellung für die Durchführung des Projektpraktikums werden zwei Workshops angeboten, deren Besuch Pflicht für alle Teilnehmer ist. Die "Einführung ins Projektmanagement" findet nach der Vorbesprechung statt, die "Einführung in die effektive Präsentationstechnik" ca. zwei Wochen vor der Zwischenpräsentation.

Arbeitsaufwand

ca. 180 h, davon:

1. Präsenzzeit in Praktikumsbesprechungen: 12h
2. Vor-/Nachbereitung derselben: 18h
3. Bearbeitung des Themas und schriftliche Ausarbeitung: 150h

Modul: Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion [M-INFO-102966]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105943 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 6 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teillestung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben praktische Erfahrungen mit Methoden der Computer Vision im Anwendungsfeld Mensch-Maschine-Interaktion. Zu diesem Zweck sollen die Studenten die grundlegenden Konzepte der Computer Vision verstehen und anwenden lernen. Die Studierenden lernen in Gruppenarbeit ein Computer Vision System aufzubauen, Lösungen zu den entstehenden praktischen Problemen zu erarbeiten und am Schluss die entwickelten Komponenten zu evaluieren.

Darüber hinaus sollen die Studenten erste Erfahrungen darin sammeln, den notwendigen Zeitaufwand der einzelnen Entwicklungsschritte einzuschätzen. Ferner soll durch die Arbeit in einer Gruppe und die abschließende Präsentation die Fähigkeit der Studenten gefördert werden die eigene Arbeit zu vermitteln.

Inhalt

as Praktikum beschäftigt sich mit der Umsetzung von Methoden der Computer Vision und des maschinellen Lernens in praktischen Systemen zur visuellen Wahrnehmung von Menschen und der Umgebung.

Zu diesem Zweck werden wir ein übergreifendes Thema zur Bearbeitung vorstellen und einzelne Teilprojekte passend zu diesem Thema zur Bearbeitung durch einzelne Studenten oder Kleingruppen vorschlagen; allerdings ist auch die Benennung und Verwirklichung eigener Ideen/Projekte unter dem vorgegebenen Thema möglich und sogar erwünscht. Jedes Teilprojekt soll dabei seine Arbeit präsentieren und insbesondere die gemachten Erfahrung bzgl. praktischer Probleme und deren Lösungen austauschen.

Da in diesem Projektpraktikum praxistaugliche Systeme entwickelt werden sollen, werden wir einen Fokus auf der Realisierung von echtzeitfähigen, interaktiven System setzen, die im Idealfall in realistischen Umgebungen getestet werden sollen. Da in diesem Kontext häufig Probleme auftreten, die in Vorlesungen nicht vermittelt werden können, bildet die Vermittlung von Erfahrung im Umgang mit praktischen Problemen einen wichtigen Bestandteil der Veranstaltung.

Aktuelle Informationen finden Sie unter http://cvhci.anthropomatik.kit.edu/

Arbeitsaufwand

180h

Empfehlungen

siehe Teilleistung

Modul: Projektpraktikum Heterogeneous Computing [M-INFO-104072]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-108447 Projektpraktikum Heterogeneous Computing 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Inhalt

Moderne Rechnerarchitekturen sind heterogen aufgebaut. Das bedeutet, dass typischerweise neben Multicore-Architekturen Co-Prozessoren wie GPUs oder andere Beschleuniger das System ergänzen. Die Herausforderung für Programmierer ist, die zur Verfügung stehenden Ressourcen effizient für die jeweilige Anwendung zu nutzen. Die Studierenden bearbeiten projektorientiert in einem Team eine komplexe Aufgabe an einer modernen heterogenen Systemarchitektur.

Die Aufgabenstellung orientiert sich dabei an den aktuellen Forschungsprojekten der Forschungsgruppe. Die genauen Aufgabenstellungen werden bei der Einführungsveranstaltung vorgestellt. Die Vertiefung des bearbeiteten Themengebietes als Masterarbeit ist prinzipiell möglich.

Arbeitsaufwand

4 SWS Anwesenheit + 2x4 SWS zur Projektbearbeitung, Erstellung einer Ausarbeitung und eines Vortrags: (4SWS + 2x4SWS) x 15 = 180h

Empfehlungen

Kenntnisse im Umgang mit CUDA, OpenCL und OpenMP sind hilfreich aber nicht erforderlich. Zudem sind Kenntnisse aus dem Bereich der Rechnerstrukturen sinnvoll.

Modul: Projektpraktikum Robotik und Automation I (Software) [M-INFO-102224]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104545 Projektpraktikum Robotik und Automation I (Software) 6 Hein, Längle
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

- Die Studierenden können eine praktische Aufgabenstellung aus dem Bereich der technischen Informatik selbständig und eigenverantwortlichen lösen
- Die Studierenden besitzen praktische Fertigkeiten im Umgang mit Hard- und Software auf dem Gebiet der eingebetteten Systeme, Mess- und Regelungstechnik, Robotik
- Die Studierenden können zur Lösung des Problems benötigte Hard- und Software spezifizieren und implementieren
- Die Studierenden wenden Grundlagenkenntnisse auf eine Problemstellung an und entwickeln Lösungsstrategien
- Die Studierenden sind in der Lage, eine Aufgabenstellung alleine oder im Team zu lösen
- Die Studierenden besitzen Kenntnisse über die Phasen eines Projekts, Zeit- und Ressourcenmanagement
- Die Studierenden sind sicher im Umgang mit Software-Entwicklungswerkzeugen, Quellcodeverwaltung und Dokumentation
- Die Studierenden können einen Abschlussbericht zu einem Entwicklungsprojekt verfassen
- Die Studierenden können komplexe technische Inhalte in einer Präsentation vermitteln

Inhalt

Beim Projektpraktikum Robotik und Automation I wird eine unbearbeitete Aufgabenstellung am Institut eigenständig bearbeitet, d.h. es gibt keine Musterlösung; vielmehr müssen selbständig Lösungsansätze entwickelt und ausprobiert werden. Somit bietet das Projektpraktikum Robotik und Automation I die Möglichkeit, Kenntnisse und Fähigkeiten in verschiedenen Teilgebieten der Robotik, Automatisierung und Embedded Systems zu erwerben sowie diese experimentell an realen Systemen umzusetzen. Das Praktikum ist auf Studenten der Informatik sowie der Ingenieur- und Naturwissenschaften
zugeschnitten.
Das Projektpraktikum Robotik und Automation I hat seinen Schwerpunkt bei softwaretechnischen Aufgabenstellungen und umfasst die folgenden Themenbereiche, aus denen eine Aufgabenstellung ausgewählt werden kann:
- Bildverarbeitung / Machine Vision
- Robot Learning
- Roboterprogrammierung und Bahnplanung
- Sichere Mensch-Roboter-Kollaboration
- Simulation und Modellierung
- Softwareentwicklung für Embedded Systems

Die Themen des Praktikums orientieren sich an aktuellen Forschungsprojekten des Instituts; die genauen Aufgabenstellungen werden zu Beginn des Semesters auf der Website des IPR vorgestellt. Da viele Projekte mit Industriepartnern durchgeführt werden, besteht in diesem Praktikum die Möglichkeit, praxisbezogene Aufgabenstellungen auf dem Stand der Forschung zu bearbeiten.

Arbeitsaufwand

(4 SWS + 2 x 4 SWS) x 15 = 180 h/30 = 6 ECTS

Empfehlungen

Modul: Projektpraktikum Robotik und Automation II (Hardware) [M-INFO-102230]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104552 Projektpraktikum Robotik und Automation II (Hardware) 6 Hein, Längle
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

- Die Studierenden können eine praktische Aufgabenstellung aus dem Bereich der technischen Informatik selbständig und eigenverantwortlichen lösen
- Die Studierenden besitzen praktische Fertigkeiten im Umgang mit Hard- und Software auf dem Gebiet der eingebetteten Systeme, Mess- und Regelungstechnik, Robotik
- Die Studierenden können zur Lösung des Problems benötigte Hard- und Software spezifizieren und implementieren
- Die Studierenden wenden Grundlagenkenntnisse auf eine Problemstellung an und entwickeln Lösungsstrategien
- Die Studierenden sind in der Lage, eine Aufgabenstellung alleine oder im Team zu lösen
- Die Studierenden besitzen Kenntnisse über die Phasen eines Projekts, Zeit- und Ressourcenmanagement
- Die Studierenden sind sicher im Umgang mit Software-Entwicklungswerkzeugen, Quellcodeverwaltung und Dokumentation
- Die Studierenden können einen Abschlussbericht zu einem Entwicklungsprojekt verfassen
- Die Studierenden können komplexe technische Inhalte in einer Präsentation vermitteln

Inhalt

Beim Projektpraktikum Robotik und Automation II wird eine unbearbeitete Aufgabenstellung am Institut eigenständig bearbeitet, d.h. es gibt keine Musterlösung; vielmehr müssen selbständig Lösungsansätze entwickelt und ausprobiert werden. Somit bietet das Projektpraktikum Robotik und Automation II die Möglichkeit, Kenntnisse und Fähigkeiten in verschiedenen Teilgebieten der Robotik, Automatisierung und Embedded Systems zu erwerben sowie diese experimentell an realen Systemen umzusetzen. Das Praktikum ist auf Studenten der Informatik sowie der Ingenieur- und Naturwissenschaften zugeschnitten.
Das Projektpraktikum Robotik und Automation II hat seinen Schwerpunkt bei hardwareorientierten Aufgabenstellungen und umfasst u.a. die folgenden Themenbereiche, aus denen eine Aufgabenstellung ausgewählt werden kann:
- Aktoren
- Elektronische Schaltungen
- Embedded Systems
- Konstruktion
- Sensorik

Die Themen des Praktikums orientieren sich an aktuellen Forschungsprojekten des Instituts; die genauen Aufgabenstellungen werden zu Beginn des Semesters auf der Website des IPR vorgestellt. Da viele Projekte mit Industriepartnern durchgeführt werden, besteht in diesem Praktikum die Möglichkeit, praxisbezogene Aufgabenstellungen auf dem Stand der Forschung zu bearbeiten.

Arbeitsaufwand

(4 SWS + 2 x 4 SWS) x 15 = 180 h/30 = 6 ECTS

Empfehlungen

Modul: Projektpraktikum: Humanoide Roboter [M-INFO-105792]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111590 Projektpraktikum: Humanoide Roboter 6 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Qualifikationsziele

Inhalt

In diesem Praktikum wird eine Aufgabenstellung alleine oder in kleinen Teams mit bis zu 3 Studierenden bearbeitet. Hierbei werden Fragestellungen der humanoiden Robotik behandelt, wie beispielsweise semantische Szeneninterpretation, aktive Perzeption, Planung von Greif- und Manipulationsaufgaben, Aktionsrepräsentation mit Bewegungsprimitiven, und Programmieren durch Vormachen.

Die Projektarbeit (alleine oder in Gruppen) findet weitestgehend selbstständig statt, wird aber durch wissenschaftliche Mitarbeiter und Mitarbeiterinnen fachlich unterstützt. Am Ende des Praktikums ist die geleistete Arbeit zu dokumentieren und in einem wissenschaftlichen Vortrag zu präsentieren.

Anmerkungen

Arbeitsaufwand

Praktikum mit 4 SWS, 6 LP.
6 LP entspricht ca. 180h, davon
ca. 10h Präsenzzeit in Praktikumsbesprechungen
ca. 10h Vor- und Nachbereitung derselben
ca. 150h Selbststudium zur Bearbeitung des Themas
ca. 10h Vorbereitung und Halten eines wissenschaftlichen Vortrags

Empfehlungen

Modul: Projektpraktikum: Maschinelles Lernen und intelligente Systeme [M-INFO-105958]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
8
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112104 Projektpraktikum: Maschinelles Lernen und intelligente Systeme 8 Fennel, Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

In diesem Praktikum werden in Gruppen von jeweils zwei bis drei Studenten Soft- und/oder Hardware-Projekte bearbeitet. Ziel ist das Erlernen und Vertiefen folgender Fähigkeiten:
Umsetzung theoretischer Methoden in reale Systeme,
Erstellung von technischer Spezifikationen / wissenschaftliches Arbeiten,
Projekt- und Zeitmanagement,
Entwicklung von Lösungsstrategien im Team,
Präsentation von Ergebnissen (in Poster- und Folienvorträgen sowie einem Abschlussbericht).

Inhalt

Dieses Praktikum bietet die Möglichkeit, einen Einblick in aktuelle Forschungsthemen des ISAS zu erhalten. Die zu bearbeitenden Projekte stammen aus den Bereichen Extended Reality, Robotik, Zustandsschätzung sowie Mess- und Regelungssysteme. Die konkreten Aufgabenstellungen orientieren sich an den aktuellen Forschungsarbeiten im jeweiligen Gebiet. Aktuelle und bereits bearbeitete Projekte sind unter folgendem Link verfügbar:
http://isas.iar.kit.edu/Praktikum

Arbeitsaufwand

240 Stunden

Modul: Projektpraktikum: Softwarebasierte Netze [M-INFO-101891]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103587 Projektpraktikum: Softwarebasierte Netze 6 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende versteht die Konzepte, die hinter dem SDN-Ansatz stehen, und wendet dieses Wissen an, um Lösungen für neue Problemstellungen zu entwerfen. Er/Sie ist in der Lage in Gruppenarbeit eine Anwendung zu entwickeln, die eine bestimmte Funktionalität in einem SDN-Netz umsetzt. Von vornherein plant der/die Studierende seine Lösungsansätze unter dem Gesichtspunkt der Interoparabilität mit den Lösungen der anderen Gruppen. Die Teilnehmer entscheiden sich gemeinsam für Kompromisslösungen, falls diese nötig sind, um die Anwendungen der verschiedenen Gruppen auch gemeinsam störungsfrei betreiben zu können.

Inhalt

Das Praktikum befasst sich mit der Realisierungeines Softwareprojektes im Bereich SoftwareDefined Networking (SDN). Bei SDN wird dieSteuerung und Überwachung eines Netzes ineinen Controller ausgelagert. Über die OpenFlow-Schnittstelle kann dann die eigentlicheWeiterleitungs-Hardware programmiert werden.

Im Rahmen des Praktikums wollen wir gemeinsamherausfinden, inwiefern sich diese Technikauch in den eigenen vier Wänden einsetzen lässt. Dazu soll ein SDN Home Router konzipiertund entwickelt werden, der den Anwender in die Lage versetzt, sein Netzwerk mithilfe vonSDN-Applikationen zu überwachen und zu steuern. In Kleingruppen werden wir verschiedeneFunktionen aus dem Heimnetzwerkbereich bauen bzw. nachbauen, z.B. eine Firewall odereine Kindersicherung. Denkbar ist auch ein Monitoring-System, dass den Internet-Konsum aller angeschlossener Rechner aufschlüsselt. Oder ein Traffic Engineering Mechanismus, derdafür sorgt, dass man YouTube auch dann noch genießen kann, wenn der kleinere Bruder ein100GB Spiel herunterlädt. Viele weitere Varianten sind denkbar. Was am Ende umgesetztwird, entscheiden wir gemeinsam im Praktikum. Eigene Ideen sind sehr willkommen!

Modul: Quellencodierung [M-ETIT-105273]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-110673 Quellencodierung 3 Schmalen
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.

Qualifikationsziele

Die Studierenden werden in die Lage versetzt, die Methoden und Hilfsmittel der Quellencodierung zu verstehen und anzuwenden. Die Studierenden lernen verschiedenste Werkzeuge zur Quantisierung von Signalen, der Transformation in eine Darstellung zur effizienten Speicher sowie Methoden der verlustlosen Komprimierung. Sie lernen weiterhin die theoretischen Grenzen der Quellencodierung und können verschiedene praktische Verfahren anhand der theoretischen Grenzen bezüglich ihrer Leistungsfähigkeit einordnen. Mit Hilfe numerischer Methoden können Sie selber Problemstellungen der Quellencodierung lösen

Inhalt

Die Lehrveranstaltung erweitert die in der Vorlesung Nachrichtentechnik I behandelten Fragestellungen. Der Fokus liegt hierbei auf Methoden, die sich bei der Betrachtung der Quellencodierung ergeben. Hierzu müssen teilweise bekannte Techniken erweitert, teilweise neue Methoden erlernt werden. Die Quellencodierung ist ein unerlässliches Hilfsmittel in der Nachrichtentechnik, um einerseits Multimediasignale kompakt darzustellen und für die Übertragung vorzubereiten und andererseits Speicherkapazität effizient und ökonomisch zu nutzen. Die Quellencodierung stellt das direkte Bindeglied zwischen dem Benutzer des Nachrichtensystems und der eigentlichen Datenübertragung dar. Der erste Teil der Vorlesung behandelt verlustlose Verfahren zur Quellencodierung, wie Sie zum Beispiel zur Reduktion der Dateigröße im populären zip-Format verwendet werden, aber auch allgemeinere Verfahren zur verlustlosen Übertragung von Signalen mit hoher Qualität. Der zweite Teil widmet sich der Quellencodierung von Multimediasignalen und betrachtet insbesondere die Quellencodierung von Audio- und Bildsignalen. Dabei werden verschiedene Methoden der Quantisierung von Multimediasignalen diskutiert und anschließend gezeigt, wie die quantisierten Signale codiert werden können, um eine möglichst kompakte Darstellung zu erhalten. Neben prädiktiven Verfahren wird auch die Transformationscodierung beschrieben. Alle Verfahren werden im Hinblick auf ihren Einsatz in modernen Verfahren der Quellencodierung wie MP3, JPEG, H264 beschrieben. Viele der Anwendungen werden mit Beispielimplementierungen in Software (python/MATLAB) illustriert. 

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Präsenzzeit Vorlesung: 15 * 2 h = 30 h

Vor-/Nachbereitung Vorlesung: 15 * 2 h = 30 h

Prüfungsvorbereitung und Präsenz: 30 h

Insgesamt: 90 h = 3 LP

Empfehlungen

Vorheriger Besuch der Vorlesung "Nachrichtentechnik I“, "Wahrscheinlichkeitstheorie“ sowie "Signale und Systeme“ wird empfohlen. Kenntnisse aus den Vorlesungen "Angewandte Informationstheorie“ sind hilfreich, aber nicht notwendig.

Modul: Randomisierte Algorithmik [M-INFO-106469]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113082 Randomisierte Algorithmik 5 Bläsius, Katzmann, Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden
- verstehen, wann und warum Randomisierung zur Lösung eines algorithmischen Problems nützlich oder notwendig ist,
- können zentrale Entwurfsmethoden und Analysewerkzeuge der randomisierten Algorithmik erklären,
- können einfache randomisierte Algorithmen und Datenstrukturen zur Lösung eines Problems entwerfen und erklären,
- können entscheiden, welche Werkzeuge sich für die Analyse gegebener randomisierter Algorithmen und Datenstrukturen eignen und diese anwenden.

Inhalt

Randomisierte Algorithmen und Datenstrukturen machen ihr Vorgehen von Zufallsexperimenten abhängig. Während der Entwurf deterministischer Algorithmen oft von einer pessimistischen Sicht auf Worst-Case Verhalten getrieben ist, greifen randomisierte Algorithmen auf Ansätze zurück, die zwar gelegentlich versagen aber meistens wesentlich besser abschneiden.

Die Laufzeit solcher Algorithmen sowie die Lösungsqualität (im Falle von Optimierungsproblemen) und manchmal auch die Korrektheit (im Falle von Berechnungsproblemen) sind dann dem Zufall unterworfen. Eine formale Analyse nimmt daher Erwartungswerte und Erfolgswahrscheinlichkeiten in den Blick. Wir werden uns sowohl klassischen Beispielen als auch aktuellen Forschungsthemen aus dem Bereich Hashing und der Graphentheorie widmen. Hierbei kommen spezifische Entwurfsmethoden (wie Probability Amplification) und fortgeschrittene Analysewerkzeuge der Wahrscheinlichkeitstheorie (etwa Coupling, Poissonisierung und Konzentrationsschranken) zur Anwendung. Oft wird sich zeigen, dass randomisierte Ansätze effizienter oder einfacher sind als alle (oder zumindest alle bekannten) deterministischen Ansätze.

Kurz werden wir zudem auf theoretischer Seite betrachten, wie sich randomisierte Komplexitätsklassen zu bekannten Klassen wie P und NP verhalten, und auf praktischer Seite klären, wie man randomisierte Algorithmen auf gängigen (im Wesentlichen deterministisch arbeitenden) Computern mit Pseudozufall implementieren kann.

Arbeitsaufwand

Vorlesung mit Übung mit 3 SWS, 5 LP
ca. 45h Besuch der Vorlesung und Übung
ca. 30h Vor- und Nachbereitung
ca. 45h Bearbeitung der Übungsblätter
ca. 30h Prüfungsvorbereitung

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sowie Grundlagen aus der Wahrscheinlichkeitstheorie (bspw. aus der Vorlesung Einführung in die Stochastik) sind hilfreich.

Modul: Rational Curves and Surfaces for Geometric Design [M-INFO-106517]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Einmalig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113136 Rational Curves and Surfaces for Geometric Design 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about rational curves and surfaces in Bézier and B-spline form, understand the underlying construction principles from projective geometry and can apply them to obtain special and arbitrary smooth freeform surfaces.

Inhalt

• Fundamentals from projective geometry
• Rational curves in homogenous Bézier form
• Rational splines
• Rational surfaces in homogenous Bézier form
• Rational parametrization of quadrics
• Dupin cyclides and their rational parametrization

Arbeitsaufwand

90h

Modul: Rechnerstrukturen [M-INFO-100818]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101355 Rechnerstrukturen 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende ist in der Lage,

Insbesondere soll die Lehrveranstaltung die Voraussetzung liefern, vertiefende Veranstaltungen über eingebettete Systeme, moderne Mikroprozessorarchitekturen, Parallelrechner, Fehlertoleranz und Leistungsbewertung zu besuchen und aktuelle Forschungsthemen zu verstehen.

Inhalt

Der Inhalt umfasst:

Arbeitsaufwand

((4 + 1,5*4) * 15 + 15) / 30 = 165 /30 = 5,5 = 6 ECTS

Empfehlungen

Siehe Teilleistung

Modul: Recht der Wirtschaftsunternehmen [M-INFO-101216]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
6
Recht der Wirtschaftsunternehmen (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-111405 Seminar: Handels- und Gesellschaftsrecht in der IT-Branche 3 Nolte
T-INFO-101288 Regelkonformes Verhalten im Unternehmensbereich 3 Herzig
T-INFO-102036 Vertragsgestaltung im IT-Bereich 3 Menk
T-INFO-111436 Arbeitsrecht 3 Hoff
T-INFO-111437 Steuerrecht 3 Dietrich
Erfolgskontrolle(n)

siehe Teilleistungen

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul umfasst eine Reihe von Spezialmaterien im Unternehmensrecht, deren Kenntnis unerlässlich ist, um sinnvolle unternehmerische Entscheidungen treffen zu können. Aufbauend auf dem bisher erworbenen Wissen im Privatrecht erhalten die Studierenden praxisrelevante Einblicke darin, wie Verträge konzipiert werden, sowie noch detailliertere Kenntnisse im Bürgerlichen Recht und im deutschen Handels- und Gesellschaftsrecht. Daneben steht die Vermittlung solider Kenntnisse im Arbeits- und Steuerrecht.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits).

Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.

Modul: Recht des geistigen Eigentums [M-INFO-101215]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
5
Recht des Geistigen Eigentums (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-101308 Urheberrecht 3 N.N.
T-INFO-101313 Markenrecht 3 Matz
T-INFO-101307 Internetrecht 3 N.N.
T-INFO-108462 Ausgewählte Rechtsfragen des Internetrechts 3 N.N.
T-INFO-101310 Patentrecht 3 Werner
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul vermittelt Kenntnisse in den Kerngebieten des Immaterialgüterrechts und Kernthemen des Internetrechts. Es werden die Voraussetzungen und das erforderliche Procedere erklärt, um Erfindungen und gewerbliche Kennzeichen national und international zu schützen. Zudem wird das nötige Know How vermittelt, um Schutzrechte zu verwenden und Schutzrechte gegen Angriffe Dritter zu verteidigen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Regelung linearer Mehrgrößensysteme [M-ETIT-100374]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100666 Regelung linearer Mehrgrößensysteme 6 Kluwe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden haben zunächst grundlegende Kenntnisse über die verschiedenen Beschreibungsformen linearer Mehrgrößensysteme in Frequenz- und Zeitbereich mit sowohl zeitkontinuierlichen als auch zeitdiskreten Modellen erworben.
- Insbesondere sind sie in der Lage, Mehrgrößensysteme im Zustandsraum je nach Anforderungen auf unterschiedliche Normalformen zu transformieren.
- Die Studierenden haben ein Verständnis über fundamentale Eigenschaften wie z.B. Stabilität, Trajektorienverläufe, Steuer- und Beobachtbarkeit sowie Pol-/Nullstellenkonfiguration erlangt und können die Systeme entsprechend analysieren.
- Sie beherrschen die grundlegenden Prinzipien zur Regelung linearer Mehrgrößensysteme sowohl im Frequenzbereich (Serienentkopplung) als auch im Zeitbereich (Polvorgabe mit Vorfilter)
- Konkret kennen die Studierenden die Entwurfsverfahren Modale Regelung, Entkopplungsregelung im Zeitbereich und die Vollständige Modale Synthese.
- Sie sind vertraut mit dem Problem der Zustandsgrößenermittlung durch Zustandsbeobachter und dem Entwurf vollständiger und reduzierter Beobachter.
- Die Studierenden sind in der Lage, bei Bedarf auch weiterführende Konzepte wie Ausgangsrückführungen und Dynamische Regler einzusetzen zu können.
- Sie können weiterhin der Problematik hoher Modellordnungen im Zustandsraum durch eine Ordnungsreduktion auf Basis der Dominanzanalyse begegnen.

 

Inhalt

Ziel ist die Vermittlung von grundlegenden und weiterführenden Methoden zur Behandlung linearer Mehrgrößensysteme, wobei der Schwerpunkt in der Betrachtung im Zustandsraum liegt. Dadurch wird den Studierenden eine Modellform nahegebracht, die modernere und insbesondere nichtlineare Verfahren zulässt. Zum einen liefert das Modul dabei einen umfassenden Überblick über die wichtigsten Aspekte bei der variablen Beschreibung der Systeme und der Analyse ihrer charakteristischen Eigenschaften. Zum anderen werden alle Facetten der Synthese von Regelungen für Anfangs- und Dauerstörungen und hierzu häufig erforderlichen Beobachtern vermittelt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

  1. Präsenzzeit in Vorlesung/Übung (3+1 SWS: 60h = 2 LP)
  2. Vor-/Nachbereitung Vorlesung/Übung (90h = 3 LP)
  3. Vorbereitung/Präsenzzeit schriftliche Prüfung (30h = 1 LP)
Empfehlungen

Zum tieferen Verständnis sind unbedingt Grundlagenkenntnisse zur Systemdynamik und Regelungstechnik erforderlich, wie sie etwa im ETIT-Bachelor-Modul „Systemdynamik und Regelungstechnik“ M-ETIT-102181 vermittelt werden.

Modul: Reinforcement Learning [M-INFO-105623]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111255 Reinforcement Learning 6 Lioutikov, Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

- Students are able to understand the RL problem and challenges.
- Students can differentiate between different RL algorithm and understand their underlying theory
- Students will know the mathematical tools necessary to understand RL algorithms
- Students can implement RL algorithms for various tasks
- Students understand current research questions in RL

Inhalt

Reinforcement Learning (RL) is a sub-field of machine learning in which an artificial agent has to interact with its environment and learn how to improve its behaviour by trial and error. For doing so, the agent is provided with an evaluative feedback signal, called reward, that he perceives for each action performed in its environment. RL is one of the hardest machine learning problems, as, in contrast to standard supervised learning, we do not know the targets (i.e. the optimal actions) for our inputs (i.e. the state of the environment) and we also need to consider the long-term effects of the agent’s actions on the state of the environment. Due to recent successes, RL has gained a lot of popularity with applications in robotics, automation, health care, trading and finance, natural language processing, autonomous driving and computer games. This lecture will introduce the concepts and theory of RL and review current state of the art methods with a particular focus on RL applications in robotics. An exemplary list of topics is given below:


• Primer in Machine Learning and Deep Learning
• Supervised Learning of Behaviour
• Introduction in Reinforcement Learning
• Dynamic Programming
• Value Based Methods
• Policy Optimization and Trust Regions
• Episodic Reinforcement Learning and Skill Learning
• Bayesian Optimization
• Variational Inference, Max-Entropy RL and Versatility
• Model-based Reinforcement Learning
• Offline Reinforcement Learning
• Inverse Reinforcement Learning
• Hierarchical Reinforcement Learning
• Exploration and Artificial Curiosity
• Meta Reinforcement Learning

Arbeitsaufwand

180h, aufgeteilt in:
· ca 45h Vorlesungsbesuch
· ca 15h Übungsbesuch
· ca 90h Nachbearbeitung und Bearbeitung der Übungsblätter
ca 30h Prüfungsvorbereitung

Empfehlungen

1) Der Vorlesungsinhalt von Maschinelles Lernen – Grundverfahren wird vorausgesetzt
2) Gute Python Kenntnisse erforderlich
3) Gute mathematische Grundkenntnisse

Modul: Reliable Computing I [M-INFO-100850]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101387 Reliable Computing I 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Ziel dieser Vorlesung ist mit den üblichen Ansätzen aber auch den neuesten Techniken im Bereich des Designs und der Analyse fehlertoleranter digitaler Systeme vertraut zu werden.

Inhalt

Das Ziel dieser Vorlesung ist mit den üblichen Ansätzen aber auch den neuesten Techniken im Bereich des Designs und der Analyse fehlertoleranter digitaler Systeme vertraut zu werden. Dazu werden sowohl fehlertolerante Systeme als auch Software- und Hardwaremethoden untersucht und neue Forschungsthemen erzielt.

Diese Vorlesung soll eine Übersicht über zuverlässiges (fehlertolerantes) Rechnen und das Design und die Evaluierung von dependable systems. Zudem bietet sie eine Basis für Forschung im Bereich der zuverlässigen Systeme. Auch Modelle und Methoden die in der Analyse und dem Design fehlertoleranter und hochzuverlässiger Rechensysteme eingesetzt werden, werden in diesem Kurs behandelt.

Die Themen beinhalten ursächliche Fehler (faults) und ihre Auswirkungen (errors), Fault/Error Modeling, Zuverlässigkeits-, Verfügbarkeits- und Wartbarkeits-Analysen, System Evaluierung, Abwägungen zwischen Geschwindigkeit / Zuverlässigkeit, Fault-Diagnose auf Systemebene, Techniken für Redundanz in Hardware oder Software, und Methoden für fehlertolerantes System-Design.

Arbeitsaufwand

2 SWS:
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS

Modul: Research Focus Class: Blockchain & Cryptocurrencies [M-INFO-106654]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113400 Research Focus Class: Blockchain & Cryptocurrencies 3 Hartenstein
T-INFO-113401 Research Focus Class: Blockchain & Cryptocurrencies - Seminar 3 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

•    Studierende sind mit aktuellen Fragestellungen im Bereich Blockchain und Cryptocurrencies vertraut und können konkrete Forschungsfragen identifizieren.
•    Studierende haben das notwendige Grundwissen, um aktuelle Fragen im Themenbereich zu identifizieren, diskutieren und wissenschaftlich zu bearbeiten.
•    Studierende sind in der Lage, sich eigenständig ein Forschungsthema zu erarbeiten und zugehörige Literatur zu finden und aufzuarbeiten.
•    Studierende kennen Methoden zur Forschung im Bereich dezentrale Systeme und haben erste Erfahrungen in einem konkreten Forschungsthema gesammelt.
•    Studierende können eine Ausarbeitung nach wissenschaftlichen Standards verfassen.
•    Studierende können ein erarbeitetes Thema in einem Kolloquium präsentieren und diskutieren.

Inhalt

Blockchains wie Ethereum stellen dezentrale Systeme dar, die aktuell sowohl in der Praxis als auch in der Forschung viel Aufmerksamkeit erhalten. Mit diesen Systemen können nicht nur Zahlungsvorgänge dezentral durchgeführt, sondern allgemein Prozesse zwischen gegenseitig misstrauischen Parteien programmatisch in sogenannten Smart Contracts festgehalten und durchgesetzt werden. Dabei spielen insbesondere Sicherheits- und Fairnesseigenschaften sowie Skalierbarkeit bezüglich Transaktionsdurchsatz eine wesentliche Rolle.
Diese Veranstaltung beginnt mit einer Vorlesung, in der die Grundlagen zu Blockchains und insbesondere Ethereum vermittelt und aktuelle Problemstellungen eingeführt werden. Nach einer Einführung in den Aufbau und die Funktionsweise von Ethereum werden fortgeschrittene Aspekte behandelt, die zur Erfassung von aktuellen Forschungsfragen nötig sind. Ebenso werden die Grundlagen der wissenschaftlichen Methodik im Umgang mit dezentralen Systemen behandelt. Das in der Vorlesung vermittelte Grundwissen soll im Seminar, dem zweiten Teil der Veranstaltung, durch eigene Forschungsarbeit angewendet und gefestigt werden.
Das Seminar bietet die Möglichkeit, ein selbstgewähltes Thema im Bereich Blockchains und Cryptocurrencies zu erarbeiten, was durch die vorhergehende Vorlesung und direkte Beratung erleichtert wird. Aufgabe der Studierenden ist es, Literatur zum gewählten Thema zu finden und aufzuarbeiten sowie das gewählte Thema zu bearbeiten. Die Ergebnisse werden in einer Ausarbeitung nach wissenschaftlichen Standards dokumentiert und in einem Kolloquium vorgetragen.

Anmerkungen

Die Plätze sind beschränkt. Ein Link zur Anmeldung wird zeitnah auf der Website des Lehrstuhls (https://www.dsn.kastel.kit.edu/teaching.php) veröffentlicht.

Arbeitsaufwand

6 ECTS = 180 Stunden Arbeitsaufwand

Besuch der Vorlesung und Besprechungen (ca. 20 Stunden)
Vor- / Nachbereitung der Vorlesung (ca. 20 Stunden)
Literaturrecherche (ca. 20 Stunden)
Durchführung eines gewählten Projektes (ca. 60 Stunden)
Anfertigung einer schriftlichen Ausarbeitung (ca. 60 Stunden)

 

Modul: Research Project: Machine Learning for Autonomous Agents and Decision Making [M-INFO-106871]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113765 Research Project: Machine Learning for Autonomous Agents and Decision Making 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn to understand, question, and reproduce complex scientific topics and published results. They will gain in-depth knowledge in the field of learning for decision making and experience with the application of novel learning methods.

Inhalt

This practical research course explores advanced machine learning methods to empower autonomous agents with intelligent decision-making capabilities. Students will delve into:
•    Generative Models for Decision Making
•    Reinforcement Learning (RL)
•    Imitation Learning
•    Multi-Agent Systems
•    Uncertainty Quantification
•    Learning Prediction Models of Physical Processes
•    Time-Series Modeling
•    Discovery and Inference of Latent Variables

Each student will choose one of the offered topics, implement one or several algorithms, and evaluate them against available baselines using standard benchmark tasks. The course emphasizes hands-on experimentation, requiring students to document their findings in a detailed report. Students will work in teams of two, closely collaborating with their supervisor with the aim of achieving publishable results. This course provides students with their first experience in running a research project in machine learning, including algorithm design, evaluation, benchmarking, deploying algorithms on HPC hardware, and paper writing.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Modul: Research Seminar in Selected Topics in Statistical Learning and Data Science [M-INFO-106813]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.03.2025)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.03.2025)
Wahlbereich Informatik (EV ab 01.03.2025)
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113674 Research Seminar in Selected Topics in Statistical Learning and Data Science 3 Klein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Report Writing Support: Master students will receive guidance in developing and writing their reports, including assistance with literature review, research design, data analysis, and result interpretation.
•    Peer Feedback and Collaboration: The seminar fosters collaboration and peer learning, with participants offering constructive criticism to improve research projects.

Inhalt

The Research Seminar provides a platform for advanced Master students, to explore and delve into topics aligned with recent advances in statistical learning and data science.
It is designed for Master students in Computer Science, Mathematics, Economathematics, Techno-Mathematics, Business Informatics, or similar programs seeking to enhance their expertise in the fields of Bayesian statistics, uncertainty quantification, statistical learning and methods for big data.

The seminar aims to foster a collaborative and intellectually stimulating environment where participants can refine their research skills, exchange ideas, and receive feedback on their work. 

Arbeitsaufwand

90h

Empfehlungen

Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Modul: Resilient Networking [M-INFO-105591]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111209 Resilient Networking 6 Strufe
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

This course will provide students with a basic understanding of threats to the Internet, and the most common technologies to tackle them. The course will analyze the adversary models and evaluation metrics underlying their design.

Inhalt

The lecture resilient networking provides an overview on the basics  of secure networks as well as on current threats and respective  countermeasures. Especially bandwidth-depleting Denial of Service  attacks represent a serious threat. Moreover, over the last years the  number of targeted and highly sophisticated attacks on company and  governmental networks increased. To make it worse, as a new trend at the  moment, the interconnection of the Internet with cyber physical systems  takes place. Such systems, e.g., the energy network (smart grid),  trans- portation systems and large industrial facilities, are critical  infrastructures with severe results in case of their failure. Thus, the  Internet that interconnects these systems has evolved to a critical  infrastructure as well.

The lecture introduces the current state-of-the-art in the research  towards resilient networks. Resilience-enhancing techniques can be  generally classified in proactive and reactive methods. Proactive  techniques are redundancy and compartmentalization. Redundancy allows to  tolerate attacks to a certain extent, while compartmentalization  attempts to restrict the attack locally and preventing its expansion  across the whole system. Reactive techniques follow a three step  approach by comprising the phases of detecting an attack, mitigate its  impacts, and finally restore a system's usual operation.

Based upon this categorisation of resilience strategies the lecture  will give an excursus to graph theorie and will introduce generic  strategies to increase the resilience of networks, e.g., proactively  establishing backup routes and fast restoration strategies. Furthermore,  the lecture will provide an overview on BGP routing and the Domain Name  Service, as two essential Internet services. Both services are  presented and current attacks as well as corresponding countermeasures  are described. Moreover, Denial of Service attacks and their mitigation  are observed in detail as well as mechanism for increasing the  resilience of P2P networks. Finally, Intrusion Detection systems are  covered as mechanisms to mitigate the impacts of successful attacks.

Arbeitsaufwand
  1. Präsenzzeit in Vorlesungen: 45 h
  2. Vor-/Nachbereitung derselbigen: 90 h
  3. Prüfungsvorbereitung und Präsenz in selbiger: 45 h

 

Empfehlungen

Kenntnisse zu Grundlagen aus Kryptographie und Computernetze sind hilfreich.

Modul: Roboterpraktikum [M-INFO-102522]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105107 Roboterpraktikum 6 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kennt konkrete Lösungsansätze für verschiedene Problemstellungen in der Robotik. Dabei setzt er/sie Methoden der inversen Kinematik, der Greif- und Bewegungsplanung, und der visuellen Perzeption ein. Der/Die Studierende kann Lösungsansätze in der Programmiersprachen C++ und Python unter Zuhilfenahme geeigneter Softwareframeworks implementieren.

Inhalt

Das Roboterpraktikum wird als begleitende Veranstaltung zu den Vorlesungen Robotik I-III angeboten. Jede Woche wird ein neuer Versuch zu einer Problemstellung der Robotik in einem kleinen Team bearbeitet. Die Liste der Themen umfasst unter anderem die Robotermodellierung und Simulation, die inverse Kinematik, die Programmierung von Robotern mit Hilfe von Statecharts, die kollisionsfreie Bewegungsplanung, die Greifplanung, die Bildverarbeitung und das maschinelle Lernen für die Robotik.

Arbeitsaufwand

Praktikum mit 4 SWS, 6 LP.
6 LP entspricht ca. 180 Stunden, davon
ca. 2 Std. Einführungsveranstaltung
ca. 18 Std. Initiale Einarbeitung (Software Framework)
ca. 120 Std. Gruppenarbeit
ca. 40 Std. Präsenzzeit

Empfehlungen

Der Besuch der Vorlesungen Robotik I – Einführung in die Robotik, Robotik II: Humanoide Robotik, Robotik III - Sensoren und Perzeption in der Robotik sowie Mechano-Informatik in der Robotik wird empfohlen.

Modul: Robotik I - Einführung in die Robotik [M-INFO-100893]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-108014 Robotik I - Einführung in die Robotik 6 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, die vorgestellten Konzepte auf einfache und realistische Aufgaben aus der Robotik anzuwenden. Dazu zählt die Beherrschung und Herleitung der für die Robotermodellierung relevanten mathematischen Konzepte. Weiterhin beherrschen Studierende die kinematische und dynamische Modellierung von Robotersystemen, sowie die Modellierung und den Entwurf einfacher Regler. Die Studierenden kennen die algorithmischen Grundlagen der Bewegungs- und Greifplanung und können diese Algorithmen auf Problemstellungen der Robotik anwenden. Sie kennen Algorithmen aus dem Bereich der Bildverarbeitung und sind in der Lage, diese auf Problemstellungen der Robotik anzuwenden. Sie können Aufgabenstellungen als symbolisches Planungsproblem modellieren und lösen. Die Studierenden besitzen Kenntnisse über intuitive Programmierverfahren für Roboter und kennen Verfahren zum Programmieren und Lernen durch Vormachen.

Inhalt

Die Vorlesung vermittelt einen Überblick über die Grundlagen der Robotik am Beispiel von Industrierobotern, Service-Robotern und autonomen humanoiden Robotern. Dabei wird ein Einblick in alle relevanten Themenbereiche gegeben. Dies umfasst Methoden und Algorithmen zur Modellierung von Robotern, Regelung und Bewegungsplanung, Bildverarbeitung und Roboterprogrammierung. Zunächst werden mathematische Grundlagen und Methoden zur kinematischen und dynamischen Robotermodellierung, Trajektorienplanung und Regelung sowie Algorithmen der kollisionsfreien Bewegungsplanung und Greifplanung behandelt. Anschließend werden Grundlagen der Bildverarbeitung, der intuitiven Roboterprogrammierung insbesondere durch Vormachen und der symbolischen Planung vorgestellt. 

In der Übung werden die theoretischen Inhalte der Vorlesung anhand von Beispielen weiter veranschaulicht. Studierende vertiefen ihr Wissen über die Methoden und Algorithmen durch eigenständige Bearbeitung von Problemstellungen und deren Diskussion in der Übung. Insbesondere können die Studierenden praktische Programmiererfahrung mit in der Robotik üblichen Werkzeugen und Software-Bibliotheken sammeln.

Anmerkungen

Dieses Modul darf nicht gerprüft werden, wenn im Bacherlor-Studiengang Informatik SPO 2008 die Lehrveranstaltung Robotik I mit 3 LP im Rahmen des Moduls Grundlagen der Robotik geprüft wurde.

Arbeitsaufwand

Vorlesung mit 3 SWS + 1 SWS Übung, 6 LP.
6 LP entspricht ca. 180 Stunden, davon
ca. 45 Std. Vorlesungsbesuch
ca. 15 Std. Übungsbesuch
ca. 90 Std. Nachbearbeitung und Bearbeitung der Übungsblätter
ca. 30 Std. Prüfungsvorbereitung

Modul: Robotik II - Humanoide Robotik [M-INFO-102756]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105723 Robotik II - Humanoide Robotik 3 Asfour
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students have an overview of current research topics in autonomous learning robot systems using the example of humanoid robotics. They are able to classify and evaluate current developments in the field of cognitive humanoid robotics.

The students know the essential problems of humanoid robotics and are able to develop solutions on the basis of existing research.

Inhalt

The lecture presents current work in the field of humanoid robotics that deals with the implementation of complex sensorimotor and cognitive abilities. In the individual topics different methods and algorithms, their advantages and disadvantages, as well as the current state of research are discussed.

The topics addressed are: Applications and real world examples of humanoid robots; biomechanical models of the human body, biologically inspired and data-driven methods of grasping, imitation learning and programming by demonstration; semantic representations of sensorimotor experience as well as cognitive software architectures of humanoid robots.

Arbeitsaufwand

Lecture with 2 SWS, 3 CP.
3 LP corresponds to approx. 90 hours, thereof:
approx. 15 * 2h = 30 Std. Attendance time
approx. 15 * 2h = 30 Std. Self-study prior/after the lecture
approx. 30 Std. Preparation for the exam and exam itself

Empfehlungen

Having visited the lectures on Robotics I - Introduction to Robotics and Mechano-Informatics and Robotics is recommended.

Modul: Robotik III – Sensoren und Perzeption in der Robotik [M-INFO-104897]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109931 Robotik III – Sensoren und Perzeption in der Robotik 3 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können die wesentlichen in der Robotik gebräuchlichen Sensorprinzipien benennen.

Studierende können den Datenfluss von der physikalischen Messung über die Digitalisierung bis hin zur Verwendung der aufgenommenen Daten für Merkmalsextraktion, Zustandsabschätzung und semantische Szenenrepräsentation erklären.

Studierende können für gängige Aufgabenstellungen der Robotik geeignete Sensorkonzepte vorschlagen und begründen.

Inhalt

Die Vorlesung ergänzt die Vorlesung Robotik I um einen breiten Überblick über in der Robotik verwendete Sensorik und Methoden der Perzeption in der Robotik. Der Schwerpunkt der Vorlesung liegt auf der visuellen Perzeption, der Objekterkennung, der semantischen Szeneninterpretation, sowie der (inter-)aktiven Perzeption. Die Vorlesung ist zweiteilig gegliedert:

Im ersten Teil der Vorlesung wird ein umfassender Überblick über aktuelle Sensortechnologien gegeben. Hierbei wird grundlegend zwischen Sensoren zur Wahrnehmung der Umgebung (exterozeptiv) und Sensoren zur Wahrnehmung des internen Zustandes (propriozeptiv) unterschieden. Der zweite Teil der Vorlesung konzentriert sich auf den Einsatz von exterozeptiver Sensorik in der Robotik. Die behandelten Themen umfassen insbesondere die taktile Exploration und die Verarbeitung visueller Daten, einschließlich weiterführender Themen wie der Merkmalsextraktion, der Objektlokalisierung, der semantischen Szeneninterpretation, sowie der (inter-)aktiven Perzeption.

Arbeitsaufwand

Vorlesung mit 2 SWS, 3 LP.
3 LP entspricht ca. 90 Stunden
ca. 30 Std. Vorlesungsbesuch,
ca. 30 Std. Vor- und Nachbearbeitung der Vorlesung
ca. 30 Std. Prüfungsvorbereitung

Empfehlungen

Der Besuch der Vorlesung Robotik I – Einführung in die Robotik wird empfohlen.

Modul: SAT Solving in der Praxis [M-INFO-102825]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105798 SAT Solving in der Praxis 5 Balyo, Iser, Sanders, Schreiber
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage, kombinatorische Probleme zu beurteilen, deren Schwere einzuschätzen und mittels Computern zu lösen.

Studierende lernen, wie kombinatorische Probleme mittels SAT Solving effizient gelöst werden können. Studierende können die praktische Komplexität von Entscheidungs- und Optimierungsproblemen beurteilen, Probleme als SAT-Probleme kodieren und effiziente Lösungsverfahren für kombinatorische Probleme implementieren.

Studierende erhalten einen Einblick in die modernsten Lösungverfahren für SAT und verwandte Probleme und deren Implementierungen in SAT Solvern.

Inhalt

Das aussagenlogische Erfüllbarkeitsproblem (SAT-Problem) spielt in Theorie und Praxis eine herausragende Rolle. Es ist das erste als NP-vollständig erkannte Problem und auch heute noch Ausgangspunkt vieler komplexitätstheoretischer Untersuchungen. Darüber hinaus hat sich SAT-Solving inzwischen als eines der wichtigsten grundlegenden Verfahren in der Verifikation von Hard- und Software etabliert und wird zur Lösung schwerer kombinatorischer Probleme auch in der industriellen Praxis verwendet. Dieses Modul soll Studierenden die theoretischen und praktischen Aspekte des SAT-Solving vermitteln. Behandelt werden:
1. Grundlagen, historische Entwicklung
2. Codierungen, z.B. cardinality constraints
3. Phasenübergänge bei Zufallsproblemen
4. Lokale Suche (GSAT, WalkSAT, ..., ProbSAT)
5. Resolution, Davis-Putnam-Algorithmus, DPLL-Algorithmus, Look-Ahead-Algorithmus
6. Effiziente Implementierungen, Datenstrukturen
7. Heuristiken im DPLL-Algorithmus
8. CDCL-Algorithmus, Klausellernen, Implikationsgraphen
9. Restarts und Heuristiken im CDCL-Algorithmus
10. Preprocessing, Inprocessing
11. Generierung von Beweisen und deren Prüfung
12. Paralleles SAT Solving (Guiding Paths, Portfolios, Cube-and-Conquer)
13. Verwandte Probleme: MaxSAT, MUS, #SAT, QBF
14. Fortgeschrittene Anwendungen: Bounded Model Checking, Planen, satisfiability-modulo-theories

Anmerkungen

 

Arbeitsaufwand

2 SWS Vorlesung + 1 SWS Übungen

(Vor- und Nachbereitungszeiten: 4h/Woche für Vorlesung plus 2h/Woche für Übungen; Klausurvorbereitung: 15h)

Gesamtaufwand: (2 SWS + 1 SWS + 4 SWS + 2 SWS) x 15h + 15h Klausurvorbereitung = 9x15h + 15h = 150h = 5 ECTS

Modul: Schlüsselqualifikationen [M-INFO-102835]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
7
SQ- Master (Wahl: zwischen 1 und 6 LP)
T-INFO-102068 Teamarbeit im Bereich Web-Anwendungen 2 Abeck
T-INFO-104385 Teamarbeit im Bereich Serviceorientierte Architekturen 2 Abeck
T-INFO-101976 Projektmanagement aus der Praxis 1,5 Böhm
T-INFO-101975 Praxis der Unternehmensberatung 1,5 Böhm
T-INFO-101977 Praxis des Lösungsvertriebs 1,5 Böhm
T-INFO-102051 Lesegruppe Softwaretechnik 1 Reussner
T-INFO-110998 Projektmanagement im Zeitalter der Digitalisierung 3 Asfour, Kaiser
T-INFO-111474 Selbstverbuchung-HOC-SPZ-ZAK-benotet 1
T-INFO-111475 Selbstverbuchung-HOC-SPZ-ZAK-benotet 2
T-INFO-111476 Selbstverbuchung-HOC-SPZ-ZAK-benotet 3
T-INFO-111477 Selbstverbuchung-HOC-SPZ-ZAK-unbenotet 1
T-INFO-111478 Selbstverbuchung-HOC-SPZ-ZAK-unbenotet 2
T-INFO-111479 Selbstverbuchung-HOC-SPZ-ZAK-unbenotet 3
T-INFO-111839 Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT 1 Kaplan
T-INFO-112148 Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT 2 Kaplan
Erfolgskontrolle(n)

Siehe Teilleistungen

Voraussetzungen

Siehe Teilleistungen

Qualifikationsziele

Lernziele lassen sich in in drei Hauptkategorien einteilen, die sich wechselseitig ergänzen:

1. Orientierungswissen

2. Praxisorientierung

3. Basiskompetenzen

Inhalt

Das House of Competence (HoC) ist die zentrale, forschungsbasierte Einrichtung im Bereich fachübergreifender Kompetenzentwicklung am KIT und bietet Studierenden aller Fachrichtungen ein breites Lernportfolio. Das HoC-Seminarprogramm ist in Schwerpunkte gegliedert, die auf die Entwicklung fachübergreifender Kompetenzen für Studium und Beruf abzielen. Die Schwerpunkte werden maßgeblich von den drei HoC-Laboren verantwortet: dem MethodenLABOR, LernLABOR und SchreibLABOR.

Die Lehrveranstaltungen des HoC-Programms können in den Bereichen „Schlüsselqualifikationen“ (SQ), „Berufsfeldorientierte Zusatzqualifikationen“ (BOZ) sowie im „Modul Personale Kompetenz“ für Lehramtsstudierende (MPK) angerechnet werden. Die Anforderungen für die jeweiligen Studiengänge sind in den gültigen Prüfungs- und Studienordnungen nachzulesen. Das aktuelle Seminarprogramm, welches zu jedem Semester neu erscheint, ist auf der HoC-Homepage unter www.hoc.kit.edu zu finden.

Anmerkungen

Deutschkurse und/oder Sprachkurse in der Muttersprache werden nicht als Schlüsselqualifikationen anerkannt.

Es können nur solche Prüfungs- und Studienleistungen angerechnet werden,
die nicht in den Informatik- oder Ergänzungsfächer belegt werden können.
Teilnahmebescheinigungen werden nicht akzeptiert.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden). Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht. Unter den Arbeitsaufwand fallen (für eine Vorlesung)
1. Präsenzzeit in Vorlesungen, Übungen
2. Vor-/Nachbereitung derselbigen
3. Klausurvorbereitung und Präsenz in selbiger.

Modul: Scientific Methods to Design and Analyze Secure Decentralized Systems [M-INFO-105780]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111568 Scientific Methods to Design and Analyze Secure Decentralized Systems 5 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

1. Philosophy of Science: The student understands epistemological principles like the scientific and mathematical process, within the context of networked and decentralized systems. The student knows about the current limits of scientific research, especially in regards to the security of a given decentralized system.
2. Empirical Methods: Observation / Monitoring: The student is able to construct setups to monitor system properties related to performance or security. The student knows how to observe a decentralized system like an overlay network without interference, i.e., without impact on the behavior to measure as well as the overall system functionality.
3. Combined Empirical / Formal Methods: The student has a fundamental understanding of Discrete Event Simulations, as well as stochastic modelling and random number generation. The student is able to conduct a simulation study consisting of observation, modelling, simulation, validation, and result analysis.
4. Formal Methods: The student knows how to apply formal methods like formal verification / model checking and model comparison / simulation-based proofs to decentralized systems. The student understands tradeoffs between empirical and formal methods, and can choose suitable methods for given research tasks.
5. Applications in Research: The student understands how the methods of this lecture are applied to practical examples, and knows how to apply the methods on problems of a researcher’s everyday life.

Inhalt

Decentralized Systems (like peer-to-peer- or blockchain-based systems) are systems controlled by multiple parties who make their own independent decisions to reach a common goal. However, not knowing which parties are trustworthy and which are betrayers requires a radically different way of thinking. Based on the lecture “Decentralized Systems: Fundamentals, Modeling, and Applications”, in this lecture, we cover the necessary scientific methods to analyze existing and to create new decentralized systems. We treat both, selected empirical and formal methods and their tradeoffs, as well as the overarching philosophy of science behind the research process. Together with its practical parts, this lecture provides the foundational scientific toolbox to work on the decentralized systems of the future.

Arbeitsaufwand

1. Attendance time (Course, exercise,): 3 SWS: 15 x 3h = 45h
2. Self-study (e.g. independent review of course material,
work on homework assignments)
Weekly preparation and follow-up of the lecture/exercise: 15 x 3 SWS x 1,5h = 67,5hh
3. Preparation for the exam: 37,5h
Σ = 150h = 5 ECTS

Empfehlungen

Prior knowledge on the abstract concepts as well as concrete use cases of decentralized systems is strongly recommended. The “Decentralized Systems: Fundamentals, Modeling, and Applications” lecture covers all necessary aspects, but equivalent lectures and / or self-study can also be sufficient.

Modul: Selected Topics in Meteorology (Second Major, graded) [M-PHYS-104577]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Meteorologie
Leistungspunkte
14
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
4
Pflichtbestandteile
T-PHYS-109380 Exam on Selected Topics in Meteorology (Second Major) 4 Hoose
Elective Subjects (Wahl: mindestens 3 Bestandteile sowie mind. 10 LP)
T-PHYS-111410 Seminar on IPCC Assessment Report 1 Ginete Werner Pinto
T-PHYS-111411 Tropical Meteorology 3 Knippertz
T-PHYS-111412 Climate Modeling & Dynamics with ICON 3 Ginete Werner Pinto
T-PHYS-111413 Middle Atmosphere in the Climate System 1 Höpfner, Sinnhuber
T-PHYS-111414 Ocean-Atmosphere Interactions 1 Fink
T-PHYS-111416 Cloud Physics 3 Hoose
T-PHYS-111417 Energetics 1 Fink
T-PHYS-111418 Atmospheric Aerosols 3 Möhler
T-PHYS-111419 Atmospheric Radiation 1 Höpfner
T-PHYS-111424 Remote Sensing of Atmosphere and Ocean 3 Sinnhuber
T-PHYS-111426 Methods of Data Analysis 3 Ginete Werner Pinto, Knippertz
T-PHYS-111427 Turbulent Diffusion 3 Hoose, Hoshyaripour
T-PHYS-111428 Energy Meteorology 1 Emeis, Ginete Werner Pinto
T-PHYS-111429 Advanced Numerical Weather Prediction 3 Knippertz
T-PHYS-109177 Physics of Planetary Atmospheres 6 Leisner
T-PHYS-111273 Arctic Climate System 1 Sinnhuber
Erfolgskontrolle(n)

Coursework can be computer and modelling classes, exercise sheets or preparation of a presentation.

→ successful completion of the prerequisites entitles to exam

(T-PHYS-109380) Exam on Selected Topics in Meteorology (Second Major):

Oral exam (approx. 60 minutes) in accordance with § 4 (2) No. 2 SPO Physik Master

Voraussetzungen

Keine

Qualifikationsziele

Depending on their choice students can

Inhalt

This module aims to give students of other master programs an insight into various areas of meteorology:

Zusammensetzung der Modulnote

Grade of he Oral Exam.

Arbeitsaufwand

420 hours composed of

Empfehlungen

Basic knowledge in Physics, Physical Chemistry and Fluid Dynamics at BSc level

Modul: Seminar Advanced Topics in Machine Translation [M-INFO-102725]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105653 Seminar Advanced Topics in Machine Translation 3 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen, sich eigenständig in Themen an Hand wissenschaftlicher Literatur einzuarbeiten und für Präsentationen aufzubereiten. 

Aus den anderen Präsentationen erlangen die Studenten vertieftes Wissen in Teilgebieten der Maschinellen Übersetzung und sich kritisch mit den präsentierten Arbeiten auseinanderzusetzen.

Inhalt

Durch maschinelle Übersetzung ist es inzwischen möglich, sowohl geschriebene Texte als auch gesprochene Sprache automatisch in eine andere Sprache zu übersetzen. In statistischen Ansätzen zur Maschinellen Übersetzung werden vor allem Verfahren aus dem Maschinellen Lernen verwendet um statistische Modelle für den Übersetzungsprozess zu trainieren.

In dem Seminar werden aktuelle Forschungsergebnisse zu verschiedenen Aspekten der Systeme besprochen. Dazu werden von den Teilnehmern ausgewählte Veröffentlichungen aus den Gebieten vorgestellt. Mögliche Themen beinhalten Verbesserung der Wortstellung und Grammatik der Zielsprache, Adaption an Thema oder Genre, Behandlung von Phänomenen der gesprochener Sprache, Fehlerkorrektur, ...

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Arbeitsaufwand

90h

Empfehlungen

Vorkenntnisse aus der Vorlesung „Maschinelle Übersetzung“ sind von Vorteil.

Modul: Seminar Ausgewählte Kapitel der Rechnerarchitektur [M-INFO-103062]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-108313 Seminar Ausgewählte Kapitel der Rechnerarchitektur 3 Karl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziele beschreiben die im Laufe des Studiums zu entwickelnden fachlichen und überfachlichen Kompetenzen (Fähigkeiten, Fertigkeiten).
Lernziele beschreiben die im Rahmen einer LV zu erreichenden Kompetenzen (Lernergebnis).
Beispiel:
Studierende sind in der Lage Themen der Informatik in Wort und Schrift darzustellen und mit Informatikern wie Fachfremden überzeugend zu diskutieren. Sie können selbstständig weiterführende zur gestellten Aufgabenstellung suchen, diese analysieren und miteinander vergleichen. Dabei entwickeln die Studierende grundlegende Kenntnisse zur Bewertung verschiedener Lösungsansätze. Außerdem sind die Studierenden in der Lage, die theoretisch erarbeitete Betrachtung der verschiedenen Lösungsansätze.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Rahmen dieses Moduls sollen ausgewählte Kapitel der modernen Rechnerarchitektur vorgestellt, detailliert betrachtet und diskuttiert werden. Im Fokus stehen hierbei vor allem Forschungsarbeiten, die sich mit der Programmierung, dem Aufbau und der Steuerung von zukünftigen Rechensystemen beschäftigen. Dabei soll den Studierenden ein Überblick über die Entwicklung von leistungsstarken Einprozessorsystemen hin zu Multicore-Prozessoren und insbesondere auch hin zu heterogenen und adaptiven Rechnerarchitekturen gegeben werden.

Arbeitsaufwand

30 h Literaturrecherche + 40 h Schreiben der Ausarbeitung + 20 h Vorbereitung und Erstellung der Präsentation = 90 h = 3 ECTS

Modul: Seminar Betriebssysteme für Fortgeschrittene [M-INFO-100849]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101386 Seminar Betriebssysteme für Fortgeschrittene 3 Bellosa
T-INFO-106276 Betriebssysteme für Fortgeschrittene 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bewerten einflussreiche wissenschaftliche Veröffentlichungen aus dem Bereiche Betriebssysteme und beurteilen deren Qualität nach den Kriterien Relevanz, Neuigkeit, Design, Evaluation und Darstellung.

Studierende diskutieren in moderierter Runde ihre Gutachten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Alle Gebiete der Betriebssystemforschung werden berücksichtigt wie Einplanungsverfahren, Speicherverwaltung, Hintergrundspeicher, Ein-/Ausgabe und Virtualisierung.

Arbeitsaufwand

60 h = 4 SWS * 15 Präsenz

90 h Nachbereitung

30 h Prüfungsvorbereitung

180 h = 6 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Seminar Bildauswertung und -fusion [M-INFO-102375]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104743 Seminar Bildauswertung und -fusion 3 Beyerer
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Das Seminar hat zum Ziel, aktuelle und innovative Methoden sowie Anwendungen der Bildauswertung und -fusion zu erarbeiten.

Arbeitsaufwand

Gesamtarbeitsaufwand 90 h, davon:

1. Vorlesungen zu den Themen: Einführung ins wissenschaftliche Schreiben und Einführung in die effektive Präsentationstechnik: 5h

2.  Literaturrecherche: 30h

3.  Verfassen der Ausarbeitung (15-20 Seiten) und Erstellen der Präsentation (20 Minuten Dauer): 50h

4.  Präsentation der Ergebnisse vor wissenschaftlichem Publikum: 5h

Empfehlungen

siehe Teilleistung

Modul: Seminar Computer Vision für Mensch-Maschine-Schnittstellen [M-INFO-102373]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104741 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 3 Stiefelhagen
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Derzeitige Mensch-Maschine Schnittstellen sind immer noch weitgehend "blind" was die Wahrnehmung Ihrer Benutzer betrifft. Sie sind daher weder in der Lage, die natürlichen menschlichen Kommunikationskanäle wie Mimik, Blickrichtung, Gestik, Körpersprache etc. für die Mensch-Maschine Interaktion zu nutzen, noch um ausreichendes Wissen über Ihre Nutzer, deren Zustand und Absichten zu gewinnen. Aktuelle Forschungsarbeiten beschäftigen sich damit, dies zu verbessern und neue Mensch-Maschine Schnittstellen zu entwickeln, welche ihre Benutzer und deren Handlungen wahrnehmen, und die gewonnene Kontextinformation dazu verwenden, um angemessen mit den Benutzern zu interagieren.

In diesem Seminar bearbeiten und präsentieren die Teilnehmer aktuelle Arbeiten aus den folgenden Bereichen:

Jeder Seminarteilnehmer hält zu seinem gewählten Thema einen Seminarvortrag auf Englisch (25-30 min) mit anschließender Diskussion und erstellt eine Ausarbeitung. Die Ausarbeitung mit einem Umfang von ca. 5-10 Seiten muss erst zu Semesterende fertiggestellt werden, es wird allerdings empfohlen, sie wenn möglich schon vor dem Seminarvortrag anzufertigen. Es wird erwartet, dass sich jeder Seminarteilnehmer selbständig in sein Thema einarbeitet und weiterführende Literatur recherchiert. Die Erfolgskontrolle für Masterstudenten erfolgt als Erfolgskontrolle anderer Art. Die Gesamtnote setzt sich zu gleichen Teilen aus der Bewertung der Ausarbeitung, der Präsentation und der Mitarbeit im Seminar zusammen (je 1/3).

Arbeitsaufwand

90 h

Empfehlungen

siehe Teilleistung

Modul: Seminar Dependable Computing [M-INFO-102662]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105577 Seminar Dependable Computing 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel dieses Seminar ist es mit bewährten als auch den neuesten Techniken im Bereich des Designs und der Analyse von fehlertoleranten digitalen Systemen vertraut zu werden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Zuverlässigkeit spielt eine große Rolle im Design aktueller und zukünftiger Halbleiter-Bauteilen. In vielen sicherheitskritischen Anwendungsgebieten ist Zuverlässigkeit das hauptsächliche Design-Kriterium. Mit immer kleineren Strukturgrößen im Nanobereich sinkt die Zuverlässigkeit einzelner integrierter Bauteile. Demnach muss die Zuverlässigkeit schon während dem Design berücksichtigt werden, um später korrekte Rechenergebnisse sicherstellen zu können.

Das Ziel dieses Seminar ist es mit bewährten als auch den neuesten Techniken im Bereich des Designs und der Analyse von fehlertoleranten digitalen Systemen vertraut zu werden. Dieses Seminar gibt eine Übersicht über Reliable (fault-tolerant) Computing, Hardwaresicherheit und moderne Speichertechnologien.

Es sind Themen aus einem breiten Angebot auszuwählen, je nach Interesse und bisherigem Hintergrundwissen.

Arbeitsaufwand

90 h als Block/Woche

Empfehlungen

Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Modul: Seminar Dezentrale Systeme und Netzdienste [M-INFO-103048]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106064 Seminar Dezentrale Systeme und Netzdienste 3 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende ist in der Lage, sich eigenständig in ein aktuelles Forschungsthema und die zugehörigen Grundlagen einzuarbeiten, indem relevante Literatur identifiziert und strukturiert aufgearbeitet wird.

Der/Die Studierende ist in der Lage, eine Ausarbeitung nach wissenschaftlichen Standards verfassen.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende kann die Herausforderungen einer konkreten technischen Problemstellung im Kontext dezentraler Systeme betrachten und vorhande Lösungsansätze auf die gegebene Problemstellung übertragen und hinsichtlich der Aspekte Performance und Sicherheit bewerten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Seminar werden Grundlagen und aktuelle Arbeiten aus dem Bereich der dezentralen Systeme und Netzdienste behandelt. Ausgehend von aktuellen Forschungsarbeiten werden grundsätzliche Herausforderungen und Herangehensweisen identifiziert. Entsprechende Lösungen werden analysiert und verglichen. Schließlich wird der Bezug zu verwandten Domänen hergestellt.

Arbeitsaufwand

Auftaktveranstaltungen: 4h

Treffen mit dem Betreuer: 4h

Präsentationstermine: 8h

Literaturrecherche: 25h

Verfassen der Ausarbeitung und Vorbereitung der Präsentation: 50h

Summe: 91h

Modul: Seminar Geometrieverarbeitung [M-INFO-101660]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103196 Seminar Geometrieverarbeitung 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Students of this seminar have profound knowledge of a specific topic of current research interest and are able to present and discuss it.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Current research topics in Geometry Processing, Computer Aided Geometric Design and Applied Geometry.

Arbeitsaufwand

90 h thereof approx.
30h for attending the seminar
30h for familiarization with a topic
30h for the preparation of a presentation

Modul: Seminar Hot Topics in Networking [M-INFO-100746]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101283 Seminar Hot Topics in Networking 3 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Das Seminar behandelt spezifische Themen, die teilweise in entsprechenden Vorlesungen angesprochen wurden, und vertieft diese. Es werden beispielsweise die Themenschwerpunkte Future Internet, Sensornetze, Sicherheit und Internet Performance behandelt. Bei letzterem steht vor allem die Betrachtung hochverteilter System (Peer-to-Peer-Netze, Cloud, Soziale Netze, Fahrzeugnetze) im Vordergrund.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden).

Modul: Seminar Informationssysteme [M-INFO-101794]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-103456 Seminar Informationssysteme 3 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Am Lehrstuhl für Systeme der Informationsverwaltung wird pro Semester mindestens ein Seminar zu einem ausgewählten Thema der Informationssysteme angeboten (jedes Seminar am “Lehrstuhl für Systeme der Informationsverwaltung”, das kein Proseminar ist, zählt als “Seminar Informationssysteme”).

Meist handelt es sich dabei um aktuelle Forschungsthemen, beispielsweise aus den Bereichen Datenbanken, Data Mining oder Workflow Management.

Details werden jedes Semester bekannt gegeben (Aushänge und Homepage des Lehrstuhls für Systeme der Informationsverwaltung).

Arbeitsaufwand

Summe = 90h (3 ECTS)

Empfehlungen

Zum Thema des Seminars passende Vorlesungen des Lehrstuhls für Systeme der Informationsverwaltung werden dringend empfohlen.

Modul: Seminar Intelligente Industrieroboter [M-INFO-102212]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104526 Seminar Intelligente Industrieroboter 3 Hein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der Teilnehmer kann eine Thematik aus dem Bereich Industrie- und Servicerobotik selbständig erarbeiten, textuell kompakt zusammenstellen, in einem Vortrag einem Auditorium geeignet präsentieren und abschließend über diese Thematik Fragen beantworten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die zunehmende Verbreitung vielfältiger und günstiger Sensoren eröffnet immer mehr neue Anwendungsgebiete in der Robotik. So gesellen sich zur klassischen Industrierobotik zum Beispiel auch Mensch-Maschine-Interaktion, Dynamik-Simulation, Augmented Reality und vermehrt auch intelligente autonome Fahrzeuge. Im Seminar Intelligente Industrieroboter sollen diese aktuellen Gebiete ins-besondere auch im Hinblick auf die angewandten intelligenten Sensorauswertungstechniken untersucht werden. Hierzu werden folgende interessante Themen angeboten: Bildverarbeitung 2D/3D und Kraftsensorik für die Roboterhandhabung, Bewegungsplanungs-Verfahren, Umweltmodellgenerierung, Multimodales Nutzergerät, etc.

Es wird von jedem Teilnehmer erwartet, dass er sich selbständig in das gestellte Thema einarbeitet und ggf. auch weiterführende Literatur zu Rate zieht. Der die Veranstaltung abschließende Vortrag ist auf eine Dauer von etwa 20 min. beschränkt und sollte im Anschluss Gelegenheit zu einer Diskussion des vorgestellten Themas bieten. Über das Thema selbst ist eine schriftliche Ausarbeitung von ca. 15 Seiten zu erstellen.

Voraussetzung für die Note ist der Vortrag, die Ausarbeitung und die Teilnahme an den Vorträgen (Blockseminar).

Die Teilnehmerzahl ist auf max. 10 Studenten des Masterstudiengangs beschränkt. Interessenten melden sich bitte online an. Die Vorstellung und Verteilung der Themen findet in einer Vorbesprechung statt (Ort und Termin siehe Vorlesungsverzeichnis).

