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.
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:
Sie sind in der Lage, die wissenschaftlichen Erkenntnisse und Methoden der Informatik selbstständig anzuwenden und fortzuentwickeln, sowie ihre Bedeutung und Reichweite für die Lösung komplexer wissenschaftlicher und gesellschaftlicher Problemstellungen zu bewerten. Sie können sowohl innerhalb der Informatik wie auch in benachbarten Fachgebieten komplexe anwendungsbezogene und forschungsorientierte Aufgaben erfolgreich bewältigen.
Sie können Themen der Informatik in Wort und Schrift darstellen, vermitteln und mit Informatikern wie Fachfremden überzeugend diskutieren.
Sie können in Teams interdisziplinär arbeiten sowie Team- und Projektarbeit planen und organisieren.
Sie kennen die gesellschaftliche Relevanz von Informatik und können entsprechend verantwortungsvoll handeln.
Sie können sich auf neue Technologien einstellen und ihr Wissen auf zukünftige Entwicklungen übertragen.
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.
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.
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.
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.
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.
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.
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.
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 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.
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.
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.
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.
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.
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.
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.
Pflichtbestandteile | |
---|---|
Masterarbeit | 30 |
Vertiefungsfach 1 | 15-52 |
Vertiefungsfach 2 | 15-52 |
Wahlbereich Informatik | 12-49 |
Ergänzungsfach | 9-18 |
Überfachliche Qualifikationen | 2-6 |
Pflichtbestandteile | ||
---|---|---|
M-INFO-101892 | Modul Masterarbeit | 30 |
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 |
Vertiefungsfach Koordinatoren: Prof. B. Beckert, Prof. P. Sanders
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. P. Sanders
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. W. Karl
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 |
Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart
In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. K. Böhm
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher, Prof. H. Prautzsch
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. T. Asfour
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. F. Bellosa
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 (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 |
Vertiefungsfach Koordinatoren: Prof. B. Beckert, Prof. P. Sanders
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. P. Sanders
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. W. Karl
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 |
Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart
In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. K. Böhm
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher, Prof. H. Prautzsch
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. T. Asfour
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen
In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.
Vertiefungsfach Koordinatoren: Prof. F. Bellosa
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 |
Im Wahlbereich müssen mind. 12 LP gewählt werden.
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 |
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 |
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 |
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 |
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 |
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 |
Ansprechpartner Prof. Kluwe, mathias.kluwe@kit.edu
Ansprechpartner Prof. Kämper, joerg.kaemper@kit.edu
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP) | ||
---|---|---|
M-CHEMBIO-101957 | Ergänzungsfach Biologie | 9 |
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 |
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 |
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 |
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 |
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 |
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 |
Ansprechpatner Prof. Hug, daniel.hug@kit.edu
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 |
Ansprechpartner Prof. Mädche, alexander.maedche@kit.edu
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP) | ||
---|---|---|
M-INFO-104199 | Betriebswirtschaftslehre für dataintensives Rechnen | 18 |
Ansprechpartnerin Prof. Nestler, britta.nestler@kit.edu
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP) | ||
---|---|---|
M-INFO-104200 | Materialwissenschaften für dataintensives Rechnen | 18 |
Ansprechpartner Prof. Hagenmeyer, veit.hagenmeyer@kit.edu
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 |
Ansprechpartner Prof. Dreier, Dr. Matz, yvonne.matz@kit.edu
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP) | ||
---|---|---|
M-INFO-104808 | Gesellschaftliche Aspekte | 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 |
Wahlbereich (Wahl: 14 LP) | ||
---|---|---|
M-PHYS-104577 | Selected Topics in Meteorology (Second Major, graded) | 14 |
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 |
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 |
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112775 | Access Control Systems: Models and Technology | 5 | Hartenstein |
See Partial Achievements (Teilleistung).
See Partial Achievements (Teilleistung).
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.
Lecture workload:
Σ = 150h = 5 ECTS
Basics according to the lectures "IT Security Management for Networked Systems" and "Telematics" are recommended.
Verantwortung: |
Prof. Dr. Nadja Klein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113673 | Advanced Bayesian Data Analysis | 5 | Klein |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
• 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.
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.
150h
- Knowledge in R or Python
- Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful
Verantwortung: |
Dr.-Ing. Holger Jäkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
(EV ab 01.10.2025)
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-113676 | Advanced Communications Engineering | 6 | Jäkel |
The assessment takes place in the form of a written examination lasting 120 min.
none
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.
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.
The module grade is the grade of the written exam.
Starting winter term 25/26
In total: 180 h = 6 LP
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.
Lecture: 3 SWS, Exercise: 1 SWS
Verantwortung: |
Prof. Dr. Maxim Ulrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
Pflichtbestandteile | |||
---|---|---|---|
T-WIWI-111305 | Advanced Machine Learning and Data Science | 9 | Ulrich |
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.
Das Modul M-WIWI-106660 "Modeling the Dynamics of Financial Markets" muss bestanden sein.
Nach einem erfolgreichen Projekt können die Studierenden:
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.
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.
Keine
Verantwortung: |
PD Dr. Stefan Kühnlein
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-102253 | Algebra | 9 | Kühnlein, Sauer |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)
Keine
Absolventinnen und Absolventen können
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Das Modul "Einführung in Algebra und Zahlentheorie" sollte bereits belegt worden sein.
Verantwortung: |
PD Dr. Stefan Kühnlein
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-103340 | Algebraische Geometrie | 9 | Herrlich, Kühnlein |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung von ca. 30 Minuten Dauer.
Keine
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.
• Hilbertscher Nullstellensatz
• affine und projektive Varietäten
• Morphismen und rationale Abbildungen
• nichtsinguläre Varietäten
• algebraische Kurven
• Satz von Riemann-Roch
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Folgende Module sollten bereits belegt worden sein:
Einführung in Algebra und Zahlentheorie
Algebra
Verantwortung: |
PD Dr. Stefan Kühnlein
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-103346 | Algebraische Zahlentheorie | 9 | Herrlich, Kühnlein |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)
Keine
Absolventinnen und Absolventen
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Die Inhalte des Moduls „Algebra“ werden dringend empfohlen.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101332 | Algorithm Engineering | 4 | Sanders |
T-INFO-111856 | Algorithm Engineering Übung | 1 | Sanders |
Siehe Teilleistung
Siehe Teilleistung
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
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.
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
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-100002 | Algorithmen für Routenplanung | 5 | Bläsius |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102020 | Algorithmen II | 6 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104390 | Algorithmen zur Visualisierung von Graphen | 5 | Ueckerdt |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104429 | Algorithmische Geometrie | 6 | Bläsius |
T-INFO-113718 | Algorithmische Geometrie - Übung | 0 | Bläsius |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) werden erwartet.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103588 | Algorithmische Graphentheorie | 5 | Ueckerdt |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
5 LP entspricht ca. 150 Arbeitsstunden, davon
ca. 45h Vorlesungsbesuch
ca. 60h Nachbereitung und Bearbeitung der Übungsaufgaben
ca. 45h Prüfungsvorbereitung
Siehe Teilleistung
Verantwortung: |
Prof. Dr. Roland Schnaubelt
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-106286 | Analysis 4 - Prüfung | 9 | Frey, Herzog, Hundertmark, Lamm, Plum, Reichel, Schnaubelt, Tolksdorf |
Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).
Keine
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.
• Modellierung mit Differentialgleichungen
• Existenztheorie
• Phasenebene, Stabilität
• Randwertprobleme, elementare partielle Differentialgleichungen
• Holomorphie
• Integralsatz und -formel von Cauchy
• Hauptsätze der Funktionentheorie
• isolierte Singularitäten, reelle Integrale
Die Modulnote ist die Note der schriftlichen Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Empfehlung: Analysis 1-3, Lineare Algebra 1+2.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109924 | Angewandte Differentialgeometrie | 3 | Prautzsch |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
90 h
The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding previous knowledge is therefore helpful.
Verantwortung: |
Dr.-Ing. Holger Jäkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100748 | Angewandte Informationstheorie | 6 | Jäkel |
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.
keine
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.
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.
Die Modulnote ist die Note der mündlichen Prüfung.
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
Vorheriger Besuch der Vorlesung „Wahrscheinlichkeitstheorie“ wird empfohlen.
Verantwortung: |
Prof. Dr. Johannes Philipp Reiß
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Volkswirtschaftslehre
|
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 |
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.
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.
Der/die Studierende
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.
Die Veranstaltung Predictive Mechanism and Market Design wird in jedem zweiten Wintersemester angeboten, z.B. WS 2013/14, WS 2015/16, ...
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.
Grundlagen der Spieltheorie sollten vorhanden sein.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106557 | Anziehbare Robotertechnologien | 4 | Asfour, Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Der Besuch der Vorlesung Mechano-Informatik in der Robotik wird empfohlen.
Verantwortung: |
Prof. Dr. Gregor Betz
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
Ergänzungsfach / Philosophie (Wahlpflichtfach)
|
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 |
Das Bestehen der Studienleistungen in den beiden Veranstaltungen sowie das Bestehen der Modulprüfung.
Keine
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.
Theoretische und praktische Aspekte der Argumentationsanalyse auf der Grundlage der klassischen Logik
Die Modulnote ergibt sich aus dem arithmetischen Mittel der beiden Prüfungsleistungen.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111320 | Ausgewählte Themen der Theoretischen Grundlagen der Kryptographie | 3 | Geiselmann, Müller-Quade |
Siehe Teilleistung.
Kann nur geprüft werden, wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde.
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.
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.
Präsenzzeit in der Vorlesung: 48 h
Vor-/Nachbereitung derselbigen: 20 h
Prüfungsvorbereitung und Präsenz in selbiger: 22 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110824 | Authentisierung und Verschlüsselung | 4 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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
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
Präsenzzeit in der Vorlesung: 24 h Vor-/Nachbereitung derselbigen: 31 h Prüfungsvorbereitung und Präsenz in selbiger: 65 h
Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109085 | Automated Planning and Scheduling | 5 | Sanders |
Siehe Teilleistungen.
Siehe Teilleistung.
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:
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101363 | Automatische Sichtprüfung und Bildverarbeitung | 6 | Beyerer |
Siehe Teilleistung.
Siehe Teilleistung.
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112204 | Automotive Software Engineering (ASE) - Übung | 0 | Schaefer |
T-INFO-112203 | Automotive Software Engineering (ASE) | 4 | Schaefer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
• Grundlagen und Randbedingungen für die Softwareentwicklung im Automobilbereich
• Modellierungstechniken
• Entwicklungsprozesse und Methodik
• Qualitätssicherung
• Werkzeuge
• Fallstudien
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.
• 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
Verantwortung: |
Prof. Dr. Rudolph Triebel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113327 | Autonomous Learning for Intelligent Robot Perception | 4 | Triebel |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
120h
A basic understanding of probability theory and linear algebra is required
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111040 | Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen | 6 | Bläsius |
Siehe Teillesitung.
Siehe Teilleistung.
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.
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.
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
Verantwortung: |
Prof. Dr. Alexander Mädche
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre für dataintensives Rechnen
|
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 |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Verantwortung: |
Prof. Dr.-Ing. Michael Heizmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
(EV ab 01.04.2025)
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-105566 | Bildverarbeitung | 3 | Heizmann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
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:
Die Modulnote ist die Note der schriftlichen Prüfung.
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.
Kenntnis zu Inhalten der Module „Signale und Systeme“ (z. B. Fourier-Transformation, Abtastung) und „Measurement Technology“ (z. B. Rauschen, Matched Filter) sind von Vorteil.
Verantwortung: |
Dr.-Ing. Axel Loewe
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-101956 | Bioelektrische Signale | 3 | Loewe |
Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 90 Minuten.
keine
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.
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
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.
Präsenzzeit Vorlesung: 8 * 1,5h = 12h
Vor-/Nachbereitung Vorlesung: 8 * 1h = 8h
Workshopaufgaben: 20h + 15h = 35h
Klausurvorbereitung und Präsenz in selbiger: 35h
Insgesamt: 90h
Kenntnisse zu Grundlagen der Signalverarbeitung und Physiologie sind hilfreich.
Grundlagen zu linearen elektrischen Netzen, Fouriertransformation sowie Differentialgleichungen und linearen Gleichungssystemen und numerischen Lösungsverfahren
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
Ergänzungsfach / Biologically Inspired Robotics
|
Pflichtbestandteile | |||
---|---|---|---|
T-MACH-113856 | Biologically Inspired Robots | 3 | Rönnau |
Siehe Teilleistung
Keine
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.
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.
90 Arbeitsstunden, davon ca.:
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine
Der/die Studierende
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.
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.
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.
Keine
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
Ergänzungsfach / Biologically Inspired Robotics
|
Pflichtbestandteile | |||
---|---|---|---|
T-MACH-113857 | CAD Engineering Project for Intelligent Systems | 3 | Rönnau |
Siehe Teilleistung
Keine
Studierende sind in der Lage CAD-Tools für die Konstruktion sowie 3DDruck als Fertigungsverfahren für intelligente Systeme wie z.B. biologisch inspirierte Roboter anzuwenden.
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.
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
Verantwortung: |
Prof. Dr.-Ing. Laurent Schmalen
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-111244 | Channel Coding: Algebraic Methods for Communications and Storage | 3 | Schmalen |
The exam is held as an oral exam of approx. 20 min.
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.
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).
Grade of the module corresponds to the grade of the oral exam.
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.
Verantwortung: |
Prof. Dr.-Ing. Laurent Schmalen
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-111245 | Channel Coding: Graph-Based Codes | 6 | Schmalen |
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.
none
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.
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).
The modul grade is the grade of the oral exam.
- 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
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113693 | Codierungstheorie | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit in der Vorlesung: 24 h
Vor-/Nachbereitung derselbigen: 24 h
Prüfungsvorbereitung und Präsenz in selbiger: 42 h
Verantwortung: |
Prof. Dr. Clemens Puppe
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Volkswirtschaftslehre
|
Wahlpflichtangebot (Wahl: ) | |||
---|---|---|---|
T-WIWI-102740 | Public Management | 4,5 | Wigger |
T-WIWI-102859 | Social Choice Theory | 4,5 | Puppe |
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.
Keine
Die Studierenden
Der Schwerpunkt des Moduls liegt auf Mechanismen der öffentlichen Entscheidungsfindung, einschließlich Wahlen und der Aggregation von Präferenzen und Urteilen.
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112573 | Computational Imaging | 5 | Meyer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
- 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.
Verantwortung: |
Prof. Dr. Carsten Rockstuhl
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Theoretische Physik (Wahlblock)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-103633 | Computational Photonics, with ext. Exercises | 8 | Rockstuhl |
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.
keine
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.
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.
240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (180 Stunden).
Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.
Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.
Verantwortung: |
Prof. Dr. Carsten Rockstuhl
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Theoretische Physik (Wahlblock)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-106131 | Computational Photonics, without ext. Exercises | 6 | Rockstuhl |
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.
keine
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.
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.
180 Stunden bestehend aus Präsenzzeiten (45 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (135 Stunden).
Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.
Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101393 | Computergrafik | 6 | Dachsbacher |
T-INFO-104313 | Übungen zu Computergrafik | 0 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit = 60h
Vor-/Nachbereitung = 90h
Klausurvorbereitung = 30h
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113441 | Computergrafik 2 | 5 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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)
60h = Präsenzzeit
60h = Vor-/Nachbereitung
30h = Prüfungsvorbereitung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112704 | Constructive Logic | 5 | Platzer |
- 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
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.
Course web page: https://lfcps.org/course/constlog.html
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
You will be expected to follow the lecture notes.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112880 | Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen | 4 | Beyerer |
Siehe Teilleistung.
Siehe Teilleistung
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.
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.
120h
- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113124 | Data Science | 8 | Böhm |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Dieses Modul ersetzt Data Science I und Data Science II und fasst diese zusammen.
240h
Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme
Literatur wird in der Vorlesung bekanntgegeben. Es gibt diverse gut lesbare einschlägige Bücher, zum Beispiel:
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113402 | Data Science and Artificial Intelligence for Energy Systems | 6 | Schäfer |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
• 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 .
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.
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
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.
Verantwortung: |
Prof. Dr. Maxim Ulrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine.
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.
Das Modul umfasst unter anderem folgende Themen:
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.
Grundkenntnisse der Kapitalmarkttheorie.
Verantwortung: |
Prof. Dr. Andreas Geyer-Schulz
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine
Der/die Studierende
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.
Das Modul ersetzt ab Sommersemester 2021 M-WIWI-101470 "Data Science: Advanced CRM"
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.
Keine
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101317 | Datenbankeinsatz | 5 | Böhm |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
33 h Präsenzzeit
+ Vor- und Nachbereitungszeiten 75 h
+ 42 h Klausurvorbereitung
= 150 h = 5 ECTS
Siehe Teilleistung.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111400 | Datenbankfunktionalität in der Cloud | 5 | Böhm |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
157 h 45 min
Wird in der Vorlesung bekanntgegeben, Grundlagen/Einlassungen zu einzelnen Vorlesungskapiteln finden sich in den folgenden Büchern:
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103201 | Datenbank-Praktikum | 4 | Böhm |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
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.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108377 | Datenschutz von Anonymisierung bis Zugriffskontrolle | 3 | Böhm |
Siehe Teilleistung.
Grundkenntnisse zu Datenbanken, verteilten Informationssystemen, Systemarchitekturen und Kommunikationsinfrastrukturen, z.B. aus der Vorlesung Datenbanksysteme
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.
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.
+ Vor- und Nachbereitungszeiten (1,5 x 2) x 15 = 45 h
+ 17 h Klausurvorbereitung
= 84 h = 3 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110820 | Decentralized Systems: Fundamentals, Modeling, and Applications | 6 | Hartenstein |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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:
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
Kenntnisse zu Grundlagen von IT-Sicherheit und Rechnernetzen sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111491 | Deep Learning für Computer Vision I: Grundlagen | 3 | Stiefelhagen |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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:
Die Lehrveranstaltung findet teilweise in Deutsch und Englisch statt.
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
Kenntnisse zu Grundlagen der Mustererkennung, wie sie im Stammmodul Kognitive Systeme vermittelt werden, werden vorausgesetzt.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111494 | Deep Learning für Computer Vision II: Fortgeschrittene Themen | 3 | Stiefelhagen |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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:
Besuch der Vorlesungen: ca. 20 Stunden
Vor- und Nachbereitung der Vorlesung: ca. 30 Stunden
Klausurvorbereitung: ca. 40 h
Summe: ca. 90 Stunden
Kenntnisse zu Deep Learning Grundlagen werden vorausgesetzt.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109124 | Deep Learning und Neuronale Netze | 6 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
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.
180h.
Der vorherige erfolgreiche Abschluss des Stamm-Moduls „Kognitive Systeme“ wird empfohlen.
Verantwortung: |
Prof. Dr. Ivan Peric
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100973 | Design analoger Schaltkreise | 4 | Peric |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).
Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.
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.
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.
Notenbildung ergibt sich aus der mündlichen Prüfung. Zulassung zur Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.
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
Verantwortung: |
Prof. Dr. Ivan Peric
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100974 | Design digitaler Schaltkreise | 4 | Peric |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).
Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.
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.
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.
Notenbildung ergibt sich aus der mündlichen Prüfung. Zulassung zur
Prüfung erst nach Vorlage einer schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.
1. Präsenzzeit in Vorlesungen 18 h
2. Vor-/Nachbereitung derselbigen 24 h
3. Prüfungsvorbereitung 48 h
4. Präsenzzeit in Übungen 18 h
Verantwortung: |
Prof. Dr. Wilderich Tuschmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-102275 | Differentialgeometrie | 9 | Tuschmann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung von 120 Minuten Dauer.
Keine
Absolventinnen und Absolventen
Optional:
Die Modulnote ist die Note der schriftlichen Prüfung.
Wird erstmalig im Sommersemester 2018 stattfinden.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Die Module "Einführung in Geometrie" und "Topologie" bzw. "Elementare Geometrie" sollten bereits belegt worden sein.
Verantwortung: |
Prof. Dr. Ann-Kristin Kupfer
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
None
Students
The aim of this module is to deepen central marketing contents in different areas.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111830 | Digitale Barrierefreiheit und Assistive Technologien | 3 | Stiefelhagen |
Siehe Teilleistung.
Siehe Teilleistung.
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/
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
Verantwortung: |
Dr. Victor Pankratius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110819 | Edge-AI in Software- und Sensor-Anwendungen | 3 | Pankratius |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS
Hilfreich sind Kenntnisse z.B. aus Kognitive Systeme, Softwaretechnik, Algorithmen, Rechnernetze & -strukturen, Low-Power-Design
Verantwortung: |
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Wahlbereich Informatik
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112344 | Einführung in das Quantencomputing (IQC) | 3 | Beckert, Schaefer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
• 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
Diese Vorlesung wird als Ringvorlesung angeboten.
• Vorlesungsbesuch: 28 h
• Vor- und Nachbereitung: 42h
• Prüfungsvorbereitung: 20h
• Gesamt: 90h / 30 = 3 Credits
Kenntnisse in Linearer Algebra empfohlen.
Verantwortung: |
Prof. Dr. Willy Dörfler
Prof. Dr. Tobias Jahnke
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105837 | Einführung in das Wissenschaftliche Rechnen | 9 | Dörfler, Hochbruck, Jahnke, Rieder, Wieners |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.
Keine
Absolventinnen und Absolventen können
Die Modulnote ist die Note der mündlichen Prüfung.
3 Stunden Vorlesung und 3 Stunden Praktikum
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101273 | Einführung in die Bildfolgenauswertung | 3 | Beyerer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Gesamt: ca. 90h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 23h
3. Prüfungsvorbereitung und Präsenz in selbiger: 44h
Siehe Teilleistung.
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 |
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 |
Das Bestehen der Studienleistungen und der Modulprüfung
keine
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.
Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.
Die Modulnote ist die Note der Modulprüfung
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)
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 |
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 |
Das Bestehen der Studienleistungen und der Modulprüfung
keine
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.
Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.
Die Modulnote ist die Note der Modulprüfung
Präsenz in den Veranstaltungen 120 h, Vor- und Nachbereitung (einschl. Studienleistungen) 120 h, Modulprüfung ca. 60 h (Insgesamt ca. 300 h)
Verantwortung: |
Prof. Dr. Achim Streit
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Wahlbereich Informatik
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113556 | Einführung ins Quantum Machine Learning | 3 | Kühn, Kühn |
siehe Teilleistung
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
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.
- Vorlesungsbesuch: 23h (2 SWS x 15)
- Vor- und Nachbereitung: 45h (2 x 2 SWS x 15)
- Prüfungsvorbereitung: 22h
- Gesamt: 90h / 30 = 3 Credits
- 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
Verantwortung: |
Prof. Dr.-Ing. Thomas Leibfried
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Automation und Energienetze
(EV ab 01.04.2025)
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-110883 | Electric Power Transmission & Grid Control | 6 | Leibfried |
The examination takes place in form of a written examination lasting 120 minutes.
none
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.
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.
The module grade is the grade of the written exam.
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
Verantwortung: |
Prof. Dr. Andreas Geyer-Schulz
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine
Der/die Studierende
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:
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.
Keine
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111549 | Embedded Machine Learning Lab | 4 | Henkel |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
(2 SWS +1.5*2 SWS)*10
+55 h final project
+15 h presentation & report
= 120 h = 4 ECTS
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.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101335 | Empirische Softwaretechnik | 4 | Gerking |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Informatiionswirtschaft: Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).
Informatik: ca. 75 h
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
Ergänzungsfach / Soziologie
|
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 |
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.
Keine
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.
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.
Die Modulnote ist das arithmetische Mittel der Teilprüfungsleistungen.
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)
Vorlesung, Übung, Seminar
Mau, Steffen; Verwiebe, Roland (2009): Die Sozialstruktur Europas.; Weitere Literatur wird in der Veranstaltung bekannt gegeben.
Verantwortung: |
Prof. Dr. Veit Hagenmeyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103582 | Energieinformatik 1 | 5 | Hagenmeyer |
T-INFO-110356 | Energieinformatik 1 - Vorleistung | 0 | Hagenmeyer |
T-INFO-106059 | Energieinformatik 2 | 5 | Hagenmeyer |
Siehe Teilleistung.
Siehe Teilleistung.
Energieinformatik 1:
Nach erfolgreicher Teilnahme sollen die Studierenden
Energieinformatik 2:
Nach erfolgreicher Teilnahme sollen die Studierenden
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:
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
Verantwortung: |
Prof. Dr.-Ing. Thomas Leibfried
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Automation und Energienetze
(EV bis 31.03.2025)
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-101941 | Energieübertragung und Netzregelung | 5 | Leibfried |
Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
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.
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.
Die Modulnote ist die Note der schriftlichen Prüfung.
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
Verantwortung: |
Prof. Dr. Wolf Fichtner
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Die Lehrveranstaltung Liberalised Power Markets muss geprüft werden.
Der/die Studierende
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.
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.
Verantwortung: |
Prof. Dr. Wolf Fichtner
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine
Der/die Studierende
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.
Verantwortung: |
Prof. Dr. Raffaela Mirandola
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113349 | Engineering Self-Adaptive Systems | 3 | Mirandola |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
- 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.
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.
Course workload:
30h in Class (lectures)
45h self-study during the semester
15h preparation for the exam
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4, 1-3 SPO) über
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.
Keine
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.
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.
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“.
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.
Keine
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101368 | Entwurf und Architekturen für Eingebettete Systeme (ES2) | 3 | Henkel |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Siehe Teilleistung
Verantwortung: |
Prof. Dr. Jörg Kämper
|
---|---|
Einrichtung: |
KIT-Fakultät für Chemie und Biowissenschaften |
Bestandteil von: |
Ergänzungsfach / Biologie
|
Pflichtbestandteile | |||
---|---|---|---|
T-CHEMBIO-100180 | Grundlagen der Biologie | 4 | Nick |
T-CHEMBIO-103675 | Molekularbiologie und Genetik | 5 | Kämper, Requena |
Die Erfolgskontrolle in diesem Modul umfasst zwei schriftliche Prüfungen zu den Vorlesungen "Grundlagen der Biologie" und "Molekularbiologie und Genetik", beide Examen dauern 120 Minuten.
keine
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.
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.
Zur Bearbeitung zählt die Vor- und Nachbereitung der Vorlesung und das Lernen auf die Klausur.
Vorlesung
Grundlagen der Biologie
Genetik:
Molekularbiologie:
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112774 | Explainable Artificial Intelligence | 3 | Lioutikov |
Siehe Teilleistung.
Siehe Teilleistung.
• 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
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 = 90h = 3 ECTS
• ca 30h Vorlesungsbesuch
• ca 30h Nachbearbeitung
• ca 30h Prüfungsvorbereitung
• 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.
Verantwortung: |
Prof. Dr. Vicky Fasen-Hartmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105908 | Extremwerttheorie | 5 | Fasen-Hartmann |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).
Keine
Absolventinnen und Absolventen
können statistische Methoden zur Schätzung von Risikomaßen nennen, erklären, motivieren und anwenden,
können extreme Ereignisse modellieren und quantifizieren,
können spezifische probabilistische Techniken der Extremwerttheorie anwenden,
Satz von Fisher und Tippett
verallgemeinerte Extremwert- und Paretoverteilung (GED und GPD)
Anziehungsbereiche von verallgemeinerten Extremwertverteilungen
Satz von Pickands-Balkema-de Haan
Schätzen von Risikomaßen
Hill-Schätzer
Blockmaximamethode
POT-Methode
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 120 Stunden
Präsenzzeit: 45 Stunden
Selbststudium: 75 Stunden
Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden empfohlen.
Verantwortung: |
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine
Der/die Studierende
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.
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.
Verantwortung: |
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
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 |
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.