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Vortragsvorbereitung = 90 h/30 = 3 ECTS

Modul: Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung [M-INFO-101890]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103586 Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung 3 Barczak, Hartenstein, Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand

Literaturstudium: 20h

Erstellen und Verbessern der Ausarbeitung: 40h

Erstellen und Halten des Vortrags: 18h

Präsenz im Blockseminar: 12h

Summe: 90h = 3 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Seminar Kryptographie [M-INFO-101561]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102992 Seminar Kryptographie 3 Hofheinz, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Kryptographie. Dies sind z.B.

· kryptographische Protokolle;

· beweisbare Sicherheit;

· Neue Public-Key Verfahren;

Arbeitsaufwand

 Präsenzzeit in Seminar: 15 h
  Erstellen der Ausarbeitung: 45 h
  Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Siehe Teilleistung

Modul: Seminar Kryptographie 2 [M-INFO-103807]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-107687 Seminar Kryptographie 2 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Kryptographie.

Dies sind z.B.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar Near Threshold Computing [M-INFO-102663]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105579 Seminar Near Threshold Computing 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Das Ziel dieses Seminars ist es mit den üblichen Ansätzen aber auch den neuesten Techniken im Bereich der NTC Forschung bekannt zu werden, und eine breite Basis für weitere Forschungen in diesem Bereich bieten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Während mehr und mehr Transistoren in immer kleineren Strukturgrößen gefertigt werden können, wird Energie ein immer wichtigerer Aspekt den man beim Chip-Design berücksichtigen muss. Near-threshold computing (NTC) ist ein vielversprechender Ansatz um die Leistungs- und Energieaufnahme zu verringern. Die Grundidee im NTC ist, das System mit einer Versorgungsspannung knapp über der Schwellspannung (Transistor Threshold-Spannung) zu betreiben. Durch diese Technik kann man zwar mehrere Größenordnungen an Leistung und Energie einsparen, jedoch gibt es noch einige Probleme zu bewältigen, wie niedrige Performance aufgrund nur geringer erreichbarer Frequenzen, geringerer Zuverlässigkeit, und größerer Anfälligkeit gegenüber verschiedenen Produktions- und Laufzeit-Schwankungen.

Das Ziel dieses Seminars ist es mit den üblichen Ansätzen aber auch den neuesten Techniken im Bereich der NTC Forschung bekannt zu werden, und eine breite Basis für weitere Forschungen in diesem Bereich bieten.

Die Studenten können ein spezielles Thema aus einem breiten Bereich verschiedener Unterthemen auf verschiedenen Abstraktionsebenen wählen (vom Transistor bis zum Gesamtsystem), je nach eigenem Interesse und bisherigem Hintergrundwissen. Die Themen beinhalten, sind aber nicht limitiert auf:

Analyse von Energie- und Performance Abwägungen

Analyse der Auswirkungen von Produktionsschwankungen, und andere Aspekten der Zuverlässigkeit, inklusive mögliche Lösungsansätze

Techniken für „Approximate Computing“ - Rechnen mit akzeptierbaren Ungenauigkeiten in den Ergebnissen

Arbeitsaufwand

90 h als Block/Woche

Modul: Seminar Non-volatile Memory Technologies [M-INFO-102961]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105935 Seminar Non-volatile Memory Technologies 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Das Ziel dieses Seminars ist es mit der Struktur und den Herausforderungen aktueller NVM Speichertechnologien vertraut zu werden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Speicherbausteine sind eine essentielle Komponente jedes Rechensystems. Jegliche Verbesserungen im Speicher-Subsystem führen zu direkten Verbesserungen beim Stromverbrauch und der Geschwindigkeit (Performanz) und wirken sich auf die Kosten des gesamten Computer Systems aus. Konventionelle Speichertechnologien (wie SRAM und DRAM) werden weiträumig bei den verschiedenen Speicher-Hierarchieebenen genutzt. Jedoch werden diese Speichertechnologien mit zusätzlichem technischem Fortschritt immer kritischer im Bereich der Zuverlässigkeit und beim Stromverbrauch. Technologien für nicht-flüchtigen Speicher – Non-Volatile Memory (NVM) – die Primär als Ersatz für sekundären Speicher gedacht waren, werden jetzt auch für den Primär- oder auch auf dem Chip integriertem Speicher in Erwägung gezogen. Es gibt eine hohe Nachfrage nach zuverlässigem NVM Speicher mit geringer Ruhestrom-Aufnahme (Leakage), als Ersatz für konventionelle Speichertechnologien in der nächsten Generation von Rechensystemen für „Normally-off, instant-on“ Computing.

Das Ziel dieses Seminars ist es mit der Struktur und den Herausforderungen aktueller NVM Speichertechnologien vertraut zu werden; diese beinhalten Flash, PCM, STT-MRAM und R-RAM. Dieses Seminar gibt eine Übersicht, wie die nächste Generation an Rechensystemen auf verschiedenen Architektur-Ebenen von NVMs profitieren können, und gibt eine Basis für die Forschung in NVM Rechensystemen. Die Studenten können ein bestimmtes Thema aus einer Vielzahl an Themen zu verschiedenen NVM Technologien aus verschiedenen Hierarchie-Ebenen auswählen, je nach Interesse und bisherigem Hintergrundwissen.

Arbeitsaufwand

90 h als Block/Woche

Modul: Seminar Privacy und Technischer Datenschutz [M-INFO-105224]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110597 Seminar Privacy und Technischer Datenschutz 4 Strufe
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Das Seminar behandelt aktuelle Themen aus dem Forschungsgebiet des technischen Datenschutzes.
Dazu gehören z.B.:
- Angriffe auf private Informationen in Verhaltensdaten
- Anonyme Kommunikation
- Publikation anonymisierter Benutzungsdaten (semantische/syntaktische Privacy)
- Verständnis und Unterstützung bei der Benutzung von online Medien
- Sicherheit in Netzen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Der/die Studierende ist in der Lage,
- ausgehend von einem vorgegebenen Thema eine Literaturrecherche durchzuführen, die relevante Literatur zu identifizieren, und zu bewerten;
- sich Forschungsergebnisse aus der IT-Sicherheit und dem technischen Datenschutz selbständig zu erarbeiten;
- wissenschaftliche Studien zu analysieren, diskutieren und in ihren Kontext einzuordnen;
- eigene Klassifizierungen und Bewertungen wissenschaftlicher Studien durchzuführen, darüber schriftlich zu berichten und die Ergebnisse in einem kurzen wissenschaftlichen Vortrag darzustellen.

Arbeitsaufwand

Arbeitsaufwand Präsenzzeit im Seminar: 10h
Recherche und Erstellen einer Ausarbeitung: 75h
Begutachtung und Kommentierung der vorläufigen Ausarbeitungen von Kommilitonen: 5h
Vorbereiten des Vortrags: 30h

Empfehlungen

Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt

Modul: Seminar Sicherheit [M-INFO-101562]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-INFO-102993 Seminar Sicherheit 4 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Computersicherheit. Dies sind z.B.

Arbeitsaufwand

25 Arbeitsstunden für die Literaturrecherche
55 Arbeitsstunden für das Anfertigen der Ausarbeitung und der Erstellung von Peer-Reviews
20 Arbeitsstunden für das Anfertigen der Abschlusspräsentation
20 Arbeitsstunden für die abschließende Blockveranstaltung und Treffen mit dem/der Betreuer/-in.
Insgesamt ergeben sich 120 Arbeitsstunden

Empfehlungen

Siehe Teilleistung

Modul: Seminar Sicherheit 2 [M-INFO-104032]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-108324 Seminar Sicherheit 2 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

• versteht ein abgegrenztes Problem im Bereich IT-Sicherheit
;


• analysiert und diskutiert die Probleme aus einem speziellen Bereich im Rahmen der Seminar-Ausarbeitung;

• erörtert, präsentiert und verteidigt fachspezifische Argumente innerhalb einer vorgegebenen Aufgabenstellung;

• organisiert die Erarbeitung einer Seminararbeit weitestgehend selbstständig.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Computersicherheit.

Dies sind z.B.

· Seitenkanal Angriffe;


· Netzwerksicherheit;


· Kommunikationsprotokolle;

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit sollten bekannt sein.

Modul: Seminar Software-Architektur, Sicherheit und Datenschutz [M-INFO-103301]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-106579 Seminar Software-Architektur, Sicherheit und Datenschutz 4 Reussner
Erfolgskontrolle(n)

Siehe Teilleitung.

Voraussetzungen

Siehe Teilleidtung.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Wer personenbezogene Daten automatisiert verarbeitet, muss diese Daten wirksam vor unerlaubtem Zugriff schützen, um im Einklang mit den Datenschutzgesetzen zu agieren, aber auch, um einer Schädigung der Reputation und Vertrauenswürdigkeit zuvorzukommen, sollten Datenschutzverletzungen an die Öffentlichkeit gelangen. Der Schutz personenbezogener Daten vor unerlaubtem Zugriff und die Einhaltung weiterer datenschutzrechtlicher Obliegenheiten gehört damit eigentlich zu den wichtigsten Zielen beim Software-Entwurf und -Betrieb.

Datenschutz isoliert zu betrachten, wird der Realität allerdings nicht gerecht. Gelangt ein Angreifer an personenbezogene Daten, greifen Selbstverpflichtungen und interne Datenschutzregelungen nicht länger. Im Zweifel haftet der Betreiber der Software mit empfindlichen Bußgeldern. Wirkungsvolle Sicherheitsvorkehrungen sind damit unverzichtbar als tragende Säule zum Schutz personenbezogener Daten.

Sicherheitskritische Schwachstellen müssen hierzu früh erkannt werden, im Idealfall vor Einführung der Schwachstelle. Derartige Qualitätsbewertungen leisten software-architekturbasierte Analysen. Wie sich Sicherheit auf Ebene der Software-Architektur beschreiben und analysieren lässt, ist Gegenstand laufender Forschung, ebenso wie die Frage, ob – und wie – Sicherheit in Zahlen gefasst werden kann.

In diesem Seminar beschäftigen sich Studierende mit diesen Fragestellungen und dem Stand der Forschung an der Schnittstelle zwischen Datenschutz, Sicherheit und Software-Architektur. Mögliche Themen sind in einem oder mehreren dieser Bereiche angesiedelt.

Arbeitsaufwand

25 Arbeitsstunden für die Literaturrecherche
55 Arbeitsstunden für das Anfertigen der Ausarbeitung und der Erstellung von Peer-Reviews
20 Arbeitsstunden für das Anfertigen der Abschlusspräsentation
20 Arbeitsstunden für die abschließende Blockveranstaltung und Treffen mit dem/der Betreuer/-in.
Insgesamt ergeben sich 120 Arbeitsstunden

Modul: Seminar Sprach-zu-Sprach-Übersetzung [M-INFO-102416]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104781 Seminar Sprach-zu-Sprach-Übersetzung 3 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen, sich eigenständig in Themen an Hand wissenschaftlicher Literatur einzuarbeiten und für Präsentationen aufzubereiten.
Aus den anderen Präsentationen erlangen die Studenten vertieftes Wissen in Teilgebieten der Sprach-zu-Sprach-Übersetzung
Durch Bewertung der Vorträge ihrer Kommilitonen verbessern die Studierenden ihre sozialen Kompetenzen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Sprach-zu-Sprach-Übersetzung ist eine populäre Anwendung, die automatische Spracherkennung und maschinelle Übersetzung kombiniert. Dabei erfordert eine benutzerfreundliche Kombination mehr als die reine lineare Hintereinanderschaltung der einzelnen Techniken.
In diesem Seminar erarbeiten sich die Studenten selbstständig an Hand der zur Verfügung gestellten Literatur einzelne Themen aus dem Bereich der automatischen Spracherkennung, der maschinellen Übersetzung sowie deren Kombination zu Sprach-zu-Sprach-Übersetzungssystemen und präsentieren die zusammengefassten Erkenntnissen in Form eines foliengestützten Vortrags den anderen Teilnehmern des Seminars.

Arbeitsaufwand

90 h

Modul: Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme [M-INFO-105959]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112105 Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme 3 Fennel, Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand

 90 Stunden

Modul: Seminar: Designing and Conducting Experimental Studies [M-INFO-103078]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106112 Seminar: Designing and Conducting Experimental Studies 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Planung und Durchführung einer Studie zu einem aktuellen Forschungsthema aus dem Bereich "Mensch Maschine Interaktion", "Ubiquitäre Systeme" und "Kontextsensitive Systeme". Nach Abschluss des Seminars können die Studierenden

- geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten

- aus der Literatur Rahmendaten und Parameter für Nutzerstudien und Experimente ableiten

- zu einer Forschungsfrage eine Studie entwerfen, durchführen und auswerten

- wissenschaftliche Ergebnisse strukturiert darstellen und einem Fachpublikum im Rahmen eines kurzen Vortrags präsentieren

- Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Artikel über die Planung, Durchführung und Ergebnisse der Studie zu verfassen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Spezifische Forschungsfragen sind im Rahmen einer Nutzerstudie zu untersuchen. Im Fokus des Seminars steht das Entwerfen einer Nutzerstudie, um eine spezifische Fragestellung zu untersuchen. Einhergeht damit dann eine anschließende Durchführung der Nutzerstudie und Auswertung der gesammelten Daten. Je nach Fragestellung kann der Aufwand pro Teilleistung variieren.

Vermittelt werden sollen im Rahmen des Seminars theoretisches und praktisches Wissen zum Planen, Durchführen und Auswerten von Nutzerstudien. Dies kann eine nützliche Vorbereitung auf die Masterarbeit sein.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Arbeitsaufwand

Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern

10 h

Studienplanung, Durchführung, Analyse und Dokumentation

106 h

Vorbereiten der Präsentation

4 h

SUMME

120 h 00 min

Modul: Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics [M-INFO-105888]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111837 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Dieses Modul soll Studierenden die praktischen Herausforderungen, welche im Umfeld von Hochleistungsrechnen, Datenmanagements und Datenanalyse entstehen, und die zugehörigen effiziente Methoden und Werkzeuge vermitteln, in dem Studierende diese Themen erarbeiten, ausprobieren, sich gegenseitig vorstellen und miteinander diskutieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Künstliche Intelligenz, Big Data, Supercomputing, High Performance Data Analytics, Machine Learning, Exabytes, GPUs, Exaflops, Daten-intensives Rechnen, FAIR-Data, Quantencomputing – all das sind moderne Begriffe und Themen in den Bereichen High Performance Computing (HPC), Data Management und Data Analytics.

Mit HPC-Rechensystemen können digitale Zwillinge natürlicher und von Menschenhand geschaffener Dinge, Vorgänge und Phänomene hocheffizient simuliert werden. Künstliche Intelligenz und Machine Learning ist erst durch die unglaubliche Rechenleistung moderner Hochleistungsrechner und GPUs (und zukünftiger Quantencomputer) effizient möglich geworden. Das explosionsartige Wachstum großer Datenmengen stellt einerseits eine enorme Herausforderung für den performanten und nachhaltigen Umgang dar, bietet gleichzeitig aber auch die Möglichkeit mit rechenhungrigen Analysetechniken Daten in neues Wissen und Handeln zu transformieren.

Im Seminar werden ausgewählte Themenfeldern des Hochleistungsrechnens, des Datenmanagements und der Datenanalyse behandelt. Stichworte sind z.B. MPI, OpenMP, CUDA, OpenCL, OpenACC, Werkzeuge zur Analyse von Effizienz und Skalierbarkeit, parallele und verteilte Dateisysteme, on-demand Dateisysteme, Hochgeschwindigkeits-Übertragungstechnologien, Scheduling, Metadaten, Datenrepositorien, PyTorch, Zeitreihenanalyse, Analyse von Big-Data-Streams, Optimierung des Trainings neuronaler Netzwerke, Uncertainty Quantification oder Graphen-basierte Neuronale Netzwerke.

 

Arbeitsaufwand

120 h

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Modul: Seminar: Aktuelle Forschungsthemen in der Computergrafik [M-INFO-105708]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111384 Seminar: Aktuelle Forschungsthemen in der Computergrafik 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Aktuelle Forschungsgebiete der Computergrafik.

Arbeitsaufwand

2 SWS entsprechen ca 60 Arbeitsstunden, davon

ca 15 Std Treffen mit den Betreuern

ca 5 Std Teilnahme an Phasenkolloquien

ca 15 Std Vorbereitung von Präsentationen/Dokumenten

ca 10 Std. für Implementierungs- und Testplanung/management

ca 15 Std. Kommunikation/Organisation im Team

Modul: Seminar: Aktuelle Highlights der Algorithmentechnik [M-INFO-102139]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102044 Seminar Aktuelle Highlights der Algorithmentechnik 4 Bläsius, Sanders, Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können,

•  eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.

• Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Hierfür beherrschen die Studenten Techniken, die es ermöglichen, die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen.

• ihre schriftliche Seminararbeit (wie später für weitere wissenschaftliche Arbeiten erforderlich) nach den Anforderungen und Qualitätsstandards des wissenschaftlichen Schreibens anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von wissenschaftlichen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

• die Ausarbeitungen anderer Teilnehmer kritisch beurteilen und konstruktive Verbesserungsvorschläge erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln aktuelle Themen der Algorithmentechnik und vertiefen diese. In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 45 Minuten Dauer.

Arbeitsaufwand

Seminar mit 2SWS, 4LP
4 LP entspricht ca. 120 Arbeitsstunden, davon
ca. 10h Seminarbesuch
ca. 40h Literaturrecherche, Beurteilung und Auswertung relevanter Literatur
ca. 30h Vorbereitung der eigenen Präsentation
ca. 30h Verfassen der schriftlichen Ausarbeitung
ca. 10h Lesen zweier Ausarbeitungen und schriftliches Formulieren von konstruktiver Kritik und Verbesserungsvorschlägen

Modul: Seminar: Algorithm Engineering [M-INFO-106086]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112312 Seminar: Algorithm Engineering 4 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können
• eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.
• Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Hierfür beherrschen die Studierenden Techniken, die es ermöglichen, die vorzustellenden Inhalte dem Zuhörerkreis entsprechend aufzuarbeiten und vorzutragen.
• ihre schriftliche Seminararbeit (wie später für weitere wissenschaftliche Arbeiten erforderlich) nach den Anforderungen und Qualitätsstandards des wissenschaftlichen Schreibens anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von wissenschaftlichen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In diesem Seminar werden verschiedene Themen aus dem Umfeld des Algorithm Engineering behandelt. Der Fokus kann auf Skalierbarkeit, Parallelität, Effizienz oder theoretischen Garantien von Algorithmen liegen. Beispielhafte Themenbereiche können Graphalgorithmen, Sortieralgorithmen, Stringalgorithmen, SAT-Solver, Datenstrukturen oder weitere Algorithmen sein. Der genaue Fokus des Seminars für das aktuelle Semester wird im Vorfeld auf der Institutswebseite vom Lehrstuhl von Prof. Sanders bekannt gegeben.

Teilnehmer des Seminars führen eine eigenständige Literaturrecherche durch, präsentieren ihre Ergebnisse ihren Kommilitonen und fertigen eine Ausarbeitung an.

Die genauen Formalitäten werden bei einer Auftaktveranstaltung zu Beginn des Semesters bekannt gegeben, die ebenfalls auf der Institutswebseite angekündigt wird.

Arbeitsaufwand

4 LP entspricht ca. 120 Arbeitsstunden, davon

• 10h Seminarbesuch
• 45h Literaturrecherche, Beurteilung und Auswertung relevanter Literatur
• 25h Vorbereitung der eigenen Präsentation
• 25h Verfassen der schriftlichen Ausarbeitung
• 15h Vor- und Nachbereitung

Empfehlungen

Kenntnisse in der Algorithmik sind von Vorteil. Beispielhafte Vorlesungen sind Algorithmen I, Algorithmen II, Algorithm Engineering und Parallele Algorithmen.

Modul: Seminar: Anwendung Formaler Verifikation [M-INFO-101536]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102952 Seminar: Anwendung Formaler Verifikation 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende können:

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich formaler Verifikationsverfahren.

Die Teilnehmer erarbeiten Präsentationen zu vorgegebenen Themen und tragen diese im Seminar vor (in der Regel ca.40 Minuten Dauer). Sie diskutieren die Inhalte der Seminarpräsentationen mit den anderen Teilnehmern und den Betreuern. Sie erstellen eine schriftliche Ausarbeitung zu ihrem Thema (in der Regel ca.10 Seiten).

Arbeitsaufwand

Präsenzzeit im Seminar (Vorträge und Diskussionen): 15h

Selbständige Einarbeitung in das Thema des Seminars, Literaturrecherche und Studium der Literatur zum eigenen Vortrag: 30h

Erstellen der Vortrags: 20h

Erstellen der schriftlichen Ausarbeitung: 20h

Besprechung mit Betreuern in Vorbereitung auf das Seminar: 5h

Summe: 90h

Empfehlungen

Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.

Modul: Seminar: Applications and Extensions of Timed Systems [M-INFO-106512]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113132 Seminar: Applications and Extensions of Timed Systems 4 Schwammberger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students can understand, model and analyse time-critical systems. Further on, they can apply the learned topics to real-world problems. They can independently work on a given topic in a team of two students and present the topic adequatly within a paper and in front of an audience. The students can also critically discuss the works of the other students in plenum discussions.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Many of the (embedded) software systems we are confronted with in everyday life have time-critical functionalities. For example, in the event of an accident, an airbag should be activated within a specific, very short, period of time. As another example: we expect fast response times from our smartphones so that we can use them conveniently and purposefully.
When modeling software systems, "time" is therefore a decisive factor. In this seminar, various mechanisms to formalise and analyse so-called real-time systems are discussed. The lecture also focuses on applications of timed systems. For instance, the following topics are dealt with:

The module will consist of an introductory lecture part, where some basic topics around timed systems are introduced. For the second half of the module, the students will prepare papers and topic talks each in teams of two students. Aditionally, a conference-style peer-review process for the papers is planned amongst the students. It is also expected that the students actively discuss their topics with their fellow students.

Arbeitsaufwand

4 ECTS entsprechen 120 Arbeitsstunden, davon
ca. 10 Std. Besuch einer einleitenden Vorlesung inkl. Vor- und Nachbereitung
ca. 60 Std. eigenständige Auseinandersetzung mit einem gegebenen Thema + Schreiben einer Ausarbeitung
ca. 30 Stunden Vorbereitung eines Vortrages
ca. 20 Stunden Blockseminar, inkl. Vor- und Nachbereitung (e.g. Review)

Empfehlungen

Knowledge in areas of theoretical computer science and modeling of (embedded) software systems is helpful (e.g. CTL, finite automata, first order logic). It is also helpful, but not at all necessary, to have knowledge of the topics of the summer term lecture „Timed Systems“. Necessary topics from that lecture will also be introduced in the beginning of the winter term, if necessary.

Modul: Seminar: Artificial Intelligence for Energy Systems [M-INFO-106490]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113110 Seminar: Artificial Intelligence for Energy Systems 4 Schäfer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

• Students obtained a foundational knowledge of AI in energy systems as an active research field and can name some ongoing challenges
• Students are able to independently conduct a literature review on a given topic.
• Students are able to present their knowledge in a written and structured report
• Students are able to orally present results and discuss topics of the seminar in the broader context of the field

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Artificial Intelligence (AI) is a key technology in many areas of society and research. Energy systems with the ongoing energy transition (“Energiewende”) make it a fascinating field for deploying AI methods. AI and machine learning algorithms can play a crucial role in improving energy efficiency, optimizing power generation and distribution or enhancing system stability while facilitating additional renewable energy integration. This seminar will explore fundamental AI algorithms and their applications in energy systems. Examples may include forecasting of energy demand or renewable generation, explainability of algorithms as well as optimization via AI.

Arbeitsaufwand

20h attendance time (kick-off and talks by other students)
20h literature review
40h writing of own contribution
10h per-review for other students
30h preparation of the final presentation
120h=4ECTS

Empfehlungen

Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.

Modul: Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen [M-INFO-106400]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112922 Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen 3 Mombaur
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden kennen den Entwicklungsstand von Exoskeletten und Assistenzrobotern und aktuelle medizinische Anwendungen
• Die Studierenden können selbständig wissenschaftliche Literatur zu einem vorgegebenen Thema (in der Regel in englischer Sprache) recherchieren, verstehen, kritisch evaluieren und zusammenzufassen
• Die Studierenden sind in der Lage, eine wissenschaftliche Präsentation zu erstellen und vorzutragen, dabei den Kenntnisstand der anderen Seminarteilnehmer zu berücksichtigen, und detaillierte Fragen zum Thema zu beantworten
• Die Studierenden können Fragen zu wissenschaftlichen Vorträgen stellen und aktive Beiträge zu wissenschaftlichen Diskussionen liefern
• Die Studierenden sind in der Lage, mit Hilfe von Latex einen englischsprachigen wissenschaftlichen Text unter Einbezug der gelesenen Quellen zu erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Dieses Modul vermittelt einen Überblick über den aktuellen Stand der Forschung und den praktischen Einsatz von Assistenzrobotern und Exoskeletten in der Medizin, sowie die Potentiale dieser Technologien zur Verbesserung der Patientenversorgung und der Lebensqualität von Menschen mit und ohne körperlichen Beeinträchtigungen. Medizinische Assistenzroboter sind für verschiedene Aufgaben im Gesundheitswesen konzipiert, z. B. zur Unterstützung bei Operationen oder in der Pflege, zur Erinnerung an die Einnahme von Medikamenten und zur Überwachung der Vitalparameter von Patienten. Exoskelette dienen der Verbesserung der Mobilität und werden von Menschen direkt am Körper getragen werden, um ihre Muskelkraft zu unterstützen oder vollständig zu ersetzen. Eine Klasse von Exoskeletten unterstützt Menschen mit Mobilitätseinschränkungen beim Gehen, Stehen und bei anderen körperlichen Aktivitäten, damit sie ihre Unabhängigkeit wiedererlangen und an den Aktivitäten des täglichen Lebens teilnehmen können. Andere Arten von Exoskeletten werden von gesunden Menschen verwendet, um Verletzungen unter schwierigen Arbeitsbedingungen zu vermeiden. Mobilitätsassistenzroboter für geriatrische Patienten existieren auch in Form von Roboterrollatoren, die ihren Benutzern helfen sollen, stabil und sicher zu stehen, zu gehen und in ihrer Umgebung zu navigieren. Die Seminarthemen decken das Spektrum der verschiedenen Robotertypen und Anwendungen ab. Vorträge können auf deutsch oder englisch gehalten werden.

Anmerkungen

Es wird erwartetet, dass Studierende an allen angekündigten Präsenztermine teilnehmen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden:
20h – Präsenzveranstaltungen (Kickoff, Vorbereitungstreffen und Vortragsblöcke)
20h – Literaturrecherche
20h – Vorbereitung des Vortrags
30h - Erstellung der Ausarbeitung

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.

Modul: Seminar: Ausgewählte Themen der Public-Key-Kryptographie [M-INFO-105586]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111201 Seminar: Ausgewählte Themen der Public-Key-Kryptographie 3
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt verschiedene aktuelle Aspekte der asymmetrischen
Kryptographie.

Es werden verschiedene Verschlüsselungs- und Signatur-Verfahren mit
besonderen Anforderungen untersucht und deren jeweiligen
Sicherheitsgarantien mathematisch bewiesen.

Einige Beispiele sind

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar: Betriebssysteme [M-INFO-101540]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-102956 Seminar: Betriebssysteme 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden analysieren und präsentieren wissenschaftliche Arbeiten auf dem Gebiet der Betriebssysteme.

Mit dem Besuch der Seminarveranstaltungen werden neben Techniken des wissenschaftlichen Arbeitens auch Schlüsselqualifikationen integrativ vermittelt.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar widmet sich einem aktuellen Gebiet der Betriebssystemforschung.

Arbeitsaufwand

30 h =  2 SWS * 15 Präsenz
30 h Vorbereitung
10 h Präsentation
20 h Ausarbeitung
90 h = 3 ECTS

Modul: Seminar: Bionic Algorithms and Robot Technologies [M-MACH-106902]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-MACH-113842 Seminar: Bionic Algorithms and Robot Technologies 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine

Qualifikationsziele

Ziel ist das selbständige Erarbeiten eines wissenschaftlichen Themas im Themenfeld der biologisch inspirierten Algorithmen und Robotertechnologien. 

Die Studierenden sind in der Lage selbständig eine Literaturrecherche über den Stand der Forschung durchzuführen, fremde Arbeiten treffend zusammenzufassen, untereinander in Bezug zu setzen und zu bewerten.

Die Ergebnisse und Inhalte können in englischer Fachsprache schriftlich ausgearbeitet und im Rahmen eines Vortrags in Englisch präsentiert werden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis" vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an.

Inhalt

Biologisch inspirierte Roboter und deren Methoden und Technologien übertragen Konzepte zur Problemlösung aus der Natur unter anderem in die mechanische Konstruktion, Sensorik, Navigation, Steuerung oder Interpretation. Dabei werden diese Lösungsansätze durch technische Systeme angenähert. Die Bandbreite der von der Biologie inspirierten Robotik reicht von mehrbeinigen Laufrobotern, verteilten Sensorkonzepten und dem Leichtbau über Methodiken des maschinellen Lernens bis hin zu neuromorpher Hardware.

Arbeitsaufwand

90h Arbeitsaufwand

•   Literaturrecherche: 24h

•   Ausarbeitung der Seminararbeit: 40h

•   Vorbereitung der Abschlusspräsentation: 16h

•   Präsenzzeit: Kickoff, Präsentation und Diskussion sowie Treffen mit Betreuern: 10h

Empfehlungen

Der Besuch der Vorlesung "Biologically Inspired Robots" ist hilfreich.

Modul: Seminar: Continuous Software Engineering [M-INFO-105309]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-110794 Seminar: Continuous Software Engineering 4 Koziolek
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

-        eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.

-        ihre Seminararbeit (und später die Bachelor-/Masterarbeit) mit minimalem Einarbeitungsaufwand anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von allen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

-        Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Dazu werden Techniken vorgestellt, die es ermöglichen, die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen.

die Ergebnisse der Recherchen in schriftlicher Form derart präsentieren, wie es im Allgemeinen in wissenschaftlichen Publikationen der Fall ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Modernes Software Engineering findet in kurzen Zyklen statt, die schnelles Feedback ermöglichen Technologien wie Build Server und Containerization ermöglichen schnelle, häufige und automatisches Einsetzen der Software im Produktivbetrieb und schnelles Feedback in die Entwicklung (DevOps).

Der Begriff „Continuous Software Engineering“ fasst die Verzahnung der verschiedenen Aktivitäten zusammen.

Im Seminar sollen verschiedene aktuelle Herausforderungen im Bereich Continuous Software Engineering beleuchtet werden, darunter auch das Engineering von Anwendungen mit Machine-Learning-Komponenten.

Arbeitsaufwand

25 Arbeitsstunden für die Literaturrecherche
55 Arbeitsstunden für das Anfertigen der Ausarbeitung und der Erstellung von Peer-Reviews
20 Arbeitsstunden für das Anfertigen der Abschlusspräsentation
20 Arbeitsstunden für die abschließende Blockveranstaltung und Treffen mit dem/der Betreuer/-in.
Insgesamt ergeben sich 120 Arbeitsstunden

Modul: Seminar: Deep Learning in der Robotik [M-INFO-105779]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111559 Seminar: Deep Learning in der Robotik 3 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.


Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student has to choose one of the offered topics from the area of deep learning / robot learning / deep reinforcement learning / deep imitation learning. Each topic consists of several research papers for which the students have to prepare a presentation as well as a report in form of a scientific research paper. It is recommended to take the seminar together with the “Research Project Deep Learning for Robotics”, where the presented algorithms will be implemented and evaluated. Students will work in teams of 2.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS

Präsenzzeit: 15h
Selbststudium: 45h
Scientific Report schreiben: 20h
Präsentation vorbereiten: 10h

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.

Modul: Seminar: Digitale Barrierefreiheit und Assistive Technologien [M-INFO-105884]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111832 Seminar: Digitale Barrierefreiheit und Assistive Technologien 3 Stiefelhagen
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben Grundkenntnisse über

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Digitale Barrierefreiheit oder besser digitale „Zugänglichkeit“ (Accessibiltiy, wie es auf Englisch heißt) ist ein Thema, das uns alle betrifft. Digital an Informationen zu kommen, von Kindesbeinen an bis ins hohe Alter. Assistive Technologien, wie Smartphones, Tablets, Smartwatches, Wearables allgemein sind ein Teil unseres Alltages geworden. Genau diese Dinge sollten von allen Menschen bedienbar und nutzbar sein. Unabhängig jeglicher Barrieren.

Aber was steckt an Details dahinter? Wie sehen Rechte und Grundlagen hierzu aus? Was muss alles getan werden, um „barrierefrei“ zu sein?

Dies alles lässt sich am besten am Beispiel „Sehbehinderung“ zeigen.

Weltweit gibt es nach Angaben der Weltgesundheitsorganisation ca. 285 Million Menschen mit Sehschädigungen, davon ca. 39 Millionen Menschen, die blind sind. Der teilweise oder vollständige Verlust des Sehvermögens schränkt Blinde und Sehbehinderte in erheblichem Maße in ihrem Arbeits- und Sozialleben ein. Sich ohne fremde Hilfe im öffentlichen Raum zu orientieren und fortzubewegen, gestaltet sich schwierig: Gründe hierfür sind Probleme bei der Wahrnehmung von Hindernissen und Landmarken sowie die daraus resultierende Angst vor Unfällen und Orientierungsschwierigkeiten. Weitere Probleme im Alltagsleben sind: das Lesen von Texten, die Erkennung von Geldscheinen, von Nahrungsmitteln, Kleidungstücken oder das Wiederfinden von Gegenständen im Haushalt.

Zur Unterstützung können Blinde und Sehbehinderte bereits auf eine Reihe von technischen Hilfsmitteln zurückgreifen. So können digitalisierte Texte durch Sprachausgabe oder Braille-Ausgabegeräte zugänglich gemacht werden. Es gibt auch verschiedene speziell für Blinde hergestellte Geräte. Das wichtigste Hilfsmittel zur Verbesserung der Mobilität ist mit großem Abstand der Blindenstock. In den vergangenen Jahren wurden auch einige elektronische Hilfsmittel zur Hinderniserkennung oder Orientierungsunterstützung entwickelt, diese bieten aber nur eine sehr eingeschränkte Funktionalität zu einem relativ hohen Preis und sind daher eher selten im Einsatz.

Das Seminar soll einen Einblick in Themen IT-basierter Assistiver Technologien (AT) geben und zum anderen die Teilnehmer auf das Schreiben von Konferenzartikeln zum Thema vorbereiten. Die Themenauswahl kann sich über einen größeren Bereich erstrecken. Wie zum Beispiel:

Arbeitsaufwand

(6 Vorlesungswochen pro Semester) x (2 SWS + 1,5 x 2 SWS Vor-/Nacharbeit) = 30 h
30h Vortragsrecherche, -vorbereitung
30h schriftliche Ausarbeitung
= 90h = 3 ECTS

Modul: Seminar: Eingebettete Systeme I [M-INFO-101629]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103116 Seminar: Eingebettete Systeme 3 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erlernen die Grundlagen der wissenschaftlichen Arbeit in Form der Literaturrecherche, Verfassen einer wissenschaftlichen Ausarbeitung sowie einer Präsentation vor einem Fachpublikum.

Lernziele:


Studierende erlernen das lesen von Konferenzbeiträgen, Artikeln in Fachzeitschriften sowie Standardliteratur. Weiterhin interpretieren sie diese Texte um dann in den eigenen Worten einen Überblick über das Thema in einer Ausarbeitung zu geben. Zuletzt präsentieren sie vor anderen Informatikern ebenfalls einen Überblick über das Thema. Dabei wird das wissenschaftliche Schreiben in Form der Ausdrucksweise, Textstruktur und Reduktion aufs wesentliche geschult.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Diese Modul bündelt die Seminare am Lehrstuhl Chair of Embedded Systems:

Internt of Things

Machine Learning

Embedded Security and Architektures

Für aktuelle Informationen schauen Sie bitte im Vorlesungsverzeichnis und auf der Chair of Embedded Systems Homepage unter https://ces.itec.kit.edu nach.

Arbeitsaufwand

90 h

Modul: Seminar: Eingebettete Systeme II [M-INFO-103367]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106745 Seminar: Eingebettete Systeme II 3 Henkel
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel:
Studierende erlernen die Grundlagen der wissenschaftlichen Arbeit in Form der Literaturrecherche, Verfassen einer wissenschaftlichen Ausarbeitung sowie einer Präsentation vor einem Fachpublikum.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Lernziele:
 Studierende erlernen das lesen von Konferenzbeiträgen, Artikeln in Fachzeitschriften sowie Standardliteratur. Weiterhin interpretieren sie diese Texte um dann in den eigenen Worten einen Überblick über das Thema in einer Ausarbeitung zu geben. Zuletzt präsentieren sie vor anderen Informatikern ebenfalls einen Überblick über das Thema. Dabei wird das wissenschaftliche Schreiben in Form der Ausdrucksweise, Textstruktur und Reduktion aufs wesentliche geschult.

Inhalt

Diese Modul bündelt die Seminare am Lehrstuhl Chair of Embedded Systems:
Internet of Things (IoT) for Healthcare

Internet of Things (IoT) in Embedded Systems

Approximate Computing

Thermal-aware Embedded Systems

Dependability in Internet of Things (IoT)
Performance Optimization for Multicore Chips
Power Efficient Reliability

Distributed Decision Making

Low Power Design for Embedded Systems

Rekonfigurierbare Eingebettete Systeme

Mixed Criticality Systems

Security in Internet of Things (IoT)

Für aktuelle Informationen schauen Sie bitte im Vorlesungsverzeichnis und auf der Chair of Embedded Systems Homepage unter http://ces.itec.kit.edu nach.

Anmerkungen

Dies ist identisch mit dem Modul 'Seminare: Eingebettete Systeme I' und ermöglicht die Teilnahme an einem zweitem Seminar am CES Lehrstuhl.

Arbeitsaufwand

90 h

Modul: Seminar: Energieinformatik [M-INFO-103153]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106270 Seminar: Energieinformatik 4 Hagenmeyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende besitzt einen vertieften Einblick in Themenbereiche der Energieinformatik und hat grundlegende Kenntnisse in den Bereichen der Modellierung, Simulation und Algorithmen in Energienetzen. Ausgehend von einem vorgegebenen Thema kann er/sie mithilfe einer Literaturrecherche relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten. Er/sie kann das Thema in den Themenkomplex einordnen und in einen Gesamtzusammenhang bringen.

Er/sie ist in der Lage eine Seminararbeit (und später die Bachelor-/Masterarbeit) mit minimalem Einarbeitungsaufwand anzufertigen und dabei Formatvorgaben zu berücksichtigen, wie sie von allen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden. Außerdem versteht er/sie das vorgegebene Thema in Form einer wissenschaftlichen Präsentation auszuarbeiten und kennt Techniken um die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen. Somit besitzt er/sie die Kenntnis wissenschaftliche Ergebnisse der Recherche in schriftlicher Form derart zu präsentieren, wie es in wissenschaftlichen Publikationen der Fall ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Energieinformatik ist eine junges Forschungsgebiet, welches verschiedene Bereiche ausserhalb der Informatik beinhaltet wie der Wirtschaftswissenschaft, Elektrotechnik und Rechtswissenschaften. Bedingt durch die Energiewende wird vermehrt Strom aus erneuerbaren Erzeugern in das Netz eingespeist. Der Trend hin zu dezentralen und volatilen Stromerzeugung führt jedoch schon heute zu Engpässen in Stromnetzen, da diese für ein bidirektionales Szenario nicht ausgelegt wurden. Mithilfe der Energieinformatik und der dazugehörigen Vernetzung der verschiedenen Kompetenzen soll eine intelligente Steuerung der Netzinfrastruktur—von Stromverbrauchern, -erzeugern, -speichern und Netzkomponenten—zu einer umweltfreundlichen, nachhaltigen, effizienten und verlässlichen Energieversorgung beitragen.

Daher sollen im Rahmen des Seminars „Seminar: Energieinformatik“, unterschiedliche Algorithmen, Simulationen und Modellierungen bzgl. ihrer Vor- und Nachteile in den verschiedenen Bereichen der Netzinfrastruktur untersucht werden.

In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 30 Minuten Dauer.

Arbeitsaufwand

4 LP entspricht ca. 120 Stunden

- ca. 21 Std. Besuch des Seminars,

- ca. 45 Std. Analyse und Bearbeitung des Themas,

- ca. 27 Std. Vorbereitung und Erstellung der Präsentation, und

- ca. 27 Std. Schreiben der Ausarbeitung.

Modul: Seminar: E-Voting [M-INFO-105409]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110905 Seminar: E-Voting 3 Beckert, Geiselmann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

kann die Erarbeitung einer Seminararbeit weitestgehend selbstständig organisieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Was sollte ein Wahlverfahren erfüllen? Wann ist ein Wahlverfahren sicher? Welche Bestandteile muss man dabei untersuchen? Mithilfe welcher Methoden lässt sich dies untersuchen?

Es werden kryptographische Wahlverfahren sowie algorithmische Wahl-(auszähl-)verfahren aus verschiedenen Blickwinkeln (kryptographische Methoden, formale Korrektheit, menschliche Faktoren) untersucht.

Anmerkungen

Diese Lehrveranstaltung wird gemeinsam von den Lehrstühlen für Anwendungsorientierte Formale Verifikation, Kryptographie und Sicherheit, sowie dem Lehrstuhl Security • Usability • Society vom Institut für Angewandte Informatik und Formale Beschreibungsverfahren veranstaltet.

Arbeitsaufwand

Summe: 90 Stunden (= 3 Leistungspunkte)

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.

Modul: Seminar: Explainable Artificial Intelligence [M-INFO-106497]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113115 Seminar: Explainable Artificial Intelligence 3 Lioutikov
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.
Lernziele:Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student will select several related papers in the field of Explainable Artificial Intelligence and study and analyze it in the context of Robot Learning. The organizers will suggest several papers but the students will be encouraged to indentify and research additional relevant papers during the semester. The students will then prepare a presentation and a basic scientific research paper.
It is highly recommended to take this seminar in combination with the “Explainable Robot Intelligence” Research Project (Forschungspraktikum), where the students get the chance to deepen their understanding, implement and evaluate their presented work.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS
• Präsenzzeit: 15h
• Selbststudium: 45h
• Scientific Report schreiben: 20h
• Präsentation vorbereiten: 10h

Empfehlungen

We recommend taking this research project after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this seminar in combination with the “Explainable Artificial Intelligence” research project (Forschungspraktikum).

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Modul: Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society [M-INFO-106651]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113398 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society 3 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students gain experience with literature research on a current research topic. They explore, understand and compare different approaches to a selected scientific problem. The students are able to write a summary of their literature research in the form of a scientific publication in English and give a scientific talk on it.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The students choose a topic from the field of robotics (e.g. remote control, behavior-based robotics, human-robot interaction, the “uncanny valley,” natural language understanding, machine learning) and conduct a research on it that, building on literature findings, also includes and addresses the perspectives of society and the general media (as given by science fiction books, movies and games, as well as media and news outlets) and technology assessment (including social/societal expectations and needs, ethical implications, and risks/benefits analyses).
Students work under the guidance of a scientific supervisor. At the end of the semester, they present the results and write an elaboration in English in the form of a scientific publication.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP.
3 LP corresponds to approx. 90 hours, of which
approx. 45 hours of literature research
approx. 25 hrs. elaboration
approx. 10 hrs. preparation of presentation
approx. 10 hrs. compulsory attendance

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik [M-INFO-104941]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110046 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Kann ein Algorithmus gegen die Diskriminierungsfreiheit verstoßen? Wann ist eine algorithmische Entscheidung unfair oder fair bzw. diskriminierend oder nicht-diskriminierend? Kann ein sinnvoller Algorithmus überhaupt nicht-diskriminierend sein? Wie entstehen unfaire Vorurteile bei Algorithmen und wie kann man sie entfernen oder abschwächen? Wie sind solche Entscheidungen gesellschaftlich zu bewerten?

Solche und verwandte Fragestellungen möchten wir hier vertieft behandeln und dabei Studierenden ermöglichen, über den Rand der Disziplin Informatik hinaus zu blicken und Themen am Schnittpunkt der Bereiche der theoretischen Informatik sowie der praktischen Philosophie auf reale (informatisch-) gesellschaftliche Probleme anzuwenden. Das Seminar wird interdisziplinär veranstaltet und richtet sich vorrangig an Studierende der Informatik mit Interesse an der Verbindung philosophisch-ethischer und formal-logischer Fragestellungen mit Anwendung auf das praktische Problem der Diskriminierung durch maschinell-gelernte Entscheidungsverfahren.

Mögliche Themen sind unter Anderem:

Anmerkungen

Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.

Arbeitsaufwand

Summe: 90 Stunden (= 3 Leistungspunkte)

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.

Modul: Seminar: Fine-Grained Complexity Theory & Algorithms [M-INFO-106645]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113392 Seminar: Fine-Grained Complexity Theory & Algorithms 4 Künnemann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are able to:
- perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in algorithms & complexity theory and to identify the scientific context.
- present a scientific paper and its context. This includes competency in tools and techniques for making the content accessible for a target audience.
- create a written report of their topic in accordance to usual quality standards
for scientific writing

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Selected topics from the field of fine-grained complexity theory & algorithm design. This consists of recent papers on fine-grained hardness assumptions, conditional lower bounds and algorithmic results for important problems from various sub-areas.

Each student will present a topic and summarize it in a scientific report.

Arbeitsaufwand

4 CP amounts to 120 h, distributed as follows:
- about 10 h attendance in class
- about 40 h literature search and review
- about 40 h preparation of presentation
- about 30 h writing of scientific report

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Concurrent or previous attendance of the lecture “Fine-Grained Complexity Theory & Algorithms” is helpful, but not required. This seminar can be attended independently.

Modul: Seminar: Forschungstrends in der Mensch-Maschine-Interaktion [M-INFO-106594]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-113284 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion 3 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden können aktuelle Themen der Mensch-Maschine Interaktion wissenschaftlich aufarbeiten, und eine innerhalb ihres Themengebiets gemeinsam festgelegte Forschungsfrage angemessen beantworten.
• Die Studierenden können aktuelle Herausforderungen und Chancen der Mensch-Maschine-Interaktion beurteilen, und sind in der Lage, Zusammenhänge insbesondere im bearbeiteten Forschungsschwerpunkt nachzuvollziehen und kritisch zu reflektieren.
• Die Studierenden können wissenschaftliche Quellen recherchieren, verstehen, und im Rahmen von Ausarbeitung und Vortrag angemessen evaluieren und zur Untermauerung ihrer Argumentation einbringen.
• Die Studierenden sind in der Lage, einen wissenschaftlichen Text unter Einbezug entsprechender Quellen zu erstellen, sowie einen wissenschaftlichen Vortrag zu halten, der dem Kenntnisstand des Publikums angemessen ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Mensch-Maschine-Interaktion (MMI, englisch: Human-Computer Interaction (HCI)) ist ein sich stetig weiterentwickelndes, interdisziplinäres Feld, das die dynamische Beziehung zwischen Menschen und Technologie erforscht. Dazu gehört u.a. die Untersuchung von Nutzendenverhalten, kognitiven Prozessen, menschlichen Fähigkeiten und Bedürfnissen und Nutzungsschnittstellen. Ziel ist es, Nutzungserlebnisse und Interfacedesigns zu verstehen und zu verbessern.  Die stetige Weiterentwicklung von Technologie eröffnet zunehmend vielfältigere Möglichkeiten der Interaktion zwischen Mensch und Maschine. Somit ist ein zukunftsfähiges Verständnis der MMI besonders wichtig. In diesem Seminar tauchen wir deswegen in die aktuellen Forschungstrends in der MMI ein. 

Durch die Auseinandersetzung mit diesen Themen gewinnen Sie Einblicke in die Herausforderungen und Chancen, die in den Bereichen Interfacedesign, User Experience (UX) und Mensch-Maschine-Interaktion bestehen. Sie verbessern zudem Ihre Fähigkeiten im Anfertigen von wissenschaftlichen Arbeiten.

Das Seminar erfordert die Erstellung eines Positionspapiers, in dem Sie ein Thema Ihrer Wahl analysieren, den aktuellen Forschungsstand darstellen und potentielle Forschungslücken diskutieren. Ihre Ausarbeitung präsentieren Sie in einem Vortrag zum Ende des Semesters vor Ihren Kommiliton:innen und Mitarbeitenden des Lehrstuhls. Während des Semesters stehen Ihre Betreuenden Ihnen in regelmäßigen Sprechstunden für Feedback und Fragen zur Verfügung.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden (3 Credits).

Davon entfallen etwa…

10h auf Präsenzveranstaltungen,
35h auf die Literaturrecherche,
35h auf die Erstellung der Ausarbeitung,
10h auf die Erstellung des Vortrags.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Seminar: Fortgeschrittene Algorithmen in der Computergrafik [M-INFO-102729]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105664 Seminar: Fortgeschrittene Algorithmen in der Computergrafik 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Aktuelle Forschungsgebiete der Computergrafik.

Arbeitsaufwand

2 SWS entsprechen ca 60 Arbeitsstunden, davon

ca 15 Std Treffen mit den Betreuern

ca 5 Std Teilnahme an Phasenkolloquien

ca 15 Std Vorbereitung von Präsentationen/Dokumenten

ca 10 Std. für Implementierungs- und Testplanung/management

ca 15 Std. Kommunikation/Organisation im Team

Modul: Seminar: Fortgeschrittene Themen zu SAT Solving [M-INFO-106085]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112311 Seminar: Fortgeschrittene Themen zu SAT Solving 3 Iser, Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

With selected high-influence papers from the field of SAT solving, we take a close look at how SAT solvers evolved in the past decade and learn about the major cornerstones of modern and efficient large scale SAT solving systems.

Arbeitsaufwand

Präsenzzeit (3-4 Termine): 4,5 – 6h
Lesen, Zusammenfassen und in Beziehung stellen (2-3 Paper): 30 – 40h
Ausarbeitung der Präsentation: 16 – 24h

Total 90h

Empfehlungen

Kenntnisse zu Grundlagen aus „SAT Solving in der Praxis“ sind hilfreich.

Modul: Seminar: Graphenalgorithmen [M-INFO-102550]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105128 Seminar Graphenalgorithmen 4 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können,

•  eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.

• Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Hierfür beherrschen die Studenten Techniken, die es ermöglichen, die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen.

• ihre schriftliche Seminararbeit (wie später für weitere wissenschaftliche Arbeiten erforderlich) nach den Anforderungen und Qualitätsstandards des wissenschaftlichen Schreibens anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von wissenschaftlichen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

• die Ausarbeitungen anderer Teilnehmer kritisch beurteilen und konstruktive Verbesserungsvorschläge erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich Graphenalgorithmen und vertiefen diese. In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 45 Minuten Dauer.

Arbeitsaufwand

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 10h Seminarbesuch

ca. 40h Literaturrecherche, Beurteilung und Auswertung relevanter Literatur

ca. 30h Vorbereitung der eigenen Präsentation

ca. 30h Verfassen der schriftlichen Ausarbeitung

ca. 10h Lesen zweier Ausarbeitungen und schriftliches Formulieren von konstruktiver Kritik und Verbesserungsvorschlägen

Modul: Seminar: Hot Topics in Artificial Intelligence & Security 1 [M-INFO-106868]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113761 Seminar: Hot Topics in Artificial Intelligence & Security 1 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know basic concepts artificial intelligence and machine learning in computer security, and are able to understand/interpret results from state-of-the-art research.

•    Students know and understand basic concepts of combining artificial intelligence and computer security.
•    Students are able independently research topics and methods.
•    Students understand limits of current methods and applications

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work

Inhalt

This seminar is concerned with the combination of artificial intelligence, machine learning and computer security in practice. Many tasks in the security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more "intelligent" security
solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI).

This module is part of a seminar series to intensifies the contents of the AISEC lecture. It can be attended individually and in no particular order. The module puts focus on timely topics from recent research and teaches students to work up results from state-of-the-art research. To this end, the they will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Arbeitsaufwand

- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Seminar: Hot Topics in Artificial Intelligence & Security 2 [M-INFO-106869]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113762 Seminar: Hot Topics in Artificial Intelligence & Security 2 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know basic concepts artificial intelligence and machine learning in computer security, and are able to understand/interpret results from state-of-the-art research.

•    Students know and understand basic concepts of combining artificial intelligence and computer security.
•    Students are able independently research topics and methods.
•    Students understand limits of current methods and applications

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work

Inhalt

This seminar is concerned with the combination of artificial intelligence, machine learning and computer security in practice. Many tasks in the security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more "intelligent" security
solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI).

This module is part of a seminar series to intensifies the contents of the AISEC lecture. It can be attended individually and in no particular order. The module puts focus on timely topics from recent research and teaches students to work up results from state-of-the-art research. To this end, the they will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Arbeitsaufwand

- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Seminar: Hot Topics in Bioinformatics [M-INFO-100750]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101287 Seminar: Hot Topics in Bioinformatics 3 Stamatakis
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer können aktuelle wiss. Publikationen im Bereich der sequenzbasierten Bioinformatik verstehen, kritisch bewerten und miteinander vergleichen. Sie sind in der Lage die Algorithmen und Modelle aus aktuellen Publikationen mündlich sowie schriftlich auf einem Niveau zu präsentieren und zu verstehen, welches der Qualität wiss. Publikationen und der Qualität von Konferenzvorträgen entspricht. Sie können möglich Erweiterungen der bestehenden Arbeiten vorschlagen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Bioinformatik ist eine junge Teildisziplin der Informatik und hat sich in den letzten Jahren immer weiter als eigenständiges Anwendungsfach der Informatik etabliert. Eines der Hauptziele der klassischen Bioinformatik ist die Generierung von biologischem Wissen (meist aus molekularen Daten, z.B. DNA Datensätzen) anhand geeigneter Modelle und Algorithmen. Die sogenannte molekulare Datenflut, welche durch neue, schnellere und billigere Methoden zur Extraktion von DNA welche in den letzten 5 Jahren entwickelt wurden ausgelóst wurde, stellt die Bioinformatik vor neue Herausforderungen in bezug auf die Speicherung und Verarbeitung von Daten. Es ergeben sich vielfältige Problemstellungen die sich von diskreten Algorithmen auf Strings und Bäumen, über die parallel Verarbeitung der Daten bis hin zu grossen numerischen Simulationen auf Höchstleistungsrechnern erstrecken. Ziel des Moduls ist es einen Einblick in den Facettenreichtum der modernen Bioinformatik zu geben sowie Programmiererfahrung in der Bioinformatik zu vermitteln.

Arbeitsaufwand

10 Stunden Themenauswahl + 10 Stunden Besuch der Seminarvorträge + 30 Stunden Paper(s) lesen und verstehen + 10 Stunden Vortragsvorbereitung + 30 Stunden schriftl. Ausarbeitung = 90 Stunden = 3 ECTS

Empfehlungen

Siehe Teilleistung

Modul: Seminar: Hot Topics in Decentralized Systems [M-INFO-104891]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109922 Seminar: Hot Topics in Decentralized Systems 3 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kennt den Stand der Forschung im Bereich dezentraler Systeme.

Der/Die Studierende ist in der Lage, sich eigenständig in ein aktuelles Forschungsthema und die zugehörigen Grundlagen einzuarbeiten, indem relevante Literatur identifiziert und strukturiert aufgearbeitet wird.

Der/Die Studierende ist in der Lage, eine Ausarbeitung nach wissenschaftlichen Standards zu verfassen.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende kann die Herausforderungen einer konkreten technischen Problemstellung im Kontext dezentraler Systeme betrachten und vorhande Lösungsansätze auf die gegebene Problemstellung übertragen und hinsichtlich der Aspekte Performance und Sicherheit bewerten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Seminar werden aktuelle Arbeiten aus dem Bereich der dezentralen Systeme behandelt. Ausgehend von aktuellen Forschungsarbeiten werden Herausforderungen und Herangehensweisen identifiziert. Entsprechende Lösungen werden analysiert und verglichen. Schließlich wird der Bezug zu verwandten Domänen hergestellt.

Arbeitsaufwand

Auftaktveranstaltungen: 4h
Treffen mit dem Betreuer: 4h
Präsentationstermine: 8h
Literaturrecherche: 25h
Verfassen der Ausarbeitung und Vorbereitung der Präsentation: 50h
Summe: 91h = 3 ECTS-Punkte

Empfehlungen

Kenntnisse zu Grundlagen aus IT-Sicherheitsmanagement für vernetzte Systeme und dem Stammmodul Sicherheit sind hilfreich.

Modul: Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) [M-INFO-106392]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112917 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 4 Wressnegger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilelsitung.

Qualifikationsziele

Students know concepts of explainable machine learning and are able to understand/interpret results from state-of-the-art research. 

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar is concerned with explainable machine learning in computer security. Learning-based systems often are difficult to interpret, and their decisions are opaque to practitioners. This lack of transparency is a considerable problem in computer security, as black-box learning systems are hard to audit and protect from attacks.

The module introduces students to the emerging field of explainable machine learning and teaches them to work up results from recent research. To this end, the students will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Topics cover different aspects of the explainability of machine learning methods for the application in computer security in particular.

Arbeitsaufwand

- 24h Literaturrecherche
- 48h Ausarbeitung der Seminararbeit
- 24h Begutachtung der vorläufigen Arbeiten von Kommilitonen
- 16h Vorbereitung Abschlusspräsentation
- 8h Präsenzzeit

Insgesamt 120h

Modul: Seminar: Human-Robot Interaction [M-INFO-106498]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113116 Seminar: Human-Robot Interaction 3 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students gain experience with literature research on a current research topic. They explore, understand and compare different approaches to a selected scientific problem. The students are able to write a summary of their literature research in the form of a scientific publication in English and give a scientific talk on it.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The students choose a topic from the field of human-robot interaction, e.g. attention modelling, socially-aware navigation, social gestures generation or metrics for HRI experiments. They conduct a literature research on this topic under the guidance of a scientific supervisor. At the end of the semester, they present the results and write an elaboration in English in the form of a scientific publication.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP.
3 LP corresponds to approx. 90 hours, of which
approx. 45 hours of literature research
approx. 25 hrs. elaboration
approx. 10 hrs. preparation of presentation
approx. 10 hrs. compulsory attendance

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Seminar: Informatik TECO [M-INFO-105328]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110808 Seminar: Informatik TECO 3 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich ubiquitärer Systeme sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden
• selbständig eine strukturierte Literaturrecherche zu einem gegebenen Thema durchführen und geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten
• den Stand der Technik bzw. Wissenshaft zu einem Themenbereich darstellen, differenziert bewerten und Schlüsse draus ziehen
• wissenschaftliche Ergebnisse zu einem Thema strukturiert darstellen und einem Fachpublikum im Rahmen eines Vortrags präsentieren
• Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Übersichtsartikel zu einem Thema zu verfassen
• Wissenschaftliche Texte anderer kritisch bewerten und einordnen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich Ubiquitous Computing. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 90 Stunden (3.0 Credits).

Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern
10 h 00 min
Literaturrecherche, Studienplanung, Durchführung, Analyse und Dokumentation
76 h 00 min
Vorbereiten der Präsentation
4 h 00 min

SUMME
90 h 00 min

Modul: Seminar: Interactive Learning [M-INFO-106301]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112773 Seminar: Interactive Learning 3 Lioutikov
Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel:Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.
Lernziele:Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student will select several related papers in the field of Interactive Learning. The organizers will suggest several papers but the students will be encouraged to indentify and research additional relevant papers during the semester. The students will then prepare a presentation and a basic scientific research paper.
It is highly recommended to take this seminar in combination with the “Interactive Learning” Research Project (Forschungspraktikum), where the students get the chance to deepen their understanding, implement and evaluate their presented work.

Zusammensetzung der Modulnote

Siehe Teilleistung.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS
• Präsenzzeit: 15hr
• Selbststudium: 45h
• Scientific Report schreiben: 20h
• Präsentation vorbereiten: 10h

Empfehlungen

We highly recommend to take this seminar in combination with the “Interactive Learning” research project (Forschungspraktikum).

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen [M-INFO-106396]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112920 Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen 3 Stühmer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualification target:

Students acquire the foundations of scientific literature research, writing of a scientific report, and presenting their results in front of an audience.

Learning objectives:

Students independently acquire an understanding of their research topic from scientific literature such as conference papers, journal papers and textbooks.
They are able to independently present the content in a concise and understandable way in a written report and in a presentation in front of an audience.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Topic of this Masterseminar are machine learning approaches and deep learning methods for learning of interpretable representations. These methods enable to reconstruct underlying principles from data, for example the reconstruction of generative factors of a dataset.
Starting from these methods for interpretable representations, we will discuss further methods for causal discovery, that enable the inference of causal dependencies in data.
Methods and algorithms covered include for example variational inference, contrastive learning, as well as statistical methods for factor analysis.
There will be a kick-off meeting at the beginning of the semester and 2-3 block seminars towards the end of the term.
Dates for both will still be determined.
The Masterseminar will be held in English language.

Arbeitsaufwand

90h

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.

Modul: Seminar: Kann Statistik Ursachen beweisen? [M-INFO-104896]

Verantwortung:
Dr. Dominik Janzing
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109930 Seminar: Kann Statistik Ursachen beweisen? 3
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Traditionelle Methoden der Statistik können zwar statistische Zusammenhänge zwischen beobachteten Größen zeigen, machen aber keinerlei Aussage darüber, welcher kausale Zusammenhang zugrunde liegt. Nun ist aber die Frage nach Ursache und Wirkung oft gerade die zentrale Frage, sowohl in der rein akademischen wissenschaftlichen Forschung, als auch in der industriellen Anwendung. Erst in den vergangenen 2-3 Jahrzehnten beginnt sich bei Wissenschaftlern auf den Gebieten maschinelles Lernen, Statistik, Philosophie und Physik die Ansicht durchzusetzen, dass statistische Daten durchaus Information über Kausalitäten beinhalten, auch wenn es noch immer nicht einfach ist, diese Information zu extrahieren. Das Seminar vermittelt Einblick in neueste Forschungsergebnisse der kausalen Datenanalyse.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Gesamt: 90 h

Empfehlungen

Kenntnisse in Grundlagen der Stochastik sind hilfreich.

Aufgeschlossenheit gegenüber neuen mathematischen Terminologien wird erwartet

Modul: Seminar: KI Systems Engineering [M-INFO-106356]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112881 Seminar: KI Systems Engineering 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich KI Systems Engineering sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden selbständig eine strukturierte Literaturrecherche zu einem gegebenen Thema durchführen und geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten, den Stand der Technik bzw. Wissenshaft zu einem Themenbereich darstellen, differenziert bewerten und Schlüsse daraus ziehen wissenschaftliche Ergebnisse zu einem Thema strukturiert darstellen und einem Fachpublikum im Rahmen eines Vortrags präsentieren Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Übersichtsartikel zu einem Thema zu verfassen Wissenschaftliche Texte anderer kritisch bewerten und einordnen.

Qualifikationsziel: Studierende sind in der Lage, die vielfältigen Aufgabenstellungen der Informatik selbstständig zu bewältigen.

Lernziele: Studierende sind in der Lage zu programmieren. Studierende können komplexe Softwareprojekte ingenieurmäßig entwickeln und warten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Inhalt In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich KI Systems Engineering. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).
Präsenzzeit incl. Kickoff, Präsentation und Diskussion und Treffen mit Betreuern: 10 h
Literaturrecherche und Schreiben der Ausarbeitung:106 h
Vorbereiten der Präsentation: 4 h

Modul: Seminar: Kritische Betrachtung der künstlichen Intelligenz [M-INFO-105760]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111500 Seminar: Kritische Betrachtung der künstlichen Intelligenz 3 Friederich
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz darf nicht begonnen worden sein.
Qualifikationsziele

Qualifikationsziele:


Lernziele:


Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Dieses Seminar behandelt die technischen sowie ethischen Aspekte kritischer Themen der KI. Unter anderem werden Themen wie Bias in Methoden des maschinellen Lernens, ethisch und sozial kritische Anwendungsmöglichkeiten der KI sowie Auswirkungen der KI auf die Gesellschaft behandelt. Die genauen Themen werden im Semester jeweils festgelegt.

Studierende arbeiten sich selbständig in ein fortgeschrittenes Thema ein und setzen sich kritisch damit auseinander, präsentieren und diskutieren ihre Ergebnisse in einem Vortrag und fassen Sie in einer Seminararbeit zusammen.

Arbeitsaufwand

Insgesamt 90 h, davon:

Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt.

Modul: Seminar: Kritische Fragestellungen der Künstlichen Intelligenz [M-INFO-105926]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Pflichtbestandteile
T-INFO-111916 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz 3 Friederich
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-105760 - Seminar: Kritische Betrachtung der künstlichen Intelligenz darf nicht begonnen worden sein.
Qualifikationsziele

Inhalt

Dieses Seminar wird von der Fakultät für Informatik (Pascal Friederich) und der Fakultät für Geistes- und Sozialwissenschaften (Linda Nierling, Jascha Bareis) organisiert. Ziel ist es, in Tandems aus beiden Studiengängen kritische Themen der KI zu erarbeiten, im Seminar vorzustellen und zu diskutieren. Folgende Themenblöcke werden zur Auswahl stehen:

In einem gemeinsamen Abschlusstreffen werden wir dann ein Kleingruppen Zukunftsszenarien erarbeiten und vorstellen.

Studierende arbeiten sich selbständig in ein fortgeschrittenes Thema ein und setzen sich kritisch damit auseinander, präsentieren und diskutieren ihre Ergebnisse in einem Vortrag und fassen Sie in einer Seminararbeit zusammen.

Arbeitsaufwand

Insgesamt 90 h, davon:

Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Modul: Seminar: Kryptoanalyse [M-INFO-105337]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110823 Seminar: Kryptoanalyse 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt Angriffe auf verschiedene Klassen von Kryptosystemen.

Bei Public-Key Verfahren z.B. Angriffe auf die zugrundeliegenden schwierigen Probleme wie Faktorisieren ganzer Zahlen, Berechnen von diskreten Logarithmen und Berechnen von kurzen Vektoren in ganzzahligen Gittern.

Bei symmetrischen Verschlüsselungsverfahren z.B. differentielle und lineare Analyse, sowie Meet-in-the-Middle-Angriffe.

Weiterhin werden Angriffe auf verschiedene (meist neu vorgeschlagene) Kryptosysteme behandelt, die in letzter Zeit gefunden wurden.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar: Machine Learning in Climate and Environmental Sciences [M-INFO-106719]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113519 Seminar: Machine Learning in Climate and Environmental Sciences 3 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students will learn to:
•    independently discuss current research topics on machine learning in climate and environmental sciences. 
•    summarize published research in a structured way and explain it in their own words, in group discussions and in the form of a presentation.
•    contrast modern problem-solving approaches and methods and propose suitable solutions for a variety of subject-relevant issues.
•    Optional: students are invited to develop their own research ideas on the basis of what they have learned and to refine them in discussion with their supervisors. Such ideas could be pursued as a project internship, in the “Practical Research course” or in the form of a master’s thesis.

Inhalt

Machine learning (ML) methods are already ubiquitous in many areas of society and research. This is especially true for climate and environmental sciences, where ML algorithms help e.g. to improve predictions of climate change and weather, or to optimize energy supply systems. In this session, we will discuss cutting-edge publications on ML applications in climate and environmental sciences, as well as the underlying theory behind the classes of algorithms. While organizers will suggest initial papers, students will be encouraged to seek out additional relevant literature throughout the semester.
The seminar will cover both the in-depth study of the climate/environmental sciences topic as well as of the specific machine learning method(s) employed in the literature. It will include two short and one longer final presentation from each student. The first presentation will focus solely on the chosen climate or environmental event or phenomenon, while the second presentation will cover the machine learning methods employed in studying it. Next to suggested reading by the module organizers, students will be encouraged to seek out additional relevant literature throughout the semester. 
Towards the end, students will compile their findings into the final presentation accompanied by a scientific report, presenting the results in the form of a lecture.

Arbeitsaufwand

Total 90 h, consisting of:
Seminar attendance and personal meetings with the supervisors: 10 h
Literature research: 30 h
Writing the seminar paper and preparing the final presentation: 50 h

Empfehlungen

•    An interest in climate and environmental sciences topics is a prerequisite.

Modul: Seminar: Multimodal Large Language Models [M-INFO-106653]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113399 Seminar: Multimodal Large Language Models 3 Stiefelhagen
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of machine learning, computer vision. 
They know and can apply techniques in these fields.
They can identify and explain concept in basic deep learning and AI.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Multimodal Large Language Models (LLMs) like ChatGPT/ GPT4 have revolutionized the digital era. The models trained at scale exhibit remarkable understanding of language as well as visual scenes. This seminar is intended to provide students with an up-to-date understanding of technologies behind the recent developments in large multimodal models like GPT4. The topics include Transformer architecture, attention mechanisms, GPT model, training strategies such as finetuning and reinforcement learning with human feedback. Multi-modal training, prompt injection and prompt tuning methods.
The seminar will be a hybrid of lectures and self-reading.

Arbeitsaufwand

Course workload:
1. Attendance time (2 h)
2. Self-study (e.g. independent review of course material, 
work on homework assignments) (1.5 h)
3. Preparation for the exam (1.5 h)

Empfehlungen

Knowledge of deep learning in general and natural language processing is helpful.

Modul: Seminar: Natural Language Models [M-INFO-105668]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111321 Seminar: Natural Language Models 3 Koziolek
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

Aus den Reproduktionspaketen und Beschreibungen in den wissenschaftlichen Arbeiten Experimente nachvollziehen und eigene Experimente durchführen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Dieses Seminar bezieht sich auf die kürzlich erschienenen und durchschlagenden Fortschritte in der Performanz bei sprachverarbeitenden Neuronalen Netzen, so genannten Neural Language Models (LMs). Systeme wie GPT-2 und GPT-3 von OpenAI, Googles T5 oder Microsofts DeBERTa sind in der Lage, verlässlich offene (und komplexe) Fragen über einen Text zu beantworten oder längeren (stilistisch zusammenhängenden) Text über ein gegebenes Thema zu verfassen. Diese Ergebnisse haben sowohl Laien als auch Experten überrascht. Außerdem erzielen diese LMs Ergebnisse auf dem Stand der Technik in fast allen Benchmarks im Natural Language Processing (NLP; wie etwa dem Beantworten von Fragen, Textzusammenfassen, Übersetzung, Leseverständnis oder natürlichsprachiger Inferenz). Entsprechend werden neuronale LMs teilweise als die vielversprechendste Technologie für generelle KI gesehen. Allerdings ist es bis dahin noch ein weiter Weg: Die NLP Community produziert einen kontinuierlichen Strom an Studien, die die Grenzen von LMs aufdecken. Diese Entwicklungen haben nicht nur den Forschungsbereich NLP und KI revolutioniert, sondern haben auch Auswirkungen wie wir Texte aus den Geistes- und Sozialwissenschaften lesen, schreiben und studieren. Genauso helfen Einblicke von Disziplinen wie der Kommunikationswissenschaft, computerbasierter Soziologie, formaler Epistemologie oder Sprachphilosophie können helfen, LMs besser zu verstehen, zu bewerten und zu verbessern. Entsprechend soll dieses gemeinschaftliche Seminar die Fachrichtungen der Informatik und der Geistes- und Sozialwissenschaften zusammenbringen und von Studierenden aus beiden Fachrichtungen belegt werden, was den interdisziplinären Austausch fördern soll.