Das Modul ist erst dann bestanden, wenn zusätzlich das Modul Finance 1 zuvor erfolgreich mit der letzten Teilprüfung abgeschlossen wurde.
Der/die Studierende ist in der Lage, fortgeschrittene ökonomische und methodische Fragestellungen der Finanzwirtschaft zu erläutern, zu analysieren und Antworten darauf abzuleiten.
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113391 | Fine-Grained Complexity Theory & Algorithms | 6 | Künnemann |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
- 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
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
Basic knowledge of theoretical computer science and algorithm design is recommended.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101336 | Formale Systeme | 6 | Beckert |
Siehe Teilleistung.
Siehe Teilleistung.
Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …
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.
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
Siehe Teilleistungen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101281 | Formale Systeme II: Anwendung | 5 | Beckert |
Siehe Teilleistung
Siehe Teilleistung
Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …
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:
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
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101378 | Formale Systeme II: Theorie | 5 | Beckert |
Siehe Teilleistung
Siehe Teilleistung
Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …
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:
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110861 | Forschungspraktikum Autonome Lernende Roboter | 6 | Neumann |
Siehe Teilleistung.
Siehe Teilleistung
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.
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.
180h
Experience in Machine Learning is recommended.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111024 | Forschungspraktikum Deep Learning in der Robotik | 6 | Neumann |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
Workload: 180h
Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h
- 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.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110938 | Forschungspraktikum Netzsicherheit | 3 | Hock, Zitterbart |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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:
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
Das Modul Netzsicherheit: Architekturen und Protokolle [M-INFO-100782] sollte begonnen oder abgeschlossen sein.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111208 | Forschungspraktikum Telematik | 3 | Zitterbart |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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:
Präsenzzeit / Treffen in Groß- und Kleingruppen: 15h
Auswahl des Schwerpunkts: 10h
Konzeption + Spezifikation des Schwerpunkts: 10h
Implementierung des Schwerpunkts: 20h
Forschungsbericht / Kolloquium: 20h
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113759 | Forschungspraktikum: Artificial Intelligence & Security | 6 | Wressnegger |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
• 140h Projektarbeit
• 20h Abschlussbericht
• 15h Vorbereitung Abschlusspräsentation
• 5h Präsenzzeit (Abschlussveranstaltung)
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113114 | Forschungspraktikum: Explainable Artificial Intelligence | 6 | Lioutikov |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.
Arbeitsaufwand = 180h = 6 ECTS
• Präsenzzeit: 15h
• Projektarbeit: 135h
• Scientific Report schreiben + Päsentation vorbereiten: 30h
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112772 | Forschungspraktikum: Interactive Learning | 6 | Lioutikov |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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 = 180h = 6 ECTS
• Präsenzzeit: 15h
• Projektarbeit: 135h
• Scientific Report schreiben + Päsentation vorbereiten: 30h
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105687 | Fortgeschrittene Datenstrukturen | 4 | Sanders |
T-INFO-111849 | Fortgeschrittene Datenstrukturen Projekt/Experiment | 1 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112768 | Fortgeschrittene Künstliche Intelligenz | 6 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
● 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.
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.
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
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111399 | Fortgeschrittenes Algorithmisches Programmieren | 6 | Bläsius |
Siehe Teilleistung.
Siehe Teillesitung.
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.
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.
6 LP entspricht ca. 180 Arbeitsstunden
30 Std. Besuch der Vorlesung
30 Std. Vor- und Nachbereitung
100 Std. Bearbeitung der Übungsblätter
20 Std. Prüfungsvorbereitung
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101268 | Fotorealistische Bildsynthese | 5 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
60h = Präsenzzeit
70h = Vor-/Nachbereitung
20h = Klausurvorbereitung
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. David Hunger
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-103630 | Fundamentals of Optics and Photonics - Unit | 0 | Hunger |
T-PHYS-103628 | Fundamentals of Optics and Photonics | 9 | Hunger |
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.
One exercise sheet is handed out to the students as homework each week. Solutions of the problems have to be submitted
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
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)
total 240 h, hereof 90h contact hours (60h lecture, 30h problem class), and 150h homework and self-studies
Solid mathematical background, basic knowledge in physics
Lecture (including de-monstration experiments) and problem class
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
Verantwortung: |
Prof. Dr. Roland Schnaubelt
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-102255 | Funktionalanalysis | 9 | Frey, Herzog, Hundertmark, Lamm, Liao, Reichel, Schnaubelt, Tolksdorf |
Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).
Keine
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.
Die Modulnote ist die Note der Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
D. Werner, Funktionalanalysis
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101262 | Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie | 3 | Asfour, Spetzger |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
ca. 40 h
Siehe Teilleistung
Verantwortung: |
PD Dr. Bernhard Klar
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105870 | Generalisierte Regressionsmodelle | 5 | Ebner, Fasen-Hartmann, Klar, Trabs |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).
Keine
Absolventinnen und Absolventen
Die Vorlesung behandelt grundlegende Modelle der Statistik, die es ermöglichen, Zusammenhänge zwischen Größen zu erfassen. Themen sind:
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 120 Stunden
Präsenzzeit: 45 Stunden
Selbststudium: 75 Stunden
Die Inhalte des Moduls "Statistik" werden dringend empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112662 | Geometric Deep Learning | 3 | Stühmer |
See parcel assessment.
See parcel assessment.
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
- 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
90h
Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Gesellschaftliche Aspekte
|
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 |
Keine
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.
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Maria Aksenovich
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-102273 | Graphentheorie | 9 | Aksenovich |
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).
Keine
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.
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.
Die Modulnote ist Note der Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
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 |
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 |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103009 | Hands-on Bioinformatics Practical | 3 | Stamatakis |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Siehe Teilleistung
Verantwortung: |
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100672 | Hardware Modeling and Simulation | 4 | Becker, Becker |
Achievement is examined in the form of a written examination lasting 120 minutes.
none
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.
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:
The module grade results from the grade of the written examination.
.
The workload is covered by:
Sum: 120h = 4 LP
Verantwortung: |
Prof. Dr.-Ing. Jürgen Becker
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100671 | Hardware/Software Co-Design | 4 | Harbaum |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
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.
In der Vorlesung werden die theoretischen Grundlagen zum verzahnten Entwurf von Hardware- und Softwareteilen eines Systems vorgestellt. Zusätzlich wird deren praktische Anwendung anhand von verschiedenen aktuellen Software- und Hardwarekomponenten demonstriert.
Die begleitenden Übungen sollen das in den Vorlesungen erlernte Wissen fundieren. Ausgewählte Themen werden wiederholt, und anhand theoretischer und praktischer Beispiele lernen die Studierenden die Anwendung der Methoden für den modernen Systementwurf.
Unter Hardware Software Co-Design versteht man den gleichzeitigen und verzahnten Entwurf von Hardware- und Softwareteilen eines Systems. Die meisten modernen eingebetteten Systeme (Beispiele sind Mobiltelefone, Automobil- und Industriesteuerungen, Spielekonsolen, Home Cinema Systeme, Netzwerkrouter) bestehen aus kooperierenden Hardware- und Softwarekomponenten. Ermöglicht durch rasante Fortschritte in der Mikroelektronik werden Eingebettete Systeme zunehmend komplexer mit vielfältigen anwendungsspezifischen Kriterien. Der Einsatz von entsprechenden rechnergestützten Entwurfswerkzeugen ist nicht nur notwendig, um die zunehmende Komplexität handhaben zu können, sondern auch um die Entwurfskosten und die Entwurfszeit zu senken. Die Vorlesung Hardware Software Co-Design behandelt die notwendigen multikriteriellen Methoden und Hardware/Software Zielarchitekturen:
Zielarchitekturen für Hardware/Software-Systeme
Prozessoraufbau: Pipelining, Superskalarität, VLIW, SIMD, Cache, MIMD
General-Purpose Prozessoren (GPP), Mikrocontroller (µC), Digitale Signalprozessoren (DSP), Grafik Prozessoren (GPU), Applikations-spezifische Instruktionssatz Prozessoren (ASIP), Field Programmable Gate Arrays (FPGA), System-on-Chip (SoC), Bussysteme, Multicore und Network-on-Chip (NoC)
Abschätzung der Entwurfsqualität
Hardware- und Software-Performanz
Hardware/Software Partitionierungsverfahren
Iterative und Konstruktive Heuristiken
Die Modulnote ist die Note der mündlichen Prüfung.
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
Kenntnisse zu Grundlagen aus Digitaltechnik und Informationstechnik sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Becker
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100673 | Hardware-Synthese und -Optimierung | 6 | Becker |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
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.
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:
Die Modulnote ist die Note der mündlichen Prüfung.
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:
Grundkenntnisse im Bereich digitaler Schaltungen, wie sie z. B. durch die Lehrveranstaltung „Digitaltechnik“ (2311615) vermittelt werden.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101359 | Heterogene parallele Rechensysteme | 3 | Karl |
Siehe Teilleistung
Siehe Teilleistung
- 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.
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.
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113396 | HRI and Social Robotics | 4 | Bruno |
T-INFO-113397 | HRI and Social Robotics - Pass | 2 | Bruno |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
Verantwortung: |
Prof. Dr. Alexander Mädche
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Bitte informieren Sie sich über etwaige Voraussetzungen und Empfehlungen bei den einzelnen Veranstaltungen.
Der/die Studierende
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.
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113395 | Humanoid Robots - Locomotion and Whole-Body Control | 6 | Mombaur |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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
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.
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
Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105144 | Humanoide Roboter - Seminar | 3 | Asfour |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Vorlesung Robotik 1, Robotik 2, Robotik 3, Mechano-Informatik, Anziehbare Robotertechnologien
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Die Lehrveranstaltung Anlagenwirtschaft [2581952] muss im Modul erfolgreich geprüft werden. Des Weiteren muss mindestens eine Lehrveranstaltung aus dem Ergänzungsangebot des Moduls erfolgreich geprüft werden.
Die Ergänzungsveranstaltungen stellen Kombinationsempfehlungen dar und können alternativ durch Ergänzungsveranstaltungen aus dem Mastermodul Industrielle Produktion III ersetzt werden.
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.
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
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.
Die Ergänzungsveranstaltungen stellen Kombinationsempfehlungen dar und können alternativ durch Ergänzungsveranstaltungen aus dem Mastermodul Industrielle Produktion II ersetzt werden.
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.
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
|
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 |
Eine Erfolgskontrolle muss stattfinden und kann schriftlich, mündlich oder anderer Art sein.
keine
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.
Präsenzzeit: 105 Stunden | Selbststudium 85 Stunden | Prüfungsvorbereitung: 110 Stunden
Vorlesungen, Übungen, Projektarbeit
Verantwortung: |
Prof. Dr. Marion Weissenberger-Eibl
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
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.
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.
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.
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“.
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.
Keine
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101328 | Innovative Konzepte zur Programmierung von Industrierobotern | 4 | Hein |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
(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.
Siehe Teilleistung
Verantwortung: |
Prof. Dr. Wilhelm Stork
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100961 | Integrierte Intelligente Sensoren | 3 | Stork |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Durch die Vorlesung soll den Studenten ein Einblick in das weite Feld der Anwendungsmöglichkeiten intelligenter Sensorsysteme und deren wirtschaftlicher Bedeutung vermittelt werden.
Die Studierenden
Kennen die wichtigsten Begriffe und Verfahren zur Entwicklung und Herstellung integrierter intelligenter Sensoren und können diese mit ihren Vor- und Nachteilen beurteilen.
Sind in der Lage, die gängigen Sensorprinzipien zu beschreiben.
Können geeignete Verfahren für die Erfassung unterschiedlicher physikalischer Größen mittels IIS auswählen.
Kennen die grundlegenden Verfahren zur Herstellung mikrosystemtechnischer Sensoren
Besitzen ein weitreichendes Verständnis über den Aufbau und die Funktionsweise von Mikrosystemtechnischen Sensoren.
Besitzen die Fähigkeit sich mit Experten der Sensortechnologie verständigen zu können.
Sind in der Lage, verschiedene Verfahren kritisch zu beurteilen.
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.
Die Modulnote ist die Note der mündlichen Prüfung.
1. Präsenzzeit in Vorlesungen, Übungen: 18 h
2. Vor-/Nachbereitung derselbigen: 24 h
3. Klausurvorbereitung und Präsenz in selbiger: 25h
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100972 | Integrierte Systeme und Schaltungen | 4 | Kempf |
Die Erfolgskontrolle findet im Rahmen einer schriftlichen Gesamtprüfung im Umfang von 60 Minuten statt.
keine
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.
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.
Die Modulnote ist die Note der schriftlichen Prüfung.
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
Der erfolgreiche Abschluss von LV 23655 (Elektronische Schaltungen) ist erforderlich, da das Modul auf dem Stoff und den Vorkenntnissen der genannten Lehrveranstaltung aufbaut.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101269 | Interaktive Computergrafik | 5 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
60h = Präsenzzeit
70h = Vor-/Nachbereitung
20h = Klausurvorbereitung
Vorkenntnisse aus der Vorlesung Computergrafik.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101337 | Internet of Everything | 4 | Zitterbart |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
4 LP entspricht ca. 120 Arbeitsstunden, davon
ca. 30 Std. Vorlesungsbesuch
ca. 60 Std. Vor-/Nachbereitung
ca. 30 Std. Prüfungsvorbereitung
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101286 | Introduction to Bioinformatics for Computer Scientists | 3 | Stamatakis |
Siehe Teilleistung
Siehe Teilleistung
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.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112818 | IT-Sicherheit | 6 | Müller-Quade, Wressnegger |
Siehe Teilleistung.
Siehe Teilleistung.
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
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
Präsenzzeit in der Vorlesung und Übung: 56 h
Vor-/Nachbereitung derselbigen: 56 h
Prüfungsvorbereitung und Präsenz in selbiger: 68 h
Der Besuch der Vorlesung Informationssicherheit wird empfohlen.
•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)
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101323 | IT-Sicherheitsmanagement für vernetzte Systeme | 5 | Hartenstein |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
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)
Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Maria Aksenovich
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105916 | Kombinatorik | 9 | Aksenovich |
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).
Keine
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.
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.
Die Modulnote ist Note der schriftlichen Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Kenntnisse aus den Vorlesungen Lineare Algebra 1 und 2 sowie Analysis 1 und 2 sind empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103014 | Komplexitätstheorie, mit Anwendungen in der Kryptographie | 6 | Hofheinz, Müller-Quade |
Siehe Teilleistung
Siehe Teilleistung
Der /die Studierende
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.
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-107499 | Kontextsensitive Systeme | 5 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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
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.
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
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111449 | Konzepte zur Verarbeitung geometrischer Daten | 3 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
Die Studierenden können geometrisch denken, beherrschen die Konzepte der klassischen Geometrien und wissen sie zur Bearbeitung praktischer geometrischer Fragestellungen einzusetzen.
Konzepte der klassischen Geometrien (darstellend, affin, euklidisch, projektiv, hyperbolisch) und spezielle vertiefende Themen wie verallgemeinerte baryzentrische Koordinaten, Gitter, rationale Kurven oder Verzahnungen.
Ohne Übung.
90 h
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110815 | Konzepte zur Verarbeitung geometrischer Daten | 5 | Prautzsch |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
150 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111261 | Kryptographische Protokolle | 5 | Geiselmann, Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
Der/die Studierende
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.
Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.
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
Der Inhalt des Moduls "Theoretische Grundlagen der Kryptographie" wird vorausgesetzt
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101279 | Kryptographische Wahlverfahren | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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
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.
Präsenzzeit in Vorlesungen: 22,5 h
Vor-/Nachbereitung derselbigen: 30 h
Prüfungsvorbereitung und Präsenz in selbiger: 37 h
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113668 | Künstliche Intelligenz & IT-Sicherheit | 6 | Wressnegger |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
• 58h Präsenzzeit
• 56h Vor- und Nachbereitungszeiten
• 66h Klausurvorbereitung
Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101374 | Kurven und Flächen im CAD I | 5 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102041 | Kurven und Flächen im CAD II | 5 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
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
Verantwortung: |
Prof. Dr. Olaf Dössel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Automation und Energienetze
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-101917 | Lineare Elektrische Netze | 7 | Dössel |
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.
keine
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.
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.
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.
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.
Unter den Arbeitsaufwand der LV Lineare Elektrische Netze fallen
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112360 | Logical Foundations of Cyber-Physical Systems | 6 | Platzer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Course web page: https://lfcps.org/course/lfcps.html
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
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101377 | Lokalisierung mobiler Agenten | 6 | Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101344 | Low Power Design | 3 | Henkel |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
90 h
Vorlesung 1.5h: 12 x 1.5 = 18hVorbereitung pro Vorlesung 2h: 12x2 = 24h
Vorbereitung Klausur 7 Tage: 7x8 = 56h
Gesamt: 98h
Siehe Teilleistung
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 |
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 |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
• 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.
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Der/die Studierende
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.
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.
Keine
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101385 | Maschinelle Übersetzung | 6 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111558 | Maschinelles Lernen - Grundlagen und Algorithmen | 6 | Neumann |
Siehe Teilleistung
Siehe Teilleistung.
- 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
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
180h, aufgeteilt in:
• ca 45h Vorlesungsbesuch
• ca 15h Übungsbesuch
• ca 90h Nachbearbeitung und Bearbeitung der Übungsblätter
• ca 30h Prüfungsvorbereitung
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110822 | Maschinelles Lernen für die Naturwissenschaften | 3 | Friederich |
T-INFO-111259 | Maschinelles Lernen für die Naturwissenschaften - Übung | 3 | Friederich |
Siehe Teilleistung.
Siehe Teilleistung.
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
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.
4 SWS: (2 SWS Vorlesung + 2 SWS Übung + 1,5 x 4 SWS Vor- und Nachbereitung) x 15 + 30 h Klausurvorbereitung
= 180 h
Verantwortung: |
Prof. Dr. Peter Sanders
Prof. Dr. Achim Streit
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Materialwissenschaften für dataintensives Rechnen
|
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 |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Verantwortung: |
PD Dr. Gudrun Thäter
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105889 | Mathematische Modellierung und Simulation in der Praxis | 5 | Thäter |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.
Keine
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
Mathematisches Denken (als Modellieren) und mathematische Techniken (als Handwerkszeug) treffen auf Anwendungsprobleme wie:
Die Modulnote ist die Note der mündlichen Prüfung.
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.
Gesamter Arbeitsaufwand: 120 Stunden
Präsenzzeit: 45 Stunden
Selbststudium: 75 Stunden
Numerische Mathematik 12 sowie Numerische Methoden für Differentialgleichungen bzw. vergleichbare HM-Vorlesungen werden empfohlen.
Hans-Joachim Bungartz e.a.: Modeling and Simulation: An Application-Oriented Introduction,
Springer, 2013
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Operations Research
|
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 |
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.
Pflicht ist mindestens eine der sechs Teilleistungen "Gemischt-ganzzahlige Optimierung I", "Multikriterielle Optimierung", "Konvexe Analysis", "Parametrische Optimierung", "Nichtlineare Optimierung I" und "Globale Optimierung I".
Der/die Studierende
Der Schwerpunkt des Moduls liegt auf der Vermittlung sowohl theoretischer Grundlagen als auch von Lösungsverfahren für Optimierungsprobleme mit kontinuierlichen und gemischt-ganzzahligen Entscheidungsvariablen.
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.
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.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Medienkunst
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104585 | Medienkunst | 18 |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Vor Semesterbeginn:
Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:
Insgesamt 18 ECTS:
2 Praxis-Seminare mit jeweils 150 Stunden
1 Theorie-Seminar 180 Stunden
1 Grundlagenkurs 60 Stunden
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
Ergänzungsfach / Medienkunst
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106264 | Medienkunst | 14 |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Vor Semesterbeginn:
Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:
Insgesamt 14 ETCS:
1 Praxis-Seminar
1 Theorie-Seminar
1 Grundlagenkurs
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101266 | Mensch-Maschine-Interaktion | 6 | Beigl |
T-INFO-106257 | Übungsschein Mensch-Maschine-Interaktion | 0 | Beigl |
Siehe Teilleistung
Siehe Teilleistung
Nach Abschluss der Veranstaltung können die Studierenden
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.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101361 | Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen | 3 | Beyerer, van de Camp |
Siehe Teilleistung.
Siehe Teilleistung.
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.
nhalt der Vorlesung ist Basiswissen für die Mensch-Maschine-Wechselwirkung als Teilgebiet der Arbeitswissenschaft:
Siehe Teilleistung.
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
|
Pflichtbestandteile | |||
---|---|---|---|
T-MACH-104745 | Grundlagen der Mess- und Regelungstechnik | 7 | Stiller |
Art der Prüfung: schriftliche Prüfung
Dauer der Prüfung: 150 Minuten
keine
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
Note der Prüfung
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.
84 Stunden Präsenzzeit, 126 Stunden Selbststudium.
Grundkenntnisse der Physik und Elektrotechnik, gewöhnliche lineare Differentialgleichungen, Laplace Transformation
Vorlesung
Übungen
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
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
Ergänzungsfach / Soziologie
|
Pflichtbestandteile | |||
---|---|---|---|
T-GEISTSOZ-104565 | Computergestützte Datenauswertung | 0 | Nollmann |
T-GEISTSOZ-109052 | Methodenanwendung (WiWi) | 9 | Nollmann |
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.
Verantwortung: |
Prof. Dr. Clemens Puppe
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Volkswirtschaftslehre
|
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 |
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.
Keine
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?
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“).
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.
Verantwortung: |
Prof. Dr. Wilhelm Stork
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100752 | Mikrosystemtechnik | 3 | Stork |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Die Studierenden
Kennen die wichtigsten Begriffe und Verfahren der Mikrosystemtechnik und können diese mit ihren Vor- und Nachteilen beurteilen.
Sind in der Lage, die gängigen Methoden und Werkzeuge zu beschreiben.
Können geeignete Verfahren für die Herstellung von Mikrosystemen auswählen.
Besitzen ein weitreichendes Verständnis über den Aufbau und die Funktionsweise von Mikrosystemtechnischen Sensoren.
Besitzen die Fähigkeit sich mit Experten der Mikrotechnologie verständigen zu können.
Sind in der Lage, verschiedene Verfahren der Mikrosystemtechnik kritisch zu beurteilen.
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.
Die Modulnote ist die Note der mündlichen Prüfung.
1. Präsenzzeit in Vorlesungen, Übungen: 18 h
2. Vor-/Nachbereitung derselbigen: 24 h
3. Klausurvorbereitung und Präsenz in selbiger: 25h
Verantwortung: |
Prof. Dr.-Ing. Peter Rost
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-112127 | Mobile Communications | 4 | Rost |
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.
none
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.
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.
Grade of the module corresponds to the grade of the oral exam.
In total: 120 h = 4 LP
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.
Verantwortung: |
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101322 | Mobilkommunikation | 4 | Waldhorst, Zitterbart |
Siehe Teilleistung
Siehe Teilleistung
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).
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.
4 LP entspricht ca. 120 Arbeitsstunden, davon
ca. 30 Std. Vorlesungsbesuch
ca. 60 Std. Vor-/Nachbereitung
ca. 30 Std. Prüfungsvorbereitung
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-WIWI-113414 | Modeling the Dynamics of Financial Markets | 9 | Ulrich |
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".
Dynamic Capital Market Theory:
Professional competence:
Interdisciplinary skills:
Essentials for Dynamic Financial Machine Learning:
Professional Competence:
Interdisciplinary skills:
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.
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.
Recommendation: Knowledge in the fields of Advanced Statistics, Deep Learning, Financial Economics, Differential Equations, Optimization.
The module consists of two weekly lectures and respective tutorials:
Exercises, Python, Research Frontier in Dynamic Capital Markets
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101278 | Modellgetriebene Software-Entwicklung | 3 | Reussner |
Siehe Teilleistung
Siehe Teillseitung
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.
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-105133 | Moderne Experimentalphysik II, Moleküle und Festkörper | 9 | Studiendekan Physik |
Siehe Bestandteile dieses Moduls
keine
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.
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.
240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen (150)
Lehrbücher der Molekülphysik und der Festkörperphysik
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Theoretische Physik (Pflichtbestandteil)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-103203 | Moderne Theoretische Physik für Lehramt - Vorleistung | 0 | Eder |
T-PHYS-103204 | Moderne Theoretische Physik für Lehramt | 9 | Eder |
Siehe Bestandteile dieses Moduls
keine
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.
240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (150)
Lehramt Physik: Module Klassische Theoretische Physik I und II.
Bei anderen Studiengängen entsprechende Module mit dem Inhalt klassischer Physik.
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Theoretische Physik (Wahlblock)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-106095 | Moderne Theoretische Physik II, Quantenmechanik 2 | 6 | Studiendekan Physik |
Siehe Bestandteile dieses Moduls
keine
Der/die Studierende erlernt die grundlegenden Konzepte der Quantenmechanik für Mehrteilchensysteme und der relativistischen Quantenmechanik, sowie die Grundlagen der Quantenfeldtheorie.
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.
180 Stunden bestehend aus Präsenzzeiten (75), Nachbereitung der Vorlesung und Vorbereitung der Übungen (105)
Lehrbücher der Quantenmechanik
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Theoretische Physik (Wahlblock)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-106096 | Moderne Theoretische Physik III, Statistische Physik | 8 | Studiendekan Physik |
Siehe Bestandteile dieses Moduls
keine
Der/die Studierende erlernt die grundlegenden Konzepte der Quantenstatistik und statistischen Thermodynamik.
Teil a:
Teil b:
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.
240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen (150)
Lehrbücher der Quantenmechanik und zur statistischen Physik
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Masterarbeit
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103589 | Masterarbeit | 30 | Neumann |
Siehe Teilleistung.
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105140 | Motion in Human and Machine - Seminar | 3 | Asfour |
Siehe Teilleistung.
Siehe Teillseistung
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.
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.
Das Blockpraktikum ist eine interdisziplinäre Veranstaltung in Kooperation mit der Universität Stuttgart und der Universität Heidelberg.
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
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101362 | Mustererkennung | 6 | Beyerer, Zander |
Siehe Teilleistung.
Siehe Teilleistung.
Merkmale:
Klassifikatoren:
Allgemeine Prinzipien:
Gesamt: ca. 180h, davon
Präsenzzeit Vorlesung 31h
Vor-Nachbereitung 40h
Präsenzzeit Übung 10h
Vorbereitung, Lösung der Übungsaufgaben, Nachbereitung 40h
Klausurvorbereitung und Präsenz 59h
Siehe Teilleistung.
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)
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-110697 | Nachrichtentechnik II / Communications Engineering II | 4 | Jäkel, Schmalen |
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
keine
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.
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
Die Modulnote ist die Note der schriftlichen Prüfung.
Module grade calculation
The module grade is the grade of the written exam
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.
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
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.
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-111232 | Nano- and Quantum Electronics | 6 | Kempf |
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.
none
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.
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.
The module grade is the grade of the written examination.
A workload of approx. 175h is required for the successful completion of the module. This is composed as follows:
Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101349 | Netze und Punktwolken | 3 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90h of which about
30h for attending the lecture
30h for post-processing
30h for exam preparation
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101319 | Netzsicherheit: Architekturen und Protokolle | 4 | Zitterbart |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
4 LP entspricht ca. 120 Arbeitsstunden, davon
ca. 30 Std. Vorlesungsbesuch
ca. 60 Std. Vor-/Nachbereitung
ca. 30 Std. Prüfungsvorbereitung
Siehe Teilleistung
Verantwortung: |
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101321 | Next Generation Internet | 4 | Bless, Zitterbart |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
4 LP entspricht ca. 120 Arbeitsstunden, davon
ca. 30 Std. Vorlesungsbesuch
ca. 60 Std. Vor-/Nachbereitung
ca. 30 Std. Prüfungsvorbereitung
Siehe Teilleistung
Verantwortung: |
Prof. Dr.-Ing. Sören Hohmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100980 | Nichtlineare Regelungssysteme | 3 | Kluwe |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten über die Lehrveranstaltung.
keine
- 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.
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.
Die Modulnote ist die Note der schriftlichen Prüfung.
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)
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.
Verantwortung: |
PD Dr. Bernhard Klar
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105873 | Nichtparametrische Statistik | 5 | Ebner, Fasen-Hartmann, Klar, Trabs |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).
Keine
Absolventinnen und Absolventen
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 120 Stunden
Präsenzzeit: 45 Stunden
Selbststudium: 75 Stunden
Die Inhalte des Moduls 'Wahrscheinlichkeitstheorie' werden dringend empfohlen. Das Modul 'Mathematische Statistik' wird empfohlen.
Verantwortung: |
Prof. Dr. Hartwig Anzt
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen |
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-107497 | Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern | 5 | Anzt |
Die Erfolgskontrolle erfolgt in Form von Übungsblättern, eines Projektvortrags von mindestens 30 Minuten Dauer und Evaluation der schriftlichen Ausarbeitung.
Keine
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
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.
Unterrichtssprache: Englisch
Gesamter Arbeitsaufwand: 150 Stunden
Präsenzzeit: 60 Stunden
Selbststudium: 90 Stunden
Kenntnisse in einer höheren Programmiersprache (C/C++, Java, Fortran).
Gute Kenntnisse in Numerik und Lineare Algebra.
Verantwortung: |
TT-Prof. Dr. Frederike Zufall
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Recht
|
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 |
Siehe Teilleistung.
Siehe Teilleistung
Der/die Studierende
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.
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.
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Kay Mitusch
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Volkswirtschaftslehre
|
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 |
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.
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.
Die Studierenden
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.
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.
Verantwortung: |
Prof. Dr. Stefan Nickel
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Operations Research
|
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 |
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.
Der/ die Studierende
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.
Einige Veranstaltungen werden unregelmäßig angeboten.
Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden
Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research vermittelt werden, werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Wilhelm Stork
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100676 | Optical Engineering | 4 | Stork |
Achievement will be examined in an oral examination (approx. 20 minutes).
none
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:
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)
The module grade is the grade of the oral exam.
total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and selfstudies
Solid mathematical background.
E. Hecht: Optics
J.W. Goodmann: Introduction to Fourier optics
K.K. Sharma: Optics - Principles and Applications
Verantwortung: |
Prof. Dr.-Ing. Sören Hohmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Automation und Energienetze
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-104594 | Optimale Regelung und Schätzung | 3 | Hohmann |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten) über die ausgewählte Lehrveranstaltung.
keine
- 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.
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.
Die Modulnote ist die Note der mündlichen Prüfung.
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)
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101367 | Optimierung und Synthese Eingebetteter Systeme (ES1) | 3 | Henkel |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Siehe Teilleistung
Verantwortung: |
Prof. Dr. Roland Griesmaier
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-106401 | Optimierungstheorie - Klausur | 9 | Arens, Griesmaier, Hettlich, Rieder, Wieners |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung von 120 Minuten Dauer.
Keine
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.
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)
Die Modulnote ist die Note der schriftlichen Prüfung.
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Lineare Algebra 1+2, Analysis 1+2
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110809 | Optimization Methods for Machine Learning and Engineering | 5 | Beyerer, Pfrommer |
Siehe Teilleistung.
Siehe Teilleistung.
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
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.
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
Verantwortung: |
Prof. Dr.-Ing. Sebastian Randel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
(EV ab 01.04.2025)
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-101907 | Optoelectronic Components | 4 | Randel |
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.
none
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
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:
The module grade is the grade of the oral exam.
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.
total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and self-studies
Minimal background required: Calculus, differential equations, Fourier transforms and p-n junction physics.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101333 | Parallele Algorithmen | 4 | Sanders |
T-INFO-111857 | Parallele Algorithmen Übung | 1 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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
Modelle und ihr Bezug zu realen Maschinen:
Analyse: Speedup, Effizienz, Skalierbarkeit
Grundlegende Techniken:
Konkrete Algorithmen (Beispiele)
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
Siehe Teilleistung
Verantwortung: |
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-102271 | Paralleles Rechnen | 5 | Krause, Wieners |
Prüfungsvorleistung: bestandenes Praktikum
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.
Keine
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
• 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
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 150 Stunden
Präsenzzeit: 60 Stunden
Selbststudium: 90 Stunden
Kenntnisse in einer höheren Programmiersprache (C++, Java, Fortran). Grundlagenkenntnisse in der numerischen Behandlung von Differentialgleichungen (Finite Differenzen oder Finite Elemente).
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101345 | Parallelrechner und Parallelprogrammierung | 4 | Streit |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111253 | Parametrisierte Algorithmen | 6 | Bläsius |
T-INFO-113717 | Parametrisierte Algorithmen - Übung | 0 | Bläsius |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113134 | Partizipative Technologiegestaltung | 6 | Gerling |
T-INFO-113135 | Partizipative Technologiegestaltung - Übung | 0 | Gerling |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-111237 | Physics, Technology and Applications of Thin Films | 4 | Kempf |
Oral examination of approximately 20 minutes
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.
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.
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).
The module grade is the grade of the oral exam.
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
Verantwortung: |
Prof. Dr. Werner Nahm
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-111815 | Physiologie und Anatomie für die Medizintechnik | 6 | Nahm |
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).
Die Module "M-ETIT-100390 - Physiologie und Anatomie I" und "M-ETIT-100391 - Physiologie und Anatomie II" dürfen nicht begonnen sein.
Nach dem Studium dieses Moduls
und können sie die Quellen von Biosignalen identifizieren und Verbindung zwischen physiologischen Parametern und physikalischen Messgrößen herleiten.
Nachhaltigkeits-Kompetenzziel: Die Studierenden haben ihren Lernprozess aktiv mitgestaltet.
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:
Organisationsebenen des Organismus
Bausteine des Lebens
Physiologie und Anatomie II (Sommersemester)
Die Vorlesung erweitert das vermittelte Wissen des ersten Teils der Vorlesung und stellt weitere Organsysteme des Menschen vor.
Themenblöcke:
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:
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.
Unter den Arbeitsaufwand fallen:
Gesamtaufwand ca. 180 Stunden = 6 LP
Winter-/Sommersemester:
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101341 | Power Management | 3 | Bellosa |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Siehe Teilleistung.
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102958 | Power Management Praktikum | 3 | Bellosa |
Siehe Teilleistung
Siehe Teilleistung
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.
Die Studierenden entwerfen Dateisysteme, Abrechnungsmechanismen, Drosselungsverfahren und evaluieren ihre Implementierung mit selbst instrumentierten Betriebssystemkernen auf Testrechnern.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113659 | Practical Course: AI for Climate and Weather Predictions | 6 | Nowack |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
• 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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113760 | Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) | 4 | Wressnegger |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
- 30h attendance time
- 70h Time to complete the exercises
- 15h Preparation of final presentation
- 5h attendance time (final event)
The basics of IT security and artificial intelligence are a prerequisite.
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
Ergänzungsfach / Biologically Inspired Robotics
|
Pflichtbestandteile | |||
---|---|---|---|
T-MACH-113854 | Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots | 6 | Rönnau |
SieheTeilleistung
Keine
Studierende sind in der Lage, biologisch inspirierte, mobile Roboter zu verstehen und deren Software zu erweitern.
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.
180h
• 30h wöchentliches Regeltreffen
• 120h Vor- und Nachbereitungszeiten
• 30h Präsentations- und Berichtvorbereitung
SieheTeilleistung
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104374 | Praktikum Algorithmentechnik | 6 | Bläsius, Ueckerdt |
siehe Teilleistung
siehe Teilleistung
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106289 | Praktikum Anwendungssicherheit | 4 | Geiselmann, Müller-Quade |
Siehe Teilleistung.
Siehe Teillesitung.
Qualifikationsziel:
Studierende sind in der Lage bei einer Programmanalyse sicherheitsrelevante Schwachstellen und Fehler zu erkennen und Korrekturen vorzuschlagen.
Lernziele:
Dieses Modul widmet sich Techniken zum Ausnutzen von Programmierfehlern und geläufigen Gegenmaßnahmen, etwa:
Präsenzzeit: 15 h
Lösen der Aufgaben: 75
Vorbereitung auf Prüfung: 30
(1 SWS + 5 SWS) x 15 + 30 h Klausurvorbereitung = 120 h
Verantwortung: |
Prof. Dr. Werner Nahm
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-101934 | Praktikum Biomedizinische Messtechnik | 6 | Nahm |
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.
Die erfolgreiche Teilnahme am Modul "Biomedizinische Messtechnik I" ist Voraussetzung.
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.
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
In die Modulnote gehen die Beurteilung der Versuchsprotokolle ein. Nähere Angaben erfolgen zu Beginn der Veranstaltung.
Unter den Arbeitsaufwand fallen:
Summe: 180 h
- 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
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106063 | Praktikum Dezentrale Systeme und Netzdienste | 4 | Hartenstein |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit: 2 SWS * 15 Vorlesungswochen
Praktische Arbeit: 70h
Vorbereitung Abschlusspräsentation + Präsentationstermine: 20h
Summe: 120h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105576 | Praktikum FPGA Programming | 3 | Tahoori |
Siehe Teilleistung.
Siehe Teileistung.
Studenten erlernen das Designen und Simulieren von digitalen Schaltungen mit FPGA.
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.
4 SWS / 3 ECTS = 180 h als Block/Woche
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-102289 | Praktikum Klassische Physik I | 6 | Simonis, Wolf |
Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.
keine
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.
Das Praktikum umfasst die Gebiete
Für das Praktikum wird keine Note vergeben.
Verpflichtende Teilnahme an der Vorbesprechung
180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)
Klassische Experimentalphysik I und II, Computergestützte Datenauswertung
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-102290 | Praktikum Klassische Physik II | 6 | Klute, Simonis, Wolf |
Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.
keine
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.
Das Praktikum umfasst die Gebiete
Für das Praktikum wird keine Note vergeben.
Verpflichtende Teilnahme an der Vorbesprechung und an der Strahlenschutzbelehrung.
180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)
Klassische Experimentalphysik I – III, Praktikum Klassische Physik I, Computergestützte Datenauswertung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102990 | Praktikum Kryptoanalyse | 3 | Müller-Quade |
Siehe Teilleistung
Siehe Teilleistung
Der/Die Studierende
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
Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich
Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102989 | Praktikum Kryptographie | 3 | Müller-Quade |
Siehe Teilleistung
Siehe Teilleistung
Der/Die Studierende
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.
Die Platze sind beschränkt. Eine Anmeldung per E-Mail an einen der Betreuer ist erforderlich.
Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h
Siehe Teilleistung
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103029 | Praktikum Modellgetriebene Software-Entwicklung | 6 | Reussner |
Siehe Teilleistung
Siehe Teilleistung
Studierende können
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.
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.
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100757 | Praktikum Nanoelektronik | 6 | Kempf |
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.
Keine
Prerequisites
none
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.
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.
Die Modulnote ergibt sich durch die Note der Abschlussberichts.
Module grade calculation
The module grade is the grade of the written report.
Zwei Wochen Block Praktikum in Vorlesungsfreier Zeit
Annotation
Two weeks block course in lecture-free time
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:
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104780 | Praktikum Natürlichsprachliche Dialogsysteme | 6 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
Der/Die
Studierende
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.
180 h
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103585 | Praktikum Praxis der Telematik | 3 | Zitterbart |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
3 ECTS:
- Zweiwöchentliche Laborversuche + Übungsblätter: 50h
- Abschlussprojekt + Endbericht:30h
Vorheriger oder paralleler Besuch der Vorlesung „Telematik“
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104386 | Praktikum Protocol Engineering | 4 | Zitterbart |
Siehe Teilleistung
Siehe Teilleistung
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.
Das semesterbegleitende Projekt behandelt die Standardisierung eines Internetprotokolls. Diese gliedert sich in Entwurf, Spezifikation, Implementierung und Interoperabilitätstest.
Konzeption + Spezifikation: 20h
Implementierung: 40h
Präsentation: 10h
Interoparabilitätstest + Nachbereitung: 10h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102991 | Praktikum Sicherheit | 4 | Müller-Quade |
Siehe Teilleistung
Siehe Teilleistung
Der/Die Studierende
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
Verantwortung: |
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100681 | Praktikum Software Engineering | 6 | Sax |
Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (Bewertungen) während des Labors sowie einer mündlichen Abschlussprüfung (20 min.). Der Gesamteindruck wird bewertet.
keine
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.
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.
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.
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
Kenntnisse in System-Design (z.B. LV 23605)
Softwareentwurf (z.B. LV 23611)
C++
Verantwortung: |
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100798 | Praktikum System-on-Chip | 6 | Becker, Peric |
Prüfungsleistungen anderer Art
keine
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).
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.
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.
Verantwortung: |
Prof. Dr. Achim Streit
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111803 | Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics | 6 | Streit |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
3 SWS, 150 h/Semester
Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109577 | Praktikum: Aktuelle Forschungsthemen der Computergrafik | 6 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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
Dieses Praktikum vermittelt Studierenden theoretische und praktische Aspekte von aktuellen Forschungsthemen am Lehrstuhl Computergrafik.
Präsenzzeit = 30h
Vor-/Nachbereitung = 150h
Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Wahlbereich Informatik
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112741 | Praktikum: Aktuelle Themen des Quantencomputings | 6 | Schaefer, Streit |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
- 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
- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112710 | Praktikum: Automotive Software Engineering | 6 | Schaefer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
• Paradigmen des System- und Softwareengineerings
• Modellierung
• Frameworks
• Software/System-Architekturen
• Muster in der Software-/Systementwicklung
• Technische Werkzeuge
• Praktische Anwendung der gelernten Konzepte
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
Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111262 | Praktikum: Data Science | 6 | Böhm |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h
Summe: 180h
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112844 | Praktikum: Data Science für die Wissenschaften | 6 | Böhm |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h
Summe: 180h
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112810 | Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften | 4 | Böhm |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
120h Gesamtaufwand
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105565 | Praktikum Digital Design & Test Automation Flow | 3 | Tahoori |
Siehe Teilleistung.
Siehe Teilleistung.
Studenten sollen lernen ihre eigenen Schaltungen zu designen und zu testen.
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.
4 SWS / 3 ECTS = 180 h als Block/Woche
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103208 | Praktikum: Diskrete Freiformflächen | 6 | Prautzsch |
Siehe Teilleistung
Siehe Teilleistung
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.
Current techniques to design, analyze and handle shapes given by point clouds and meshes for various applications.
180 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106992 | Praktikum: Effizientes paralleles C++ | 6 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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).
~ 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)
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111457 | Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren | 4 | Henkel |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113635 | Praktikum: Fine-grained Algorithm Design and Engineering | 6 | Künnemann |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
- Basic knowledge of algorithms and data structures is assumed.
- Knowledge of fine-grained complexity is helpful, but not required.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112209 | Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge | 6 | Schaefer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109914 | Praktikum: General-Purpose Computation on Graphics Processing Units | 3 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung
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.
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.
Präsenzzeit = 12h
Vor-/Nachbereitung = 78h
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103207 | Praktikum: Geometrisches Modellieren | 3 | Prautzsch |
Siehe Teilleistung
Siehe Teilleistung
The students of this course understand selected geometry modelling problems and are able to develop and implement algorithms for their solutions.
Current CAD-techniques to design, represent, modify and analyze shapes given as solids or by their boundary surfaces.
90 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112749 | Praktikum: Gestaltung und Evaluierung Interaktiver Systeme | 6 | Gerling |
Siehe Teilleistung.
Siehe Teilleistung.
• 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.
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).
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.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106580 | Praktikum: Graphenvisualisierung in der Praxis | 5 | Ueckerdt |
Siehe Teilleistung.
Siehe Teilleistung.
Nach erfolgreichem Abschluss des Moduls sollen die Studierenden
auswählen können, welche Algorithmen und Modelle zur
Lösung eines gegebenen Graphenvisualisierungsproblems geeignet sind und diese ggf. an eine konkrete Problemvariante anpassen;
sich eigenständig in Fachliteratur einarbeiten können;
im Team basierend auf den Techniken aus der Literatur neue Lösungsideen für die aktuelle Fragestellung des Graph Drawing Contests entwickeln, diskutieren und bewerten können;
im Team die eigenen Lösungsideen implementieren und ein Programm für die Wettbewerbsteilnahme entwickeln können;
die Arbeitsergebnisse in einem wissenschaftlichen Vortrag präsentieren können.
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.
150 h
~15h Präsenzzeit
~30h Einarbeitung
~90h Implementieren und Evaluieren
~15h Vorbereitung des Abschlussvortrags
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110872 | Praktikum: Graphics and Game Development | 6 | Dachsbacher |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
180h
Siehe Teilleistung
Spezielle Literatur, die per Aushang und in einer Vorbesprechung bekannt gegeben wird.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113393 | Praktikum: Human-Centred Robotics | 6 | Mombaur |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Begrenzte Anzahl von Projekten und Teilnehmern. Spezielle Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt.
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
Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind sehr hilfreich.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108791 | Praktikum Ingenieursmäßige Software-Entwicklung | 6 | Reussner |
Siehe Teilleistung.
Siehe Teilleistung.
Studierende können
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.
Der frühere Titel des Moduls lautete „Praktikum Software Quality Engineering mit Eclipse“.
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
Verantwortung: |
Prof. Dr. Rudolph Triebel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113407 | Praktikum: Intelligente Roboterperzeption | 3 | Triebel |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
Knowledge in C++ and / or Python are required.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-107493 | Praktikum: Internet of Things (IoT) | 4 | Henkel |
Siehe Teilleistung.
Keine
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.
(2 SWS +1.5*2 SWS)*10
+
55 h final project
+
15 h presentation & report
= 120 h = 4 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108323 | Praktikum: Low Power Design and Embedded Systems | 4 | Henkel |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
- 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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113394 | Praktikum: Movement and Technology | 6 | Mombaur |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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.
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
Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.
Programming skills.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Wahlbereich Informatik
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113122 | Praktikum: Neural Network Acceleration on FPGAs | 3 | Gnad, Tahoori |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
(2 SWS + 2 x 2 SWS) x 15 = 90h = 3 ECTS
Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109929 | Praktikum: Penetration Testing | 4 | Baumgart, Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit: 15 h
Lösen der Aufgaben: 75h
Erstellung Vortrag und Report: 30h
Gesamt: 120h
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.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102953 | Praktikum: Programmverifikation | 3 | Beckert |
Siehe Teilleistung
Siehe Teilleistung
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.
Im Praktikum soll das aus Vorlesungen zu Themen der Programmverifikation erlernte Wissen in die Praxis umgesetzt und vertieft werden.
* 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)
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113737 | Praktikum: Realtime Computer Graphics | 6 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
30h = Präsenzzeit
150h = Vor-/Nachbereitung
Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113350 | Praktikum: Real-world Vulnerability Discovery and Exploits | 4 | Wressnegger |
Siehe Teilleistung.
Siehe Teilleistung.
← Students know and understand exploitation techniques.
← Students are able to independently research software vulnerabilities.
← Students are comfortable engaging with software vendors in vulnerability disclosure.
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.
• 2h Präsenzzeit/ Woche (Vorträge)
• 5h Projektarbeit/ Woche
• 10h Vorbereitung Abschlusspräsentation
• 5h Präsenzzeit (Abschlussveranstaltung)
Insgesamt 120h
Praktikum Anwendungssicherheit
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113443 | Praktikum: Rendering in CGI | 6 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
30h = Präsenzzeit
150h = Vor-/Nachbereitung
Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113442 | Praktikum: Scientific Visualization | 6 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
30h = Präsenzzeit
150h = Vor-/Nachbereitung
Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110990 | Praktikum: Security, Usability and Society | 4 | Geiselmann, Strufe |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
Präsenzzeit: 15 h
Lösen der Aufgaben: 75
Erstellung Vortrag und Report: 30
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106426 | Praktikum: Smart Data Analytics | 6 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
Nach Abschluss des Praktikums können die Studierenden
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.
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
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Veit Hagenmeyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik Ergänzungsfach / Automation und Energienetze |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112030 | Praktikum: Smart Energy System Lab | 6 | Waczowicz |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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)
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
• 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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112175 | Praktikum: Sprachübersetzung | 6 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
180h
Ca. 15h Präsenz
Ca. 15h Vor/Nachbearbeitung
Ca. 140h Selbststudium
Ca. 10h Vorbereitung wissenschaftlicher Vortrag
Die Studentinnen und Studenten sollten die theoretischen Grundlagen wie sie in den Vorlesungen Deep Learning oder Maschinelle Übersetzung eingeführt werden, verstanden haben.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111454 | Praktikum: Unterteilungsalgorithmen | 3 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
The students of this course know several subdivision algorithms for arbitrary meshes and are able to develop and implement efficient algorithms for their solutions.
Subdivision algorithms to generate arbitrary free form surfaces from control meshes.
90 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103000 | Praktikum: Visual Computing | 6 | Dachsbacher |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Präsenzzeit = 30h
Vor-/Nachbereitung = 150h
Programmierkenntnisse in C/C++ werden empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103121 | Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) | 5 | Abeck |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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)
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109925 | Praktikum: Werkzeuge für Agile Modellierung | 6 | Koziolek |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Solide Programmierkenntnisse sind benötigt, um mit dem angegebenen Arbeitsaufwand das Praktikum erfolgreich zu absolvieren.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108920 | Praktische Einführung in die Hardware Sicherheit | 6 | Tahoori |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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)
4 SWS / 6 ECTS = 180h
2 SWS Vorlesung (1,5h) + 2 SWS Übung (1,5h) / wöchentlich
Kenntnisse in „Digitaltechnik“ (Vorlesung Technische Informatik)
Praktikum „FPGA Programming“
Verantwortung: |
Prof. Dr. Michael Schefczyk
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
Ergänzungsfach / Philosophie (Wahlpflichtfach)
|
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 |
Das Bestehen der Studienleistungen in den Veranstaltungen sowie das Bestehen der Modulprüfung.
Die Module Ars Rationalis und Grundlagen der Geschichtswissenschaft müssen für die Anmeldung zur Modulprüfung bestanden sein.
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.
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.
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.
Zur Entzerrung der Prüfungsbelastung wird empfohlen, mit den Vorbereitungen der Hausarbeit bereits nach Ende der Vorlesungszeit des Wintersemesters zu beginnen.
Verantwortung: |
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Überfachliche Qualifikationen
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110211 | Praxis der Forschung (Methoden, 1. Semester) | 2 | Beckert |
s. Teilleistung
s. Teilleistung
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 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.
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.
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)
Verantwortung: |
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Überfachliche Qualifikationen
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110212 | Praxis der Forschung (Methoden, 2. Semester) | 2 | Beckert |
s. Teilleistung
s. Teilleistung
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 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.
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.
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)
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 |
Siehe Teilleistung
Siehe Teilleistung
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 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.
- 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).
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)
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 |
Siehe Teilleistung
Siehe Teilleistung
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 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.
- 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).
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)
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110989 | Privacy Enhancing Technologies | 6 | Geiselmann, Strufe |
Siehe Teilleistung.
Siehe Teilleistung.
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
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
Verantwortung: |
Dr.-Ing. Manfred Nolle
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-109148 | Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen | 4 | Nolle |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten.
keine
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.
Die Vorlesung vermittelt:
mit Hinweisen zu den spezifischen Herausforderung bzgl. Sicherheit
Beispielhaft dargestellt und erläutert für die Entwicklung von Produkten für sicherkritische Anwendungen.
Übungen, in denen die erworbenen Kenntnisse angewandt und vertieft werden:
Die Modulnote ist die Note der schriftlichen Prüfung.
Unter den Arbeitsaufwand fallen:
1. Präsenzzeit in Vorlesungen, Übungen: 45h
2. Vor-/Nachbereitung der selbigen: 30h
3. Klausurvorbereitung und -teilnahme: 45h
Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104746 | Projektpraktikum Bildauswertung und -fusion | 6 | Beyerer |
siehe Teilleistung
siehe Teilleistung
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.
ca. 180 h, davon:
1. Präsenzzeit in Praktikumsbesprechungen: 12h
2. Vor-/Nachbereitung derselben: 18h
3. Bearbeitung des Themas und schriftliche Ausarbeitung: 150h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105943 | Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion | 6 | Stiefelhagen |
Siehe Teillestung
siehe Teilleistung
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.
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/
180h
siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108447 | Projektpraktikum Heterogeneous Computing | 6 | Karl |
Siehe Teilleistung.
Keine
Die Studierenden
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.
4 SWS Anwesenheit + 2x4 SWS zur Projektbearbeitung, Erstellung einer Ausarbeitung und eines Vortrags: (4SWS + 2x4SWS) x 15 = 180h
Kenntnisse im Umgang mit CUDA, OpenCL und OpenMP sind hilfreich aber nicht erforderlich. Zudem sind Kenntnisse aus dem Bereich der Rechnerstrukturen sinnvoll.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104545 | Projektpraktikum Robotik und Automation I (Software) | 6 | Hein, Längle |
Siehe Teilleistung.
Siehe Teilleistung.
- 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
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.
(4 SWS + 2 x 4 SWS) x 15 = 180 h/30 = 6 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104552 | Projektpraktikum Robotik und Automation II (Hardware) | 6 | Hein, Längle |
Siehe Teilleistung.
Siehe Teilleistung.
- 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
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.
(4 SWS + 2 x 4 SWS) x 15 = 180 h/30 = 6 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111590 | Projektpraktikum: Humanoide Roboter | 6 | Asfour |
Siehe Teilleistung.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112104 | Projektpraktikum: Maschinelles Lernen und intelligente Systeme | 8 | Fennel, Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
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).
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
240 Stunden
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103587 | Projektpraktikum: Softwarebasierte Netze | 6 | Zitterbart |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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!
Verantwortung: |
Prof. Dr.-Ing. Laurent Schmalen
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-110673 | Quellencodierung | 3 | Schmalen |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
Kenntnis der grundlegenden Ingenieurmathematik inklusive Integraltransformationen und Wahrscheinlichkeitstheorie sowie Grundlagenwissen über die Nachrichtentechnik.
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
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.
Die Modulnote ist die Note der mündlichen Prüfung.
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
Vorheriger Besuch der Vorlesung "Nachrichtentechnik I“, "Wahrscheinlichkeitstheorie“ sowie "Signale und Systeme“ wird empfohlen. Kenntnisse aus den Vorlesungen "Angewandte Informationstheorie“ sind hilfreich, aber nicht notwendig.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113082 | Randomisierte Algorithmik | 5 | Bläsius, Katzmann, Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113136 | Rational Curves and Surfaces for Geometric Design | 3 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
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.
• 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
90h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101355 | Rechnerstrukturen | 6 | Karl |
Siehe Teilleistung
Siehe Teilleistung
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.
Der Inhalt umfasst:
((4 + 1,5*4) * 15 + 15) / 30 = 165 /30 = 5,5 = 6 ECTS
Siehe Teilleistung
Verantwortung: |
N.N.
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Recht
|
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 |
siehe Teilleistungen
Keine
Der/die Studierende
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.
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.
Verantwortung: |
N.N.
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Ergänzungsfach / Recht
|
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 |
Siehe Teilleistung
Siehe Teilleistung
Der/die Studierende
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.
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.
Verantwortung: |
Prof. Dr.-Ing. Sören Hohmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100666 | Regelung linearer Mehrgrößensysteme | 6 | Kluwe |
Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.
keine
- 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.
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.
Die Modulnote ist die Note der schriftlichen Prüfung.
Unter den Arbeitsaufwand fallen
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111255 | Reinforcement Learning | 6 | Lioutikov, Neumann |
Siehe Teilleistung.