Arbeitsaufwand

15 Arbeitsstunden für die Literaturrecherche

30 Arbeitsstunden für das Anfertigen der Ausarbeitung und der Erstellung von Peer-Reviews

15 Arbeitsstunden für das Replizieren einer Anwendung

15 Arbeitsstunden für das Anfertigen der Abschlusspräsentation

15 Arbeitsstunden für die abschließende Blockveranstaltung und Treffen mit dem/der Betreuer/-in.

Insgesamt ergeben sich 90 Arbeitsstunden

Modul: Seminar: Nutzeradaptive Systeme [M-INFO-105898]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111854 Seminar: Nutzeradaptive Systeme 3 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Learning objectives of the seminar:

• Explain what a user-adaptive system is and how it can be conceptualized

• Suggest and evaluate different design solutions for addressing the identified problem

• Build a user-adaptive system prototype using state-of-the-art hard- and software

• Perform a user-centric evaluation of the user-adaptive system prototype

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

User-adaptive systems collect and analyze biosignals from users to recognize user states as a basis for adaptation. Thermic, mechanical, electric, acoustic, and optical signals are collected using sensors which are integrated in wearables, e.g. glasses, earphones, belts, or bracelets. The collected data is processed with analytics and machine learning techniques in order to determine short-term, evolving over time, and long-term user states in the form of user characteristics, affective-cognitive states, or behavior. Finally, the recognized user states are leveraged for realizing user-centric adaptations.

In this seminar, interdisciplinary teams of students design, develop, and evaluate a user-adaptive system prototype leveraging state-of-the-art hard- and software. This seminar follows an interdisciplinary approach. Students from the fields of computer science, information systems and industrial engineering & management collaborate in the prototype design, development, and evaluation.

The seminar is carried out in cooperation between Teco/Chair of Pervasive Computing Systems (Prof. Beigl) and the Institute of Information Systems and Marketing (Research Group ISSD, Prof. Mädche). It is offered as part of the DFG-funded graduate school “KD2School: Designing Adaptive Systems for Economic Decisions“ (https://kd2school.info/)

Arbeitsaufwand

90 Stunden

Empfehlungen

Prerequisites Strong analytical abilities and profound software development skills are required.

Literature required literature will be made available in the seminar."

Modul: Seminar: Partizipative Technologiegestaltung [M-INFO-106289]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112748 Seminar: Partizipative Technologiegestaltung 3 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden können aktuelle Themen der Mensch-Maschine Interaktion wissenschaftlich aufarbeiten, und eine innerhalb ihres Themengebiets gemeinsam festgelegte Forschungsfrage angemessen beantworten.
• Die Studierenden können Herausforderungen und Chancen der partizipativen Technologieentwicklung beurteilen, und sind in der Lage, Zusammenhänge zwischen partizipativen Gestaltungsmethoden, resultierenden technischen Systemen, sowie des Nutzendenerlebnisses nachzuvollziehen.
• Die Studierenden können wissenschaftliche Quellen recherchieren, verstehen, und im Rahmen von Ausarbeitung und Vortrag angemessen evaluieren und zur Untermauerung ihrer Argumentation einbringen.
• Die Studierenden sind in der Lage, einen wissenschaftlichen Text unter Einbezug entsprechender Quellen zu erstellen, sowie einen wissenschaftlichen Vortrag zu halten, der dem Kenntnisstand des Publikums angemessen ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In der Mensch-Maschine Interaktion erlangt die partizipative Entwicklung neuer Technologien – also die direkte und gleichberechtigte Einbindung von Nutzenden in den Entwicklungsprozess – einen immer höheren Stellenwert. Sie findet beispielsweise Anwendung in der Entwicklung von körperzentrierten und tragbaren Systemen, oder trägt zur Gestaltung von Lösungen im Bereich Smart und Assisted Living bei. Häufig wird Partizipation durch Interviews, Fokusgruppen und Design-Workshops realisiert; weiterhin werden neue Technologien regelmäßig im Rahmen von Nutzendenstudien evaluiert. Durch die direkte Einbindung der Nutzenden soll erreicht werden, dass resultierende Technologien besser an die Bedürfnisse der Menschen angepasst sind, und ihre Akzeptanz dadurch gesteigert werden kann.
Am KIT findet partizipative Technologieentwicklung insbesondere im Kontext der Reallaborforschung statt, die den Auftrag hat, Forschungsvorhaben im direkten Lebensumfeld der Menschen durchzuführen. Im Rahmen des Reallabors „Barrierefreiheit“ werden unter anderem assistive Technologien erforscht, die durch behinderte Menschen zur Unterstützung von Mobilität und Orientierung genutzt werden können.
Das Seminar behandelt aktuelle Forschungsansätze zur partizipativen Gestaltung neuer Technologien.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden (3 Credits).

Davon entfallen etwa…

10h auf Präsenzveranstaltungen,
35h auf die Literaturrecherche,
35h auf die Erstellung der Ausarbeitung,
10h auf die Erstellung des Vortrags.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Seminar: Post-Quantum Cryptography [M-INFO-105585]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111200 Seminar: Post-Quantum Cryptography 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt Grundlagen und Protokolle zu verschiedene Quanten-Computer sichere Verschlüsselungsverfahren.

Hierbei werden die mathematischen Grundlagen zur Beschreibung der einzelnen Themenfelder in Form von Einführungsvorlesungen vermittelt. Anschließend werden verschiedene Verschlüsselungsverfahren und post-quanten Primitive und deren Anwendungen behandelt.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 30 h
Entwerfen und Erstellen des Vortrags: 45 h

Empfehlungen

Grundlagen der IT-Sicherheit sowie der Kryptographie sollten vorhanden sein.

Modul: Seminar: Privatsphäre und Sicherheit [M-INFO-106391]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112916 Seminar: Privatsphäre und Sicherheit 4 Strufe
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende ist in der Lage,
- ausgehend von einem vorgegebenen Thema eine Literaturrecherche durchzuführen, die relevante Literatur zu identifizieren, und zu bewerten;
- sich Forschungsergebnisse aus der IT-Sicherheit und dem technischen Datenschutz selbständig zu erarbeiten;
- wissenschaftliche Studien zu analysieren, diskutieren und in ihren Kontext einzuordnen;
- eigene Klassifizierungen und Bewertungen wissenschaftlicher Studien durchzuführen, darüber schriftlich zu berichten und die Ergebnisse in einem kurzen wissenschaftlichen Vortrag darzustellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt aktuelle Themen aus den Forschungsgebiet Datenschutz und Sicherheit.
Dazu gehören z.B.:
- Privatsphären-Angriffe auf Kommunikation
- Netzwerksicherheit
- Anonymisierte Online-Dienste
- Bewertung der Anonymität von online Diensten
- Anonymisierte Publikation von Daten (Differential Privacy, k-Anonymity)
- Transparenz-/Awareness-verbessernde Systeme
- Verhaltensanalysen bei Medienbenutzung
- Biometrische Authentisierung

Arbeitsaufwand

Präsenzzeit im Seminar: 10h
Recherche und Erstellen einer Ausarbeitung: 75h
Begutachtung und Kommentierung der vorläufigen Ausarbeitungen von Kommilitonen: 5h
Vorbereiten des Vortrags: 30h

Empfehlungen

Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt

Modul: Seminar: Proofs from THE BOOK [M-INFO-103306]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-106604 Seminar: Proofs from THE BOOK 3 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen, sich selbstständig komplexere mathematische Beweise zu erschließen, diese in ansprechender Weise aufzubereiten und ihren Kommilitonen tafelgestützt zu präsentieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Dem 1996 verstorbenen ungarischen Mathematiker Paul Erdős zufolge, hält Gott ein Buch - nämlich das BUCH - mit den schönsten und elegantesten mathematischen Beweisen unter Verschluss. Erdős' höchstes Ziel war es, eben solche Beweise aus dem BUCH zu finden.

Martin Aigner und Günter Ziegler veröffentlichten nach Erdős' Tod 1998 das Buch „Proofs from THE BOOK“, das inzwischen auch in deutscher Sprache unter dem Titel „Das BUCH der Beweise“ erschienen ist. In ihrer Sammlung, die zum Teil gemeinsam mit Paul Erdős entstanden ist, findet man 40 Beweise, die wegen ihrer Eleganz als vielversprechende Kandidaten für BUCH-Beweise gelten.

In diesem Seminar werden die Teilnehmer eine Auswahl der Probleme aus dem Buch der Beweise vorstellen und diskutieren.

Arbeitsaufwand

Ca 20h Anwesenheit

Ca 60h Vorbereitung

Ca 10h Nachbereitung

Empfehlungen

Das Buch ist im KIT-Netz zugänglich, ein kurzer Blick hinein ist vor Anmeldung ratsam

Modul: Seminar: Quantum Information Theory [M-INFO-105408]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110904 Seminar: Quantum Information Theory 3 Geiselmann, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende
• versteht die Grundlagen der Quanteninformationstheorie.
• versteht die Formalisierung von Quantenzuständen durch Zustandsvektoren (State Vector Formalism) und kann den Formalismus zur Entwicklung und Untersuchung von Quantenalgorithmen selbstständig anwenden.
• kennt und versteht die in der Vorlesung behandelten Quantengates.
• kennt das visuelle Quantencircuit-Tool „Quirk“ und kann es zur Entwicklung und Untersuchung von Quantenalgorithmen selbstständig anwenden.
• kennt und versteht die in den Vorträgen vorgestellten Quantenprobleme und Algorithmen und kann diese erläutern und in Beziehung setzen.
• kennt und versteht die Auswirkungen von Quantenalgorithmen auf die klassische Kryptographie.
• kennt und versteht die Grundlagen und vorgestellten Protokolle zum Quantenschlüsselaustausch.
• kennt und versteht die Grundlagen von Quantum Walks.
• kann die im Seminar gezeigten Techniken selbstständig anwenden, beispielsweise um die Korrektheit einfacher Quantenalgorithmen zu beweisen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

• Grundlagen der Quanteninformationstheorie
• Formalismus zum Umgang mit Quantensystem
• „Quirk“
• Wichtige Quantenproleme und Algorithmen
• Quantenschlüsselaustausch
• Quantum Walks

Arbeitsaufwand

Präsenzzeit im Seminar: 18h
Vor-/Nachbereitung derselbigen: 12h
Ausarbeitung eines Vortrages: 30h
Ausarbeitung schriftlicher Prüfungsleistung: 30h

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Lineare Algebra 1 und 2", sowie den Grundlagen der IT-Sicherheit vertraut sein.

Modul: Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry [M-INFO-106284]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112740 Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry 3 Friederich
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

Basic knowledge in AI and Machine Learning, e.g.

BA Informatics: Introduction to artificial intelligence

Qualifikationsziele

• Students obtain an overview of current machine learning methods developed for and used in material science and chemistry
• Students are able to independently familiarize themselves with a topic of current research, to find and understand relevant publications
• Students are able to classify and process the content of recent publications and compare it to other literature
• Students are able to present the selected topic in the form of a lecture and a written report
• Optional: Students are encouraged to develop independent ideas to advance research in the area of their chosen topic. This may then eventually take the form of a project internship, participation in the Practice of Research course, or a master's thesis.


Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar covers the theoretical and practical aspects of recent developments of machine learning with application specifically in materials science and chemistry. Topics covered in this seminar include state-of-the-art models for the prediction of properties of materials and molecules, new developments of generative models, machine learned potentials and force fields for atomistic simulations, relevant new datasets and benchmarks, questions of uncertainty quantification, active learning, interpretability, as well as new developments in the area of autonomous experimental labs.

Students will work independently on advanced topics, compare related scientific publications, and present and discuss their findings in a presentation and written seminar report.

Arbeitsaufwand

Total 90 h, of which:
• Introductory courses: 4 h
• Literature research: 30 h
• Writing the report (10-15 pages) and preparing the presentation (30+15 minutes): 50 h
• Presentation of the results: 6 h

Empfehlungen

Participation in Machine Learning for Natural Sciences (M-INFO-105630) or other advanced machine learning lectures

Modul: Seminar: Robot Reinforcement Learning [M-INFO-105379]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110862 Seminar: Robot Reinforcement Learning 3 Neumann
Erfolgskontrolle(n)

See partial achievement (Teilleistung).

Voraussetzungen

See partial achievement (Teilleistung).

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art RL algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Reinforcement Learning is a popular machine learning method where an artificial agent has to learn how to act optimally in an unknown environment by trial and error.  In this seminar, we will focus on recent developments in RL for robotics, i.e., RL for continuous state and action spaces.

The students can choose from different topics from the area of reinforcement learning (RL) for robotics, including deep reinforcement learning, model-free RL, actor-critic methods, model-based RL, meta learning, hierarchical reinforcement learning and robot applications of RL. Each topic consists of several research papers for which the students have to prepare a presentation as well as a report in form of a scientific research paper.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen 1 – Grundverfahren“ ist empfehlenswert.

Modul: Seminar: Scalable Parallel Graph Algorithms [M-INFO-105330]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-110810 Seminar: Scalable Parallel Graph Algorithms 4 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können

• eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.

• Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Hierfür beherrschen die Studierenden Techniken, die es ermöglichen, die vorzustellenden Inhalte dem Zuhörerkreis entsprechend aufzuarbeiten und vorzutragen.

• ihre schriftliche Seminararbeit (wie später für weitere wissenschaftliche Arbeiten erforderlich) nach den Anforderungen und Qualitätsstandards des wissenschaftlichen Schreibens anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von wissenschaftlichen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

• die Ausarbeitungen anderer Teilnehmer kritisch beurteilen und konstruktive Verbesserungsvorschläge erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

We will investigate the best known algorithm for solving fundamental graph problems on parallel computers. Particular focus will be on scalability to a large number of processors. The typical contribution will be a synthesis of several papers on one graph problem.

Example problems are

Arbeitsaufwand

4 LP entspricht ca. 120 Arbeitsstunden, davon

  1. 10h Seminarbesuch
  2. 46h Literaturrecherche, Beurteilung und Auswertung relevanter Literatur
  3. 27h Vorbereitung der eigenen Präsentation
  4. 27h Verfassen der schriftlichen Ausarbeitung
  5. 10h Lesen zweier Ausarbeitungen und schriftliches Formulieren von konstruktiver Kritik und Verbesserungsvorschlägen
Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik sowie Parallele Algorithmen sind hilfreich.

Modul: Seminar: Secure Multiparty Computation [M-INFO-105761]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111501 Seminar: Secure Multiparty Computation 3 Müller-Quade
Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen, sich in wissenschaftliche Arbeiten gründlich einzuarbeiten, gegenüber anderen Studierenden vorzutragen und sich in einer anschließenden Diskussionsrunde mit Fragen zu ihrem Thema auseinander zu setzen.

Die Studierenden können unterschiedliche Protokolle zur sicheren Mehrparteienberechnung gegeneinander abgrenzen und deren Vorzüge und Schwächen abwägen.

Die Studierenden können akademische Publikationen aus dem Forschungsgebiet „Sichere Mehrparteienberechnung“ geeignet vorstellen, in den historischen Kontext des Forschungsgebiets einordnen und sich mit den vorgestellten Ergebnissen und Erkenntnissen kritisch auseinandersetzen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In the setting of secure multiparty computation, two or more parties with private inputs wish to compute some joint function of their inputs. The security requirements of such a computation are privacy (meaning that the parties learn the output and nothing more), correctness (meaning that the output is correctly distributed), independence of inputs, and more. Due to its generality, secure computation is a central tool in cryptography.

In this seminar, we examine modern protocols for secure multiparty computation of arbitrary functions.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h

Treffen mit Betreuern: 5 h

Selbstständige Arbeit in Bezug auf das individuelle Seminarthema: 70 h

Empfehlungen

Die Inhalte der Vorlesung Kryptographische Protokolle werden als bekannt vorausgesetzt.

Modul: Seminar: Serviceorientierte Architekturen [M-INFO-102372]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-104740 Seminar: Serviceorientierte Architekturen 3 Abeck
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Internet und das darauf aufsetzenden Web sind zu der Standard-Verteilungsplattform für verteilte Anwendungen geworden. Die Grundlage hierfür liefern neben den etablierten objekt- und komponentenorientierten Methoden des Software Engineering eine Vielzahl von standardisierten Technologien (u.a. XML und Web-Services), die in der Vorlesung "Web-Anwendungen und Serviceorientierte Architekturen" (WASA) detailliert behandelt werden.

Arbeitsaufwand

90 h

Präsenzzeit 15 (15 x 1 Std)

Literaturrecherche 15

Erstellung der Ausarbeitung 50

Präsentation (inkl. Vorbereitung) 10

Modul: Seminar: Softwarequalitätssicherung und Softwaretest [M-INFO-105895]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-111850 Seminar: Softwarequalitätssicherung und Softwaretest 4 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können:

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich Softwarequalitätssicherung und Softwaretest. Die Teilnehmer erarbeiten Präsentationen zu vorgegebenen Themen und tragen diese im Seminar vor. Sie diskutieren die Inhalte der Seminarpräsentationen mit den anderen Teilnehmern und den Betreuern. Sie erstellen eine schriftliche Ausarbeitung zu ihrem Thema.

Arbeitsaufwand

Präsenzzeit im Seminar (Vorträge und Diskussionen):

20h Selbständige Einarbeitung in das Thema des Seminars, Literaturrecherche und Studium der Literatur zum eigenen Vortrag:
30h
Erstellen der Vortrags: 20h
Erstellen der schriftlichen Ausarbeitung: 45h
Besprechung mit Betreuern in Vorbereitung auf das Seminar: 5h
Summe: 120h = 4LP

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Modul: Seminar: Ubiquitäre Systeme [M-INFO-101880]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103578 Seminar: Ubiquitäre Systeme 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich ubiquitärer Systeme sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich Ubiquitous Computing. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Aktivität

Arbeitsaufwand

Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern

10 h

Literaturrecherche und Schreiben der Ausarbeitung

106 h

Vorbereiten der Präsentation

4 h

SUMME

120 h 00 min

Arbeitsaufwand für die Lerneinheit ,,Seminar: ubiquitäre Systeme

Modul: Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung [M-INFO-102305]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101270 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung 3 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziele:

Die Studierenden sind in der Lage sich selbständig mit wissenschaftlichen Arbeiten auseinanderzusetzen, sie einzuordnen, wiederzugeben, anzuwenden und vorzustellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Lernziele:


Inhalt

Dieses Seminar behandelt die theoretischen und praktischen Aspekte der Data Science. Der Ansatz vereint Herangehensweisen und Methoden aus den Bereichen Machine Learning, Mathematik, Schätztheorie, Visualisierung und Mustererkennung. Im Rahmen dieses Seminars sollen die in der Data Science verwendeten Konzepte und Methoden, insbesondere im Kontext der Schätztheorie, vorgestellt und an konkreten Anwendungsbeispielen dargestellt werden.

Arbeitsaufwand

Modul: Service Analytics [M-WIWI-101506]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
10
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-108715 Artificial Intelligence in Service Systems 4,5 Satzger
T-WIWI-111219 Artificial Intelligence in Service Systems - Applications in Computer Vision 4,5 Satzger
T-WIWI-105777 Business Intelligence Systems 4,5 Mädche
T-WIWI-112152 Practical Seminar: Artificial Intelligence in Service Systems 4,5 Satzger
T-WIWI-113725 Spezialveranstaltung Wirtschaftsinformatik 4,5 Weinhardt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/ die Studierende

• kennt die theoretischen Grundlagen und die wichtigsten Bausteine von Business Intelligence Systemen,

• erwirbt die grundlegenden Fähigkeiten, Business Intelligence- und Analytics-Software im Service-Kontext anzuwenden,

• lernt unterschiedliche Anwendungsszenarien von Analytics im Service-Kontext kennen,

• ist in der Lage verschiedene Analytics Methoden zu unterscheiden und diese kontextbezogen anzuwenden,

• lernt Analytics-Software im Service-Kontext anzuwenden,

• trainiert die strukturierte Erfassung und Lösung von praxisbezogenen Problemstellungen mit Hilfe kommerzieller Business Intelligence Softwarepaketen sowie Analytics-Methoden und -Werkzeugen.

Inhalt

Die Bedeutung von Dienstleistungen in modernen Volkswirtschaften ist unverkennbar – nahezu 70% der Bruttowertschöpfung werden im tertiären Sektor erzielt und eine wachsende Anzahl von Industrieunternehmen reichern ihre Sachgüter mit kundenspezifischen Dienstleistungen an oder transformieren ihre Geschäftsmodelle fundamental. Die rapide zunehmende Verfügbarkeit von Daten („Big Data“) und deren intelligente Verarbeitung unter Verwendung analytischer Methoden und Business Intelligence-Systemen spielt hierbei eine zentrale Rolle.

Ziel dieses Moduls ist es den Studierenden einen umfassenden Überblick in den Themenbereich des Business Intelligence & Analytics mit einem Fokus auf Dienstleistungsfragestellungen zu geben. Anhand verschiedener Szenarien wird aufgezeigt, wie die Methoden und Systeme dabei helfen können existierende Dienstleistungen zu verbessern bzw. neue innovative datenbasierte Dienstleistungen zu schaffen.

Anmerkungen

Dieses Modul ist Teil des KSRI-Lehrprofils „Digital Service Systems“. Weitere Informationen zu einer möglichen service-spezifischen Profilierung sind unter www.ksri.kit.edu/teaching zu finden.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden.

Präsenzzeit: 90 Stunden

Vor- /Nachbereitung: 100 Stunden

Prüfung und Prüfungsvorbereitung: 80 Stunden

Empfehlungen

Die Veranstaltung Service Analytics A [2595501] soll vertieft werden.

Modul: Service Design Thinking [M-WIWI-101503]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-WIWI-102849 Service Design Thinking 9 Satzger, Terzidis
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Gesamtprüfung (nach §4(2), 3 SPO). Die Gesamtnote des Moduls entspricht der (Drittel-)Note der Prüfung (nach §4(2), 3 SPO).

Voraussetzungen

Keine

Qualifikationsziele

Studierende 

Inhalt

Kursphasen (jeweils ca. 4 Wochen):

Design Space Exploration:

Critical Function Prototype:

Dark Horse Prototype:

Funky Prototype:

Functional Prototype:

Final Prototype:

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer beschränkt. Das Modul (und auch die Teilleistung) geht über zwei Semester. Es startet jedes Jahr Ende September und läuft bis Ende Juni des darauffolgenden Jahres. Ein Einstieg ist nur zu Programmstart im September (Bewerbung im Mai/Juni) möglich. Weitergehende Informationen zum Bewerbungsprozess und dem Programm selbst finden Sie in der Teilleistungsbeschreibung sowie über die Website des Programms (https://sdtkarlsruhe.de/). Ferner führen die Dozenten jedes Jahr im Mai eine Informationsveranstaltung zum Programm durch. Dieses Modul ist Teil des KSRI-Lehrprofils.

Arbeitsaufwand

Der Aufwand für dieses Modul beträgt ca. 2 Tage pro Woche über einen Zeitraum von 9 Monate. Der Aufwand für dieses praxisnahe Modul ist somit vergleichsweise hoch. Die Ursache dafür ist, dass die Teilnehmenden in internationalen Teams mit Studierenden anderer Universitäten sowie Partnerorganisationen zusammenarbeiten und echte Innovationsherausforderungen lösen.

Empfehlungen

Diese Veranstaltung findet in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein.

Unsere bisherigen Teilnehmer fanden es empfehlenswert, das Modul zu Beginn des Master-Programms zu belegen.

Modul: Service Management [M-WIWI-101448]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
11
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-108715 Artificial Intelligence in Service Systems 4,5 Satzger
T-WIWI-111219 Artificial Intelligence in Service Systems - Applications in Computer Vision 4,5 Satzger
T-WIWI-112757 Digital Services: Innovation & Business Models 4,5 Satzger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/die Studierende

Inhalt

In diesem Modul werden die Grundlagen für die Entwicklung und das Management IT-basierter Dienstleistungen gelegt. Die Veranstaltungen des Moduls vermitteln den Einsatz von OR-Methoden im Bereich des Dienstleistungsmanagements, Fähigkeiten zur Analyse von großen Datenmengen im IT-Service Bereich und deren Einsatz für die Entscheidungsunterstützung, insbesondere mit Blick auf die im Unternehmen stattfindenden Innovationsprozesse. Anhand aktueller Beispiele aus Forschung und Praxis wird die Relevanz der bearbeiteten Themen verdeutlicht.

Anmerkungen

Ab dem Sommersemester 2023 wird die Veranstaltung Service Innovation mit einem überarbeiteten Lernkonzept und -inhalten angeboten. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Derzeitige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden. Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. 120-135h für die Lehrveranstaltungen mit 4,5 Credits, 135-150h für die Lehrveranstaltungen mit 5 Credits und 150-180h für die Lehrveranstaltungen mit 6 Credits.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Sichere Mensch-Roboter-Kollaboration [M-INFO-104877]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-109911 Sichere Mensch-Roboter-Kollaboration 3 Kurth
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Teilnehmer kennen die verschiedenen Formen der Mensch-Roboter-Kollaboration (MRK) mit ihren jeweiligen Vorteilen. Sie verstehen die Anforderungen aus der Maschinenrichtlinie und den relevanten Normen an die Sicherheit von MRK-Applikationen. Die Teilnehmer sind in der Lage, Risiken zu erkennen und ein Sicherheitskonzept für MRK-Anlagen zu entwickeln

Lernziele:

Inhalt

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h = 3 ECTS

Empfehlungen

Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]

Literatur

Wird in der der Veranstaltung bekanntgegeben.

Modul: Signal Processing Lab [M-ETIT-106633]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-113369 Signal Processing Lab 6 Wahls
Erfolgskontrolle(n)

Success is assessed in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

After this module, students will have a sound basic knowledge of the main methods of signal processing as well as their areas of application, key parameters and the effects of parameter changes on the behavior of the methods. Students will be able to analyze given signal processing tasks in group work, develop solutions and document their results.

Inhalt

The Digital Signal Processing practical course currently comprises eight experiments designed to familiarize students with the fundamentals of signal processing, in particular some selected measurement methods such as correlation measurement technology and modal analysis as well as Kalman filtering and the fundamentals of image processing. The focus of the experiments to be completed with various programs and devices is to teach students the practical aspects of modern signal processing.

Note: The lecturer reserves the right to include experiments other than those listed here in this practical course without prior notice.

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Anmerkungen

A prerequisite for admission to the examination is the submission of protocols of all experiments. The quality of the protocols will be assessed; they must be acceptable for admission to the examination.

Attendance is compulsory during all practical sessions, including the introductory session. Admission to the examination will not be granted for even one unexcused absence.

Arbeitsaufwand

The workload results from attending the introductory event (1.5 h), 8 experimental sessions of 4 h each. In addition, the preparation of the experiments is estimated at 8x4 h and the writing of the protocols as well as the follow-up work at 8x4 h. Preparing for the exam and attending it takes about 60 hours. This results in a total workload of approx. 160 hours.

Empfehlungen

Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.

Modul: Signal Processing Methods [M-ETIT-106899]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-113837 Signal Processing Methods 6 Wahls
Erfolgskontrolle(n)

Written exam, approx. 120 minutes.

Voraussetzungen

none

Qualifikationsziele

Students can 

Inhalt

This module introduces students to advanced signal processing methods that are widely employed in engineering. The three main topic areas are

1.  Parameter estimation

2.  Decomposition of data into components and modes

3.  Time-frequency analysis

 

The following topics are treated:

·   Best linear unbiased estimator

·   Maximum likelihood estimation

·   General Bayesian estimators

·   Linear Bayesian estimators

·   Principal component analysis

·   Independent component analysis

·   Dynamic and empirical mode decomposition

·   Hilbert spaces and frames

·   Short-time Fourier transform

·   Wavelets

·   Analytic signals

·   Wigner-Ville-Distribution

·   Huang-Hilbert transform

Illustrating examples from diverse application areas are discussed.  

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

The workload includes:

  1. attendance in lectures and tutorials: 15*4 h = 60 h
  2. preparation / follow-up: 15*4 h = 60 h
  3. preparation of and attendance in examination: 60 h

A total of 180 h = 6 CR

Empfehlungen

Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.

Modul: Signalverarbeitung in der Nachrichtentechnik [M-ETIT-100443]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
2
Pflichtbestandteile
T-ETIT-100747 Signalverarbeitung in der Nachrichtentechnik 4 Jäkel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden werden in die Lage versetzt, Methoden der Signalverarbeitung in der Nachrichtentechnik anzuwenden, indem diese anhand von verschiedenen Themen eingeführt und illustriert werden. Sie entwickeln ein Bewusstsein für mögliche Lösungsansätze und geeignete Methoden.

Zudem sind Absolventen der Vorlesung mit verschiedenen Aspekten nachrichtentechnischer Signalverarbeitung vertraut und können die erworbenen Methodenkenntnisse in andere Themenbereiche übertragen.

Inhalt

Gegenstand der Vorlesung ist die Vermittlung der vielfältigen Signalverarbeitungsvorgänge bei der Nachrichtenübertragung. Neben einer kurzen Wiederholung der digitalen Signalverarbeitung ist insbesondere deren Anwendung auf nachrichtentechnische Systeme zu nennen, die bzgl. Abtastung, Faltung und Gruppenlaufzeit spezielle Anforderung stellen und angepasste Modellierungen/Analysen erfordern. Eine Betrachtung von Grundlagen der Schätztheorie findet in der Spektralschätzung Anwendung.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Anmerkungen

Ab SS 2021 2+1 SWS = 4 LP mit schriftlicher Prüfung

Arbeitsaufwand
  1. Präsenzzeit Vorlesung: 15 * 2 h = 30 h
  2. Vor-/Nachbereitung Vorlesung: 15 * 4 h = 60 h
  3. Präsenzzeit Übung: 15 * 1 h = 15 h
  4. Vor-/Nachbereitung Übung: 15 * 2 h = 30 h
  5. Klausurvorbereitung und Präsenz in selbiger: in Vor-/Nachbereitung verrechnet

 Insgesamt: 135 h = 4 LP

Empfehlungen

Vorheriger Besuch der Vorlesung „Signale und Systeme“ wird empfohlen.

Modul: Simulation and Optimization in Robotics and Biomechanics [M-INFO-106504]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-113123 Simulation and Optimization in Robotics and Biomechanics 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students
• can explain advanced principles of modeling, optimization and control of dynamic processes, in particular mechanical systems and can apply them
• can model, classify and analyze complex motions in robotics or biomechanics, and investigate specific properties such as stability.
• can apply nonlinear optimization and optimal control methods and can compare and evaluate different mathematical approaches.
• know how to use software tools based on C++ and Lua for modeling, simulation, optimization and visualization of humanoid and robotic systems
are capable of solving optimal control problems numerically and to evaluate the quality of the solution.

Inhalt

The goal of this course is to give a practical introduction into simulation and optimization of motions in robotics and biomechanics. Simulation and optimization play an important role in generating and controlling motions in complex robotics systems and in predicting and analyzing motions of humans. Theory and methods will be covered, but the focus is on the use software tools for modeling, simulation, optimization and visualization of multibody systems. Topics covered include:
• Dynamic process modeling
• Transforming real world problems into mathematical models
• Modeling of complex robotics and biomechanics systems (e.g. humanoids), based on previous modeling knowledge
• Common template models for bipedal walking and running in robotics and biomechanics
• Simulation of mechanical / robotics systems (Integrators and Initial value problems)
• Boundary value problems
• Nonlinear optimization problems
• Optimal control problems
• Direct and indirect methods for optimal control problems, focus on direct methods, especially direct multiple shooting
• Stability of dynamical systems, stability in biomechanics and robotics

Anmerkungen

Limitation to 30 participants

Arbeitsaufwand

Estimated effort for this module is 180 hours:
60h - Lecture and exercises (2+2 SWS)
80h - Independent work (repetition of lecture contents, preparation of assignments
40h - Exam preparation

Modul: Skalierbare Methoden der künstlichen Intelligenz [M-INFO-105868]

Verantwortung:
Dr. Charlotte Debus
Dr. Markus Götz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111801 Skalierbare Methoden der künstlichen Intelligenz 4 Debus, Götz
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Sihee Teilleistung.

Qualifikationsziele

Studierende verstehen die Grundbegriffe, Motivation und Herausforderungen im Einsatz von parallelen und verteilten Algorithmen in der künstlichen Intelligenz (KI) auf gängigen Maschinenmodellen.  Studierenden werden befähigt die Skalierbarkeit von verschiedenen Strategien in unterschiedlichen Anwendungsszenarien zu vergleichen

Studierenden analysieren verschiedene KI-Algorithmenklassen und deren Skalierbarkeit, die im Einsatz in akademischen und industriellen Szenarien Verwendung finden.

Studierende sind in der Lage die vermittelten Skalierungsstrategien auf KI-Algorithmen anzuwenden.

Inhalt

Die Methoden der künstlichen Intelligenz haben in der letzten Dekade zu erstaunlichen Durchbrüchen in Wissenschaft und Technik geführt. Dabei zeichnet sich zunehmend ein Trend zur Verarbeitung von immer größeren Datenmengen und dem Einsatz von paralleler und verteilten Rechenressourcen ab. Ein prominentes Beispiel ist das Maschinenübersetzungsalgorithmus Generative Pre-trained Transformer 3 (GPT-3) welches mit 175 Milliarden trainierbaren Parametern auf 285.000 Prozessorkernen und 10.000 Grafikkarten die Grenzen herkömmlicher KI-Hardware sprengt.

In der Vorlesung werden den Studierenden die Parallelisierung und Skalierbarkeit verschiedener KI Algorithmen nähergebracht. Hierbei liegt der Fokus auf den Vorteilen und Ansätzen des parallelen Rechnens für KI Methoden, verschiedene verfügbaren Softwarepaketen zur Implementierung sowie den algorithmenspezifischen Herausforderungen. Diese werden anhand verschiedener Beispiele und Algorithmenklassen dargestellt, um die vielfältigen Anwendungsmöglichkeiten für skalierbare künstliche Intelligenz zu illustrieren:

Darüber hinaus werden auf die Eigenheiten Datenformaten und -management, gängiger Maschinenmodelle sowie auf den Einsatz neuartiger Hardware, z.B. Quantencomputer oder neuromorphe Geräte, diskutiert werden.

Arbeitsaufwand

3 SWS, 120 h/Semester = 4 ECTS

Empfehlungen

Modul: Software Security Engineering [M-INFO-106344]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112862 Software Security Engineering 3 Gerking, Reussner
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel: Studierende sind in der Lage, Maßnahmen zur Erkennung bzw. Vermeidung von Schwachstellen in verschiedenen Entwicklungsphasen anzuwenden.
Lernziele: Studierende erlangen die Fähigkeit, Kriterien aus Sicherheitsstandards zu benennen und ihre Erfüllung zu bewerten. Die Studierenden beherrschen zentrale Sicherheitsprinzipien und ihre Übertragung auf konkrete Anwendungsfälle. Auf Basis von Sicherheitsmodellen sind die Studierenden in der Lage, Sicherheitsrichtlinien zu formalisieren und Verletzungen der Richtlinien zu erkennen. Die Studierenden sind vertraut mit der Handhabung bzw. Aufarbeitung von Sicherheitsvorfällen.

Inhalt

Das Modul befasst sich mit der ingenieurmäßigen Sicherstellung der Cybersicherheit entlang des Softwareentwicklungszyklus. Thematisiert werden konstruktive und analytische Entwicklungsmaßnahmen zur Erreichung von Schutzzielen durch planmäßige Vorbeugung bzw. Erkennung von Schwachstellen. In der Vorlesung wird die Ergreifung und Durchführung der Sicherheitsmaßnahmen in den verschiedenen Entwicklungsphasen betrachtet. Relevante Grundlagen aus dem Bereich formaler Sicherheitsmodelle werden eingeführt.

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Modul: Software-Architektur und -Qualität [M-INFO-100844]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101381 Software-Architektur und -Qualität 3 Reussner
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden können die Rolle von Komponenten und expliziten Software-Architekturbeschreibungen für die ingenieurmäßige Software-Entwicklung erklären.

Zudem können sie die grundlegenden Konzepte der komponentenbasierten Softwareentwicklung erläutern.

Die Studierenden kennen weiterführende Konzepte der sichtbasierten Metamodellierung und können diese auf die Szenerien der Softwareentwicklung-Domäne anwenden.

Darüber hinaus können sie Verfahren zur Dokumentation, Bewertung und Wiederverwendung von Software-Architekturen, wie zum Beispiel Architekturmuster oder Architekturstile, einsetzen.

Weiter können unterschiedliche Software-Entwicklungsprozesse unterschieden und eingesetzt werden.

Die Studierenden können Modelle für Software-Qualitätseigenschaften wie zum Beispiel Performance entwerfen.

Die Auswirkungen von Architektur-Entwurfsentscheidungen auf die Software-Qualitätseigenschaften wie zum Beispiel Performance können ebenfalls analysiert werden.

Inhalt

Die Software-Architektur ist in vielen Software-Entwicklungsprojekten der wesentlich bestimmende Faktor für die Software-Qualität. Laufzeiteigenschaften wie Performance oder Zuverlässigkeit hängen, ebenso wie Wartbarkeit, im Wesentlichen von der Architektur eines Software-Systems ab.

In der Vorlesung lernen Studierende moderne Ansätze zur Software-Architektur-Modellierung und -Analyse kennen und anwenden, mit denen zur Entwurfszeit Qualitätseigenschaften des Systems vorhergesagt werden können. Damit legt die Vorlesung die wissenschaftlichen Grundlagen für den Software-Entwurf als Ingenieursdisziplin, da mit den erlernten Methoden ein Verständnis der Auswirkungen von Architekturentwurfsentscheidungen auf die Software-Qualität möglich ist. Dabei werden insbesondere die Software-Qualitäten, wie z.B. Performanz, Zuverlässigkeit und Wartbarkeit thematisiert.

In Zusammenhang mit der Software-Architektur werden auch Software-Komponenten als "Software-Bausteine" eingeführt. Besonders wird auf Techniken der Wiederverwendung von Architekturwissen wie Muster, Stile und Referenzarchitekturen und Produktlinien eingegangen.

Die Vorlesung behandelt das Palladio-Komponentenmodell als Beschreibungssprache für Software-Komponenten und -Architekturen.

Anhand des Palladio-Komponentenmodells werden neben der Qualitätsvorhersage auch Rollenmodelle für Entwurf und Entwicklung von komponentenbasierter Software vorgestellt.

Dessen Einsatz wird anhand industrienaher Fallstudien demonstriert und dabei Techniken zur Evaluation der Qualität ihrer Softwarearchitektur veranschaulicht.

Dabei werden in der Vorlesung Technologien wie MOF, OCL und auch architekturzentrierte, modellgetriebene Softwareentwicklung (AC-MDSD) behandelt. Moderne Middleware aus der Praxis wie z.B. Java EE / EJB wird ebenfalls vorgestellt.

Arbeitsaufwand
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h
Empfehlungen

Siehe Teilleistung.

Modul: Software-Evolution [M-INFO-100719]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Level
4
Version
1
Pflichtbestandteile
T-INFO-101256 Software-Evolution 3 Reussner
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teillseistung

Qualifikationsziele

Die Studierenden lernen die besonderen Herausforderungen langlebiger Software-Systeme kennen sowie Mˆglichkeiten ¸ber eine gezielte Software-Evolution die zuk¸nftige Entwicklung eines Software-Systems zu beeinflussen. Den Studenten wird klar, welche Mittel und Konzepte Sie im Rahmen der Software-Evolution einsetzen kˆnnen und welche Faktoren sich auf den Software-Entwicklungsprozess auswirken. Neben den theoretischen Grundlagen erhalten die Studenten Einblick in Praxisbeispiele und geeignete Werkzeuge, die den Umgang mit Software-Evolution vereinfachen. Den Teilnehmern der Vorlesung wird ein Querschnitt aus Implementierungsaspekten, Techniken, Management und Konzepten vermittelt. Die Studierenden werden in die Lage versetzt Software-Systeme zu analysieren, bewerten und verbessern.

Inhalt

Die Vorlesung Software-Evolution behandelt: Software-Entwicklungsprozesse, Besonderheiten langlebiger Software-Systeme, Evolutionsszenarien für Software-Systeme, Software-Architekturentwicklung, Software-Sanierung, Implementierungstechniken, Architekturmuster, Traceability, Software-Bewertungsverfahren, Wartbarkeitsanalysen und Werkzeuge zur Unterstützung von Software-Evolution.

Arbeitsaufwand
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h

Modul: Softwarepraktikum Parallele Numerik [M-INFO-102998]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-105988 Softwarepraktikum Parallele Numerik 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der Studierende besitzt grundlegende Kenntnisse zur Lösung partieller Differentialgleichungen mit Hilfe der Methode der Finiten Elemente. Die Studierenden sind in der Lage, für komplexe Problemstellungen aus der Mathematik, Natur- und Ingenieurwissenschaften Lösungsansätze zu erstellen und bezüglich ihrer mathematischen Eigenschaften bewerten. Die Studierenden sind in der Lage, parallele Lösungsversionen zu erstellen und bezüglich ihrer Rechenleistung zu bewerten.

Inhalt

Das Modul soll Studierenden (Informatiker, Mathematiker, Natur- und Ingenieurwissenschaftler) die Methode der Finiten Elemente (FEM) zur Lösung partieller Differentialgleichungen (PDEs) an praxisrelevanten Problemstellungen aus der Mathematik, Natur- und Ingenieurwissenschaften vermitteln. Darüber hinaus werden Parallelisierungsmöglichkeiten unter Verwendung paralleler Programmierbibliotheken wie OpenMP oder OpenCL/CUDA vermittelt. Den Studierenden wird der Einsatz einer Open-Source FEM-Software HiFlow3 vermittelt, anhand derer experimentell das Lösungsverhalten von PDEs untersucht wird. Das Modul vermittelt neben dem mathematischen Hintergrund einer Aufgabe auch die technische Umsetzung sowie Parallelisierungsansätze.

Arbeitsaufwand

- 2x Wöchentlicher Termin 4 SWS

- Durchführung projektaufgaben 4 SWS

- Präsentation und Ausarbeitung 60 h

 Gesamt: (4 SWS + 4 SWS) x 15 + 60 h = 180 h = 6 ECTS

Empfehlungen

Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.

Modul: Software-Produktlinien-Entwicklung [M-INFO-105471]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111017 Software-Produktlinien-Entwicklung 3 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilelsitung.

Qualifikationsziele

Studierende verstehen die wesentlichen Konzepte (wie z.B. Modularität, Variationspunkt, Feature-Modell, Feature-Abbildung, Konfiguration, Produktgenerator, und Produkt) und Techniken (wie. z.B. Feature-orientierte Domänenanalyse, Variantenextraktion, Delta-Modellierung, Variantenraumanalysen, Produktgeneration, Testen von Software-Produktlinien) der Entwicklung von Software-Produktlinien, ihre Zusammenhänge und ihre Zuordnung zu Problem- und Lösungsraum. Sie sind in der Lage, die unterschiedlichen Methoden zum Entwurf von Software-Produktlinien, wie die Feature-orientierte Domänenanalyse oder die Variantenextraktion, zu verstehen und anzuwenden. Studierende kennen verschiedene Strategien der Produktgenerierung, und kennen Ihre Vor- und Nachteile im praktischen Einsatz. Studierende kennen Techniken zur Wartung von Software-Produktlinien, wie die Variantenraumanalyse, die Generierung von Produktstichproben, und das Testen von Softwareproduktlinien und können diese anwenden. Zusätzlich kennen die Studierenden aktuelle Ergebnisse und Fragestellungen aus dem Forschungsgebiet der Software-Produktlinien und verstehen ihre Bedeutung, wie z.B. Ergebnisse aus dem Bereich der Sprach-Produktlinien.

Lernziele: Studierende sind in der Lage selbstständig eine Software-Produktlinie zu entwerfen, zu implementieren und zu warten. Studierende können die Feature-orientierte Domänenanalyse auf eine gegebenen Domäne anwenden, und anhand einer Domänenbeschreibung eine Software-Produktlinie entwerfen und mit Werkzeugunterstützung praktisch umsetzen. Studierende können selbstständig und mit Werkzeugunterstützung Variantenextraktion anwenden, um aus einer Reihe von Produktvarianten eines Softwaresystems eine Software-Produktlinie zu entwerfen und diese durch Refaktorierung umzusetzen. Studierende können für eine gegeben Domäne eine geeignete Strategie der Produktgenerierung auswählen und diese mit Werkzeugunterstützung implementieren. Studierende können den Variantenraum einer gegebenen Software-Produktlinie analysieren und verbessern. Studierende kennen unterschiedliche Techniken, um eine Software-Produktlinie zu warten, und können sowohl die Analyse des Variantenraums, die Generierung von Produktstichproben, und Entwicklung von Tests für eine gegebene Software-Produktlinie durchführen.

Inhalt

Dieses Modul vermittelt Studierenden die Vorgehensweisen und Techniken für die Entwicklung und Wartung von variantenreichen Software-Systemen mittels Software-Produktlinien.  Die Vorlesung wird einen Überblick über die grundlegenden Ziele, Prozesse, Konzepte und Techniken bei der Entwicklung und Wartung von Software-Produktlinien geben. Sie untergliedert sich in die Themenbereiche des Problemraums und des Lösungsraums. Im ersten Themenbereich werden Themen wie die Feature-orientierte Domänenanalyse, Feature-Modelle, sowie Analysen des Variantenraumes behandelt, wohingegen im zweiten Themenbereich unterschiedliche Techniken zur Produktgenerierung sowie zum Testen von Produktlinien behandelt und praktisch demonstriert werden.

Darüber hinaus werden aktuelle Ergebnisse und Fragestellungen aus der Software-Produktlinienforschung vorgestellt und diskutiert.

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h

Empfehlungen

Grundkenntnisse aus den Vorlesungen Softwaretechnik II [T-INFO-101370] und Formale System [T-INFO-101336] sind hilfreich.

Modul: Softwaretechnik II [M-INFO-100833]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101370 Softwaretechnik II 6 Koziolek, Reussner
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Softwareprozesse: Die Studierenden verstehen die evolutionäre und inkrementelle Entwicklung und können die Vorteile gegenüber dem sequentiellen Vorgehen beschreiben. Sie können die Phasen und Disziplinen des Unified Process beschreiben.

Requirements Engineering: Die Studierenden können die Begriffe des Requirements Engineering beschreiben und Aktivitäten im Requirements Engineering Prozess nennen. Sie können Anforderungen nach den Facetten Art und Repräsentation klassifizieren und beurteilen. Sie können grundlegende Richtlinien zum Spezifizieren natürlichsprachlicher Anforderungen anwenden und Priorisierungsverfahren für Anforderungen beschreiben. Sie können den Zweck und die Elemente von Anwendungsfall-Modellen beschreiben. Sie können Anwendungsfälle anhand ihrer Granularität und ihrer Ziele einordnen. Sie können Anwendungsfalldiagramme und Anwendungsfälle erstellen. Sie können aus Anwendungsfällen Systemsequenzdiagramme und Operationsverträge ableiten und können deren Rolle im Software-Entwicklungsprozess beschreiben.

Software-Architektur: Die Studierenden können die Definition von Software-Architektur und Software-Komponenten wiedergeben und erläutern. Sie können den Unterschied zwischen Software-Architektur und Software-Architektur-Dokumentation erläutern. Sie können die Vorteile expliziter Architektur und die Einflussfaktoren auf Architekturentscheidungen beschreiben. Sie können Entwurfsentscheidungen und -elemente den Schichten einer Architektur zuordnen. Sie können beschreiben, was Komponentenmodelle definieren. Sie können die Bestandteile des Palladio Komponentenmodells beschreiben und einige der getroffenen Entwurfsentscheidungen erörtern.

Enterprise Software Patterns: Die Studierenden können Unternehmensanwendungen charakterisieren und für eine beschriebene Anwendung entscheiden, welche Eigenschaften sie erfüllt. Sie kennen Muster für die Strukturierung der Domänenlogik, architekturelle Muster für den Datenzugriff und objektrelationale Strukturmuster. Sie können für ein Entwurfsproblem ein geeignetes Muster auswählen und die Auswahl anhand der Vor- und Nachteile der Muster begründen.

Software-Entwurf: Die Studierenden können die Verantwortlichkeiten, die sich aus Systemoperationen ergeben, den Klassen bzw. Objekten im objektorientierten Entwurf anhand der GRASP-Muster zuweisen und damit objektorientierte Software entwerfen.

Software-Qualität: Die Studierenden kennen die Prinzipien für gut lesbaren Programmcode, können Verletzungen dieser Prinzipien identifizieren und Vorschläge zur Lösung entwickeln.

Modellgetriebene Software-Entwicklung: Die Studierenden können die Ziele und die idealisierte Arbeitsteilung der modellgetriebenen Software-Entwicklung (MDSD) beschreiben und die Definitionen für Modell und Metamodell wiedergeben und erläutern. Sie können die Ziele der Modellierung diskutieren. Sie können die Model-driven Architecture beschreiben und Einschränkungen in der Object Constraint Language ausdrücken. Sie können einfache Transformationsfragmente von Modell-zu-Text-Transformationen in einer Template-Sprache ausdrücken. Sie können die Vor- und Nachteile von MDSD abwägen.

Eingebettete Systeme: Die Studierenden können das Prinzip eines Realzeitsystems und warum diese für gewöhnlich als parallele Prozesse implementiert sind erläutern. Sie können einen groben Entwurfsprozess für Realzeitsysteme beschreiben. Sie können die Rolle eines Realzeitbetriebssystems beschreiben. Sie können verschiedene Klassen von Realzeitsystemen unterscheiden.

Verlässlichkeit: Die Studierenden können die verschiedenen Dimensionen von Verlässlichkeit beschreiben und eine gegebene Anforderung einordnen. Sie können verdeutlichen, dass Unit Tests nicht ausreichen, um Software-Zuverlässigkeit zu bewerten, und können beschreiben, wie Nutzungsprofil und realistische Fehlerdaten einen Einfluss haben.

Domänen-getriebener Entwurf (DDD): Die Studierenden kennen die Entwurfsmetapher der allgegenwärtigen Sprache, der Abgeschlossenen Kontexte, und des Strategischen Entwurfs. Sie können eine Domäne anhand der DDD Konzepte, Entität, Wertobjekte, Dienste beschreiben, und das resultierende Domänenmodell durch die Muster  der Aggregate, Fabriken, und Depots verbessern. Sie kennen die unterschiedlichen Arten der Interaktionen zwischen Abgeschlossenen Kontexten und können diese anwenden.

Sicherheit (i.S.v. Security): Die Studierenden können die Grundideen und Herausforderungen der Sicherheitsbewertung beschreiben. Sie können häufige Sicherheitsprobleme erkennen und Lösungsvorschläge machen.

Inhalt

Die Studierenden erlernen Vorgehensweisen und Techniken für systematische Softwareentwicklung, indem fortgeschrittene Themen der Softwaretechnik behandelt werden.

Themen sind Requirements Engineering, Softwareprozesse, Software-Qualität, Software-Architekturen, MDD, Enterprise Software Patterns, Software-Entwurf, Software-Wartbarkeit, Sicherheit, Verlässlichkeit (Dependability), eingebettete Software, Middleware, und Domänen-getriebener Entwurf.

Anmerkungen

Das Modul Softwaretechnik II ist ein Stammmodul.

Arbeitsaufwand

Vor- und Nachbereitungszeiten 1,5 h / 1 SWS

Gesamtaufwand:
(4 SWS + 1,5 x 4 SWS) x 15 + 30 h Klausurvorbereitung = 180 h = 6 ECTS

Empfehlungen

Siehe Teilleistung

Modul: Software-Test und Qualitätsmanagement (SQM) [M-INFO-106024]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112210 Software-Test und Qualitätsmanagement (SQM) 5 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Moduls kennen die Teilnehmenden die Grundprinzipien des Software-Testens. Sie können den
Testprozess anwenden und beherrschen die Aktivitäten und Techniken zu seiner Unterstützung. Die Teilnehmenden können
in allen Phasen des SW- Lebenszyklus Testfälle spezifizieren. Sie kennen Testverfahren und -methoden, mit denen sie
Softwaretests effizient und effektiv vorbereiten und durchführen können. Sie kennen gängige Methoden des
Testmanagements sowie Testwerkzeuge zur Automatisierung von Testaktivitäten.

Inhalt

1. Grundlagen (Einführung, Begriffsdefinitionen, Prinzipien des SW-Testens, fundamentaler Testprozess, Psychologie
des Testens)
2. Testen im Softwarelebenszyklus (Allgemeines V-Modell, Komponententest, Integrationstest, Systemtest, Abnahmetest,
Test neuer Produktversionen, Übersicht Testarten)
3. Statischer Test (Strukturierte Gruppenprüfungen, statische Analysen, Metriken)
4. Dynamischer Test (Black-Box Verfahren, White-Box Verfahren, erfahrungsbasierte Testfallermittlung)
5. Testmanagement (Testorganisation und -planung,
Wirtschaftlichkeitsaspekte, Teststrategie, Management der Testarbeiten, Fehlermanagement, Anforderungen an das
Konfigurationsmanagement)
6. Testwerkzeuge (Typen, Auswahl, Einführung)
7. Moderne Testverfahren (Modellbasierter Test, Regressionstest, Testen von variantenreichen Systemen)
8. Debugging

Anmerkungen

Am Ende der Vorlesung besteht zusätzlich die Möglichkeit, sich zum "ISTQB - Certified Tester - Foundation Level"
zertifizieren zu lassen. Ein
entsprechender Termin und die Modalitäten für die Prüfung wird in der VL vereinbart und rechtzeitig in der Terminliste auf der Homepage zur
Vorlesung bekanntgegeben.

Modul: Sprachverarbeitung in der Softwaretechnik [M-INFO-100735]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101272 Sprachverarbeitung in der Softwaretechnik 3 Koziolek
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende kennen Grundbegriffe der Linguistik, wie Syntax, Semantik und Pragmatik und können diese erläutern sowie vergleichen. Sie kennen lexikalische Relationen (z.B.: Polysemie, Homonymie, Troponymie u. Ä) und können Beispiele entsprechend zuordnen. Weiterhin können Zusammenhänge zwischen den Relationen identifiziert und verglichen werden.

Studierende sind mit grundlegenden Konzepten der Computerlinguistik vertraut. Grundlegende Techniken, wie Wortartetikettierung, Lemmatisierung, Bestimmung von Wortähnlichkeiten oder Disambiguierungen können erläutert werden. Zugehörige Verfahren (lexikalisch, regelbasiert oder probabilistisch) können beschrieben und die jeweilige Stärken und Schwächen beurteilt werden. Unterschiedliche Parser-Verfahren können benannt, erläutert und konzeptionell reproduziert werden.

Studierende können Struktur, Inhalt und Nutzen unterschiedlicher Wissensdatenbanken beschreiben und vergleichen. Neben den übergeordneten Konzepten der Ontologie, Wortnetzen und anderen Wissensrepräsentationen sind sie auch mit konkreten Vertretern, wie researchCyc, WordNet, FrameNet und ähnlichen, vertraut und können diese nutzen. Verfahren zum manuellen und automatischen Aufbau von Ontologien sowie zur automatischen Relationsextraktion können von den Studierenden angewendet werden.

Die Studierenden verstehen den Zusammenhang zwischen Funktionsweise grundlegender Techniken der Computerlinguistik und ihrer Anwendbarkeit in der Softwaretechnik. Darüber hinaus können sie Werkzeugketten in Einzelbestandteile gliedern und bewerten. Insbesondere sind die Studierenden in der Lage unterschiedliche Anwendungen zu analysieren und zu bewerten. Hierzu zählen Anwendungen zur Modellierung mithilfe der Linguistik, Verbesserung von Spezifikationstexten und Qualitätsbeurteilung von Quelltextkommentaren.

Darüber hinaus können Studierende das Konzept aktiver Ontologien und deren Anwendung und Nutzung im Umfeld der Sprachverarbeitung erläutern.

Studierende können Anwendungsszenarien in der Softwaretechnik für Textanalysesysteme identifizieren und eigene Lösungen entwerfen. Hierfür sind den Studierenden unterschiedliche Werkzeuge zur Sprachverarbeitung, wie GATE, Protegé und NLTK, bekannt. Sie sind grundlegend mit ihrer Funktionsweise vertraut und können sie praktisch anwenden. Insbesondere können Studierende eigene Anwendungen mithilfe der vorgestellten Werkzeuge entwerfen und implementieren. Dabei können neue Lösungsansätze anhand der bekannten Verfahren konstruiert werden.

Inhalt

Diese Vorlesung bietet die Grundlagen für die maschinelle Verarbeitung natürlichsprachlicher Texte.

Sprachverarbeitung wird immer wichtiger. In interaktiven Systemen ist oftmals eine sprachliche Eingabe wünschenswert, z.B. für sprachliche Kommandos, für Hilfesysteme oder Anfragen im Internet. Außerdem ist die Analyse und Weiterverarbeitung von Software-Anforderungen ein neues Forschungsgebiet. Die Computerlinguistik ist somit nicht nur für Softwareanwendungen von großer Bedeutung, sondern auch für die Softwaretechnik selbst.

Ziel dieser Veranstaltung für Diplom- und Masterstudenten der Informatik und Informationswirtschaft / Wirtschaftsinformatik ist es, das Grundwissen der Sprachverarbeitung und Anwendungsmöglichkeiten bei der Entwicklung von Software-Systemen zu vermitteln.

Die Themen umfassen die Verarbeitung von Texten mithilfe von Parsern, die Mehrdeutigkeit der natürlichen Sprache, die Erfassung von Semantik mithilfe von thematischen Rollen, die automatische Übersetzung von Texten in Softwaremodelle sowie den Aufbau und die Verwendung von Ontologien bei der Textanalyse. Zudem wird in der Vorlesung auf aktuelle Forschungsarbeiten eingegangen.

Arbeitsaufwand

3 LP entspricht ca. 90 Arbeitsstunden, davon
ca. 30 Std. Vorlesungsbesuch
ca. 45 Std. Vor- und Nachbearbeitung
ca. 15 Std. Prüfungsvorbereitung

Modul: Statistik [M-MATH-103220]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
10
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-MATH-106415 Statistik - Klausur 10 Ebner, Fasen-Hartmann, Klar, Trabs
T-MATH-106416 Statistik - Praktikum 0 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Prüfungsvorleistung: Praktikumsschein


Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Das Modul kann nicht zusammen mit der Teilleistung Volkswirtschaftslehre III: Einführung in die Ökonometrie geprüft werden.

Qualifikationsziele

Die Studierenden
• können die grundlegenden Aufgaben der Statistik nennen und an Beispielen verdeutlichen,
• können die prinzipielle Vorgehensweise statistischer Tests erläutern,
• sind mit den wichtigsten Schätz- und Testverfahren vertraut und können diese Verfahren mit Hilfe moderner
Software praktisch anwenden,
• können in einfachen Situationen beurteilen, welche statistischen Methoden anwendbar sind,
• kennen spezifische probabilistische Techniken und können damit statistische Verfahren mathematisch analysieren.

Inhalt

Die Statistik befasst sich mit der Frage, wie man mit Methoden der Wahrscheinlichkeitstheorie aus Datensätzen Informationen über eine größere Gesamtheit gewinnen kann. Inhalte der Vorlesung sind:

• Statistische Modelle


• Parameterschätzung
   - Maximum-Likelihood-Methode
   - Momentenmethode
   - Eigenschaften von Schätzern
   - Cramer-Rao-Ungleichung
   - Asymptotik von ML-Schätzern


• Konfidenzintervalle
   - Satz von Student
   - Intervall-Schätzung unter Normalverteilungsannahme

• Testen statistischer Hypothesen
   - p-Wert
   - Gauß- und Ein-Stichproben-t-Test
   - Optimalität von Tests
   - Likelihood-Quotienten-Tests
   - Vergleich von zwei Stichproben unter Normalverteilungsannahme


• Lineare Regressionsmodelle
   - Kleinste-Quadrate-Methode
   - Tests und Konfidenzbereiche im klassischen linearen Regressionsmodell


• Varianz- und Kovarianzanalyse


• Analyse von kategorialen Daten


• Nichtparametrische Verfahren


• Verwendung von Statistiksoftware zur Durchführung wichtiger Verfahren

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 300 Stunden

Präsenzzeit: 120 Stunden

Selbststudium: 180 Stunden

Empfehlungen

Kenntnisse in der Stochastik, wie sie etwa in den Modulen „Einführung in die Stochastik“ oder „Einführung in die Stochastik für das Lehramt“ vermittelt werden, werden dringend empfohlen.

Modul: Stochastische Informationsverarbeitung [M-INFO-100829]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101366 Stochastische Informationsverarbeitung 6 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel: Studierende können ein gegebenes nichtlineares dynamisches Modell probabilistisch beschreiben und die Gleichungen zur Bayes-Inferenz aufstellen. Sie können, sofern keine analytische Lösung existiert, die Stärke der Nichtlinearität einschätzen und ein dafür geeignetes praktisches Filter zur Echtzeit-Zustandsschätzung auswählen und implementieren.

Lernziel: Studierende kennen dynamische Zustandsmodelle und Verfahren, den Zustand rekursiv zu schätzen. Vor- und Nachteile der verschiedenen praktischen Filter können problemorientiert eingeschätzt werden.

Inhalt

Die SI vermittelt die fundamentalen und formalen Grundlagen der Zustandsschätzung rund um Prädiktion und Filterung. Zunächst werden für nichtlineare wertediskrete Systeme sowie lineare wertekontinuierliche Systeme einfache und praktisch anwendbare Schätzer hergeleitet. Dies entspricht dem Wonham-Filter und dem bekannten Kalman-Filter.

In praktischen Anwendungen (Robotik, Inertialnavigation, Tracking, Meteorologie etc.) ist jedoch das nichtlineare wertekontinuierliche System von größtem Interesse. Dieses liegt daher im weiteren Verlauf der Vorlesung im Fokus. Es wird aufgezeigt, warum die auftretenden Integrale i.A. weder analytisch noch numerisch mit beliebiger Genauigkeit lösbar sind und welche approximativen Algorithmen sich stattdessen etabliert haben. Behandelt werden u.a. die Taylor-Linearisierung des Extended Kalman Filter (EKF), die Sample-basierte stochastische Linearisierung des Unscented Kalman Filter (UKF), das Ensemble Kalman Filter (EnKF), sowie grundlegende Particle Filter.

Anmerkungen

Als theoretische Grundlagenvorlesung stellt "Stochastische Informationssysteme"  einen optimalen Einstieg in die Vorlesungen des ISAS dar. Umgekehrt können Vorkenntnisse aus "Lokalisierung mobiler Agenten" (LMA) [LV-Nr. 24613] und"Informationsverarbeitung in Sensornetzwerken" (IIS) [LV-Nr. 24102],
aber je nach Lerntyp trotzdem hilfreich sein – dort werden mehr konkrete Anwendungen beleuchtet. Sämtliche Inhalte werden in allen unseren Vorlesungen grundsätzlich von Anfang an hergeleitet und ausführlich erklärt; es ist also möglich in SI, LMA oder IIS einzusteigen. 

Arbeitsaufwand

[1,5 h Vorlesung + 1,5 h Übung (3 SWS)] x 15
+ [4,5 h Nachbereitung Vorlesung + 3,5 h Vorbereitung Übung] x 15
+ 15 h Klausurvorbereigung
= 180 h ≙ 6 ECTS

Empfehlungen

Kenntnisse zu Grundlagen aus der Wahrscheinlichkeitstheorie sind hilfreich.

Modul: Stochastische Optimierung [M-WIWI-103289]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
11
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-106546 Einführung in die Stochastische Optimierung 4,5 Rebennack
T-WIWI-106548 Fortgeschrittene Stochastische Optimierung 4,5 Rebennack
T-WIWI-106549 Large-scale Optimierung 4,5 Rebennack
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-102723 Graph Theory and Advanced Location Models 4,5 Nickel
T-WIWI-102719 Gemischt-ganzzahlige Optimierung I 4,5 Stein
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II 4,5 Stein
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik 4,5 Grothe
T-WIWI-111587 Multikriterielle Optimierung 4,5 Stein
T-WIWI-103124 Multivariate Verfahren 4,5 Grothe
T-WIWI-102715 Operations Research in Supply Chain Management 4,5 Nickel
T-WIWI-106545 Optimierungsansätze unter Unsicherheit 4,5 Rebennack
T-WIWI-112109 Topics in Stochastic Optimization 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach § 4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderungen an Leistungspunkten erfüllt ist.

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung beschrieben.

Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Mindestens eine der Teilleistungen "Fortgeschrittene Stochastische Optimierung", "Large-scale Optimierung", oder "Einführung in die stochastische Optimierung" ist Pflicht. 

Qualifikationsziele

Der/die Studierende

Inhalt

Der Schwerpunkt des Moduls liegt auf der Modellierung sowie das Vermitteln von theoretischen Grundlagen und Lösungsverfahren für Optimierungsprobleme mit spezielle Struktur, welche zum Beispiel bei der stochastischen Optimierung auftreten.

Anmerkungen

Die Lehrveranstaltungen werden zum Teil unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://sop.ior.kit.edu/28.php nachgelesen werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Es wird empfohlen, die Vorlesung "Einführung in die Stochastische Optimierung" zu hören, bevor die Vorlesung "Fortgeschrittene Stochastische Optimierung" besucht wird.

Modul: Student Innovation Lab [M-ETIT-105073]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Prof. Dr. Werner Nahm
Prof. Dr.-Ing. Eric Sax
Prof. Dr. Wilhelm Stork
Prof. Dr. Orestis Terzidis
Prof. Dr.-Ing. Thomas Zwick
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
15
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-110291 Innovation Lab 9 Hohmann, Nahm, Sax, Stork, Zwick
T-WIWI-102864 Entrepreneurship 3 Terzidis
T-WIWI-110166 SIL Entrepreneurship Projekt 3 Terzidis
Erfolgskontrolle(n)

This module consists of an approx. 60-minute written exam on the contents of the Entrepreneurship lectures, as well as 5 other types of exams on the contents of the seminar Entrepreneurship and Innovation Lab in the form of term papers and presentations. All exams results are graded.

In addition, smaller, ungraded term papers are due during the course to monitor progress.

Voraussetzungen

An application is required to participate in this module. Information about the application: www.kit-student-innovation-lab.de/index.php/for-students/

Qualifikationsziele

Personal competence

Social competence

Innovation and entrepreneurship competence

Systemic technical competence

Inhalt

This module strives to combine technical, social and personal competences from the technical and entrepreneurial domain. The objective is to prepare students as best as possible for entrepreneurial activity within or outside of an established organization. Our teaching methods are research-based with a practical orientation.

 

The lecture Entrepreneurship as the essential component offers the theoretical basis and provides insight in important theoretical concepts and empirical evidence. Currently released case studies and practical experiences of successful founders support the theoretical and empirical content. In order to run a company for the long term additional knowledge is important. That’s why the lecture also teaches basic principles for opportunity recognition, business modeling, an introduction to entrepreneurial marketing and leadership. Customer-based design methods from the lean startup approach as well as methods of technology-centered innovation are presented. Future founders have to be able to develop and handle resources such as financial and human capital, infrastructure and intellectual property. Further aspects tackle the establishment of an organization and funding of the own project. 

The knowledge taught in the lecture Entrepreneurship will be applied in an application-oriented seminar and the labs. Hence we use an action learning approach to extend the taught knowledge by practical skills and reflection capabilities. In an team of five, the students will experience their way from the ideation process to the final pitch in front of investors.

The students are able to choose between the following options concerning the labs:

The module also presents methods of agile system development (Scrum) along with associated validation methods as well as methods for functional prototyping. Gate plans are used within the module to determine the progress of the project. Methods for single person work and teamwork are presented and applied. Additionally group-specific knowledge of the different roles of team members, solutions to conflict situations and interdisciplinary teams are presented.

Zusammensetzung der Modulnote

The module grade consists of the written exam of the Lecture Entrepreneurship (40%), of the submissions and presentation of the Innovation Lab (40%) and of the submissions and presentation of the SIL Entrepreneurship Project (20%).

Anmerkungen

Related courses:

Lecture Entrepreneurship
Seminar Entrepreneurship Project
Innovation Labs
Please note that the courses must be booked in parallel.

Related exams:

Written exams covering the content of lecture Entrepreneurship
Presentation of the Value Profile (seminar Entrepreneurship)
Submission of the Business Plan (seminar Entrepreneurship)
Submission of a Technical Report with requirements list and system architecture (Innovation Lab)
Submission of the reflection of the Gate Plans (Innovation Lab)
Presentation of the High-fidelity (Innovation Lab)

Arbeitsaufwand

Lecture Entrepreneurship: 32h attendance time, 48h preparation and follow-up time, 10h preparation time for assessment

Seminar Entrepreneurship: 34h attendance time, 3h preparation and follow-up time, 53h preparation time for assessment.

Innovation Lab: 8h attendance time, 213h preparation and follow-up time, 49h preparation time for assessment.

This results in a total of 450 hours and a total of 15 LPs for both semesters (15*30/2 = 225).

Empfehlungen

It is recommended to attend the lecture Entrepreneurship at the same time as the seminar Entrepreneurship Project and the Innovation Lab in the winter semester.

Modul: Systemdynamik und Regelungstechnik [M-ETIT-102181]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-101921 Systemdynamik und Regelungstechnik 6 Hohmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

- Ziel ist die Vermittlung theoretischer Grundlagen der Regelungstechnik, daher können die Studierenden grundsätzliche regelungstechnische Problemstellungen erkennen und bearbeiten.

- Die Studierenden sind in der Lage, reale Prozesse formal zu beschreiben und Anforderungen an Regelungsstrukturen abzuleiten.

- Sie können die Dynamik von Systemen mit Hilfe graphischer und algebraischer Methoden analysieren.

- Die Studierenden können Reglerentwurfsverfahren für Eingrößensysteme benennen, anhand von Kriterien auswählen, sowie die Entwurfsschritte durchführen und die entworfene Regelung beurteilen, ferner können Sie Störungen durch geeignete Regelkreisstrukturen kompensieren.

- Die Studierenden kennen relevante Fachbegriffe der Regelungstechnik und können vorgeschlagene Lösungen beurteilen und zielorientiert diskutieren.

- Sie kennen computergestützte Hilfsmittel zur Bearbeitung systemtheoretischer Fragestellungen und können diese einsetzen.

Inhalt

Die Grundlagenvorlesung Systemdynamik und Regelungstechnik vermittelt den Studierenden Kenntnisse auf einem Kerngebiet der Ingenieurwissenschaften. Sie werden vertraut mit den Elementen sowie der Struktur und dem Verhalten dynamischer Systeme. Die Studenten lernen grundlegende Begriffe der Regelungstechnik kennen und gewinnen einen Einblick in die Aufgabenstellungen beim Reglerentwurf und in entsprechende Lösungsmethoden im Frequenz- und Zeitbereich. Dies versetzt sie in die Lage, mathematische Methoden zur Analyse und Synthese dynamischer Systeme systematisch anzuwenden.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Anmerkungen

gültig bis 31.03.2025 - Ersatz: M-ETIT-106339 - Mess- und Regelungstechnik

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

1. Präsenzzeit in Vorlesung/Übung (2+2 SWS: 60h, 2 LP)

2. Vor-/Nachbereitung von Vorlesung/Übung/Tutorium(optional) (105h, 3,5 LP)

3. Vorbereitung/Präsenzzeit schriftliche Prüfung (15h, 0,5 LP)

Modul: Systems and Software Engineering [M-ETIT-100537]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-ETIT-100675 Systems and Software Engineering 5 Sax
Erfolgskontrolle(n)

Written exam, approx. 120 minutes. 

Voraussetzungen

none

Qualifikationsziele

Students are able to analyse and explain the functional principles and applications of embedded systems.

• Students are able to evaluate and apply maturity models as well as Software Development Life Cycle models including the waterfall model, V-model, prototyping model, agile models, and DevOps.

• Students are able to apply various creativity techniques to develop innovative solutions to problems. They will be able to derive and analyse requirements.

• Students are familiar with diagram formats software modelling languages; they can evaluate and create these based on problem descriptions of an application area. They will be able to create and evaluate functional, data-oriented, algorithmic, state-oriented, and object-oriented views.

• Students are able to understand and apply various aspects of the realization of embedded systems. They will be able to consider implementation alternatives: hardware, co-design and scheduling aspects.

• Students are familiar with the various testing phases in a project and can explain them. They can assess the reliability of a system and understand the concept of functional safety.

Inhalt

The focus of the course is on processes and methods for the design of systems composed of electrical, electronic and electronically programmable systems that contain software, hardware and mechanical components. The desired competencies of the course include the knowledge and goal-oriented use of modeling techniques, design processes, description and representation tools as well as specification languages that correspond to the current state of the art.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

Each credit point (LP, Credit Points) corresponds around 25-30h of work effort of the student. Hereby we assume an average student with average performance. The workload is covered by: 1. Participating in lectures, tutorials and practical labs.
2. Preparing and wrap up of the above named units
3. Exam preparation and presence.

Empfehlungen

Knowledge in Digital Technology and Information and Automation Technology (e.g. module M-ETIT-102102 and M-ETIT-106336)

Modul: Systems Engineering for Automotive Electronics [M-ETIT-100462]

Verantwortung:
Hon.-Prof. Dr. Jürgen Bortolazzi
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100677 Systems Engineering for Automotive Electronics 4 Bortolazzi
Erfolgskontrolle(n)

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Prüfung findet ohne Hilfsmittel statt.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen den systematischen Entwicklungsprozess von elektrischen und elektronischen Systemen und Architekturen im Umfeld der Fahrzeugtechnik sowie der Automobilindustrie. Sie sind in der Lage die systematische Entwicklung unterstützenden Werkzeuge anzuwenden sowie Elektrik- und Elektronikarchitekturen modellbasiert zu beschreiben. Sie können in den Domänen funktionale und physikalische Modellierung Systeme analysieren und beurteilen.

Inhalt

Die Vorlesung vermittelt Kenntnisse bezüglich Methoden, Techniken und Vorgehensweisen die in den Phasen der Entwicklung von elektrischen und elektronischen Systemen für Fahrzeuge zum Einsatz kommen.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen bzw. mündlichen Prüfung. Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Anmerkungen

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Vorlesung wird im Haupttermin schriftlich geprüft, für den Nacholtermin kann die Prüfung auch mündlich erfolgen.

Die Prüfung findet ohne Hilfsmittel statt.

Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Arbeitsaufwand

Jeder Leistungspunkt (Credit Point) entspricht ca. 25-30h Arbeitsaufwand. Dieser ist gegeben durch

1. Präsenzzeit in Vorlesung und Übung

2. Vor-/Nachbereitung derselbigen

3. Klausurvorbereitung und Präsenz in selbiger

Empfehlungen

Empfohlen wird der Besuch der Vorlesung SE (23611)

Modul: Teilchenphysik I [M-PHYS-102114]

Verantwortung:
Prof. Dr. Torben Ferber
Prof. Dr. Ulrich Husemann
Prof. Dr. Markus Klute
Prof. Dr. Günter Quast
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-102369 Teilchenphysik I 9 Ferber, Husemann, Klute, Quast, Rabbertz
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können Elementarteilchen klassifizieren und mithilfe von Symmetrien, Feynman-Diagrammen und Lagrangedichten qualitativ Wechsel­wirkungen zwischen Elementar­teilchen analysieren. Durch die Kombination dieser Kenntnisse mit Wissen über den Nachweis von Elementarteilchen können die Studierenden die Funktionsweise moderner Teilchenphysikdetektoren diskutieren. Die Studierenden werden befähigt, aktuelle Daten und Abbildungen aus der wissenschaftlichen Literatur zur Teilchenphysik zu interpretieren und den aktuellen Stand der Forschung sowie wichtige „offene Fragen“ darzustellen. Die Studierenden können Techniken der statistischen Datenanalyse und Monte-Carlo-Simulation auf einfache Probleme der Teilchenphysik anwenden und eine grundlegende Charakterisierung von Silizium-Spurdetektoren im Labor durchführen.

Inhalt

Vorlesung:

Praktische Übungen:

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

ca. 240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (180 Stunden)

Empfehlungen

Grundkenntnisse der experimentellen Teilchenphysik aus der Vorlesung Moderne Experimentalphysik III im Bachelorstudiengang Physik.

Literatur

M. Thomson: Modern Particle Physics, Cambridge University Press (2013). D. Griffith: Introduction to Elementary Particles, Wiley (2008). A. Bettini: Introduction to Elementary Particle Physics, Cambridge University Press (2008). C. Berger: Elementarteilchenphysik, Springer (2006).

Weitere Literaturhinweise werden in der Vorlesung gegeben.

Modul: Telematik [M-INFO-100801]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101338 Telematik 6 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende

Studierende beherrschen die grundlegenden Protokollmechanismen zur Etablierung zuverlässiger Ende-zu-Ende-Kommunikation. Studierende besitzen detailliertes Wissen über die bei TCP verwendeten Mechanismen zur Stau- und Flusskontrolle und können die Problematik der Fairness bei mehreren parallelen Transportströmen erörtern. Studierende können die Leistung von Transportprotokollen analytisch bestimmen und kennen Verfahren zur Erfüllung besonderer Rahmenbedingungen mit TCP, wie z.B. hohe Datenraten und kurze Latenzen. Studierende sind mit aktuellen Themen, wie der Problematik von Middleboxen im Internet, dem Einsatz von TCP in Datacentern und Multipath-TCP, vertraut. Studierende können Transportprotokolle in der Praxis verwenden und kennen praktische Möglichkeiten zu Überwindung der Heterogenität bei der Entwicklung verteilter Anwendungen, z.B. mithilfe von ASN.1 und BER.

Studierende kennen die Funktionen von Routern im Internet und können gängige Routing-Algorithmen wiedergeben und anwenden. Studierende können die Architektur eines Routers wiedergeben und kennen verschiedene Ansätze zur Platzierung von Puffern sowie deren Vor- und Nachteile. Studierende verstehen die Aufteilung von Routing-Protokolle in Interior und Exterior Gateway Protokolle und besitzen detaillierte Kenntnisse über die Funktionalität und die Eigenschaften von gängigen Protokollen wie RIP, OSPF und BGP. Die Studierenden sind mit aktuellen Themen wie IPv6 und SDN vertraut.

Studierende kennen die Funktion von Medienzuteilung und können Medienzuteilungsverfahren klassifizieren und analytisch bewerten. Studierende besitzen vertiefte Kenntnisse zu Ethernet und kennen verschiedene Ethernet-Ausprägungen und deren Unterschiede, insbesondere auch aktuelle Entwicklungen wie Echtzeit-Ethernet und Datacenter-Ethernet. Studierende können das Spanning-Tree-Protocol wiedergeben und anwenden. Studierende kennen die grundlegende Funktionsweise der Hilfsprotokolle LLC und PPP.

Studierende kennen die physikalischen Grundlagen, die bei dem Entwurf und die Bewertung von digitalen Leitungscodes relevant sind. Studierende können verbreitete Kodierungen anwenden und kennen deren Eigenschaften.

Studierende kennen die Architektur von ISDN und können insbesondere die Besonderheiten beim Aufbau des ISDN-Teilnehmeranschlusses wiedergeben. Studierende besitzen grundlegende Kenntnisse über das weltweite Telefonnetz SS7. Studierende können die technischen Besonderheiten von DSL wiedergeben. Studierende sind mit dem Konzept des Label Switching vertraut und können existierende Ansätze wie ATM und MPLS miteinander vergleichen. Studierende sind mit den grundlegenden Herausforderungen bei dem Entwurf optischer Transportnetze vertraut und kennen die grundlegenden Techniken, die bei SDH und DWDM angewendet werden.

Inhalt

Arbeitsaufwand

Vorlesung mit 3 SWS plus Nachbereitung/Prüfungsvorbereitung, 6 LP.

6 LP entspricht ca. 180 Arbeitsstunden, davon

ca. 60 Std. Vorlesungsbesuch

ca. 60 Std. Vor-/Nachbereitung

ca. 60 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Test eingebetteter Systeme im industriellen Umfeld [M-ETIT-100546]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Pflichtbestandteile
T-ETIT-100811 Test eingebetteter Systeme im industriellen Umfeld 4 Sax
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (25 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studenten können nach Abschluss des Moduls die gelehrten Testmethoden gruppieren und benennen. Weiterhin sind die Studenten in der Lage, aufbauend auf den theoretischen Grundlagen für konkrete Anwendung eine Auswahl geeigneter Testmethodiken auszuwählen und in verschiedenen Szenarien zu testen. Hierzu können die Studenten die demonstrierten State-of-the-Art Technologien einsetzen und haben einen Einblick in aktuelle Werkzeuge. Die praxisnahen Inhalte der Vorlesung können von den Studenten in anderem Kontext, z.B. in der Standard-Software-Entwicklung, erfolgreich eingesetzt werden.

Inhalt

Die Vorlesung vermittelt Kenntnisse bezüglich Methoden, Technologien und Vorgehensweisen, die beim Test von Software für eingebettete Systeme zum Einsatz kommen. In der angeschlossenen praktischen Übung werden Übungsaufgaben bearbeitet und aktuelle Testwerkzeuge eingesetzt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen + Übung: 60h

2. Vor-/Nachbereitung von Übung und Vorlesung = 35h

3. Prüfungsvorbereitung und Präsenz in selbiger  = 20h

Empfehlungen

Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.

Modul: Testing Digital Systems I [M-INFO-100851]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101388 Testing Digital Systems I 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Das Ziel dieser Vorlesung ist es, die Grundlagen zu übermitteln, die notwendig sind, um Testmethoden für digitale Systeme entwickeln zu können.

Inhalt

Das Testen digitaler Schaltungen spielt eine kritische Rolle bei Design und Herstellung der Zyklen. Es stellt außerdem die Qualität der Teile sicher, die an die Kunden geliefert werden. Test Generierung und das Design for Testability (DFT) sind wesentliche Bestandteile eines automatisierten Design Flows aller Halbleiter-Bauteile. Das Ziel dieser Vorlesung ist es, die Grundlagen zu übermitteln, die notwendig sind, um Testmethoden für digitale Systeme entwickeln zu können und präsentiert die Techniken, die notwendig sind, um DFT praktisch anwenden zu können.


Dieser Kurs umfasst die theoretischen und praktischen Aspekte zum Testen digitaler Systeme und das Design einfacher testbarer Schaltungen. Themen beinhalten die Einführung in das Testen (testing definition, types of test, automatic test equipments, test economics, and quality models), Failures and Errors (definitions, failure modes, failure mechanisms, reliability defects), Faults (fault models, stuck-at faults, bridging faults, timing faults, transistor-level faults, functional-level faults, effectiveness of different fault models based on real data), Logic and Fault Simulation (fault equivalence and fault collapsing, true-value simulation, fault simulation algorithms, statistical methods), Test Generation for Combinational Circuits (algebraic methods, path-tracing (D-alg, PODEM, FAN), testability metrics, test file compression), Digital Design-For-Testability and Internal Scan Design (ad-hoc methods, scan architectures, scan-based test methodology).

Arbeitsaufwand

2 SWS:
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS

Modul: Testing Digital Systems II [M-INFO-102962]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-105936 Testing Digital Systems II 3 Tahoori
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Das Ziel dieser Vorlesung ist fortgeschrittenere Themen für das Testen von digitalen Systemen anzubieten und die erworbenen Grundlagen aus Testing Digital Systems I zu vervollständigen.

Inhalt

Das Testen digitaler Schaltungen spielt eine kritische Rolle bei Design und Herstellung der Zyklen. Es stellt außerdem die Qualität der Teile sicher, die an die Kunden geliefert werden. Test Generierung und das Design for Testability (DFT) sind wesentliche Bestandteile eines automatisierten Design Flows aller Halbleiter-Bauteile. Das Ziel dieser Vorlesung ist fortgeschrittenere Themen für das Testen von digitalen Systemen anzubieten und die erworbenen Grundlagen aus Testing Digital Systems I zu vervollständigen.

Die Themen beinhalten funktionales und strukturelles Testen (design verification vectors, exhaustive test, pseudo-exhaustive test, pseudo-random testing), Grundlagen zur Test Generierung für sequentielle Schaltungen (state-machine initialization, time-frame expansion method), zum Built-in Self Test, (test economics of BIST, pattern generation, output response analysis, BIST architectures), Boundry Scan Test (Boundry scan architectures, test methodology), Delay Testing (path delay test, hazard-free, (non-)robust delay tests, transition faults, delay test schemes), Current-Based Testing (motivation, variations and test vectors for IDDQ), Speicher Tests (memory test algorithm, BIST, repair), und DFT für System-on-Chip Systeme.

Arbeitsaufwand

2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.

Modul: Text-Indexierung [M-INFO-102732]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Pflichtbestandteile
T-INFO-105691 Text-Indexierung 4 Sanders
T-INFO-111855 Text-Indexierung Projekt/Experiment 1 Sanders
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erwerben ein systematisches Verständnis algorithmischer Fragestellungen und Lösungsansätze im Bereich der Text-Indexierung, das auf dem bestehenden Wissen im Themenbereich Algorithmik aufbaut. Außerdem können sie erlernte Techniken auf verwandte Fragestellungen anwenden und aktuelle Forschungsthemen im Bereich Text-Indexierung interpretieren und nachvollziehen.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung können die Studierenden

Inhalt

In dieser Vorlesung beschäftigen wir uns mit Algorithmen und Datenstrukturen für Texte, speziell Text-Indizes. Text-Indizes sind Datenstrukturen, die Zusatzinformationen über einen Text bereitstellen, um Anfragen hinsichtlich dieses Texts zu beschleunigen. Hierbei kann es sich um einfache Pattern-Matching-Anfragen („Kommt ein Suchmuster im Text vor?“) oder komplexere Data-Mining-Anfragen („Welches Muster einer bestimmten Länge kommt am häufigsten im Text vor?“) handeln.

Darüber hinaus beschäftigen wir uns mit der Textkompression. Hierbei möchten wir einen Text möglichst platzeffizient darstellen. Allerdings müssen wir sicherstellen, dass der originale Text vollständig rekonstruiert werden kann. Wir sprechen hierbei von verlustfreier Kompression. In der Vorlesung lernen wir Techniken kennen, die unter anderem in Kompressionsprogrammen wie gzip verwendet werden.

Anmerkungen

 

Arbeitsaufwand

Vorlesung mit Projekt/Experiment mit 3 SWS, 5 LP entsprechen ca. 150 Arbeitsstunden, davon

30 Std. Besuch der Vorlesung

60 Std. Vor- und Nachbereitung

30 Std. Bearbeiten des Projekts/Experiments

30 Std. Prüfungsvorbereitung

Empfehlungen

Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf.  Entsprechende Vorkenntnisse sind also hilfreich.

Modul: Theoretical Optics [M-PHYS-102277]

Verantwortung:
PD Dr. Boris Narozhnyy
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-PHYS-104578 Theoretische Optik 6 Narozhnyy, Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Qualifikationsziele

The students deepen their knowledge about the theory and the mathematical tools in optics and photonics. They learn how to apply these tools to describe fundamental phenomena and how to predict observable quantities that reflect the actual physics from the theory by way of a corresponding purposeful mathematical analyses. They learn how to solve problems of both, interpretative and predictive nature with regards to model systems and real life situations.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 hours composed of active time (45 hours), wrap-up of the lecture incl. preparation of the examination (135 hours)

Empfehlungen

Solid mathematical background, good knowledge of classical electromagnetism and basic knowledge of quantum mechanics.

Literatur

Modul: Theoretische Grundlagen der Kryptographie [M-INFO-105584]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111199 Theoretische Grundlagen der Kryptographie 6 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende
- kann die grundlegende Begriffe der Kryptographie motivieren, erklären, ihre Unterschiede aufzeigen, und sie untereinander in Beziehung setzen.
- ist in der Lage, Sicherheitsmodelle und -ziele zu vergleichen und zu bewerten.
- kennt und versteht Definitionen und Konstruktionen, und deren Zusammenhänge und Abhängigkeiten. Beispielweise Eigenschaften wie „einweg“, „kollisionsresistent“, „pseudo-zufällig“, „IND-CPA“, „IND-CCA“, „EUF-CMA“, etc., und Kandidaten, Konstruktionen, und Verfahren mit solchen Eigenschaften.
- versteht elementare Beweistechniken (wie z.B. Reduktionen und Hybridargumente) und kann diese anwenden
- kann Sicherheitsbeweise nachvollziehen, prüfen und erklären.
- kann einfache neue Verfahren konstruieren, bewerten, und mögliche Angriffe finden.
- kann (einfache) sichere Verfahren mit den gelernten Techniken als sicher beweisen.

Inhalt

Die Vorlesung behandelt die theoretischen Grundlagen der Kryptographie, mit Fokus auf nicht-interaktiven Grundlagen. Die Vorlesung besteht aus drei großen Teilen.
1. Komplexitätstheoretische Aspekte
2. Secret-Key Kryptographie
3. Public-Key Kryptographie

Die üblichen Inhalte umfassen:
- Asymptotische Sicherheit, Einwegfunktionen, Pseudozufall und Ununterscheidbarkeit
- Secret-Key Kryptographie (Verschlüsselung, Sicherheitsbegriffe wie IND-CPA, IND-CCA, Authentizität, und authentifizierte Verschlüsselung)
- Public-Key Verschlüsselung (Sicherheitsbegriffe in dieser Situation, insbesondere CCA-Sicherheit)
- Signaturen (Definition und grundlegende Konstruktionen.)
- Ausblicke auf weiterführende Themen (beispielsweise als Teil der Übungen)

Zur Vorlesung findet eine ergänzende Übung statt, die Stoff rekapituliert, vertieft, und in neuem Kontext anwendet.

Die konkreten Inhalte von Vorlesung und Übung variieren, je nach Wahl des Schwerpunktes. Sie dient als Grundlage für weiterführende Vorlesungen und Seminare, beispielsweise zu kryptographischen Protokollen (interaktive Kryptographie) und fortgeschrittene nicht-interaktive Kryptographie.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 48 h


Vor-/Nachbereitung derselbigen: 52 h


Prüfungsvorbereitung und Präsenz in selbiger: 80 h

Modul: Theoretische Philosophie I [M-GEISTSOZ-104509]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
11
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-GEISTSOZ-101176 Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) 0 Betz
T-GEISTSOZ-101177 Theoretische Philosophie 1.2 0 Betz
T-GEISTSOZ-101178 Theoretische Philosophie 1.3 0 Betz
T-GEISTSOZ-109224 Modulprüfung Theoretische Philosophie I 11 Betz
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen sowie der Modulprüfung.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden sind imstande, Grundprobleme der theoretischen Philosophie zu benennen, verschiedene Lösungsansätze wiederzugeben, kritisch zu hinterfragen, ihren historischen Kontext zu bestimmen und sie im Hinblick auf ihre systematischen Implikationen zu beurteilen.

Inhalt

Die Studierenden erwerben umfangreiche Kenntnisse moderner und aktueller Positionen der theoretischen Philosophie, insbesondere der Philosophie der Wissenschaften. Exemplarisch werden dafür zentrale Themen und Problemstellungen der theoretischen Philosophie eingeführt, wie zum Beispiel Probleme der Erkenntnis, der Rechtfertigung und Begründung; Fragen der Entwicklung, des Geltungsanspruchs und der kulturell-gesellschaftlichen Rolle der Wissenschaften; Probleme der Bedeutung, der Wahrheit und Objektivität; Fragen der Logik und Argumentation; das Leib-Seele-Problem und Fragen des Seins.

Arbeitsaufwand

Insgesamt 330 h: Präsenz in den Veranstaltungen ca. 90 h, Vor- und Nachbereitung einschließlich selbstständiger Lektüre empfohlener Fachliteratur 80 h, Vorbereitung der Referate bzw. Hausaufgaben 60 h, Hausarbeit ca. 100 h.

Empfehlungen

Weil die Modulprüfung u.U. Voraussetzung für nachfolgende Module ist, wird dringend empfohlen, die Hausarbeit bis zum Ende des zweiten Semesters des Moduls abgegeben zu haben.

Modul: Timed Systems [M-INFO-106293]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Pflichtbestandteile
T-INFO-112754 Timed Systems 5 Schwammberger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden können eigenständig Software-Systeme mit Zeit- Komponenten modellieren und analysieren. Hierzu können sie aus verschiedenen Modellierungs-Methoden die für den Anwendungsbereich passende wählen. Mit Hilfe von formalen Methoden und praktischer Werkzeuge (UPPAAL) analysieren die Studierenden ihre Modellierung bezüglich Korrektheit. Die Studierenden können die gelernten Methoden auf aktuelle Probleme übertragen.

Inhalt

Viele der (eingebetteten) Software-Systeme mit denen wir im Alltag konfrontiert sind, haben zeitkritische Funktionalitäten. Beispielsweise sollte ein Airbag bei einem Unfall innerhalb einer bestimmten, sehr kurzen, Zeitspanne aktiviert werden. Ebenso erwarten wir von den diversen Apps auf unseren Smartphones schnelle Antwortzeiten, um sie komfortabel und zielbringend zu nutzen.
Bei der Modellierung von Software-Systemen ist somit „Zeit“ ein entscheidender Faktor. In dieser Vorlesung werden verschiedenen Mechanismen beschrieben sogenannte Realzeitsysteme zu formalisieren. Neben der Modellierung steht auch die Analyse der Systeme im Fokus der Vorlesung. Es werden insbesondere folgende Themen behandelt:

- Timed Automata (eine Erweiterung endlicher Automaten um Zeit)
- Model-Checking von Timed Automata mit Hilfe von UPPAAL
- Duration Calculus (eine Logik die über Zeitintervalle spricht)
- Erweiterungen und Anwendungen von Timed Systems

Die wöchentliche Vorlesung besteht sowohl aus theoretischen als auch angewandten Anteilen. Für Anwendung und Transfer der Inhalte werden freiwillige Übungsaufgaben angeboten, die in der zweiwöchentlichen Übung besprochen werden.

Arbeitsaufwand

3 SWS Vorlesung
5 ECTS entsprechen 150 Arbeitsstunden, davon
ca. 40 Std. Besuch der Vorlesung (theoretischer und angewandter Teil)
ca. 40 Std. Vor- und Nachbereitung
ca. 40 Std. Bearbeitung von VL-vertiefenden Übungsaufgaben
ca. 30 Std. Klausurvorbereitung

Empfehlungen

Grundlagen-Wissen in Gebieten der Theoretischen Informatik und Modellerung (eingebetteter) Software-Systeme sind hilfreich (z.B. temporale Logiken, endliche Automaten, Prädikatenlogik), werden aber nicht vorausgesetzt.

Literatur

Das Buch „E.-R. Olderog, H. Dierks: Real-Time Systems“ wird als Lektüre für einige Vorlesungsinhalte benutzt ( https://doi.org/10.1017/CBO9780511619953 ).

Modul: Tools für Probabilistisches Machine Learning [M-INFO-106870]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
3
Version
1
Pflichtbestandteile
T-INFO-113763 Tools für Probabilistisches Machine Learning 6 Hanebeck
T-INFO-113764 Tools für Probabilistisches Machine Learning - Übungsschein 0 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Teilnehmerinnen und Teilnehmer dieses Kurses haben einen breiten Überblick über Werkzeuge der probabilistischen Parameter- und Zustandsschätzung mittels Machine Learning und können diese zur Lösung verschiedenster Probleme kreativ miteinander verketten.

Inhalt

Das Modul soll den Studenten die theoretischen und praktischen Aspekte des probabilistischen Machine Learning vermitteln. Eine breite Auswahl an Werkzeugen aus der Schätztheorie wird so präsentiert, dass jeweils sowohl ein formal-akademisches als auch anschaulich-intuitives Verständnis des grundlegenden Prinzips entsteht. Des Weiteren soll die Funktionalität der aktuellen Implementierungen in den einschlägigen Bibliotheken überblickt werden. Im Fokus steht die Befähigung zur Problemlösung vielfältiger Aufgaben durch bausteinartige Verknüpfung einzelner numerischer und theoretischer Tools zu einer formal korrekten und numerisch berechenbaren Verarbeitungspipeline. Dabei wird jeweils auch die Zuverlässigkeit und Glaubwürdigkeit der Ergebnisse beleuchtet. All das wird von einer rein digitalen Übung mit Rechen- und Programmieraufgaben unterstützt.
Vorgestellte numerische Werkzeuge sind Interpolation, Regression (linear and spline, kernel method, Gaussian process, neural network), Differenzierung (finite differences, automatic differentiation), Nullstellen finden (bisection, Newton-Raphson, secant method), nichtlineare Optimierung (steepest descent, Newton, BFGS, Levenberg-Marquardt, KKT), Sampling (independent random, MCMC, deterministic, control variates, low-discrepancy), Kubatur (Monte Carlo, quasi-Monte Carlo) und gewöhnliche Differentialgleichungen (Euler, Runge-Kutta).
Vorgestellte theoretische Werkzeuge sind Least Squares, Maximum- Likelihood, fehlertolerante Schätzung, Bayessche Inferenz, Expectation Maximization, Message Passing.
Die praktischen Problemstellungen, die mit diesen Werkzeugen gelöst werden können, beinhalten Dichteschätzung, Klassifikation, Navigation (RSS, GNSS), Lokalisierung (radar, bearings-only, TDOA multilateration), allgemeine Zustandsschätzung (KF, EKF, UKF, PF), Regelung (NMPC). Ein wichtiger Aspekt ist jeweils auch die Aufteilung der Probleme in lineare und nichtlineare Teile mit effizienter separater Bearbeitung.

Arbeitsaufwand

Pro Woche:
2 SWS Präsenzzeit
2h Nachbereitung
6h Digitale Übung mit Programmieraufgaben 2h Klausurvorbereitung
= 12h/Woche und 180h/Semester

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Modul: Ubiquitäre Informationstechnologien [M-INFO-100789]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101326 Ubiquitäre Informationstechnologien 5 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Ziel der Vorlesung ist es, Kenntnisse über Grundlagen und weitergehende Methoden und Techniken des Ubiquitous Computing zu vermitteln. Nach Abschluss der Vorlesung können die Studierenden

Inhalt

Die Vorlesung gibt einen Überblick über Historie und lehrt die Konzepte, Theorien und Methoden der Ubiquitären Informationstechnologie (Ubiquitous Computing). Anhand des Appliance-Konzepts werden dann in der Übung von den Studierenden eigene Appliances entworfen, die Konstruktion geplant und dann entwickelt. Die notwendigen technischen und methodischen Grundlagen wie Hardware für Ubiquitäre Systeme, Software für Ubiquitäre Systeme, Prinzipien der Kontexterkennung für Ubiquitäre Systeme, Vernetzung Ubiquitärerer Systeme und Entwurf von Ubiquitären Systemen und insbesondere Information Appliances werden thematisiert. In Ubiquitous Computing entwickelte Methoden des Entwurfs und Testens für Mensch-Maschine Interaktion und Mensch-Maschine Schnittstellen werden ausführlich erklärt. Es findet auch eine Einführung findet in die wirtschaftlichen Aspekte eines Ubiquitären Systems statt.

Im Übungsteil der Vorlesung wird durch praktische Anwendung der Wissensgrundlage der Vorlesung das Verständnis in Ubiquitäre Systeme vertieft. Die Studierenden entwerfen und entwickeln dazu eine eigene Appliance und testen diese. Ziel ist es die Schritte hin zu einer prototypischen und eventuell marktfähigen Appliance durchlaufen zu haben.

Arbeitsaufwand
Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 150 Stunden (5.0 Credits).

Aktivität

Arbeitsaufwand

Präsenzzeit: Besuch der Vorlesung

15 x 90 min

22 h 30 min

Präsenzzeit: Besuch der Übung

15 x 45 min

11 h 15 min

Vor- / Nachbereitung der Vorlesung und Übung

15 x 90 min

22 h 30 min

Selbstentwickeltes Konzept für eine Information Appliance entwickeln

33 h 45 min

Foliensatz 2x durchgehen

2 x 12 h

24 h 00 min

Prüfung vorbereiten

36 h 00 min

SUMME

150 h 00 min

Arbeitsaufwand für die Lerneinheit ,,Ubiquitäre Informationstechnologien’’

Empfehlungen

Siehe Teilleistung

Modul: Universal Composability in der Kryptographie [M-INFO-105783]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-111584 Universal Composability in der Kryptographie 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

- versteht die bei Protokollkomposition auftretenden Probleme und kann diese auch anhand von Beispielen erklären.

- kennt und versteht die in der Vorlesung vorgestellten Frameworks, Sicherheitsbegriffe und deren Eigenschaften und kann diese erläutern, in Beziehung setzen bzw. beweisen.

- kennt und versteht die in der Vorlesung vorgestellten Protokolle und Beweise und kann diese wiedergeben.

- kann die in der Vorlesung gezeigten Techniken selbstständig anwenden, beispielsweise um die Sicherheit bzw. Unsicherheit von einfachen Protokollen beweisen bzw. zeigen.

Inhalt

In der Vorlesung "Kryptographische Protokolle" wurden Methoden und Bausteine zur sicheren Mehrparteienberechnung vorgestellt. Die Sicherheit wurde dabei für eine einzelne Ausführung und unter sequenzieller Komposition gezeigt.

In der Realität werden Protokolle jedoch nebenläufig ausgeführt - sowohl mehrere Instanzen desselben Protokolls (concurrent composition) als auch mehrere, unterschiedliche Protokolle (general composition), die unabhängig voneinander entworfen wurden.

Diese Protokollkomposition wird von klassischen Sicherheitsbegriffen nicht hinreichend abgedeckt: So kann es sein, dass die Ausführung einer einzelner Protokollinstanz zwar als sicher bewiesen werden kann. Wird dasselbe Protokoll mehrfach gleichzeitig ausgeführt, kann jedoch alle Sicherheit verloren gehen.

 

Im ersten Teil der Vorlesung wird deshalb der Begriff der universell komponierbaren Sicherheit vorgestellt, der das Setting von general composition, in dem beliebige Protokolle nebenläufig ausgeführt werden, abbildet. Eine wichtige Einsicht hierbei ist, dass UC-Sicherheit nur mithilfe von Vertrauensannahmen, sogenannten "Setups", erreicht werden kann.

Im zweiten Teil der Vorlesung werden wichtige Protokolle, die diese starke Sicherheit erfüllen, vorgestellt, beispielsweise für Commitments oder generische sichere
Mehrparteienberechnung.

Zum Ende der Vorlesung werden weitere komponierende Sicherheitsbegriffe sowie dazugehörige Protokolle betrachtet, die schwächer als UC-Sicherheit sind, dafür aber ohne Setup auskommen.

Arbeitsaufwand

90 h
Präsenzzeit in der Vorlesung: 24 h
Vor-/Nachbereitung derselbigen: 31 h
Prüfungsvorbereitung und Präsenz in selbiger: 35 h

Empfehlungen

Studierende sollten mit den Inhalten der Module "Theoretische Grundlagen der Kryptographie" und „Kryptographische Protokolle“ vertraut sein.

Modul: Unscharfe Mengen [M-INFO-100839]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101376 Unscharfe Mengen 6 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

In diesem Modul wird die Theorie und die praktische Anwendung von unscharfen Mengen grundlegend vermittelt. In der Veranstaltung werden die Bereiche der unscharfen Arithmetik, der unscharfen Logik, der unscharfen Relationen und das unscharfe Schließen behandelt. Die Darstellung und die Eigenschaften von unscharfen Mengen bilden die theoretische Grundlage, worauf aufbauend arithmetische und logische Operationen axiomatisch hergeleitet und untersucht werden. Hier wird ebenfalls gezeigt, wie sich beliebige Abbildungen und Relationen auf unscharfe Mengen übertragen lassen. Das unscharfe Schließen als Anwendung des Logik-Teils zeigt verschiedene Möglichkeiten der Umsetzung von regelbasierten Systemen auf unscharfe Mengen. Im abschließenden Teil der Vorlesung wird die unscharfe Regelung als Anwendung betrachtet.

Arbeitsaufwand

180 Stunden

Empfehlungen

Siehe Teilleistung.

Modul: Unterteilungsalgorithmen [M-INFO-101863]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-103551 Unterteilungsalgorithmen 3 Prautzsch
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Students of this course are knowledgeable about subdivision algorithms and are able to analyze the smoothness of subdivision algorithms.

Inhalt

Chaikin algorithm, Lane-Riesenfeld algorithm, stationary subdivision for curves, regular quadrilateral, triangular and hexagonal meshes, the subdivision symbol, stencils, difference and derivative schemes, convergence theorems, four-point scheme, box spline subdivision, half box spline subdivision, stationary subdivision of arbitrary meshes with extraordinary points, the midpoints scheme, subdivision matrix, characteristic map, differentiability at extraordinary points, the simplest subdivision scheme, Doo-Sabin algorithm, Catmull-Clark algorithm, WAVE schemes including Loop’s scheme, butterfly scheme, sqrt 3 scheme, 4-8 scheme, Ck subdivision algorithms, corner cutting and similar topics.

Arbeitsaufwand

90h of which about

30h for attending the lecture

30h for post-processing

30h for exam preparation

Modul: Verarbeitung natürlicher Sprache [M-INFO-105999]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-112177 Verarbeitung natürlicher Sprache 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studentin oder der Student soll die Probleme, die in der Verarbeitung natürlicher Sprache vorhanden sind, kennenlernen
• Der Studierende in die Grundlegenden Techniken zur Lösung der Probleme eingeführt werden.
• Die Studentin oder der Student soll einen Einblick in die aktuelle Forschung im Bereich der Verarbeitung natürlicher
Sprache erhalten und kann mit dem erworbenen Wissen an aktuellen Forschungsthemen arbeiten

Inhalt

Fasse die heutige Vorlesung zusammen? Wann wurden neuronale Netze erfunden? Eine künstliche Intelligenz, die diese Fragen beantworten kann, ist ein langer Menschheitstraum. Und heute sehen wir erste Programme, die diese Probleme lösen können. In dieser Vorlesung werden die Fähigkeiten und das Wissen vermittelt um Lösungen für diese Probleme der Verarbeitung natürlicher Sprach mittels Methoden auf dem neusten Stand der Technik zu entwickeln.
Nach einer Einführung in die Herausforderungen bei der Verarbeitung von natürlicher Sprache, werden die unterschiedlichen Aufgaben in der Verarbeitung natürlicher Sprache behandelt. Dabei liegt ein Focus des Kurses auf Methoden aus dem Bereich des Deep Learnings. Zunächst werden Sequenzklassifikationsaufgaben wie die Sentiment Analysis behandelt. Danach werden Methoden des Sequenzlabels besprochen wie sie z.B. bei der Erkennung von Eigennamen oder Bestimmung von Part-of-Speech Tags verwendet werden. Anschließend wird die Vorlesung Sequenz-zu-Sequenz Methoden besprechen. Diese Modelle werden in vielen Aufgaben der Verarbeitung natürlicher Sprach verwenden, z.B. in der Maschinellen Übersetzung, der automatischen Zusammenfassung und dem automatischen Beantworten von Fragen.
In diesen Kurs werden dabei die wichtigen Herausforderung bei der Entwicklung von Systemen behandelt: Die Repräsentation von Wörtern, Neurale Architekturen um Sprache zu modellieren, Methoden um komplexe Modelle zu trainieren und die wahrscheinlichste Ausgabe zu finden.

Arbeitsaufwand

180h

Modul: Verkehrswesen für Informatik - Vertiefung [M-BGU-106811]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: Ergänzungsfach / Verkehrswesen
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Wahlinformationen

Es ist eine der Lehrveranstaltungen mit der dazugehörenden Erfolgskontrolle auszuwählen.  Auf Antrag an den Prüfungsausschuss können bis zu drei Lehrveranstaltungen mit den dazugehörenden Erfolgskontrollen gewählt werden.

Wahlpflicht (Wahl: 3 LP)
T-BGU-101799 Verkehrsmanagement und Telematik 3 Vortisch
T-BGU-100010 Empirische Daten im Verkehrswesen 3 Kagerbauer
T-BGU-106611 Güterverkehr 3 Szimba, Vortisch
T-BGU-106301 Fern- und Luftverkehr 3 Vortisch
T-BGU-100014 Seminar Verkehrswesen 3 Kagerbauer, Vortisch
T-BGU-112552 Seminar Modellierung und Simulation im Verkehrswesen 3 Kagerbauer, Vortisch
T-BGU-106608 Informationsmanagement für öffentliche Mobilitätsangebote 3 Vortisch
Erfolgskontrolle(n)

je nach gewählter Lehrveranstaltung:

- Teilleistung T-BGU-101799 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
- Teilleistung T-BGU-100010 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
- Teilleistung T-BGU-106611 mit einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1
- Teilleistung T-BGU-106301 mit einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1
- Teilleistung T-BGU-100014 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3
- Teilleistung T-BGU-112552 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3
- Teilleistung T-BGU-106608 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3

Einzelheiten zu den Erfolgskontrollen siehe bei der jeweiligen Teilleistung.

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende besitzt vertieftes Wissen und kann die wesentliche Werkzeuge anwenden, um in Kombination mit dem grundlegenden Methodenwissen als Informatiker, je nach gewählter ”Vertiefung”,

tätig sein.

Inhalt

Dieses Modul bietet einen vertiefenden Einblick im Verkehrsbereich. Durch die Wahl der Veranstaltung(en) wird die Spezialisierung gewählt - mehr in Richtung Verkehrsplanung oder eher in Richtung Verkehrstechnik und/oder Verkehrssimulation. Dieses Modul richtet sich an diejenigen Studierenden, die einen Schwerpunkt im Verkehrsbereich legen wollen. Interesse für Verkehrsplanung und den Verkehrssektor wird vorausgesetzt.

Zusammensetzung der Modulnote

Modulnote ist Note der Prüfung;

bei genehmigter Wahl von mehr als einer Teilleistung:
Modulnote ist nach Leistungspunkten gewichteter Durchschnitt aus Noten der Teilprüfungen

Anmerkungen

Lehrveranstaltungen mit zugehörender Prüfung aus folgender Auswahl:

Arbeitsaufwand

Präsenzzeit (1 SWS = 1 Std. x 15 Wo.), je nach gewählter Lehrveranstaltung bzw. Prüfung:

Selbststudium, je nach gewählter Lehrveranstaltung bzw. Prüfung:

Summe: 90 - 270 Std.

Empfehlungen

Belegung des Moduls Verkehrswesen für Informatik I (M-BGU-102963)

Modul: Verkehrswesen für Informatik I [M-BGU-102963]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: Ergänzungsfach / Verkehrswesen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-BGU-105938 Verkehrswesen für Informatik I 9 Vortisch
Erfolgskontrolle(n)

Teilleistung T-BGU-105938 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2

Einzelheiten zur Erfolgskontrolle siehe bei der Teilleistung.

Voraussetzungen

Modul darf nicht zusammen mit dem Modul M-BGU-102964 Verkehrswesen für Informatik II [bauiEX311] belegt werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Fach Verkehrswesen befasst sich mit Fragen des Verkehrssektors, die von gesamtgesellschaftlich begründeten Planungskonzepten bis hin zu technischen Problemen des Verkehrs reichen. Die Lehre ist interdisziplinär angelegt und reicht von den methodischen Grundlagen (analytischen Ansätzen) bis hin zu komplexen Simulationen. Dieses Modul richtet sich an diejenigen Studierenden, die einen vertiefenden Einblick in den Verkehrsbereich erhalten möchten. Interesse für Verkehrsplanung und den Verkehrssektor wird vorausgesetzt.

Zusammensetzung der Modulnote

Modulnote ist Note der Prüfung in der Teilleistung "T-BGU-105938 Verkehrswesen für Informatik I".

Anmerkungen

Keine

Arbeitsaufwand
Präsenzzeit (1 SWS = 1 Std. x 15 Wo.):

Selbststudium:

Summe: 270 Std.

Empfehlungen

Keine

Modul: Verteilte ereignisdiskrete Systeme [M-ETIT-100361]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-ETIT-100960 Verteilte ereignisdiskrete Systeme 4 Heizmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Mit Abschluss des Moduls besitzen die Studierenden grundlegende Kenntnisse auf dem Gebiet der ereignisdiskreten Systeme. Sie haben mit der Markov-Theorie Wissen über die wesentlichen theoretischen Grundlagen erlangt, können ereignisdiskrete Problemstellungen erkennen und diese mithilfe der Theorie der Warteschlangensysteme und der Max-Plus-Algebra lösen.

Inhalt

Das Modul behandelt die Grundlagen zur Beschreibung und Analyse ereignisdiskreter Systeme. Der Inhalt der Vorlesung setzt sich aus folgenden Themengebieten zusammen: Markov-Theorie, Warteschlangensysteme und Max-Plus-Algebra.

Zusammensetzung der Modulnote

Notenbildung ergibt sich aus der schriftlichen Prüfung

Arbeitsaufwand

Die Vorbereitung (0,5 h), der Besuch (1,5 h) und die Nachbereitung (1 h) der wöchentlichen Vorlesung und der 14-täglich stattfinden Übung sowie die Vorbereitung (40-50 h) und Teilnahme (2 h) an der Klausur ergibt insgesamt einen Arbeitsaufwand von 110-120 h.

Empfehlungen

Die Kenntnis der Inhalte der Module „Wahrscheinlichkeitstheorie“, „Signale und Systeme“ und „Messtechnik“ wird dringend empfohlen.

Modul: Verteiltes Rechnen [M-INFO-100761]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101298 Verteiltes Rechnen 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende verstehen die Grundbegriffe verteilter Systeme, im Speziellen in den aktuellen Techniken des Grid und Cloud Computing sowie des Management großer bzw. verteilter Daten. Sie wenden zugrundeliegenden Paradigmen und Services auf gegebene Beispiel an.

Studierende analysieren Methoden und Technologien des Grid und Cloud Computing sowie verteilten Daten-Managements, die für den Einsatz in alltags- und industriellen Anwendungsgebieten geeignet sind bzw. welche heute von Google, Facebook, Amazon, etc. eingesetzt werden. Hierfür vergleichen die Studierenden Web/Grid Services, elementare Grid Funktionalitäten, Datenlebenszyklen, Metadaten, Archivierung, Cloud Service Typen (IaaS, SaaS, PaaS) und Public/Private Clouds anhand von Beispielen aus der Praxis.

Inhalt

ie Vorlesung „Verteiltes Rechnen“ gibt eine Einführung in die Welt des verteilten Rechnens mit einem Fokus auf Grundlagen, Technologien und Beispielen aus Grid, Cloud und dem Umgang mit Big Data.

Zuerst wird eine Einführung in die Hauptcharakteristika verteilter Systeme gegeben. Danach wird auf die Thematik Grid näher eingegangen und es werden Architektur, Grid Services, Sicherheit und Job Ausführung vorgestellt. Am Beispiel des WLCG (der Grid Infrastruktur zur Verteilung, Speicherung und Analyse der Daten des LHC-Beschleunigers am CERN) wird die enge Verwandtschaft zwischen Grid Computing und verteiltem Daten-Management dargestellt.

Im zweiten Teil werden Prinzipien und Werkzeuge zum Management großer bzw. verteilter Daten vorgestellt - dies schließt Datenlebenszyklus, Metadaten und Archivierung ein. Beispiele aus Wissenschaft und Industrie dienen zur Veranschaulichung. Moderne Speichersysteme wie z.B. dCache, xrootd, Ceph und HadoopFS werden als praktische Beispiele vorgestellt.

Der dritte Teil der Vorlesung geht auf das Thema Cloud ein. Nach der Definition grundlegender Begriffe und Prinzipien (Iaas, PaaS, SaaS, public vs. private Clouds), auch mittels Beispielen, wird das Thema Virtualisierung als grundlegende Technik des Cloud Computing vorgestellt. Den Abschluss bildet MapReduce als Mechanismus zur Verarbeitung und Analyse großer, verteilter Datenbestände wie es auch von Google eingesetzt wird.

Arbeitsaufwand

120 h / Semester, davon 30 h Präsenzzeit und 90 h Selbstlernen aufgrund der Komplexität des Stoffs

Modul: Virtuelle Systeme [M-INFO-100867]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Systemarchitektur
Wahlbereich Informatik
Leistungspunkte
3
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101612 Virtuelle Systeme 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bewerten einflussreiche wissenschaftliche Veröffentlichungen aus dem Bereich der Virtuellen Systeme und beurteilen deren Qualität nach den Kriterien Relevanz, Neuigkeit, Design, Evaluation und Darstellung.

Studierende diskutieren in moderierter Runde ihre Gutachten.

Inhalt

Alle Gebiete der virtuellen Systeme werden berücksichtigt wie Virtuelle Maschinen, Emulation und Interpretation, Simulation, Aufzeichnung und Wiedergabe.

Arbeitsaufwand
30 h = 2 SWS * 15 Präsenz

45 h Nachbereitung

15 h Prüfungsvorbereitung

90 h = 3 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Visualisierung [M-INFO-100738]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101275 Visualisierung 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen in dieser Vorlesung wichtige Algorithmen und Verfahren der Visualisierung kennen und können diese unterschiedlichen Anwendungsfeldern zuordnen, sie analsieren und bewerten. Die erworbenen Kenntnisse sind in vielen Bereichen der Forschung in der Computergrafik, und der (Medizin-/Bio-/Ingenieurs-)Informatik wertvoll. Die Studierenden können für ein gestelltes Problem geeignete Visualisierungstechniken auswählen und selbst implementieren.

Inhalt

Die Visualisierung beschäftigt sich mit der visuellen Repräsentation von Daten aus wissenschaftlichen Experimenten, Simulationen, medizinischen Scannern, Datenbanken etc., mit dem Ziel ein größeres Verständnis oder eine einfachere Repräsentation komplexer Vorgänge zu erhalten. Hierzu werden u.a. Methoden aus der interaktiven Computergrafik herangezogen und neue Methoden entwickelt. Diese Vorlesung behandelt die sogenannte Visualisierungspipeline, spezielle Algorithmen und Datenstrukturen und zeigt praktische Anwendungen.

Themen dieser Vorlesung sind u.a.:

Arbeitsaufwand

Präsenzzeit                   = 60h

Vor-/Nachbereitung        = 70h

Klausurvorbereitung       = 20h   

Empfehlungen

Siehe Teilleistung.

Modul: Vorhersagen: Theorie und Praxis [M-MATH-102956]

Verantwortung:
Prof. Dr. Tilmann Gneiting
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Pflichtbestandteile
T-MATH-105928 Vorhersagen: Theorie und Praxis 9 Gneiting
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.

Modul: Web-Anwendungen und Serviceorientierte Architekturen (II) [M-INFO-100734]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Pflichtbestandteile
T-INFO-101271 Web-Anwendungen und Serviceorientierte Architekturen (II) 4 Abeck
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Inhalt

Es werden die aktuellen Entwicklungs- und Architekturkonzepte (u.a. Domain-Driven Design, Behavior-Driven Development, Microservices, RESTful Webservices) sowie die zu deren Umsetzung bestehenden Standards und Technologien (u.a. HTML5, CSS3, JavaScript/TypeScript, Angular, Bootstrap, Java, Spring) behandelt, um fortgeschrittene, mobile Web-Anwendungen zu entwickeln. Als Entwicklungsmethode wird Scrum eingeführt, durch das ein Rahmenwerk für die agile Softwareentwicklung bereitgestellt wird. Die IT-Sicherheit wird als ein wesentlicher Aspekt der Web-Entwicklung betrachtet. Die vorgestellten Web-Anwendungen stammen aus verschiedenen Domänen (Connected-Car, Campus-Management, Projektorganisation). Da die in der Vorlesung vorgestellten Konzepte und Technologien nur im Zusammenhang mit deren praktische Anwendung verstanden werden können, wird die Vorlesung nur in Kombination mit einem parallel dazu angebotenen Praktikum angeboten.

Arbeitsaufwand

120h
Präsenzzeit Vorlesung 22,5 (15 x 1,5)
Vor- und Nachbereitung Vorlesung: 60 (15 x 4)
Vorbereitung Prüfung: 37,5

Empfehlungen

Siehe Teilleistung

Modul: Zeitreihenanalyse [M-MATH-102911]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Level
4
Version
2
Pflichtbestandteile
T-MATH-105874 Zeitreihenanalyse 5 Ebner, Fasen-Hartmann, Gneiting, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Die Vorlesung behandelt die grundlegenden Begriffe der klassischen Zeitreihenanalyse:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.

Teilleistungen

Teilleistung: Access Control Systems: Models and Technology [T-INFO-112775]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106303 - Access Control Systems: Models and Technology
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400147 Access Control Systems: Models and Technology 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Leinweber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 Nr. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO) whether the examination takes place
•    in the form of an oral examination lasting 20 minutes pursuant to § 4 Abs. 2 Nr. 2 SPO or
•    in the form of a written examination lasting 60 minutes in accordance with § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106061 - Access Control Systems: Foundations and Practice darf nicht begonnen worden sein.
Empfehlungen

Basics according to the lectures "IT Security Management for Networked Systems" and "Telematics" are recommended.

Teilleistung: Advanced Bayesian Data Analysis [T-INFO-113673]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106812 - Advanced Bayesian Data Analysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400120 Advanced Bayesian Data Analysis 3 SWS Vorlesung / Übung (VÜ) / 🗣 Klein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of a written exam, usually 90 minutes in length, according to § 4 Abs. 2 Nr. 1 SPO.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Empfehlungen

-    Knowledge in R or Python
-    Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Teilleistung: Advanced Communications Engineering [T-ETIT-113676]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106815 - Advanced Communications Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment takes place in the form of a written examination lasting 120 min.

The module grade is the grade of the written exam.

Voraussetzungen

none

Teilleistung: Advanced Corporate Finance [T-WIWI-113469]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2530214 Advanced Corporate Finance 2 SWS Vorlesung (V) / 🗣 Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Teilleistung: Advanced Empirical Asset Pricing [T-WIWI-110513]

Verantwortung:
TT-Prof. Dr. Julian Thimme
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530601 Übung zu Advanced Empirical Asset Pricing 1 SWS Übung (Ü) / 🧩 Thimme
WS 24/25 2530602 Advanced Empirical Asset Pricing 2 SWS Vorlesung (V) / 🧩 Thimme
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) in der vorlesungsfreien Zeit des Semesters. Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung angeboten werden. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe von Lösungsversuchen zu 80% der gestellten Übungsaufgaben kann ein Notenbonus erworben werden.

Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Empfehlungen

Die Inhalte der Bachelor-Veranstaltung Investments werden als bekannt vorausgesetzt und sind notwendig, um dem Kurs folgen zu können. Zudem wird eine vorherige Teilnahme an der Master-Veranstaltung Asset Pricing dringend empfohlen.

Anmerkungen

Neue Lehrveranstaltung ab Wintersemester 2019/2020.

Teilleistung: Advanced Game Theory [T-WIWI-102861]

Verantwortung:
Prof. Dr. Karl-Martin Ehrhart
Prof. Dr. Clemens Puppe
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2500037 Advanced Game Theory 2 SWS Vorlesung (V) / 🗣 Puppe, Ammann
WS 24/25 2500038 Übung zu Advanced Game Theory 1 SWS Übung (Ü) / 🗣 Puppe, Ammann
WS 24/25 2521533 Advanced Game Theory 2 SWS Vorlesung (V) / 🗣 Reiß
WS 24/25 2521534 Übung zu Advanced Game Theory 1 SWS Übung (Ü) / 🗣 Reiß, Peters
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Es werden Grundkenntnisse in Mathematik und Statistik vorausgesetzt.

Teilleistung: Advanced Machine Learning [T-WIWI-109921]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Dr. Abdolreza Nazemi
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2540535 Advanced Machine Learning 2 SWS Vorlesung (V) Nazemi
SS 2024 2540536 Übung zu Advanced Machine Learning 1 SWS Übung (Ü) Nazemi
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Teilleistung: Advanced Machine Learning and Data Science [T-WIWI-111305]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105659 - Advanced Machine Learning and Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Lehrveranstaltungen
SS 2024 2500016 Advanced Machine Learning and Data Science 4 SWS Projekt (PRO) / 🧩 Ulrich
SS 2024 2530357 Advanced Machine Learning and Data Science 4 SWS Praktikum (P) Ulrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Prüfung erfolgt in Form einer Prüfungsleistung anderer Art (nach §4, 3 SPO). Es handelt sich hierbei um eine schriftliche Ausarbeitung, die sich an der Veranstaltung "Advanced Machine Learning and Data Science" orientiert.

Voraussetzungen

Das Modul Modeling the Dynamics of Financial Markets muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-WIWI-106660 - Modeling the Dynamics of Financial Markets muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Der Kurs richtet sich an Studierende mit einem Hauptfach in Data Science und/oder Machine Learning. Er bietet den Studierenden die Möglichkeit, praktische Kenntnisse über neue Entwicklungen in den Bereichen Datenwissenschaft und maschinelles Lernen zu erwerben. Bitte bewerben Sie sich über den Link: https://portal.wiwi.kit.edu/forms/form/fbv-ulrich-msc-project

Teilleistung: Advanced Numerical Weather Prediction [T-PHYS-111429]

Verantwortung:
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2024 4052051 Advanced Numerical Weather Prediction 2 SWS Vorlesung (V) / 🗣 Knippertz
SS 2024 4052052 Exercises to Advanced Numerical Weather Prediction 1 SWS Übung (Ü) / 🗣 Oertel, Knippertz, Nguyen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students must achieve 50% of the points on the exercise sheets.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Advanced Topics in Economic Theory [T-WIWI-102609]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2520527 Advanced Topics in Economic Theory 2 SWS Vorlesung (V) / 🗣 Mitusch, Brumm
SS 2024 2520528 Übung zu Advanced Topics in Economic Theory 1 SWS Übung (Ü) / 🗣 Pegorari, Corbo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Erfolgskontrolle erfolgt an zwei Terminen am Ende der Vorlesungszeit bzw. zu Beginn des Folgesemesters.

Voraussetzungen

Keine

Empfehlungen

This course is designed for advanced Master students with a strong interest in economic theory and mathematical models. Bachelor students who would like to participate are free to do so, but should be aware that the level is much more advanced than in other courses of their curriculum.

Teilleistung: Algebra [T-MATH-102253]

Verantwortung:
PD Dr. Stefan Kühnlein
Prof. Dr. Roman Sauer
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101315 - Algebra
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0102200 Algebra 4 SWS Vorlesung (V) / 🗣 Sauer
WS 24/25 0102210 Übungen zu 0102200 (Algebra) 2 SWS Übung (Ü) / 🗣 Sauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung (ca. 30 min).

Voraussetzungen

keine

Teilleistung: Algebraische Geometrie [T-MATH-103340]

Verantwortung:
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101724 - Algebraische Geometrie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2024 0152000 Algebraische Geometrie 4 SWS Vorlesung (V) Herrlich
SS 2024 0152010 Übungen zu 0152000 (Algebraische Geometrie) 2 SWS Übung (Ü) Herrlich
WS 24/25 0102400 Algebraische Geometrie 4 SWS Vorlesung (V) Herrlich
Voraussetzungen

keine

Teilleistung: Algebraische Zahlentheorie [T-MATH-103346]

Verantwortung:
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101725 - Algebraische Zahlentheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
1
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.).

Voraussetzungen

keine

Teilleistung: Algorithm Engineering [T-INFO-101332]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100795 - Algorithm Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2024 2400051 Nicht im SoSe 2024! Algorithm Engineering Vorlesung (V) / 🗣 Sanders, Schimek, Laupichler
WS 24/25 2400021 Algorithm Engineering Vorlesung (V) / 🗣 Sanders, Seemaier
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.


Gewichtung: 80 % mündliche Prüfung, 20 % Übung.

Die Übung kann über verschiedene Leistungsbelege nachgewiesen werden. Diese wird individuell während der Vorlesung bestimmt; i.d.R über ein Seminarvortrag und/oder Praktikumsaufgaben mit Ausarbeitung (die Hauptleistung besteht in der Programmierung, dokumentiert durch den abzugebenden Quelltext).

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111856 - Algorithm Engineering Übung muss begonnen worden sein.

Teilleistung: Algorithm Engineering Übung [T-INFO-111856]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100795 - Algorithm Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 2 Abs. 2 Nr. 3.


Gewichtung: 80 % mündliche Prüfung, 20 % Übung.

Die Übung kann über verschiedene Leistungsbelege nachgewiesen werden. Diese wird individuell während der Vorlesung bestimmt.i.d.R über ein Seminarvortrag und/oder Praktikumsaufgaben mit Ausarbeitung (die Hauptleistung besteht in der Programmierung, dokumentiert durch den abzugebenden Quelltext).

Voraussetzungen

Keine

Teilleistung: Algorithmen für Routenplanung [T-INFO-100002]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100031 - Algorithmen für Routenplanung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2424638 Algorithmen für Routenplanung (mit Übungen) 3 SWS Vorlesung / Übung (VÜ) / 🗣 Feilhauer, Zündorf, Bläsius, Laupichler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Algorithmen II [T-INFO-102020]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101173 - Algorithmen II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24079 Algorithmen II 4 SWS Vorlesung (V) / 🗣 Sanders, Maas, Hermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Teilleistung: Algorithmen zur Visualisierung von Graphen [T-INFO-104390]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102094 - Algorithmen zur Visualisierung von Graphen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2424118 Algorithmen zur Visualisierung von Graphen (findet im WS 24/25 nicht statt) Vorlesung / Übung (VÜ) / 🗣 Wagner, Ueckerdt, Merker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Algorithmische Geometrie [T-INFO-104429]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102110 - Algorithmische Geometrie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Lehrveranstaltungen
WS 24/25 2400083 Algorithmische Geometrie (mit Übungen) (findet im WS 24/25 nicht statt) 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Es muss außerdem ein Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) werden erwartet.

Teilleistung: Algorithmische Geometrie - Übung [T-INFO-113718]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102110 - Algorithmische Geometrie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Es muss eine Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) werden erwartet.

Teilleistung: Algorithmische Graphentheorie [T-INFO-103588]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100762 - Algorithmische Graphentheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400028 Algorithmische Graphentheorie - findet im SS 24 nicht statt Vorlesung / Übung (VÜ) / 🗣 Ueckerdt, Gritzbach
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen aus der Graphentheorie und Algorithmentechnik sind hilfreich

Teilleistung: Analysis 4 - Prüfung [T-MATH-106286]

Verantwortung:
Prof. Dr. Dorothee Frey
PD Dr. Gerd Herzog
Prof. Dr. Dirk Hundertmark
Prof. Dr. Tobias Lamm
Prof. Dr. Michael Plum
Prof. Dr. Wolfgang Reichel
Prof. Dr. Roland Schnaubelt
Dr. rer. nat. Patrick Tolksdorf
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103164 - Analysis 4
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 0163900 Analysis 4 4 SWS Vorlesung (V) Reichel
SS 2024 0164000 Übungen zu 0163900 2 SWS Übung (Ü) Reichel
Erfolgskontrolle(n)

Schriftliche Prüfung (120 min).

Voraussetzungen

Keine

Teilleistung: Angewandte Differentialgeometrie [T-INFO-109924]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104892 - Angewandte Differentialgeometrie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 -30 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Diese Vorlesung ist mit der Vorlesung „Netze und Punktwolken“ eng verwandt.

Teilleistung: Angewandte Informationstheorie [T-ETIT-100748]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100444 - Angewandte Informationstheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2310537 Angewandte Informationstheorie 3 SWS Vorlesung (V) / 🧩 Jäkel
WS 24/25 2310539 Übungen zu 2310537 Angewandte Informationstheorie 1 SWS Übung (Ü) / 🧩 Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 25 Minuten. Vor der Prüfung erfolgt eine Vorbereitungsphase von 15 Minuten, in der vorbereitende Aufgaben gelöst werden.

Voraussetzungen

keine

Empfehlungen

Vorheriger Besuch der Vorlesung „Wahrscheinlichkeitstheorie“ wird empfohlen.

Teilleistung: Angewandte Materialflusssimulation [T-MACH-112213]

Verantwortung:
Dr.-Ing. Marion Baumann
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Fördertechnik und Logistiksysteme
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2117054 Angewandte Materialflusssimulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 Baumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 min.) in der vorlesungsfreien Zeit des Semesters nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Teilleistung: Anlagenwirtschaft [T-WIWI-102631]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581952 Anlagenwirtschaft/Design and Operation of Industrial Plants and Processes 2 SWS Vorlesung (V) / 🗣 Schultmann, Rudi
WS 24/25 2581953 Übungen Anlagenwirtschaft/Design and Operation of Industrial Plants and Processes 2 SWS Übung (Ü) / 🗣 Temnov, Schneider
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Anziehbare Robotertechnologien [T-INFO-106557]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103294 - Anziehbare Robotertechnologien
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2024 2400062 Anziehbare Robotertechnologien 2 SWS Vorlesung (V) / 🗣 Asfour, Beigl
SS 2024 5016643 BUT - Anziehbare Robotertechnologien Vorlesung (V) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Der Besuch der Vorlesung Mechano-Informatik in der Robotik wird vorausgesetzt

Empfehlungen

Der Besuch der Vorlesung Mechano-Informatik in der Robotik wird empfohlen.

Teilleistung: Arbeitsrecht [T-INFO-111436]

Verantwortung:
Dr. Alexander Hoff
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 24668 Arbeitsrecht 2 SWS Vorlesung (V) / 🗣 Hoff
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (i.d.R. 60min Klausur) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

keine

Teilleistung: Arctic Climate System [T-PHYS-111273]

Verantwortung:
Prof. Dr. Björn-Martin Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
WS 24/25 4052101 Arctic Climate System 2 SWS Vorlesung (V) / 🧩 Sinnhuber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment consists of a coursework according to §4 (3) SPO MSc Meteorology and Climate Physics in the form of a short lecture (approx. 10 minutes) on a topic relevant to the llecture . The detailled conditions will be discussed in the lecture.

Voraussetzungen

None

Anmerkungen

Serreze, M., & Barry, R. (2014). The Arctic Climate System (2nd ed., Cambridge Atmospheric and Space Science Series). Cambridge: Cambridge University Press. doi:10.1017/CBO9781139583817

Teilleistung: Ars Rationalis I [T-GEISTSOZ-101174]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Voraussetzung für: T-GEISTSOZ-101175 - Ars Rationalis II
T-GEISTSOZ-110370 - Modulteilprüfung 1 - Ars Rationalis (Klausur)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 5012001 Ars Rationalis I 2 SWS Kurs (Ku) / 🗣 Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Ars Rationalis I", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind. Dabei kann es sich um kleinere, wöchentlich zu erbringende Aufgaben (z.B. Übungszettel) handeln oder auch um weniger häufig zu erbringende, umfangreichere Aufgaben (etwa Essays).

Voraussetzungen

keine

Empfehlungen

Besuch des Tutoriums

Teilleistung: Ars Rationalis II [T-GEISTSOZ-101175]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Voraussetzung für: T-GEISTSOZ-110371 - Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 5012001 Ars Rationalis II 2 SWS Kurs (Ku) Betz
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs "Ars Rationalis II", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind. Dabei kann es sich um kleinere, wöchentlich zu erbringende Aufgaben (z.B. Übungszettel) handeln oder auch um weniger häufig zu erbringende, umfangreichere Aufgaben (etwa Essays).

Voraussetzungen

Die Studienleistung "Ars Rationalis I"

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101174 - Ars Rationalis I muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Besuch des Tutoriums

Teilleistung: Artificial Intelligence in Service Systems [T-WIWI-108715]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2595650 Artificial Intelligence in Service Systems 1.5 SWS Vorlesung (V) / 🧩 Kühl, Spitzer, Holstein
WS 24/25 2595651 Übung zu Artificial Intelligence in Service Systems 1.5 SWS Übung (Ü) / 🗣 Kühl, Spitzer, Holstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min). Die erfolgreiche Teilnahme am Übungsbetrieb ist Voraussetzung für die Zulassung zur schriftlichen Prüfung.

Voraussetzungen

Keine

Anmerkungen

Die Veranstaltung wird ab dem Wintersemester 2022/2023 in Form eines Flipped Classroom Konzeptes angeboten. Die Vorlesung wird im Voraus aufgezeichnet und zur Verfügung gestellt. Im Rahmen der Übungen werden die Inhalte der Vorlesung diskutiert und in Programmierübungen angewendet. 

Teilleistung: Artificial Intelligence in Service Systems - Applications in Computer Vision [T-WIWI-111219]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2595501 Artificial Intelligence in Service Systems - Applications in Computer Vision 3 SWS Vorlesung (V) / 🗣 Satzger, Schmitz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Form). .

Anmerkungen

Die Lehrveranstaltung ist zulassungsbeschränkt und die Bewerbung erfolgt über das WiWi-Portal. Weitere Informationen: http://dsi.iism.kit.edu. 

Die Teilleistung ersetzt zum Sommersemester 2021 T-WIWI-105778 "Service Analytics A". 

Teilleistung: Asset Pricing [T-WIWI-102647]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2530555 Asset Pricing 2 SWS Vorlesung (V) / 🗣 Uhrig-Homburg, Müller
SS 2024 2530556 Übung zu Asset Pricing 1 SWS Übung (Ü) / 🗣 Böll, Uhrig-Homburg, Müller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung entweder als Open-Book-Prüfung (Prüfungsleistung anderer Art), oder als 60-minütige Klausur (schriftliche Prüfung) angeboten.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Bachelor-Veranstaltung Investments werden als bekannt vorausgesetzt und sind notwendig, um dem Kurs folgen zu können.

Teilleistung: Atmospheric Aerosols [T-PHYS-111418]

Verantwortung:
Dr. Ottmar Möhler
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052041 Atmospheric Aerosols 2 SWS Vorlesung (V) / 🧩 Möhler
WS 24/25 4052042 Exercises to Atmospheric Aerosols 1 SWS Übung (Ü) / 🗣 Möhler, Bogert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The students participating in the lecture on Atmospheric Aerosols with Exercises are expected to regularly participate in the Exercises. To pass the course, each student has to submit a solution for at least 50% of all exercises, and to present at least one solution to the tutor and the other participants.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Atmospheric Radiation [T-PHYS-111419]

Verantwortung:
PD Dr. Michael Höpfner
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052071 Atmospheric Radiation 2 SWS Vorlesung (V) / 🧩 Höpfner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Short presentation at the end of the semester

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Atomistische Simulation und Partikeldynamik [T-MACH-113412]

Verantwortung:
Prof. Dr. Peter Gumbsch
Dr.-Ing. Johannes Schneider
Dr. Daniel Weygand
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2181740 Partikeldynamik und Atomistische Simulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 Weygand, Gumbsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung ca. 30 Minuten

Voraussetzungen

keine

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Teilleistung: Auktionstheorie [T-WIWI-102613]

Verantwortung:
Prof. Dr. Karl-Martin Ehrhart
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2520408 Auktionstheorie 2 SWS Vorlesung (V) Ehrhart
WS 24/25 2520409 Übungen zu Auktionstheorie 1 SWS Übung (Ü) Ehrhart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60 min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung (nach §4 (2), 2 SPO) angeboten werden.

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Teilleistung: Ausgewählte Rechtsfragen des Internetrechts [T-INFO-108462]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24821 Ausgewählte Rechtsfragen des Internetrechts 2 SWS Kolloquium (KOL) / 🗣 Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Referat) nach § 4 Abs. 2 Nr. 3 SPO. (mündliche Präsentation und Diskussion)

Voraussetzungen

die Veranstaltung Internetrecht T-INFO-101307 darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101307 - Internetrecht darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Vorlesung (mit Klausur) Internetrecht T-INFO-101307 wird im WS angeboten.

Kolloquium (Prüfung sonstiger Art) Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 wird im SS angeboten

Teilleistung: Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie [T-INFO-111320]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105667 - Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400237 Theoretische Grundlagen der Kryptographie 4 SWS Vorlesung (V) / 🗣 Müller-Quade, Berger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung von ca. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Kann nur geprüft werden, wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101373 - Ausgewählte Kapitel der Kryptographie muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-INFO-111199 - Theoretische Grundlagen der Kryptographie darf nicht begonnen worden sein.

Teilleistung: Authentisierung und Verschlüsselung [T-INFO-110824]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105338 - Authentisierung und Verschlüsselung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400045 Authentisierung und Verschlüsselung 2 SWS Vorlesung (V) / 🗣 Müller-Quade, Fetzer, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Modul darf nicht zusammen mit dem Modul M-INFO-100743 Digitale Signaturen belegt werden

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein

Teilleistung: Automated Planning and Scheduling [T-INFO-109085]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104447 - Automated Planning and Scheduling
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400108 Nicht im SoSe 2023! Automated Planning and Scheduling Vorlesung / Übung (VÜ) Schreiber, Sanders
WS 24/25 2400026 Nicht im WS 2023/24 - Automated Planning and Scheduling Vorlesung / Übung (VÜ) Schreiber, Sanders
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Automatische Sichtprüfung und Bildverarbeitung [T-INFO-101363]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100826 - Automatische Sichtprüfung und Bildverarbeitung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 24169 Automatische Sichtprüfung und Bildverarbeitung 4 SWS Vorlesung (V) / 🗣 Beyerer, Zander
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse der Optik und der Signalverarbeitung sind hilfreich.

Teilleistung: Automotive Software Engineering (ASE) [T-INFO-112203]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106019 - Automotive Software Engineering (ASE)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400082 Automotive Software Engineering 2 SWS Vorlesung (V) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen Übungsaufgaben in einer gemeinsamen Rechnerübung bearbeitet werden und in der Gruppe ein Vortrag zu einem gestellten Thema ausgearbeitet und gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus Softwaretechnik I, Softwaretechnik II und Softwareproduktlinien sind empfohlen.

Anmerkungen

Wegen der begrenzten Plätze für die Übung in den Rechnerräumen ist die Teilnehmerzahl auf 40 Studierende begrenzt. Die Zulassung erfolgt auf First-Come-First-Serve Basis.

Teilleistung: Automotive Software Engineering (ASE) - Übung [T-INFO-112204]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106019 - Automotive Software Engineering (ASE)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400110 Automotive Software Engineering - Übung 1 SWS Übung (Ü) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung, in Form eines Übungsschein, nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Autonomous Learning for Intelligent Robot Perception [T-INFO-113327]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106608 - Autonomous Learning for Intelligent Robot Perception
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400213 Autonomous Learning for Intelligent Robot Perception 2 SWS Vorlesung / Übung (VÜ) / 🗣 Triebel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

A basic understanding of probability theory and linear algebra is required

Teilleistung: Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen [T-INFO-111040]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105496 - Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2400121 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen (findet im WS 25/25 nicht statt) 4 SWS Praktikum (P) / 🗣 Wilhelm, von der Heydt, Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.