Siehe Teilleistung.
- 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
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
180h, aufgeteilt in:
· ca 45h Vorlesungsbesuch
· ca 15h Übungsbesuch
· ca 90h Nachbearbeitung und Bearbeitung der Übungsblätter
ca 30h Prüfungsvorbereitung
1) Der Vorlesungsinhalt von Maschinelles Lernen – Grundverfahren wird vorausgesetzt
2) Gute Python Kenntnisse erforderlich
3) Gute mathematische Grundkenntnisse
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101387 | Reliable Computing I | 3 | Tahoori |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113400 | Research Focus Class: Blockchain & Cryptocurrencies | 3 | Hartenstein |
T-INFO-113401 | Research Focus Class: Blockchain & Cryptocurrencies - Seminar | 3 | Hartenstein |
Siehe Teilleistung.
Siehe Teilleistung.
• 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.
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.
Die Plätze sind beschränkt. Ein Link zur Anmeldung wird zeitnah auf der Website des Lehrstuhls (https://www.dsn.kastel.kit.edu/teaching.php) veröffentlicht.
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)
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113765 | Research Project: Machine Learning for Autonomous Agents and Decision Making | 6 | Neumann |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
Workload: 180h
Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h
- 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.
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) |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113674 | Research Seminar in Selected Topics in Statistical Learning and Data Science | 3 | Klein |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
• 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.
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.
90h
Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111209 | Resilient Networking | 6 | Strufe |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Kenntnisse zu Grundlagen aus Kryptographie und Computernetze sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105107 | Roboterpraktikum | 6 | Asfour |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108014 | Robotik I - Einführung in die Robotik | 6 | Asfour |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105723 | Robotik II - Humanoide Robotik | 3 | Asfour |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
Having visited the lectures on Robotics I - Introduction to Robotics and Mechano-Informatics and Robotics is recommended.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109931 | Robotik III – Sensoren und Perzeption in der Robotik | 3 | Asfour |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Der Besuch der Vorlesung Robotik I – Einführung in die Robotik wird empfohlen.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105798 | SAT Solving in der Praxis | 5 | Balyo, Iser, Sanders, Schreiber |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
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
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Überfachliche Qualifikationen
|
Siehe Teilleistungen
Siehe Teilleistungen
Lernziele lassen sich in in drei Hauptkategorien einteilen, die sich wechselseitig ergänzen:
1. Orientierungswissen
2. Praxisorientierung
3. Basiskompetenzen
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.
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111568 | Scientific Methods to Design and Analyze Secure Decentralized Systems | 5 | Hartenstein |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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.
Verantwortung: |
Prof. Dr. Corinna Hoose
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Meteorologie
|
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 |
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
Keine
Depending on their choice students can
explain essential aspects of application aspects of meteorology and assign them to specific application areas. They are capable to describe the functionality of a modern weather forecasting system in detail and can predict the potential for extreme events and their impact on the population and the insurance industry depending on the region and the season. The students are capable of using weather information to derive levels of air pollution and of yields of renewable energy. They can analyse meteorological data using statistical and computer-based methods.
explain the functionality of modern meteorological measuring methods and measuring principles and name their possible uses. This is especially true for remote sensing, advanced in-situ, trace gas and aerosol measurements. The students can build and execute experiments in the lab or in the field according to instructions, to record and scientifically evaluate data and then interpret and present the results.
explain essential components of the climate system and their physical properties as well as causes of climate change. Students can know systems for climate monitoring and understand how climate models work. The students can designate essential processes in the atmosphere and ocean, and explain them using physical and chemical laws. They can analyze and interpret climate and weather data based on diagnostic methods. In addition, they can expertly present and discuss learned or self-developed scientific findings.
name essential processes in the atmosphere and explain these using physical and chemical laws. In particular, students are capable of explaining the structure and dynamics of different cloud systems and of estimating the microphysical processes in clouds or calculating them directly for idealized conditions. In addition, the students are capable of mathematically evaluating the radiation transport in the atmosphere and of describing the importance of radiation processes for the structure of the atmosphere, for climate change and for the measurement of different atmospheric variables. They can also explain the chemical structure and the composition of the aerosols in the troposphere and the stratosphere based on atmospheric physico-chemical processes and transformations. The students can explain the chemical and physical causes of the stratospheric ozone hole and its future development, can describe and classify the main aerosol-cloud processes and are capable of reproducing the main points of the Köhler theory and the classical nucleation theory.
This module aims to give students of other master programs an insight into various areas of meteorology:
Applications of meteorology such as weather forecasting (T-PHYS-109139) and warning (T-PHYS-109140), insurance and energy industry (T-PHYS-109141), data analysis (T-PHYS-109142) and air quality (T-PHYS-108610).
Experimental modern measurement methods in meteorology such as satellite remote sensing (T-PHYS-109133).
Components of the climate system such as the tropics (T-PHYS-107693), the ocean (T-PHYS-108932), the arctic (T-PHYS-111273) and the middle atmosphere (T-PHYS-8931) and their physical and chemical backgrounds as well as modelling their temporal and spatial changes with ICON (T-PHYS-108928) and analysing general climate dynamics and changes (T-PHYS-107692).
Physical and chemical processes in the atmopshere such as cloud physics (T-PHYS-107694), radiation (T-PHYS-107696), aerosols (T-PHYS-8938) and atmospheric energetics (T-PHYS-107695).
Formation and properties of planets and their atmospheres in our solar system applying fundamental principles of physics.
Grade of he Oral Exam.
420 hours composed of
Basic knowledge in Physics, Physical Chemistry and Fluid Dynamics at BSc level
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105653 | Seminar Advanced Topics in Machine Translation | 3 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90h
Vorkenntnisse aus der Vorlesung „Maschinelle Übersetzung“ sind von Vorteil.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108313 | Seminar Ausgewählte Kapitel der Rechnerarchitektur | 3 | Karl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
30 h Literaturrecherche + 40 h Schreiben der Ausarbeitung + 20 h Vorbereitung und Erstellung der Präsentation = 90 h = 3 ECTS
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101386 | Seminar Betriebssysteme für Fortgeschrittene | 3 | Bellosa |
T-INFO-106276 | Betriebssysteme für Fortgeschrittene | 3 | Bellosa |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Alle Gebiete der Betriebssystemforschung werden berücksichtigt wie Einplanungsverfahren, Speicherverwaltung, Hintergrundspeicher, Ein-/Ausgabe und Virtualisierung.
60 h = 4 SWS * 15 Präsenz
90 h Nachbereitung
30 h Prüfungsvorbereitung
180 h = 6 ECTS
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104743 | Seminar Bildauswertung und -fusion | 3 | Beyerer |
siehe Teilleistung
siehe Teilleistung
Das Seminar hat zum Ziel, aktuelle und innovative Methoden sowie Anwendungen der Bildauswertung und -fusion zu erarbeiten.
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
siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104741 | Seminar Computer Vision für Mensch-Maschine-Schnittstellen | 3 | Stiefelhagen |
siehe Teilleistung
siehe Teilleistung
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.
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).
90 h
siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105577 | Seminar Dependable Computing | 3 | Tahoori |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90 h als Block/Woche
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106064 | Seminar Dezentrale Systeme und Netzdienste | 3 | Hartenstein |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Auftaktveranstaltungen: 4h
Treffen mit dem Betreuer: 4h
Präsentationstermine: 8h
Literaturrecherche: 25h
Verfassen der Ausarbeitung und Vorbereitung der Präsentation: 50h
Summe: 91h
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103196 | Seminar Geometrieverarbeitung | 3 | Prautzsch |
Siehe Teilleistung
Siehe Teilleistung
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.
Current research topics in Geometry Processing, Computer Aided Geometric Design and Applied Geometry.
90 h thereof approx.
30h for attending the seminar
30h for familiarization with a topic
30h for the preparation of a presentation
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101283 | Seminar Hot Topics in Networking | 3 | Zitterbart |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden).
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103456 | Seminar Informationssysteme | 3 | Böhm |
Siehe Teilleistung
Siehe Teilleistung
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.
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).
Summe = 90h (3 ECTS)
Zum Thema des Seminars passende Vorlesungen des Lehrstuhls für Systeme der Informationsverwaltung werden dringend empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104526 | Seminar Intelligente Industrieroboter | 3 | Hein |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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).
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Vortragsvorbereitung = 90 h/30 = 3 ECTS
Verantwortung: |
Prof. Dr. Hannes Hartenstein
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103586 | Seminar Internet und Gesellschaft - gesellschaftliche Werte und technische Umsetzung | 3 | Barczak, Hartenstein, Zitterbart |
Siehe Teilleistung.
Siehe Teilleistung.
Literaturstudium: 20h
Erstellen und Verbessern der Ausarbeitung: 40h
Erstellen und Halten des Vortrags: 18h
Präsenz im Blockseminar: 12h
Summe: 90h = 3 ECTS
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102992 | Seminar Kryptographie | 3 | Hofheinz, Müller-Quade |
Siehe Teilleistung
Siehe Teilleistung
Der/Die Studierende
Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Kryptographie. Dies sind z.B.
· kryptographische Protokolle;
· beweisbare Sicherheit;
· Neue Public-Key Verfahren;
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-107687 | Seminar Kryptographie 2 | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Kryptographie.
Dies sind z.B.
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h
Grundlagen der IT-Sicherheit werden vorausgesetzt.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105579 | Seminar Near Threshold Computing | 3 | Tahoori |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
90 h als Block/Woche
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105935 | Seminar Non-volatile Memory Technologies | 3 | Tahoori |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90 h als Block/Woche
Verantwortung: |
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110597 | Seminar Privacy und Technischer Datenschutz | 4 | Strufe |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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 Präsenzzeit im Seminar: 10h
Recherche und Erstellen einer Ausarbeitung: 75h
Begutachtung und Kommentierung der vorläufigen Ausarbeitungen von Kommilitonen: 5h
Vorbereiten des Vortrags: 30h
Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102993 | Seminar Sicherheit | 4 | Müller-Quade |
Siehe Teilleistung
Siehe Teilleistung
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.
Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Computersicherheit. Dies sind z.B.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-108324 | Seminar Sicherheit 2 | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Das Seminar behandelt wechselnde aktuelle Themen aus dem Forschungsgebiet der Computersicherheit.
Dies sind z.B.
· Seitenkanal Angriffe;
· Netzwerksicherheit;
· Kommunikationsprotokolle;
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h
Grundlagen der IT-Sicherheit sollten bekannt sein.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106579 | Seminar Software-Architektur, Sicherheit und Datenschutz | 4 | Reussner |
Siehe Teilleitung.
Siehe Teilleidtung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104781 | Seminar Sprach-zu-Sprach-Übersetzung | 3 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112105 | Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme | 3 | Fennel, Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
90 Stunden
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106112 | Seminar: Designing and Conducting Experimental Studies | 4 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111837 | Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics | 4 | Streit |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
120 h
Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111384 | Seminar: Aktuelle Forschungsthemen in der Computergrafik | 3 | Dachsbacher |
Siehe Teilleistung.
Keine.
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.
Aktuelle Forschungsgebiete der Computergrafik.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102044 | Seminar Aktuelle Highlights der Algorithmentechnik | 4 | Bläsius, Sanders, Ueckerdt |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112312 | Seminar: Algorithm Engineering | 4 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Kenntnisse in der Algorithmik sind von Vorteil. Beispielhafte Vorlesungen sind Algorithmen I, Algorithmen II, Algorithm Engineering und Parallele Algorithmen.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102952 | Seminar: Anwendung Formaler Verifikation | 3 | Beckert |
Siehe Teilleistung
Siehe Teilleistung
Studierende können:
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).
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
Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113132 | Seminar: Applications and Extensions of Timed Systems | 4 | Schwammberger |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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)
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113110 | Seminar: Artificial Intelligence for Energy Systems | 4 | Schäfer |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
• 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.
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.
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
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112922 | Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen | 3 | Mombaur |
Siehe Teilleistung.
Siehe Teilleistung.
• 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.
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.
Es wird erwartetet, dass Studierende an allen angekündigten Präsenztermine teilnehmen.
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
Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111201 | Seminar: Ausgewählte Themen der Public-Key-Kryptographie | 3 |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h
Grundlagen der IT-Sicherheit werden vorausgesetzt.
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Systemarchitektur
Vertiefungsfach 2 / Systemarchitektur Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-102956 | Seminar: Betriebssysteme | 3 | Bellosa |
Siehe Teilleistung
Siehe Teilleistung
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.
Das Seminar widmet sich einem aktuellen Gebiet der Betriebssystemforschung.
30 h = 2 SWS * 15 Präsenz
30 h Vorbereitung
10 h Präsentation
20 h Ausarbeitung
90 h = 3 ECTS
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
Ergänzungsfach / Biologically Inspired Robotics
|
Pflichtbestandteile | |||
---|---|---|---|
T-MACH-113842 | Seminar: Bionic Algorithms and Robot Technologies | 3 | Rönnau |
Siehe Teilleistung
Keine
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.
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.
90h Arbeitsaufwand
• Literaturrecherche: 24h
• Ausarbeitung der Seminararbeit: 40h
• Vorbereitung der Abschlusspräsentation: 16h
• Präsenzzeit: Kickoff, Präsentation und Diskussion sowie Treffen mit Betreuern: 10h
Der Besuch der Vorlesung "Biologically Inspired Robots" ist hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110794 | Seminar: Continuous Software Engineering | 4 | Koziolek |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111559 | Seminar: Deep Learning in der Robotik | 3 | Neumann |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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 = 90 h = 3 ECTS
Präsenzzeit: 15h
Selbststudium: 45h
Scientific Report schreiben: 20h
Präsentation vorbereiten: 10h
Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111832 | Seminar: Digitale Barrierefreiheit und Assistive Technologien | 3 | Stiefelhagen |
siehe Teilleistung
siehe Teilleistung
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.
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:
(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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103116 | Seminar: Eingebettete Systeme | 3 | Henkel |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106745 | Seminar: Eingebettete Systeme II | 3 | Henkel |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Dies ist identisch mit dem Modul 'Seminare: Eingebettete Systeme I' und ermöglicht die Teilnahme an einem zweitem Seminar am CES Lehrstuhl.
90 h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106270 | Seminar: Energieinformatik | 4 | Hagenmeyer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110905 | Seminar: E-Voting | 3 | Beckert, Geiselmann |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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.
Summe: 90 Stunden (= 3 Leistungspunkte)
Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113115 | Seminar: Explainable Artificial Intelligence | 3 | Lioutikov |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.
Arbeitsaufwand = 90 h = 3 ECTS
• Präsenzzeit: 15h
• Selbststudium: 45h
• Scientific Report schreiben: 20h
• Präsentation vorbereiten: 10h
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113398 | Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society | 3 | Bruno |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110046 | Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik | 3 | Beckert |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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:
Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.
Summe: 90 Stunden (= 3 Leistungspunkte)
Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113392 | Seminar: Fine-Grained Complexity Theory & Algorithms | 4 | Künnemann |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113284 | Seminar: Forschungstrends in der Mensch-Maschine-Interaktion | 3 | Gerling |
Siehe Teilleistung.
Siehe Teilleistung.
• 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.
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.
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.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105664 | Seminar: Fortgeschrittene Algorithmen in der Computergrafik | 3 | Dachsbacher |
Siehe Teilleistung.
Keine.
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.
Aktuelle Forschungsgebiete der Computergrafik.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112311 | Seminar: Fortgeschrittene Themen zu SAT Solving | 3 | Iser, Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Kenntnisse zu Grundlagen aus „SAT Solving in der Praxis“ sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105128 | Seminar Graphenalgorithmen | 4 | Ueckerdt |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113761 | Seminar: Hot Topics in Artificial Intelligence & Security 1 | 4 | Wressnegger |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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
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.
- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time
The basics of IT security and artificial intelligence are a prerequisite.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113762 | Seminar: Hot Topics in Artificial Intelligence & Security 2 | 4 | Wressnegger |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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
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.
- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time
The basics of IT security and artificial intelligence are a prerequisite.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101287 | Seminar: Hot Topics in Bioinformatics | 3 | Stamatakis |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109922 | Seminar: Hot Topics in Decentralized Systems | 3 | Hartenstein |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Auftaktveranstaltungen: 4h
Treffen mit dem Betreuer: 4h
Präsentationstermine: 8h
Literaturrecherche: 25h
Verfassen der Ausarbeitung und Vorbereitung der Präsentation: 50h
Summe: 91h = 3 ECTS-Punkte
Kenntnisse zu Grundlagen aus IT-Sicherheitsmanagement für vernetzte Systeme und dem Stammmodul Sicherheit sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112917 | Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) | 4 | Wressnegger |
Siehe Teilleistung.
Siehe Teilelsitung.
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.
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.
- 24h Literaturrecherche
- 48h Ausarbeitung der Seminararbeit
- 24h Begutachtung der vorläufigen Arbeiten von Kommilitonen
- 16h Vorbereitung Abschlusspräsentation
- 8h Präsenzzeit
Insgesamt 120h
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113116 | Seminar: Human-Robot Interaction | 3 | Bruno |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Wahlbereich Informatik
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110808 | Seminar: Informatik TECO | 3 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112773 | Seminar: Interactive Learning | 3 | Lioutikov |
Siehe Teilleistung.
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.
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.
Siehe Teilleistung.
Arbeitsaufwand = 90 h = 3 ECTS
• Präsenzzeit: 15hr
• Selbststudium: 45h
• Scientific Report schreiben: 20h
• Präsentation vorbereiten: 10h
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112920 | Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen | 3 | Stühmer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90h
Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109930 | Seminar: Kann Statistik Ursachen beweisen? | 3 |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h
Gesamt: 90 h
Kenntnisse in Grundlagen der Stochastik sind hilfreich.
Aufgeschlossenheit gegenüber neuen mathematischen Terminologien wird erwartet
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Wahlbereich Informatik
|
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112881 | Seminar: KI Systems Engineering | 4 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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 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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111500 | Seminar: Kritische Betrachtung der künstlichen Intelligenz | 3 | Friederich |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Insgesamt 90 h, davon:
Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111916 | Seminar: Kritische Fragestellungen der Künstlichen Intelligenz | 3 | Friederich |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Insgesamt 90 h, davon:
Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110823 | Seminar: Kryptoanalyse | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 45 h
Entwerfen und Erstellen des Vortrags: 30 h
Grundlagen der IT-Sicherheit werden vorausgesetzt.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113519 | Seminar: Machine Learning in Climate and Environmental Sciences | 3 | Nowack |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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
• An interest in climate and environmental sciences topics is a prerequisite.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113399 | Seminar: Multimodal Large Language Models | 3 | Stiefelhagen |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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.
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)
Knowledge of deep learning in general and natural language processing is helpful.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111321 | Seminar: Natural Language Models | 3 | Koziolek |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111854 | Seminar: Nutzeradaptive Systeme | 3 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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/)
90 Stunden
Prerequisites Strong analytical abilities and profound software development skills are required.
Literature required literature will be made available in the seminar."
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112748 | Seminar: Partizipative Technologiegestaltung | 3 | Gerling |
Siehe Teilleistung
Siehe Teilleistung.
• 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.
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.
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.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111200 | Seminar: Post-Quantum Cryptography | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit in Seminar: 15 h
Erstellen der Ausarbeitung: 30 h
Entwerfen und Erstellen des Vortrags: 45 h
Grundlagen der IT-Sicherheit sowie der Kryptographie sollten vorhanden sein.
Verantwortung: |
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112916 | Seminar: Privatsphäre und Sicherheit | 4 | Strufe |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
Präsenzzeit im Seminar: 10h
Recherche und Erstellen einer Ausarbeitung: 75h
Begutachtung und Kommentierung der vorläufigen Ausarbeitungen von Kommilitonen: 5h
Vorbereiten des Vortrags: 30h
Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-106604 | Seminar: Proofs from THE BOOK | 3 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Ca 20h Anwesenheit
Ca 60h Vorbereitung
Ca 10h Nachbereitung
Das Buch ist im KIT-Netz zugänglich, ein kurzer Blick hinein ist vor Anmeldung ratsam
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110904 | Seminar: Quantum Information Theory | 3 | Geiselmann, Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
• Grundlagen der Quanteninformationstheorie
• Formalismus zum Umgang mit Quantensystem
• „Quirk“
• Wichtige Quantenproleme und Algorithmen
• Quantenschlüsselaustausch
• Quantum Walks
Präsenzzeit im Seminar: 18h
Vor-/Nachbereitung derselbigen: 12h
Ausarbeitung eines Vortrages: 30h
Ausarbeitung schriftlicher Prüfungsleistung: 30h
Studierende sollten mit den Inhalten des Moduls "Lineare Algebra 1 und 2", sowie den Grundlagen der IT-Sicherheit vertraut sein.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112740 | Seminar: Recent Topics of Machine Learning in Materials Science and Chemistry | 3 | Friederich |
See partial achivements (Teilleistung)
Basic knowledge in AI and Machine Learning, e.g.
BA Informatics: Introduction to artificial intelligence
• 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.
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.
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
Participation in Machine Learning for Natural Sciences (M-INFO-105630) or other advanced machine learning lectures
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110862 | Seminar: Robot Reinforcement Learning | 3 | Neumann |
See partial achievement (Teilleistung).
See partial achievement (Teilleistung).
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.
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 = 90 h = 3 ECTS
Der Besuch der Vorlesung „Maschinelles Lernen 1 – Grundverfahren“ ist empfehlenswert.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-110810 | Seminar: Scalable Parallel Graph Algorithms | 4 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
4 LP entspricht ca. 120 Arbeitsstunden, davon
Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik sowie Parallele Algorithmen sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111501 | Seminar: Secure Multiparty Computation | 3 | Müller-Quade |
Siehe Teilleistung.
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.
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.
Präsenzzeit in Seminar: 15 h
Treffen mit Betreuern: 5 h
Selbstständige Arbeit in Bezug auf das individuelle Seminarthema: 70 h
Die Inhalte der Vorlesung Kryptographische Protokolle werden als bekannt vorausgesetzt.
Verantwortung: |
Prof. Dr. Sebastian Abeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-104740 | Seminar: Serviceorientierte Architekturen | 3 | Abeck |
siehe Teilleistung
siehe Teilleistung
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.
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.
90 h
Präsenzzeit 15 (15 x 1 Std)
Literaturrecherche 15
Erstellung der Ausarbeitung 50
Präsentation (inkl. Vorbereitung) 10
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111850 | Seminar: Softwarequalitätssicherung und Softwaretest | 4 | Schaefer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103578 | Seminar: Ubiquitäre Systeme | 4 | Beigl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101270 | Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung | 3 | Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
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:
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.
Verantwortung: |
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Keine
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.
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.
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.
Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden.
Präsenzzeit: 90 Stunden
Vor- /Nachbereitung: 100 Stunden
Prüfung und Prüfungsvorbereitung: 80 Stunden
Die Veranstaltung Service Analytics A [2595501] soll vertieft werden.
Verantwortung: |
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
Pflichtbestandteile | |||
---|---|---|---|
T-WIWI-102849 | Service Design Thinking | 9 | Satzger, Terzidis |
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).
Keine
Studierende
Kursphasen (jeweils ca. 4 Wochen):
Design Space Exploration:
Critical Function Prototype:
Dark Horse Prototype:
Funky Prototype:
Functional Prototype:
Final Prototype:
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.
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.
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.
Verantwortung: |
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Betriebswirtschaftslehre
|
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 |
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.
Der/die Studierende
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.
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.
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.
Keine
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-109911 | Sichere Mensch-Roboter-Kollaboration | 3 | Kurth |
Siehe Teilleistung.
Siehe Teilleistung.
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:
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h = 3 ECTS
Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]
Wird in der der Veranstaltung bekanntgegeben.
Verantwortung: |
Prof. Dr.-Ing. Sander Wahls
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-113369 | Signal Processing Lab | 6 | Wahls |
Success is assessed in the form of a written examination lasting 120 minutes.
none
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.
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.
The module grade is the grade of the written examination.
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.
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.
Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.
Verantwortung: |
Prof. Dr.-Ing. Sander Wahls
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-113837 | Signal Processing Methods | 6 | Wahls |
Written exam, approx. 120 minutes.
none
Students can
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.
The module grade is the grade of the written exam.
The workload includes:
A total of 180 h = 6 CR
Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.
Verantwortung: |
Dr.-Ing. Holger Jäkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100747 | Signalverarbeitung in der Nachrichtentechnik | 4 | Jäkel |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
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.
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.
Die Modulnote ist die Note der schriftlichen Prüfung.
Ab SS 2021 2+1 SWS = 4 LP mit schriftlicher Prüfung
Insgesamt: 135 h = 4 LP
Vorheriger Besuch der Vorlesung „Signale und Systeme“ wird empfohlen.
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Robotik und Automation Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113123 | Simulation and Optimization in Robotics and Biomechanics | 6 | Mombaur |
See partial achievements (Teilleistung)
See partial achievements (Teilleistung)
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.
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
Limitation to 30 participants
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
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111801 | Skalierbare Methoden der künstlichen Intelligenz | 4 | Debus, Götz |
Siehe Teilleistung.
Sihee Teilleistung.
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.
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.
3 SWS, 120 h/Semester = 4 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112862 | Software Security Engineering | 3 | Gerking, Reussner |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h
Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101381 | Software-Architektur und -Qualität | 3 | Reussner |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101256 | Software-Evolution | 3 | Reussner |
Siehe Teilleistung.
Siehe Teillseistung
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105988 | Softwarepraktikum Parallele Numerik | 6 | Karl |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
- 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
Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111017 | Software-Produktlinien-Entwicklung | 3 | Schaefer |
Siehe Teilleistung.
Siehe Teilelsitung.
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.
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.
(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h
Grundkenntnisse aus den Vorlesungen Softwaretechnik II [T-INFO-101370] und Formale System [T-INFO-101336] sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101370 | Softwaretechnik II | 6 | Koziolek, Reussner |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
Das Modul Softwaretechnik II ist ein Stammmodul.
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
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112210 | Software-Test und Qualitätsmanagement (SQM) | 5 | Schaefer |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101272 | Sprachverarbeitung in der Softwaretechnik | 3 | Koziolek |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
3 LP entspricht ca. 90 Arbeitsstunden, davon
ca. 30 Std. Vorlesungsbesuch
ca. 45 Std. Vor- und Nachbearbeitung
ca. 15 Std. Prüfungsvorbereitung
Verantwortung: |
PD Dr. Bernhard Klar
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-106415 | Statistik - Klausur | 10 | Ebner, Fasen-Hartmann, Klar, Trabs |
T-MATH-106416 | Statistik - Praktikum | 0 | Ebner, Fasen-Hartmann, Klar, Trabs |
Prüfungsvorleistung: Praktikumsschein
Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).
Das Modul kann nicht zusammen mit der Teilleistung Volkswirtschaftslehre III: Einführung in die Ökonometrie geprüft werden.
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.
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
Die Modulnote ist die Note der schriftlichen Prüfung.
Gesamter Arbeitsaufwand: 300 Stunden
Präsenzzeit: 120 Stunden
Selbststudium: 180 Stunden
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101366 | Stochastische Informationsverarbeitung | 6 | Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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.
[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
Kenntnisse zu Grundlagen aus der Wahrscheinlichkeitstheorie sind hilfreich.
Verantwortung: |
Prof. Dr. Steffen Rebennack
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
Ergänzungsfach / Operations Research
|
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 |
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.
Mindestens eine der Teilleistungen "Fortgeschrittene Stochastische Optimierung", "Large-scale Optimierung", oder "Einführung in die stochastische Optimierung" ist Pflicht.
Der/die Studierende
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.
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.
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.
Es wird empfohlen, die Vorlesung "Einführung in die Stochastische Optimierung" zu hören, bevor die Vorlesung "Fortgeschrittene Stochastische Optimierung" besucht wird.