Es müssen eine Implementierung und eine schriftliche Ausarbeitung erstellt werden.

Voraussetzungen

Keine.

Teilleistung: Betriebsmanagement für Ingenieure und Informatiker [T-MACH-109933]

Verantwortung:
Heinz-Peter Sebregondi
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2122303 Betriebsmanagement für Ingenieure und Informatiker 2 SWS Seminar (S) / 🗣 Sebregondi
WS 24/25 2122303 Betriebsmanagement für Ingenieure und Informatiker 2 SWS Seminar (S) / 🗣 Sebregondi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Prüfungsleistung anderer Art. Zwei Vorträgen und sechs schriftliche Ausarbeitungen im Team. Benotung: Je Ausarbeitung 1/8 und je Vortrag 1/8.

Voraussetzungen

Keine

Teilleistung: Betriebssysteme für Fortgeschrittene [T-INFO-106276]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24604 Advanced Operating Systems 4 SWS Seminar (S) / 🗣 Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Die regelmäßige Teilnahme ist verpflichtend.

Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.

Teilleistung: Bildverarbeitung [T-ETIT-105566]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-102651 - Bildverarbeitung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2302114 Bildverarbeitung 2 SWS Vorlesung (V) / 🧩 Heizmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Empfehlungen

Die Kenntnis der Inhalte der Module „Systemtheorie“ und „Messtechnik“ wird dringend empfohlen. Die Kenntnis der Inhalte des Moduls „Methoden der Signalverarbeitung“ ist von Vorteil.

Teilleistung: Bioelektrische Signale [T-ETIT-101956]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100549 - Bioelektrische Signale
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2305264 Bioelektrische Signale 2 SWS Vorlesung (V) / 🗣 Loewe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 90 Minuten.

Voraussetzungen

keine

Teilleistung: Biologically Inspired Robots [T-MACH-113856]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106903 - Biologically Inspired Robots
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (15-20min.)

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101351 - Biologisch Motivierte Robotersysteme darf nicht begonnen worden sein.
Empfehlungen

Es ist empfehlenswert zuvor die LV „Robotik I" zu hören.

Anmerkungen

keine 

Teilleistung: Bond Markets [T-WIWI-110995]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530560 Bond Markets 3 SWS Vorlesung / Übung (VÜ) / 🗣 Uhrig-Homburg, Molnar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (75min.).

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art) angeboten.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Teilleistung: Bond Markets - Models & Derivatives [T-WIWI-110997]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530565 Bond Markets - Models & Derivatives 2 SWS Block (B) / 🗣 Grauer, Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt zu gleichen Teilen in Form einer schriftlichen Ausarbeitung und einer mündlichen Prüfung inkl. Diskussion der eigenen Arbeit. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.

Empfehlungen

Kenntnisse aus der Veranstaltung „Bond Markets“ und „Derivate“ sind sehr hilfreich.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Teilleistung: Bond Markets - Tools & Applications [T-WIWI-110996]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530562 Bond Markets - Tools & Applications 1 SWS Block (B) / 🗣 Uhrig-Homburg, Grauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer zu bearbeitenden empirischen Fallstudie mit schriftlicher Ausarbeitung und Präsentation. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.

Empfehlungen

Kenntnisse aus der Veranstaltung „Bond Markes“ sind sehr hilfreich.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Teilleistung: Business Data Strategy [T-WIWI-106187]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540484 Business Data Strategy 2 SWS Vorlesung (V) / 🗣 Weinhardt, Hariharan
WS 24/25 2540485 Übung zu Business Data Strategy 1 SWS Übung (Ü) / 🗣 Weinhardt, Schulz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) nach § 4 Abs. 2 Nr. 1 SPO und in Form einer Prüfungsleistung anderer Art (Form) nach § 4 Abs. 2 Nr. 3 SPO. Die Note setzt sich zu 2/3 aus der Note der schriftlichen Prüfung und zu 1/3 der Note aus einer Prüfungsleistung anderer Art (z.B. Präsentation) zusammen.

Voraussetzungen

Keine

Empfehlungen

Die Studierenden sollten mit grundlegenden Konzepten der Organisations-, Informationssystems- und Programmierungslehre vertraut sein. Jedoch werden diese Themen einleitend aufgefrischt, so dass keine formalen Vorbedingungen bestehen.

Anmerkungen

Teilnehmeranzahl limitiert.

Teilleistung: Business Dynamics [T-WIWI-102762]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Dr Paul Glenn
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540531 Business Dynamics 2 SWS Vorlesung (V) / 🗣 Geyer-Schulz, Glenn
WS 24/25 2540532 Übung zu Business Dynamics 1 SWS Übung (Ü) / 🗣 Geyer-Schulz, Glenn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Business Intelligence Systems [T-WIWI-105777]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101506 - Service Analytics
M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2540422 Business Intelligence Systems 3 SWS Vorlesung (V) / 🧩 Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Sie besteht aus einer einstündigen Klausur und der Durchführung eines Capstone Projektes.

Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Grundlegendes Wissen über Datenbanksysteme kann hilfreich sein.

Teilleistung: CAD Engineering Project for Intelligent Systems [T-MACH-113857]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106905 - CAD Engineering Project for Intelligent Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

Prüfungsleistung anderer Art. Konstruktionprojekt sowie schriftliche Ausarbeitung im Team und ein Abschlussvortrag. Benotung:

Konstruktionprojekt 3/5, Ausarbeitung 1/5 und Vortrag 1/5.

Voraussetzungen

keine

Teilleistung: CAD-Praktikum CATIA [T-MACH-102185]

Verantwortung:
Prof. Dr.-Ing. Jivka Ovtcharova
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Studienleistung praktisch
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2123358 CAD-Praktikum CATIA 2 SWS Praktikum (P) / 🧩 Rönnau, Mitarbeiter
WS 24/25 2123358 CAD-Praktikum CATIA 2 SWS Praktikum (P) / 🧩 Rönnau, Mitarbeiter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Praktische Prüfung am CAD Rechner, Dauer 60 min.

Voraussetzungen

Keine

Empfehlungen

Umgang mit technischen Zeichnungen wird vorausgesetzt.

Anmerkungen

Für das Praktikum besteht Anwesenheitspflicht.

Teilleistung: Channel Coding: Algebraic Methods for Communications and Storage [T-ETIT-111244]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105616 - Channel Coding: Algebraic Methods for Communications and Storage
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 2310546 Channel Coding: Algebraic Methods for Communications and Storage 2 SWS Vorlesung (V) / 🧩 Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The exam is held as an oral exam of 20 Min according to 4 Abs. 2 Nr. 1 SPO Bachelor/Master Elektrotechnik und Informationstechnik. Grade of the module corresponds to the grade of the oral exam.

Voraussetzungen

keine

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.

Teilleistung: Channel Coding: Graph-Based Codes [T-ETIT-111245]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105617 - Channel Coding: Graph-Based Codes
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2310520 Channel Coding: Graph-Based Codes 3 SWS Vorlesung (V) / 🧩 Schmalen
WS 24/25 2310521 Exercise for 2310520 Channel Coding: Graph-Based Codes 1 SWS Übung (Ü) / 🧩 Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 30 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Theory of Probability" is recommended. Knowledge from the lectures "Applied Information Theory" and "Verfahren der Kanalcodierung" is helpful.

Teilleistung: Climate Modeling & Dynamics with ICON [T-PHYS-111412]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052151 Climate Modeling & Dynamics with ICON 2 SWS Vorlesung (V) / 🧩 Ginete Werner Pinto, Ludwig
WS 24/25 4052152 Exercises to Climate Modeling & Dynamics with ICON 1 SWS Übung (Ü) / 🧩 Ginete Werner Pinto, Braun, Keshtgar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Successful participation in the exrcises.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Cloud Physics [T-PHYS-111416]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052081 Cloud Physics 2 SWS Vorlesung (V) / 🧩 Hoose, Oertel, Le Roy de Bonneville, Meusel
WS 24/25 4052082 Exercises to Cloud Physics 1 SWS Übung (Ü) / 🧩 Hoose, Meusel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

At least 50% of the points of the exercises have to be reached. At least once, a solution to one of the exercises has to be presented in class.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Codierungstheorie [T-INFO-113693]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106824 - Codierungstheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400152 Codierungstheorie 2 SWS Vorlesung (V) Müller-Quade, Benz, Hetzel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle 
•    in Form einer mündlichen Prüfung von ca. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO oder
•    in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101360 - Signale und Codes darf nicht begonnen worden sein.
Empfehlungen

Keine.

Teilleistung: Computational Imaging [T-INFO-112573]

Verantwortung:
Dr.-Ing. Johannes Meyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106190 - Computational Imaging
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400173 Computational Imaging 3 SWS Vorlesung / Übung (VÜ) / 🗣 Meyer, Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.


Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
• in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
• in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

Keine.

Teilleistung: Computational Photonics, with ext. Exercises [T-PHYS-103633]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101933 - Computational Photonics, with ext. Exercises
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 4023021 Computational Photonics 2 SWS Vorlesung (V) / 🗣 Nyman, Rockstuhl
SS 2024 4023022 Übungen zu Computational Photonics Übung (Ü) / 🗣 Nyman, Rockstuhl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Computational Photonics, without ext. Exercises [T-PHYS-106131]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-103089 - Computational Photonics, without ext. Exercises
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2024 4023021 Computational Photonics 2 SWS Vorlesung (V) / 🗣 Nyman, Rockstuhl
SS 2024 4023022 Übungen zu Computational Photonics Übung (Ü) / 🗣 Nyman, Rockstuhl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt

Teilleistung: Computational Risk and Asset Management [T-WIWI-102878]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105032 - Data Science for Finance
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
5
Lehrveranstaltungen
SS 2024 2500015 Computational Risk and Asset Management Vorlesung / Übung (VÜ) Ulrich
WS 24/25 2500015 Computational Risk and Asset Management 4 SWS Vorlesung (V) Ulrich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfungsleistung anderer Art besteht aus einem Python-basierten "Takehome Exam". Am Ende der dritten Januarkalenderwoche bekommt der Student ein "Takehome Exam" ausgehändigt, welches er binnen 4 Stunden eigenständig und mittels Python bearbeitet und zurückschickt. Genaue Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.
Die Prüfungsleistung anderer Art kann maximal einmal wiederholt werden. Eine fristgerechte Wiederholungsmöglichkeit findet am Ende der dritten Märzkalenderwoche des gleichen Jahres statt. Genauere Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse der Kapitalmarkttheorie.

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Teilleistung: Computergestützte Datenauswertung [T-GEISTSOZ-104565]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung
Voraussetzung für: T-GEISTSOZ-109052 - Methodenanwendung (WiWi)
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
SS 2024 5000007 Computergestützte Datenauswertung: Visualisieren und Statistik mit R 2 SWS Kurs (Ku) / 🗣 Teutsch
SS 2024 5011018 Computational Social Science: Themen und Positionen im Deutschen Bundestag (Teil 2) 2 SWS Seminar (S) / 🧩 Banisch
WS 24/25 5000058 Computergestütze Datenauswertung: Dekompositionen und Regressionsverfahren 2 SWS Kurs (Ku) / 🖥 Nollmann
WS 24/25 5000059 Computergestützte Datenauswertung: Der gender pay gap 2 SWS Kurs (Ku) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine.

Teilleistung: Computergrafik [T-INFO-101393]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100856 - Computergrafik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24081 Computergrafik 4 SWS Vorlesung (V) / 🗣 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Zu Vorlesungsbeginn wird bekanntgegeben, ob durch erfolgreiche Bearbeitung von Praxisaufgaben Bonuspunkte erworben werden können. Es wird ein Notenbonus von max. 0,4 (entspricht einem Notenschritt) vergeben. Der erlangte Notenbonus wird auf eine bestandene schriftliche Prüfung (Klausur) im gleichen Semester angerechnet. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Teilleistung: Computergrafik 2 [T-INFO-113441]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106685 - Computergrafik 2
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2024 2400111 Computergrafik 2 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Vorkenntnisse aus der Vorlesung Computergraphik.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101393 - Computergrafik muss begonnen worden sein.
  2. Die Teilleistung T-INFO-104313 - Übungen zu Computergrafik muss begonnen worden sein.

Teilleistung: Constructive Logic [T-INFO-112704]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106256 - Constructive Logic
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400097 Constructive Logic 4 SWS Vorlesung (V) / 🗣 Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

You will be expected to follow the lecture notes.

Teilleistung: Corporate Risk Management [T-WIWI-109050]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2530218 Corporate Risk Management 2 SWS Vorlesung (V) / 🧩 Ruckes
SS 2024 2530219 Übungen Corporate Risk Management Übung (Ü) / 🧩 Ruckes
WS 24/25 2530220 Übung zu Corporate Risk Management Übung (Ü) Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) nach § 4 Abs. 2 Nr. 1 SPO. Bei einer geringen Anzahl zur Klausur angemeldeten Teilnehmern behalten wir uns die Möglichkeit vor, eine mündliche Prüfung anstelle einer schriftlichen Prüfung abzuhalten.
Bitte beachten Sie, dass die Prüfung nur im Semester der Vorlesung und dem darauf folgenden Semester angeboten wird.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird frühestens im Sommersemester 2023 wieder angeboten. Bitte beachten Sie dazu die Ankündigungen auf unserer Homepage.

Teilleistung: Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen [T-INFO-112880]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106355 - Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2024 2400160 Cybersicherheit für industrielle Automatisierungs- und Steuerungssysteme 2 SWS Vorlesung (V) / 🗣 Haas, Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich

Teilleistung: Data Science [T-INFO-113124]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106505 - Data Science
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 24114 Data Science 1 3 SWS Vorlesung (V) / 🗣 Böhm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111622 - Data Science 1 darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-111626 - Data Science 2 darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-101305 - Analysetechniken für große Datenbestände darf nicht begonnen worden sein.
  4. Die Teilleistung T-INFO-105742 - Analysetechniken für große Datenbestände 2 darf nicht begonnen worden sein.
Empfehlungen

Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme, sind erforderlich.

Teilleistung: Data Science and Artificial Intelligence for Energy Systems [T-INFO-113402]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106655 - Data Science and Artificial Intelligence for Energy Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400098 Data science and Artificial Intelligence for Energy Systems 2 SWS Vorlesung (V) / 🗣 Schäfer
SS 2024 2400173 Data science and Artificial Intelligence for Energy Systems 2 SWS Übung (Ü) / 🗣 Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting about 30 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of AI basics is very helpful. 
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Knowledge of Python is highly recommended. 

Teilleistung: Datenbankeinsatz [T-INFO-101317]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100780 - Datenbankeinsatz
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400111 Datenbankeinsatz 3 SWS Vorlesung (V) / 🗣 Böhm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht aus einer mündlichen Prüfung von ca. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO oder einer einstündigen schriflichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO. Der Modus wird mind. 6 Wochen vor der Prüfung bekanntgegeben.

Voraussetzungen

Keine.

Empfehlungen

Datenbankkenntnisse, z.B. aus der Vorlesungen Datenbanksysteme [24516] und Einführung in Rechnernetze [24519].

Teilleistung: Datenbankfunktionalität in der Cloud [T-INFO-111400]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105724 - Datenbankfunktionalität in der Cloud
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird zeitnah vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101306 - Datenhaltung in der Cloud darf nicht begonnen worden sein.
Empfehlungen

Datenbankkentnisse, z.B. aus den Vorlesungen Datenbanksysteme und Einführung in Rechnernetze werden empfohlen.

Teilleistung: Datenbank-Praktikum [T-INFO-103201]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101662 - Datenbank-Praktikum
Teilleistungsart
Studienleistung
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 24286 Datenbankpraktikum 2 SWS Praktikum (P) / 🗣 Böhm, Richter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von einer Woche nach Beginn der Veranstaltung möglich.

Es ist eine Wiederholung möglich.

Voraussetzungen

Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme.

Empfehlungen

Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme werden vorausgesetzt.

Teilleistung: Datenschutz von Anonymisierung bis Zugriffskontrolle [T-INFO-108377]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104045 - Datenschutz von Anonymisierung bis Zugriffskontrolle
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Grundkenntnisse zu Datenbanken, verteilten Informationssystemen, Systemarchitekturen und Kommunikationsinfrastrukturen, z.B. aus der Vorlesung Datenbanksysteme

Teilleistung: Decentralized Systems: Fundamentals, Modeling, and Applications [T-INFO-110820]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105334 - Decentralized Systems: Fundamentals, Modeling, and Applications
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2024 2400089 Decentralized Systems: Fundamentals, Modeling, and Applications 4 SWS Vorlesung / Übung (VÜ) / 🗣 Stengele, Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
in Form einer schriftlichen Prüfung  nach § 4 Abs. 2 Nr. 1 SPO

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen von IT-Sicherheit und Rechnernetzen sind hilfreich.

Teilleistung: Deep Learning für Computer Vision I: Grundlagen [T-INFO-111491]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105753 - Deep Learning für Computer Vision I: Grundlagen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400007 Deep Learning für Computer Vision I: Grundlagen 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101389 - Inhaltsbasierte Bild- und Videoanalyse darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-109796 - Deep Learning für Computer Vision darf nicht begonnen worden sein.
Empfehlungen

Kenntnisse zu Grundlagen der Mustererkennung, wie sie im Stammmodul Kognitive Systeme vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung findet teilweise in Deutsch und Englisch statt.

Teilleistung: Deep Learning für Computer Vision II: Fortgeschrittene Themen [T-INFO-111494]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105755 - Deep Learning für Computer Vision II: Fortgeschrittene Themen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400258 Deep Learning für Computer Vision II: Fortgeschrittene Themen 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Sarfraz, Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Kenntnisse zu Grundlagen der Mustererkennung mittels Deep Learning, wie aus der Vorlesung “Deep Learning for Computer Vision”, werden vorausgesetzt.

Empfehlungen

Kenntnisse zu Deep Learning Grundlagen werden vorausgesetzt.

Teilleistung: Deep Learning und Neuronale Netze [T-INFO-109124]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104460 - Deep Learning und Neuronale Netze
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400024 Deep Learning und Neuronale Netze 4 SWS Vorlesung (V) / 🗣 Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

T-INFO-101383 - Neuronale Netze darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101383 - Neuronale Netze darf nicht begonnen worden sein.
Empfehlungen

Der vorherige erfolgreiche Abschluss des Stamm-Moduls „Kognitive Systeme“ wird empfohlen.

Teilleistung: Derivate [T-WIWI-102643]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2530550 Derivate 2 SWS Vorlesung (V) / 🗣 Uhrig-Homburg
SS 2024 2530551 Übung zu Derivate 1 SWS Übung (Ü) / 🗣 Dinger, Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung entweder als Open-Book-Prüfung (Prüfungsleistung anderer Art), oder als 60-minütige Klausur (schriftliche Prüfung) angeboten.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Design analoger Schaltkreise [T-ETIT-100973 ]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100466 - Design analoger Schaltkreise
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2312664 Design analoger Schaltkreise 2 SWS Vorlesung (V) / 🧩 Peric
WS 24/25 2312666 Übungen zu 2312664 Design analoger Schaltkreise 1 SWS Übung (Ü) / 🖥 Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Teilleistung: Design digitaler Schaltkreise [T-ETIT-100974 ]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100473 - Design digitaler Schaltkreise
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2312683 Design digitaler Schaltkreise 2 SWS Vorlesung (V) / 🧩 Peric
SS 2024 2312685 Übungen zu 2312683 Design digitaler Schaltkreise 1 SWS Übung (Ü) / 🧩 Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).

Voraussetzungen

Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.

Teilleistung: Design Thinking [T-WIWI-102866]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2545008 Design Thinking (Track 1) 2 SWS Seminar (S) / 🗣 Bhargava, Jochem, Terzidis
WS 24/25 2545008 Design Thinking (Track 1) 2 SWS Seminar (S) / 🧩 Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO). Details zur Ausgestaltung der Prüfungsleistung anderer Art werden ggf. im Rahmen der Lehrveranstaltung bekannt gegeben. 

Die Note ist die Note der schriftlichen Ausarbeitung.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Seminarinhalte werden auf der Institutshomepage veröffentlicht.

Teilleistung: Design Thinking in der Anwendung [T-WIWI-113664]

Verantwortung:
Jennifer Scheydt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse  und einer Seminararbeit (Ausarbeitung in der Gruppe).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Teilleistung: Designing Interactive Systems: Human-AI Interaction [T-WIWI-113465]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2540558 Designing Interactive Systems: Human-AI Interaction 3 SWS Vorlesung (V) / 🧩 Mädche, Seitz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Sie besteht aus einer einstündigen Klausur und der Durchführung eines Capstone Projektes.

Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Anmerkungen

Die Veranstaltung wird auf Englisch gehalten.

Teilleistung: Differentialgeometrie [T-MATH-102275]

Verantwortung:
Prof. Dr. Wilderich Tuschmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101317 - Differentialgeometrie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 0100300 Differential Geometry 4 SWS Vorlesung (V) Sorcar
SS 2024 0100310 Tutorial for 0100300 (Differential Geometry) 2 SWS Übung (Ü) Kupper, Sorcar
Voraussetzungen

keine

Teilleistung: Digital Democracy [T-WIWI-113160]

Verantwortung:
Jonas Fegert
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 00053 Übung zur Digital Democracy 1 SWS Übung (Ü) / 🧩 Stein
WS 24/25 2500045 Digital Democracy – Herausforderungen und Möglichkeiten der digitalen Gesellschaft 2 SWS Seminar (S) / 🧩 Fegert, Stein, Bezzaoui, Pekkip
WS 24/25 2600052 Digital Democracy 2 SWS Vorlesung (V) / 🧩 Fegert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Präsentation und mündliche Prüfung). Details zur Ausgestaltung der Erfolgskontrolle werden zu Beginn der Lehrveranstaltung bekannt gegeben. 

Anmerkungen

Beschränkung auf 25 Plätze mit Bewerbung per kurzem Motivationschreiben (über das Wiwi-Portal).

Teilleistung: Digital Marketing [T-WIWI-112693]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2571185 Digital Marketing 2 SWS Vorlesung (V) / 🗣 Kupfer
SS 2024 2571186 Digital Marketing Exercise 1 SWS Übung (Ü) / 🗣 Daumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The control of success is done by the elaboration and presentation of a group task as well as a written exam. Further details on the design of the performance review will be announced during the lecture.

Voraussetzungen

None

Empfehlungen

Students are highly encouraged to actively participate in class.

Teilleistung: Digital Marketing and Sales in B2B [T-WIWI-106981]

Verantwortung:
Prof. Dr. Martin Klarmann
Anja Konhäuser
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2571156 Digital Marketing and Sales in B2B 1 SWS Sonstige (sonst.) / 🗣 Konhäuser
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO (Teampräsentation einer Case Study mit anschließender Diskussion im Umfang von insg. 30 Minuten).

Voraussetzungen

Keine.

Anmerkungen

Die Veranstaltung findet im Sommersemester 2023 leider nicht statt und wird voraussichtlich ab dem Sommersemester 2024 wieder regulär angeboten.
Für die Teilnahme an dieser Veranstaltung ist eine Bewerbung erforderlich. Die Bewerbungsphase findet in der Regel zu Beginn der Vorlesungszeit des jeweiligen Semesters statt. Nähere Informationen zum Bewerbungsprozess erhalten Sie in der Regel kurz vor Beginn der Vorlesungszeit im Wintersemester auf der Webseite der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu). Diese Veranstaltung hat eine Teilnahmebeschränkung. Die Forschungsgruppe Marketing und Vertrieb ermöglicht typischerweise allen Studierenden den Besuch einer Veranstaltung mit 1,5 Leistungspunkten im entsprechenden Modul. Eine Garantie für den Besuch einer bestimmten Veranstaltung kann auf keinen Fall gegeben werden. Nähere Informationen erhalten Sie direkt bei der Forschergruppe Marketing und Vertrieb (marketing.iism.kit.edu). Bitte beachten Sie, dass nur eine der 1,5-LP-Veranstaltungen für das Modul angerechnet werden kann.

Teilleistung: Digital Services: Innovation & Business Models [T-WIWI-112757]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101448 - Service Management
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2595468 Digital Services: Innovation & Business Models 1.5 SWS Vorlesung (V) / 🧩 Satzger, Benz, Schüritz, Heinz
SS 2024 2595469 Übung zu Digital Services: Innovation & Business Models 1.5 SWS Übung (Ü) / 🗣 Satzger, Benz, Schüritz, Heinz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60min. schriftlichen Prüfung (Klausur).

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Ab dem Sommersemester 2023 wird die Veranstaltung "Digital Services: Innovation & Business Models" basierend auf einem überarbeiteten Lernkonzept und -inhalten die frühere Veranstaltung Service Innovation ersetzen. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Bisherige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Teilleistung: Digitale Barrierefreiheit und Assistive Technologien [T-INFO-111830]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105882 - Digitale Barrierefreiheit und Assistive Technologien
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400165 Digitale Barrierefreiheit und Assistive Technologien 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Schwarz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

T-INFO-101301 Barrierefreiheit - Assistive Technologien für Sehgeschädigtedarf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101301 - Barrierefreiheit - Assistive Technologien für Sehgeschädigte darf nicht begonnen worden sein.

Teilleistung: Edge-AI in Software- und Sensor-Anwendungen [T-INFO-110819]

Verantwortung:
Dr. Victor Pankratius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105333 - Edge-AI in Software- und Sensor-Anwendungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2400006 EdgeAI in Software and Sensor Applications 2 SWS Vorlesung (V) / 🖥 Pankratius
WS 24/25 2400124 EdgeAI in Software and Sensor Applications 2 SWS Vorlesung (V) / 🖥 Pankratius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Grundstudium Informatik

Empfehlungen

Hilfreich sind Kenntnisse z.B. aus Kognitive Systeme, Softwaretechnik, Algorithmen, Rechnernetze & -strukturen, Low-Power-Design

Teilleistung: Efficient Energy Systems and Electric Mobility [T-WIWI-102793]

Verantwortung:
Prof. Dr. Patrick Jochem
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2581006 Efficient Energy Systems and Electric Mobility 2 SWS Vorlesung (V) / 🗣 Jochem
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: eFinance: Informationssysteme für den Wertpapierhandel [T-WIWI-110797]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540454 eFinance: Informationssysteme für den Wertpapierhandel 2 SWS Vorlesung (V) / 🗣 Weinhardt
WS 24/25 2540455 Übungen zu eFinance: Informationssysteme für den Wertpapierhandel 1 SWS Übung (Ü) / 🗣 Motz, Motz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch laufende Ausarbeitungen und Präsentationen von Aufgaben und eine Klausur (60 Minuten) am Ende der Vorlesungszeit. Das Punkteschema für die Gesamtbewertung wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Anmerkungen

Der Kurs “eFinance: Informationssysteme für den Wertpapierhandel” behandelt eingehend verschiedene Akteure und ihre Funktion in der Finanzindustrie und beleuchtet die wichtigsten Trends in modernen Finanzmärkten, wie z.B. Distributed Ledger Technology, Sustainable Finance und künstliche Intelligenz. Wertpapierpreise entwickeln sich durch eine große Anzahl bilateraler Geschäfte, die von Marktteilnehmern mit spezifischen, gut regulierten und institutionalisierten Rollen ausgeführt werden. Die Marktmikrostruktur ist das Teilgebiet der Finanzwirtschaft, das den Preisbildungsprozess untersucht. Dieser Prozess wird maßgeblich durch Regulierung beeinflusst und durch technologische Innovation vorangetrieben. Unter Verwendung von theoretischen ökonomischen Modellen werden in diesem Kurs Erkenntnisse über das strategische Handelsverhalten einzelner Marktteilnehmer überprüft, und die Modelle werden mit Marktdaten versehen. Analytische Werkzeuge und empirische Methoden der Marktmikrostruktur helfen, viele rätselhafte Phänomene auf Wertpapiermärkten zu verstehen.

Teilleistung: Einführung in das Quantencomputing (IQC) [T-INFO-112344]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106101 - Einführung in das Quantencomputing (IQC)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400073 Einführung ins Quantencomputing 2 SWS Vorlesung (V) / 🗣 Schaefer, Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in Linearer Algebra empfohlen.

Anmerkungen

Diese Vorlesung wird als Ringvorlesung angeboten.

Teilleistung: Einführung in das Wissenschaftliche Rechnen [T-MATH-105837]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Marlis Hochbruck
Prof. Dr. Tobias Jahnke
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102889 - Einführung in das Wissenschaftliche Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2024 0165000 Einführung in das Wissenschaftliche Rechnen 3 SWS Vorlesung (V) Wieners
SS 2024 0165010 Praktikum zu 0165000 (Einführung in das Wissenschaftliche Rechnen) 3 SWS Praktikum (P) Wieners
Voraussetzungen

Keine

Teilleistung: Einführung in die Bildfolgenauswertung [T-INFO-101273]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100736 - Einführung in die Bildfolgenauswertung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24684 Einführung in die Bildfolgenauswertung 2 SWS Vorlesung (V) / 🗣 Arens
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 30 Minuten) nach §4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Einführung in die Finite-Elemente-Methode [T-MACH-105320]

Verantwortung:
Prof. Dr.-Ing. Thomas Böhlke
Dr.-Ing. Tom-Alexander Langhoff
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Technische Mechanik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2024 2162282 Einführung in die Finite-Elemente-Methode 2 SWS Vorlesung (V) / 🗣 Langhoff, Böhlke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung (90 min)

Klausurzulassung: bestandene Studienleistung "Übungen zu Einführung in die Finite-Elemente-Methode"
(T-MACH-110330) 

Voraussetzungen

Das Bestehen der Studienleistung "Übungen zu Einführung in die Finite-Elemente-Methode" (T-MACH-110330) ist Klausurvorleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MACH-110330 - Übungen zu Einführung in die Finite-Elemente-Methode muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Kenntnisse aus den Vorlesungen "Kontinuumsmechanik der Festkörper und Fluide" und "Mathematische Methoden der Kontinuusmmechanik" und den jeweils begleitenden Übungsveranstaltungen werden vorausgesetzt

Aus Kapazitätsgründen kann es sein, dass nicht alle Studierenden dieser Lehrveranstaltung zu den Rechnerübungen zugelassen werden können. Studierende des Bachelor-Studiengangs Maschinenbau, die den Schwerpunkt Kontinuumsmechanik (SP-Nr 13) gewählt haben,  werden in jedem Fall zu den Rechnerübungen zugelassen.
Sollten darüber hinaus weitere Plätze in den Rechnerübungen zu dieser Lehrveranstaltung zur Verfügung stehen, so werden diese gemäß der BSc-Durchschnittsnote vergeben.

Teilleistung: Einführung in die Philosophie 1 [T-GEISTSOZ-111610]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 5000073 Tutorium – Einführung in die Philosophie 2 2 SWS Tutorium (Tu) Brambach, Finkbeiner, Hahn
WS 24/25 5012019 Tutorium – Einführung in die Philosophie 1 2 SWS Tutorium (Tu) Brambach, Finkbeiner, Hahn
WS 24/25 5012055 Einführung in die Philosophie 1 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 1" in Form von kleineren Schreibaufgaben.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 2 [T-GEISTSOZ-111612]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 5012017 Einführung in die Philosophie 2 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 2" in Form von kleineren Schreibaufgaben.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 3 [T-GEISTSOZ-111608]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 5012002 Einführung in die Philosophie 3 - Gruppe B 2 SWS Proseminar (PS) / 🗣 Link
WS 24/25 5012005 Einführung in die Philosophie 3 - Gruppe A 2 SWS Proseminar (PS) / 🗣 Link
WS 24/25 5012017 Einführung in die Philosophie 3 - Gruppe D 2 SWS Proseminar (PS) / 🗣 Schmidt-Petri
WS 24/25 5012046 Einführung in die Philosophie 3 - Gruppe C 2 SWS Proseminar (PS) / 🗣 Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in einem der angebotenen Seminare "Einführung in die Philosophie 3" in Form von Übungsblättern.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 4 [T-GEISTSOZ-111607]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 5012002 Einführung in die Philosophie 4 - Gruppe A 2 SWS Proseminar (PS) Link
SS 2024 5012007 Einführung in die Philosophie 4 - Gruppe B 2 SWS Proseminar (PS) Link
SS 2024 5012022 Einführung in die Philosophie 4 - Gruppe C 2 SWS Proseminar (PS) Poznic
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in einer Veranstaltung "Einführung in die Philosophie 4" in Form von Übungsblättern.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 5 [T-GEISTSOZ-111606]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
Teilleistungsart
Studienleistung schriftlich
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 5012017 Einführung in die Philosophie 2 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
WS 24/25 5012055 Einführung in die Philosophie 1 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung besteht in einem kumulativ angefertigten philosophischen Tagebuch, das neben Wahlpflichtaufgaben aus der Vorlesung (mehrere kurze Denkanstöße, Proto-Rekonstruktionen von Argumenten) auch freie Wahlaufgaben (Identifikation von philosophischen Fragestellungen und Argumenten in öffentlichen Debatten; Querverbindungen zwischen Themen und Argumenten aus verschiedenen Vorlesungen explizieren) enthält.

Das Tagebuch kann sowohl begleitend zur Vorlesung "Philo 1" wie auch zur Vorlesung "Philo 2" angefertigt werden. Es ist aber auch möglich und wird sogar empfohlen, das Tagebuch über beide Vorlesungen hinweg zu erstellen.

Voraussetzungen

Keine

Teilleistung: Einführung in die Stochastische Optimierung [T-WIWI-106546]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2550470 Einführung in die Stochastische Optimierung 2 SWS Vorlesung (V) / 🖥 Rebennack
SS 2024 2550471 Übung zur Einführung in die Stochastische Optimierung 1 SWS Übung (Ü) / 🗣 Rebennack, Kandora
SS 2024 2550474 Rechnerübung zur Einführung in die Stochastische Optimierung 2 SWS Sonstige (sonst.) Rebennack, Kandora
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten. 

Voraussetzungen

Keine.

Teilleistung: Einführung ins Quantum Machine Learning [T-INFO-113556]

Verantwortung:
Dr. Eileen Kühn
Dr. Max Kühn
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106742 - Einführung ins Quantum Machine Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400158 Einführung ins Quantum Machine Learning 2 SWS Vorlesung (V) / 🖥 Kühn, Kühn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112571 - Einführung in hybride Algorithmen des Quantum Machine Learnings darf nicht begonnen worden sein.

Teilleistung: Electric Power Transmission & Grid Control [T-ETIT-110883]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105394 - Electric Power Transmission & Grid Control
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 24/25 2307376 Electric Power Transmission & Grid Control 2 SWS Vorlesung (V) / 🗙 Leibfried
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes. The module grade is the grade of the written exam.

Voraussetzungen

none

Teilleistung: Embedded Machine Learning Lab [T-INFO-111549]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105775 - Embedded Machine Learning Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400295 Embedded Machine Learning Lab 4 SWS Praktikum (P) / 🗣 Henkel, Ahmed, Pfeiffer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

This lab requires a basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

Teilleistung: Emissionen in die Umwelt [T-WIWI-102634]

Verantwortung:
Ute Karl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581962 Emissionen in die Umwelt 2 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Empfehlungen

Keine

Teilleistung: Empirische Daten im Verkehrswesen [T-BGU-100010]

Verantwortung:
PD Dr.-Ing. Martin Kagerbauer
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 6232901 Empirische Daten im Verkehrswesen 2 SWS Vorlesung / Übung (VÜ) / 🗣 Kagerbauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündiche Prüfung mit ca. 20 Minuten

Voraussetzungen

Die Übungsaufgabe Empirische Daten im Verkehrswesen (T-BGU-113671) muss bestanden sein.

Empfehlungen

Keine

Anmerkungen

Keine

Teilleistung: Empirische Softwaretechnik [T-INFO-101335]

Verantwortung:
Dr. Christopher Gerking
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100798 - Empirische Softwaretechnik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24156 Empirische Softwaretechnik (findet im WS 24/25 nicht statt) 2 SWS Vorlesung (V) / 🗣 Gerking
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 2 SPO in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten.

Voraussetzungen

Keine.

Teilleistung: Energetics [T-PHYS-111417]

Verantwortung:
Prof. Dr. Andreas Fink
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052131 Energetics 2 SWS Vorlesung (V) / 🧩 Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Active participation

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Energie und Umwelt [T-WIWI-102650]

Verantwortung:
Ute Karl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2581003 Energie und Umwelt 2 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine.

Teilleistung: Energieinformatik 1 [T-INFO-103582]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Voraussetzung für: T-INFO-106059 - Energieinformatik 2
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400058 Energieinformatik 1 4 SWS Vorlesung / Übung (VÜ) Hagenmeyer, Süß, Schmurr, Langner
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Die Vorleistung (T-INFO-110356) muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110356 - Energieinformatik 1 - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Energieinformatik 1 - Vorleistung [T-INFO-110356]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Voraussetzung für: T-INFO-106059 - Energieinformatik 2
T-INFO-103582 - Energieinformatik 1
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine

Teilleistung: Energieinformatik 2 [T-INFO-106059]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400017 Energieinformatik 2 4 SWS Vorlesung / Übung (VÜ) / 🗣 Hagenmeyer, Förderer, Bao, Elbez, Suess, Kühnapfel, Cakmak, Mikut
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Energieinformatik I

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103582 - Energieinformatik 1 muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-INFO-110356 - Energieinformatik 1 - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Energieübertragung und Netzregelung [T-ETIT-101941]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100534 - Energieübertragung und Netzregelung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2307372 Energieübertragung und Netzregelung 2 SWS Vorlesung (V) / 🗣 Leibfried
SS 2024 2307374 Übungen zu 2307372 Energieübertragung und Netzregelung 1 SWS Übung (Ü) / 🗣 Bisseling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Teilleistung: Energy Market Engineering [T-WIWI-107501]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2540464 Energy Market Engineering 2 SWS Vorlesung (V) / 🧩 Weinhardt, Miskiw
SS 2024 2540465 Übung zu Energy Market Engineering 1 SWS Übung (Ü) / 🗣 Semmelmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs). 

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Frühere Bezeichnung bis einschließlich SS17: T-WIWI-102794 "eEnergy: Markets, Services, Systems".

Die Veranstaltung wird neben den Modulen des IISM auch im Modul Energiewirtschaft und Energiemärkte des IIP angeboten.

Teilleistung: Energy Meteorology [T-PHYS-111428]

Verantwortung:
apl. Prof. Dr. Stefan Emeis
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 4052191 Energy Meteorology 2 SWS Vorlesung (V) / 🗣 Emeis, Schroedter-Homscheidt, Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The students work in small groups on a task chosen at the beginning of the course on the topics of wind, solar or electricity grids. At the end, each student presents his or her results in a short presentation (max. 5 slides) followed by a discussion.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Energy Networks and Regulation [T-WIWI-107503]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2540494 Energy Networks and Regulation 2 SWS Vorlesung (V) / 🗣 Rogat, Miskiw
WS 24/25 2540495 Übung zu Energy Networks and Regulation 1 SWS Übung (Ü) / 🗣 Rogat, Miskiw
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (nach §4(2), 1 SPO).  
Die Prüfung wird im Semester der Vorlesung angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Energy Trading and Risk Management [T-WIWI-112151]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2581020 Energy Trading and Risk Management 2 SWS Vorlesung (V) / 🗣 Kraft, Fichtner, Beranek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Vorlesung „Energiehandel und Risikomanagement“ findet seit dem Sommersemester 2022 in englischer Sprache unter dem Titel „Energy Trading and Risk Management“ statt. Die Prüfung zur englischsprachigen Vorlesung wird seit dem Sommersemester 2022 auf Englisch angeboten.
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Engineering Interactive Systems: AI & Wearables [T-WIWI-113460]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Sie besteht aus einer einstündigen Klausur und der Durchführung eines Capstone Projektes.

Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Teilleistung: Engineering Self-Adaptive Systems [T-INFO-113349]

Verantwortung:
Prof. Dr. Raffaela Mirandola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106626 - Engineering Self-Adaptive Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400186 Engineering Self-Adaptive Systems Vorlesung (V) Mirandola
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Entrepreneurship [T-WIWI-102864]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2545001 Entrepreneurship 2 SWS Vorlesung (V) / 🧩 Terzidis, Dang
WS 24/25 2545001 Entrepreneurship 2 SWS Vorlesung (V) / 🧩 Terzidis, Dang
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).

Die Note ist die Note der schriftlichen Prüfung.

Den Studierenden wird durch gesonderte Aufgabenstellungen die Möglichkeit geboten einen Notenbonus zu erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um maximal eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Entrepreneurship Seasonal School [T-WIWI-113151]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2500215 Entrepreneurship Seasonal School 2 SWS Block (B) / 🗣 Weimar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen. Details zur Ausgestaltung der Prüfungsleistung anderer Art werden im Rahmen der Lehrveranstaltung bekannt gegeben. 

Voraussetzungen

Die Seasonal School richtet sich an fortgeschrittene Bachelor- und alle Masterstudierende (alle Fachrichtungen).  Voraussetzung ist die Teilnahme am Auswahlverfahren.

Empfehlungen

Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.

Anmerkungen

Die Arbeitssprache der Seasonal School ist Englisch.

Teilleistung: Entrepreneurship-Forschung [T-WIWI-102894]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2545002 Entrepreneurship-Forschung 2 SWS Seminar (S) / 🗣 Terzidis, Tittel, Rosales Bravo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Seminararbeit). Die Note ergibt sich aus der Bewertung der Seminararbeit und deren Präsentation, sowie der aktiven Beteiligung an der Seminarveranstaltung.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Themen werden jeweils in Kleingruppen erarbeitet. Die Präsentation der Ergebnisse findet im Rahmen einer 2-tägigen Blockveranstaltung am Ende des Semesters statt. An allen Seminartagen besteht Anwesensheitspflicht.

Teilleistung: Entwicklung von nachhaltigen, digitalen Geschäftsmodellen [T-WIWI-113663]

Verantwortung:
Daniel Duwe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2500043 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.

Die Note setzt sich zu gleichen Teilen aus den Noten der schriftlichen Ausarbeitung (ca. 5 Seiten/Person) und der Präsentation der Ergebnisse zusammen.


Voraussetzungen

Keine

Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Teilleistung: Entwurf und Architekturen für Eingebettete Systeme (ES2) [T-INFO-101368]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100831 - Entwurf und Architekturen für Eingebettete Systeme (ES2)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424106 Entwurf und Architekturen für Eingebettete Systeme (ES 2) 2 SWS Vorlesung (V) Khdr, Henkel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO im Umfang von i.d.R. 20 Minuten.

Voraussetzungen

Keine

Empfehlungen

Kentnisse in Rechnersturkturen sind hilfreich.

Teilleistung: Ereignisdiskrete Simulation in Produktion und Logistik [T-WIWI-102718]

Verantwortung:
Hon.-Prof. Dr. Sven Spieckermann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2550488 Ereignisdiskrete Simulation in Produktion und Logistik 3 SWS Vorlesung (V) / 🗣 Spieckermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgskontrolle anderer Art bestehend aus schriftlicher Ausarbeitung und mündlicher Abschlussprüfung von ca. 30-40 min Dauer (Prüfungsleistung anderer Art).

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden vorausgesetzt.

Anmerkungen

Aufgrund der begrenzten Teilnehmerzahl ist eine Bewerbung erforderlich. Weitere Informationen entnehmen Sie der Internetseite der Veranstaltung.
Die Lehrveranstaltung wird voraussichtlich in jedem Sommersemester angeboten.
Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Teilleistung: Erfolgreiche Transformation durch Innovation [T-WIWI-111823]

Verantwortung:
Malte Busch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2500018 Erfolgreiche Transformation durch Innovation 2 SWS Seminar (S) / 🗣 Busch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse (50%) und einer Seminararbeit (Ausarbeitung in der Gruppe, mit ca. 5 Seiten/Person) (50%).

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement [2545015] wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Teilleistung: Europäisches und Internationales Recht [T-INFO-101312]

Verantwortung:
Ulf Brühann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101217 - Öffentliches Wirtschaftsrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24666 Europäisches und Internationales Recht 2 SWS Vorlesung (V) / 🗣 Brühann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Parallel zu den Veranstaltungen werden begleitende Tutorien angeboten, die insbesondere der Vertiefung der juristischen Arbeitsweise dienen. Ihr Besuch wird nachdrücklich empfohlen.
Während des Semesters wird eine Probeklausur zu jeder Vorlesung mit ausführlicher Besprechung gestellt. Außerdem wird eine Vorbereitungsstunde auf die Klausuren in der vorlesungsfreien Zeit angeboten.
Details dazu auf der Homepage des ZAR (www.kit.edu/zar).

Teilleistung: Exam on Selected Topics in Meteorology (Second Major) [T-PHYS-109380]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Erfolgskontrolle(n)

Mündliche Prüfung über die im Wahlbereich gewählten Vorlesungen.

Voraussetzungen

Vorleistungen im Umfang von mindestens 10 ECTS aus dem Wahlangebot des Moduls müssen bestanden sein, um zur Prüfung zugelassen zu werden. 

Modellierte Voraussetzungen
Es muss eine von 4 Bedingungen erfüllt werden:
  1. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es muss eine von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es müssen die folgenden Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  2. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 2 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es müssen 4 von 7 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  3. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 3 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es muss eine von 7 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  4. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 4 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.

Teilleistung: Experimentelle Wirtschaftsforschung [T-WIWI-102614]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540489 Experimentelle Wirtschaftsforschung 2 SWS Vorlesung (V) / 🗣 Knierim
WS 24/25 2540493 Übung zu Experimentelle Wirtschaftsforschung 1 SWS Übung (Ü) / 🗣 del Puppo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min).

Voraussetzungen

Keine

Anmerkungen

Die Vorlesung wird in englischer Sprache gehalten.

Teilleistung: Explainable Artificial Intelligence [T-INFO-112774]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106302 - Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400128 Explainable Artificial Intelligence 2 SWS Vorlesung (V) / 🗣 Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Durch die erfolgreiche Teilnahme am Übungsbetrieb als Erfolgskontrolle anderer Art (§4(2), 3 SPO 2008) bzw. Studienleistung (§4(3) SPO 2015) kann ein Bonus erworben werden. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Der Bonus gilt nur für die Haupt- und Nachklausur des Semesters, in dem ererworben wurde. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Empfehlungen

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python / PyTorch experience could be beneficial when we discuss practical examples/implementations.

Teilleistung: Extremwerttheorie [T-MATH-105908]

Verantwortung:
Prof. Dr. Vicky Fasen-Hartmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102939 - Extremwerttheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2024 0155600 Extremwerttheorie 2 SWS Vorlesung (V) Fasen-Hartmann
SS 2024 0155610 Übungen zu 0155600 (Extremwerttheorie) 1 SWS Übung (Ü) Fasen-Hartmann
WS 24/25 0103400 Extremwerttheorie 2 SWS Vorlesung (V) Desmettre
WS 24/25 0103410 Übungen zu 0103400 1 SWS Übung (Ü) Desmettre
Voraussetzungen

Keine

Teilleistung: Fallstudienseminar Innovationsmanagement [T-WIWI-102852]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2545105 Fallstudienseminar Innovationsmanagement 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Teilleistung: Fern- und Luftverkehr [T-BGU-106301]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 6232904 Fern- und Luftverkehr 2 SWS Vorlesung (V) / 🧩 Vortisch, Dozenten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

schriftliche Prüfung, 60 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Teilleistung: Financial Analysis [T-WIWI-102900]

Verantwortung:
Dr. Torsten Luedecke
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2530205 Financial Analysis 2 SWS Vorlesung (V) / 🗣 Luedecke
SS 2024 2530206 Übungen zu Financial Analysis 2 SWS Übung (Ü) / 🗣 Luedecke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Die Note ist das Ergebnis der schriftlichen Prüfung.

Voraussetzungen

Keine

Empfehlungen

Es werden Kenntnisse in Finanzwirtschaft und Rechnungswesen sowie Grundlagen der Unternehmensbewertung vorausgesetzt.

Teilleistung: Finanzintermediation [T-WIWI-102623]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530232 Finanzintermediation 2 SWS Vorlesung (V) / 🗣 Ruckes
WS 24/25 2530233 Übung zu Finanzintermediation 1 SWS Übung (Ü) Ruckes, Benz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO).

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Fine-Grained Complexity Theory & Algorithms [T-INFO-113391]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106644 - Fine-Grained Complexity Theory & Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400152 Fine-Grained Complexity Theory & Algorithms Vorlesung / Übung (VÜ) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20-30 minutes.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Teilleistung: Formale Systeme [T-INFO-101336]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100799 - Formale Systeme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24086 Formale Systeme 4 SWS Vorlesung / Übung (VÜ) Beckert, Ulbrich, Weigl
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 der SPO.

Zusätzlich werden Zwischentests und Praxisaufgaben angeboten, für die ein Notenbonus von max. 0,4 (entspricht einem Notenschritt) vergeben werden. Der erlangte Notenbonus wird auf eine bestandene schriftliche Prüfung (Klausur) im gleichen Semester angerechnet. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Empfehlungen

Der erfolgreiche Abschluss des Moduls Theoretische Grundlagen der Informatik wird empfohlen.

Teilleistung: Formale Systeme II: Anwendung [T-INFO-101281]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100744 - Formale Systeme II: Anwendung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400093 Formale Systeme II - Anwendung findet im SS 2024 nicht statt! 3 SWS Vorlesung (V) / 🗣 Ulbrich, Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die belegten Vorlesungen nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der vorherige Besuch des Stammoduls "Formale Systeme" wird empfohlen.

Die Module "Formale Systeme II - Anwendung und "Formale Systeme II - Theorie" ergänzen sich. Sie können jedoch auch ohne Einschränkungen einzeln belegt werden.

Teilleistung: Formale Systeme II: Theorie [T-INFO-101378]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100841 - Formale Systeme II: Theorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24608 Formale Systeme II - Theorie 3 SWS Vorlesung (V) / 🗣 Beckert, Ulbrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (§ 4 Abs. 2 Nr. 2 der SPO).

Voraussetzungen

Keine

Teilleistung: Forschungspraktikum Autonome Lernende Roboter [T-INFO-110861]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105378 - Forschungspraktikum Autonome Lernende Roboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400112 Forschungspraktikum Autonome Lernende Roboter 4 SWS Praktikum (P) / 🗣 Neumann, Freymuth, Hoang, Jia
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Experience in Machine Learning is recommended.

Teilleistung: Forschungspraktikum Deep Learning in der Robotik [T-INFO-111024]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105480 - Forschungspraktikum Deep Learning in der Robotik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400091 Deep Learning for Robotics 4 SWS Praktikum (P) / 🗣 Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

It is only possible to resign within two weeks after assignment of the topic.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

-        The discussed algorithms have to be implemented successfully.

-        The experiments need to be conducted scientifically and need to be well documented.

-        The final report is well written and well structured

-        The final presentation is well prepared

Voraussetzungen

None.

Empfehlungen

-        Experience in Machine Learning is recommended.

-        Python experience is recommended

-        We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Forschungspraktikum Netzsicherheit [T-INFO-110938]

Verantwortung:
Mario Hock
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105413 - Forschungspraktikum Netzsicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art.

In die Erfolgskontrolle fließen u.a. Implementierung, Dokumentation, Präsentation im Rahmen des Kolloquiums sowie der anzufertigende Forschungsbericht ein.

Rücktritt ist bis zu zwei Wochen nach der ersten (Online)-Präsenzveranstaltung möglich.

Voraussetzungen

Keine.

Empfehlungen

Das Modul Netzsicherheit: Architekturen und Protokolle [M-INFO-100782] sollte begonnen oder abgeschlossen sein.

Teilleistung: Forschungspraktikum Telematik [T-INFO-111208]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105590 - Forschungspraktikum Telematik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art. In die Erfolgskontrolle fließen u.a. Implementierung,  Dokumentation, Präsentation im Rahmen des Kolloquiums sowie der anzufertigende Forschungsbericht ein.

Voraussetzungen

Keine.

Empfehlungen

Ein ausgeprägtes wissenschaftliches Interesse an den Themen der Netzsicherheit wird vorausgesetzt:  es werden keine vorgefertigten Übungsaufgaben bearbeitet,  stattdessen fordert das Praktikum einen hohen Grad an Eigeninitiative.

Teilleistung: Forschungspraktikum: Artificial Intelligence & Security [T-INFO-113759]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106866 - Forschungspraktikum: Artificial Intelligence & Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24042 Forschungspraktikum: Artificial Intelligence & Security 4 SWS Praktikum (P) / 🧩 Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111037 - Praktikum: Intelligente Systemsicherheit darf nicht begonnen worden sein.
Empfehlungen

Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.

Teilleistung: Forschungspraktikum: Explainable Artificial Intelligence [T-INFO-113114]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106495 - Forschungspraktikum: Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400142 Forschungspraktikum: Explainable Artificial Intelligence 4 SWS Praktikum (P) / 🗣 Lioutikov, Li, Mattes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)

Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

Keine.

Empfehlungen

We recommend taking this Praktikum after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this research project in combination with the “Explainable Artificial Intelligence” seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Teilleistung: Forschungspraktikum: Interactive Learning [T-INFO-112772]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106300 - Forschungspraktikum: Interactive Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2400139 Forschungspraktikum: Interactive Learning 4 SWS Praktikum (P) / 🗣 Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Presentation on the chosen topic at the end of the semester and written elaboration.

Voraussetzungen

Keine.

Empfehlungen

We highly recommend to take this research project in combination with the “Interactive Learning” seminar.

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this project.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Fortgeschrittene Datenstrukturen [T-INFO-105687]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102731 - Fortgeschrittene Datenstrukturen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400164 Fortgeschrittene Datenstrukturen 3 SWS Vorlesung (V) / 🗣 Kurpicz, Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

(Modulnote: Gewichtung: 80% mündliche Prüfung, 20% Projekt/Experiment)

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111849 - Fortgeschrittene Datenstrukturen Projekt/Experiment muss begonnen worden sein.
Empfehlungen

Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf.  Entsprechende Vorkenntnisse sind also hilfreich.

Teilleistung: Fortgeschrittene Datenstrukturen Projekt/Experiment [T-INFO-111849]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102731 - Fortgeschrittene Datenstrukturen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400164 Fortgeschrittene Datenstrukturen 3 SWS Vorlesung (V) / 🗣 Kurpicz, Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfung anderer Art nach § 4 Abs. 2 Nr. 3.

(Modulnote: Gewichtung: 80% mündliche Prüfung, 20% Projekt/Experiment)

Voraussetzungen

Keine.

Empfehlungen

Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf.  Entsprechende Vorkenntnisse sind also hilfreich.

Teilleistung: Fortgeschrittene Künstliche Intelligenz [T-INFO-112768]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106299 - Fortgeschrittene Künstliche Intelligenz
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400141 Fortgeschrittene Künstliche Intelligenz 4 SWS Vorlesung (V) / 🗣 Niehues, Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO Informatik.

Voraussetzungen

Keine.

Teilleistung: Fortgeschrittene Stochastische Optimierung [T-WIWI-106548]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2500089 Advanced Stochastic Optimization 2 SWS Vorlesung (V) / 🖥 Rebennack
WS 24/25 2550468 Übung zu Advanced Stochastic Optimization 1 SWS Übung (Ü) / 🧩 Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 Minuten). Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen, die Vorlesung „Einführung in die Stochastische Optimierung“ zu hören, bevor die Vorlesung „Advanced Stochastic Optimization (Fortgeschrittene Stochastische Optimierung)“ besucht wird.

Anmerkungen

Vorlesung und Übung werden unregelmäßig angeboten.

Teilleistung: Fortgeschrittenes Algorithmisches Programmieren [T-INFO-111399]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105723 - Fortgeschrittenes Algorithmisches Programmieren
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400145 Fortgeschrittenes Algorithmisches Programmieren (findet im WS 24/25 nicht statt) 2 SWS Vorlesung (V) / 🗣 Bläsius, Weyand, Zündorf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Bewertet werden regelmäßige Programmieraufgaben und eine computergestützte Prüfung von i.d.R. 30 Minuten am Ende des Semesters. Es wird eine Gesamtnote vergeben.

Ein Rücktritt ist innerhalb von zwei Wochen nach Beginnn der Veranstaltung möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) und Programmierkenntnisse in C++ werden erwartet.

Erfolgreiche Teilnahme am Basispraktikum zum ICPC Programmierwettbewerb wird stark empfohlen.

Teilleistung: Fotorealistische Bildsynthese [T-INFO-101268]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100731 - Fotorealistische Bildsynthese
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400180 Fotorealistische Bildsynthese 2 SWS Vorlesung (V) / 🗣 Schudeiske
WS 24/25 2400185 Übung Fotorealistische Bildsynthese 2 SWS Übung (Ü) / 🗣 Schudeiske, Grauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081).

Teilleistung: Fundamentals of Optics and Photonics [T-PHYS-103628]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101927 - Fundamentals of Optics and Photonics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4044021 KSOP - Fundamentals of Optics & Photonics 4 SWS Vorlesung (V) / 🗣 Kreysing, Lemmer
WS 24/25 4044022 KSOP - Exercises to Fundamentals of Optics & Photonics 2 SWS Übung (Ü) / 🗣 Hunger, Palkhivala
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle findet für WMK-Studierende in Form einer mündlichen Prüfung statt.

Voraussetzungen

Erfolgreiche Übungsteilnahme

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-PHYS-103630 - Fundamentals of Optics and Photonics - Unit muss erfolgreich abgeschlossen worden sein.

Teilleistung: Fundamentals of Optics and Photonics - Unit [T-PHYS-103630]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101927 - Fundamentals of Optics and Photonics
Voraussetzung für: T-PHYS-103628 - Fundamentals of Optics and Photonics
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 4044021 KSOP - Fundamentals of Optics & Photonics 4 SWS Vorlesung (V) / 🗣 Kreysing, Lemmer
WS 24/25 4044022 KSOP - Exercises to Fundamentals of Optics & Photonics 2 SWS Übung (Ü) / 🗣 Hunger, Palkhivala
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Funktionalanalysis [T-MATH-102255]

Verantwortung:
Prof. Dr. Dorothee Frey
PD Dr. Gerd Herzog
Prof. Dr. Dirk Hundertmark
Prof. Dr. Tobias Lamm
TT-Prof. Dr. Xian Liao
Prof. Dr. Wolfgang Reichel
Prof. Dr. Roland Schnaubelt
Dr. rer. nat. Patrick Tolksdorf
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101320 - Funktionalanalysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 0104800 Functional Analysis 4 SWS Vorlesung (V) / 🗣 Reichel
WS 24/25 0104810 Tutorial for 0104800 (Functional Analysis) 2 SWS Übung (Ü) / 🗣 Reichel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

keine

Teilleistung: Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie [T-INFO-101262]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Hon.-Prof. Dr. Uwe Spetzger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100725 - Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 24678 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 2 SWS Vorlesung (V) / 🗣 Spetzger
WS 24/25 24139 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 2 SWS Vorlesung (V) / 🗣 Spetzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 45 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Der Besuch der Praktika und Seminare im Bereich Medizintechnik am Institut ist empfehlenswert, da erste praktische und theoretische Erfahrungen in den vielen unterschiedlichen Bereichen vermittelt und vertieft werden.

Teilleistung: Gemischt-ganzzahlige Optimierung I [T-WIWI-102719]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2550140 Gemischt-ganzzahlige Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550138 Gemischt-ganzzahlige Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550139 Übung zu Gemischt-ganzzahlige Optimierung I Übung (Ü) / 🗣 Stein, Beck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Gemischt-ganzzahlige Optimierung II [25140] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (kop.ior.kit.edu) nachgelesen werden.

Teilleistung: Gemischt-ganzzahlige Optimierung II [T-WIWI-102720]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2550140 Gemischt-ganzzahlige Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
SS 2024 2550141 Übungen zu Gemischt-ganzzahlige Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Schwarze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten. 

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Gemischt-ganzzahlige Optimierung I [2550138] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (kop.ior.kit.edu) nachgelesen werden.

Teilleistung: Generalisierte Regressionsmodelle [T-MATH-105870]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102906 - Generalisierte Regressionsmodelle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2024 0161400 Generalisierte Regressionsmodelle 2 SWS Vorlesung (V) Klar
SS 2024 0161410 Übungen zu 0161400 (generalisierte Regressionsmodelle) 1 SWS Übung (Ü) Klar
Erfolgskontrolle(n)

Mündliche Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Das Modul kann nicht zusammen mit der Lehrveranstaltung Statistische Modellierung von allgemeinen Regressionsmodellen [T-WIWI-103065] geprüft werden.

Teilleistung: Geometric Deep Learning [T-INFO-112662]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106237 - Geometric Deep Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400179 Geometric Deep Learning 2 SWS Vorlesung (V) / 🗣 Stühmer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

None.

Empfehlungen

Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.

Teilleistung: Geschäftsplanung für Gründer [T-WIWI-102865]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2545109 Business Planning for Founders 2 SWS Seminar (S) / 🗣 Terzidis, Tittel, Rosales Bravo
WS 24/25 2500109 Business Planning for Founders - Startup CFO 2 SWS Seminar (S) / 🗣 Terzidis, Tittel, Rosales Bravo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.

Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Global Manufacturing [T-WIWI-112103]

Verantwortung:
Dr. Henning Sasse
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581956 Global Manufacturing 2 SWS Vorlesung (V) / 🧩 Sasse
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Vorlesung wird erstmals im Wintersemester 2022/23 gehalten. 

Teilleistung: Globale Optimierung I [T-WIWI-102726]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2550134 Globale Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. 

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu "Globale Optimierung II" erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103638 - Globale Optimierung I und II darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Globale Optimierung I und II [T-WIWI-103638]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2550134 Globale Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
SS 2024 2550135 Übung zu Globale Optimierung I und II 2 SWS Übung (Ü) / 🗣 Stein, Beck
SS 2024 2550136 Globale Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (120min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

  

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102726 - Globale Optimierung I darf nicht begonnen worden sein.
  2. Die Teilleistung T-WIWI-102727 - Globale Optimierung II darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Globale Optimierung II [T-WIWI-102727]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2550136 Globale Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu "Globale Optimierung I" erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103638 - Globale Optimierung I und II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Graph Theory and Advanced Location Models [T-WIWI-102723]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2500007 Übungen zu Graph Theory and Advanced Location Models 1.5 SWS Übung (Ü) / 🧩 Bakker
WS 24/25 2550484 Graph Theory and Advanced Location Models 3 SWS Vorlesung (V) / 🧩 Nickel
WS 24/25 2550485 Übungen zu Graph Theory and Advanced Location Models 1 SWS Übung (Ü) Dunke, Bindewald
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO).

Die Prüfung wird im Semester der Vorlesung und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung wird unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden. 

Teilleistung: Graphentheorie [T-MATH-102273]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101336 - Graphentheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 0104500 Graph Theory 4 SWS Vorlesung (V) Aksenovich, Clemen, Winter
WS 24/25 0104510 Tutorial for 0104500 (Graph Theory) 2 SWS Übung (Ü) Aksenovich, Clemen
Voraussetzungen

Keine

Teilleistung: Graphpartitionierung und Graphenclustern in Theorie und Praxis [T-INFO-101295]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100758 - Graphpartitionierung und Graphenclustern in Theorie und Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch eine mündliche Prüfung (i.d.R. 30min) nach § 4 Abs. 2 Nr. 2 SPO.

Die Modulnote setzt sich aus den benoteten und gewichteten Erfolgskontrollen (i.d.R. 80% der mündlichen Prüfung und 20% der weiteren Leistung) zusammen.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Graphpartitionierung und Graphenclustern in Theorie und Praxis - Übung [T-INFO-110999]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100758 - Graphpartitionierung und Graphenclustern in Theorie und Praxis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch eine Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 der SPO (Seminararbeit/Präsentation/Programmieraufgabe o. ä.).

Die Gesamtnote setzt sich aus den benoteten und gewichteten Erfolgskontrollen (i.d.R. 80% der mündlichen Prüfung und 20% der weiteren Leistung) zusammen.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Grundlagen der Biologie [T-CHEMBIO-100180]

Verantwortung:
Prof. Dr. Peter Nick
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: M-CHEMBIO-101957 - Ergänzungsfach Biologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 7001 Grundlagen der Biologie (zu Modul BA-01) 4 SWS Vorlesung (V) / 🗣 Nick, Bastmeyer, Kämper
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung zu BA-01 im Umfang von 120 Minuten;
Zum Bestehen der Prüfung müssen mindesten 50% der Gesamtpunktzahl erreicht werden.

Voraussetzungen

keine

Empfehlungen

Materialien

 

Tutorien zur Vorlesung

Informationen werden in ILIAS bereit gestellt

Anmerkungen

Vorlesungsplan und Folien:

siehe entsprechenden ILIAS-Kurs

Teilleistung: Grundlagen der Mess- und Regelungstechnik [T-MACH-104745]

Verantwortung:
Prof. Dr.-Ing. Christoph Stiller
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Mess- und Regelungstechnik
Bestandteil von: M-MACH-102564 - Mess- und Regelungstechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
7
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2137301 Grundlagen der Mess- und Regelungstechnik 3 SWS Vorlesung (V) / 🗣 Stiller
WS 24/25 2137302 Übungen zu Grundlagen der Mess- und Regelungstechnik 1 SWS Übung (Ü) / 🗣 Stiller, Rack
WS 24/25 3137020 Measurement and Control Systems 3 SWS Vorlesung (V) / 🗣 Stiller
WS 24/25 3137021 Measurement and Control Systems (Tutorial) 1 SWS Übung (Ü) / 🗣 Stiller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung

2,5 Stunden

Voraussetzungen

keine

Teilleistung: Güterverkehr [T-BGU-106611]

Verantwortung:
Dr. Eckhard Szimba
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 6232809 Güterverkehr 2 SWS Vorlesung / Übung (VÜ) / 🗣 Szimba
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

schriftliche Prüfung, 60 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Teilleistung: Hands-on Bioinformatics Practical [T-INFO-103009]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101573 - Hands-on Bioinformatics Practical
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO. Es müssen praktische Aufgaben im Bereich der Bioinformatik bearbeitet werden. Die Ergebnisse müssen schriftlich oder
mündlich präsentiert werden.

Voraussetzungen

Die Vorlesung Introduction to Bioinformatics for Computer Scientists muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists muss erfolgreich abgeschlossen worden sein.

Teilleistung: Hardware Modeling and Simulation [T-ETIT-100672]

Verantwortung:
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100449 - Hardware Modeling and Simulation
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2311608 Hardware Modeling and Simulation 2 SWS Vorlesung (V) / 🗣 Becker, Becker
WS 24/25 2311610 Tutorial for 2311608 Hardware Modeling and Simulation 1 SWS Übung (Ü) / 🗣 Unger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Achievement is examined in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Teilleistung: Hardware/Software Co-Design [T-ETIT-100671]

Verantwortung:
Dr.-Ing. Tanja Harbaum
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100453 - Hardware/Software Co-Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311620 Hardware/Software Co-Design 2 SWS Vorlesung (V) / 🗣 Harbaum, Becker
WS 24/25 2311623 Übungen zu 2311620 Hardware/Software Co-Design 1 SWS Übung (Ü) / 🗣 Gutermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Informationstechnik sind hilfreich.

Teilleistung: Hardware-Synthese und -Optimierung [T-ETIT-100673]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100452 - Hardware-Synthese und -Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2311619 Hardware-Synthese und -Optimierung 3 SWS Vorlesung (V) / 🗣 Becker
SS 2024 2311621 Übungen zu 2311619 Hardware-Synthese und -Optimierung 1 SWS Übung (Ü) / 🗣 Schmidt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Heterogene parallele Rechensysteme [T-INFO-101359]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100822 - Heterogene parallele Rechensysteme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424117 Heterogene parallele Rechensysteme 2 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Teilleistung: Hot Research Topics in AI for Engineering Applications [T-MACH-113669]

Verantwortung:
Prof. Dr.-Ing. Anne Meyer
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2121341 Hot Research Topics in AI for Engineering Applications 3 SWS Projekt (PRO) / 🗣 Meyer, Dörr
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Diese setzt sich aus einer individuellen Wissensüberprüfung nach dem Vorlesungsteil, der kontinuierlichen Bewertung der Teamarbeit während der Implementierungsaufgabe und einer Abschlusspräsentation zusammen. Der Gesamteindruck wird bewertet, neben der Implementierungsaufgabe fließt auch die Wissensabfrage und die Abschlusspräsentation mit ein.

Voraussetzungen

keine

Empfehlungen

Grundlagenkenntnisse künstliche Intelligenz und Maschinelles Lernen, Programmiererfahrung (Python), Englisch-Kenntnisse

Anmerkungen

Teilnehmerzahl begrenzt.

Teilleistung: HRI and Social Robotics [T-INFO-113396]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106650 - HRI and Social Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400159 HRI and Social Robotics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: HRI and Social Robotics - Pass [T-INFO-113397]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106650 - HRI and Social Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400159 HRI and Social Robotics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment can only be repeated once.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: Humanoid Robots - Locomotion and Whole-Body Control [T-INFO-113395]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106649 - Humanoid Robots - Locomotion and Whole-Body Control
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400135 Humanoid Robots – Locomotion and Whole-Body Control 4 SWS Vorlesung (V) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

It evaluates the performance in an individual programming project on the topic of humanoid robots, which consists of the definition and solution of the project itself as well as a subsequent oral presentation in a block event and the submission of a written report. Both components can be completed in the same group of two students.

Withdrawal is possible within the first 7 weeks of the lecture period.

Voraussetzungen

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Teilleistung: Humanoide Roboter - Seminar [T-INFO-105144]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102561 - Humanoide Roboter - Seminar
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400048 Seminar: Humanoide Roboter 2 SWS Seminar (S) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO  durch Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

Keine.

Empfehlungen

Vorlesung Robotik 1, Robotik 2, Robotik 3, Mechano-Informatik, Anziehbare Robotertechnologien

Teilleistung: Incentives in Organizations [T-WIWI-105781]

Verantwortung:
Prof. Dr. Petra Nieken
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2573003 Incentives in Organizations 2 SWS Vorlesung (V) / 🗣 Nieken
SS 2024 2573004 Übung zu Incentives in Organizations 2 SWS Übung (Ü) / 🗣 Nieken, Mitarbeiter, Walther, Gorny
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 1 Stunde. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.
Bei einer geringen Anzahl an zur Klausur angemeldeten Teilnehmerinnen und Teilnehmer behalten wir uns die Möglichkeit vor, eine mündliche Prüfung anstelle einer schriftlichen Prüfung stattfinden zu lassen.

Voraussetzungen

Keine

Empfehlungen

Es werden Kenntnisse in Mikroökonomie, Spieltheorie und Statistik vorausgesetzt.

Teilleistung: Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT [T-INFO-112148]

Verantwortung:
Angelika Kaplan
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400094 Ethik der IT Vorlesung (V) / 🖥 Reussner, Bagattini, Heinrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.

Voraussetzungen

Keine.

Empfehlungen

Keine.