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
|
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 |
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.
An application is required to participate in this module. Information about the application: www.kit-student-innovation-lab.de/index.php/for-students/
Personal competence
Social competence
Innovation and entrepreneurship competence
Systemic technical competence
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.
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%).
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)
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).
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.
Verantwortung: |
Prof. Dr.-Ing. Sören Hohmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Automation und Energienetze
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-101921 | Systemdynamik und Regelungstechnik | 6 | Hohmann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
- 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.
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.
Die Modulnote ist die Note der schriftlichen Prüfung.
gültig bis 31.03.2025 - Ersatz: M-ETIT-106339 - Mess- und Regelungstechnik
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)
Verantwortung: |
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100675 | Systems and Software Engineering | 5 | Sax |
Written exam, approx. 120 minutes.
none
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.
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.
The module grade is the grade of the written exam.
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.
Knowledge in Digital Technology and Information and Automation Technology (e.g. module M-ETIT-102102 and M-ETIT-106336)
Verantwortung: |
Hon.-Prof. Dr. Jürgen Bortolazzi
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100677 | Systems Engineering for Automotive Electronics | 4 | Bortolazzi |
Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.
Die Prüfung findet ohne Hilfsmittel statt.
keine
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.
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.
Die Modulnote ist die Note der schriftlichen bzw. mündlichen Prüfung. Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.
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.
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
Empfohlen wird der Besuch der Vorlesung SE (23611)
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)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-102369 | Teilchenphysik I | 9 | Ferber, Husemann, Klute, Quast, Rabbertz |
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.
keine
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.
Vorlesung:
Praktische Übungen:
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.
ca. 240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (180 Stunden)
Grundkenntnisse der experimentellen Teilchenphysik aus der Vorlesung Moderne Experimentalphysik III im Bachelorstudiengang Physik.
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.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101338 | Telematik | 6 | Zitterbart |
Siehe Teilleistung
Siehe Teilleistung
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.
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
Siehe Teilleistung
Verantwortung: |
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100811 | Test eingebetteter Systeme im industriellen Umfeld | 4 | Sax |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (25 Minuten).
keine
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.
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.
Die Modulnote ist die Note der mündlichen Prüfung.
1. Präsenzzeit in Vorlesungen + Übung: 60h
2. Vor-/Nachbereitung von Übung und Vorlesung = 35h
3. Prüfungsvorbereitung und Präsenz in selbiger = 20h
Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101388 | Testing Digital Systems I | 3 | Tahoori |
Siehe Teilleistung
Siehe Teilleistung
Das Ziel dieser Vorlesung ist es, die Grundlagen zu übermitteln, die notwendig sind, um Testmethoden für digitale Systeme entwickeln zu können.
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).
2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105936 | Testing Digital Systems II | 3 | Tahoori |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 90 h = 3 ECTS
Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-105691 | Text-Indexierung | 4 | Sanders |
T-INFO-111855 | Text-Indexierung Projekt/Experiment | 1 | Sanders |
Siehe Teilleistung.
Siehe Teilleistung.
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
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.
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
Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf. Entsprechende Vorkenntnisse sind also hilfreich.
Verantwortung: |
PD Dr. Boris Narozhnyy
Prof. Dr. Carsten Rockstuhl
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
Ergänzungsfach / Theoretische Physik (Wahlblock)
|
Pflichtbestandteile | |||
---|---|---|---|
T-PHYS-104578 | Theoretische Optik | 6 | Narozhnyy, Rockstuhl |
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.
keine
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.
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.
180 hours composed of active time (45 hours), wrap-up of the lecture incl. preparation of the examination (135 hours)
Solid mathematical background, good knowledge of classical electromagnetism and basic knowledge of quantum mechanics.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111199 | Theoretische Grundlagen der Kryptographie | 6 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Präsenzzeit in der Vorlesung: 48 h
Vor-/Nachbereitung derselbigen: 52 h
Prüfungsvorbereitung und Präsenz in selbiger: 80 h
Verantwortung: |
Prof. Dr. Gregor Betz
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
Ergänzungsfach / Philosophie (Wahlpflichtfach)
|
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 |
Das Bestehen der Studienleistungen sowie der Modulprüfung.
keine
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.
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.
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.
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.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112754 | Timed Systems | 5 | Schwammberger |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
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
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.
Das Buch „E.-R. Olderog, H. Dierks: Real-Time Systems“ wird als Lektüre für einige Vorlesungsinhalte benutzt ( https://doi.org/10.1017/CBO9780511619953 ).
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-113763 | Tools für Probabilistisches Machine Learning | 6 | Hanebeck |
T-INFO-113764 | Tools für Probabilistisches Machine Learning - Übungsschein | 0 | Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
Pro Woche:
2 SWS Präsenzzeit
2h Nachbereitung
6h Digitale Übung mit Programmieraufgaben 2h Klausurvorbereitung
= 12h/Woche und 180h/Semester
Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101326 | Ubiquitäre Informationstechnologien | 5 | Beigl |
Siehe Teilleistung
Siehe Teilleistung
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
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.
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’’
Siehe Teilleistung
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-111584 | Universal Composability in der Kryptographie | 3 | Müller-Quade |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.
90 h
Präsenzzeit in der Vorlesung: 24 h
Vor-/Nachbereitung derselbigen: 31 h
Prüfungsvorbereitung und Präsenz in selbiger: 35 h
Studierende sollten mit den Inhalten der Module "Theoretische Grundlagen der Kryptographie" und „Kryptographische Protokolle“ vertraut sein.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101376 | Unscharfe Mengen | 6 | Hanebeck |
Siehe Teilleistung.
Siehe Teilleistung.
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.
180 Stunden
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung Wahlbereich Informatik |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-103551 | Unterteilungsalgorithmen | 3 | Prautzsch |
Siehe Teilleistung.
Siehe Teilleistung.
Students of this course are knowledgeable about subdivision algorithms and are able to analyze the smoothness of subdivision algorithms.
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.
90h of which about
30h for attending the lecture
30h for post-processing
30h for exam preparation
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-112177 | Verarbeitung natürlicher Sprache | 6 | Niehues |
Siehe Teilleistung.
Siehe Teilleistung.
• 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
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.
180h
Verantwortung: |
Prof. Dr.-Ing. Peter Vortisch
|
---|---|
Einrichtung: |
KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften |
Bestandteil von: |
Ergänzungsfach / Verkehrswesen
|
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 |
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.
keine
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.
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.
Modulnote ist Note der Prüfung;
bei genehmigter Wahl von mehr als einer Teilleistung:
Modulnote ist nach Leistungspunkten gewichteter Durchschnitt aus Noten der Teilprüfungen
Lehrveranstaltungen mit zugehörender Prüfung aus folgender Auswahl:
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.
Belegung des Moduls 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
|
Pflichtbestandteile | |||
---|---|---|---|
T-BGU-105938 | Verkehrswesen für Informatik I | 9 | Vortisch |
Teilleistung T-BGU-105938 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
Einzelheiten zur Erfolgskontrolle siehe bei der Teilleistung.
Modul darf nicht zusammen mit dem Modul M-BGU-102964 Verkehrswesen für Informatik II [bauiEX311] belegt werden.
Der/die Studierende
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.
Modulnote ist Note der Prüfung in der Teilleistung "T-BGU-105938 Verkehrswesen für Informatik I".
Keine
Selbststudium:
Summe: 270 Std.
Keine
Verantwortung: |
Prof. Dr.-Ing. Michael Heizmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
Ergänzungsfach / Elektro- und Informationstechnik
|
Pflichtbestandteile | |||
---|---|---|---|
T-ETIT-100960 | Verteilte ereignisdiskrete Systeme | 4 | Heizmann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
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.
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.
Notenbildung ergibt sich aus der schriftlichen Prüfung
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.
Die Kenntnis der Inhalte der Module „Wahrscheinlichkeitstheorie“, „Signale und Systeme“ und „Messtechnik“ wird dringend empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101298 | Verteiltes Rechnen | 4 | Streit |
Siehe Teilleistung
Siehe Teilleistung
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.
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.
120 h / Semester, davon 30 h Präsenzzeit und 90 h Selbstlernen aufgrund der Komplexität des Stoffs
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101612 | Virtuelle Systeme | 3 | Bellosa |
Siehe Teilleistung.
Siehe Teilleistung.
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.
Alle Gebiete der virtuellen Systeme werden berücksichtigt wie Virtuelle Maschinen, Emulation und Interpretation, Simulation, Aufzeichnung und Wiedergabe.
45 h Nachbereitung
15 h Prüfungsvorbereitung
90 h = 3 ECTS
Siehe Teilleistung.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101275 | Visualisierung | 5 | Dachsbacher |
Siehe Teilleistung.
Siehe Teilleistung.
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.
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.:
Präsenzzeit = 60h
Vor-/Nachbereitung = 70h
Klausurvorbereitung = 20h
Siehe Teilleistung.
Verantwortung: |
Prof. Dr. Tilmann Gneiting
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105928 | Vorhersagen: Theorie und Praxis | 9 | Gneiting |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.
Keine
Absolventinnen und Absolventen können
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 240 Stunden
Präsenzzeit: 90 Stunden
Selbststudium: 150 Stunden
Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.
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 |
Pflichtbestandteile | |||
---|---|---|---|
T-INFO-101271 | Web-Anwendungen und Serviceorientierte Architekturen (II) | 4 | Abeck |
Siehe Teilleistung
Siehe Teilleistung
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.
120h
Präsenzzeit Vorlesung 22,5 (15 x 1,5)
Vor- und Nachbereitung Vorlesung: 60 (15 x 4)
Vorbereitung Prüfung: 37,5
Siehe Teilleistung
Verantwortung: |
PD Dr. Bernhard Klar
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
|
Pflichtbestandteile | |||
---|---|---|---|
T-MATH-105874 | Zeitreihenanalyse | 5 | Ebner, Fasen-Hartmann, Gneiting, Klar, Trabs |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).
Keine
Absolventinnen und Absolventen
Die Vorlesung behandelt die grundlegenden Begriffe der klassischen Zeitreihenanalyse:
Die Modulnote ist die Note der mündlichen Prüfung.
Gesamter Arbeitsaufwand: 120 Stunden
Präsenzzeit: 45 Stunden
Selbststudium: 75 Stunden
Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106303 - Access Control Systems: Models and Technology |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400147 | Access Control Systems: Models and Technology | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Hartenstein, Leinweber |
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.
Keine.
Basics according to the lectures "IT Security Management for Networked Systems" and "Telematics" are recommended.
Verantwortung: |
Prof. Dr. Nadja Klein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106812 - Advanced Bayesian Data Analysis |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400120 | Advanced Bayesian Data Analysis | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Klein |
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.
- Knowledge in R or Python
- Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful
Verantwortung: |
Dr.-Ing. Holger Jäkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-106815 - Advanced Communications Engineering |
The assessment takes place in the form of a written examination lasting 120 min.
The module grade is the grade of the written exam.
none
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2530214 | Advanced Corporate Finance | 2 SWS | Vorlesung (V) / 🗣 | Ruckes |
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.
Verantwortung: |
TT-Prof. Dr. Julian Thimme
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101483 - Finance 2 |
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 |
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.
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.
Neue Lehrveranstaltung ab Wintersemester 2019/2020.
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 |
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 |
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.
Keine
Es werden Grundkenntnisse in Mathematik und Statistik vorausgesetzt.
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 |
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 |
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.
Keine
Verantwortung: |
Prof. Dr. Maxim Ulrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-105659 - Advanced Machine Learning and Data Science |
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 |
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.
Das Modul Modeling the Dynamics of Financial Markets muss bestanden sein.
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.
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) |
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 |
Students must achieve 50% of the points on the exercise sheets.
None
None
None
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 |
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 |
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.
Keine
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.
Verantwortung: |
PD Dr. Stefan Kühnlein
Prof. Dr. Roman Sauer
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-101315 - Algebra |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 0102200 | Algebra | 4 SWS | Vorlesung (V) / 🗣 | Sauer |
WS 24/25 | 0102210 | Übungen zu 0102200 (Algebra) | 2 SWS | Übung (Ü) / 🗣 | Sauer |
Mündliche Prüfung (ca. 30 min).
keine
Verantwortung: |
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-101724 - Algebraische Geometrie |
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 |
keine
Verantwortung: |
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-101725 - Algebraische Zahlentheorie |
Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.).
keine
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100795 - Algorithm Engineering |
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 |
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).
Keine
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100795 - Algorithm Engineering |
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).
Keine
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100031 - Algorithmen für Routenplanung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2424638 | Algorithmen für Routenplanung (mit Übungen) | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Feilhauer, Zündorf, Bläsius, Laupichler |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101173 - Algorithmen II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24079 | Algorithmen II | 4 SWS | Vorlesung (V) / 🗣 | Sanders, Maas, Hermann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Verantwortung: |
Dr. rer. nat. Torsten Ueckerdt
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102094 - Algorithmen zur Visualisierung von Graphen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424118 | Algorithmen zur Visualisierung von Graphen (findet im WS 24/25 nicht statt) | Vorlesung / Übung (VÜ) / 🗣 | Wagner, Ueckerdt, Merker |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102110 - Algorithmische Geometrie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400083 | Algorithmische Geometrie (mit Übungen) (findet im WS 24/25 nicht statt) | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Bläsius, Yi |
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.
Keine.
Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) werden erwartet.
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102110 - Algorithmische Geometrie |
Es muss eine Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.
Keine.
Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) werden erwartet.
Verantwortung: |
Dr. rer. nat. Torsten Ueckerdt
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100762 - Algorithmische Graphentheorie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400028 | Algorithmische Graphentheorie - findet im SS 24 nicht statt | Vorlesung / Übung (VÜ) / 🗣 | Ueckerdt, Gritzbach |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse zu Grundlagen aus der Graphentheorie und Algorithmentechnik sind hilfreich
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 0163900 | Analysis 4 | 4 SWS | Vorlesung (V) | Reichel |
SS 2024 | 0164000 | Übungen zu 0163900 | 2 SWS | Übung (Ü) | Reichel |
Schriftliche Prüfung (120 min).
Keine
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104892 - Angewandte Differentialgeometrie |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 -30 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Diese Vorlesung ist mit der Vorlesung „Netze und Punktwolken“ eng verwandt.
Verantwortung: |
Dr.-Ing. Holger Jäkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100444 - Angewandte Informationstheorie |
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 |
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.
keine
Vorheriger Besuch der Vorlesung „Wahrscheinlichkeitstheorie“ wird empfohlen.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2117054 | Angewandte Materialflusssimulation | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Baumann |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 min.) in der vorlesungsfreien Zeit des Semesters nach § 4 Abs. 2 Nr. 2 SPO.
Keine
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101471 - Industrielle Produktion II |
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 |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103294 - Anziehbare Robotertechnologien |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400062 | Anziehbare Robotertechnologien | 2 SWS | Vorlesung (V) / 🗣 | Asfour, Beigl |
SS 2024 | 5016643 | BUT - Anziehbare Robotertechnologien | Vorlesung (V) / 🗣 | Asfour |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Der Besuch der Vorlesung Mechano-Informatik in der Robotik wird vorausgesetzt
Der Besuch der Vorlesung Mechano-Informatik in der Robotik wird empfohlen.
Verantwortung: |
Dr. Alexander Hoff
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101216 - Recht der Wirtschaftsunternehmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24668 | Arbeitsrecht | 2 SWS | Vorlesung (V) / 🗣 | Hoff |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (i.d.R. 60min Klausur) nach §4, Abs. 2, 1 SPO.
keine
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 4052101 | Arctic Climate System | 2 SWS | Vorlesung (V) / 🧩 | Sinnhuber |
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.
None
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
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 5012001 | Ars Rationalis I | 2 SWS | Kurs (Ku) / 🗣 | Betz |
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).
keine
Besuch des Tutoriums
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 5012001 | Ars Rationalis II | 2 SWS | Kurs (Ku) | Betz |
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).
Die Studienleistung "Ars Rationalis I"
Besuch des Tutoriums
Verantwortung: |
Prof. Dr. Gerhard Satzger
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101448 - Service Management M-WIWI-101506 - Service Analytics |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min). Die erfolgreiche Teilnahme am Übungsbetrieb ist Voraussetzung für die Zulassung zur schriftlichen Prüfung.
Keine
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.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2595501 | Artificial Intelligence in Service Systems - Applications in Computer Vision | 3 SWS | Vorlesung (V) / 🗣 | Satzger, Schmitz |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Form). .
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".
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 |
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 |
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.
Keine
Die Inhalte der Bachelor-Veranstaltung Investments werden als bekannt vorausgesetzt und sind notwendig, um dem Kurs folgen zu können.
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) |
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 |
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.
None
None
None
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 4052071 | Atmospheric Radiation | 2 SWS | Vorlesung (V) / 🧩 | Höpfner |
Short presentation at the end of the semester
None
None
None
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2181740 | Partikeldynamik und Atomistische Simulation | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Weygand, Gumbsch |
Mündliche Prüfung ca. 30 Minuten
keine
Vorkenntnisse in Mathematik, Physik und Werkstoffkunde
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2520408 | Auktionstheorie | 2 SWS | Vorlesung (V) | Ehrhart |
WS 24/25 | 2520409 | Übungen zu Auktionstheorie | 1 SWS | Übung (Ü) | Ehrhart |
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.
Keine
Verantwortung: |
N.N.
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101215 - Recht des geistigen Eigentums |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24821 | Ausgewählte Rechtsfragen des Internetrechts | 2 SWS | Kolloquium (KOL) / 🗣 | Sattler |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Referat) nach § 4 Abs. 2 Nr. 3 SPO. (mündliche Präsentation und Diskussion)
die Veranstaltung Internetrecht T-INFO-101307 darf nicht begonnen sein.
Keine
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
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400237 | Theoretische Grundlagen der Kryptographie | 4 SWS | Vorlesung (V) / 🗣 | Müller-Quade, Berger |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung von ca. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO
Kann nur geprüft werden, wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105338 - Authentisierung und Verschlüsselung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400045 | Authentisierung und Verschlüsselung | 2 SWS | Vorlesung (V) / 🗣 | Müller-Quade, Fetzer, Bayreuther |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO
Modul darf nicht zusammen mit dem Modul M-INFO-100743 Digitale Signaturen belegt werden
Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104447 - Automated Planning and Scheduling |
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 |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Beyerer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100826 - Automatische Sichtprüfung und Bildverarbeitung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24169 | Automatische Sichtprüfung und Bildverarbeitung | 4 SWS | Vorlesung (V) / 🗣 | Beyerer, Zander |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Grundkenntnisse der Optik und der Signalverarbeitung sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106019 - Automotive Software Engineering (ASE) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400082 | Automotive Software Engineering | 2 SWS | Vorlesung (V) / 🗣 | Schaefer |
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.
Keine.
Kenntnisse aus Softwaretechnik I, Softwaretechnik II und Softwareproduktlinien sind empfohlen.
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.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106019 - Automotive Software Engineering (ASE) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400110 | Automotive Software Engineering - Übung | 1 SWS | Übung (Ü) / 🗣 | Schaefer |
Die Erfolgskontrolle erfolgt in Form einer Studienleistung, in Form eines Übungsschein, nach § 4 Abs. 3 SPO.
Keine.
Verantwortung: |
Prof. Dr. Rudolph Triebel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106608 - Autonomous Learning for Intelligent Robot Perception |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400213 | Autonomous Learning for Intelligent Robot Perception | 2 SWS | Vorlesung / Übung (VÜ) / 🗣 | Triebel |
The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.
None.
A basic understanding of probability theory and linear algebra is required
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 |
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 |
Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.
Es müssen eine Implementierung und eine schriftliche Ausarbeitung erstellt werden.
Keine.
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 |
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 |
Prüfungsleistung anderer Art. Zwei Vorträgen und sechs schriftliche Ausarbeitungen im Team. Benotung: Je Ausarbeitung 1/8 und je Vortrag 1/8.
Keine
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24604 | Advanced Operating Systems | 4 SWS | Seminar (S) / 🗣 | Bellosa |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.
Die regelmäßige Teilnahme ist verpflichtend.
Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.
Verantwortung: |
Prof. Dr.-Ing. Michael Heizmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-102651 - Bildverarbeitung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2302114 | Bildverarbeitung | 2 SWS | Vorlesung (V) / 🧩 | Heizmann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
Die Kenntnis der Inhalte der Module „Systemtheorie“ und „Messtechnik“ wird dringend empfohlen. Die Kenntnis der Inhalte des Moduls „Methoden der Signalverarbeitung“ ist von Vorteil.
Verantwortung: |
Dr.-Ing. Axel Loewe
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100549 - Bioelektrische Signale |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2305264 | Bioelektrische Signale | 2 SWS | Vorlesung (V) / 🗣 | Loewe |
Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 90 Minuten.
keine
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
M-MACH-106903 - Biologically Inspired Robots |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (15-20min.)
keine
Es ist empfehlenswert zuvor die LV „Robotik I" zu hören.
keine
Verantwortung: |
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2530560 | Bond Markets | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Uhrig-Homburg, Molnar |
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.
Die Veranstaltung wird in englischer Sprache gehalten.
Verantwortung: |
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2530565 | Bond Markets - Models & Derivatives | 2 SWS | Block (B) / 🗣 | Grauer, Uhrig-Homburg |
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.
Kenntnisse aus der Veranstaltung „Bond Markets“ und „Derivate“ sind sehr hilfreich.
Die Veranstaltung wird in englischer Sprache gehalten.
Verantwortung: |
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2530562 | Bond Markets - Tools & Applications | 1 SWS | Block (B) / 🗣 | Uhrig-Homburg, Grauer |
Die Erfolgskontrolle erfolgt in Form einer zu bearbeitenden empirischen Fallstudie mit schriftlicher Ausarbeitung und Präsentation. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.
Kenntnisse aus der Veranstaltung „Bond Markes“ sind sehr hilfreich.
Die Veranstaltung wird in englischer Sprache gehalten.
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen |
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 |
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.
Keine
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.
Teilnehmeranzahl limitiert.
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 |
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 |
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.
Keine
Keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2540422 | Business Intelligence Systems | 3 SWS | Vorlesung (V) / 🧩 | Mädche |
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.
Keine
Grundlegendes Wissen über Datenbanksysteme kann hilfreich sein.
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
M-MACH-106905 - CAD Engineering Project for Intelligent Systems |
Prüfungsleistung anderer Art. Konstruktionprojekt sowie schriftliche Ausarbeitung im Team und ein Abschlussvortrag. Benotung:
Konstruktionprojekt 3/5, Ausarbeitung 1/5 und Vortrag 1/5.
keine
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 |
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 |
Praktische Prüfung am CAD Rechner, Dauer 60 min.
Keine
Umgang mit technischen Zeichnungen wird vorausgesetzt.
Für das Praktikum besteht Anwesenheitspflicht.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2310546 | Channel Coding: Algebraic Methods for Communications and Storage | 2 SWS | Vorlesung (V) / 🧩 | Schmalen |
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.
keine
Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.
Verantwortung: |
Prof. Dr.-Ing. Laurent Schmalen
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105617 - Channel Coding: Graph-Based Codes |
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 |
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.
none
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.
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) |
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 |
Successful participation in the exrcises.
None
None
None
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) |
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 |
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.
None
None
None
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106824 - Codierungstheorie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400152 | Codierungstheorie | 2 SWS | Vorlesung (V) | Müller-Quade, Benz, Hetzel |
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.
Keine.
Keine.
Verantwortung: |
Dr.-Ing. Johannes Meyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106190 - Computational Imaging |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400173 | Computational Imaging | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Meyer, Beyerer |
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.
Keine.
Verantwortung: |
Prof. Dr. Carsten Rockstuhl
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101933 - Computational Photonics, with ext. Exercises |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 4023021 | Computational Photonics | 2 SWS | Vorlesung (V) / 🗣 | Nyman, Rockstuhl |
SS 2024 | 4023022 | Übungen zu Computational Photonics | Übung (Ü) / 🗣 | Nyman, Rockstuhl |
keine
Verantwortung: |
Prof. Dr. Carsten Rockstuhl
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-103089 - Computational Photonics, without ext. Exercises |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 4023021 | Computational Photonics | 2 SWS | Vorlesung (V) / 🗣 | Nyman, Rockstuhl |
SS 2024 | 4023022 | Übungen zu Computational Photonics | Übung (Ü) / 🗣 | Nyman, Rockstuhl |
Verantwortung: |
Prof. Dr. Maxim Ulrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-105032 - Data Science for Finance |
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 |
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.
Keine.
Grundkenntnisse der Kapitalmarkttheorie.
Lehr- und Lernform: Vorlesung und Übung
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) |
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 |
Keine.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100856 - Computergrafik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24081 | Computergrafik | 4 SWS | Vorlesung (V) / 🗣 | Dachsbacher |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106685 - Computergrafik 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400111 | Computergrafik 2 | 2 SWS | Vorlesung (V) / 🗣 | Schudeiske, Dachsbacher |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Vorkenntnisse aus der Vorlesung Computergraphik.
Verantwortung: |
Prof. Dr. André Platzer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106256 - Constructive Logic |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400097 | Constructive Logic | 4 SWS | Vorlesung (V) / 🗣 | Platzer |
The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.
None.
You will be expected to follow the lecture notes.
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 |
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 |
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.
Keine
Keine
Die Veranstaltung wird frühestens im Sommersemester 2023 wieder angeboten. Bitte beachten Sie dazu die Ankündigungen auf unserer Homepage.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Beyerer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106355 - Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400160 | Cybersicherheit für industrielle Automatisierungs- und Steuerungssysteme | 2 SWS | Vorlesung (V) / 🗣 | Haas, Beyerer |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106505 - Data Science |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24114 | Data Science 1 | 3 SWS | Vorlesung (V) / 🗣 | Böhm |
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.
Keine.
Datenbankkenntnisse, z.B. aus der Vorlesung Datenbanksysteme, sind erforderlich.
Verantwortung: |
TT-Prof. Dr. Benjamin Schäfer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106655 - Data Science and Artificial Intelligence for Energy Systems |
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 |
The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting about 30 minutes.
None.
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.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100780 - Datenbankeinsatz |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400111 | Datenbankeinsatz | 3 SWS | Vorlesung (V) / 🗣 | Böhm |
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.
Keine.
Datenbankkenntnisse, z.B. aus der Vorlesungen Datenbanksysteme [24516] und Einführung in Rechnernetze [24519].
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105724 - Datenbankfunktionalität in der Cloud |
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.
keine
Datenbankkentnisse, z.B. aus den Vorlesungen Datenbanksysteme und Einführung in Rechnernetze werden empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101662 - Datenbank-Praktikum |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24286 | Datenbankpraktikum | 2 SWS | Praktikum (P) / 🗣 | Böhm, Richter |
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.
Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme.
Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme werden vorausgesetzt.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104045 - Datenschutz von Anonymisierung bis Zugriffskontrolle |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Grundkenntnisse zu Datenbanken, verteilten Informationssystemen, Systemarchitekturen und Kommunikationsinfrastrukturen, z.B. aus der Vorlesung Datenbanksysteme
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105334 - Decentralized Systems: Fundamentals, Modeling, and Applications |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400089 | Decentralized Systems: Fundamentals, Modeling, and Applications | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Stengele, Hartenstein |
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
Keine.
Kenntnisse zu Grundlagen von IT-Sicherheit und Rechnernetzen sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105753 - Deep Learning für Computer Vision I: Grundlagen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400007 | Deep Learning für Computer Vision I: Grundlagen | 2 SWS | Vorlesung (V) / 🗣 | Stiefelhagen, Reiß |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Kenntnisse zu Grundlagen der Mustererkennung, wie sie im Stammmodul Kognitive Systeme vermittelt werden, werden vorausgesetzt.