Anmerkungen

Selbstfahrende Autos, Pflegeroboter, Apps, Software für Einstellungsverfahren oder für die Anwendung in komplexen medizinischen Diagnoseverfahren wie dem MRT. Längst ist klar, dass viele neue Technologien im Bereich der IT gleichermaßen Vorteile aber auch Gefahren mit sich bringen. Heute sind wir fast alle persönlich von phishing emails und spam betroffen, und die adversen Effekte von social media – wie Vereinsamung und damit korrelierende psychische Erkrankungen – sind allgemein bekannt. Eine wesentlich größere Tragweite wird deutlich, wenn man an die Möglichkeiten moderner Überwachungssysteme, Gesichtserkennungstechnologien und Big Data Algorithmen in sozio-globalen Kontexten betrachtet, wo sie, wie beim Cambridge Analytica Skandal, politische Wahlen und sogar ganze politische Systeme unterminieren können. Diese Ambivalenz neuer Technologien führt auch zur Frage nach der Verantwortung für die mit ihnen verbundenen Folgen. Es greift hier sicherlich zu kurz, den einzelnen Informatiker allein in der Pflicht zu sehen, schließlich handelt es sich um ein gesamtgesellschaftliches Problemfeld, an dem beispielsweise politische Akteure und Firmen beteiligt sind, was sich angesichts der oftmals globalen Dimension kooperativer Projekte im Bereich der IT noch komplizierter darstellt. Allerdings sind Informatiker oftmals diejenigen, die als erste mit ethischen Problemen konfrontiert sind. Um hier eine eigene Position beziehen zu können, ist wichtig zu lernen, wie man sich souverän in den für ethische Fragestellungen typischen Grauzonen (in denen es oft kein klares Wahr oder Falsch gibt) argumentativ bewegen kann.

Das Ziel dieser Ringvorlesung ist es, hierzu einen Beitrag zu leisten, indem wir gemeinsam mit einschlägigen Expert*innen über grundsätzliche und anwendungsbezogene ethische Fragen im Bereich der IT diskutieren. Hierbei ist uns ein offener Diskurs wichtig, bei dem zu den oftmals kontroversen Themen alle Argumente gehört und bewertet werden können.

Teilleistung: Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT [T-INFO-111839]

Verantwortung:
Angelika Kaplan
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400094 Ethik der IT Vorlesung (V) / 🖥 Reussner, Bagattini, Heinrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.

Voraussetzungen

Keine.

Empfehlungen

Keine.

Anmerkungen

Selbstfahrende Autos, Pflegeroboter, Apps, Software für Einstellungsverfahren oder für die Anwendung in komplexen medizinischen Diagnoseverfahren wie dem MRT. Längst ist klar, dass viele neue Technologien im Bereich der IT gleichermaßen Vorteile aber auch Gefahren mit sich bringen. Heute sind wir fast alle persönlich von phishing emails und spam betroffen, und die adversen Effekte von social media – wie Vereinsamung und damit korrelierende psychische Erkrankungen – sind allgemein bekannt. Eine wesentlich größere Tragweite wird deutlich, wenn man an die Möglichkeiten moderner Überwachungssysteme, Gesichtserkennungstechnologien und Big Data Algorithmen in sozio-globalen Kontexten betrachtet, wo sie, wie beim Cambridge Analytica Skandal, politische Wahlen und sogar ganze politische Systeme unterminieren können. Diese Ambivalenz neuer Technologien führt auch zur Frage nach der Verantwortung für die mit ihnen verbundenen Folgen. Es greift hier sicherlich zu kurz, den einzelnen Informatiker allein in der Pflicht zu sehen, schließlich handelt es sich um ein gesamtgesellschaftliches Problemfeld, an dem beispielsweise politische Akteure und Firmen beteiligt sind, was sich angesichts der oftmals globalen Dimension kooperativer Projekte im Bereich der IT noch komplizierter darstellt. Allerdings sind Informatiker oftmals diejenigen, die als erste mit ethischen Problemen konfrontiert sind. Um hier eine eigene Position beziehen zu können, ist wichtig zu lernen, wie man sich souverän in den für ethische Fragestellungen typischen Grauzonen (in denen es oft kein klares Wahr oder Falsch gibt) argumentativ bewegen kann.

Das Ziel dieser Ringvorlesung ist es, hierzu einen Beitrag zu leisten, indem wir gemeinsam mit einschlägigen Expert*innen über grundsätzliche und anwendungsbezogene ethische Fragen im Bereich der IT diskutieren. Hierbei ist uns ein offener Diskurs wichtig, bei dem zu den oftmals kontroversen Themen alle Argumente gehört und bewertet werden können.

Teilleistung: Informationsmanagement für öffentliche Mobilitätsangebote [T-BGU-106608]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 6232905 Informationsmanagement für öffentliche Mobilitätsangebote 2 SWS Block (B) / 🗣 Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

vorlesungsbegleitende Übungsblätter, ca. 5 Stück

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Teilleistung: Innovation Lab [T-ETIT-110291]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Prof. Dr. Werner Nahm
Prof. Dr.-Ing. Eric Sax
Prof. Dr. Wilhelm Stork
Prof. Dr.-Ing. Thomas Zwick
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
2 Sem.
Version
1
Lehrveranstaltungen
SS 2024 2303192 Innovation Lab 2 SWS Projekt (PRO) / 🗣 Hohmann, Zwick, Sax, Stork, Terzidis
WS 24/25 2303192 Innovation Lab 2 SWS Projekt (PRO) / 🗣 Hohmann, Zwick, Sax, Stork, Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

see module description

Teilleistung: Innovation2Business – Innovation Strategy in the Industrial Corporate Practice [T-MACH-112882]

Verantwortung:
Prof. Dr.-Ing. Albert Albers
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Produktentwicklung
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2145182 Innovation2Business – Innovation Strategy in the Industrial Corporate Practice 2 SWS Vorlesung (V) / 🗣 Albers
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung, in der Inhalte aus dem zur Verfügung gestellten Skript abgefragt werden, Dauer 90 Minuten

Voraussetzungen

keine

Empfehlungen

Keine

Teilleistung: Innovationsmanagement: Konzepte, Strategien und Methoden [T-WIWI-102893]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2545100 Innovationsmanagement: Konzepte, Strategien und Methoden 2 SWS Vorlesung (V) / 🧩 Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Innovative Konzepte zur Programmierung von Industrierobotern [T-INFO-101328]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100791 - Innovative Konzepte zur Programmierung von Industrierobotern
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24179 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🗣 Hein
WS 24/25 24179 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🖥 Hein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Gesamtprüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.

Teilleistung: Integrierte Intelligente Sensoren [T-ETIT-100961]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100457 - Integrierte Intelligente Sensoren
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2311630 Integrierte Intelligente Sensoren 2 SWS Vorlesung (V) / 🗣 Stork
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Integrierte Systeme und Schaltungen [T-ETIT-100972]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100474 - Integrierte Systeme und Schaltungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2312688 Integrierte Systeme und Schaltungen 2 SWS Vorlesung (V) / 🗣 Ilin
SS 2024 2312690 Übungen zu 2312688 Integrierte Systeme und Schaltungen 1 SWS Übung (Ü) / 🗣 Wünsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle findet im Rahmen einer schriftlichen Gesamtprüfung im Umfang von 60 Minuten statt.

Voraussetzungen

keine

Empfehlungen

Der erfolgreiche Abschluss von LV 23655 (Elektronische Schaltungen) ist erforderlich, da das Modul auf dem Stoff und den Vorkenntnissen der genannten Lehrveranstaltung aufbaut.

Teilleistung: Intelligent Agent Architectures [T-WIWI-111267]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2540525 Intelligent Agent Architectures 2 SWS Vorlesung (V) / 🗣 Geyer-Schulz
WS 24/25 2540526 Übung zu Intelligent Agent Architectures 1 SWS Übung (Ü) / 🗣 Geyer-Schulz, Bell
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt eine Notenstufe (0,3 oder 0,4)). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen die Vorlesung "Customer Relationship Management" aus dem Bachelor-Modul "CRM und Servicemanagement" ergänzend zu wiederholen.

Teilleistung: Intelligent Agents and Decision Theory [T-WIWI-110915]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2540537 Intelligent Agents and Decision Theory 2 SWS Vorlesung (V) Geyer-Schulz
SS 2024 2540538 Übung zu Intelligent Agents and Decision Theory 1 SWS Übung (Ü) Schweizer
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Details zur Notenbildung und zu einem gegebenenfalls erreichbaren Klausurbonus aus dem Übungsbetrieb werden in der Lehrveranstaltung bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Dringend empfohlen werden Kenntnisse in Statistik, Operations Research und Mikroökonomie voraus, wie sie im Bachelor-Studiengang (VWL I, Operations Research I + II, Statistik I + II) gelehrt werden, sowie eine Vertrautheit mit der Programmiersprache Python.

Teilleistung: Interaktive Computergrafik [T-INFO-101269]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100732 - Interaktive Computergrafik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24679 Interaktive Computergrafik 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus der Vorlesung Computergrafik werden vorausgesetzt.

Teilleistung: International Business Development and Sales [T-WIWI-110985]

Verantwortung:
Erice Casenave
Prof. Dr. Martin Klarmann
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
WS 24/25 2572189 International Business Development and Sales 4 SWS Block (B) / 🗣 Klarmann, Terzidis, Schmitt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Präsentation). Die Note setzt sich aus der Leistung bei der Präsentation, der anschließenden Diskussion und der schriftlichen Ausarbeitung zusammen.

Anmerkungen

 Aktuelle Informationen erhalten Sie bei der Forschungsgruppe Marketing und Vertrieb.

Teilleistung: Internationale Finanzierung [T-WIWI-102646]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
SS 2024 2530570 Internationale Finanzierung 2 SWS Vorlesung (V) / 🗣 Walter, Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung angeboten werden. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird 14-tägig oder als Blockveranstaltung angeboten.

Teilleistung: Internet of Everything [T-INFO-101337]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100800 - Internet of Everything
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24104 Internet of Everything 2 SWS Vorlesung (V) / 🗣 Zitterbart, Mahrt, Neumeister, Hildenbrand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Bei unvertretbar hohem Prüfungsaufwand wird eine schriftliche Prüfung im Umfang von ca. 60 Minuten anstatt einer mündlichen Prüfung angeboten. Daher wird sechs Wochen im Voraus angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Vorlesung Einführung in Rechnernetze werden als bekannt vorausgesetzt. Der Besuch der Vorlesung Telematik wird dringend empfohlen, da die Inhalte eine wichtige Grundlage für Verständnis und Einordnung des Stoffes sind.

Teilleistung: Internetrecht [T-INFO-101307]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 24354 Internetrecht 2 SWS Vorlesung (V) / 🧩 Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Im WS besteht diese Teilleistung aus einer Vorlesung, die mit einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO abgeschlossen wird.

Voraussetzungen

Die Veranstaltung Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108462 - Ausgewählte Rechtsfragen des Internetrechts darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Vorlesung (mit Klausur) Internetrecht T-INFO-101307 wird im WS angeboten.

Kolloquium (Prüfung sonstiger Art) Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 wird im SS angeboten.

Teilleistung: Introduction to Bioinformatics for Computer Scientists [T-INFO-101286]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400055 Introduction to Bioinformatics for Computer Scientists 2 SWS Vorlesung (V) / 🧩 Stamatakis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (i.d.R. 20 Minuten).

Voraussetzungen

Keine

Teilleistung: IoT Plattform für Ingenieursanwendungen [T-MACH-106743]

Verantwortung:
Prof. Dr.-Ing. Jivka Ovtcharova
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2123352 IoT Plattform für Ingenieursanwendungen 3 SWS Projekt (PRO) / 🗣 Meyer, Maier
WS 24/25 2123352 IoT Plattform für Ingenieursanwendungen 3 SWS Projekt (PRO) / 🗣 Meyer, Maier, Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Prüfungsleistung anderer Art (benotet), Gruppen-Lehrprojekt zu Industrie 4.0 bestehend aus: Konzeption, Umsetzung, begleitende Dokumentation und Schlusspräsentation

Voraussetzungen

keine

Teilleistung: IT-Sicherheit [T-INFO-112818]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106315 - IT-Sicherheit
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400010 IT-Sicherheit 4 SWS Vorlesung / Übung (VÜ) / 🗣 Müller-Quade, Wressnegger, Martin, Tiepelt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der Stoff der Pflichtvorlesung Informationssicherheit soll bekannt sein.

Teilleistung: IT-Sicherheitsmanagement für vernetzte Systeme [T-INFO-101323]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100786 - IT-Sicherheitsmanagement für vernetzte Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24149 IT-Sicherheitsmanagement für vernetzte Systeme 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Droll, Grundmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
    
    Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
    
    * in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
    * in Form einer schriftlichen Prüfung (i.d.R. 60 min) nach § 4 Abs. 2 Nr. 1 SPO
    
    stattfindet.

Voraussetzungen

keine

Empfehlungen

Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.

Anmerkungen

 

Teilleistung: Joint Entrepreneurship Summer School [T-WIWI-109064]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2500037 Joint Entrepreneurship School Egypt 4 SWS Seminar (S) / 🗣 Terzidis, Mohammadi
SS 2024 2545021 Joint Entrepreneurship School China 4 SWS Seminar (S) / 🗣 Kleinn, Terzidis, Mohammadi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle des Programms (Summer School) setzt sich aus zwei Teilen zusammen:
A) Investor Pitch: Anhand einer Präsentation (Investor Pitch) vor einer Jury werden die im Laufe der Veranstaltung gewonnenen und entwickelten Erkenntnisse dargestellt und die Geschäftsidee vorgestellt. Bewertet werden dabei unter anderem die Präsentationsleistung des Teams, die inhaltliche Strukturiertheit und die logische Konsistenz der Geschäftsidee. Die genauen Bewertungskriterien werden in der Veranstaltung bekannt gegeben. 

B) Schriftliche Ausarbeitung: Zweiter Teil der Erfolgskontrolle ist ein schriftlicher Bericht. Der iterative Erkenntnisgewinn der gesamten Veranstaltung wird systematisch protokolliert und kann durch die Inhalte der Präsentation weiter ergänzt werden. Im Bericht werden zentrale Handlungsschritte, angewandte Methoden, Erkenntnisse, Marktanalysen und Interviews dokumentiert und schriftlich aufbereitet. Die genaue Struktur und Anforderungen werden in der Veranstaltungen bekannt gegeben. 

Die Note setzt sich zusammen aus 50 % Präsentationsleistung und 50 % schriftliche Ausarbeitung. Das Punkteschema für die Bewertung legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben. 

Voraussetzungen

Die Summer School richtet sich an Masterstudierende des KIT. Voraussetzung ist die Teilnahme am Auswahlverfahren.

Empfehlungen

Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.

Anmerkungen

Die Arbeitssprache während der Summer School ist englisch. Ein einwöchiger Aufenthalt in China ist Bestandteil der Summer School. 

Teilleistung: Judgement and Decision Making [T-WIWI-111099]

Verantwortung:
Prof. Dr. Benjamin Scheibehenne
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 24/25 2500041 Übung zur Vorlesung Judgment and Decision Making 2 SWS Übung (Ü) / 🧩 Seidler
WS 24/25 2540440 Judgment and Decision Making 3 SWS Vorlesung (V) / 🗣 Scheibehenne, Seidler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Alternative exam assessment. The grading includes the following aspects:

The scoring system for the grading will be announced at the beginning of the course. 

Voraussetzungen

Registration via the WIWI-Portal is required for participation in the Übung. The Übung is a prerequisite for the exam.

Anmerkungen

The judgments and decisions that we make can have long ranging and important consequences for our (financial) well-being and individual health. Hence, the goal of this lecture is to gain a better understanding of how people make judgments and decisions and the factors that influences their behavior. We will look into simple heuristics and mental shortcuts that decision makers use to navigate their environment, in particular so in an economic context. Following this the lecture will provide an overview into social and emotional influences on decision making. In the second half of the semester we will look into some more specific topics including self-control, nudging, and food choice. The last part of the lecture will focus on risk communication and risk perception. We will address these questions from an interdisciplinary perspective at the intersection of Psychology, Behavioral Economics, Marketing, Cognitive Science, and Biology. Across all topics covered in class, we will engage with basic theoretical work as well as with groundbreaking empirical research and current scientific debates.

The workload of the class is 4.5 ECTS. This consists of 3 ETCS for the lecture and 1.5 ETCS for the Übung. Details about the Übung will be communicated at the first day of the class.

Teilleistung: KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics [T-WIWI-111109]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Diese setzt sich zusammen aus:

Für besonders aktive und konstruktive Teilnahme an den Diskussionen anderer Arbeiten im Rahmen der Abschlusspräsentation kann ein Bonus von einer Notenstufe (0.3 oder 0.4) auf die bestandene Prüfungsleistung erreicht werden. Details zur Notenbildung werden zu Beginn der Veranstaltung bekannt gegeben.

Anmerkungen

Aufgrund der Laborkapazität und um eine optimale Betreuung der Projektgruppen zu gewährleisten, ist die Teilnehmerzahl begrenzt. Die Platzvergabe erfolgt unter Berücksichtigung von Präferenzen und Eignung für die Themen. Dabei spielen insbesondere Vorkenntnisse im Bereich Experimentelle Wirtschaftsforschung eine Rolle.

Die Teilleistung kann im Sommersemester 2024 nicht angeboten werden.

Teilleistung: KI Innovationsökosysteme [T-WIWI-113849]

Verantwortung:
Dr. Daniela Beyer
Jennifer Scheydt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2500049 KI Innovationsökosysteme 2 SWS Seminar (S) / 🖥 Beyer, Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art und setzt sich wie folgt zusammen:

Voraussetzungen

Keine

Empfehlungen

Empfohlen wird, dass die Vorlesung: Innovationsmanagement: Konzepte, Strategien und Methoden bereits belegt wurde.

Teilleistung: Klausur Einführung in die Soziologie [T-GEISTSOZ-101131]

Verantwortung:
Prof. Dr. Michael Mäs
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer schriftlichen Prüfung (Klausur) nach SPO des gewählten Studiengangs mit teils frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfah­ren im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Das Bestehen der Studienleistungen, die in der Übung in Form von Haus­auf­gaben zu erbringen sind: Zur Klausur wird zugelassen, wer im Rahmen der Übung drei Aufgabenblätter mit der Note bestanden abgeliefert hat.

Teilleistung: Klausur Sozialstrukturanalyse [T-GEISTSOZ-106485]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Voraussetzungen

Keine.

Teilleistung: Kombinatorik [T-MATH-105916]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102950 - Kombinatorik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
3
Lehrveranstaltungen
SS 2024 0150300 Combinatorics 4 SWS Vorlesung (V) Aksenovich
SS 2024 0150310 Tutorial for 0150300 (Combinatorics) 2 SWS Übung (Ü) Liu
Voraussetzungen

Keine

Anmerkungen

Der Kurs wird jedes zweite Jahr angeboten.

Teilleistung: Komplexitätstheorie, mit Anwendungen in der Kryptographie [T-INFO-103014]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101575 - Komplexitätstheorie, mit Anwendungen in der Kryptographie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400124 Komplexitätstheorie, mit Anwendungen in der Kryptographie 4 SWS Vorlesung (V) Müller-Quade, Benz, Berger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse in Entwurf und Analyse von Algorithmen werden vorausgesetzt.

Teilleistung: Kontextsensitive Systeme [T-INFO-107499]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100728 - Kontextsensitive Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400099 Kontextsensitive Systeme 1 SWS Übung (Ü) / 🖥 Riedel
SS 2024 24658 Kontextsensitive Systeme 2 SWS Vorlesung (V) / 🗣 Riedel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrollen der Vorlesung erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO. Die Prüfung umfasst i.d.R. 20 Minuten.

Voraussetzungen

Keine

Teilleistung: Konvexe Analysis [T-WIWI-102856]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2550120 Konvexe Analysis 2 SWS Vorlesung (V) / 🗣 Stein
SS 2024 2550121 Übung zu Konvexe Analysis 2 SWS Übung (Ü) / 🗣 Stein, Schwarze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Teilleistung: Konzepte zur Verarbeitung geometrischer Daten [T-INFO-110815]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105311 - Konzepte zur Verarbeitung geometrischer Daten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

Keine.

Anmerkungen

The concepts presented in this lecture are used in other lectures in the field of geometry processing.

Teilleistung: Konzepte zur Verarbeitung geometrischer Daten [T-INFO-111449]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105733 - Konzepte zur Verarbeitung geometrischer Daten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20- 30 Minuten.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110815 - Konzepte zur Verarbeitung geometrischer Daten darf nicht begonnen worden sein.
Anmerkungen

Ohne Übung.

Teilleistung: Kryptographische Protokolle [T-INFO-111261]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105631 - Kryptographische Protokolle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400154 Kryptographische Protokolle 2 SWS Vorlesung (V) / 🗣 Raiber, Mechler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Wenn das Modul M-INFO-104119 Sichere Mehrparteienberechnung bereits geprüft wurde, kann das Modul Kryptographische Protokolle nicht geprüft werden.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108540 - Sichere Mehrparteienberechnung darf nicht begonnen worden sein.
Empfehlungen

Der Inhalt des Moduls "Theoretische Grundlagen der Kryptographie" wird vorausgesetzt

Anmerkungen

Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.

Teilleistung: Kryptographische Wahlverfahren [T-INFO-101279]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100742 - Kryptographische Wahlverfahren
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400122 Kryptographische Wahlverfahren 2 SWS Vorlesung (V) / 🖥 Müller-Quade, Schwerdt, Dörre
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Kryptographie sind hilfreich.

Teilleistung: Künstliche Intelligenz & IT-Sicherheit [T-INFO-113668]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106810 - Künstliche Intelligenz & IT-Sicherheit
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110859 - Maschinelles Lernen für die Computersicherheit darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112588 - Maschinelles Lernen für die Computersicherheit - Übung darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-111802 - Sicherheit von Maschinellem Lernen darf nicht begonnen worden sein.
Empfehlungen

Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.

Teilleistung: Kurven und Flächen im CAD I [T-INFO-101374]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100837 - Kurven und Flächen im CAD I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von  i.d.R. 20-30 Minuten und durch einen benoteten Übungsschein nach § 4 Abs. 2 Nr. 2 und 3 SPO.

Modulnote = 0.8 x Note der mündlichen Prüfung + 0.2 x Note des Übungsscheins, wobei nur die erste Nachkommastelle ohne Rundung berücksichtigt wird.

Voraussetzungen

Keine.

Teilleistung: Kurven und Flächen im CAD II [T-INFO-102041]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101231 - Kurven und Flächen im CAD II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20-30 Minuten und durch einen benoteten Übungsschein nach § 4 Abs. 2 Nr. 2 und 3 SPO.

Modulnote = 0.8 x Note der mündlichen Prüfung + 0.2 x Note des Übungsscheins, wobei nur die erste Nachkommastelle ohne Rundung berücksichtigt wird.

Voraussetzungen

Keine.

Teilleistung: Large-scale Optimierung [T-WIWI-106549]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2550475 Large-Scale Optimization 2 SWS Vorlesung (V) / 🖥 Rebennack
SS 2024 2550476 Übung zu Large-Scale Optimization 1 SWS Übung (Ü) / 🗣 Bijiga, Rebennack
SS 2024 2550477 Rechnerübung zu Large-scale Optimization 2 SWS Sonstige (sonst.) Rebennack, Bijiga
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine.

Teilleistung: Leadership und Innovation [T-WIWI-113716]

Verantwortung:
Eva Schulz-Kamm
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse  und einer Seminararbeit (Ausarbeitung in der Gruppe).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Teilleistung: Lesegruppe Softwaretechnik [T-INFO-102051]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung mündlich
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Die Erfolgskontrolle erfolgt durch die Teilnahme an Diskussionen und Vorstellung eines Beitrages aus einer Fachzeitschrift bzw. aus einem Konferenzband.

Voraussetzungen

Keine.

Teilleistung: Liberalised Power Markets [T-WIWI-107043]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2581998 Liberalised Power Markets 2 SWS Vorlesung (V) / 🗣 Fichtner
WS 24/25 2581999 Übungen zu Liberalised Power Markets 2 SWS Übung (Ü) / 🗣 Signer, Fichtner, Beranek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Empfehlungen

Keine

Teilleistung: Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext [T-WIWI-113107]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581995 Life Cycle Assessment - Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 2 SWS Vorlesung (V) / 🗣 Treml, Schultmann, Schneider
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (ca. 30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine.

Empfehlungen

Keine

Anmerkungen

Titel der Teilleistung bis einschließlich Sommersemester 2019 "Ökobilanzen".

Teilleistung: Lineare Elektrische Netze [T-ETIT-101917]

Verantwortung:
Prof. Dr. Olaf Dössel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-101845 - Lineare Elektrische Netze
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
7
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2305256 Lineare elektrische Netze 4 SWS Vorlesung (V) / 🗣 Kempf, Jelonnek
WS 24/25 2305258 Übungen zu 2305256 Lineare elektrische Netze 1 SWS Übung (Ü) / 🗣 Wünsch
WS 24/25 2305581 Tutorien zu 2305256 Lineare elektrische Netze 2 SWS Tutorium (Tu) / 🗣 Wünsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

In einer schriftlichen Prüfung im Umfang von 120 Minuten werden die Inhalte der Lehrveranstaltung Lineare Elektrische Netze (7 LP) geprüft. Bei bestandener Prüfung können Studierende einen Notenbonus von bis zu 0,4 Notenpunkten erhalten, wenn zuvor semesterbegleitend zwei Projektaufgaben erfolgreich bearbeitet wurden. Die Bearbeitung der Projektaufgaben wird durch die Abgabe einer Dokumentation oder des Projektcodes nachgewiesen.

Voraussetzungen

keine

Teilleistung: Logical Foundations of Cyber-Physical Systems [T-INFO-112360]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106102 - Logical Foundations of Cyber-Physical Systems
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2400161 Logical Foundations of Cyber-Physical Systems 4 SWS Vorlesung (V) / 🗣 Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

A bonus can be earned by successful participation in the exercises. In order to receive a bonus, you must earn 50% of the points for solving the exercises in the first half and 50% of the points in the second half. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4).

Voraussetzungen

Keine.

Empfehlungen

The course assumes prior exposure to basic computer programming and mathematical reasoning. This course covers the basic required mathematical and logical background of cyber-physical systems. You will be expected to follow the textbook as needed: André Platzer. Logical Foundations of Cyber-Physical Systems. Springer 2018. DOI:10.1007/978-3-319-63588-0

Anmerkungen

Course web page: https://lfcps.org/course/lfcps.html

Teilleistung: Lokalisierung mobiler Agenten [T-INFO-101377]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100840 - Lokalisierung mobiler Agenten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24613 Lokalisierung mobiler Agenten 3 SWS Vorlesung (V) / 🗣 Hanebeck, Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i. d. R. 15 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.

Es wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Grundlegende Kenntnisse der linearen Algebra und Stochastik sind hilfreich.

Teilleistung: Low Power Design [T-INFO-101344]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100807 - Low Power Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2424672 Low Power Design 2 SWS Vorlesung (V) / 🗣 Henkel, Khdr, Siddhu, Pfeiffer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Modul Entwurf und Architekturen für eingebettete Systeme

Grundkenntnisse aus dem Modul Optimierung und Synthese Eingebetteter Systeme sind zum Verständnis dieser Vorlesung hilfreich aber nicht zwingend erforderlich.

Die Vorlesung ist gleichermaßen für Informatik-Studenten wie auch für Elektrotechnik-Studenten geeignet.

Teilleistung: Machine Learning and Optimization in Energy Systems [T-WIWI-113073]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2581050 Machine Learning and Optimization in Energy Systems 3 SWS Vorlesung / Übung (VÜ) / 🗣 Dengiz, Yilmaz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of this course is a written examination (60 min) or an oral exam (30 min) depending on the number of participants. A bonus can be acquired through successful participation in the computer exercise. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The exact criteria for awarding a bonus will be announced at the beginning of the exercises.

Teilleistung: Machine Learning in Climate and Environmental Sciences [T-INFO-113083]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106470 - Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400151 Machine Learning in Climate and Environmental Sciences 4 SWS Vorlesung / Übung (VÜ) / 🗣 Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of the lectures is likely carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60-120 minutes (exact duration to be confirmed).

Depending on the class size, this might be changed to an oral examination (lasting around 20 minutes, § 4 Abs. 2 No. 2 SPO). The exact type of assessment will be confirmed at least six weeks prior to the assessment.

Voraussetzungen

No strict prerequisites but several strong recommendations (see below).

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Teilleistung: Machine Learning in Climate and Environmental Sciences - Pass [T-INFO-113085]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106470 - Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400151 Machine Learning in Climate and Environmental Sciences 4 SWS Vorlesung / Übung (VÜ) / 🗣 Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

No strict prerequisites but several strong recommendations (see below).

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Teilleistung: Management neuer Technologien [T-WIWI-102612]

Verantwortung:
Dr. Thomas Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Lehrveranstaltungen
SS 2024 2545003 Management neuer Technologien 2 SWS Vorlesung (V) / 🗣 Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur, 60 Minuten) nach §4 (2), 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Lehrveranstaltung wird im Sommersemester 2024 voraussichtlich zum letzten Mal angeboten.

Teilleistung: Markenrecht [T-INFO-101313]

Verantwortung:
Dr. Yvonne Matz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24609 Markenrecht 2 SWS Vorlesung (V) / 🗣 Matz
WS 24/25 24136 Markenrecht 2 SWS Vorlesung (V) / 🗣 Matz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Teilleistung: Market Research [T-WIWI-107720]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-106258 - Digital Marketing
Voraussetzung für: T-WIWI-103139 - Marketing Analytics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2571150 Market Research 2 SWS Vorlesung (V) / 🗣 Klarmann
SS 2024 2571151 Market Research Tutorial 1 SWS Übung (Ü) / 🗣 Klarmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Klausur (70 Minuten) mit zusätzlichen Hilfsmitteln im Sinne einer Open Book Klausur.  Weitere Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Diese Veranstaltung ist Voraussetzung für Studierende, die an Abschlussarbeiten bei der Forschungsgruppe "Marketing und Vertrieb" interessiert sind.

Teilleistung: Marketing Analytics [T-WIWI-103139]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
5
Lehrveranstaltungen
WS 24/25 2572170 Marketing Analytics 2 SWS Vorlesung (V) / 🗣 Klarmann
WS 24/25 2572171 Übung zu Marketing Analytics 1 SWS Übung (Ü) / 🗣 Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt (nach §4(2), 3 SPO) in Form einer Prüfungsleistung anderer Art (Aufgaben parallel zur Vorlesung zur Bearbeitung in einer Gruppe).

Voraussetzungen

Ein erfolgreiches Absolvieren von "Market Research" ist Voraussetzung für das Absolvieren der Prüfung in "Marketing Analytics".

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-107720 - Market Research muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Es wird dringend empfohlen, vor Belegung des Kurses "Marketing Analytics" die Veranstaltung "Market Research" zu absolvieren. 

Anmerkungen

Die Veranstaltung "Marketing Analytics" wird als Blockveranstaltung mit einer Prüfungsleistung anderer Art angeboten.
Ab dem Wintersemester 22/23 wird die Veranstaltung so geplant, dass sie nach zwei Dritteln des Semesters abgeschlossen werden kann. Nähere Informationen erhalten Sie direkt bei der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu). Im Falle von Austauschstudierenden kann die Bedingung, dass der Kurs Market Research bestanden sein muss, umgangen werden, wenn diese ausreichende Statistikkenntnisse durch Statistikkurse an der Heimatuniversität nachweisen können. Dies wird individuell vom Lehrstuhl geprüft.

Teilleistung: Maschinelle Übersetzung [T-INFO-101385]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100848 - Maschinelle Übersetzung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24639 Maschinelle Übersetzung 4 SWS Vorlesung (V) / 🗣 Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung von i.d.R. 45 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Voraussetzung zur Zulassung zur Prüfung ist das Erlangen des Scheins der praktischen Übung der Vorlesung „Maschinelle Übersetzung".

Empfehlungen

Der vorherige, erfolgreiche Abschluss des Stammoduls Kognitive Systeme wird empfohlen, Grundlagen aus der Lehrveranstaltung Maschinelles Lernen sind von Vorteil.

Teilleistung: Maschinelles Lernen - Grundlagen und Algorithmen [T-INFO-111558]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105778 - Maschinelles Lernen - Grundlagen und Algorithmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400018 Maschinelles Lernen - Grundlagen und Algorithmen 4 SWS Vorlesung / Übung (VÜ) / 🧩 Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (i.d.R. 90min) nach § 4 Abs. 2 Nr. 1 SPO.

Durch die erfolgreiche Teilnahme am Übungsbetrieb als Erfolgskontrolle anderer Art (§4(2), 3 SPO 2008) bzw. Studienleistung (§4(3) SPO 2015) kann ein Bonus erworben werden. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Der Bonus gilt nur für die Haupt- und Nachklausur des Semesters, in dem er erworben wurde. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101354 - Maschinelles Lernen 1 - Grundverfahren darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110630 - Maschinelles Lernen - Grundverfahren darf nicht begonnen worden sein.
Empfehlungen

- Python Kenntnisse sind empfehlenswert
- Mathematik-lastige Vorlesung. Es werden zwar die Grundlagen wiederholt, aber eine mathematische Geschicklichkeit ist hilfreich.

Teilleistung: Maschinelles Lernen für die Naturwissenschaften [T-INFO-110822]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105630 - Maschinelles Lernen für die Naturwissenschaften mit Übung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400008 Maschinelles Lernen für die Naturwissenschaften 2 SWS Vorlesung (V) / 🧩 Friederich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt voraussichtlich in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Es wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Teilleistung: Maschinelles Lernen für die Naturwissenschaften - Übung [T-INFO-111259]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105630 - Maschinelles Lernen für die Naturwissenschaften mit Übung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400034 Übung zu Maschinelles Lernen für die Naturwissenschaften 2 SWS Vorlesung / Übung (VÜ) / 🧩 Friederich, Reiser, Zhou, Torresi, Neubert, Eberhard, Schlöder
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Die Note wird durch eine schriftliche Ausarbeitung von Programmieraufgaben bestimmt.

Voraussetzungen

Keine.

Empfehlungen

Teilleistung: Masterarbeit [T-INFO-103589]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101892 - Modul Masterarbeit
Teilleistungsart
Abschlussarbeit
Leistungspunkte
30
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Masterarbeit ist in § 14 und § 19 der SPO15 Master Informatik geregelt. Die Präsentation soll spätestens vier Wochen nach der Abgabe der Masterarbeit stattfinden.

Die Bewertung der Masterarbeit erfolgt in Form eines Gutachtens. Es ist eine Gesamtbewertung (inkl. über die Präsentation) zu verfassen.

Voraussetzungen

Voraussetzung für die Zulassung zur Masterarbeit ist, dass die Studierenden in der Regel bereits 60 Leistungspunkte erworben haben, davon müssen mindestens 15 Leistungspunkte aus einem der beiden Vertiefungsfächer stammen. Der Antrag auf Zulassung zur Masterarbeit ist spätestens drei Monate nach Ablegung der letzten Modulprüfung zu stellen.

Abschlussarbeit

Bei dieser Teilleistung handelt es sich um eine Abschlussarbeit. Es sind folgende Fristen zur Bearbeitung hinterlegt:

Bearbeitungszeit 6 Monate
Maximale Verlängerungsfrist 3 Monate
Korrekturfrist 8 Wochen

Die Abschlussarbeit ist genehmigungspflichtig durch den Prüfungsausschuss.

Teilleistung: Matching Theory [T-WIWI-113264]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2500042 Matching Theory 3 SWS Vorlesung / Übung (VÜ) / 🗣 Okulicz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten.

Teilleistung: Mathematische Grundlagen hochdimensionaler Statistik [T-WIWI-111247]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2550562 Mathematische Grundlagen hochdimensionaler Statistik 2 SWS Vorlesung (V) / 🗣 Grothe
SS 2024 2550563 Übung zu Mathematische Grundlagen hochdimensionaler Statistik 2 SWS Übung (Ü) / 🗣 Grothe, Rieger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 30 min.) in der vorlesungsfreien Zeit des Semesters. 

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse in Mathematik und Statistik werden vorausgesetzt. 
Kenntnisse in multivariater Statistik sind von Vorteil, sind für die Veranstaltung aber nicht notwendig. 

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Teilleistung: Mathematische Modellierung und Simulation in der Praxis [T-MATH-105889]

Verantwortung:
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102929 - Mathematische Modellierung und Simulation in der Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 24/25 0109400 Mathematical Modelling and Simulation 2 SWS Vorlesung (V) Thäter
WS 24/25 0109410 Tutorial for 0109400 (Mathematical modelling and simulation) 1 SWS Übung (Ü) Thäter
Voraussetzungen

Keine

Teilleistung: Media Management [T-WIWI-112711]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2572192 Media Management 2 SWS Vorlesung (V) / 🗣 Kupfer
WS 24/25 2572193 Media Management Exercise 1 SWS Übung (Ü) / 🗣 Mitarbeiter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The control of success is done by the elaboration and presentation of a group task as well as a written exam. Further details on the design of the performance review will be announced during the lecture.

Voraussetzungen

None

Empfehlungen

Students are highly encouraged to actively participate in class.

Anmerkungen

The course will take place in the winter term 23/24 for the first time.

Teilleistung: Medienkunst [T-INFO-104585]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102288 - Medienkunst
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
18
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

keine

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Dort Antrag zur Zulassung vollständig ausfüllen
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    https://www.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben abgegeben wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Ansprechpartner:

Teilleistung: Medienkunst [T-INFO-106264]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103147 - Medienkunst Modell "kleines Nebenfach"
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
14
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Dort Antrag zur Zulassung vollständig ausfüllen
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    https://www.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben abgegeben wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Ansprechpartner:

Teilleistung: Mensch-Maschine-Interaktion [T-INFO-101266]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100729 - Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 24659 Mensch-Maschine-Interaktion 2 SWS Vorlesung (V) / 🧩 Beigl, Lee
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Die Teilnahme an der Übung ist verpflichtend und die Inhalte der Übung sind relevant für die Prüfung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106257 - Übungsschein Mensch-Maschine-Interaktion muss erfolgreich abgeschlossen worden sein.

Teilleistung: Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen [T-INFO-101361]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Dr.-Ing. Florian van de Camp
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100824 - Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 24100 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 2 SWS Vorlesung (V) / 🧩 van de Camp
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Teilleistung: Methoden im Innovationsmanagement [T-WIWI-110263]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2545107 Methoden im Innovationsmanagement 2 SWS Seminar (S) / 🗣 Koch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art (§4(2), 3 SPO) bestehend aus einem Referat (25%) und einer schriftlichen Ausarbeitung (75%). Das Punkteschema für die Bewertung legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der
Lehrveranstaltung bekannt gegeben. 




Voraussetzungen

Keine.

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Teilleistung: Methodenanwendung (WiWi) [T-GEISTSOZ-109052]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 5011006 Methodenanwendung: Gender Pay Gap 2 SWS Seminar (S) / 🖥 Nollmann
SS 2024 5011008 Methodenanwendung: Dekomposition und Regressionsverfahren 2 SWS Seminar (S) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Studierende müssen die Teilleistung "Computergestützte Datenanalyse" bestanden haben.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-104565 - Computergestützte Datenauswertung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Methods of Data Analysis [T-PHYS-111426]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 4052171 Methods of Data Analysis 2 SWS Vorlesung (V) / 🗣 Ginete Werner Pinto
SS 2024 4052172 Exercises to Methods of Data Analysis 1 SWS Übung (Ü) / 🗣 Ginete Werner Pinto, Ramos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Successful participation in the exercises.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Middle Atmosphere in the Climate System [T-PHYS-111413]

Verantwortung:
PD Dr. Michael Höpfner
Dr. Miriam Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052061 Middle Atmosphere in the Climate System 2 SWS Vorlesung (V) / 🧩 Höpfner, Sinnhuber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Short presentation at the end of the semester

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Mikrostruktursimulation [T-MACH-105303]

Verantwortung:
Dr. Anastasia August
Prof. Dr. Britta Nestler
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2183702 Mikrostruktursimulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 August, Prahs, Nestler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung 30 min

Voraussetzungen

keine

Empfehlungen

Werkstoffkunde
mathematische Grundlagen

Teilleistung: Mikrosystemtechnik [T-ETIT-100752]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100454 - Mikrosystemtechnik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311625 Mikrosystemtechnik 2 SWS Vorlesung (V) / 🧩 Stork
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Mobile Communications [T-ETIT-112127]

Verantwortung:
Prof. Dr.-Ing. Peter Rost
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105971 - Mobile Communications
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2310523 Mobile Communications 2 SWS Vorlesung (V) / 🧩 Rost
WS 24/25 2310524 Tutorial for 2310523 Mobile Communications 1 SWS Übung (Ü) / 🧩 Rost
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

 

Voraussetzungen

none

Teilleistung: Mobilkommunikation [T-INFO-101322]

Verantwortung:
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100785 - Mobilkommunikation
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24643 Mobilkommunikation 2 SWS Vorlesung (V) Waldhorst, Mahrt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Vorlesung Einführung in Rechnernetze werden als bekannt vorausgesetzt. Der Besuch der Vorlesung Telematik wird dringend empfohlen, da die Inhalte eine wichtige Grundlage für Verständnis und Einordnung des Stoffes sind.

Teilleistung: Modeling and Analyzing Consumer Behavior with R [T-WIWI-102899]

Verantwortung:
Dr. Verena Dorner
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).Ab dem Sommersemester 2022 kann kein Bonus für die Prüfung mehr erreicht werden. Für Studierende, die den Bonus im Sommersemester 2021 erreicht haben, wird dieser für die Hauptklausur im Sommersemester 2022 und die Nachklausur im Wintersemester 2022/23 berücksichtigt.

Anmerkungen

Die Vorlesung wird nicht mehr angeboten. 

Teilleistung: Modeling the Dynamics of Financial Markets [T-WIWI-113414]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106660 - Modeling the Dynamics of Financial Markets
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2600004 Essentials for Dynamic Financial Machine Learning Vorlesung / Übung (VÜ) / 🧩 Ulrich
SS 2024 2600257 Dynamic Capital Market Theory Vorlesung / Übung (VÜ) / 🧩 Ulrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes the form of a one-hour written comprehensive examination on the courses "Dynamic Capital Marke Theory", "Essentials for Dynamic Financial Machine Learning" and "Exercises, Python, Resesearch Frontier in Dynamic Capital Markets".

Empfehlungen

Recommendation: Knowledge in the fields of Advanced Statistics, Deep Learning, Financial Economics, Differential Equations, Optimization.

Teilleistung: Modellgetriebene Software-Entwicklung [T-INFO-101278]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100741 - Modellgetriebene Software-Entwicklung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24657 Model-Driven Software Development 2 SWS Vorlesung (V) / 🗣 Burger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

keine

Empfehlungen

Grundkenntnisse aus der Vorlesung Softwaretechnik II [24076] sind hilfreich.

Teilleistung: Modellieren und OR-Software: Fortgeschrittene Themen [T-WIWI-106200]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2550490 Modellieren und OR-Software: Fortgeschrittene Themen 3 SWS Praktikum (P) / 🧩 Pomes, Linner, Nickel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung. Die Prüfung erfolgt jedes Semester. Die Erfüllung der Zulassungsvoraussetzung ist nur in Semestern mit angebotenem Übungsbetrieb möglich.

Voraussetzungen

Zulassungsvoraussetzung zu Klausur ist die erfolgreiche Teilnahme am Übungsbetrieb. Dies beinhaltet die Bearbeitung und Präsentation von Übungsaufgaben.

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research vermittelt werden, werden vorausgesetzt.

Erfolgreicher Abschluss der Lehrveranstaltung Modellieren und OR-Software: Einführung.

Anmerkungen

Aufgrund der begrenzten Teilnehmerzahl wird um eine Voranmeldung gebeten. Weitere Informationen entnehmen Sie der Internetseite des Software-Praktikums. Die Anmeldung im WS 24/25 findet über das Wiwi-Portal statt: https://portal.wiwi.kit.edu/ys/8209
Die Veranstaltung wird in jedem Semester angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Teilleistung: Moderne Experimentalphysik II, Moleküle und Festkörper [T-PHYS-105133]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101705 - Moderne Experimentalphysik II, Moleküle und Festkörper
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

erfolgreiche Übungsteilnahme

Teilleistung: Moderne Theoretische Physik für Lehramt [T-PHYS-103204]

Verantwortung:
PD Dr. Robert Eder
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101664 - Moderne Theoretische Physik für Lehramt
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4012131 Moderne Theoretische Physik für Lehramtskandidaten 4 SWS Vorlesung (V) / 🗣 Rockstuhl
WS 24/25 4012132 Übungen zu Moderne Theoretische Physik für Lehramtskandidaten 2 SWS Übung (Ü) / 🗣 Rockstuhl, Holzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

erfolgreiche Übungsteilnahme

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-PHYS-103203 - Moderne Theoretische Physik für Lehramt - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Moderne Theoretische Physik für Lehramt - Vorleistung [T-PHYS-103203]

Verantwortung:
PD Dr. Robert Eder
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101664 - Moderne Theoretische Physik für Lehramt
Voraussetzung für: T-PHYS-103204 - Moderne Theoretische Physik für Lehramt
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4012131 Moderne Theoretische Physik für Lehramtskandidaten 4 SWS Vorlesung (V) / 🗣 Rockstuhl
WS 24/25 4012132 Übungen zu Moderne Theoretische Physik für Lehramtskandidaten 2 SWS Übung (Ü) / 🗣 Rockstuhl, Holzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Studienleistung, erfolgreiche Teilnahme an den Übungen

Voraussetzungen

keine

Teilleistung: Moderne Theoretische Physik II, Quantenmechanik 2 [T-PHYS-106095]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101708 - Moderne Theoretische Physik II, Quantenmechanik II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

keine

Teilleistung: Moderne Theoretische Physik III, Statistische Physik [T-PHYS-106096]

Verantwortung:
Studiendekan Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101709 - Moderne Theoretische Physik III, Statistische Physik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8
Notenskala
Drittelnoten
Version
1
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

keine

Teilleistung: Modulprüfung Einführung in die Philosophie [T-GEISTSOZ-106828]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
KIT-Fakultät für Informatik
Bestandteil von: M-GEISTSOZ-103430 - Einführung in die Philosophie
M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
14
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer Klausur teils mit frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfahren (schriftliche Prüfungsleistung, nach § 4 Abs. 2 Nr. 1 i.V.m. § 5 Abs. 5 und § 6a SPO) im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Drei Studienleistungen aus den vier Studienleistungen Philo 1-4.

Modellierte Voraussetzungen
Es müssen 3 von 4 Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-111610 - Einführung in die Philosophie 1 muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-GEISTSOZ-111612 - Einführung in die Philosophie 2 muss erfolgreich abgeschlossen worden sein.
  3. Die Teilleistung T-GEISTSOZ-111608 - Einführung in die Philosophie 3 muss erfolgreich abgeschlossen worden sein.
  4. Die Teilleistung T-GEISTSOZ-111607 - Einführung in die Philosophie 4 muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modulprüfung Praktische Philosophie I [T-GEISTSOZ-109222]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
11
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
6
Erfolgskontrolle(n)

Die Erfolgskontrolle nach §4 Abs. 2 Nr. 3 i.V.m. §6 Abs. 7 SPO besteht in einer Hausarbeit von ca. 15 Seiten Umfang zu einem Thema, das den in diesem Modul besuchten Lehrveranstaltungen zuzuordnen ist.

Die maximale Bearbeitungszeit der Hausarbeit beträgt nach Anmeldung sechs Monate. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430 oder M-GEISTSOZ-104500.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101170 - Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101081 - Praktische Philosophie 1.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101171 - Praktische Philosophie 1.3 muss erfolgreich abgeschlossen worden sein.
  2. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-GEISTSOZ-103430 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
    2. Das Modul M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid) muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modulprüfung Theoretische Philosophie I [T-GEISTSOZ-109224]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
11
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Erfolgskontrolle(n)

Die Erfolgskontrolle nach §4 Abs. 2 Nr. 3 i.V.m. §6 Abs. 7 SPO besteht in einer Hausarbeit von ca. 15 Seiten Umfang zu einem Thema, das den in diesem Modul besuchten Lehrveranstaltungen zuzuordnen ist.

Die maximale Bearbeitungszeit der Hausarbeit beträgt nach Anmeldung sechs Monate. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430 oder M-GEISTSOZ-104500.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101176 - Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101177 - Theoretische Philosophie 1.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101178 - Theoretische Philosophie 1.3 muss erfolgreich abgeschlossen worden sein.
  2. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-GEISTSOZ-103430 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
    2. Das Modul M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid) muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Weil die Modulprüfung u.U. Voraussetzung für nachfolgende Teilleistungen ist, wird empfohlen, die Hausarbeit bis zum Ende des zweiten Semesters des Moduls abgegeben zu haben.

Teilleistung: Modulteilprüfung 1 - Ars Rationalis (Klausur) [T-GEISTSOZ-110370]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer Klausur teils mit frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfahren (schriftliche Prüfungsleistung, nach § 4 Abs. 2 Nr. 1 i.V.m. § 5 Abs. 5 und § 6a SPO) im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Studienleistung Ars Rationalis I

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101174 - Ars Rationalis I muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) [T-GEISTSOZ-110371]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in einer schriftlichen Ausarbeitung einer Argumentationsanalyse im Umfang von 5-10 Seiten (Prüfungsleistung anderer Art, nach § 4 Abs. 2 Nr. 3 i.V.m. § 5 Abs. 5 und § 6a SPO).

Voraussetzungen

Studienleistung Ars Rationalis II

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101175 - Ars Rationalis II muss erfolgreich abgeschlossen worden sein.

Teilleistung: Molekularbiologie und Genetik [T-CHEMBIO-103675]

Verantwortung:
Prof. Dr. Jörg Kämper
Prof. Natalia Requena
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: M-CHEMBIO-101957 - Ergänzungsfach Biologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 7301 Molekularbiologie (BA-04) 2 SWS Vorlesung (V) / 🗣 Requena Sanchez
WS 24/25 7401 Genetik (BA-04) 2 SWS Vorlesung (V) / 🧩 Kämper, Kaster
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Klausur über die Vorlesungen Genetik (3LP) und Molekularbiologie (2LP)

Voraussetzungen

keine

Empfehlungen

wichtige Informationen auf:

http://www.biologie.kit.edu/310.php

Teilleistung: Motion in Human and Machine - Seminar [T-INFO-105140]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102555 - Motion in Human and Machine - Seminar
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2400063 Motion in Human and Machine 3 SWS Seminar (S) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer Dokumentation und einer Abschlusspräsentation als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 der SPO.

Voraussetzungen

Keine.

Empfehlungen

Programmierkenntnisse in C++, Python oder Matlab werden empfohlen.
Der Besuch der Vorlesungen Robotik I – Einführung in die Robotik, Robotik II: Humanoide Robotik, Robotik III - Sensoren und Perzeption in der Robotik, Mechano-Informatik in der Robotik sowie Anziehbare Robotertechnologien wird empfohlen.

Anmerkungen

Das Blockpraktikum ist eine interdisziplinäre Veranstaltung in Kooperation mit der Universität Stuttgart und der Universität Heidelberg.

Teilleistung: Multikriterielle Optimierung [T-WIWI-111587]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
WS 24/25 2550155 Multikriterielle Optimierung 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550156 Übungen zu Multikriterielle Optimierung Übung (Ü) / 🗣 Stein, Beck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.
Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird in jedem zweiten Wintersemester angeboten (ab WiSe 22/23). Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Inhalt:

Die multikriterielle Optimierung behandelt Optimierungsprobleme mit mehreren Zielfunktionen. In der Praxis stehen häufig die Minimierung bzw. Maximierung mehrerer Ziele miteinander in Konflikt, etwa Gewicht und Stabilität von Bauteilen, Rendite und Risiko von Aktienportfolios oder Kosten und Dauer von Transporten. Verschiedene Skalarisierungsansätze erlauben es, einkriterielle Probleme aufzustellen, die mit Verfahren der nichtlinearen oder globalen Optimierung gelöst werden können und deren Optimalpunkte eine sinnvolle Interpretation für das zugrunde liegende multikriterielle Problem besitzen.

Einige scheinbar naheliegende Skalarisierungsansätze leiden allerdings unter verschiedenen Nachteilen, so dass unabhängig von Skalarisierungsansätzen zunächst zu klären ist, was überhaupt unter der Lösung eines multikriteriellen Optimierungsproblems zu verstehen ist. Für solche Pareto-optimalen Punkte lassen sich Optimalitätsbedingungen und darauf basierende Lösungsverfahren formulieren. Aus der üblicherweise mehrpunktigen Pareto-Menge wählen Entscheidungsträger schließlich anhand ihrer subjektiven Präferenzen eine Alternative aus.

Die Vorlesung gibt eine mathematisch fundierte Einführung in die multikriterielle Optimierung und ist wie folgt aufgebaut:

- Einführende Beispiele und Terminologie
- Lösungsbegriffe
- Verfahren zur Bestimmung der Pareto-Menge
- Auswahl Pareto-optimaler Punkte bei subjektiven Präferenzen

Teilleistung: Multivariate Verfahren [T-WIWI-103124]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2550554 Multivariate Verfahren 2 SWS Vorlesung (V) / 🗣 Grothe
SS 2024 2550555 Übung zu Multivariate Verfahren 2 SWS Übung (Ü) / 🗣 Kächele
WS 24/25 2550554 Multivariate Verfahren 2 SWS Vorlesung (V) / 🗣 Grothe
WS 24/25 2550555 Übung zu Multivariate Verfahren 2 SWS Übung (Ü) / 🗣 Liu
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten. 

Die Prüfung wird im Prüfungszeitraum des Vorlesungssemesters angeboten. Zur Wiederholungsprüfung im Prüfungszeitraum des jeweiligen Folgesemesters werden ausschließlich Wiederholer (und keine Erstschreiber) zugelassen.

Voraussetzungen

Keine

Empfehlungen

Der Kurs behandelt mit quantitativem Fokus stark fortgeschrittene statistische Methoden. Es werden daher notwendigerweise fortgeschrittene statistische Kenntnisse erwartet, die zum Beispiel im Rahmen des Kurses ''Statistik für Fortgeschrittene'' erworben wurden. Ohne diese Kenntnisse wird von der Teilnahme am Kurs dringend abgeraten.

Der vorherige Besuch der Bachelor-Veranstaltung ''Analyse multivariater Daten'' wird empfohlen. Alternativ kann interessierten Studierenden das Skript der Veranstaltung zur Verfügung gestellt werden.

Anmerkungen

Die Lehrveranstaltung (Vorlesung und Übung) wird unregelmäßig angeboten. Genaue Informationen finden sich auf der Seite des Lehrstuhls. 

Teilleistung: Mustererkennung [T-INFO-101362]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Tim Zander
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100825 - Mustererkennung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 24675 Mustererkennung 4 SWS Vorlesung / Übung (VÜ) / 🗣 Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse der Grundlagen der Stochastik, Signal- und Bildverarbeitung sind hilfreich.

Teilleistung: Nachrichtentechnik II / Communications Engineering II [T-ETIT-110697]

Verantwortung:
Dr.-Ing. Holger Jäkel
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105274 - Nachrichtentechnik II / Communications Engineering II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 2310511 Nachrichtentechnik II 2 SWS Vorlesung (V) / 🧩 Jäkel
SS 2024 2310513 Übungen zu 2310511 Nachrichtentechnik II 1 SWS Übung (Ü) / 🧩 Jäkel
WS 24/25 2310509 Communications Engineering II 2 SWS Vorlesung (V) / 🧩 Jäkel
WS 24/25 2310510 Übung zu 2310509 Communications Engineering II 1 SWS Übung (Ü) / 🧩 Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.

Voraussetzungen

keine

Empfehlungen

Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.

Vorheriger Besuch der Vorlesung "Nachrichtentechnik I“, "Wahrscheinlichkeitstheorie“ sowie "Signale und Systeme“ wird empfohlen.

Teilleistung: Nano- and Quantum Electronics [T-ETIT-111232]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105604 - Nano- and Quantum Electronics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 2312668 Nano- and Quantum Electronics 3 SWS Vorlesung (V) / 🗣 Kempf
SS 2024 2312670 Tutorial for 2312668 Nano- and Quantum Electronics 1 SWS Übung (Ü) / 🗣 Wünsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of success takes place in the form of a written examination lasting 120min. The grade corresponds to the result of the written examination.

Voraussetzungen

none

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-100971 - Nanoelektronik darf nicht begonnen worden sein.
Empfehlungen

Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.

Teilleistung: Netze und Punktwolken [T-INFO-101349]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100812 - Netze und Punktwolken
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400029 Netze und Punktwolken (findet im SoSe24 nicht statt) 2 SWS Vorlesung (V) / 🧩 Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 - 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Netzsicherheit: Architekturen und Protokolle [T-INFO-101319]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100782 - Netzsicherheit: Architekturen und Protokolle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24601 Netzsicherheit: Architekturen und Protokolle 2 SWS Vorlesung (V) / 🗣 Baumgart, Bless, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Vorlesung Einführung in Rechnernetze werden als bekannt vorausgesetzt. Der Besuch der Vorlesung Telematik wird dringend empfohlen, da die Inhalte eine wichtige Grundlage für Verständnis und Einordnung des Stoffes sind.

Teilleistung: Next Generation Internet [T-INFO-101321]

Verantwortung:
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100784 - Next Generation Internet
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24674 Next Generation Internet 2 SWS Vorlesung (V) / 🗣 Bless
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfinden.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Vorlesung Einführung in Rechnernetze werden als bekannt vorausgesetzt. Der Besuch der Vorlesung Telematik wird dringend empfohlen, da die Inhalte eine wichtige Grundlage für Verständnis und Einordnung des Stoffes sind.

Teilleistung: Nichtlineare Optimierung I [T-WIWI-102724]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 2550111 Nichtlineare Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550112 Übungen zu Nichtlineare Optimierung I + II Übung (Ü) / 🗣 Stein, Schwarze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten. Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Nichtlineare Optimierung II [2550113] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Die Teilleistung T-WIWI-103637 "Nichtlineare Optimierung I und II" darf nicht begonnen worden sein.

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Nichtlineare Optimierung I und II [T-WIWI-103637]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
6
Lehrveranstaltungen
WS 24/25 2550111 Nichtlineare Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 24/25 2550112 Übungen zu Nichtlineare Optimierung I + II Übung (Ü) / 🗣 Stein, Schwarze
WS 24/25 2550113 Nichtlineare Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (120min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102724 - Nichtlineare Optimierung I darf nicht begonnen worden sein.
  2. Die Teilleistung T-WIWI-102725 - Nichtlineare Optimierung II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Nichtlineare Optimierung II [T-WIWI-102725]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2550112 Übungen zu Nichtlineare Optimierung I + II Übung (Ü) / 🗣 Stein, Schwarze
WS 24/25 2550113 Nichtlineare Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. 

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Nichtlineare Optimierung I erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103637 - Nichtlineare Optimierung I und II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander imgleichenSemester gelesen.

Teilleistung: Nichtlineare Regelungssysteme [T-ETIT-100980]

Verantwortung:
Dr.-Ing. Mathias Kluwe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100371 - Nichtlineare Regelungssysteme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2303173 Nichtlineare Regelungssysteme 2 SWS Vorlesung (V) / 🗣 Kluwe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten über die Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Die Kenntnis der Inhalte des Moduls M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) ist sehr zu empfehlen, da die dort im Linearen behandelten Grundlagen insbesondere für die Synthese hilfreich sind.

Teilleistung: Nichtparametrische Statistik [T-MATH-105873]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102910 - Nichtparametrische Statistik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2024 0165600 Nichtparametrische Statistik 2 SWS Vorlesung (V) / 🖥 Müller-Harknett
WS 24/25 0162300 Nichtparametrische Statistik 2 SWS Vorlesung (V) Trabs
WS 24/25 0162310 Übungen zu 0162300 (Nichtparametrische Statistik) 1 SWS Übung (Ü) Trabs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

mündliche Prüfung im Umfang von ca. 20 Minuten

Teilleistung: Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern [T-MATH-107497]

Verantwortung:
Prof. Dr. Hartwig Anzt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103709 - Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2024 0110650 Numerical Linear Algebra for Scientific High Performance Computing 2 SWS Vorlesung (V) Anzt
WS 24/25 2400138 Numerical Linear Algebra for Scientific High Performance Computing 2 SWS Vorlesung (V) Anzt
Voraussetzungen

keine

Teilleistung: Ocean-Atmosphere Interactions [T-PHYS-111414]

Verantwortung:
Prof. Dr. Andreas Fink
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052121 Ocean-Atmosphere Interactions 2 SWS Vorlesung (V) / 🧩 Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Active participation

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Online-Konzepte für Karlsruher Innenstadthändler [T-WIWI-111848]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2571184 Online-Konzepte für Karlsruher Innenstadthändler 2 SWS Sonstige (sonst.) / 🗣 Kupfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art:

Anmerkungen

Bitte beachten Sie, dass für den Besuch dieser Veranstaltung eine Bewerbung erforderlich ist. Nähere Informationen zum Bewerbungsprozess erhalten Sie in der Regel kurz vor Beginn der Vorlesungszeit im Sommersemester auf der Webseite der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu).

Teilleistung: Operations Research in Supply Chain Management [T-WIWI-102715]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2024 2550480 Operations Research in Supply Chain Management 2 SWS Vorlesung (V) / 🗣 Nickel
SS 2024 2550481 Übungen zu OR in Supply Chain Management 1 SWS Übung (Ü) / 🗣 Hoffmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO).

Die Prüfung wird im Semester der Vorlesung und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research und den Vorlesungen Standortplanung und strategisches SCM,Taktisches und operatives SCM vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung wird unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden.

Teilleistung: Optical Engineering [T-ETIT-100676]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100456 - Optical Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311629 Optical Engineering 2 SWS Vorlesung (V) / 🧩 Stork
WS 24/25 2311631 Tutorial for 2311629 Optical Engineering 1 SWS Übung (Ü) / 🧩 Fan
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Optimale Regelung und Schätzung [T-ETIT-104594]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-102310 - Optimale Regelung und Schätzung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2303162 Optimale Regelung und Schätzung 2 SWS Vorlesung (V) / 🗣 Kluwe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten) über die ausgewählte Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Kenntnisse über die Inhalte der Module M-ETIT-100531 (Optimization of Dynamic Systems) sowie M-ETIT-100374 (Regelung linearer Mehrgrößensysteme) sind dringend zu empfehlen, da das Modul auf deren Ergebnissen aufbaut.

Teilleistung: Optimierung und Synthese Eingebetteter Systeme (ES1) [T-INFO-101367]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100830 - Optimierung und Synthese Eingebetteter Systeme (ES1)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424143 Optimierung und Synthese Eingebetteter Systeme (ES1) 2 SWS Vorlesung (V) / 🗣 Siddhu, Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 der SPO im Umfang von i.d.R. 20 Minuten.

Voraussetzungen

Die Vorausetzungen, soweit gegeben, werden in der Modulbeschreibung näher erläutert.

Empfehlungen

Kentnisse in Rechnerstrukturen sind hilfreich.

Teilleistung: Optimierungsansätze unter Unsicherheit [T-WIWI-106545]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2550464 Optimierungsansätze unter Unsicherheit 2 SWS Vorlesung (V) / 🧩 Rebennack
WS 24/25 2550465 Übungen zu Optimierungsansätze unter Unsicherheit 1 SWS Übung (Ü) / 🗣 Rebennack
WS 24/25 2550466 Rechnerübungen zu Optimierungsansätze unter Unsicherheit 2 SWS Sonstige (sonst.) Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO). Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine.

Teilleistung: Optimierungstheorie - Klausur [T-MATH-106401]

Verantwortung:
PD Dr. Tilo Arens
Prof. Dr. Roland Griesmaier
PD Dr. Frank Hettlich
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103219 - Optimierungstheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 0155500 Übungen zu 0155400 (Optimierungstheorie) 2 SWS Übung (Ü) Rieder
Voraussetzungen

Keine

Teilleistung: Optimization Methods for Machine Learning and Engineering [T-INFO-110809]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Dr.-Ing. Julius Pfrommer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105329 - Optimization Methods for Machine Learning and Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400280 Optimization Methods for Machine Learning and Engineering 2 SWS Vorlesung (V) / 🧩 Pfrommer, Beyerer
WS 24/25 2400281 Optimization Methods for Machine Learning and Engineering 1 SWS Übung (Ü) / 🧩 Pfrommer, Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Teilleistung: Optoelectronic Components [T-ETIT-101907]

Verantwortung:
Prof. Dr.-Ing. Sebastian Randel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100509 - Optoelectronic Components
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2309486 Optoelectronic Components 2 SWS Vorlesung (V) / 🧩 Randel
SS 2024 2309487 Optoelectronic Components (Tutorial) 1 SWS Übung (Ü) / 🧩 Randel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (ca. 30 Minuten). Die individuellen Termine für die mündliche Prüfung werden regelmäßig angeboten.

Voraussetzungen

keine

Empfehlungen

Kenntnisse in folgenden Bereichen: Elemente der Wellenausbreitung, Physik des pn-Übergangs.

Teilleistung: Parallele Algorithmen [T-INFO-101333]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100796 - Parallele Algorithmen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2400053 Parallele Algorithmen Vorlesung (V) / 🗣 Sanders, Hübner, Uhl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2.

Gewichtung: 80 % mündliche Prüfung, 20 % Übung.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111857 - Parallele Algorithmen Übung muss begonnen worden sein.
Empfehlungen

Kenntnisse aus der Vorlesungen wie Algorithmen I/II werden empfohlen.

Teilleistung: Parallele Algorithmen Übung [T-INFO-111857]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100796 - Parallele Algorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 2 Abs. 2 Nr. 3.

Gewichtung: 80 % mündliche Prüfung, 20 % Übung.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse aus der Vorlesungen wie Algorithmen I/II werden empfohlen.

Teilleistung: Paralleles Rechnen [T-MATH-102271]

Verantwortung:
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101338 - Paralleles Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2024 0162000 Paralleles Rechnen in Theorie und Praxis 2 SWS Vorlesung (V) / 🖥 Krause, Bülow
SS 2024 0162100 Übungen zu 0162000 2 SWS Übung (Ü) / 🖥 Krause, Bülow
WS 24/25 0100055 Parallel Computing 3 SWS Vorlesung (V) Krause, Simonis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Parallelrechner und Parallelprogrammierung [T-INFO-101345]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100808 - Parallelrechner und Parallelprogrammierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24617 Parallelrechner und Parallelprogrammierung 2 SWS Vorlesung (V) Streit, Raffeiner, Barthel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen aus der Lehrveranstaltung Rechnerstrukturen sind hilfreich.

Teilleistung: Parametrische Optimierung [T-WIWI-102855]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Teilleistung: Parametrisierte Algorithmen [T-INFO-111253]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105621 - Parametrisierte Algorithmen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400054 Parametrisierte Algorithmen 4 SWS Vorlesung (V) / 🗣 Bläsius, Wilhelm, Yi, von der Heydt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO

Es muss außerdem einen Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sind hilfreich.

Teilleistung: Parametrisierte Algorithmen - Übung [T-INFO-113717]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105621 - Parametrisierte Algorithmen
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Erfolgskontrolle(n)

Es muss ein Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sind hilfreich.

Teilleistung: Partizipative Technologiegestaltung [T-INFO-113134]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106516 - Partizipative Technologiegestaltung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400189 Participatory Technology Design 4 SWS Vorlesung / Übung (VÜ) Gerling
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Partizipative Technologiegestaltung - Übung [T-INFO-113135]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106516 - Partizipative Technologiegestaltung
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400189 Participatory Technology Design 4 SWS Vorlesung / Übung (VÜ) Gerling
Erfolgskontrolle(n)

Es muss außerdem einen Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Patentrecht [T-INFO-101310]

Verantwortung:
Patric Werner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 24656 Patentrecht 2 SWS Vorlesung (V) / 🗣 Werner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Physics of Planetary Atmospheres [T-PHYS-109177]

Verantwortung:
Prof. Dr. Thomas Leisner
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Erfolgskontrolle(n)

Voraussetzungen

None

Empfehlungen

Basic knowledge of physics, physical chemistry and fluid dynamics at Bachelor level.

Anmerkungen

180 hours consisting of attendance times (42 hours), follow-up of the lecture and editing exercises (138 hours).

Teilleistung: Physics, Technology and Applications of Thin Films [T-ETIT-111237]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105608 - Physics, Technology and Applications of Thin Films
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2312710 Physics, Technology and Application of Thin Films 2 SWS Vorlesung (V) / 🗣 Ilin
WS 24/25 2312711 Exercise for 2312710 Physics, Technology and Application of Thin Films 1 SWS Übung (Ü) / 🗣 Ilin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place within the framework of an oral overall examination of approx. 20 minutes.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-106853 - Thin Films: Technology, Physics and Applications I darf nicht begonnen worden sein.

Teilleistung: Physiologie und Anatomie für die Medizintechnik [T-ETIT-111815]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105874 - Physiologie und Anatomie für die Medizintechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2305282 Physiologie und Anatomie II 2 SWS Vorlesung (V) / 🗣 Nahm
WS 24/25 2305281 Physiologie und Anatomie I 2 SWS Vorlesung (V) / 🧩 Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Erfolgskontrolle umfasst den Inhalt von Physiologie und Anatomie I (jedes Wintersemester) and Physiologie und Anatomie II (jedes Sommersemester).

Voraussetzungen

Die Teilleistungen "T-ETIT-101932 - Physiologie und Anatomie I" und "T-ETIT-101933 - Physiologie und Anatomie II" dürfen nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-101932 - Physiologie und Anatomie I darf nicht begonnen worden sein.
  2. Die Teilleistung T-ETIT-101933 - Physiologie und Anatomie II darf nicht begonnen worden sein.
Anmerkungen

Winter-/Sommersemester:

WiSe: Physiologie und Anatomie I
SoSe: Physiologie und Anatomie II

Teilleistung: Planspiel Energiewirtschaft [T-WIWI-108016]

Verantwortung:
Dr. Massimo Genoese
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2581025 Planspiel Energiewirtschaft 3 SWS Vorlesung / Übung (VÜ) / 🗣 Genoese, Zimmermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Ausarbeitung und einer mündlichen Präsentation (Prüfungsleistungen anderer Art nach §4 (2), 1 SPO).

Voraussetzungen

Keine

Empfehlungen

Besuch der Lehrveranstaltung "Einführung in die Energiewirtschaft"

Anmerkungen

Die Anzahl der Teilnehmer ist begrenzt. Es findet ein Anmeldeverfahren über CAS sowie ein anschließendes Auswahlverfahren statt.

Teilleistung: Platform & Market Engineering: Commerce, Media, and Digital Democracy [T-WIWI-112823]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2540460 Platform & Market Engineering: Commerce, Media, and Digital Democracy 2 SWS Vorlesung (V) / 🗣 Weinhardt, Fegert
SS 2024 2540461 Übungen zu Platform & Market Engineering: Commerce, Media, and Digital Democracy 1 SWS Übung (Ü) / 🗣 Fegert, Stano
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus in Höhe von max. 6 Punkten für die schriftliche Prüfung erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um max. eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Teilleistung: PLM für mechatronische Produktentwicklung [T-MACH-102181]

Verantwortung:
Prof. Dr.-Ing. Martin Eigner
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2122376 PLM für mechatronische Produktentwicklung 2 SWS Vorlesung (V) / 🗣 Eigner
WS 24/25 2122376 PLM für mechatronische Produktentwicklung 2 SWS Vorlesung (V) / 🗣 Eigner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung 20 Min.

Voraussetzungen

keine

Teilleistung: Power Management [T-INFO-101341]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100804 - Power Management
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400036 Power Management 2 SWS Vorlesung (V) / 🗣 Bellosa, Gröninger, Khalil
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Das Power Management Praktikum muss angefangen sein.

Teilleistung: Power Management Praktikum [T-INFO-102958]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101542 - Power Management Praktikum
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400039 Power Management Praktikum 2 SWS Praktikum (P) / 🗣 Bellosa, Khalil, Gröninger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Das Praktikum kann nur erfolgreich besucht werden, wenn im gleichen Semester die Vorlesung Power Managementangefangen wird.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100804 - Power Management muss begonnen worden sein.

Teilleistung: Practical Course: AI for Climate and Weather Predictions [T-INFO-113659]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106800 - Practical Course: AI for Climate and Weather Predictions
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400064 AI for climate and weather predictions 2 SWS Praktikum (P) / 🗣 Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

•    Previous programming experience, e.g., in scientific contexts or in computer science, is required.
•    Students should have previous experience in the theory and implementation of machine learning models.

Empfehlungen

•    Knowledge of the Python programming language. 
•    Good knowledge of mathematical concepts such as linear algebra is an advantage.
•    An interest in scientific questions around climate science and weather forecasting.

Teilleistung: Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) [T-INFO-113760]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106867 - Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

At least one assignment from each unit must be successfully completed (comparable results to other students).

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111038 - Praktikum: Intelligente Datenanalyse (Datalab) darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots [T-MACH-113854]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106904 - Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2121342 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 4 SWS Praktikum (P) / 🗣 Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen Code erzeugt, eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen der Robotik aus Robotik 1 sind hilfreich. Grundkenntnisse im Umgang mit C++ oder Python und Linux werden vorausgesetzt.

Teilleistung: Practical Seminar: Artificial Intelligence in Service Systems [T-WIWI-112152]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen. 
Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.

Die Gesamtnote setzt sich zusammen aus den benoteten und gewichteten Erfolgskontrollen (z.B. Dokumentation, mündl. Vortrag, praktische Ausarbeitung sowie aktive Beteiligung).

Voraussetzungen

Keine.

Empfehlungen

Es werden Kenntnisse im Bereich Artificial Intelligence in Service Systems vorausgesetzt. Daher empfiehlt es sich, die Lehrveranstaltung Artificial Intelligence in Service Systems [2595650] im Vorfeld zu besuchen.

Teilleistung: Practical Seminar: Human-Centered Systems [T-WIWI-113459]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2540554 Practical Seminar: Human-Centered Systems 3 SWS Vorlesung (V) / 🧩 Mädche
WS 24/25 2540554 Practical Seminar: Human-Centered Systems 3 SWS Vorlesung (V) / 🧩 Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Erfolgskontrolle erfolgt durch die Durchführung einer praktischen Komponente, das Ausarbeiten einer schriftlichen Dokumentation und der aktiven Beteiligung an den Diskussionen.
Insgesamt können 60 Punkte erreicht werden, davon: 

Für das Bestehen der Erfolgskontrolle müssen mindestens 30 Punkte erreicht werden. Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Ausschreibung auf der Institutswebsite https://h-lab.iism.kit.edu

Teilleistung: Practical Seminar: Service Innovation [T-WIWI-110887]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2595477 Seminarpraktikum: Service Innovation 3 SWS Seminar (S) Satzger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen (nach §4(2), 3 SPO).

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.

Die Gesamtnote setzt sich zusammen aus den gewichteten Komponenten (z.B. Dokumentation, mündl. Vortrag, praktische Ausarbeitung sowie aktive Beteiligung). Die Gewichtung dieser Bestandteile für die Notenbildung wird zu Beginn der Veranstaltung bekannt gegeben. 

Empfehlungen

Es werden Kenntnisse über Service Innovation Methoden vorausgesetzt. Daher empfiehlt es sich, die Lehrveranstaltung Service Innovation [2540468] im Vorfeld zu besuchen.

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer des Seminarpraktikums beschränkt und die Teilnahme setzt Kenntnisse der Modelle, Konzepte und Vorgehensweisen voraus, die in der Vorlesung Service Innovation gelehrt werden. Der vorherige Besuch der Vorlesung Service Innovation oder der Nachweis äquivalenter Kenntnisse ist für die Teilnahme an diesem Seminarpraktikum verpflichtend. Informationen zur Anmeldung werden auf den Seiten zur Lehrveranstaltung veröffentlicht.

Die Veranstaltung wird nicht regelmäßig angeboten.

Teilleistung: Praktikum Algorithmentechnik [T-INFO-104374]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102072 - Praktikum Algorithmentechnik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2424305 Praktikum Algorithm Engineering-Routenplanung 4 SWS Praktikum (P) / 🗣 Feilhauer, Bläsius, Zündorf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.


Die Note setzt sich aus der Bearbeitung der Programmieraufgabe, einer schriftlichen Evaluation der Ergebnisse im Umfang von ca. 10 Seiten sowie der Abschlusspräsentation zusammen.

Voraussetzungen

keine

Teilleistung: Praktikum Anwendungssicherheit [T-INFO-106289]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103166 - Praktikum Anwendungssicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2400114 Praktikum Anwendungssicherheit 4 SWS Praktikum (P) / 🗣 Müller-Quade, Mechler, Dörre, Wressnegger, Noppel
WS 24/25 2400114 Praktikum Anwendungssicherheit 4 SWS Praktikum (P) / 🗣 Müller-Quade, Mechler, Dörre, Noppel, Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Der Inhalt der Vorlesungen „Rechnerorganisation“ und „Betriebssysteme“ sollten bekannt sein.

Teilleistung: Praktikum Biomedizinische Messtechnik [T-ETIT-101934]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100389 - Praktikum Biomedizinische Messtechnik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2305276 Praktikum Biomedizinische Messtechnik 4 SWS Praktikum (P) / 🗣 Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfung erfolgt durch die Bewertung der schriftlichen Vorbereitungs- und Nachbereitungsprotokolle zu den einzelnen Versuchen.

Die Versuche und Protokolle werden immer in gemeinsamer Teamarbeit von einem Team bestehend aus zwei, in Sonderfällen auch drei festen Praktikumsteilnehmern durchgeführt bzw. ausgearbeitet. Dabei muss zurechenbar sein welcher Teilnehmer welche Aufgabe bearbeitet hat. Die Vorbereitungsprotokolle werden im Vorfeld eines Praktikumstermins geprüft und eine nicht ausreichende Bewertung führt zum Ausschluss vom Versuch. Es wird sich vorbehalten einzelne Fragen zur Vorbereitung in einer mündlichen Form zu Beginn des Versuchstermins nochmals zu überprüfen. Zu den einzelnen Praktikumsterminen besteht Anwesenheitspflicht. Im Fall einer Abwesenheit oder eines Ausschlusses vom Versuch wird der Einzelversuch mit der Note „mangelhaft“ gewertet. Bei zweimaligem Ausschluss wird das Praktikum als ”nicht bestanden“ gewertet.

Voraussetzungen

Die erfolgreiche Teilnahme am Modul "Biomedizinische Messtechnik I" ist Voraussetzung.

Modellierte Voraussetzungen
Es muss eine von 2 Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-106492 - Biomedizinische Messtechnik I muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-ETIT-101928 - Biomedizinische Messtechnik I muss erfolgreich abgeschlossen worden sein.
Empfehlungen

-       Kenntnisse zu physiologischen Grundlagen aus der Vorlesung Physiologie und Anatomie

-       Kenntnisse zur Entstehung von bioelektrischen Signalen und Messung dieser aus der Vorlesung Bioelektrische Signale

-       Kenntnisse zur Signalverarbeitung aus der Vorlesung Signalverarbeitung in der Nachrichtentechnik

-       Grundlegende Matlab-Kenntnisse

Teilleistung: Praktikum Dezentrale Systeme und Netzdienste [T-INFO-106063]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103047 - Praktikum Dezentrale Systeme und Netzdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Praktikum Digital Design & Test Automation Flow [T-INFO-105565]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102570 - Praktikum: Digital Design & Test Automation Flow
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24318 Digital Design & Test Automation Flow 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es muss eine Präsentation gehalten werden.

Die Modulnote setzt sich zu 80 % aus der erbrachten Leistung im Praktikum und zu 20 % aus der Präsentation zusammen.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Teilleistung: Praktikum FPGA Programming [T-INFO-105576]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102661 - Praktikum FPGA Programming
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400106 FPGA Programming 4 SWS Praktikum (P) / 🗣 Tahoori
WS 24/25 2400106 FPGA Programming 4 SWS Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es muss eine Präsentation gehalten werden.

Die Modulnote setzt sich zu 80 % aus der erbrachten Leistung im Praktikum und zu 20 % aus der Präsentation zusammen.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Teilleistung: Praktikum Ingenieursmäßige Software-Entwicklung [T-INFO-108791]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104254 - Praktikum: Ingenieursmäßige Software-Entwicklung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400093 Praktikum Ingenieursmäßige Software-Entwicklung 4 SWS Praktikum (P) Reussner
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von vier Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Anmerkungen

Der frühere Titel des Moduls lautete „Praktikum Software Quality Engineering mit Eclipse“.

Teilleistung: Praktikum Klassische Physik I [T-PHYS-102289]

Verantwortung:
Dr. Hans Jürgen Simonis
PD Dr. Roger Wolf
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101353 - Praktikum Klassische Physik I
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4011113 Praktikum Klassische Physik I (Kurs 1) 6 SWS Praktikum (P) / 🗣 Simonis, Wolf
WS 24/25 4011123 Praktikum Klassische Physik I (Kurs 2) 6 SWS Praktikum (P) / 🗣 Simonis, Wolf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Praktikum Klassische Physik II [T-PHYS-102290]

Verantwortung:
Prof. Dr. Markus Klute
Dr. Hans Jürgen Simonis
PD Dr. Roger Wolf
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101354 - Praktikum Klassische Physik II
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 4011213 Praktikum Klassische Physik II (Kurs 1) 6 SWS Praktikum (P) / 🗣 Wolf, Klute, Simonis
SS 2024 4011223 Praktikum Klassische Physik II (Kurs 2) 6 SWS Praktikum (P) / 🗣 Wolf, Klute, Simonis
SS 2024 4012390 Vorbesprechung zum Praktikum Klassische Physik II für Lehramtskandidaten an Gymnasien Praktikum (P) / 🗣 Bergmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Praktikum Kryptoanalyse [T-INFO-102990]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101559 - Praktikum Kryptoanalyse
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24881 Praktikum: Kryptoanalyse 4 SWS Praktikum (P) / 🗣 Müller-Quade, Geiselmann, Berger, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen praktische Aufgaben im Bereich der Kryptoanalyse bearbeitet werden. Die Ergebnisse müssen schriftlich und mündlich präsentiert werden.

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Anmerkungen

Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.

Teilleistung: Praktikum Kryptographie [T-INFO-102989]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101558 - Praktikum Kryptographie
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24301 Praktikum Kryptographie und Datensicherheit 4 SWS Praktikum (P) / 🗣 Bayreuther, Berger, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Anmerkungen

Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.

Teilleistung: Praktikum Modellgetriebene Software-Entwicklung [T-INFO-103029]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101579 - Praktikum Modellgetriebene Software-Entwicklung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2400091 Praktikum Modellgetriebene Software-Entwicklung 4 SWS Praktikum (P) / 🗣 Burger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO in Form von überwiegend praktischen Aufgaben.

Voraussetzungen

Keine

Empfehlungen

Der Besuch der Vorlesungen Softwaretechnik II und Modellgetriebene Software-Entwicklung ist hilfreich.

Teilleistung: Praktikum Nanoelektronik [T-ETIT-100757]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100468 - Praktikum Nanoelektronik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2312669 Praktikum Nanoelektronik 4 SWS Praktikum (P) / 🗣 Kempf
WS 24/25 2312669 Praktikum Nanoelektronik 4 SWS Praktikum (P) / 🗣 Kempf, weitere Mitarbeitende
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Bewertung eines schriftlichen Abschlussberichts (Umfang ca. 10-20 Seiten), in dessen Rahmen, in dem eine Einführung in das Thema, die Versuchsdurchführung, die wissenschaftlichen Ergebnisse sowie eine Einordnung der Ergebnisse in den Gesamtkontext zusammengefasst werden sollen.

Voraussetzungen

keine

Empfehlungen

Der erfolgreiche Abschluss des Moduls „Technology, physics and applications of thin films“ ist empfohlen.

Teilleistung: Praktikum Natürlichsprachliche Dialogsysteme [T-INFO-104780]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102414 - Praktikum Natürlichsprachliche Dialogsysteme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2024 2400187 Natürlichsprachliche Dialogmodellierung 2 SWS Praktikum (P) / 🗣 Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Praktikum Praxis der Telematik [T-INFO-103585]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101889 - Praktikum Praxis der Telematik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 24316 Praxis der Telematik 1 SWS Praktikum (P) König, Mahrt, Zitterbart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art.

In die Erfolgskontrolle fließen u.a. Übungsblätter, Präsentation und Endbericht ein.

Voraussetzungen

Wurde das Modul Basispraktikum Protocol Engineering bereits geprüft, darf dieses Modul nicht geprüft werden.

Empfehlungen

Vorheriger oder paralleler Besuch der Vorlesung „Telematik“

Teilleistung: Praktikum Protocol Engineering [T-INFO-104386]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102092 - Praktikum Protocol Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400086 Praktikum Protocol Engineering 4 SWS Praktikum (P) König, Mahrt, Zitterbart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art.

Für die Veranstaltung "Praktikum Protocol Engineering" ist zu Beginn des Praktikums ein Protokollentwurf anzufertigen (4-6 Seiten, Zeitaufwand ca. 1-2 Wochen). Darüber hinaus wird im Verlauf der Veranstaltung in Teamarbeit (d.h. von allen Praktikumsteilnehmern gemeinsam) ein umfangreicheres Dokument (15-20 Seiten) angefertigt.
Voraussetzungen

Keine

Empfehlungen

Das Praktikum sollte semesterbegleitend zur LV Telematik [24128] belegt werden.

Teilleistung: Praktikum Sicherheit [T-INFO-102991]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101560 - Praktikum Sicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2512557 Praktikum Sicherheit (Master) 4 SWS Praktikum (P) / 🧩 Baumgart, Volkamer, Mayer, Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine

Anmerkungen

Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.

Teilleistung: Praktikum Software Engineering [T-ETIT-100681]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100460 - Praktikum Software Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2311640 Praktikum Software Engineering 4 SWS Praktikum (P) / 🗣 Sax
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (Bewertungen) während des Labors sowie einer mündlichen Abschlussprüfung (20 min.). Der Gesamteindruck wird bewertet.

Voraussetzungen

keine

Empfehlungen

Teilleistung: Praktikum System-on-Chip [T-ETIT-100798]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100451 - Praktikum System-on-Chip
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311612 Praktikum System-on-Chip 4 SWS Praktikum (P) / 🗣 Becker, Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 bis 30 Minuten).

Voraussetzungen

keine

Teilleistung: Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics [T-INFO-111803]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105870 - Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400068 Advanced Topics in High Performance Computing, Data Management and Analytics 3 SWS Praktikum (P) Streit, Schlitter
WS 24/25 2400043 Advanced Topics in High Performance Computing, Data Management and Analytics 3 SWS Praktikum (P) Farhadi, Streit
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106066 - Praktikum Datenmanagement und Datenanalyse darf nicht begonnen worden sein.
Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Teilleistung: Praktikum: Aktuelle Forschungsthemen der Computergrafik [T-INFO-109577]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104699 - Praktikum: Aktuelle Forschungsthemen der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Im Vertiefungsfach Computergrafik muss mindestens eines der folgenden Module geprüft werden: Kurven und Flächen, Algorithmen der Computergrafik, Fortgeschrittene Flächenkonstruktionen, Digitale Flächen, Computergrafik, Fotorealistische Bildsynthese, Interaktive Computergrafik, Fortgeschrittene Computergrafik, Visualisierung, Rationale Splines. Eine Bachelor- oder Masterarbeit im Bereich Computergrafik muss erfolgreich abgeschlossen sein. Eine Ausnahmegenehmigung kann durch den Modulkoordinator erteilt werden.

Empfehlungen

Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.

Teilleistung: Praktikum: Aktuelle Themen des Quantencomputings [T-INFO-112741]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106286 - Praktikum: Aktuelle Themen des Quantencomputings
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400203 Aktuelle Themen des Quantencomputings 3 SWS Praktikum (P) Kühn, Schaefer, Streit
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Empfehlungen

- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich

Teilleistung: Praktikum: Automotive Software Engineering [T-INFO-112710]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106261 - Praktikum: Automotive Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400127 Praktikum: Automotive Software Engineering 4 SWS Praktikum (P) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung (bzw. Implementierung und Dokumentation) erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.

Teilleistung: Praktikum: Data Science [T-INFO-111262]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105632 - Praktikum: Data Science
Teilleistungsart
Studienleistung schriftlich
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. Es sind insgesamt zwei Wiederholungen möglich.

 

Voraussetzungen

Es müssen Leistungen aus der Vorlesung Data Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103202 - Praktikum: Analyse großer Datenbestände darf nicht begonnen worden sein.
Empfehlungen

Die Vorlesung Data Science 1 (vormals Analysetechniken) oder eine vergleiche Vorlesung sollte gehört worden sein.

Teilleistung: Praktikum: Data Science für die Wissenschaften [T-INFO-112844]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106329 - Praktikum: Data Science für die Wissenschaften
Teilleistungsart
Studienleistung
Leistungspunkte
6
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 242424 Data Science für die Wissenschaften 2 SWS Praktikum (P) / 🗣 Böhm, Cribeiro Ramallo, Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von einer Woche nach Beginn der Veranstaltung möglich.

Es ist eine Wiederholung möglich.

Voraussetzungen

Es müssen Leistungen aus der Vorlesung Date Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105796 - Praktikum: Analysis of Complex Data Sets darf nicht begonnen worden sein.

Teilleistung: Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften [T-INFO-112810]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106312 - Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften
Teilleistungsart
Studienleistung
Leistungspunkte
4
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400212 Datenbankkonzepte und -technologie für die Wissenschaften 2 SWS Praktikum (P) / 🗣 Böhm, Betsche
WS 24/25 2400212 Datenbankkonzepte und -technologie für die Wissenschaften 2 SWS Praktikum (P) / 🗣 Böhm, Betsche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden.

Ein Rücktritt ist innerhalb von drei Wochen nach Beginn der Veranstaltung möglich.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112689 - Praktikum: Graphdatenbank darf nicht begonnen worden sein.
Empfehlungen

Nachweis von Datenbankkenntnissen durch eine bestandene Prüfung zur Vorlesung "Datenbanksysteme" oder einer vergleichbaren Veranstaltung.

Teilleistung: Praktikum: Diskrete Freiformflächen [T-INFO-103208]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101667 - Praktikum: Diskrete Freiformflächen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 24876 Praktikum Diskrete Freiformflächen 4 SWS Praktikum (P) / 🧩 Hoffmann, Prautzsch
WS 24/25 2400059 Praktikum Diskrete Freiformflächen Praktikum (P) / 🧩 Hoffmann, Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. Solutions to assignments and their presentations will be included in the grading. Implementations and their presentation

Voraussetzungen

None.

Teilleistung: Praktikum: Effizientes paralleles C++ [T-INFO-106992]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103506 - Praktikum: Effizientes paralleles C++
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400195 Effizientes paralleles C++ 4 SWS Praktikum (P) / 🧩 Sanders, Witt, Schimek, Williams
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine.

Empfehlungen

Zumindest grundsätzliche Kenntnisse der Sprache C++ sind notwendig für

die Teilnahme an der Lehrveranstaltung. Studenten sollten gegebene

Algorithmen implementieren können.

Teilleistung: Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren [T-INFO-111457]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105740 - Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2424302 Entwurf von applikationsspezifischen eingebetteten Prozessoren 4 SWS Praktikum (P) Hussain, Henkel
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103115 - Praktikum Entwurf von eingebetteten applikationsspezifischen Prozessoren darf nicht begonnen worden sein.

Teilleistung: Praktikum: Fine-grained Algorithm Design and Engineering [T-INFO-113635]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106784 - Praktikum: Fine-grained Algorithm Design and Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400104 Fine-grained Algorithm Design and Engineering 4 SWS Praktikum (P) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  The overall performance is evaluated, which includes the quality of the produced results, the project report and the presentation.

Voraussetzungen

None.

Empfehlungen

-    Basic knowledge of algorithms and data structures is assumed. 
-    Knowledge of fine-grained complexity is helpful, but not required.

Teilleistung: Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge [T-INFO-112209]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106023 - Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2400126 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 4 SWS Praktikum (P) / 🗣 Schaefer
WS 24/25 2400117 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge 4 SWS Praktikum (P) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung (bzw. Implementierung und Dokumentation) erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Praktikum: General-Purpose Computation on Graphics Processing Units [T-INFO-109914]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100724 - Praktikum: General-Purpose Computation on Graphics Processing Units
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24911 Praktikum General-Purpose Computation on Graphics Processing Units 2 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
WS 24/25 24297 Praktikum General-Purpose Computation on Graphics Processing Units 2 SWS Praktikum (P) / 🗣 Dereviannykh, Grauer, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Die Leistungskontrolle erfolgt dabei kontinuierlich für die einzelnen Projekte sowie durch eine Abschlusspräsentation.

Voraussetzungen

Keine.

Empfehlungen

Es wird empfohlen, einschlägige Vorlesungen des Vertiefungsgebiets Computergrafik gehört zu haben.

Teilleistung: Praktikum: Geometrisches Modellieren [T-INFO-103207]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101666 - Praktikum: Geometrisches Modellieren
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2400107 Praktikum Geometrisches Modellieren 2 SWS Praktikum (P) / 🧩 Prautzsch, Hoffmann
WS 24/25 2400024 Praktikum Geometrisches Modellieren Praktikum (P) / 🧩 Hoffmann, Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. Solutions to assignments and their presentations will be included in the grading.

Teilleistung: Praktikum: Gestaltung und Evaluierung Interaktiver Systeme [T-INFO-112749]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106290 - Praktikum: Gestaltung und Evaluierung Interaktiver Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400023 Gestaltung und Evaluierung Interaktiver Systeme 4 SWS Praktikum (P) / 🧩 Gerling, Alexandrovsky, Meiners
WS 24/25 2400208 Gestaltung und Evaluierung Interaktiver Systeme 4 SWS Praktikum (P) / 🧩 Gerling, Alexandrovsky, Meiners
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Praktikum: Graphenvisualisierung in der Praxis [T-INFO-106580]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103302 - Praktikum: Graphenvisualisierung in der Praxis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400117 Graphenvisualisierung in der Praxis - findet im SS 24 nicht statt Praktikum (P) / 🗣 Wagner, Jungeblut
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.


Die Note setzt sich aus der Bearbeitung der Programmieraufgabe, einer schriftlichen Evaluation der Ergebnisse im Umfang von ca. 10 Seiten sowie der Abschlusspräsentation zusammen.

Voraussetzungen

Keine.

Teilleistung: Praktikum: Graphics and Game Development [T-INFO-110872]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105384 - Praktikum: Graphics and Game Development
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 24912 Praktikum Graphics and Game Development (findet im SoSe24 nicht statt) 4 SWS Praktikum (P) / 🗣 Dereviannykh, Dolp
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten gebildet und nach der ersten Kommastelle abgeschnitten.


Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102996 - Praktikum: Visual Computing 1 darf nicht begonnen worden sein.
Empfehlungen

Kenntnisse zu Grundlagen oder Algorithmen der Computergrafik sind empfehlenswert aber nicht zwingend notwendig.

Teilleistung: Praktikum: Human-Centred Robotics [T-INFO-113393]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106646 - Praktikum: Human-Centred Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400149 Praktikum: Human-Centred Robotics 4 SWS Praktikum (P) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftlicher Bericht (ca. 10 Seiten) erstellt und eine Präsentation mit Folien und Hardwaredemonstration gehalten werden, die (30 Minuten + 15 Minuten Fragen). Beides ist in Deutsch oder Englisch möglich. Der Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Programmierkenntnisse werden vorausgesetzt.

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind sehr hilfreich.

Anmerkungen

Begrenzte Anzahl von Projekten und Teilnehmern.  Spezielle Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt. 

Teilleistung: Praktikum: Intelligente Roboterperzeption [T-INFO-113407]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106656 - Praktikum: Intelligente Roboterperzeption
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Einmalig
Version
1
Lehrveranstaltungen
SS 2024 24000158 Praktikum Intelligente Roboterperzeption 2 SWS Praktikum (P) Triebel
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)
The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

Knowledge in C++ and / or Python are required.

Empfehlungen

-    Knowledge of the courses Robotc I-III is helpful.
-    Students should be familiar with the content of module x / partial achievement x / course x.

Teilleistung: Praktikum: Internet of Things (IoT) [T-INFO-107493]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103706 - Praktikum: Internet of Things (IoT)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2424304 Internet of Things (IoT) Praktikum 4 SWS Praktikum (P) / 🖥 Henkel, Balaskas, Siddhu
WS 24/25 2424304 Internet of Things (IoT) Lab 4 SWS Praktikum (P) / 🗣 Siddhu, Mentzos, Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

-        This lab is also suitable for electrical engineering students and those who have interest in embedded systems design.

-        The ability to develop software programs in C or C++ is recommended.

-        Basic knowledge about other programming languages can be helpful (e.g.  Java or Python)

Teilleistung: Praktikum: Low Power Design and Embedded Systems [T-INFO-108323]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104031 - Praktikum: Low Power Design and Embedded Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2424811 Low Power Design and Embedded Systems 4 SWS Praktikum (P) / 🧩 Henkel, Gonzalez, Khdr
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

-        This lab is also suitable for electrical engineering students and those who have interest in embedded systems design.

-        Basic knowledge about C/C++.

-        Basic knowledge about computer organization.

Teilleistung: Praktikum: Movement and Technology [T-INFO-113394]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106648 - Praktikum: Movement and Technology
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400151 Praktikum: Movement and Technology 4 SWS Praktikum (P) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

This includes the preparation of a project report (ca. 10 pages and an oral presentation of the project topics and results with slides. Students may withdraw from the examination during the first two weeks after the topic has been communicated. 

Voraussetzungen

Programming skills are required.

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Programming skills.

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  

Teilleistung: Praktikum: Neural Network Acceleration on FPGAs [T-INFO-113122]

Verantwortung:
Dennis Gnad
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106503 - Praktikum: Neural Network Acceleration on FPGAs
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2400205 Neural Network Acceleration on FPGAs Praktikum (P) / 🗣 Tahoori, Gnad
WS 24/25 2400205 Neural Network Acceleration on FPGAs Praktikum (P) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es muss eine Präsentation gehalten werden.
Die Modulnote setzt sich zu 80 % aus der erbrachten Leistung im Praktikum und zu 20 % aus der Präsentation zusammen.

Voraussetzungen

Keine.

Empfehlungen

Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.

Teilleistung: Praktikum: Penetration Testing [T-INFO-109929]

Verantwortung:
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104895 - Praktikum: Penetration Testing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400058 Praktikum Penetration Testing 4 SWS Praktikum (P) / 🗣 Baumgart, Müller, Dukek
WS 24/25 2400115 Praktikum Penetration Testing 4 SWS Praktikum (P) / 🗣 Baumgart, Müller, Dukek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit sowie grundlegende Kenntnisse der Betriebssysteme Linux und Windows werden vorausgesetzt. Zudem werden die Inhalte der Vorlesung Einführung in Rechnernetze als bekannt vorausgesetzt.

Teilleistung: Praktikum: Programmverifikation [T-INFO-102953]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101537 - Praktikum: Programmverifikation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO.

Es müssen praktische Aufgaben im Bereich der Programmverifikation bearbeitet sowie die Durchführung und die Ergebnisse in einer schriftliche Ausarbeitung beschrieben und in einer mündlichen Präsentation dargestellt werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine

Teilleistung: Praktikum: Realtime Computer Graphics [T-INFO-113737]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106851 - Praktikum: Realtime Computer Graphics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 24287 Praktikum Realtime Computer Graphics 4 SWS Praktikum (P) / 🗣 Dereviannykh, Grauer, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).

Teilleistung: Praktikum: Real-world Vulnerability Discovery and Exploits [T-INFO-113350]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106627 - Praktikum: Real-world Vulnerability Discovery and Exploits
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 241337 Real-world Vulnerability Discovery and Exploits Praktikum (P) / 🗣 Wressnegger
WS 24/25 241337 Real-world Vulnerability Discovery and Exploits Praktikum (P) / 🗣 Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO

Voraussetzungen

Keine

Empfehlungen

Praktikum Anwendungssicherheit

Teilleistung: Praktikum: Rendering in CGI [T-INFO-113443]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106687 - Praktikum: Rendering in CGI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400041 Praktikum Rendering in CGI 4 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
WS 24/25 2400139 Praktikum Rendering in CGI 4 SWS Praktikum (P) / 🗣 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Bewertet werden die über das Semester hinweg bearbeiteten und abgegebenen Programmier-/Praxisaufgaben (ggf. auch im Rahmen eines kurzen Gesprächs/einer Vorführung). Im Fall einer selbstgestellten Aufgabe anstelle einer der vorgegebenen Aufgaben (nach vorheriger Absprache möglich), wird zusätzlich eine kurze schriftliche Ausarbeitung (maximal 4 Seiten) bewertet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).

Teilleistung: Praktikum: Scientific Visualization [T-INFO-113442]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106686 - Praktikum: Scientific Visualization
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400039 Praktikum Scientific Visualisation 4 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
WS 24/25 2400146 Praktikum Scientific Visualisation 4 SWS Praktikum (P) / 🗣 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Bewertet werden die über das Semester hinweg bearbeiteten und abgegebenen Programmier-/Praxisaufgaben (ggf. auch im Rahmen eines kurzen Gesprächs/einer Vorführung). Im Fall einer selbstgestellten Aufgabe anstelle einer der vorgegebenen Aufgaben (nach vorheriger Absprache möglich), wird zusätzlich eine kurze schriftliche Ausarbeitung (maximal 4 Seiten) bewertet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).

Teilleistung: Praktikum: Security, Usability and Society [T-INFO-110990]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105453 - Praktikum: Security, Usability and Society
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Diese LV wir im SS23 nicht angeboten.

Teilleistung: Praktikum: Smart Data Analytics [T-INFO-106426]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103235 - Praktikum: Smart Data Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24895 Praktikum: Smart Data Analytics 4 SWS Praktikum (P) / 🧩 Huang, Zhou, Riedel, Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Das bearbeitete Kleinprojekt ist mit einem Praktikumsbericht zu dokumentieren und eine Abschlusspräsentation ist zu halten. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103581 - Praktikum: Kontextsensitive ubiquitäre Systeme darf nicht begonnen worden sein.
Empfehlungen

Das Praktikum ist idealerweise begleitend zur Vorlesung Kontextsensitive Systeme (24658) zu belegen.

Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt. 

Teilleistung: Praktikum: Smart Energy System Lab [T-INFO-112030]

Verantwortung:
Dr.-Ing. Simon Waczowicz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105955 - Praktikum: Smart Energy System Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400082 Praktikum: Smart Energy System Lab 4 SWS Praktikum (P) / 🗣 Hagenmeyer, Waczowicz, Süß
WS 24/25 2400159 Praktikum: Smart Energy System Lab (findet im WS 24/25 nicht statt) 4 SWS Praktikum (P) / 🗣 Hagenmeyer, Süß, Waczowicz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine.

Empfehlungen

• Kenntnisse zu Grundlagen der Energieinformatik werden vorausgesetzt.
• Kenntnisse zu Grundlagen der Elektrotechnik und Energietechnik werden vorausgesetzt.
• Kenntnisse zu Grundlagen der Mechatronik, der Datenanalyse, der Signalverarbeitung sind hilfreich.
• Kenntnisse über Power Systems oder Power Electronics sind hilfreich.

Teilleistung: Praktikum: Sprachübersetzung [T-INFO-112175]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105997 - Praktikum: Sprachübersetzung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400150 Praktikum Sprachübersetzung 4 SWS Praktikum (P) / 🗣 Niehues, Dinh
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Die Studentinnen und Studenten sollten die theoretischen Grundlagen wie sie in den Vorlesungen Deep Learning oder Maschinelle Übersetzung eingeführt werden, verstanden haben.

Teilleistung: Praktikum: Unterteilungsalgorithmen [T-INFO-111454]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105737 - Praktikum: Unterteilungsalgorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. Solutions to assignments and their presentations will be included in the grading.

Voraussetzungen

None.

Teilleistung: Praktikum: Visual Computing [T-INFO-103000]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101567 - Praktikum: Visual Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Lehrveranstaltungen
SS 2024 24909 Praktikum GPU-Computing 4 SWS Praktikum (P) / 🗣 Lerzer, Dereviannykh, Klepikov, Dachsbacher
WS 24/25 24283 Praktikum GPU-Computing 4 SWS Praktikum (P) / 🗣 Dereviannykh, Grauer, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

Programmierkenntnisse in C/C++ werden empfohlen.

Teilleistung: Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) [T-INFO-103121]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101635 - Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 24873 Praktikum: Microservice2Go (II) 2 SWS Praktikum (P) / 🗣 Abeck, Schneider, Sänger, Throner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Praktikum: Werkzeuge für Agile Modellierung [T-INFO-109925]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104893 - Praktikum: Werkzeuge für Agile Modellierung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400043 Praktikum: Werkzeuge für Agile Modellierung Praktikum (P) / 🗣 Koziolek
WS 24/25 2400105 Praktikum: Werkzeuge für Agile Modellierung Praktikum (P) Koziolek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von vier Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Solide Programmierkenntnisse sind benötigt, um mit dem angegebenen Arbeitsaufwand das Praktikum erfolgreich zu absolvieren.

Teilleistung: Praktische Einführung in die Hardware Sicherheit [T-INFO-108920]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104357 - Praktische Einführung in die Hardware Sicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400009 Praktische Einführung in die Hardware Sicherheit 4 SWS Vorlesung / Übung (VÜ) / 🗣 Tahoori, Gnad
WS 24/25 2400033 Praktische Einführung in die Hardware Sicherheit 4 SWS Vorlesung / Übung (VÜ) / 🗣 Gnad, Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO. Es werden 4 Themen in dieser Vorlesung behandelt. Nach jedem Thema erhält der Student Aufgaben, die er ausführen muss. Jede Aufgabe wird auf seine korrekte Ausführung überprüft.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in „Digitaltechnik“ (Vorlesung Technische Informatik)

Praktikum „FPGA Programming“

Teilleistung: Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) [T-GEISTSOZ-101170]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 24/25 5012044 Einführung in die Praktische Philosophie 2 SWS Kurs (Ku) / 🗣 Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Praktische Philosophie 1.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistung in Form von Hausaufgaben, Test oder Referat.

Voraussetzungen

keine

Teilleistung: Praktische Philosophie 1.2 [T-GEISTSOZ-101081]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) Link
WS 24/25 5012022 Singer: Praktische Ethik 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 24/25 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 24/25 5012062 J.S. Mills Schriften zu Politik und Ökonomie 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Hauptseminar "Praktische Philosophie 1.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen in Form von Hausaufgaben, Test oder Referat.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktische Philosophie 1.3 [T-GEISTSOZ-101171]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 5012005 Politische Autorität und Ziviler (Un-)Gehorsam 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
SS 2024 5012044 Kant: Kleine Schriften zur Praktischen Philosophie ("Aufklärung", "Gemeinspruch", "Streit der Fakultäten") 2 SWS Hauptseminar (HS) / 🖥 Döring
SS 2024 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) Link
SS 2024 5012068 Einführung in die Technikethik 2 SWS Hauptseminar (HS) / 🗣 Bagattini
SS 2024 5012070 Was ist Demokratie und wozu ist sie gut? Kernfragen der Demokratietheorie 2 SWS Hauptseminar (HS) / 🗣 Lanius
SS 2024 5012077 Moralischer Relativismus Block (B) Schubert
WS 24/25 5012022 Singer: Praktische Ethik 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 24/25 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 24/25 5012049 (Philosophische) Theorien der Moralentwicklung Hauptseminar (HS) / 🗣 Schefczyk
WS 24/25 5012054 Risikoethik (mit Projekt zur Argumentationsanalyse) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 24/25 5012062 J.S. Mills Schriften zu Politik und Ökonomie 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einer Veranstaltung "Praktische Philosophie 1.3", d.h. im Bestehen der in der Veranstaltung geforderten Leistung, die in Form von Hausaufgaben, Test oder Referaten zu erbringen ist.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praxis der Forschung (Methoden, 1. Semester) [T-INFO-110211]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105033 - Praxis der Forschung (Methoden, 1. Semester)
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400056 Praxis der Forschung (Methoden, 1. Semester) 1.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400076 Praxis der Forschung (Methoden, 1. Semester) 1.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form folgender Teilprüfungen:

◦ schriftlicher Abgaben,

◦ Kurzpräsentationen,

◦ Diskussion über die Inhalte der Lehrveranstaltungen.

Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn des Semesters bekannt gegeben.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104790 - Praxis der Forschung (Methoden, 1. Semester) darf nicht begonnen worden sein.
  2. Das Modul M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
Anmerkungen

Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.

Teilleistung: Praxis der Forschung (Methoden, 2. Semester) [T-INFO-110212]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105034 - Praxis der Forschung (Methoden, 2. Semester)
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400057 Praxis der Forschung (Methoden, 2. Semester) 1.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400089 Praxis der Forschung (Methoden, 2. Semester) 1.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form folgender Teilprüfungen:

◦ schriftlicher Abgaben,

◦ Kurzpräsentationen,

◦ Diskussion über die Inhalte der Lehrveranstaltungen.

Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn des Semesters bekannt gegeben.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104789 - Praxis der Forschung (Methoden, 2. Semester) darf nicht begonnen worden sein.
  2. Das Modul M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester) muss begonnen worden sein.
Anmerkungen

Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.

Teilleistung: Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens [T-INFO-110220]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400047 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400068 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:

◦    schriftliche Abgaben,
◦    die Durchführung der für das jeweilige Projekt notwendigen Vorarbeiten.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110220),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110219),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110218).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104798 - Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung [T-INFO-110218]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2400047 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400068 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach §4 Abs. 2 Nr. 2 der SPO in Form einer mündliche Prüfung (i.d.R. 30min).

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
-    haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110220),
-    haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110219),
-    hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110218).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104787 - Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 1. Semester) - Präsentation [T-INFO-110219]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400047 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400068 Praxis der Forschung (Projekt, 1. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:
◦    Projektpräsentationen,
◦    eine Diskussion über die Inhalte des Projekts.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110220),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110219),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110218).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104797 - Praxis der Forschung (Projekt, 1. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung [T-INFO-110221]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach §4 Abs. 2 Nr. 2 der SPO in Form einer mündliche Prüfung (i.d.R. 30min).

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104788 - Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Präsentation [T-INFO-110222]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:
◦    Projektpräsentationen,
◦    eine Diskussion über die Inhalte des Projekts.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104800 - Praxis der Forschung (Projekt, 2. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung [T-INFO-110223]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
WS 24/25 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🗣 Beckert, Beigl, Reussner, Kirsten
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:

◦    schriftlicher Abgaben,
◦    die Durchführung der für das jeweilige Projekt notwendigen Vorarbeiten.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104809 - Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung darf nicht begonnen worden sein.

Teilleistung: Praxis der Unternehmensberatung [T-INFO-101975]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1,5
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO und besteht aus mehreren Teilaufgaben. Dazu gehören Vorträge, Projektarbeiten, schriftliche Arbeiten und Seminararbeiten.

Zum Bestehen der Prüfung müssen alle Teilaufgaben erfolgreich bestanden werden.

Voraussetzungen

Keine.

Teilleistung: Praxis des Lösungsvertriebs [T-INFO-101977]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1,5
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO und besteht aus mehreren Teilaufgaben. Dazu gehören Vorträge, Marktstudien, Projekte, Fallstudien und Berichte.

Zum Bestehen der Prüfung müssen alle Teilaufgaben erfolgreich bestanden werden.

Voraussetzungen

Keine.

Anmerkungen

Praxis der Lösungsvertriebs findet zur Zeit nicht statt

Teilleistung: Predictive Mechanism and Market Design [T-WIWI-102862]

Verantwortung:
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2500014 Predictive Mechanism and Market Design 2 SWS Vorlesung (V) / 🖥 Reiß
SS 2024 2520403 Übung zu Predictive Mechanism and Market Design 1 SWS Übung (Ü) / 🖥 Reiß
WS 24/25 2520402 Predictive Mechanism and Market Design 2 SWS Vorlesung (V) Reiß
WS 24/25 2520403 Übung zu Predictive Mechanism and Market Design Übung (Ü) Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Note ist die Note der schriftlichen Prüfung.

Voraussetzungen

Keine

Anmerkungen

Die Vorlesung wird jedes zweite Wintersemester angeboten, z.B. im WS2017/18, WS2019/20, ...  

Die Wiederholungsprüfung kann zu jedem späteren, ordentlichen Prüfungstermin angetreten werden. Die Prüfungstermine werden ausschließlich in dem Semester, in dem die Vorlesung angeboten wird sowie im unmittelbar darauf folgenden Semester angeboten. Die Stoffinhalte beziehen sich auf die zuletzt gehaltene Lehrveranstaltung.

Teilleistung: Preismanagement [T-WIWI-105946]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Dr Paul Glenn
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2540529 Preismanagement 2 SWS Vorlesung (V) / 🗣 Glenn
SS 2024 2540530 Übung zu Preismanagement 1 SWS Übung (Ü) / 🗣 Glenn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Vorlesung und Prüfung werden im Sommersemester 2019 nicht angeboten. Die nächste Prüfungsmöglichkeit besteht im Sommersemester 2020.

Prüfung Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Vorlesung wird im SS2016 erstmalig angeboten.

Teilleistung: Privacy Enhancing Technologies [T-INFO-110989]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105452 - Privacy Enhancing Technologies
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2024 2400088 Privacy Enhancing Technologies 3 SWS Vorlesung (V) / 🗣 Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Produktions- und Logistikmanagement [T-WIWI-102632]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2581954 Produktions- und Logistikmanagement 2 SWS Vorlesung (V) / 🗣 Schultmann, Rudi
SS 2024 2581955 Übung zu Produktions- und Logistikmanagement 2 SWS Übung (Ü) / 🗣 Treml
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Project Management [T-WIWI-103134]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581963 Project Management 2 SWS Vorlesung (V) / 🗣 Schultmann, Volk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Projektmanagement aus der Praxis [T-INFO-101976]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1,5
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO und besteht aus mehreren Teilaufgaben. Dazu gehören Vorträge, Projektarbeiten, schriftliche Arbeiten und Seminararbeiten.

Zum Bestehen der Prüfung müssen alle Teilaufgaben erfolgreich bestanden werden.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen des Projektmanagements.

Teilleistung: Projektmanagement im Zeitalter der Digitalisierung [T-INFO-110998]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Dr.-Ing. Michael Kaiser
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400097 Projektmanagement im Zeitalter der Digitalisierung 2 SWS Vorlesung (V) / 🗣 Kaiser
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

keine

Teilleistung: Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen [T-ETIT-109148]

Verantwortung:
Dr.-Ing. Manfred Nolle
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-104475 - Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 2 SWS Block-Vorlesung (BV) / 🧩 Nolle
WS 24/25 2311643 Übung zu 2311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 1 SWS Übung (Ü) / 🧩 Nolle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.

Voraussetzungen

keine

Empfehlungen

Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.

Teilleistung: Projektpraktikum Bildauswertung und -fusion [T-INFO-104746]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102383 - Projektpraktikum Bildauswertung und -fusion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2424299 Projektpraktikum: Bildauswertung und -fusion 4 SWS Praktikum (P) Beyerer
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Neben der erfolgreichen Projektbearbeitung müssen eine schriftliche Ausarbeitung (in Form einer Projektdokumentation) erstellt und zwei Präsentationen (zu Zwischenstand und Projektergebnissen) gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Empfehlungen

Hilfreich sind:

-        Kenntnisse der Grundlagen der Stochastik und Signal- und Bildverarbeitung

-        Kenntnisse aus einigen der folgenden Vorlesungen:

o     Einführung in die Informationsfusion [24172]

o     Automatische Sichtprüfung und Bildverarbeitung [24169]

o     Mustererkennung [24675]

o     Probabilistische Planung [24603]

o     Bilddatenkompression [2400112]

o     Einführung in die Bildfolgenauswertung  [24684]

Teilleistung: Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion [T-INFO-105943]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102966 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2400123 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 2 SWS Praktikum (P) / 🖥 Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Anfertigung einer ausführlichen schriftlichen Ausarbeitung der im Praktikum geleisteten Arbeit, incl. einer Diskussion des Standes der Technik sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

T-INFO-110325 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion mit wissenschaftlicher Ausarbeitung darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110325 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion mit wissenschaftlicher Ausarbeitung darf nicht begonnen worden sein.
Empfehlungen

Teilleistung: Projektpraktikum Heterogeneous Computing [T-INFO-108447]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104072 - Projektpraktikum Heterogeneous Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse im Umgang mit CUDA, OpenCL und OpenMP sind hilfreich aber nicht erforderlich. Zudem sind Kenntnisse aus dem Bereich der Rechnerstrukturen sinnvoll.

Teilleistung: Projektpraktikum Robotik und Automation I (Software) [T-INFO-104545]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102224 - Projektpraktikum Robotik und Automation I (Software)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24282 Projektpraktikum Robotik und Automation I (Software): findet im SS 24 nicht statt 4 SWS Praktikum (P) / 🗣 Hein, Längle
WS 24/25 24282 Projektpraktikum Robotik und Automation I (Software) 4 SWS Praktikum (P) Hein, Längle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. Es wird eine Gesamtnote vergeben.

Voraussetzungen

Keine.

Empfehlungen

Teilleistung: Projektpraktikum Robotik und Automation II (Hardware) [T-INFO-104552]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102230 - Projektpraktikum Robotik und Automation II (Hardware)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24290 Projektpraktikum Robotik und Automation II (Hardware) findet im SS 24 nicht statt. 4 SWS Praktikum (P) / 🗣 Hein, Längle
WS 24/25 24290 Projektpraktikum Robotik und Automation II (Hardware) 4 SWS Praktikum (P) Hein, Längle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Teilleistung: Projektpraktikum: Humanoide Roboter [T-INFO-111590]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105792 - Projektpraktikum: Humanoide Roboter
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 24890 Projektpraktikum: Humanoide Roboter 4 SWS Praktikum (P) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Die Modulnote ist die Note der mündlichen Prüfung.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105142 - Humanoide Roboter - Praktikum darf nicht begonnen worden sein.
Empfehlungen

Anmerkungen

Teilleistung: Projektpraktikum: Maschinelles Lernen und intelligente Systeme [T-INFO-112104]

Verantwortung:
Michael Fennel
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105958 - Projektpraktikum: Maschinelles Lernen und intelligente Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24871 Projektpraktikum maschinelles Lernen und intelligente Systeme 4 SWS Praktikum (P) / 🗣 Hanebeck, Prossel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105278 - Praktikum Forschungsprojekt: Anthropomatik praktisch erfahren darf nicht begonnen worden sein.

Teilleistung: Projektpraktikum: Softwarebasierte Netze [T-INFO-103587]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101891 - Projektpraktikum: Softwarebasierte Netze
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2424899 Projektpraktikum: Softwarebasierte Netze 4 SWS Praktikum (P) / 🧩 König, Seehofer, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in einer Programmiersprache (Java, C++, Python, …) und die Vorlesungsinhalte der Telematik werden vorausgesetzt. Vorkenntnisse im Bereich SDN sind nicht zwingend erforderlich: das Thema wird im Rahmen einer Einführungsaufgabe zu Beginn des Praktikums eingeführt. Hinweis: Die erfolgreiche Teilnahme an der Einführungsaufgabe ist Voraussetzung für die weitere Teilnahme am Praktikum.

Teilleistung: Public International Law [T-INFO-113381]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101217 - Öffentliches Wirtschaftsrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400172 Public International Law 2 SWS Vorlesung (V) / 🗣 Kasper
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 (3) SPO) whether the performance assessment is carried out
-    as an oral examination (duration approx. 20 mins.) (§ 4 Abs. 2 Nr. 2 SPO) or 
-    as a written examination (lasting 60 mins.) (§ 4 Abs. 2 No. 1 SPO).

Voraussetzungen

None.

Empfehlungen

-    General knowledge of (public) law (eg, through participating in public law or EU law modules) is helpful but not necessary.
-    Interest in international affairs and politics is welcomed.

Anmerkungen

Competency Goals:
-    Participating students will be able to navigate the plethora of multilateral treaties to detect relevant international law for specific cases.
-    They can develop solutions for legal problems based on case law of international courts and tribunals. 
-    Students will be able to read and comprehend international treaties and case law.
-    They will have a fundamental understand of the interplay between various subfields of public international law.
-    Students can identify and explain current issues in public international law.


Content:    
The lecture is designed to provide participating students with a general understanding of the foundations, subjects, and sources of public international law, its interplay with national legal regimes, and more detailed knowledge of particular subfields of public international law.

Since the lecture targets students of information systems, particular focus will be given to economic topics in international law, such as investment and trade law aspects. Due to the general importance of climate change for todays (economic) law, international climate change law and environmental law will form further focus areas. 

In addition, a concise overview on human rights law, the law on State responsibility, and the peaceful settlement of disputes will be provided. 

Throughout the lecture, important case law will be referenced and students are expected to read relevant cases in part to facilitate a discussion of such cases and their relevance for a subject field. Although the United Nations, including its principal judicial organ, the International Court of Justice, is one of the, if not the, key international organization in public international law, further international organizations (eg, Council of Europe, World Trade Organization) and their respective law(s) will also be touched.

Students are advised to have a statute book at hand that includes the most important international treaties and conventions (eg, Evans, Blackstone’s International Law Documents, currently 15th ed 2021).

Conducting the lecture in English intends to facilitate students to link their ideas and arguments to current debates in international law.

Teilleistung: Public Management [T-WIWI-102740]

Verantwortung:
Prof. Dr. Berthold Wigger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101504 - Collective Decision Making
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2561127 Public Management 3 SWS Vorlesung / Übung (VÜ) / 🧩 Wigger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung entweder als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4 Abs. 2, Pkt. 3), oder als 90-minütige Klausur (schriftliche Prüfung nach SPO § 4 Abs. 2, Pkt. 1) angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird Kenntnis der Grundlagen der Finanzwissenschaft vorausgesetzt.

Teilleistung: Python for Computational Risk and Asset Management [T-WIWI-110213]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105032 - Data Science for Finance
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2500016 Python for Computational Risk and Asset Management 2 SWS Praktikum (P) Ulrich
Erfolgskontrolle(n)

Die Prüfung erfolgt in Form einer Prüfungsleistung anderer Art. Die Prüfungsleistung anderer Art besteht aus einem Python-basierten "Takehome Exam". Am Ende der dritten Januarkalenderwoche bekommt der Student ein "Takehome Exam" ausgehändigt, welches er binnen 4 Stunden eigenständig und mittels Python bearbeitet und zurückschickt. Genaue Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.
Die Prüfungsleistung anderer Art kann maximal einmal wiederholt werden. Eine fristgerechte Wiederholungsmöglichkeit findet am Ende der dritten Märzkalenderwoche des gleichen Jahres statt. Genauere Anweisungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine.

Empfehlungen

Gute Statistikkenntnisse und grundlegende Programmierkenntnisse werden empfohlen.

Teilleistung: Quantitative Methods in Energy Economics [T-WIWI-107446]

Verantwortung:
Dr. Patrick Plötz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2581007 Quantitative Methods in Energy Economics 2 SWS Vorlesung (V) / 🗣 Plötz
WS 24/25 2581008 Übungen zu Quantitative Methods in Energy Economics 1 SWS Übung (Ü) / 🗣 Plötz, Britto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (ca. 30 Minuten) Prüfung. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Quellencodierung [T-ETIT-110673]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105273 - Quellencodierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2024 2310565 Quellencodierung 2 SWS Vorlesung (V) / 🧩 Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von circa 20 Minuten. Die Modulnote ist die Note der mündlichen Prüfung.

Voraussetzungen

Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.

Empfehlungen

Vorheriger Besuch der Vorlesung „Nachrichtentechnik I“, „Wahrscheinlichkeitstheorie“ sowie „Signale und Systeme“ wird empfohlen. Kenntnisse aus den Vorlesungen „Angewandte Informationstheorie“ sind hilfreich, aber nicht notwendig.

Teilleistung: Randomisierte Algorithmik [T-INFO-113082]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Dr. Maximilian Katzmann
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106469 - Randomisierte Algorithmik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400153 Randomisierte Algorithmik 3 SWS Vorlesung / Übung (VÜ) / 🗣 Sanders, Walzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101331 - Randomisierte Algorithmen darf nicht begonnen worden sein.
Empfehlungen

Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sowie Grundlagen aus der Wahrscheinlichkeitstheorie (bspw. aus der Vorlesung Einführung in die Stochastik) sind hilfreich.

Teilleistung: Rational Curves and Surfaces for Geometric Design [T-INFO-113136]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106517 - Rational Curves and Surfaces for Geometric Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 24/25 2400109 Rational Curves and Surfaces for Geometric Design 1 2 SWS Vorlesung / Übung (VÜ) / 🗣 Prautzsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20-30 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Rechnerstrukturen [T-INFO-101355]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100818 - Rechnerstrukturen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2424570 Rechnerstrukturen 3 SWS Vorlesung (V) / 🗣 Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Abschluss des Moduls Technische Informatik wird empfohlen.

Teilleistung: Recommendersysteme [T-WIWI-102847]

Verantwortung:
Prof. Dr. Andreas Geyer-Schulz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101410 - Business & Service Engineering
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2540506 Recommendersysteme 2 SWS Vorlesung (V) / 🖥 Geyer-Schulz
SS 2024 2540507 Übungen zu Recommendersysteme 1 SWS Übung (Ü) / 🖥 Nazemi
WS 24/25 2540506 Recommendersysteme 2 SWS Vorlesung (V) / 🗣 Geyer-Schulz
WS 24/25 2540507 Übungen zu Recommendersysteme 1 SWS Übung (Ü) / 🗣 Geyer-Schulz, Nazemi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Regelkonformes Verhalten im Unternehmensbereich [T-INFO-101288]

Verantwortung:
Andreas Herzig
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400087 Regelkonformes Verhalten im Unternehmensbereich 2 SWS Vorlesung (V) / 🗣 Herzig, Siddiq
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. Nr. 1 SPO.

Voraussetzungen

keine

Teilleistung: Regelung linearer Mehrgrößensysteme [T-ETIT-100666]

Verantwortung:
Dr.-Ing. Mathias Kluwe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100374 - Regelung linearer Mehrgrößensysteme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2303177 Regelung linearer Mehrgrößensysteme 3 SWS Vorlesung (V) / 🗣 Kluwe
WS 24/25 2303179 Übungen zu 2303177 Regelung linearer Mehrgrößensysteme 1 SWS Übung (Ü) / 🗣 Fehn
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Zum tieferen Verständnis sind unbedingt Grundlagenkenntnisse zur Systemdynamik und Regelungstechnik erforderlich, wie sie etwa im ETIT-Bachelor-Modul „Systemdynamik und Regelungstechnik“ M-ETIT-102181 vermittelt werden.

Teilleistung: Regulierungstheorie und -praxis [T-WIWI-102712]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Erfolgskontrolle(n)

Die Vorlesung wird auf unbestimmte Zeit nicht angeboten. 
Die Erfolgskontrolle erfolgt in Form einer 20-30 min. mündlichen Prüfung zu einem vereinbarten Termin. Die Wiederholungsprüfung ist zu jedem vereinbarten Termin möglich.

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse und Fertigkeiten der Mikroökonomie aus einem Bachelorstudium werden erwartet.

Besonders hilfreich, aber nicht notwendig: Industrieökonomie und Principal-Agent- oder Vertragstheorie. Der vorherige Besuch der VeranstaltungWettbewerb in Netzen[26240] ist in jedem Falle hilfreich, gilt allerdings nicht als formale Voraussetzung.

Anmerkungen

Die Vorlesung wird auf unbestimmte Zeit nicht angeboten. 

Teilleistung: Reinforcement Learning [T-INFO-111255]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105623 - Reinforcement Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400163 Reinforcement Learning Vorlesung / Übung (VÜ) / 🗣 Neumann, Lioutikov, Celik, Freymuth, Zhou
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Durch die erfolgreiche Teilnahme am Übungsbetrieb als Erfolgskontrolle anderer Art (§4(2), 3 SPO 2008) bzw. Studienleistung (§4(3) SPO 2015) kann ein Bonus erworben werden. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Der Bonus gilt nur für die Haupt- und Nachklausur des Semesters, in dem er erworben wurde. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Empfehlungen

1) Der Vorlesungsinhalt von Maschinelles Lernen – Grundverfahren wird vorausgesetzt
2) Gute Python Kenntnisse erforderlich
3) Gute mathematische Grundkenntnisse

Teilleistung: Reliable Computing I [T-INFO-101387]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100850 - Reliable Computing I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24071 Reliable Computing I 2 SWS Vorlesung (V) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.

Teilleistung: Remote Sensing of Atmosphere and Ocean [T-PHYS-111424]

Verantwortung:
Prof. Dr. Björn-Martin Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2024 4052151 Remote Sensing of Atmosphere and Ocean 2 SWS Vorlesung (V) / 🗣 Sinnhuber
SS 2024 4052152 Exercises to Remote Sensing of Atmosphere and Ocean 1 SWS Übung (Ü) / 🗣 Sinnhuber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

More than 50% of the points from the exercises must be achieved.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Research Focus Class: Blockchain & Cryptocurrencies [T-INFO-113400]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400184 Research Focus Class: Blockchain & Cryptocurrencies Seminar 2 SWS Seminar (S) / 🗣 Hartenstein, Stengele, Droll
SS 2024 2400185 Research Focus Class: Blockchain & Cryptocurrencies 1 SWS Vorlesung (V) / 🗣 Hartenstein, Grundmann, Stengele, Droll
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es muss eine Präsentation gehalten werden.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111251 - Research Focus Class: Blockchain & Payment Channel Networks darf nicht begonnen worden sein.

Teilleistung: Research Focus Class: Blockchain & Cryptocurrencies - Seminar [T-INFO-113401]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400184 Research Focus Class: Blockchain & Cryptocurrencies Seminar 2 SWS Seminar (S) / 🗣 Hartenstein, Stengele, Droll
SS 2024 2400185 Research Focus Class: Blockchain & Cryptocurrencies 1 SWS Vorlesung (V) / 🗣 Hartenstein, Grundmann, Stengele, Droll
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111252 - Research Focus Class: Blockchain & Payment Channel Networks - Seminar darf nicht begonnen worden sein.

Teilleistung: Research Project: Machine Learning for Autonomous Agents and Decision Making [T-INFO-113765]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106871 - Research Project: Machine Learning for Autonomous Agents and Decision Making
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

-    The discussed algorithms have to be implemented successfully.
-    The experiments need to be conducted scientifically and need to be well documented.
-    The final report is well written and well structured
-    The final presentation is well prepared

Voraussetzungen

None.

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Teilleistung: Research Seminar in Selected Topics in Statistical Learning and Data Science [T-INFO-113674]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106813 - Research Seminar in Selected Topics in Statistical Learning and Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

Elaboration of the topic and presentation on the chosen topic at the end of the semester.

Voraussetzungen

Knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Empfehlungen

Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Teilleistung: Resilient Networking [T-INFO-111209]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105591 - Resilient Networking
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400134 Resilient Networking 3 SWS Vorlesung (V) / 🧩 Strufe
WS 24/25 2400136 Resilient Networking 1 SWS Übung (Ü) / 🧩 Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen aus Kryptographie und Computernetze sind hilfreich.

Teilleistung: Risk Management in Industrial Supply Networks [T-WIWI-102826]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2581992 Risk Management in Industrial Supply Networks 2 SWS Vorlesung (V) / 🗣 Schultmann, Rosenberg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Roboterpraktikum [T-INFO-105107]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102522 - Roboterpraktikum
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 24870 Roboterpraktikum 4 SWS Praktikum (P) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO  und besteht aus mehreren Teilaufgaben.

Voraussetzungen

Kenntnisse in der Programmiersprache C++ werden vorausgesetzt.

Empfehlungen

Der Besuch der Vorlesungen Robotik I – Einführung in die Robotik, Robotik II: Humanoide Robotik, Robotik III - Sensoren und Perzeption in der Robotik sowie Mechano-Informatik in der Robotik wird empfohlen.

Teilleistung: Robotik I - Einführung in die Robotik [T-INFO-108014]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100893 - Robotik I - Einführung in die Robotik
Voraussetzung für: T-INFO-113123 - Simulation and Optimization in Robotics and Biomechanics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2424152 Robotik I - Einführung in die Robotik Vorlesung (V) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 120 Minuten nach § 4 Abs. 2 Nr. 1 SPO Informatik.

Voraussetzungen

Keine.

Teilleistung: Robotik II - Humanoide Robotik [T-INFO-105723]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102756 - Robotik II - Humanoide Robotik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2024 2400074 Robotik II: Humanoide Robotik 2 SWS Vorlesung (V) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) of, in general, 60 minutes.

Voraussetzungen

Empfehlungen

Having visited the lectures on Robotics I - Introduction to Robotics and Mechano-Informatics and Robotics is recommended.

Teilleistung: Robotik III – Sensoren und Perzeption in der Robotik [T-INFO-109931]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104897 - Robotik III – Sensoren und Perzeption in der Robotik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400067 Robotik III – Sensoren und Perzeption in der Robotik 2 SWS Vorlesung (V) / 🗣 Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101352 - Robotik III - Sensoren in der Robotik darf nicht begonnen worden sein.
Empfehlungen

Der Besuch der Vorlesung Robotik I – Einführung in die Robotik wird empfohlen.

Teilleistung: SAT Solving in der Praxis [T-INFO-105798]

Verantwortung:
Dr. Tomas Balyo
Dr. Markus Iser
Prof. Dr. Peter Sanders
Dr. Dominik Schreiber
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102825 - SAT Solving in der Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Lehrveranstaltungen
SS 2024 2400115 SAT Solving in der Praxis 3 SWS Vorlesung / Übung (VÜ) Sanders, Iser, Schreiber
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111254 - SAT Solving in der Praxis (erweitert) darf nicht begonnen worden sein.
Empfehlungen

Relevante Literatur wird in der Vorlesung bekanntgegeben.

Anmerkungen

 

Teilleistung: Scientific Methods to Design and Analyze Secure Decentralized Systems [T-INFO-111568]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105780 - Scientific Methods to Design and Analyze Secure Decentralized Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400009 Scientific Methods to Design and Analyze Secure Decentralized Systems 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Jacob
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

•          in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder

•          in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Prior knowledge on the abstract concepts as well as concrete use cases of decentralized systems is strongly recommended. The “Decentralized Systems: Fundamentals, Modeling, and Applications” lecture covers all necessary aspects, but equivalent lectures and / or self-study can also be sufficient.

Teilleistung: Selbstverbuchung-HOC-SPZ-ZAK-benotet [T-INFO-111476]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-ZAK-benotet [T-INFO-111474]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-ZAK-benotet [T-INFO-111475]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-ZAK-unbenotet [T-INFO-111478]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-ZAK-unbenotet [T-INFO-111477]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-ZAK-unbenotet [T-INFO-111479]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 5011019 Die Zukunft der Demokratie 2 SWS Seminar (S) / 🗣 Mäs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Seminar Advanced Topics in Machine Translation [T-INFO-105653]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102725 - Seminar Advanced Topics in Machine Translation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400074 Advanced Topics in Machine Translation 2 SWS Seminar (S) Waibel, Niehues, Li
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

  • Kenntnisse aus der Vorlesung Maschinelle Übersetzung
  • Kenntnisse aus der Vorlesung Kognitive Systeme

Teilleistung: Seminar Aktuelle Highlights der Algorithmentechnik [T-INFO-102044]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102139 - Seminar: Aktuelle Highlights der Algorithmentechnik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Seminar Ausgewählte Kapitel der Rechnerarchitektur [T-INFO-108313]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103062 - Seminar Ausgewählte Kapitel der Rechnerarchitektur
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2424362 Ausgewählte Kapitel der Rechnerarchitektur 2 SWS Seminar (S) / 🖥 Karl, Lehmann
WS 24/25 2424362 Ausgewählte Kapitel der Rechnerarchitektur 2 SWS Seminar (S) Karl, Becker, Hoffmann, Lehmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar Betriebssysteme für Fortgeschrittene [T-INFO-101386]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24604 Advanced Operating Systems 4 SWS Seminar (S) / 🗣 Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Die regelmäßige Teilnahme ist verpflichtend.

Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.

Teilleistung: Seminar Bildauswertung und -fusion [T-INFO-104743]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102375 - Seminar Bildauswertung und -fusion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400035 Seminar Bildauswertung und -fusion 2 SWS Seminar (S) / 🗣 Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Empfehlungen

Hilfreich sind:

-        Kenntnisse der Grundlagen der Stochastik und Signal- und Bildverarbeitung

-        Kenntnisse aus einigen der folgenden Vorlesungen:

o   Einführung in die Informationsfusion [24172]

o   Automatische Sichtprüfung und Bildverarbeitung [24169]

o   Mustererkennung [24675]

o   Probabilistische Planung [24603]

o   Bilddatenkompression [2400112]

                   o Einführung in die Bildfolgenauswertung  [24684]

Teilleistung: Seminar Computer Vision für Mensch-Maschine-Schnittstellen [T-INFO-104741]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102373 - Seminar Computer Vision für Mensch-Maschine-Schnittstellen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24358 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 2 SWS Seminar (S) Stiefelhagen
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch eine schriftliche Ausarbeitung sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Teilleistung: Seminar Dependable Computing [T-INFO-105577]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102662 - Seminar Dependable Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400030 Dependable Computing 2 SWS Seminar (S) / 🧩 Tahoori
WS 24/25 2400030 Dependable Computing 2 SWS Seminar (S) / 🗣 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Die Modulnote setzt sich zu 50 % aus der Präsentation und zu 50 % aus der schriftlichen Ausarbeitung zusammen.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Teilleistung: Seminar Dezentrale Systeme und Netzdienste [T-INFO-106064]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103048 - Seminar Dezentrale Systeme und Netzdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Seminar Geometrieverarbeitung [T-INFO-103196]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101660 - Seminar Geometrieverarbeitung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

The assesment is carries out by working out a lecture manuscript as well as the presentation of the same as an examination of another type (§ 4 Abs. 2 Nr. 3 SPO).

Oral and written presentation of a specified topic. oral presentation (80%) and manuscript (20%)

Voraussetzungen

Keine.

Teilleistung: Seminar Graphenalgorithmen [T-INFO-105128]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102550 - Seminar: Graphenalgorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400047 Seminar Algorithmentechnik (findet im WS 24/25 nicht statt) 2 SWS Seminar (S) / 🗣 Ueckerdt, Wilhelm, Feilhauer, Katzmann, Bläsius, Jungeblut, Merker, Sauer, Weyand, Göttlicher, Yi, von der Heydt, Zündorf, Goetze
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Seminar Hot Topics in Networking [T-INFO-101283]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100746 - Seminar Hot Topics in Networking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400040 Hot Topics in Networking 2 SWS Seminar (S) / 🗣 Bless, Zitterbart
WS 24/25 2400040 Hot Topics in Networking 2 SWS Seminar (S) / 🗣 Bless, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Die Seminarnote entspricht dabei der Benotung der schriftlichen Leistung, kann aber durch die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden.

Voraussetzungen

Keine.

Teilleistung: Seminar Informationssysteme [T-INFO-103456]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101794 - Seminar Informationssysteme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2400131 Advances in Data Science (vorher Novel and non-mainstream in Data Science) Seminar (S) / 🗣 Böhm, Matteucci, Friederich
WS 24/25 2400202 Advances in Data Science (vorher Novel and non-mainstream in Data Science) Seminar (S) / 🗣 Böhm, Matteucci
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie durch Präsentation derselbigen als benotete Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Seminarnote entspricht dabei der schriftlichen Leistung, kann aber durch die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden. Im Falle eines Abbruchs der Seminararbeit nach Ausgabe des Themas wird das Seminar mit der Note 5,0 bewertet.

Die Studienleistung ist bestanden, wenn die schriftliche Ausarbeitung und die Präsentationen jeweils einzeln bestanden sind; außerdem sind für das Bestehen regelmäßige Teilnahmen an den Sitzungen und aktive Beteiligung an den inhaltlichen Diskussionen erforderlich.

Voraussetzungen

keine

Empfehlungen

Zum Thema des Seminars passende Vorlesungen des Lehrstuhls für Systeme der Informationsverwaltung werden dringend empfohlen.

Teilleistung: Seminar Intelligente Industrieroboter [T-INFO-104526]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102212 - Seminar Intelligente Industrieroboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24785 Seminar Intelligente Industrieroboter: findet im SS 24 nicht statt. 2 SWS Seminar (S) / 🧩 Hein
WS 24/25 24785 Seminar Intelligente Industrieroboter 2 SWS Seminar (S) Hein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

·   Schriftliche Ausarbeitung von ca. 15 Seiten

·   Vortrag ca. 20 min.

·   Gewichtung: 50% Ausarbeitung, 50% Vortrag

·   Ein Rücktritt ist bis 6 Wochen nach der Vorbesprechung möglich

Voraussetzungen

Keine.

Empfehlungen

Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.

Teilleistung: Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung [T-INFO-103586]

Verantwortung:
Dr. Tristan Barczak
Prof. Dr. Hannes Hartenstein
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101890 - Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Die  Seminarnote  entspricht  dabei  der  Benotung  der  schriftlichen  Leistung,  kann  aber  durch  die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden.

Voraussetzungen

Keine.

Teilleistung: Seminar Kryptographie [T-INFO-102992]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101561 - Seminar Kryptographie
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Prüfungsleistung erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbilgen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO Master Informatik. Die Gesamtnote setzt sich aus den benoteten und gewichteten Erfolgskontrollen (in der Regel 50 % Seminararbeit, 50 % Präsentation) zusammen.

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Teilleistung: Seminar Kryptographie 2 [T-INFO-107687]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103807 - Seminar Kryptographie 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

 Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar Modellierung und Simulation im Verkehrswesen [T-BGU-112552]

Verantwortung:
PD Dr.-Ing. Martin Kagerbauer
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 6232907 Seminar Modellierung und Simulation im Verkehrswesen 2 SWS Seminar (S) / 🗣 Vortisch, Kagerbauer, Mitarbeiter/innen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Bearbeitung einer praktischen Aufgabenstellung im Bereich der verkehrstechnischen Analyse und Simulation oder im Bereich der mikroskopischen Verkehrsnachfragemodellierung:

Abschlussbericht, ca. 5 Seiten, und Vortrag, ca. 10 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Teilleistung: Seminar Near Threshold Computing [T-INFO-105579]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102663 - Seminar Near Threshold Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 24/25 2400102 Near Threshold Computing (entfällt im WS 19/20) 2 SWS Seminar (S) Tahoori
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse  in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Teilleistung: Seminar Non-volatile Memory Technologies [T-INFO-105935]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102961 - Seminar Non-volatile Memory Technologies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400103 Non-volatile Memory Technologies (entfällt im SS 2023) 2 SWS Seminar (S) / 🖥 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

- Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse  in „Dependable Computing“ und „Fault Tolerant Computing“  und Computerarchitektur sind hilfreich.

Teilleistung: Seminar on IPCC Assessment Report [T-PHYS-111410]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052194 Seminar on IPCC Assessment Report 2 SWS Hauptseminar (HS) / 🧩 Ludwig, Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Study of a chapter of the current IPCC report with subsequent presentation (~ 20-25 min) and submission of a written summary (1 page).