Die Lehrveranstaltung findet teilweise in Deutsch und Englisch statt.
Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105755 - Deep Learning für Computer Vision II: Fortgeschrittene Themen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400258 | Deep Learning für Computer Vision II: Fortgeschrittene Themen | 2 SWS | Vorlesung (V) / 🗣 | Stiefelhagen, Sarfraz, Reiß |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Kenntnisse zu Grundlagen der Mustererkennung mittels Deep Learning, wie aus der Vorlesung “Deep Learning for Computer Vision”, werden vorausgesetzt.
Kenntnisse zu Deep Learning Grundlagen werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104460 - Deep Learning und Neuronale Netze |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400024 | Deep Learning und Neuronale Netze | 4 SWS | Vorlesung (V) / 🗣 | Niehues |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
T-INFO-101383 - Neuronale Netze darf nicht begonnen sein.
Der vorherige erfolgreiche Abschluss des Stamm-Moduls „Kognitive Systeme“ wird empfohlen.
Verantwortung: |
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101482 - Finance 1 M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2530550 | Derivate | 2 SWS | Vorlesung (V) / 🗣 | Uhrig-Homburg |
SS 2024 | 2530551 | Übung zu Derivate | 1 SWS | Übung (Ü) / 🗣 | Dinger, Uhrig-Homburg |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Ivan Peric
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100466 - Design analoger Schaltkreise |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).
Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.
Verantwortung: |
Prof. Dr. Ivan Peric
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100473 - Design digitaler Schaltkreise |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten).
Zulassung zur mündlichen Prüfung erst nach Vorlage eines schriftlichen Protokolls mit den Ergebnissen der Übungsaufgaben.
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) M-WIWI-101507 - Innovationsmanagement |
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 |
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.
Keine
Keine
Die Seminarinhalte werden auf der Institutshomepage veröffentlicht.
Verantwortung: |
Jennifer Scheydt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101507 - Innovationsmanagement M-WIWI-101507 - Innovationsmanagement |
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.
Keine
Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.
Verantwortung: |
Prof. Dr. Alexander Mädche
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106292 - Human-Centered Information Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2540558 | Designing Interactive Systems: Human-AI Interaction | 3 SWS | Vorlesung (V) / 🧩 | Mädche, Seitz |
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.
Die Veranstaltung wird auf Englisch gehalten.
Verantwortung: |
Prof. Dr. Wilderich Tuschmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-101317 - Differentialgeometrie |
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 |
keine
Verantwortung: |
Jonas Fegert
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101410 - Business & Service Engineering M-WIWI-101446 - Market Engineering |
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 |
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.
Beschränkung auf 25 Plätze mit Bewerbung per kurzem Motivationschreiben (über das Wiwi-Portal).
Verantwortung: |
Prof. Dr. Ann-Kristin Kupfer
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106258 - Digital Marketing |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2571185 | Digital Marketing | 2 SWS | Vorlesung (V) / 🗣 | Kupfer |
SS 2024 | 2571186 | Digital Marketing Exercise | 1 SWS | Übung (Ü) / 🗣 | Daumann |
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.
None
Students are highly encouraged to actively participate in class.
Verantwortung: |
Prof. Dr. Martin Klarmann
Anja Konhäuser
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106258 - Digital Marketing |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2571156 | Digital Marketing and Sales in B2B | 1 SWS | Sonstige (sonst.) / 🗣 | Konhäuser |
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).
Keine.
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.
Verantwortung: |
Prof. Dr. Gerhard Satzger
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101410 - Business & Service Engineering M-WIWI-101448 - Service Management |
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 |
Die Erfolgskontrolle erfolgt in Form einer 60min. schriftlichen Prüfung (Klausur).
Keine
Keine
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.
Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105882 - Digitale Barrierefreiheit und Assistive Technologien |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400165 | Digitale Barrierefreiheit und Assistive Technologien | 2 SWS | Vorlesung (V) / 🗣 | Stiefelhagen, Schwarz |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
T-INFO-101301 Barrierefreiheit - Assistive Technologien für Sehgeschädigtedarf nicht begonnen sein.
Verantwortung: |
Dr. Victor Pankratius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105333 - Edge-AI in Software- und Sensor-Anwendungen |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Grundstudium Informatik
Hilfreich sind Kenntnisse z.B. aus Kognitive Systeme, Softwaretechnik, Algorithmen, Rechnernetze & -strukturen, Low-Power-Design
Verantwortung: |
Prof. Dr. Patrick Jochem
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101452 - Energiewirtschaft und Technologie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2581006 | Efficient Energy Systems and Electric Mobility | 2 SWS | Vorlesung (V) / 🗣 | Jochem |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101446 - Market Engineering M-WIWI-101483 - Finance 2 |
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 |
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.
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.
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400073 | Einführung ins Quantencomputing | 2 SWS | Vorlesung (V) / 🗣 | Schaefer, Beckert |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Kenntnisse in Linearer Algebra empfohlen.
Diese Vorlesung wird als Ringvorlesung angeboten.
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 |
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 |
Keine
Verantwortung: |
Prof. Dr.-Ing. Jürgen Beyerer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100736 - Einführung in die Bildfolgenauswertung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24684 | Einführung in die Bildfolgenauswertung | 2 SWS | Vorlesung (V) / 🗣 | Arens |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 30 Minuten) nach §4 Abs. 2 Nr. 2 SPO.
Keine.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2162282 | Einführung in die Finite-Elemente-Methode | 2 SWS | Vorlesung (V) / 🗣 | Langhoff, Böhlke |
Schriftliche Prüfung (90 min)
Klausurzulassung: bestandene Studienleistung "Übungen zu Einführung in die Finite-Elemente-Methode"
(T-MACH-110330)
Das Bestehen der Studienleistung "Übungen zu Einführung in die Finite-Elemente-Methode" (T-MACH-110330) ist Klausurvorleistung.
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.
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 |
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 |
Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 1" in Form von kleineren Schreibaufgaben.
keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 5012017 | Einführung in die Philosophie 2 | 2 SWS | Vorlesung (V) / 🗣 | Seidel-Saul |
Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 2" in Form von kleineren Schreibaufgaben.
keine
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 |
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 |
Das Bestehen von den geforderten Studienleistungen in einem der angebotenen Seminare "Einführung in die Philosophie 3" in Form von Übungsblättern.
keine
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 |
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 |
Das Bestehen von den geforderten Studienleistungen in einer Veranstaltung "Einführung in die Philosophie 4" in Form von Übungsblättern.
keine
Verantwortung: |
Prof. Dr. Christian Seidel-Saul
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-GEISTSOZ-103430 - Einführung in die Philosophie |
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 |
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.
Keine
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 |
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 |
Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten.
Keine.
Verantwortung: |
Dr. Eileen Kühn
Dr. Max Kühn
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106742 - Einführung ins Quantum Machine Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400158 | Einführung ins Quantum Machine Learning | 2 SWS | Vorlesung (V) / 🖥 | Kühn, Kühn |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Thomas Leibfried
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105394 - Electric Power Transmission & Grid Control |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2307376 | Electric Power Transmission & Grid Control | 2 SWS | Vorlesung (V) / 🗙 | Leibfried |
The examination takes place in form of a written examination lasting 120 minutes. The module grade is the grade of the written exam.
none
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105775 - Embedded Machine Learning Lab |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400295 | Embedded Machine Learning Lab | 4 SWS | Praktikum (P) / 🗣 | Henkel, Ahmed, Pfeiffer |
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.
Keine.
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.
Verantwortung: |
Ute Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101412 - Industrielle Produktion III M-WIWI-101471 - Industrielle Produktion II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581962 | Emissionen in die Umwelt | 2 SWS | Vorlesung (V) / 🗣 | Karl |
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.
Keine
Verantwortung: |
PD Dr.-Ing. Martin Kagerbauer
|
---|---|
Einrichtung: |
KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften |
Bestandteil von: |
M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 6232901 | Empirische Daten im Verkehrswesen | 2 SWS | Vorlesung / Übung (VÜ) / 🗣 | Kagerbauer |
Mündiche Prüfung mit ca. 20 Minuten
Die Übungsaufgabe Empirische Daten im Verkehrswesen (T-BGU-113671) muss bestanden sein.
Keine
Keine
Verantwortung: |
Dr. Christopher Gerking
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100798 - Empirische Softwaretechnik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24156 | Empirische Softwaretechnik (findet im WS 24/25 nicht statt) | 2 SWS | Vorlesung (V) / 🗣 | Gerking |
Die Erfolgskontrolle erfolgt nach § 4 Abs. 2 Nr. 2 SPO in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten.
Keine.
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 4052131 | Energetics | 2 SWS | Vorlesung (V) / 🧩 | Fink |
Active participation
None
None
None
Verantwortung: |
Ute Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101452 - Energiewirtschaft und Technologie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2581003 | Energie und Umwelt | 2 SWS | Vorlesung (V) / 🗣 | Karl |
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.
Keine.
Verantwortung: |
Prof. Dr. Veit Hagenmeyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106864 - Energieinformatik |
Voraussetzung für: |
T-INFO-106059 - Energieinformatik 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400058 | Energieinformatik 1 | 4 SWS | Vorlesung / Übung (VÜ) | Hagenmeyer, Süß, Schmurr, Langner |
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.
Die Vorleistung (T-INFO-110356) muss bestanden sein.
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 |
Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.
Keine
Verantwortung: |
Prof. Dr. Veit Hagenmeyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106864 - Energieinformatik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400017 | Energieinformatik 2 | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Hagenmeyer, Förderer, Bao, Elbez, Suess, Kühnapfel, Cakmak, Mikut |
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.
Energieinformatik I
Verantwortung: |
Prof. Dr.-Ing. Thomas Leibfried
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100534 - Energieübertragung und Netzregelung |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101446 - Market Engineering M-WIWI-101451 - Energiewirtschaft und Energiemärkte |
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 |
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.
Keine
Keine
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.
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 4052191 | Energy Meteorology | 2 SWS | Vorlesung (V) / 🗣 | Emeis, Schroedter-Homscheidt, Ginete Werner Pinto |
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.
None
None
None
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101446 - Market Engineering |
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 |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (nach §4(2), 1 SPO).
Die Prüfung wird im Semester der Vorlesung angeboten.
Keine
Keine
Verantwortung: |
N.N.
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101451 - Energiewirtschaft und Energiemärkte |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2581020 | Energy Trading and Risk Management | 2 SWS | Vorlesung (V) / 🗣 | Kraft, Fichtner, Beranek |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Alexander Mädche
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106292 - Human-Centered Information Systems |
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.
Keine
Keine
Die Veranstaltung wird in englischer Sprache gehalten.
Verantwortung: |
Prof. Dr. Raffaela Mirandola
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106626 - Engineering Self-Adaptive Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400186 | Engineering Self-Adaptive Systems | Vorlesung (V) | Mirandola |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2545001 | Entrepreneurship | 2 SWS | Vorlesung (V) / 🧩 | Terzidis, Dang |
WS 24/25 | 2545001 | Entrepreneurship | 2 SWS | Vorlesung (V) / 🧩 | Terzidis, Dang |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2500215 | Entrepreneurship Seasonal School | 2 SWS | Block (B) / 🗣 | Weimar |
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.
Die Seasonal School richtet sich an fortgeschrittene Bachelor- und alle Masterstudierende (alle Fachrichtungen). Voraussetzung ist die Teilnahme am Auswahlverfahren.
Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.
Die Arbeitssprache der Seasonal School ist Englisch.
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2545002 | Entrepreneurship-Forschung | 2 SWS | Seminar (S) / 🗣 | Terzidis, Tittel, Rosales Bravo |
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.
Keine
Keine
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.
Verantwortung: |
Daniel Duwe
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101507 - Innovationsmanagement |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2500043 | Entwicklung von nachhaltigen, digitalen Geschäftsmodellen | 2 SWS | Seminar (S) / 🗣 | Weissenberger-Eibl |
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.
Keine
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100831 - Entwurf und Architekturen für Eingebettete Systeme (ES2) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424106 | Entwurf und Architekturen für Eingebettete Systeme (ES 2) | 2 SWS | Vorlesung (V) | Khdr, Henkel |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO im Umfang von i.d.R. 20 Minuten.
Keine
Kentnisse in Rechnersturkturen sind hilfreich.
Verantwortung: |
Hon.-Prof. Dr. Sven Spieckermann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-102832 - Operations Research im Supply Chain Management |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2550488 | Ereignisdiskrete Simulation in Produktion und Logistik | 3 SWS | Vorlesung (V) / 🗣 | Spieckermann |
Erfolgskontrolle anderer Art bestehend aus schriftlicher Ausarbeitung und mündlicher Abschlussprüfung von ca. 30-40 min Dauer (Prüfungsleistung anderer Art).
Keine
Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden vorausgesetzt.
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.
Verantwortung: |
Malte Busch
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101507 - Innovationsmanagement M-WIWI-101507 - Innovationsmanagement |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2500018 | Erfolgreiche Transformation durch Innovation | 2 SWS | Seminar (S) / 🗣 | Busch |
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%).
Der vorherige Besuch der Vorlesung Innovationsmanagement [2545015] wird empfohlen.
Lehr- und Lernform: Seminar
Verantwortung: |
Ulf Brühann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101217 - Öffentliches Wirtschaftsrecht |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24666 | Europäisches und Internationales Recht | 2 SWS | Vorlesung (V) / 🗣 | Brühann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
keine
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).
Verantwortung: |
Prof. Dr. Corinna Hoose
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded) |
Mündliche Prüfung über die im Wahlbereich gewählten Vorlesungen.
Vorleistungen im Umfang von mindestens 10 ECTS aus dem Wahlangebot des Moduls müssen bestanden sein, um zur Prüfung zugelassen zu werden.
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101446 - Market Engineering M-WIWI-101453 - Angewandte strategische Entscheidungen |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min).
Keine
Die Vorlesung wird in englischer Sprache gehalten.
Verantwortung: |
TT-Prof. Dr. Rudolf Lioutikov
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106302 - Explainable Artificial Intelligence |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400128 | Explainable Artificial Intelligence | 2 SWS | Vorlesung (V) / 🗣 | Lioutikov |
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.
Keine.
• 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.
Verantwortung: |
Prof. Dr. Vicky Fasen-Hartmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-102939 - Extremwerttheorie |
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 |
Keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2545105 | Fallstudienseminar Innovationsmanagement | 2 SWS | Seminar (S) / 🗣 | Weissenberger-Eibl |
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.
Keine
Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Peter Vortisch
|
---|---|
Einrichtung: |
KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften |
Bestandteil von: |
M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 6232904 | Fern- und Luftverkehr | 2 SWS | Vorlesung (V) / 🧩 | Vortisch, Dozenten |
schriftliche Prüfung, 60 min.
keine
keine
keine
Verantwortung: |
Dr. Torsten Luedecke
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2530205 | Financial Analysis | 2 SWS | Vorlesung (V) / 🗣 | Luedecke |
SS 2024 | 2530206 | Übungen zu Financial Analysis | 2 SWS | Übung (Ü) / 🗣 | Luedecke |
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.
Keine
Es werden Kenntnisse in Finanzwirtschaft und Rechnungswesen sowie Grundlagen der Unternehmensbewertung vorausgesetzt.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2530232 | Finanzintermediation | 2 SWS | Vorlesung (V) / 🗣 | Ruckes |
WS 24/25 | 2530233 | Übung zu Finanzintermediation | 1 SWS | Übung (Ü) | Ruckes, Benz |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Marvin Künnemann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106644 - Fine-Grained Complexity Theory & Algorithms |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400152 | Fine-Grained Complexity Theory & Algorithms | Vorlesung / Übung (VÜ) / 🗣 | Künnemann |
The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20-30 minutes.
None.
Basic knowledge of theoretical computer science and algorithm design is recommended.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100799 - Formale Systeme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24086 | Formale Systeme | 4 SWS | Vorlesung / Übung (VÜ) | Beckert, Ulbrich, Weigl |
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.
Keine.
Der erfolgreiche Abschluss des Moduls Theoretische Grundlagen der Informatik wird empfohlen.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100744 - Formale Systeme II: Anwendung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400093 | Formale Systeme II - Anwendung findet im SS 2024 nicht statt! | 3 SWS | Vorlesung (V) / 🗣 | Ulbrich, Beckert |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die belegten Vorlesungen nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
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.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100841 - Formale Systeme II: Theorie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24608 | Formale Systeme II - Theorie | 3 SWS | Vorlesung (V) / 🗣 | Beckert, Ulbrich |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (§ 4 Abs. 2 Nr. 2 der SPO).
Keine
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105378 - Forschungspraktikum Autonome Lernende Roboter |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400112 | Forschungspraktikum Autonome Lernende Roboter | 4 SWS | Praktikum (P) / 🗣 | Neumann, Freymuth, Hoang, Jia |
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.
Keine.
Experience in Machine Learning is recommended.
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105480 - Forschungspraktikum Deep Learning in der Robotik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400091 | Deep Learning for Robotics | 4 SWS | Praktikum (P) / 🗣 | Neumann |
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
None.
- 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.
Verantwortung: |
Mario Hock
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105413 - Forschungspraktikum Netzsicherheit |
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.
Keine.
Das Modul Netzsicherheit: Architekturen und Protokolle [M-INFO-100782] sollte begonnen oder abgeschlossen sein.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105590 - Forschungspraktikum Telematik |
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.
Keine.
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.
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106866 - Forschungspraktikum: Artificial Intelligence & Security |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24042 | Forschungspraktikum: Artificial Intelligence & Security | 4 SWS | Praktikum (P) / 🧩 | Wressnegger |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.
Verantwortung: |
TT-Prof. Dr. Rudolf Lioutikov
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106495 - Forschungspraktikum: Explainable Artificial Intelligence |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400142 | Forschungspraktikum: Explainable Artificial Intelligence | 4 SWS | Praktikum (P) / 🗣 | Lioutikov, Li, Mattes |
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.
Keine.
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.
Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.
Verantwortung: |
TT-Prof. Dr. Rudolf Lioutikov
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106300 - Forschungspraktikum: Interactive Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400139 | Forschungspraktikum: Interactive Learning | 4 SWS | Praktikum (P) / 🗣 | Lioutikov |
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.
Keine.
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.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102731 - Fortgeschrittene Datenstrukturen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400164 | Fortgeschrittene Datenstrukturen | 3 SWS | Vorlesung (V) / 🗣 | Kurpicz, Sanders |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
(Modulnote: Gewichtung: 80% mündliche Prüfung, 20% Projekt/Experiment)
Keine.
Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf. Entsprechende Vorkenntnisse sind also hilfreich.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102731 - Fortgeschrittene Datenstrukturen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400164 | Fortgeschrittene Datenstrukturen | 3 SWS | Vorlesung (V) / 🗣 | Kurpicz, Sanders |
Die Erfolgskontrolle erfolgt in Form einer Prüfung anderer Art nach § 4 Abs. 2 Nr. 3.
(Modulnote: Gewichtung: 80% mündliche Prüfung, 20% Projekt/Experiment)
Keine.
Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf. Entsprechende Vorkenntnisse sind also hilfreich.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106299 - Fortgeschrittene Künstliche Intelligenz |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400141 | Fortgeschrittene Künstliche Intelligenz | 4 SWS | Vorlesung (V) / 🗣 | Niehues, Asfour |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO Informatik.
Keine.
Verantwortung: |
Prof. Dr. Steffen Rebennack
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung M-WIWI-103289 - Stochastische Optimierung |
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 |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 Minuten). Die Prüfung wird jedes Semester angeboten.
Keine
Es wird empfohlen, die Vorlesung „Einführung in die Stochastische Optimierung“ zu hören, bevor die Vorlesung „Advanced Stochastic Optimization (Fortgeschrittene Stochastische Optimierung)“ besucht wird.
Vorlesung und Übung werden unregelmäßig angeboten.
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105723 - Fortgeschrittenes Algorithmisches Programmieren |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400145 | Fortgeschrittenes Algorithmisches Programmieren (findet im WS 24/25 nicht statt) | 2 SWS | Vorlesung (V) / 🗣 | Bläsius, Weyand, Zündorf |
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.
Keine.
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.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100731 - Fotorealistische Bildsynthese |
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 |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Vorkenntnisse aus der Vorlesung Computergraphik (24081).
Verantwortung: |
Prof. Dr. David Hunger
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101927 - Fundamentals of Optics and Photonics |
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 |
Die Erfolgskontrolle findet für WMK-Studierende in Form einer mündlichen Prüfung statt.
Erfolgreiche Übungsteilnahme
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 |
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 |
keine
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 |
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 |
Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).
keine
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 |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 45 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
keine
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.
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 |
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 |
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.
Keine
Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.
Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (kop.ior.kit.edu) nachgelesen werden.
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 |
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 |
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.
Keine
Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.
Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (kop.ior.kit.edu) nachgelesen werden.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 0161400 | Generalisierte Regressionsmodelle | 2 SWS | Vorlesung (V) | Klar |
SS 2024 | 0161410 | Übungen zu 0161400 (generalisierte Regressionsmodelle) | 1 SWS | Übung (Ü) | Klar |
Mündliche Prüfung im Umfang von ca. 20 Minuten.
Das Modul kann nicht zusammen mit der Lehrveranstaltung Statistische Modellierung von allgemeinen Regressionsmodellen [T-WIWI-103065] geprüft werden.
Verantwortung: |
Jun.-Prof. Dr. Jan Stühmer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106237 - Geometric Deep Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400179 | Geometric Deep Learning | 2 SWS | Vorlesung (V) / 🗣 | Stühmer |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
None.
Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
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 |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.
Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen.
Keine
Keine
Verantwortung: |
Dr. Henning Sasse
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101412 - Industrielle Produktion III M-WIWI-101471 - Industrielle Produktion II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581956 | Global Manufacturing | 2 SWS | Vorlesung (V) / 🧩 | Sasse |
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.
Keine
Keine
Die Vorlesung wird erstmals im Wintersemester 2022/23 gehalten.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2550134 | Globale Optimierung I | 2 SWS | Vorlesung (V) / 🗣 | Stein |
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.
Keine
Keine
Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
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 |
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.
Keine
Keine
Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2550136 | Globale Optimierung II | 2 SWS | Vorlesung (V) / 🗣 | Stein |
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.
Keine
Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.
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 |
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 |
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.
Keine
Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden vorausgesetzt.
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.
Verantwortung: |
Prof. Dr. Maria Aksenovich
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-101336 - Graphentheorie |
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 |
Keine
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 |
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.
Keine
Kenntnisse zu Graphentheorie und Algorithmentechnik sind hilfreich.
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 |
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.
Keine
Kenntnisse zu Graphentheorie und Algorithmentechnik sind hilfreich.
Verantwortung: |
Prof. Dr. Peter Nick
|
---|---|
Einrichtung: |
KIT-Fakultät für Chemie und Biowissenschaften |
Bestandteil von: |
M-CHEMBIO-101957 - Ergänzungsfach Biologie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 7001 | Grundlagen der Biologie (zu Modul BA-01) | 4 SWS | Vorlesung (V) / 🗣 | Nick, Bastmeyer, Kämper |
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.
keine
Materialien
Purves, Sadava, Orians, Heller - Biologie (in der Lehrbuchsammlung, Lesesaal Naturwissenschaften unter 2006 A 5765(7))
Campbell, Reece, Markl - Biologie (in der Lehrbuchsammlung, Lesesaal Naturwissenschaften unter 97 E 322(6,N))
Weitere Lehrbücher werden in den einführenden Vorlesungsstunden vorgestellt.
Tutorien zur Vorlesung
Informationen werden in ILIAS bereit gestellt
Vorlesungsplan und Folien:
siehe entsprechenden ILIAS-Kurs
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 |
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 |
Schriftliche Prüfung
2,5 Stunden
keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 6232809 | Güterverkehr | 2 SWS | Vorlesung / Übung (VÜ) / 🗣 | Szimba |
schriftliche Prüfung, 60 min.
keine
keine
keine
Verantwortung: |
Prof. Dr. Alexandros Stamatakis
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101573 - Hands-on Bioinformatics Practical |
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.
Die Vorlesung Introduction to Bioinformatics for Computer Scientists muss bestanden sein.
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 |
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 |
Achievement is examined in the form of a written examination lasting 120 minutes.
none
Verantwortung: |
Dr.-Ing. Tanja Harbaum
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100453 - Hardware/Software Co-Design |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Kenntnisse zu Grundlagen aus Digitaltechnik und Informationstechnik sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Becker
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100452 - Hardware-Synthese und -Optimierung |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Verantwortung: |
Prof. Dr. Wolfgang Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100822 - Heterogene parallele Rechensysteme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424117 | Heterogene parallele Rechensysteme | 2 SWS | Vorlesung (V) / 🗣 | Karl |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine
Verantwortung: |
Prof. Dr.-Ing. Anne Meyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
M-MACH-102404 - Informationsmanagement im Ingenieurwesen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2121341 | Hot Research Topics in AI for Engineering Applications | 3 SWS | Projekt (PRO) / 🗣 | Meyer, Dörr |
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.
keine
Grundlagenkenntnisse künstliche Intelligenz und Maschinelles Lernen, Programmiererfahrung (Python), Englisch-Kenntnisse
Teilnehmerzahl begrenzt.
Verantwortung: |
TT-Prof. Dr. Barbara Bruno
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106650 - HRI and Social Robotics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400159 | HRI and Social Robotics | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Bruno, Maure |
The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.
None.
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
Verantwortung: |
TT-Prof. Dr. Barbara Bruno
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106650 - HRI and Social Robotics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400159 | HRI and Social Robotics | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Bruno, Maure |
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.
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106649 - Humanoid Robots - Locomotion and Whole-Body Control |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400135 | Humanoid Robots – Locomotion and Whole-Body Control | 4 SWS | Vorlesung (V) / 🗣 | Mombaur |
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.
Active participation in the class is expected from all students and is a necessary requirement for the course.
As a prerequisite for the participation in the project, 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.
Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required.
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102561 - Humanoide Roboter - Seminar |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400048 | Seminar: Humanoide Roboter | 2 SWS | Seminar (S) / 🗣 | Asfour |
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.
Keine.
Vorlesung Robotik 1, Robotik 2, Robotik 3, Mechano-Informatik, Anziehbare Robotertechnologien
Verantwortung: |
Prof. Dr. Petra Nieken
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101453 - Angewandte strategische Entscheidungen M-WIWI-101500 - Microeconomic Theory |
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 |
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.
Keine
Es werden Kenntnisse in Mikroökonomie, Spieltheorie und Statistik vorausgesetzt.
Verantwortung: |
Angelika Kaplan
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400094 | Ethik der IT | Vorlesung (V) / 🖥 | Reussner, Bagattini, Heinrich |
Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.
Keine.
Keine.
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.
Verantwortung: |
Angelika Kaplan
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400094 | Ethik der IT | Vorlesung (V) / 🖥 | Reussner, Bagattini, Heinrich |
Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.
Keine.
Keine.
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.
Verantwortung: |
Prof. Dr.-Ing. Peter Vortisch
|
---|---|
Einrichtung: |
KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften |
Bestandteil von: |
M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 6232905 | Informationsmanagement für öffentliche Mobilitätsangebote | 2 SWS | Block (B) / 🗣 | Vortisch |
vorlesungsbegleitende Übungsblätter, ca. 5 Stück
keine
keine
keine
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 |
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 |
see module description
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2145182 | Innovation2Business – Innovation Strategy in the Industrial Corporate Practice | 2 SWS | Vorlesung (V) / 🗣 | Albers |
Schriftliche Prüfung, in der Inhalte aus dem zur Verfügung gestellten Skript abgefragt werden, Dauer 90 Minuten
keine
Keine
Verantwortung: |
Prof. Dr. Marion Weissenberger-Eibl
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) M-WIWI-101507 - Innovationsmanagement |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2545100 | Innovationsmanagement: Konzepte, Strategien und Methoden | 2 SWS | Vorlesung (V) / 🧩 | Weissenberger-Eibl |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Björn Hein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100791 - Innovative Konzepte zur Programmierung von Industrierobotern |
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 |
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.