Voraussetzungen

none

Empfehlungen

none

Anmerkungen

none

Teilleistung: Seminar Privacy und Technischer Datenschutz [T-INFO-110597]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105224 - Seminar Privacy und Technischer Datenschutz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400087 Seminar Privacy und Technischer Datenschutz 2 SWS Seminar (S) / 🗣 Strufe, Guerra Balboa, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden, darüber hinaus sind vorläufige Ausarbeitungen einzureichen und im Peer-Review zwischen den Kommilitonen zu kommentieren. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt

Teilleistung: Seminar Sicherheit [T-INFO-102993]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101562 - Seminar Sicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400060 Daten in software-intensiven technischen Systemen – Modellierung – Analyse – Schutz 2 SWS Seminar (S) / 🗣 Reussner, Raabe, Werner, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung umfasst

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Teilleistung: Seminar Sicherheit 2 [T-INFO-108324]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104032 - Seminar Sicherheit 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit sollten bekannt sein

Teilleistung: Seminar Software-Architektur, Sicherheit und Datenschutz [T-INFO-106579]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103301 - Seminar Software-Architektur, Sicherheit und Datenschutz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 24/25 2400060 Daten in software-intensiven technischen Systemen – Modellierung – Analyse – Schutz 2 SWS Seminar (S) / 🗣 Reussner, Raabe, Werner, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung umfasst

Voraussetzungen

Keine.

Teilleistung: Seminar Sprach-zu-Sprach-Übersetzung [T-INFO-104781]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102416 - Seminar Sprach-zu-Sprach-Übersetzung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400032 Seminar Sprach-zu-Sprach-Übersetzung 2 SWS Seminar (S) / 🗣 Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar Verkehrswesen [T-BGU-100014]

Verantwortung:
PD Dr.-Ing. Martin Kagerbauer
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 6232903 Seminar Verkehrswesen 2 SWS Seminar (S) / 🧩 Vortisch, Kagerbauer
WS 24/25 6232903 Seminar Verkehrswesen 2 SWS Seminar (S) / 🗣 Vortisch, Kagerbauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Seminarausarbeitung, ca. 10 Seiten, und Vortrag, ca. 10 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Teilleistung: Seminar Werkstoffsimulation [T-MACH-107660]

Verantwortung:
Prof. Dr. Britta Nestler
PD Dr.-Ing. Katrin Schulz
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
8
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
SS 2024 2183717 Seminar "Werkstoffsimulation" 4 SWS Seminar (S) / 🗣 Nestler, Gumbsch, Böhlke, Weygand
WS 24/25 2183717 Seminar "Werkstoffsimulation" 4 SWS Seminar (S) / 🧩 Gumbsch, Nestler, Böhlke, August, Schulz, Prahs, Weygand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle ist eine Projektarbeit; Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 der SPO. Hier gehen die Projektarbeit (30-40 Seiten) und die Abschlusspräsentation (ca. 30 min) in die Bewertung ein.

Voraussetzungen

T-MACH-113814 – Seminar Materials Simulation darf nicht begonnen sein.

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Teilleistung: Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme [T-INFO-112105]

Verantwortung:
Michael Fennel
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105959 - Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 24004 Seminar zum Projektpraktikum maschinelles Lernen und intelligente Systeme 2 SWS Seminar (S) / 🗣 Hanebeck, Prossel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105797 - Seminar zum Praktikum Forschungsprojekt: Anthropomatik praktisch erfahren darf nicht begonnen worden sein.

Teilleistung: Seminar: Designing and Conducting Experimental Studies [T-INFO-106112]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103078 - Seminar: Designing and Conducting Experimental Studies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch korrekte Durchführung der Studie, dem Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselben als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus der Vorlesung „Mensch Maschine Interaktion“ oder „Ubiquitäre Informationstechnologien“ sind hilfreich.

Teilleistung: Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics [T-INFO-111837]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105888 - Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Teilleistung: Seminar: Aktuelle Forschungsthemen in der Computergrafik [T-INFO-111384]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105708 - Seminar: Aktuelle Forschungsthemen in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2424816 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Piochowiak, Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Seminar: Algorithm Engineering [T-INFO-112312]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106086 - Seminar: Algorithm Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in der Algorithmik sind von Vorteil. Beispielhafte Vorlesungen sind Algorithmen I, Algorithmen II, Algorithm Engineering und Parallele Algorithmen.

Teilleistung: Seminar: Anwendung Formaler Verifikation [T-INFO-102952]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101536 - Seminar: Anwendung Formaler Verifikation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400025 Seminar: Anwendung Formaler Verifikation 2 SWS Seminar (S) / 🗣 Beckert
WS 24/25 2400094 Seminar: Anwendung Formaler Verifikation 2 SWS Seminar (S) / 🗣 Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgskontrollen anderer Art (§4 Abs. 2 Nr. 3 der SPO) in Form während des Semesters zu erbringender Leistungen, nämlich

·       Erarbeitung und mündlicher Vortrag einer Präsentation

·       Erstellen einer schriftlichen Ausarbeitungen

Beteiligung an der Diskussion zu den Inhalten der Seminarpräsentationen

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.

Anmerkungen

Die Seminarvorträge können wahlweise auf Deutsch oder auf Englisch gehalten werden.

Teilleistung: Seminar: Applications and Extensions of Timed Systems [T-INFO-113132]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106512 - Seminar: Applications and Extensions of Timed Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400196 Seminar: Applications and Extensions of Timed Systems 2 SWS Seminar (S) / 🗣 Schwammberger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Paper and presentation. The main language of the seminar will be English, but it is possible to write the paper either in German or English. The same holds for the presetation.

Voraussetzungen

None.

Empfehlungen

Knowledge in areas of theoretical computer science and modeling of (embedded) software systems is helpful (e.g. CTL, finite automata, first order logic). It is also helpful, but not at all necessary, to have knowledge of the topics of the summer term lecture „Timed Systems“. Necessary topics from that lecture will also be introduced in the beginning of the winter term, if necessary.

Teilleistung: Seminar: Artificial Intelligence for Energy Systems [T-INFO-113110]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106490 - Seminar: Artificial Intelligence for Energy Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400175 Seminar: Artificial Intelligence for Energy Systems Seminar (S) / 🗣 Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), consisting of a Term paper (max. 15 pages) and a Presentation (duration approx. 30 min.)
The grading scale will be announced in the course.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.

Teilleistung: Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen [T-INFO-112922]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106400 - Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2400177 Seminar Assistenzroboter und Exoskelette in medizinischen Anwendungen 2 SWS Seminar (S) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung in Form eines wissenschaftlichen Papers (6 Seiten zweispaltig) in Englisch erstellt und eine Präsentation gehalten werden (30 Minuten + 15 Minuten Diskussion) . Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Anwesenheitspflicht in Blockveranstaltung
Aktive Teilnahme an Diskussionen

Voraussetzungen

Keine.

Empfehlungen

Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.

Anmerkungen

Es wird erwartetet, dass Studierende an allen angekündigten Präsenztermine teilnehmen.

Teilleistung: Seminar: Ausgewählte Themen der Public-Key-Kryptographie [T-INFO-111201]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105586 - Seminar: Ausgewählte Themen der Public-Key-Kryptographie
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400239 Ausgewählte Themen der Public-Key-Kryptographie 2 SWS Seminar (S) / 🧩 Müller-Quade, Bayreuther
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar: Betriebssysteme [T-INFO-102956]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101540 - Seminar: Betriebssysteme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 24346 Seminar Hot Topics in Modern Operating Systems 2 SWS Seminar (S) / 🗣 Bellosa, Khalil
WS 24/25 2400017 Hot Topics in Modern Operating Systems 2 SWS Seminar (S) / 🗣 Bellosa, Khalil
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 der SPO. Die Gesamtnote setzt sich aus den benoteten und gewichteten Erfolgskontrollen (i.d.R. 50 % Seminararbeit, 50 % Präsentation) zusammen.

Voraussetzungen

Keine

Teilleistung: Seminar: Bionic Algorithms and Robot Technologies [T-MACH-113842]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106902 - Seminar: Bionic Algorithms and Robot Technologies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 24/25 2121343 Seminar: Bionik Algorithms and Robot Technologies 2 SWS Seminar (S) / 🗣 Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie deren Präsentation als Erfolgskontrolle anderer Art.

Voraussetzungen

Keine

Empfehlungen

Der Besuch der Vorlesung "Biologisch Inspirierte Roboter" ist hilfreich.

Teilleistung: Seminar: Continuous Software Engineering [T-INFO-110794]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105309 - Seminar: Continuous Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400108 Continuous Software Engineering 2 SWS Seminar (S) Koziolek
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung umfasst

- das Verfassen einer schriftlichen Ausarbeitung (50%)

- die Begutachtung von zwei Seminar-Ausarbeitungen im Rahmen eines Peer-Reviews (10 %)

- die Erstellung von Vortragsfolien und das Halten eines Vortrags (20%)

- die Pünktlichkeit der Abgaben (20%)

Voraussetzungen

Keine.

Teilleistung: Seminar: Deep Learning in der Robotik [T-INFO-111559]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105779 - Seminar: Deep Learning in der Robotik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400099 Deep Learning in der Robotik 2 SWS Seminar (S) / 🗣 Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111025 - Seminar: Few Shot Learning in der Robotik darf nicht begonnen worden sein.
Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.

Teilleistung: Seminar: Digitale Barrierefreiheit und Assistive Technologien [T-INFO-111832]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105884 - Seminar: Digitale Barrierefreiheit und Assistive Technologien
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400129 Seminar Digitale Barrierefreiheit und Assistive Technologien 2 SWS Seminar (S) / 🧩 Stiefelhagen, Schwarz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten (in Abhängigkeit von Text und Bildern zw. 10-20 Seiten) einer schriftlichen Zusammenfassung der im Seminar geleisteten Arbeit sowie der Präsentation (Vortragsdauer: 20 min + 5 min Diskussion) derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104742 - Seminar Barrierefreiheit - Assistive Technologien für Sehgeschädigte darf nicht begonnen worden sein.
Empfehlungen

keine

Teilleistung: Seminar: Eingebettete Systeme [T-INFO-103116]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101629 - Seminar: Eingebettete Systeme I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400129 Internet of Things Seminar (S) / 🧩 Henkel
SS 2024 2400137 Embedded Machine Learning Seminar (S) / 🧩 Henkel, Sikal, Khdr, Ahmed
SS 2024 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Henkel, Hussain, Nassar, Khdr, Gonzalez, Sikal
WS 24/25 2400092 Internet of Things Seminar (S) / 🧩 Zervakis, Henkel
WS 24/25 2400137 Embedded Machine Learning Seminar Seminar (S) / 🧩 Sikal, Balaskas, Ahmed, Khdr, Demirdag, Henkel
WS 24/25 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Hussain, Nassar, Khdr, Gonzalez, Sikal, Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse im Bereich IoT und eingebettete Systeme

Teilleistung: Seminar: Eingebettete Systeme II [T-INFO-106745]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103367 - Seminar: Eingebettete Systeme II
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400129 Internet of Things Seminar (S) / 🧩 Henkel
SS 2024 2400137 Embedded Machine Learning Seminar (S) / 🧩 Henkel, Sikal, Khdr, Ahmed
SS 2024 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Henkel, Hussain, Nassar, Khdr, Gonzalez, Sikal
WS 24/25 2400092 Internet of Things Seminar (S) / 🧩 Zervakis, Henkel
WS 24/25 2400137 Embedded Machine Learning Seminar Seminar (S) / 🧩 Sikal, Balaskas, Ahmed, Khdr, Demirdag, Henkel
WS 24/25 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Hussain, Nassar, Khdr, Gonzalez, Sikal, Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse im Bereich IoT und eingebettete Systeme

Anmerkungen

Dies ist identisch mit dem Modul 'Seminare: Eingebettete Systeme I' und ermöglicht die Teilnahme an einem zweitem Seminar am CES Lehrstuhl.

Teilleistung: Seminar: Energieinformatik [T-INFO-106270]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103153 - Seminar: Energieinformatik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400013 Seminar Energieinformatik 2 SWS Seminar (S) / 🗣 Hagenmeyer, Bläsius, Süß, Bauer, Geiges
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik und Energieinformatik sind hilfreich.

Anmerkungen

Dieses Modul wird in unregelmäßigen Abständen angeboten.

Teilleistung: Seminar: E-Voting [T-INFO-110905]

Verantwortung:
Prof. Dr. Bernhard Beckert
Dr. Willi Geiselmann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105409 - Seminar: E-Voting
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2513553 Seminar E-Voting (Master) 2 SWS Seminar (S) / 🗣 Beckert, Müller-Quade, Volkamer, Kirsten, Hilt, Dörre
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.

Anmerkungen

Diese Lehrveranstaltung wird gemeinsam von den Lehrstühlen für Anwendungsorientierte Formale Verifikation, Kryptographie und Sicherheit, sowie dem Lehrstuhl Security • Usability • Society vom Institut für Angewandte Informatik und Formale Beschreibungsverfahren veranstaltet.

Teilleistung: Seminar: Explainable Artificial Intelligence [T-INFO-113115]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106497 - Seminar: Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400143 Seminar: Explainable Artificial Intelligence 2 SWS Seminar (S) / 🗣 Lioutikov, Mattes, Li
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

In Form einer schriftlichen Seminararbeit sowie der Präsentation derselbigen.

Voraussetzungen

Keine

Empfehlungen

We recommend taking this research project after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this seminar in combination with the “Explainable Artificial Intelligence” research project (Forschungspraktikum).

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Anmerkungen

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Teilleistung: Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society [T-INFO-113398]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106651 - Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400161 Exploring Robotics: Insights from Science Fiction, Research and Society 2 SWS Seminar (S) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 6 pages in double-column format), Presentation (duration approx. 10+10 min.).

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik [T-INFO-110046]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104941 - Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten, sowie eine Beteiligung an den Diskussionen zu den Inhalten aller Seminarpräsentationen erbracht werden.

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.

Anmerkungen

Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.

Teilleistung: Seminar: Fine-Grained Complexity Theory & Algorithms [T-INFO-113392]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106645 - Seminar: Fine-Grained Complexity Theory & Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400153 Fine-Grained Complexity Theory & Algorithms 2 SWS Seminar (S) / 🗣 Künnemann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) and consists of a presentation and a scientific report.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Concurrent or previous attendance of the lecture “Fine-Grained Complexity Theory & Algorithms” is helpful, but not required. This seminar can be attended independently.

Teilleistung: Seminar: Forschungstrends in der Mensch-Maschine-Interaktion [T-INFO-113284]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106594 - Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400199 Forschungstrends in der Mensch-Maschine-Interaktion 2 SWS Seminar (S) / 🧩 Gerling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Ausarbeitung von ca. 10 Seiten, Vortrag von ca. 20 Minuten, sowie Kolloquium von ca. 10 Minuten.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Seminar: Fortgeschrittene Algorithmen in der Computergrafik [T-INFO-105664]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102729 - Seminar: Fortgeschrittene Algorithmen in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2424816 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Piochowiak, Dachsbacher
WS 24/25 2400006 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Dachsbacher, Dittebrandt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Seminar: Fortgeschrittene Themen zu SAT Solving [T-INFO-112311]

Verantwortung:
Dr. Markus Iser
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106085 - Seminar: Fortgeschrittene Themen zu SAT Solving
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400020 Fortgeschrittene Themen im SAT Solving 2 SWS Seminar (S) / 🗣 Sanders, Iser, Schreiber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es muss eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111015 - Seminar: Skalierbarkeit und Diversifikation von modernem SAT Solving darf nicht begonnen worden sein.
Empfehlungen

Kenntnisse zu Grundlagen aus „SAT Solving in der Praxis“ sind hilfreich.

Teilleistung: Seminar: Handels- und Gesellschaftsrecht in der IT-Branche [T-INFO-111405]

Verantwortung:
Dr. Georg Nolte
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400165 Seminar Handels- und Gesellschaftsrecht in der IT-Branche 2 SWS Seminar (S) / 🖥 Nolte
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit, durch ihre Präsentation sowie die aktive Beteiligung am Seminar als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Das Punkteschema für die Bewertung legt der/die Dozent/in der jeweiligen Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Besuch der Vorlesung "Handels- und Gesellschaftsrecht" sollte erfolgt sein.

Anmerkungen

Die Teilnehmerzahl ist begrenzt. Plätze werden bevorzugt an Studierende des Studiengangs Wirtschaftsinformatik vergeben.

Teilleistung: Seminar: Hot Topics in Artificial Intelligence & Security 1 [T-INFO-113761]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106868 - Seminar: Hot Topics in Artificial Intelligence & Security 1
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given. One repetition is possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111035 - Seminar: Adversarial Machine Learning darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Seminar: Hot Topics in Artificial Intelligence & Security 2 [T-INFO-113762]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106869 - Seminar: Hot Topics in Artificial Intelligence & Security 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written elaboration must be prepared and a presentation must be given. Withdrawal is possible within two weeks after assignment of the topic. One repetition is possible.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112918 - Seminar: Hot Topics in Machine Learning for Computer Security darf nicht begonnen worden sein.
Anmerkungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Seminar: Hot Topics in Bioinformatics [T-INFO-101287]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100750 - Seminar: Hot Topics in Bioinformatics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400011 Hot Topics in Bioinformatics 2 SWS Seminar (S) / 🗣 Stamatakis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO . (Gewichtung Vortrag-Ausarbeitung je 50%)

Voraussetzungen

Das Modul Introduction to Bioinformatics for Computer Scientists muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Grundlegende Kenntnisse in den Bereichen der theoretischen Informatik (Algorithmen, Datenstrukturen) und der technischen Informatik (sequentielle Optimierung in C oder C++, Rechnerarchitekturen, parallele Programmierung, Vektorprozessoren) werden vorausgesetzt.

Teilleistung: Seminar: Hot Topics in Decentralized Systems [T-INFO-109922]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104891 - Seminar: Hot Topics in Decentralized Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen aus IT-Sicherheitsmanagement für vernetzte Systeme und dem Stammmodul Sicherheit sind hilfreich.

Teilleistung: Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) [T-INFO-112917]

Verantwortung:
TT-Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106392 - Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 24005 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 2 SWS Seminar (S) / 🗣 Wressnegger, Noppel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung nach §4 Abs. 2 Nr 3 SPO.

Es müssen eine schriftliche Ausarbeitung (Seminararbeit) erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111036 - Seminar: Erklärbares Maschinelles Lernen darf nicht begonnen worden sein.

Teilleistung: Seminar: Human-Robot Interaction [T-INFO-113116]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106498 - Seminar: Human-Robot Interaction
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400194 Human-Robot Interaction - Seminar 2 SWS Seminar (S) / 🗣 Bruno, Maure
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 6 pages in double-column format), Presentation (duration approx. 10+10 min.).

Voraussetzungen

Keine.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: Seminar: Informatik TECO [T-INFO-110808]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105328 - Seminar: Informatik TECO
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Seminar: Interactive Learning [T-INFO-112773]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106301 - Seminar: Interactive Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400136 Seminar: Interactive Learning 2 SWS Seminar (S) / 🗣 Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

Keine.

Empfehlungen

We highly recommend to take this seminar in combination with the “Interactive Learning” research project (Forschungspraktikum).

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen [T-INFO-112920]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106396 - Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400181 Interpretability and Causality in Machine Learning 2 SWS Seminar (S) / 🗣 Stühmer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.

Teilleistung: Seminar: IT-Sicherheitsrecht [T-INFO-111404]

Verantwortung:
Martin Schallbruch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101217 - Öffentliches Wirtschaftsrecht
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24389 Seminar "IT-Sicherheitsrecht" 2 SWS Seminar (S) / 🗣 Schallbruch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit, durch ihre Präsentation sowie die aktive Beteiligung am Seminar als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Gewichtung: 70 % Seminararbeit, 20 % Vortrag, 10 % Diskussion und mündliche Mitarbeit

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-109910 - IT-Sicherheitsrecht darf nicht begonnen worden sein.
Empfehlungen

Grundkenntnisse im Datenschutzrecht und – je nach gewähltem Seminarthema – im öffentlichen Recht oder Zivilrecht sollten vorhanden sein.

Teilleistung: Seminar: Kann Statistik Ursachen beweisen? [T-INFO-109930]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104896 - Seminar: Kann Statistik Ursachen beweisen?
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400144 Kann Statistik Ursachen beweisen? 2 SWS Seminar (S) / 🖥 Janzing
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

 

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in Grundlagen der Stochastik sind hilfreich.

Aufgeschlossenheit gegenüber neuen mathematischen Terminologien wird erwartet

Teilleistung: Seminar: KI Systems Engineering [T-INFO-112881]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106356 - Seminar: KI Systems Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400177 KOPIE KI Systems Engineering Seminar (S) / 🗣 Beigl, Riedel, Beyerer, Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Kritische Betrachtung der künstlichen Intelligenz [T-INFO-111500]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105760 - Seminar: Kritische Betrachtung der künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400210 Seminar: Kritische Betrachtung der künstlichen Intelligenz Seminar (S) / 🧩 Friederich, Zhou, Reiser, Torresi, Neubert, Eberhard, Schlöder
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Grundkenntnisse in maschinellem Lernen und KI

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111916 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Teilleistung: Seminar: Kritische Fragestellungen der Künstlichen Intelligenz [T-INFO-111916]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Grundkenntnisse in maschinellem Lernen und KI

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111500 - Seminar: Kritische Betrachtung der künstlichen Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Teilleistung: Seminar: Kryptoanalyse [T-INFO-110823]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105337 - Seminar: Kryptoanalyse
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2024 2400044 Seminar Kryptoanalyse 2 SWS Seminar (S) / 🗣 Geiselmann, Müller-Quade, Tiepelt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

 

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar: Machine Learning in Climate and Environmental Sciences [T-INFO-113519]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106719 - Seminar: Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400178 Seminar Machine Learning in Climate and Environmental Sciences 2 SWS Seminar (S) / 🗣 Nowack, Amiramjadi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

In the form of a written seminar paper and the presentation of the same.

Voraussetzungen

•    Familiarity with machine learning concepts and techniques.
•    Basic knowledge of climate and environmental scince is advantageous but not mandatory.

Empfehlungen

•    An interest in climate and environmental sciences topics is a prerequisite.

Teilleistung: Seminar: Multimodal Large Language Models [T-INFO-113399]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106653 - Seminar: Multimodal Large Language Models
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400122 Multimodal Large Language Models 2 SWS Seminar (S) / 🧩 Stiefelhagen, Sarfraz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)
The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Knowledge of deep learning in general and natural language processing is helpful.

Teilleistung: Seminar: Natural Language Models [T-INFO-111321]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105668 - Seminar: Natural Language Models
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung umfasst

den Erstellen eines kleinen Experiments (15%)

Voraussetzungen

Keine.

Teilleistung: Seminar: Nutzeradaptive Systeme [T-INFO-111854]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105898 - Seminar: Nutzeradaptive Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2540553 User-Adaptive Systems Seminar 2 SWS Seminar (S) / 🧩 Mädche, Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Prerequisites Strong analytical abilities and profound software development skills are required.

Literature required literature will be made available in the seminar."

Teilleistung: Seminar: Partizipative Technologiegestaltung [T-INFO-112748]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106289 - Seminar: Partizipative Technologiegestaltung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400163 Partizipative Technologiegestaltung 2 SWS Seminar (S) / 🧩 Gerling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Es müssen eine schriftliche Ausarbeitung zum Thema von 8 Seiten plus Quellenangaben erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Seminar: Post-Quantum Cryptography [T-INFO-111200]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105585 - Seminar: Post-Quantum Cryptography
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400126 Post-Quantum Cryptography 2 SWS Seminar (S) / 🗣 Ottenhues, Tiepelt, Müller-Quade, Coijanovic, Fruböse, Gröll, Beskorovajnov, Benz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit sowie der Kryptographie sollten vorhanden sein.

Teilleistung: Seminar: Privatsphäre und Sicherheit [T-INFO-112916]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106391 - Seminar: Privatsphäre und Sicherheit
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400118 Seminar Privatsphäre und Sicherheit 2 SWS Seminar (S) Strufe, Guerra Balboa, Bayreuther
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden, darüber hinaus sind vorläufige Ausarbeitungen einzureichen und im Peer-Review zwischen den Kommilitonen zu kommentieren. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine

Empfehlungen

Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt

Teilleistung: Seminar: Proofs from THE BOOK [T-INFO-106604]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103306 - Seminar: Proofs from THE BOOK
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400033 Seminar: Proofs from THE BOOK 2 SWS Seminar (S) / 🗣 Sanders, Walzer, Lehmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen mehrere Präsentationen gehalten und Diskussionen geführt werden. Eine schriftliche Leistung ist nicht vorgesehen. Ein Rücktritt ist bis zum Ende der zweiten Veranstaltung möglich.

Voraussetzungen

Keine.

Empfehlungen

Das Buch ist im KIT-Netz zugänglich, ein kurzer Blick hinein ist vor Anmeldung ratsam

Teilleistung: Seminar: Quantum Information Theory [T-INFO-110904]

Verantwortung:
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105408 - Seminar: Quantum Information Theory
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400085 Quantum Information Theory 2 SWS Seminar (S) / 🧩 Müller-Quade, Tiepelt, Ottenhues, Fruböse, Hetzel, Martin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Es müssen eine Präsentation gehalten und eine schriftliche Ausarbeitung von Übungsaufgaben erstellt werden.
Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Lineare Algebra 1 und 2", sowie den Grundlagen der IT-Sicherheit vertraut sein.

Teilleistung: Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry [T-INFO-112740]

Verantwortung:
TT-Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106284 - Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The following partial aspects are included in the grading: Term paper (approx. 10-15 pages), presentation (duration 30+15 min.). The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

Basic knowledge in AI and Machine Learning, e.g.

BA Informatics: Introduction to artificial intelligence

Empfehlungen

Participation in Machine Learning for Natural Sciences (M-INFO-105630) or other advanced machine learning lectures

Teilleistung: Seminar: Robot Reinforcement Learning [T-INFO-110862]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105379 - Seminar: Robot Reinforcement Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2024 2400084 Seminar: Robot Reinforcement Learning 2 SWS Seminar (S) / 🗣 Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der Besuch der Vorlesung „Maschinelles Lernen 1 – Grundverfahren“ ist empfehlenswert.

Teilleistung: Seminar: Scalable Parallel Graph Algorithms [T-INFO-110810]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105330 - Seminar: Scalable Parallel Graph Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselben als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik sowie Parallele Algorithmen sind hilfreich.

Teilleistung: Seminar: Secure Multiparty Computation [T-INFO-111501]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105761 - Seminar: Secure Multiparty Computation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400088 Secure Multipary Computation 2 SWS Seminar (S) / 🗣 Raiber, Müller-Quade, Jiang
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und/oder eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Die Inhalte der Vorlesung Kryptographische Protokolle werden als bekannt vorausgesetzt.

Teilleistung: Seminar: Serviceorientierte Architekturen [T-INFO-104740]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102372 - Seminar: Serviceorientierte Architekturen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2400072 Seminar: Serviceorientierte Architekturen Seminar (S) / 🗣 Abeck, Schneider, Sänger
WS 24/25 2400072 Seminar: Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck, Schneider, Sänger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Das Seminar muss zusammen mit der Vorlesung Web-Anwendungen und Serviceorientierte Architekturen (II) geprüft werden.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101271 - Web-Anwendungen und Serviceorientierte Architekturen (II) muss begonnen worden sein.

Teilleistung: Seminar: Softwarequalitätssicherung und Softwaretest [T-INFO-111850]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105895 - Seminar: Softwarequalitätssicherung und Softwaretest
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2400048 Softwarequalitätssicherung und Softwaretest 2 SWS Seminar (S) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Teilleistung: Seminar: Ubiquitäre Systeme [T-INFO-103578]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101880 - Seminar: Ubiquitäre Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24844 Seminar: ubiquitäre Systeme 2 SWS Seminar (S) / 🖥 Riedel, Beigl, Röddiger
WS 24/25 24844 Seminar: Ubiquitäre Systeme 2 SWS Seminar (S) Beigl, Zhou, Röddiger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung [T-INFO-101270]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102305 - Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 24344 Moderne Methoden der Informationsverarbeitung 2 SWS Seminar (S) / 🗣 Hanebeck, Walker
WS 24/25 24344 Moderne Methoden der Informationsverarbeitung 2 SWS Seminar (S) / 🗣 Hanebeck, Walker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Teilleistung: Service Design Thinking [T-WIWI-102849]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101503 - Service Design Thinking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
5
Lehrveranstaltungen
SS 2024 2595600 Service Design Thinking 2 SWS Vorlesung (V) / 🗣 Feldmann, Terzidis, Satzger
WS 24/25 2595600 Service Design Thinking 2 SWS Vorlesung (V) / 🗣 Feldmann, Terzidis, Satzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Fallstudie, Workshops, Abschlusspräsentation). Die Gewichtung dieser Bestandteile für die Notenbildung wird zu Beginn der Veranstaltung bekannt gegeben. 

Voraussetzungen

Keine

Empfehlungen

Diese Veranstaltung findet in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein.
Unsere bisherigen Teilnehmer fanden es empfehlenswert, das Modul zu Beginn des Master-Programms zu belegen.

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer beschränkt. Das Modul (und auch die Teilleistung) geht über zwei Semester. Es startet jedes Jahr Ende September und läuft bis Ende Juni des darauffolgenden Jahres. Ein Einstieg ist nur zu Programmstart im September (Bewerbung im Mai/Juni) möglich. Weitergehende Informationen zum Bewerbungsprozess und dem Programm selbst finden Sie in der Teilleistungsbeschreibung sowie über die Website des Programms (https://sdtkarlsruhe.de/). Ferner führen die Dozenten jedes Jahr im Mai eine Informationsveranstaltung zum Programm durch.

Teilleistung: Sichere Mensch-Roboter-Kollaboration [T-INFO-109911]

Verantwortung:
Dr.-Ing. Johannes Kurth
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104877 - Sichere Mensch-Roboter-Kollaboration
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400236 Sichere Mensch-Roboter-Kollaboration 2 SWS Block (B) / 🗣 Kurth
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 30 Minuten gemäß § 4 Abs. 2 Nr. 1 SPO Master Informatik. Die Modulnote ist die Note der mündlichen Prüfung.

Voraussetzungen

Keine.

Empfehlungen

Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]

Teilleistung: Signal Processing Lab [T-ETIT-113369]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106633 - Signal Processing Lab
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2302134 Signal Processing Lab 4 SWS Praktikum (P) / 🧩 Wahls, van Wijk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Empfehlungen

Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.

Anmerkungen

A prerequisite for admission to the examination is the submission of protocols of all experiments. The quality of the protocols will be assessed; they must be acceptable for admission to the examination.

Attendance is compulsory during all practical sessions, including the introductory session. Admission to the examination will not be granted for even one unexcused absence.

Teilleistung: Signal Processing Methods [T-ETIT-113837]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106899 - Signal Processing Methods
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2302113 Signal Processing Methods 2 SWS Vorlesung (V) / 🧩 Wahls
WS 24/25 2302115 Übungen zu 2302113 Signal Processing Methods 2 SWS Übung (Ü) / 🗣 Wahls, Al-Hammadi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Written exam, approx. 120 minutes.
The module grade is the grade of the written exam.

Voraussetzungen

none

Empfehlungen

Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.

Teilleistung: Signalverarbeitung in der Nachrichtentechnik [T-ETIT-100747]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100443 - Signalverarbeitung in der Nachrichtentechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2310534 Signalverarbeitung in der Nachrichtentechnik 2 SWS Vorlesung (V) / 🧩 Jäkel
SS 2024 2310535 Übung zu 2310534 Signalverarbeitung in der Nachrichtentechnik 1 SWS Übung (Ü) / 🧩 Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Empfehlungen

Vorheriger Besuch der Vorlesung „Signale und Systeme“ wird empfohlen.

Anmerkungen

Ab SS 2021  2+1 SWS = 4 LP mit schriftlicher Prüfung

 

Teilleistung: SIL Entrepreneurship Projekt [T-WIWI-110166]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 2545082 SIL Entrepreneurship Projekt Seminar (S) / 🖥 Mitarbeiter
WS 24/25 2545082 SIL Entrepreneurship Projekt Seminar (S) Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO) Die Note ergibt sich aus der Bewertung der Seminararbeit und deren Präsentation, sowie der aktiven Beteiligung an der Seminarveranstaltung. Zusätzlich sind im Ablauf der Lehrveranstaltung kleinere, unbenotete Abgaben zur Fortschrittskontrolle vorgesehen.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Simulation and Optimization in Robotics and Biomechanics [T-INFO-113123]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106504 - Simulation and Optimization in Robotics and Biomechanics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400160 Simulation and Optimization in Robotics and Biomechanics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.
It can be repeated once.

As a prerequisite for the participation in the written exam, students must regularly and successfully participate in the exercises. Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course.

Voraussetzungen

Completion of module Robotics 1 or corresponding knowledge required
Programing skills in C/C++

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Die Teilleistung T-INFO-101465 - Robotik I - Einführung in die Robotik muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-INFO-108014 - Robotik I - Einführung in die Robotik muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Limitation to 30 participants

Teilleistung: Skalierbare Methoden der künstlichen Intelligenz [T-INFO-111801]

Verantwortung:
Dr. Charlotte Debus
Dr. Markus Götz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105868 - Skalierbare Methoden der künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 24/25 2400004 Skalierbare Methoden der Künstlichen Intelligenz 3 SWS Vorlesung (V) / 🗣 Debus, Götz, Weiel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Teilleistung: Smart Energy Infrastructure [T-WIWI-107464]

Verantwortung:
Dr. Armin Ardone
Dr. Dr. Andrej Marko Pustisek
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2581023 (Smart) Energy Infrastructure 4 SWS Vorlesung (V) / 🗣 Ardone, Pustisek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Teilleistung: Smart Grid Applications [T-WIWI-107504]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Erfolgskontrolle(n)

Die Prüfung wird letztmals im Wintersemester 2023/2024 angeboten.

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird ab dem kommenden Wintersemester 2023/24 nicht mehr angeboten. Es besteht lediglich die Möglichkeit, an der Hauptklausur (Erstschreiber) und Nachklausur (Wiederholer) teilzunehmen.

Teilleistung: Social Choice Theory [T-WIWI-102859]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
M-WIWI-101504 - Collective Decision Making
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2520537 Social Choice Theory 2 SWS Vorlesung (V) / 🗣 Puppe
SS 2024 2520539 Übung zu Social Choice Theory 1 SWS Übung (Ü) / 🗣 Puppe, Kretz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten.

Voraussetzungen

Keine

Teilleistung: Software Security Engineering [T-INFO-112862]

Verantwortung:
Dr. Christopher Gerking
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106344 - Software Security Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400059 Software Security Engineering 2 SWS Vorlesung (V) / 🗣 Gerking
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Teilleistung: Software-Architektur und -Qualität [T-INFO-101381]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100844 - Software-Architektur und -Qualität
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24667 Software-Architektur und -Qualität 2 SWS Vorlesung (V) / 🗣 Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Diese Vorlesung und die Vorlesungen Komponentenbasierte Software-Entwicklung sowie Software-Architektur schließen sich aus.

Teilleistung: Software-Evolution [T-INFO-101256]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100719 - Software-Evolution
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24164 Software-Evolution 2 SWS Vorlesung (V) / 🗣 Heinrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

keine

Empfehlungen

Kenntnisse aus der Software-Technik und zu Software-Architekturen sind hilfreich.

Teilleistung: Softwarepraktikum Parallele Numerik [T-INFO-105988]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102998 - Softwarepraktikum Parallele Numerik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2024 2424880 Projektorientiertes Softwarepraktikum (Parallele Numerik) 6 SWS Praktikum (P) / 🖥 Karl, Alefeld, Hoffmann
WS 24/25 2400012 Projektorientiertes Software-Praktikum (Parallele Numerik) - findet aktuell nicht statt 4 SWS Praktikum (P) Karl, Alefeld, Hoffmann, Becker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen schriftliche Ausarbeitungen erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.

Teilleistung: Software-Produktlinien-Entwicklung [T-INFO-111017]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105471 - Software-Produktlinien-Entwicklung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400050 Software-Produktlinien-Entwicklung 2 SWS Vorlesung / Übung (VÜ) / 🗣 Feichtinger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

- in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO (wie oben beschrieben) oder 
- in Form einer schriftlichen Prüfung im Umfang von 90 Min. nach § 4 Abs. 2 Nr. 1 SPO

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse aus den Vorlesungen Softwaretechnik II [T-INFO-101370] und Formale System [T-INFO-101336] sind hilfreich.

Teilleistung: Softwaretechnik II [T-INFO-101370]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100833 - Softwaretechnik II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24076 Softwaretechnik II 4 SWS Vorlesung (V) / 🗣 Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Die Lehrveranstaltung Softwaretechnik I sollte bereits gehört worden sein.

Teilleistung: Software-Test und Qualitätsmanagement (SQM) [T-INFO-112210]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106024 - Software-Test und Qualitätsmanagement (SQM)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400112 Softwaretest und Qualitätsmanagement (SQM) 2 SWS Vorlesung (V) / 🗣 Schaefer
WS 24/25 2400113 Softwaretest und Qualitätsmanagement (SQM) - Übung 2 SWS Übung (Ü) / 🗣 Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Anmerkungen

Am Ende der Vorlesung besteht zusätzlich die Möglichkeit, sich zum "ISTQB - Certified Tester - Foundation Level"
zertifizieren zu lassen. Ein
entsprechender Termin und die Modalitäten für die Prüfung wird in der VL vereinbart und rechtzeitig in der Terminliste auf der Homepage zur
Vorlesung bekanntgegeben.

Teilleistung: Sozialforschung A (WiWi) [T-GEISTSOZ-109048]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2024 5000048 Sozialwissenschaftliche Theorien der Technikfolgenabschätzung 2 SWS Proseminar (PS) / 🗣 Lösch
SS 2024 5011013 Wann und warum entsteht Meinungspolarisierung? 2 SWS Seminar (S) / 🧩 Mäs
SS 2024 5011019 Die Zukunft der Demokratie 2 SWS Seminar (S) / 🗣 Mäs
WS 24/25 5011011 Künstliche Intelligenz im Forschungsprozess 2 SWS Seminar (S) / 🧩 Banisch
WS 24/25 5011014 Aufbaumodul:Technik und Zukunft: Theorien prospektiven Wissens 2 SWS Seminar (S) / 🗣 Lösch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Spezialveranstaltung Wirtschaftsinformatik [T-WIWI-113724]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen.

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.
Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:

Insgesamt können 60 Punkte erreicht werden, davon

Voraussetzungen

siehe "Modellierte Voraussetzungen"

Empfehlungen

Keine

Anmerkungen

Für die Spezialveranstaltung Wirtschaftsinformatik können sich interessierte Studierende initiativ mit einem Themenvorschlag an die Wissenschaftlichen Mitarbeiter des Lehrstuhls von Prof. Weinhardt wenden.

Die Spezialveranstaltung Wirtschaftsinformatik entspricht dem Seminarpraktikum, wie es bisher nur für den Studiengang Wirtschaftsinformatik angeboten wurde. Mit dieser Veranstaltung wird die Möglichkeit, praktische Erfahrungen zu sammeln bzw. wissenschaftliche Arbeitsweise im Rahmen eines Seminarpraktikums zu erlernen, auch Studierenden des Wirtschaftsingenieurwesens und der Technischen Volkswirtschaftslehre zugänglich gemacht.

Die Spezialveranstaltung Wirtschaftsinformatik kann anstelle einer regulären Vorlesung (siehe Modulbeschreibung) gewählt werden. Sie kann aber nur einmal pro Modul angerechnet werden.

Teilleistung: Spezialveranstaltung Wirtschaftsinformatik [T-WIWI-113725]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen.

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.
Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:

Insgesamt können 60 Punkte erreicht werden, davon

Voraussetzungen

siehe "Modellierte Voraussetzungen"

Empfehlungen

Keine

Anmerkungen

Für die Spezialveranstaltung Wirtschaftsinformatik können sich interessierte Studierende initiativ mit einem Themenvorschlag an die Wissenschaftlichen Mitarbeiter des Lehrstuhls von Prof. Weinhardt wenden.

Die Spezialveranstaltung Wirtschaftsinformatik entspricht dem Seminarpraktikum, wie es bisher nur für den Studiengang Wirtschaftsinformatik angeboten wurde. Mit dieser Veranstaltung wird die Möglichkeit, praktische Erfahrungen zu sammeln bzw. wissenschaftliche Arbeitsweise im Rahmen eines Seminarpraktikums zu erlernen, auch Studierenden des Wirtschaftsingenieurwesens und der Technischen Volkswirtschaftslehre zugänglich gemacht.

Die Spezialveranstaltung Wirtschaftsinformatik kann anstelle einer regulären Vorlesung (siehe Modulbeschreibung) gewählt werden. Sie kann aber nur einmal pro Modul angerechnet werden.

Teilleistung: Sprachverarbeitung in der Softwaretechnik [T-INFO-101272]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100735 - Sprachverarbeitung in der Softwaretechnik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24187 Sprachverarbeitung in der Softwaretechnik 2 SWS Vorlesung (V) / 🗣 Hey, Koziolek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Startup Experience [T-WIWI-111561]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2545004 Startup Experience 4 SWS Seminar (S) / 🗣 Weimar, Terzidis, Martjan, Rosales Bravo
WS 24/25 2545004 Startup Experience 4 SWS Seminar (S) / 🗣 Weimar, Martjan, Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. ​Details zur Ausgestaltung der Prüfungsleistung anderer Art werden im Rahmen der Lehrveranstaltung bekannt gegeben. 

Die Note setzt sich aus einer Präsentation und einer schriftlichen Ausarbeitung zusammen (plus evtl. spezifizierte Dokumentation, z.B. Arbeitsergebnisse, Ereignistagebuch, Reflexion).

Empfehlungen

Vorlesung Entrepreneurship bereits absolviert

Anmerkungen

Die Arbeitssprache im Seminar ist Englisch. Die Seminarinhalte werden auf der Lehrstuhl-Webseite veröffentlicht.

Teilleistung: Statistik - Klausur [T-MATH-106415]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
M-MATH-103220 - Statistik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
10
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 0106800 Statistik 4 SWS Vorlesung (V) / 🗣 Trabs
WS 24/25 0106900 Übungen zu 0106800 (Statistik) 2 SWS Übung (Ü) / 🗣 Trabs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Prüfungsvorleistung: Praktikumsschein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MATH-106416 - Statistik - Praktikum muss erfolgreich abgeschlossen worden sein.

Teilleistung: Statistik - Praktikum [T-MATH-106416]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
M-MATH-103220 - Statistik
Voraussetzung für: T-MATH-106415 - Statistik - Klausur
Teilleistungsart
Studienleistung praktisch
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 0106800 Statistik 4 SWS Vorlesung (V) / 🗣 Trabs
WS 24/25 0106910 Praktikum zu 0106800 (Statistik) 2 SWS Praktikum (P) Trabs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung wird auf der Grundlage folgender Bestandteile vergeben:

Voraussetzungen

Keine

Anmerkungen

Die Studierenden können die Verfahren, die sie in der Vorlesung "Statistik" kennengelernt haben, mit Hilfe moderner Software auch praktisch anwenden.

Teilleistung: Statistik für Fortgeschrittene [T-WIWI-103123]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2550552 Advanced Statistics 2 SWS Vorlesung (V) / 🗣 Grothe
WS 24/25 2550553 Practice Advanced Statistics 2 SWS Übung (Ü) / 🗣 Kaplan
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Die Prüfung wird im Prüfungszeitraum des Vorlesungssemesters angeboten. Zur Wiederholungsprüfung im Prüfungszeitraum des jeweiligen Folgesemesters werden ausschließlich Wiederholer (und keine Erstschreiber) zugelassen.

Voraussetzungen

Keine

Teilleistung: Steuerrecht [T-INFO-111437]

Verantwortung:
Detlef Dietrich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24646 Steuerrecht 2 SWS Vorlesung (V) / 🗣 Dietrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Teilleistung: Stochastische Informationsverarbeitung [T-INFO-101366]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100829 - Stochastische Informationsverarbeitung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24113 Stochastische Informationsverarbeitung 3 SWS Vorlesung (V) / 🗣 Hanebeck, Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 15 - 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen aus der Wahrscheinlichkeitstheorie sind hilfreich.

Anmerkungen

Als theoretische Grundlagenvorlesung stellt "Stochastische Informationssysteme" einen optimalen Einstieg in die Vorlesungen des ISAS dar. Umgekehrt können Vorkenntnisse aus "Lokalisierung mobiler Agenten" (LMA) [LV-Nr. 24613] und"Informationsverarbeitung in Sensornetzwerken" (IIS) [LV-Nr. 24102], aber je nach Lerntyp trotzdem hilfreich sein – dort werden mehr konkrete Anwendungen beleuchtet. Sämtliche Inhalte werden in allen unseren Vorlesungen grundsätzlich von Anfang an hergeleitet und ausführlich erklärt; es ist also möglich in SI, LMA oder IIS einzusteigen.

Teilleistung: Supply Chain Management with Advanced Planning Systems [T-WIWI-102763]

Verantwortung:
Claus J. Bosch
Dr. Mathias Göbelt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2581961 Supply Chain Management with Advanced Planning Systems 2 SWS Vorlesung (V) / 🗣 Göbelt, Bosch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. Abhängig von der weiteren pandemischen Entwicklung wird die Prüfung ggf. als Open-Book-Prüfung (Prüfungsleistung anderer Art nach SPO § 4(2) Pkt. 3) angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Systemdynamik und Regelungstechnik [T-ETIT-101921]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-102181 - Systemdynamik und Regelungstechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2303155 Systemdynamik und Regelungstechnik 2 SWS Vorlesung (V) / 🧩 Hohmann
WS 24/25 2303156 Tutorien zu 2303155 Systemdynamik und Regelungstechnik Tutorium (Tu) / 🧩 Piscol
WS 24/25 2303157 Übungen zu 2303155 Systemdynamik und Regelungstechnik 1 SWS Übung (Ü) / 🧩 Piscol
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Anmerkungen

wird ab dem Wintersemester 2020/2021 im Wintersemester statt im Sommersemester angeboten, die Lehrveranstaltung wird im Sommersemester 2020 nicht angeboten

Teilleistung: Systems and Software Engineering [T-ETIT-100675]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100537 - Systems and Software Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2311605 Systems and Software Engineering 2 SWS Vorlesung (V) / 🧩 Sax
WS 24/25 2311607 Übungen zu 2311605 Systems and Software Engineering 1 SWS Übung (Ü) / 🧩 Nägele
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftlich Prüfung, ca. 120 Minuten. (nach §4 (2), 1 SPO).

Voraussetzungen

keine

Empfehlungen

Kenntnisse in Digitaltechnik und Informationstechnik

Teilleistung: Systems Engineering for Automotive Electronics [T-ETIT-100677]

Verantwortung:
Hon.-Prof. Dr. Jürgen Bortolazzi
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100462 - Systems Engineering for Automotive Electronics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2311642 Systems Engineering for Automotive Electronics 2 SWS Vorlesung (V) / 🖥 Bortolazzi
SS 2024 2311644 Tutorial for 2311642 Systems Engineering for Automotive Electronics 1 SWS Übung (Ü) / 🖥 Kraus
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Prüfung findet ohne Hilfsmittel statt.

Voraussetzungen

keine

Empfehlungen

Empfohlen wird der Besuch der Vorlesung SE (23611)

Anmerkungen

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Vorlesung wird im Haupttermin schriftlich geprüft, für den Nacholtermin kann die Prüfung auch mündlich erfolgen.

Die Prüfung findet ohne Hilfsmittel statt.

Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Teilleistung: Teamarbeit im Bereich Serviceorientierte Architekturen [T-INFO-104385]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400071 Teamarbeit im Bereich Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.

Teilleistung: Teamarbeit im Bereich Web-Anwendungen [T-INFO-102068]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400069 Teamarbeit im Bereich Web-Anwendungen 2 SWS Seminar (S) / 🗣 Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studieleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.

Teilleistung: Teilchenphysik I [T-PHYS-102369]

Verantwortung:
Prof. Dr. Torben Ferber
Prof. Dr. Ulrich Husemann
Prof. Dr. Markus Klute
Prof. Dr. Günter Quast
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-102114 - Teilchenphysik I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 4022031 Particle Physics I 3 SWS Vorlesung (V) / 🗣 Klute, Goldenzweig
WS 24/25 4022032 Exercises to Particle Physics I 2 SWS Praktische Übung (PÜ) / 🗣 Klute, Goldenzweig
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Telecommunications and Internet – Economics and Policy [T-WIWI-113147]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101409 - Electronic Markets
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2561232 Telecommunication and Internet - Economics and Policy 2 SWS Vorlesung (V) / 🧩 Mitusch
WS 24/25 2561233 Excercises to Telecommunication and Internet - Economics and Policy 1 SWS Übung (Ü) / 🧩 Mitusch, Wisotzky, Corbo
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students' understanding and knowledge will be assessed through either an oral or a written exam. The actual method used will be announced during the course. The course takes place every winter term, and exams are offered two times a year, in March and in September.

Empfehlungen

Basic knowledge of microeconomics is a precondition. Further knowledge of industrial economics or networks economics is useful, but not necessary. No prior knowledge of telecommunications or internet technologies is required.

Anmerkungen

Disclaimer:
German wording is sometimes provided in parallel. Some German original literature is used (especially official and legislative texts) where we will try to provide English translations in parallel.

Teilleistung: Telekommunikationsrecht [T-INFO-101309]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-INFO-101217 - Öffentliches Wirtschaftsrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24632 Telekommunikationsrecht 2 SWS Vorlesung (V) / 🗣 Döveling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Parallel zu den Veranstaltungen werden begleitende Tutorien angeboten, die insbesondere der Vertiefung der juristischen Arbeitsweise dienen. Ihr Besuch wird nachdrücklich empfohlen.
Während des Semesters wird eine Probeklausur zu jeder Vorlesung mit ausführlicher Besprechung gestellt. Außerdem wird eine Vorbereitungsstunde auf die Klausuren in der vorlesungsfreien Zeit angeboten.
Details dazu auf der Homepage des ZAR (www.kit.edu/zar).

Teilleistung: Telematik [T-INFO-101338]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100801 - Telematik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24128 Telematik 4 SWS Vorlesung (V) / 🗣 Zitterbart, Kopmann, Seehofer, Mahrt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Bei unvertretbar hohem Prüfungsaufwand kann die Prüfungsmodalität geändert werden. Daher wird sechs Wochen im Voraus angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Teilleistung: Test eingebetteter Systeme im industriellen Umfeld [T-ETIT-100811]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100546 - Test eingebetteter Systeme im industriellen Umfeld
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2311648 Test eingebetteter Systeme im industriellen Umfeld 2 SWS Block-Vorlesung (BV) / 🗣 Schmerler
WS 24/25 2311649 Übungen zu 2311648 Test eingebetteter Systeme im industriellen Umfeld 1 SWS Übung (Ü) / 🗣 Ransiek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (25 Minuten).

Voraussetzungen

keine

Empfehlungen

Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.

Teilleistung: Testing Digital Systems I [T-INFO-101388]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100851 - Testing Digital Systems I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.

Teilleistung: Testing Digital Systems II [T-INFO-105936]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102962 - Testing Digital Systems II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400014 Testing Digital Systems II (findet im SS 2024 nicht statt) 2 SWS Vorlesung (V) / 🖥 Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.

Teilleistung: Text-Indexierung [T-INFO-105691]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102732 - Text-Indexierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2400005 Text-Indexierung 3 SWS Vorlesung (V) / 🗣 Kurpicz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Gewichtung: 80% mündliche Prüfung, 20% Projekt/Experiment.

Voraussetzungen

Keine.

Empfehlungen

Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf.  Entsprechende Vorkenntnisse sind also hilfreich.

Anmerkungen

 

Teilleistung: Text-Indexierung Projekt/Experiment [T-INFO-111855]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102732 - Text-Indexierung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400005 Text-Indexierung 3 SWS Vorlesung (V) / 🗣 Kurpicz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form eines Projekts/Experiments als Prüfung anderer Art nach § 4 Abs. 2 Nr. 3.
Gewichtung: 80 % mündliche Prüfung, 20 % Projekt/Experiment.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus der Vorlesung Algorithmentechnik werden vorausgesetzt.

Teilleistung: Theoretische Grundlagen der Kryptographie [T-INFO-111199]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105584 - Theoretische Grundlagen der Kryptographie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400237 Theoretische Grundlagen der Kryptographie 4 SWS Vorlesung (V) / 🗣 Müller-Quade, Berger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 120 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde, kann das Modul Theoretischen Grundlagen der Kryptographie nicht geprüft werden.

Teilleistung: Theoretische Optik [T-PHYS-104578]

Verantwortung:
PD Dr. Boris Narozhnyy
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-102277 - Theoretical Optics
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 4023111 Theoretical Optics 2 SWS Vorlesung (V) / 🗣 Rockstuhl
SS 2024 4023112 Exercises to Theoretical Optics 1 SWS Übung (Ü) / 🗣 Rockstuhl, NN 
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) [T-GEISTSOZ-101176]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
2
Lehrveranstaltungen
WS 24/25 5012020 Einführung in die Theoretische Philosophie 2 SWS Hauptseminar (HS) / 🗣 Bones
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Theoretische Philosophie 1.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 1.2 [T-GEISTSOZ-101177]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
SS 2024 5012020 Philosophie des Geistes 2 SWS Hauptseminar (HS) / 🗣 Bones
SS 2024 5012026 Was ist Dialektik? 2 SWS Hauptseminar (HS) Gutmann
SS 2024 5012041 Die Idee der Idee oder: die Geschichte der Ideengeschichte 2 SWS Hauptseminar (HS) / 🗣 Dürr
SS 2024 5012059 Haben Tiere Gedanken und Begriffe? 2 SWS Hauptseminar (HS) / 🗣 Martin
SS 2024 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
SS 2024 5012072 Nietzsche 2 SWS Hauptseminar (HS) Ommeln
SS 2024 5012078 Descartes: Meditationen über die Erste Philosophie Hauptseminar (HS) Ebner
WS 24/25 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 24/25 5012018 David Humes religionsphilosophische Schriften 2 SWS Hauptseminar (HS) Schmitz
WS 24/25 5012033 David Hume: Untersuchungen über den menschlichen Verstand Hauptseminar (HS) Dürr
WS 24/25 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 24/25 5012065 Einführung in die Wissenschaftstheorie 2 SWS Proseminar (PS) / 🗣 Ludwig
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Theoretische Philosophie 1.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Theoretische Philosophie 1.3 [T-GEISTSOZ-101178]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
SS 2024 5012020 Philosophie des Geistes 2 SWS Hauptseminar (HS) / 🗣 Bones
SS 2024 5012026 Was ist Dialektik? 2 SWS Hauptseminar (HS) Gutmann
SS 2024 5012041 Die Idee der Idee oder: die Geschichte der Ideengeschichte 2 SWS Hauptseminar (HS) / 🗣 Dürr
SS 2024 5012059 Haben Tiere Gedanken und Begriffe? 2 SWS Hauptseminar (HS) / 🗣 Martin
SS 2024 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
SS 2024 5012072 Nietzsche 2 SWS Hauptseminar (HS) Ommeln
SS 2024 5012078 Descartes: Meditationen über die Erste Philosophie Hauptseminar (HS) Ebner
WS 24/25 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 24/25 5012018 David Humes religionsphilosophische Schriften 2 SWS Hauptseminar (HS) Schmitz
WS 24/25 5012033 David Hume: Untersuchungen über den menschlichen Verstand Hauptseminar (HS) Dürr
WS 24/25 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 24/25 5012065 Einführung in die Wissenschaftstheorie 2 SWS Proseminar (PS) / 🗣 Ludwig
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahem an einer Veranstaltung "Theoretische Philosophie 1.3" (Vorlesung oder Proseminar), d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Timed Systems [T-INFO-112754]

Verantwortung:
Jun.-Prof. Dr. Maike Schwammberger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106293 - Timed Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Lehrveranstaltungen
SS 2024 2400146 Timed Systems 2 SWS Vorlesung (V) Schwammberger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
• in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
• in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen-Wissen in Gebieten der Theoretischen Informatik und Modellerung (eingebetteter) Software-Systeme sind hilfreich (z.B. temporale Logiken, endliche Automaten, Prädikatenlogik), werden aber nicht vorausgesetzt.

Anmerkungen

Das Buch „E.-R. Olderog, H. Dierks: Real-Time Systems“ wird als Lektüre für einige Vorlesungsinhalte benutzt ( https://doi.org/10.1017/CBO9780511619953 ).

Teilleistung: Tools für Probabilistisches Machine Learning [T-INFO-113763]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106870 - Tools für Probabilistisches Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400215 Tools für Probabilistisches Machine Learning 3 SWS Vorlesung (V) / 🗣 Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Teilleistung: Tools für Probabilistisches Machine Learning - Übungsschein [T-INFO-113764]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106870 - Tools für Probabilistisches Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
0
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400215 Tools für Probabilistisches Machine Learning 3 SWS Vorlesung (V) / 🗣 Frisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Außerdem müssen mindestens 85% der digitalen Übungsaufgaben korrekt gelöst werden. Dies kann jederzeit durchgeführt und beliebig oft wiederholt werden. Es handelt sich um eine Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Teilleistung: Topics in Stochastic Optimization [T-WIWI-112109]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Students will be given problem sets on which they work in groups. The problem sets will involve the implementation of the models presented in the course, and exploring features of these models. The groups will present their findings in front of the class. The grading will be based on the presentation. 

Empfehlungen

A solid understanding of Stochastic Optimization and/or Optimization under Uncertainty as well as optimization in general is highly recommended, since we will heavily build upon basics of these areas. 

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Teilleistung: Tropical Meteorology [T-PHYS-111411]

Verantwortung:
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 4052111 Tropical Meteorology 2 SWS Vorlesung (V) / 🧩 Knippertz
WS 24/25 4052112 Exercises to Tropical Meteorology 1 SWS Übung (Ü) / 🧩 Knippertz, Lemburg, Ssemujju
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students must achieve 50% of the points on the exercise sheets.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Turbulent Diffusion [T-PHYS-111427]

Verantwortung:
Prof. Dr. Corinna Hoose
Dr. Gholamali Hoshyaripour
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 4052081 Turbulent Diffusion 2 SWS Vorlesung (V) / 🗣 Hoshyaripour, Hoose
SS 2024 4052082 Exercises to Turbulent Diffusion 1 SWS Übung (Ü) / 🗣 Hoshyaripour, Hoose, Chopra
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

There are 7 exercises with 100 points in total.

To pass the prerequisite students must:

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Teilleistung: Ubiquitäre Informationstechnologien [T-INFO-101326]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100789 - Ubiquitäre Informationstechnologien
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24146 Ubiquitäre Informationstechnologien Vorlesung / Übung (VÜ) Beigl, Röddiger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 20 min. nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Teilleistung: Übung Sozialstrukturanalyse [T-GEISTSOZ-106572]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 5011007 Sozialstrukturanalyse 2 SWS Übung (Ü) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung ist bestanden, wenn drei Aufgabenblätter mit der Bewertung bestanden abgelegt wurden.

Voraussetzungen

Keine.

Teilleistung: Übung Soziologie [T-GEISTSOZ-101136]

Verantwortung:
Prof. Dr. Michael Mäs
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 24/25 5011002 Einführung in die Soziologie 2 SWS Übung (Ü) / 🧩 Mäs
WS 24/25 5011003 Einführung in die Soziologie 2 SWS Übung (Ü) / 🧩 Mäs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs "Übung Einführung in die Soziologie", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind.

Voraussetzungen

Keine.

Teilleistung: Übungen zu Computergrafik [T-INFO-104313]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100856 - Computergrafik
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24083 Übungen zu Computergrafik Vorlesung / Übung (VÜ) Dolp, Piochowiak
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO.

Für das Bestehen müssen regelmäßig Programmieraufgaben abgegeben werden. Die konkreten Angaben dazu werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Teilleistung: Übungen zu Einführung in die Finite-Elemente-Methode [T-MACH-110330]

Verantwortung:
Prof. Dr.-Ing. Thomas Böhlke
Dr.-Ing. Tom-Alexander Langhoff
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Technische Mechanik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Voraussetzung für: T-MACH-105320 - Einführung in die Finite-Elemente-Methode
Teilleistungsart
Studienleistung
Leistungspunkte
1
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2162257 Übungen zu Einführung in die Finite-Elemente-Methode 1 SWS Übung (Ü) / 🗣 Lauff, Langhoff, Böhlke, Klein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen dieser Teilleistung berechtigt zur Anmeldung zur Klausur "Einführung in die Finite-Elemtente-Methode" (siehe Teilleistung 76-T-MACH-105320)

Für Studierende der Fachrichtung Maschinenbau, die den Schwerpunkt 13 gewählt haben, bestehen die Klausurvorleistungen in der erfolgreichen Bearbeitung der schriftlichen Übungsblätter und in der erfolgreichen Bearbeitung von Hausaufgaben am Rechner.

Für Studierende der Fachrichtung Maschinenbau, die nicht den Schwerpunkt 13 gewählt haben, und für Studierende anderer Fachrichtungen bestehen die Klausurvorleistungen in der Bearbeitung der schriftlichen Übungsaufgaben.

Anmerkungen

Kenntnisse aus den Vorlesungen "Kontinuumsmechanik der Festkörper und Fluide" und "Mathematische Methoden der Kontinuusmmechanik" und den jeweils begleitenden Übungsveranstaltungen werden vorausgesetzt.

Aus Kapazitätsgründen kann es sein, dass nicht alle Studierenden dieser Lehrveranstaltung zu den Rechnerübungen zugelassen werden können. Studierende des Bachelor-Studiengangs Maschinenbau, die den Schwerpunkt Kontinuumsmechanik (SP-Nr 13) gewählt haben, werden in jedem Fall zu den Rechnerübungen zugelassen.
Sollten darüber hinaus weitere Plätze in den Rechnerübungen zu dieser Lehrveranstaltung zur Verfügung stehen, so werden diese gemäß der BSc-Durchschnittsnote vergeben.

Teilleistung: Übungsschein Mensch-Maschine-Interaktion [T-INFO-106257]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100729 - Mensch-Maschine-Interaktion
Voraussetzung für: T-INFO-101266 - Mensch-Maschine-Interaktion
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400095 Mensch-Maschine-Interaktion 1 SWS Übung (Ü) / 🧩 Beigl, Lee
SS 2024 24659 Mensch-Maschine-Interaktion 2 SWS Vorlesung (V) / 🧩 Beigl, Lee
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO (unbenoteter Übungsschein).

Für das Bestehen müssen regelmäßig Übungsblätter abgegeben werden. Die konkreten Angaben dazu werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Anmerkungen

Die Teilnahme an der Übung ist verpflichtend und die Inhalte der Übung sind relevant für die Prüfung.

Teilleistung: Universal Composability in der Kryptographie [T-INFO-111584]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105783 - Universal Composability in der Kryptographie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400022 Universal Composability in der Kryptographie 2 SWS Vorlesung (V) / 🗣 Müller-Quade, Mechler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Studierende sollten mit den Inhalten der Module "Theoretische Grundlagen der Kryptographie" und „Kryptographische Protokolle“ vertraut sein.

Teilleistung: Unscharfe Mengen [T-INFO-101376]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100839 - Unscharfe Mengen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24611 Unscharfe Mengen (findet im SS 24 nicht statt) 3 SWS Vorlesung (V) / 🗣
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i. d. R. 15 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.

Voraussetzungen

Keine.

Empfehlungen

Grundlegende Kenntnisse im Bereich der formalen Logik und Expertensystemen sind hilfreich.

Teilleistung: Unterteilungsalgorithmen [T-INFO-103551]

Verantwortung:
Prof. Dr. Hartmut Prautzsch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101863 - Unterteilungsalgorithmen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes. 

Voraussetzungen

keine

Teilleistung: Urheberrecht [T-INFO-101308]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 24121 Urheberrecht 2 SWS Vorlesung (V) / 🗣 Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Keine

Teilleistung: Valuation [T-WIWI-102621]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2530212 Valuation 2 SWS Vorlesung (V) / 🗣 Ruckes
WS 24/25 2530213 Übungen zu Valuation 1 SWS Übung (Ü) / 🗣 Ruckes, Luedecke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).
Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Verarbeitung natürlicher Sprache [T-INFO-112177]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105999 - Verarbeitung natürlicher Sprache
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400147 Verarbeitung Natürlicher Sprache 4 SWS Vorlesung (V) / 🗣 Niehues, Liu, Züfle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO Informatik.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101473 - Verarbeitung natürlicher Sprache und Dialogmodellierung darf nicht begonnen worden sein.

Teilleistung: Verkehrsmanagement und Telematik [T-BGU-101799]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 6232802 Verkehrsmanagement und Telematik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündiche Prüfung mit ca. 20 Minuten

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Keine

Teilleistung: Verkehrswesen für Informatik I [T-BGU-105938]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-102963 - Verkehrswesen für Informatik I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 6232804 Simulation von Verkehr 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
WS 24/25 6232701 Berechnungsverfahren und Modelle in der Verkehrsplanung 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
WS 24/25 6232703 Straßenverkehrstechnik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung mit ca. 30 Minuten

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Keine

Teilleistung: Verteilte ereignisdiskrete Systeme [T-ETIT-100960]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100361 - Verteilte ereignisdiskrete Systeme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2302106 Verteilte ereignisdiskrete Systeme 2 SWS Vorlesung (V) / 🧩 Heizmann
SS 2024 2302108 Übungen zu 2302106 Verteilte ereignisdiskrete Systeme 1 SWS Übung (Ü) / 🗣 Hoffmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Empfehlungen

Die Kenntnis der Inhalte der Module „Wahrscheinlichkeitstheorie“, „Systemtheorie“ und „Messtechnik“ wird dringend empfohlen.

Teilleistung: Verteiltes Rechnen [T-INFO-101298]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100761 - Verteiltes Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2400050 Verteiltes Rechnen 2 SWS Vorlesung (V) / 🗣 Streit, Krauß, Schnepf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO. Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
• in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
• in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

Keine

Empfehlungen

Das Modul: Einführung in Rechnernetze wird vorausgesetzt.

Teilleistung: Vertragsgestaltung im IT-Bereich [T-INFO-102036]

Verantwortung:
Michael Menk
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 2411604 Vertragsgestaltung im IT-Bereich 2 SWS Vorlesung (V) / 🗣 Menk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101316 - Vertragsgestaltung darf nicht begonnen worden sein.
Empfehlungen

Keine

Teilleistung: Virtual Engineering I [T-MACH-102123]

Verantwortung:
Prof. Dr.-Ing. Jivka Ovtcharova
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 24/25 2121352 Virtual Engineering I 2 SWS Vorlesung (V) / 🗣 Ovtcharova
WS 24/25 2121353 Übungen zu Virtual Engineering I 2 SWS Übung (Ü) / 🗣 Ovtcharova, Mitarbeiter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung 90 Min.

Voraussetzungen

Keine

Teilleistung: Virtual Engineering II [T-MACH-102124]

Verantwortung:
Prof. Dr.-Ing. Jivka Ovtcharova
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2024 2122378 Virtual Engineering II Vorlesung / Übung (VÜ) / 🗣 Häfner, Ovtcharova
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung 90 Min.

Voraussetzungen

Keine

Teilleistung: Virtual Engineering Praktikum [T-MACH-106740]

Verantwortung:
Prof. Dr.-Ing. Jivka Ovtcharova
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Informationsmanagement im Ingenieurwesen
Bestandteil von: M-MACH-102404 - Informationsmanagement im Ingenieurwesen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2024 2123350 Virtual Engineering Praktikum 3 SWS Projekt (PRO) / 🗣 Häfner, Ovtcharova
WS 24/25 2123350 Virtual Engineering Praktikum 3 SWS Projekt (PRO) / 🗣 Ovtcharova, Häfner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Prüfungsleistung anderer Art (benotet), Gruppen-Projekt (Aufgabenstellung, Umsetzung und Präsentation der Projektarbeiten) zur Erstellung einer VR-Anwendung

Voraussetzungen

keine

Teilleistung: Virtuelle Systeme [T-INFO-101612]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100867 - Virtuelle Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 2400028 Virtuelle Systeme 2 SWS Vorlesung (V) / 🗣 Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Teilleistung: Visualisierung [T-INFO-101275]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100738 - Visualisierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 2400175 Visualisierung (findet im SoSe2024 nicht statt) 2 SWS Vorlesung (V) / 🗣 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die Vorlesung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung „Computergraphik“ (24081) werden vorausgesetzt.

Teilleistung: Vorhersagen: Theorie und Praxis [T-MATH-105928]

Verantwortung:
Prof. Dr. Tilmann Gneiting
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102956 - Vorhersagen: Theorie und Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2024 0178000 Forecasting: Theory and Practice II 2 SWS Vorlesung (V) Gneiting
SS 2024 0178010 Tutorial for 0178010 (Forecasting: Theory and Practice II) 1 SWS Übung (Ü) Gneiting
WS 24/25 0123100 Forecasting: Theory and Praxis 2 SWS Vorlesung (V) Gneiting
WS 24/25 0123110 Tutorial for 0123100 (Forecasting: Theory and Praxis) 2 SWS Übung (Ü) Gneiting
Voraussetzungen

Keine

Teilleistung: Vorlesung Einführung in die Soziologie [T-GEISTSOZ-104601]

Verantwortung:
Prof. Dr. Michael Mäs
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 24/25 5011001 Einführung in die Soziologie 2 SWS Vorlesung (V) / 🧩 Mäs
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Studierende müssen ein Übungsblatt bestehen, das im Verlauf der Vorlesung ausgegeben wird.

Voraussetzungen

Keine

Teilleistung: Vorlesung Sozialstrukturanalyse [T-GEISTSOZ-106573]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-INFO-104808 - Gesellschaftliche Aspekte
M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Studienleistung
Leistungspunkte
0
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 24/25 5011004 Sozialstrukturanalyse 2 SWS Vorlesung (V) / 🖥 Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine.

Teilleistung: Wärmewirtschaft [T-WIWI-102695]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2581001 Wärmewirtschaft 2 SWS Vorlesung (V) / 🗣 Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen (60 Minuten) oder mündlichen Prüfung (30 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine.

Empfehlungen

Keine

Anmerkungen

Zum Ende der Lehrveranstaltung findet ein Laborpraktikum statt.

Teilleistung: Web-Anwendungen und Serviceorientierte Architekturen (II) [T-INFO-101271]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100734 - Web-Anwendungen und Serviceorientierte Architekturen (II)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2024 24677 Web-Anwendungen und Serviceorientierte Architekturen (II) 2 SWS Vorlesung (V) / 🗣 Abeck, Schneider, Sänger, Throner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Die Zulassung zur Prüfung erfolgt nur bei nachgewiesener Mitarbeit an den in der Vorlesung gestellten praktischen Aufgaben.

Voraussetzungen

Keine

Teilleistung: Werkstoffmodellierung: versetzungsbasierte Plastizität [T-MACH-105369]

Verantwortung:
Dr. Daniel Weygand
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2024 2182740 Werkstoffmodellierung: versetzungsbasierte Plastizität 2 SWS Vorlesung (V) / 🗣 Weygand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung ca. 30 Minuten

Voraussetzungen

keine

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Teilleistung: Zeitreihenanalyse [T-MATH-105874]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
Prof. Dr. Tilmann Gneiting
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102911 - Zeitreihenanalyse
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2024 0161100 Time Series Analysis 2 SWS Vorlesung (V) Gneiting
SS 2024 0161110 Tutorial for 0161100 (Time Series Analysis) 1 SWS Übung (Ü) Gneiting
Erfolgskontrolle(n)

Mündliche Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Das Modul kann nicht zusammen mit der Lehrveranstaltung Financial Econometrics [T-WIWI-103064] geprüft werden.