Keine
Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.
Verantwortung: |
Prof. Dr. Wilhelm Stork
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100457 - Integrierte Intelligente Sensoren |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2311630 | Integrierte Intelligente Sensoren | 2 SWS | Vorlesung (V) / 🗣 | Stork |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100474 - Integrierte Systeme und Schaltungen |
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 |
Die Erfolgskontrolle findet im Rahmen einer schriftlichen Gesamtprüfung im Umfang von 60 Minuten statt.
keine
Der erfolgreiche Abschluss von LV 23655 (Elektronische Schaltungen) ist erforderlich, da das Modul auf dem Stoff und den Vorkenntnissen der genannten Lehrveranstaltung aufbaut.
Verantwortung: |
Prof. Dr. Andreas Geyer-Schulz
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste |
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 |
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.
Keine
Es wird empfohlen die Vorlesung "Customer Relationship Management" aus dem Bachelor-Modul "CRM und Servicemanagement" ergänzend zu wiederholen.
Verantwortung: |
Prof. Dr. Andreas Geyer-Schulz
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-105661 - Data Science: Intelligente, adaptive und lernende Informationsdienste |
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 |
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.
Keine
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.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100732 - Interaktive Computergrafik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24679 | Interaktive Computergrafik | 2 SWS | Vorlesung (V) / 🗣 | Schudeiske, Dachsbacher |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse aus der Vorlesung Computergrafik werden vorausgesetzt.
Verantwortung: |
Erice Casenave
Prof. Dr. Martin Klarmann
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2572189 | International Business Development and Sales | 4 SWS | Block (B) / 🗣 | Klarmann, Terzidis, Schmitt |
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.
Aktuelle Informationen erhalten Sie bei der Forschungsgruppe Marketing und Vertrieb.
Verantwortung: |
Prof. Dr. Marliese Uhrig-Homburg
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2530570 | Internationale Finanzierung | 2 SWS | Vorlesung (V) / 🗣 | Walter, Uhrig-Homburg |
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
Keine
Keine
Die Veranstaltung wird 14-tägig oder als Blockveranstaltung angeboten.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100800 - Internet of Everything |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24104 | Internet of Everything | 2 SWS | Vorlesung (V) / 🗣 | Zitterbart, Mahrt, Neumeister, Hildenbrand |
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.
Keine
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.
Verantwortung: |
N.N.
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-INFO-101215 - Recht des geistigen Eigentums |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24354 | Internetrecht | 2 SWS | Vorlesung (V) / 🧩 | Sattler |
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.
Die Veranstaltung Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 darf nicht begonnen sein.
Keine
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.
Verantwortung: |
Prof. Dr. Alexandros Stamatakis
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400055 | Introduction to Bioinformatics for Computer Scientists | 2 SWS | Vorlesung (V) / 🧩 | Stamatakis |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (i.d.R. 20 Minuten).
Keine
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 |
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 |
Prüfungsleistung anderer Art (benotet), Gruppen-Lehrprojekt zu Industrie 4.0 bestehend aus: Konzeption, Umsetzung, begleitende Dokumentation und Schlusspräsentation
keine
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106315 - IT-Sicherheit |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400010 | IT-Sicherheit | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Müller-Quade, Wressnegger, Martin, Tiepelt |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Der Stoff der Pflichtvorlesung Informationssicherheit soll bekannt sein.
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100786 - IT-Sicherheitsmanagement für vernetzte Systeme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24149 | IT-Sicherheitsmanagement für vernetzte Systeme | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Hartenstein, Droll, Grundmann |
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.
keine
Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
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 |
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.
Die Summer School richtet sich an Masterstudierende des KIT. Voraussetzung ist die Teilnahme am Auswahlverfahren.
Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.
Die Arbeitssprache während der Summer School ist englisch. Ein einwöchiger Aufenthalt in China ist Bestandteil der Summer School.
Verantwortung: |
Prof. Dr. Benjamin Scheibehenne
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106258 - Digital Marketing |
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 |
Alternative exam assessment. The grading includes the following aspects:
The scoring system for the grading will be announced at the beginning of the course.
Registration via the WIWI-Portal is required for participation in the Übung. The Übung is a prerequisite for the exam.
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.
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101446 - Market Engineering |
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.
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.
Verantwortung: |
Dr. Daniela Beyer
Jennifer Scheydt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101507 - Innovationsmanagement M-WIWI-101507 - Innovationsmanagement |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2500049 | KI Innovationsökosysteme | 2 SWS | Seminar (S) / 🖥 | Beyer, Weissenberger-Eibl |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art und setzt sich wie folgt zusammen:
Keine
Empfohlen wird, dass die Vorlesung: Innovationsmanagement: Konzepte, Strategien und Methoden bereits belegt wurde.
Verantwortung: |
Prof. Dr. Michael Mäs
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte |
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.
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.
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-GEISTSOZ-103737 - Empirische Sozialforschung |
Keine.
Verantwortung: |
Prof. Dr. Maria Aksenovich
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-102950 - Kombinatorik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 0150300 | Combinatorics | 4 SWS | Vorlesung (V) | Aksenovich |
SS 2024 | 0150310 | Tutorial for 0150300 (Combinatorics) | 2 SWS | Übung (Ü) | Liu |
Keine
Der Kurs wird jedes zweite Jahr angeboten.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400124 | Komplexitätstheorie, mit Anwendungen in der Kryptographie | 4 SWS | Vorlesung (V) | Müller-Quade, Benz, Berger |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine
Kenntnisse in Entwurf und Analyse von Algorithmen werden vorausgesetzt.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100728 - Kontextsensitive Systeme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400099 | Kontextsensitive Systeme | 1 SWS | Übung (Ü) / 🖥 | Riedel |
SS 2024 | 24658 | Kontextsensitive Systeme | 2 SWS | Vorlesung (V) / 🗣 | Riedel |
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.
Keine
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2550120 | Konvexe Analysis | 2 SWS | Vorlesung (V) / 🗣 | Stein |
SS 2024 | 2550121 | Übung zu Konvexe Analysis | 2 SWS | Übung (Ü) / 🗣 | Stein, Schwarze |
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.
Keine
Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.
Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105311 - Konzepte zur Verarbeitung geometrischer Daten |
The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.
Keine.
The concepts presented in this lecture are used in other lectures in the field of geometry processing.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105733 - Konzepte zur Verarbeitung geometrischer Daten |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20- 30 Minuten.
Keine.
Ohne Übung.
Verantwortung: |
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105631 - Kryptographische Protokolle |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400154 | Kryptographische Protokolle | 2 SWS | Vorlesung (V) / 🗣 | Raiber, Mechler |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO
Wenn das Modul M-INFO-104119 Sichere Mehrparteienberechnung bereits geprüft wurde, kann das Modul Kryptographische Protokolle nicht geprüft werden.
Der Inhalt des Moduls "Theoretische Grundlagen der Kryptographie" wird vorausgesetzt
Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100742 - Kryptographische Wahlverfahren |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400122 | Kryptographische Wahlverfahren | 2 SWS | Vorlesung (V) / 🖥 | Müller-Quade, Schwerdt, Dörre |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse zu Grundlagen der Kryptographie sind hilfreich.
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106810 - Künstliche Intelligenz & IT-Sicherheit |
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.
Keine
Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100837 - Kurven und Flächen im CAD I |
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.
Keine.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101231 - Kurven und Flächen im CAD II |
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.
Keine.
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 |
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 |
Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten.
Keine.
Verantwortung: |
Eva Schulz-Kamm
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101507 - Innovationsmanagement M-WIWI-101507 - Innovationsmanagement |
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.
Keine
Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
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.
Keine.
Verantwortung: |
Prof. Dr. Wolf Fichtner
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101451 - Energiewirtschaft und Energiemärkte |
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 |
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.
Keine
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101412 - Industrielle Produktion III M-WIWI-101471 - Industrielle Produktion II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581995 | Life Cycle Assessment - Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext | 2 SWS | Vorlesung (V) / 🗣 | Treml, Schultmann, Schneider |
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.
Keine.
Keine
Titel der Teilleistung bis einschließlich Sommersemester 2019 "Ökobilanzen".
Verantwortung: |
Prof. Dr. Olaf Dössel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-101845 - Lineare Elektrische Netze |
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 |
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.
keine
Verantwortung: |
Prof. Dr. André Platzer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106102 - Logical Foundations of Cyber-Physical Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400161 | Logical Foundations of Cyber-Physical Systems | 4 SWS | Vorlesung (V) / 🗣 | Platzer |
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).
Keine.
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
Course web page: https://lfcps.org/course/lfcps.html
Verantwortung: |
Prof. Dr.-Ing. Uwe Hanebeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100840 - Lokalisierung mobiler Agenten |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24613 | Lokalisierung mobiler Agenten | 3 SWS | Vorlesung (V) / 🗣 | Hanebeck, Frisch |
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.
Keine.
Grundlegende Kenntnisse der linearen Algebra und Stochastik sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100807 - Low Power Design |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2424672 | Low Power Design | 2 SWS | Vorlesung (V) / 🗣 | Henkel, Khdr, Siddhu, Pfeiffer |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Keine
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.
Verantwortung: |
Prof. Dr. Wolf Fichtner
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101452 - Energiewirtschaft und Technologie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581050 | Machine Learning and Optimization in Energy Systems | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Dengiz, Yilmaz |
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.
Verantwortung: |
TT-Prof. Dr. Peer Nowack
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106470 - Machine Learning in Climate and Environmental Sciences |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400151 | Machine Learning in Climate and Environmental Sciences | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Nowack |
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.
No strict prerequisites but several strong recommendations (see below).
• 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.
Verantwortung: |
TT-Prof. Dr. Peer Nowack
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106470 - Machine Learning in Climate and Environmental Sciences |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400151 | Machine Learning in Climate and Environmental Sciences | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Nowack |
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.
No strict prerequisites but several strong recommendations (see below).
• 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.
Verantwortung: |
Dr. Thomas Reiß
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2545003 | Management neuer Technologien | 2 SWS | Vorlesung (V) / 🗣 | Reiß |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur, 60 Minuten) nach §4 (2), 1 SPO.
Keine
Keine
Die Lehrveranstaltung wird im Sommersemester 2024 voraussichtlich zum letzten Mal angeboten.
Verantwortung: |
Dr. Yvonne Matz
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101215 - Recht des geistigen Eigentums |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24609 | Markenrecht | 2 SWS | Vorlesung (V) / 🗣 | Matz |
WS 24/25 | 24136 | Markenrecht | 2 SWS | Vorlesung (V) / 🗣 | Matz |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2571150 | Market Research | 2 SWS | Vorlesung (V) / 🗣 | Klarmann |
SS 2024 | 2571151 | Market Research Tutorial | 1 SWS | Übung (Ü) / 🗣 | Klarmann |
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.
Keine
Keine
Diese Veranstaltung ist Voraussetzung für Studierende, die an Abschlussarbeiten bei der Forschungsgruppe "Marketing und Vertrieb" interessiert sind.
Verantwortung: |
Prof. Dr. Martin Klarmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen |
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 |
Die Erfolgskontrolle erfolgt (nach §4(2), 3 SPO) in Form einer Prüfungsleistung anderer Art (Aufgaben parallel zur Vorlesung zur Bearbeitung in einer Gruppe).
Ein erfolgreiches Absolvieren von "Market Research" ist Voraussetzung für das Absolvieren der Prüfung in "Marketing Analytics".
Es wird dringend empfohlen, vor Belegung des Kurses "Marketing Analytics" die Veranstaltung "Market Research" zu absolvieren.
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.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100848 - Maschinelle Übersetzung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24639 | Maschinelle Übersetzung | 4 SWS | Vorlesung (V) / 🗣 | Niehues |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung von i.d.R. 45 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Voraussetzung zur Zulassung zur Prüfung ist das Erlangen des Scheins der praktischen Übung der Vorlesung „Maschinelle Übersetzung".
Der vorherige, erfolgreiche Abschluss des Stammoduls Kognitive Systeme wird empfohlen, Grundlagen aus der Lehrveranstaltung Maschinelles Lernen sind von Vorteil.
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105778 - Maschinelles Lernen - Grundlagen und Algorithmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400018 | Maschinelles Lernen - Grundlagen und Algorithmen | 4 SWS | Vorlesung / Übung (VÜ) / 🧩 | Neumann |
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.
Keine.
- Python Kenntnisse sind empfehlenswert
- Mathematik-lastige Vorlesung. Es werden zwar die Grundlagen wiederholt, aber eine mathematische Geschicklichkeit ist hilfreich.
Verantwortung: |
TT-Prof. Dr. Pascal Friederich
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105630 - Maschinelles Lernen für die Naturwissenschaften mit Übung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400008 | Maschinelles Lernen für die Naturwissenschaften | 2 SWS | Vorlesung (V) / 🧩 | Friederich |
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.
Keine.
Verantwortung: |
TT-Prof. Dr. Pascal Friederich
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105630 - Maschinelles Lernen für die Naturwissenschaften mit Übung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400034 | Übung zu Maschinelles Lernen für die Naturwissenschaften | 2 SWS | Vorlesung / Übung (VÜ) / 🧩 | Friederich, Reiser, Zhou, Torresi, Neubert, Eberhard, Schlöder |
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.
Keine.
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101892 - Modul Masterarbeit |
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.
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.
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.
Verantwortung: |
Prof. Dr. Clemens Puppe
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101500 - Microeconomic Theory |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2500042 | Matching Theory | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Okulicz |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten.
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 |
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 |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 30 min.) in der vorlesungsfreien Zeit des Semesters.
Keine
Grundkenntnisse in Mathematik und Statistik werden vorausgesetzt.
Kenntnisse in multivariater Statistik sind von Vorteil, sind für die Veranstaltung aber nicht notwendig.
Lehr- und Lernform: Vorlesung und Übung
Verantwortung: |
PD Dr. Gudrun Thäter
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-102929 - Mathematische Modellierung und Simulation in der Praxis |
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 |
Keine
Verantwortung: |
Prof. Dr. Ann-Kristin Kupfer
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106258 - Digital Marketing |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2572192 | Media Management | 2 SWS | Vorlesung (V) / 🗣 | Kupfer |
WS 24/25 | 2572193 | Media Management Exercise | 1 SWS | Übung (Ü) / 🗣 | Mitarbeiter |
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.
None
Students are highly encouraged to actively participate in class.
The course will take place in the winter term 23/24 for the first time.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102288 - Medienkunst |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
keine
Vor Semesterbeginn:
Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:
https://moodle.hfg-karlsruhe.de/
Ansprechpartner:
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-103147 - Medienkunst Modell "kleines Nebenfach" |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine
Vor Semesterbeginn:
Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:
https://moodle.hfg-karlsruhe.de/
Ansprechpartner:
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100729 - Mensch-Maschine-Interaktion |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24659 | Mensch-Maschine-Interaktion | 2 SWS | Vorlesung (V) / 🧩 | Beigl, Lee |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Die Teilnahme an der Übung ist verpflichtend und die Inhalte der Übung sind relevant für die Prüfung.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24100 | Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen | 2 SWS | Vorlesung (V) / 🧩 | van de Camp |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Verantwortung: |
Prof. Dr. Marion Weissenberger-Eibl
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101507 - Innovationsmanagement M-WIWI-101507 - Innovationsmanagement |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2545107 | Methoden im Innovationsmanagement | 2 SWS | Seminar (S) / 🗣 | Koch |
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.
Keine.
Der vorherige Besuch der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden wird empfohlen.
Lehr- und Lernform: Seminar
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung |
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 |
Studierende müssen die Teilleistung "Computergestützte Datenanalyse" bestanden haben.
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) |
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 |
Successful participation in the exercises.
None
None
None
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 4052061 | Middle Atmosphere in the Climate System | 2 SWS | Vorlesung (V) / 🧩 | Höpfner, Sinnhuber |
Short presentation at the end of the semester
None
None
None
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2183702 | Mikrostruktursimulation | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | August, Prahs, Nestler |
Mündliche Prüfung 30 min
keine
Werkstoffkunde
mathematische Grundlagen
Verantwortung: |
Prof. Dr. Wilhelm Stork
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100454 - Mikrosystemtechnik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2311625 | Mikrosystemtechnik | 2 SWS | Vorlesung (V) / 🧩 | Stork |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Verantwortung: |
Prof. Dr.-Ing. Peter Rost
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105971 - Mobile Communications |
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 |
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.
none
Verantwortung: |
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100785 - Mobilkommunikation |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24643 | Mobilkommunikation | 2 SWS | Vorlesung (V) | Waldhorst, Mahrt |
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.
Keine
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.
Verantwortung: |
Dr. Verena Dorner
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen |
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.
Die Vorlesung wird nicht mehr angeboten.
Verantwortung: |
Prof. Dr. Maxim Ulrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106660 - Modeling the Dynamics of Financial Markets |
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 |
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".
Recommendation: Knowledge in the fields of Advanced Statistics, Deep Learning, Financial Economics, Differential Equations, Optimization.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100741 - Modellgetriebene Software-Entwicklung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24657 | Model-Driven Software Development | 2 SWS | Vorlesung (V) / 🗣 | Burger |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
keine
Grundkenntnisse aus der Vorlesung Softwaretechnik II [24076] sind hilfreich.
Verantwortung: |
Prof. Dr. Stefan Nickel
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-102832 - Operations Research im Supply Chain Management |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2550490 | Modellieren und OR-Software: Fortgeschrittene Themen | 3 SWS | Praktikum (P) / 🧩 | Pomes, Linner, Nickel |
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.
Zulassungsvoraussetzung zu Klausur ist die erfolgreiche Teilnahme am Übungsbetrieb. Dies beinhaltet die Bearbeitung und Präsentation von Übungsaufgaben.
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.
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.
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101705 - Moderne Experimentalphysik II, Moleküle und Festkörper |
Mündliche Prüfung, ca. 45 min
erfolgreiche Übungsteilnahme
Verantwortung: |
PD Dr. Robert Eder
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101664 - Moderne Theoretische Physik für Lehramt |
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 |
Mündliche Prüfung, ca. 45 min
erfolgreiche Übungsteilnahme
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 |
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 |
Studienleistung, erfolgreiche Teilnahme an den Übungen
keine
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101708 - Moderne Theoretische Physik II, Quantenmechanik II |
Mündliche Prüfung, ca. 45 min
keine
Verantwortung: |
Studiendekan Physik
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101709 - Moderne Theoretische Physik III, Statistische Physik |
Mündliche Prüfung, ca. 45 min
keine
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) |
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.
Drei Studienleistungen aus den vier Studienleistungen Philo 1-4.
Verantwortung: |
Prof. Dr. Michael Schefczyk
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-GEISTSOZ-104507 - Praktische Philosophie I |
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.
Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430 oder M-GEISTSOZ-104500.
Verantwortung: |
Prof. Dr. Gregor Betz
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-GEISTSOZ-104509 - Theoretische Philosophie I |
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.
Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430 oder M-GEISTSOZ-104500.
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.
Verantwortung: |
Prof. Dr. Gregor Betz
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-GEISTSOZ-100614 - Ars Rationalis |
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.
Studienleistung Ars Rationalis I
Verantwortung: |
Prof. Dr. Gregor Betz
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-GEISTSOZ-100614 - Ars Rationalis |
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).
Studienleistung Ars Rationalis II
Verantwortung: |
Prof. Dr. Jörg Kämper
Prof. Natalia Requena
|
---|---|
Einrichtung: |
KIT-Fakultät für Chemie und Biowissenschaften |
Bestandteil von: |
M-CHEMBIO-101957 - Ergänzungsfach Biologie |
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 |
Klausur über die Vorlesungen Genetik (3LP) und Molekularbiologie (2LP)
keine
wichtige Informationen auf:
http://www.biologie.kit.edu/310.php
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102555 - Motion in Human and Machine - Seminar |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400063 | Motion in Human and Machine | 3 SWS | Seminar (S) / 🗣 | Asfour |
Die Erfolgskontrolle erfolgt durch Ausarbeiten einer Dokumentation und einer Abschlusspräsentation als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 der SPO.
Keine.
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.
Das Blockpraktikum ist eine interdisziplinäre Veranstaltung in Kooperation mit der Universität Stuttgart und der Universität Heidelberg.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2550155 | Multikriterielle Optimierung | 2 SWS | Vorlesung (V) / 🗣 | Stein |
WS 24/25 | 2550156 | Übungen zu Multikriterielle Optimierung | Übung (Ü) / 🗣 | Stein, Beck |
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.
Keine
Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.
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
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 |
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 |
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.
Keine
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.
Die Lehrveranstaltung (Vorlesung und Übung) wird unregelmäßig angeboten. Genaue Informationen finden sich auf der Seite des Lehrstuhls.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Beyerer
Tim Zander
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100825 - Mustererkennung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24675 | Mustererkennung | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Beyerer |
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.
Keine.
Kenntnisse der Grundlagen der Stochastik, Signal- und Bildverarbeitung sind hilfreich.
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 |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.
keine
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.
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105604 - Nano- and Quantum Electronics |
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 |
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.
none
Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100812 - Netze und Punktwolken |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400029 | Netze und Punktwolken (findet im SoSe24 nicht statt) | 2 SWS | Vorlesung (V) / 🧩 | Prautzsch |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 - 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100782 - Netzsicherheit: Architekturen und Protokolle |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24601 | Netzsicherheit: Architekturen und Protokolle | 2 SWS | Vorlesung (V) / 🗣 | Baumgart, Bless, Zitterbart |
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.
Keine
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.
Verantwortung: |
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100784 - Next Generation Internet |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24674 | Next Generation Internet | 2 SWS | Vorlesung (V) / 🗣 | Bless |
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.
Keine
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.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
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 |
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.
Die Teilleistung T-WIWI-103637 "Nichtlineare Optimierung I und II" darf nicht begonnen worden sein.
Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
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 |
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.
Keine.
Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
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 |
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.
Keine.
Teil I und II der Vorlesung werden nacheinander imgleichenSemester gelesen.
Verantwortung: |
Dr.-Ing. Mathias Kluwe
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100371 - Nichtlineare Regelungssysteme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2303173 | Nichtlineare Regelungssysteme | 2 SWS | Vorlesung (V) / 🗣 | Kluwe |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten über die Lehrveranstaltung.
keine
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.
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 |
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 |
mündliche Prüfung im Umfang von ca. 20 Minuten
Verantwortung: |
Prof. Dr. Hartwig Anzt
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-103709 - Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern |
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 |
keine
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 4052121 | Ocean-Atmosphere Interactions | 2 SWS | Vorlesung (V) / 🧩 | Fink |
Active participation
None
None
None
Verantwortung: |
Prof. Dr. Martin Klarmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106258 - Digital Marketing |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2571184 | Online-Konzepte für Karlsruher Innenstadthändler | 2 SWS | Sonstige (sonst.) / 🗣 | Kupfer |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art:
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).
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 |
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 |
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.
Keine
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.
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.
Verantwortung: |
Prof. Dr. Wilhelm Stork
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100456 - Optical Engineering |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).
keine
Verantwortung: |
Prof. Dr.-Ing. Sören Hohmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-102310 - Optimale Regelung und Schätzung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2303162 | Optimale Regelung und Schätzung | 2 SWS | Vorlesung (V) / 🗣 | Kluwe |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 Minuten) über die ausgewählte Lehrveranstaltung.
keine
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.
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100830 - Optimierung und Synthese Eingebetteter Systeme (ES1) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424143 | Optimierung und Synthese Eingebetteter Systeme (ES1) | 2 SWS | Vorlesung (V) / 🗣 | Siddhu, Henkel |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 der SPO im Umfang von i.d.R. 20 Minuten.
Die Vorausetzungen, soweit gegeben, werden in der Modulbeschreibung näher erläutert.
Kentnisse in Rechnerstrukturen sind hilfreich.
Verantwortung: |
Prof. Dr. Steffen Rebennack
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-103289 - Stochastische Optimierung |
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 |
Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO). Die Prüfung wird jedes Semester angeboten.
Keine.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 0155500 | Übungen zu 0155400 (Optimierungstheorie) | 2 SWS | Übung (Ü) | Rieder |
Keine
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 |
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 |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Sebastian Randel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100509 - Optoelectronic Components |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2309486 | Optoelectronic Components | 2 SWS | Vorlesung (V) / 🧩 | Randel |
SS 2024 | 2309487 | Optoelectronic Components (Tutorial) | 1 SWS | Übung (Ü) / 🧩 | Randel |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (ca. 30 Minuten). Die individuellen Termine für die mündliche Prüfung werden regelmäßig angeboten.
keine
Kenntnisse in folgenden Bereichen: Elemente der Wellenausbreitung, Physik des pn-Übergangs.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100796 - Parallele Algorithmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400053 | Parallele Algorithmen | Vorlesung (V) / 🗣 | Sanders, Hübner, Uhl |
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.
Keine
Kenntnisse aus der Vorlesungen wie Algorithmen I/II werden empfohlen.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100796 - Parallele Algorithmen |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 2 Abs. 2 Nr. 3.
Gewichtung: 80 % mündliche Prüfung, 20 % Übung.
Keine
Kenntnisse aus der Vorlesungen wie Algorithmen I/II werden empfohlen.
Verantwortung: |
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-101338 - Paralleles Rechnen |
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 |
keine
Verantwortung: |
Prof. Dr. Achim Streit
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100808 - Parallelrechner und Parallelprogrammierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24617 | Parallelrechner und Parallelprogrammierung | 2 SWS | Vorlesung (V) | Streit, Raffeiner, Barthel |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.
Keine
Kenntnisse zu Grundlagen aus der Lehrveranstaltung Rechnerstrukturen sind hilfreich.
Verantwortung: |
Prof. Dr. Oliver Stein
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101473 - Mathematische Optimierung |
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.
Keine
Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.
Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105621 - Parametrisierte Algorithmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400054 | Parametrisierte Algorithmen | 4 SWS | Vorlesung (V) / 🗣 | Bläsius, Wilhelm, Yi, von der Heydt |
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.
Keine
Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sind hilfreich.
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105621 - Parametrisierte Algorithmen |
Es muss ein Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.
Keine
Grundkenntnisse über Algorithmen und Datenstrukturen (z.B. aus den Vorlesungen Algorithmen 1 + 2) sind hilfreich.
Verantwortung: |
Prof. Dr. Kathrin Gerling
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106516 - Partizipative Technologiegestaltung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400189 | Participatory Technology Design | 4 SWS | Vorlesung / Übung (VÜ) | Gerling |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Keine
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
Verantwortung: |
Prof. Dr. Kathrin Gerling
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106516 - Partizipative Technologiegestaltung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400189 | Participatory Technology Design | 4 SWS | Vorlesung / Übung (VÜ) | Gerling |
Es muss außerdem einen Übungsschein in Form einer Studienleistung nach § 4 Abs. 3 SPO erbracht werden. Es sind insgesamt zwei Wiederholungen möglich.
Keine
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
Verantwortung: |
Patric Werner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101215 - Recht des geistigen Eigentums |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24656 | Patentrecht | 2 SWS | Vorlesung (V) / 🗣 | Werner |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine
Keine
Verantwortung: |
Prof. Dr. Thomas Leisner
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded) |
None
Basic knowledge of physics, physical chemistry and fluid dynamics at Bachelor level.
180 hours consisting of attendance times (42 hours), follow-up of the lecture and editing exercises (138 hours).
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105608 - Physics, Technology and Applications of Thin Films |
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 |
The success control takes place within the framework of an oral overall examination of approx. 20 minutes.
Verantwortung: |
Prof. Dr. Werner Nahm
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105874 - Physiologie und Anatomie für die Medizintechnik |
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 |
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).
Die Teilleistungen "T-ETIT-101932 - Physiologie und Anatomie I" und "T-ETIT-101933 - Physiologie und Anatomie II" dürfen nicht begonnen sein.
Winter-/Sommersemester:
WiSe: Physiologie und Anatomie I
SoSe: Physiologie und Anatomie II
Verantwortung: |
Dr. Massimo Genoese
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101451 - Energiewirtschaft und Energiemärkte |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2581025 | Planspiel Energiewirtschaft | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Genoese, Zimmermann |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Ausarbeitung und einer mündlichen Präsentation (Prüfungsleistungen anderer Art nach §4 (2), 1 SPO).
Keine
Besuch der Lehrveranstaltung "Einführung in die Energiewirtschaft"
Die Anzahl der Teilnehmer ist begrenzt. Es findet ein Anmeldeverfahren über CAS sowie ein anschließendes Auswahlverfahren statt.
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 |
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 |
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.
Keine
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 |
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 |
Mündliche Prüfung 20 Min.
keine
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100804 - Power Management |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400036 | Power Management | 2 SWS | Vorlesung (V) / 🗣 | Bellosa, Gröninger, Khalil |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
Das Power Management Praktikum muss angefangen sein.
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101542 - Power Management Praktikum |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400039 | Power Management Praktikum | 2 SWS | Praktikum (P) / 🗣 | Bellosa, Khalil, Gröninger |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Das Praktikum kann nur erfolgreich besucht werden, wenn im gleichen Semester die Vorlesung Power Managementangefangen wird.
Verantwortung: |
TT-Prof. Dr. Peer Nowack
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106800 - Practical Course: AI for Climate and Weather Predictions |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400064 | AI for climate and weather predictions | 2 SWS | Praktikum (P) / 🗣 | Nowack |
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.
• 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.
• 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.
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106867 - Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) |
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).
Keine.
The basics of IT security and artificial intelligence are a prerequisite.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2121342 | Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots | 4 SWS | Praktikum (P) / 🗣 | Rönnau |
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.
Keine
Kenntnisse zu Grundlagen der Robotik aus Robotik 1 sind hilfreich. Grundkenntnisse im Umgang mit C++ oder Python und Linux werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Gerhard Satzger
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101506 - Service Analytics |
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).
Keine.
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.
Verantwortung: |
Prof. Dr. Alexander Mädche
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-106292 - Human-Centered Information Systems |
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 |
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.
Verantwortung: |
Prof. Dr. Gerhard Satzger
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101410 - Business & Service Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2595477 | Seminarpraktikum: Service Innovation | 3 SWS | Seminar (S) | Satzger |
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.
Es werden Kenntnisse über Service Innovation Methoden vorausgesetzt. Daher empfiehlt es sich, die Lehrveranstaltung Service Innovation [2540468] im Vorfeld zu besuchen.
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.
Verantwortung: |
TT-Prof. Dr. Thomas Bläsius
Dr. rer. nat. Torsten Ueckerdt
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102072 - Praktikum Algorithmentechnik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424305 | Praktikum Algorithm Engineering-Routenplanung | 4 SWS | Praktikum (P) / 🗣 | Feilhauer, Bläsius, Zündorf |
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.
keine
Verantwortung: |
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103166 - Praktikum Anwendungssicherheit |
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 |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Grundlagen der IT-Sicherheit werden vorausgesetzt.
Der Inhalt der Vorlesungen „Rechnerorganisation“ und „Betriebssysteme“ sollten bekannt sein.
Verantwortung: |
Prof. Dr. Werner Nahm
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100389 - Praktikum Biomedizinische Messtechnik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2305276 | Praktikum Biomedizinische Messtechnik | 4 SWS | Praktikum (P) / 🗣 | Nahm |
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.
Die erfolgreiche Teilnahme am Modul "Biomedizinische Messtechnik I" ist Voraussetzung.
- 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
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103047 - Praktikum Dezentrale Systeme und Netzdienste |
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.
Keine.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102570 - Praktikum: Digital Design & Test Automation Flow |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24318 | Digital Design & Test Automation Flow | 4 SWS | Praktikum (P) / 🗣 | Tahoori |
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.
Keine.
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102661 - Praktikum FPGA Programming |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400106 | FPGA Programming | 4 SWS | Praktikum (P) / 🗣 | Tahoori |
WS 24/25 | 2400106 | FPGA Programming | 4 SWS | Praktikum (P) / 🗣 | Tahoori |
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.
Keine.
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104254 - Praktikum: Ingenieursmäßige Software-Entwicklung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400093 | Praktikum Ingenieursmäßige Software-Entwicklung | 4 SWS | Praktikum (P) | Reussner |
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.
Keine.
Der frühere Titel des Moduls lautete „Praktikum Software Quality Engineering mit Eclipse“.
Verantwortung: |
Dr. Hans Jürgen Simonis
PD Dr. Roger Wolf
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-101353 - Praktikum Klassische Physik I |
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 |
keine
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 |
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 |
keine
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101559 - Praktikum Kryptoanalyse |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24881 | Praktikum: Kryptoanalyse | 4 SWS | Praktikum (P) / 🗣 | Müller-Quade, Geiselmann, Berger, Bayreuther |
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.
Keine
Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.
Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101558 - Praktikum Kryptographie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24301 | Praktikum Kryptographie und Datensicherheit | 4 SWS | Praktikum (P) / 🗣 | Bayreuther, Berger, Müller-Quade |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine
Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.
Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101579 - Praktikum Modellgetriebene Software-Entwicklung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400091 | Praktikum Modellgetriebene Software-Entwicklung | 4 SWS | Praktikum (P) / 🗣 | Burger |
Die Erfolgskontrolle erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO in Form von überwiegend praktischen Aufgaben.
Keine
Der Besuch der Vorlesungen Softwaretechnik II und Modellgetriebene Software-Entwicklung ist hilfreich.
Verantwortung: |
Prof. Dr. Sebastian Kempf
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100468 - Praktikum Nanoelektronik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2312669 | Praktikum Nanoelektronik | 4 SWS | Praktikum (P) / 🗣 | Kempf |
WS 24/25 | 2312669 | Praktikum Nanoelektronik | 4 SWS | Praktikum (P) / 🗣 | Kempf, weitere Mitarbeitende |
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.
keine
Der erfolgreiche Abschluss des Moduls „Technology, physics and applications of thin films“ ist empfohlen.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102414 - Praktikum Natürlichsprachliche Dialogsysteme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400187 | Natürlichsprachliche Dialogmodellierung | 2 SWS | Praktikum (P) / 🗣 | Niehues |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101889 - Praktikum Praxis der Telematik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24316 | Praxis der Telematik | 1 SWS | Praktikum (P) | König, Mahrt, Zitterbart |
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.
Wurde das Modul Basispraktikum Protocol Engineering bereits geprüft, darf dieses Modul nicht geprüft werden.
Vorheriger oder paralleler Besuch der Vorlesung „Telematik“
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102092 - Praktikum Protocol Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400086 | Praktikum Protocol Engineering | 4 SWS | Praktikum (P) | König, Mahrt, Zitterbart |
Die Erfolgskontrolle erfolgt benotet nach § 4 Abs. 2 Nr. 3 SPO als Prüfungsleistung anderer Art.
Keine
Das Praktikum sollte semesterbegleitend zur LV Telematik [24128] belegt werden.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101560 - Praktikum Sicherheit |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2512557 | Praktikum Sicherheit (Master) | 4 SWS | Praktikum (P) / 🧩 | Baumgart, Volkamer, Mayer, Wressnegger |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine
Konkrete Praktika können dem Vorlesungsverzeichnis oder dem Webauftritt http://crypto.iti.kit.edu/index.php?id=academics entnommen werden.
Verantwortung: |
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100460 - Praktikum Software Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2311640 | Praktikum Software Engineering | 4 SWS | Praktikum (P) / 🗣 | Sax |
Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (Bewertungen) während des Labors sowie einer mündlichen Abschlussprüfung (20 min.). Der Gesamteindruck wird bewertet.
keine
Kenntnisse in System-Design (z.B. LV 23605)
Softwareentwurf (z.B. LV 23611)
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2311612 | Praktikum System-on-Chip | 4 SWS | Praktikum (P) / 🗣 | Becker, Peric |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (20 bis 30 Minuten).
keine
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 |
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 |
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.
Keine.
Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104699 - Praktikum: Aktuelle Forschungsthemen der Computergrafik |
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.
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.
Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400203 | Aktuelle Themen des Quantencomputings | 3 SWS | Praktikum (P) | Kühn, Schaefer, Streit |
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.
- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106261 - Praktikum: Automotive Software Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400127 | Praktikum: Automotive Software Engineering | 4 SWS | Praktikum (P) / 🗣 | Schaefer |
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.
Keine.
Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105632 - Praktikum: Data Science |
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.
Es müssen Leistungen aus der Vorlesung Data Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.
Die Vorlesung Data Science 1 (vormals Analysetechniken) oder eine vergleiche Vorlesung sollte gehört worden sein.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106329 - Praktikum: Data Science für die Wissenschaften |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 242424 | Data Science für die Wissenschaften | 2 SWS | Praktikum (P) / 🗣 | Böhm, Cribeiro Ramallo, Schäfer |
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.
Es müssen Leistungen aus der Vorlesung Date Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106312 - Praktikum: Datenbankkonzepte und -technologie für die Wissenschaften |
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 |
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.
Nachweis von Datenbankkenntnissen durch eine bestandene Prüfung zur Vorlesung "Datenbanksysteme" oder einer vergleichbaren Veranstaltung.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101667 - Praktikum: Diskrete Freiformflächen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24876 | Praktikum Diskrete Freiformflächen | 4 SWS | Praktikum (P) / 🧩 | Hoffmann, Prautzsch |
WS 24/25 | 2400059 | Praktikum Diskrete Freiformflächen | Praktikum (P) / 🧩 | Hoffmann, Prautzsch |
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
None.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103506 - Praktikum: Effizientes paralleles C++ |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400195 | Effizientes paralleles C++ | 4 SWS | Praktikum (P) / 🧩 | Sanders, Witt, Schimek, Williams |
Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.
keine.
Zumindest grundsätzliche Kenntnisse der Sprache C++ sind notwendig für
die Teilnahme an der Lehrveranstaltung. Studenten sollten gegebene
Algorithmen implementieren können.
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105740 - Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424302 | Entwurf von applikationsspezifischen eingebetteten Prozessoren | 4 SWS | Praktikum (P) | Hussain, Henkel |
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.
Keine
Verantwortung: |
Prof. Dr.-Ing. Marvin Künnemann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106784 - Praktikum: Fine-grained Algorithm Design and Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400104 | Fine-grained Algorithm Design and Engineering | 4 SWS | Praktikum (P) / 🗣 | Künnemann |
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.
None.
- Basic knowledge of algorithms and data structures is assumed.
- Knowledge of fine-grained complexity is helpful, but not required.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106023 - Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge |
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 |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100724 - Praktikum: General-Purpose Computation on Graphics Processing Units |
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 |
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.
Keine.
Es wird empfohlen, einschlägige Vorlesungen des Vertiefungsgebiets Computergrafik gehört zu haben.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101666 - Praktikum: Geometrisches Modellieren |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400107 | Praktikum Geometrisches Modellieren | 2 SWS | Praktikum (P) / 🧩 | Prautzsch, Hoffmann |
WS 24/25 | 2400024 | Praktikum Geometrisches Modellieren | Praktikum (P) / 🧩 | Hoffmann, Prautzsch |
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.
Verantwortung: |
Prof. Dr. Kathrin Gerling
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106290 - Praktikum: Gestaltung und Evaluierung Interaktiver Systeme |
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 |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
Verantwortung: |
Dr. rer. nat. Torsten Ueckerdt
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103302 - Praktikum: Graphenvisualisierung in der Praxis |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400117 | Graphenvisualisierung in der Praxis - findet im SS 24 nicht statt | Praktikum (P) / 🗣 | Wagner, Jungeblut |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105384 - Praktikum: Graphics and Game Development |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24912 | Praktikum Graphics and Game Development (findet im SoSe24 nicht statt) | 4 SWS | Praktikum (P) / 🗣 | Dereviannykh, Dolp |
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.
keine
Kenntnisse zu Grundlagen oder Algorithmen der Computergrafik sind empfehlenswert aber nicht zwingend notwendig.
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106646 - Praktikum: Human-Centred Robotics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400149 | Praktikum: Human-Centred Robotics | 4 SWS | Praktikum (P) / 🗣 | Mombaur |
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.
Programmierkenntnisse werden vorausgesetzt.
Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind sehr hilfreich.
Begrenzte Anzahl von Projekten und Teilnehmern. Spezielle Projektthemen variieren jedes Semester und werden in einer Präsentation in der ersten Semesterwoche angekündigt.
Verantwortung: |
Prof. Dr. Rudolph Triebel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106656 - Praktikum: Intelligente Roboterperzeption |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24000158 | Praktikum Intelligente Roboterperzeption | 2 SWS | Praktikum (P) | Triebel |
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.
Knowledge in C++ and / or Python are required.
- Knowledge of the courses Robotc I-III is helpful.
- Students should be familiar with the content of module x / partial achievement x / course x.
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103706 - Praktikum: Internet of Things (IoT) |
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 |
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.
Keine.
- 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)
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104031 - Praktikum: Low Power Design and Embedded Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2424811 | Low Power Design and Embedded Systems | 4 SWS | Praktikum (P) / 🧩 | Henkel, Gonzalez, Khdr |
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.
Keine.
- 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.
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106648 - Praktikum: Movement and Technology |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400151 | Praktikum: Movement and Technology | 4 SWS | Praktikum (P) / 🗣 | Mombaur |
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.
Programming skills are required.
Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.
Programming skills.
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.
Verantwortung: |
Dennis Gnad
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106503 - Praktikum: Neural Network Acceleration on FPGAs |
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 |
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.
Keine.
Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.
Verantwortung: |
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104895 - Praktikum: Penetration Testing |
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 |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO
Keine.
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.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101537 - Praktikum: Programmverifikation |
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.
Keine
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106851 - Praktikum: Realtime Computer Graphics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24287 | Praktikum Realtime Computer Graphics | 4 SWS | Praktikum (P) / 🗣 | Dereviannykh, Grauer, Dachsbacher |
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.
Keine.
Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106627 - Praktikum: Real-world Vulnerability Discovery and Exploits |
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 |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO
Keine
Praktikum Anwendungssicherheit
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106687 - Praktikum: Rendering in CGI |
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 |
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.
Keine.
Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106686 - Praktikum: Scientific Visualization |
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 |
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.
Keine.
Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).
Verantwortung: |
Dr. Willi Geiselmann
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105453 - Praktikum: Security, Usability and Society |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Diese LV wir im SS23 nicht angeboten.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103235 - Praktikum: Smart Data Analytics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24895 | Praktikum: Smart Data Analytics | 4 SWS | Praktikum (P) / 🧩 | Huang, Zhou, Riedel, Beigl |
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
Keine.
Das Praktikum ist idealerweise begleitend zur Vorlesung Kontextsensitive Systeme (24658) zu belegen.
Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt.
Verantwortung: |
Dr.-Ing. Simon Waczowicz
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105955 - Praktikum: Smart Energy System Lab |
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 |
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.
Keine.
• 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.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105997 - Praktikum: Sprachübersetzung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400150 | Praktikum Sprachübersetzung | 4 SWS | Praktikum (P) / 🗣 | Niehues, Dinh |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Die Studentinnen und Studenten sollten die theoretischen Grundlagen wie sie in den Vorlesungen Deep Learning oder Maschinelle Übersetzung eingeführt werden, verstanden haben.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105737 - Praktikum: Unterteilungsalgorithmen |
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.
None.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101567 - Praktikum: Visual Computing |
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 |
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.
Keine.
Programmierkenntnisse in C/C++ werden empfohlen.
Verantwortung: |
Prof. Dr. Sebastian Abeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101635 - Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24873 | Praktikum: Microservice2Go (II) | 2 SWS | Praktikum (P) / 🗣 | Abeck, Schneider, Sänger, Throner |
Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Anne Koziolek
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104893 - Praktikum: Werkzeuge für Agile Modellierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400043 | Praktikum: Werkzeuge für Agile Modellierung | Praktikum (P) / 🗣 | Koziolek | |
WS 24/25 | 2400105 | Praktikum: Werkzeuge für Agile Modellierung | Praktikum (P) | Koziolek |
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.
Keine.
Solide Programmierkenntnisse sind benötigt, um mit dem angegebenen Arbeitsaufwand das Praktikum erfolgreich zu absolvieren.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104357 - Praktische Einführung in die Hardware Sicherheit |
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 |
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.
Keine.
Kenntnisse in „Digitaltechnik“ (Vorlesung Technische Informatik)
Praktikum „FPGA Programming“
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 5012044 | Einführung in die Praktische Philosophie | 2 SWS | Kurs (Ku) / 🗣 | Schefczyk |
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.
keine
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 |
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 |
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.
keine
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.
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 |
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 |
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.
keine
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.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105033 - Praxis der Forschung (Methoden, 1. Semester) |
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 |
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.
keine
Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105034 - Praxis der Forschung (Methoden, 2. Semester) |
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 |
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.
keine
Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) |
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 |
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).
keine
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) |
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 |
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).
keine
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) |
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 |
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).
keine
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester) |
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 |
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).
keine
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester) |
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 |
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).
keine
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester) |
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 |
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).
keine
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
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.
Keine.
Praxis der Lösungsvertriebs findet zur Zeit nicht statt
Verantwortung: |
Prof. Dr. Johannes Philipp Reiß
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101453 - Angewandte strategische Entscheidungen |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Note ist die Note der schriftlichen Prüfung.
Keine
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.
Verantwortung: |
Prof. Dr. Andreas Geyer-Schulz
Dr Paul Glenn
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101409 - Electronic Markets |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2540529 | Preismanagement | 2 SWS | Vorlesung (V) / 🗣 | Glenn |
SS 2024 | 2540530 | Übung zu Preismanagement | 1 SWS | Übung (Ü) / 🗣 | Glenn |
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.
Keine
Keine
Die Vorlesung wird im SS2016 erstmalig angeboten.
Verantwortung: |
Dr. Willi Geiselmann
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105452 - Privacy Enhancing Technologies |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400088 | Privacy Enhancing Technologies | 3 SWS | Vorlesung (V) / 🗣 | Strufe |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101412 - Industrielle Produktion III |
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 |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101412 - Industrielle Produktion III M-WIWI-101471 - Industrielle Produktion II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581963 | Project Management | 2 SWS | Vorlesung (V) / 🗣 | Schultmann, Volk |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
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.
Keine.
Kenntnisse zu Grundlagen des Projektmanagements.
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
Dr.-Ing. Michael Kaiser
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400097 | Projektmanagement im Zeitalter der Digitalisierung | 2 SWS | Vorlesung (V) / 🗣 | Kaiser |
Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO.
keine
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 |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von ca. 90 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.
keine
Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Beyerer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102383 - Projektpraktikum Bildauswertung und -fusion |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424299 | Projektpraktikum: Bildauswertung und -fusion | 4 SWS | Praktikum (P) | Beyerer |
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.
keine
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]
Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102966 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400123 | Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion | 2 SWS | Praktikum (P) / 🖥 | Stiefelhagen |
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.
T-INFO-110325 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion mit wissenschaftlicher Ausarbeitung darf nicht begonnen sein.
Verantwortung: |
Prof. Dr. Wolfgang Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104072 - Projektpraktikum Heterogeneous Computing |
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.
Keine.
Kenntnisse im Umgang mit CUDA, OpenCL und OpenMP sind hilfreich aber nicht erforderlich. Zudem sind Kenntnisse aus dem Bereich der Rechnerstrukturen sinnvoll.
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) |
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 |
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.
Keine.
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) |
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 |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105792 - Projektpraktikum: Humanoide Roboter |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24890 | Projektpraktikum: Humanoide Roboter | 4 SWS | Praktikum (P) / 🗣 | Asfour |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Die Modulnote ist die Note der mündlichen Prüfung.
Keine.
Verantwortung: |
Michael Fennel
Prof. Dr.-Ing. Uwe Hanebeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105958 - Projektpraktikum: Maschinelles Lernen und intelligente Systeme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24871 | Projektpraktikum maschinelles Lernen und intelligente Systeme | 4 SWS | Praktikum (P) / 🗣 | Hanebeck, Prossel |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101891 - Projektpraktikum: Softwarebasierte Netze |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2424899 | Projektpraktikum: Softwarebasierte Netze | 4 SWS | Praktikum (P) / 🧩 | König, Seehofer, Zitterbart |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-101217 - Öffentliches Wirtschaftsrecht |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400172 | Public International Law | 2 SWS | Vorlesung (V) / 🗣 | Kasper |
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).
None.
- 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.
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.
Verantwortung: |
Prof. Dr. Berthold Wigger
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101504 - Collective Decision Making |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2561127 | Public Management | 3 SWS | Vorlesung / Übung (VÜ) / 🧩 | Wigger |
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.
Keine
Es wird Kenntnis der Grundlagen der Finanzwissenschaft vorausgesetzt.
Verantwortung: |
Prof. Dr. Maxim Ulrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-105032 - Data Science for Finance |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2500016 | Python for Computational Risk and Asset Management | 2 SWS | Praktikum (P) | Ulrich |
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.
Keine.
Gute Statistikkenntnisse und grundlegende Programmierkenntnisse werden empfohlen.
Verantwortung: |
Dr. Patrick Plötz
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101451 - Energiewirtschaft und Energiemärkte |
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 |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Laurent Schmalen
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-105273 - Quellencodierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2310565 | Quellencodierung | 2 SWS | Vorlesung (V) / 🧩 | Schmalen |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von circa 20 Minuten. Die Modulnote ist die Note der mündlichen Prüfung.
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. Kenntnisse aus den Vorlesungen „Angewandte Informationstheorie“ sind hilfreich, aber nicht notwendig.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400153 | Randomisierte Algorithmik | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Sanders, Walzer |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
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.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106517 - Rational Curves and Surfaces for Geometric Design |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400109 | Rational Curves and Surfaces for Geometric Design 1 | 2 SWS | Vorlesung / Übung (VÜ) / 🗣 | Prautzsch |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20-30 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Verantwortung: |
Prof. Dr. Wolfgang Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100818 - Rechnerstrukturen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2424570 | Rechnerstrukturen | 3 SWS | Vorlesung (V) / 🗣 | Karl |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Keine
Der vorherige Abschluss des Moduls Technische Informatik wird empfohlen.
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 |
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 |
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.
Keine
Keine
Verantwortung: |
Andreas Herzig
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101216 - Recht der Wirtschaftsunternehmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400087 | Regelkonformes Verhalten im Unternehmensbereich | 2 SWS | Vorlesung (V) / 🗣 | Herzig, Siddiq |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. Nr. 1 SPO.
keine
Verantwortung: |
Dr.-Ing. Mathias Kluwe
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100374 - Regelung linearer Mehrgrößensysteme |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.
keine
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.
Verantwortung: |
Prof. Dr. Kay Mitusch
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101451 - Energiewirtschaft und Energiemärkte |
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.
Keine
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.
Die Vorlesung wird auf unbestimmte Zeit nicht angeboten.
Verantwortung: |
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105623 - Reinforcement Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400163 | Reinforcement Learning | Vorlesung / Übung (VÜ) / 🗣 | Neumann, Lioutikov, Celik, Freymuth, Zhou |
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.
Keine.
1) Der Vorlesungsinhalt von Maschinelles Lernen – Grundverfahren wird vorausgesetzt
2) Gute Python Kenntnisse erforderlich
3) Gute mathematische Grundkenntnisse
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100850 - Reliable Computing I |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24071 | Reliable Computing I | 2 SWS | Vorlesung (V) / 🗣 | Tahoori |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Keine
Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.
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) |
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 |
More than 50% of the points from the exercises must be achieved.
None
None
None
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies |
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 |
Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es muss eine Präsentation gehalten werden.
keine
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies |
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 |
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.
keine.
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 |
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
None.
- 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.
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 |
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.
Knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data
Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data
Verantwortung: |
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105591 - Resilient Networking |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400134 | Resilient Networking | 3 SWS | Vorlesung (V) / 🧩 | Strufe |
WS 24/25 | 2400136 | Resilient Networking | 1 SWS | Übung (Ü) / 🧩 | Strufe |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse zu Grundlagen aus Kryptographie und Computernetze sind hilfreich.
Verantwortung: |
Prof. Dr. Frank Schultmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101412 - Industrielle Produktion III M-WIWI-101471 - Industrielle Produktion II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581992 | Risk Management in Industrial Supply Networks | 2 SWS | Vorlesung (V) / 🗣 | Schultmann, Rosenberg |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102522 - Roboterpraktikum |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24870 | Roboterpraktikum | 4 SWS | Praktikum (P) / 🗣 | Asfour |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO und besteht aus mehreren Teilaufgaben.
Kenntnisse in der Programmiersprache C++ werden vorausgesetzt.
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.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2424152 | Robotik I - Einführung in die Robotik | Vorlesung (V) / 🗣 | Asfour |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 120 Minuten nach § 4 Abs. 2 Nr. 1 SPO Informatik.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102756 - Robotik II - Humanoide Robotik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400074 | Robotik II: Humanoide Robotik | 2 SWS | Vorlesung (V) / 🗣 | Asfour |
The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) of, in general, 60 minutes.
Having visited the lectures on Robotics I - Introduction to Robotics and Mechano-Informatics and Robotics is recommended.
Verantwortung: |
Prof. Dr.-Ing. Tamim Asfour
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104897 - Robotik III – Sensoren und Perzeption in der Robotik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400067 | Robotik III – Sensoren und Perzeption in der Robotik | 2 SWS | Vorlesung (V) / 🗣 | Asfour |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
Der Besuch der Vorlesung Robotik I – Einführung in die Robotik wird empfohlen.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400115 | SAT Solving in der Praxis | 3 SWS | Vorlesung / Übung (VÜ) | Sanders, Iser, Schreiber |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Relevante Literatur wird in der Vorlesung bekanntgegeben.
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105780 - Scientific Methods to Design and Analyze Secure Decentralized Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400009 | Scientific Methods to Design and Analyze Secure Decentralized Systems | 3 SWS | Vorlesung / Übung (VÜ) / 🗣 | Hartenstein, Jacob |
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.
Keine.
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 5011019 | Die Zukunft der Demokratie | 2 SWS | Seminar (S) / 🗣 | Mäs |
Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:
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.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102725 - Seminar Advanced Topics in Machine Translation |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400074 | Advanced Topics in Machine Translation | 2 SWS | Seminar (S) | Waibel, Niehues, Li |
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.
Keine.
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 |
Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
keine
Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.
Verantwortung: |
Prof. Dr. Wolfgang Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103062 - Seminar Ausgewählte Kapitel der Rechnerarchitektur |
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 |
Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24604 | Advanced Operating Systems | 4 SWS | Seminar (S) / 🗣 | Bellosa |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.
Die regelmäßige Teilnahme ist verpflichtend.
Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.
Verantwortung: |
Prof. Dr.-Ing. Jürgen Beyerer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102375 - Seminar Bildauswertung und -fusion |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400035 | Seminar Bildauswertung und -fusion | 2 SWS | Seminar (S) / 🗣 | Beyerer |
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.
keine
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]Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102373 - Seminar Computer Vision für Mensch-Maschine-Schnittstellen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24358 | Seminar Computer Vision für Mensch-Maschine-Schnittstellen | 2 SWS | Seminar (S) | Stiefelhagen |
Die Erfolgskontrolle erfolgt durch eine schriftliche Ausarbeitung sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
keine
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102662 - Seminar Dependable Computing |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400030 | Dependable Computing | 2 SWS | Seminar (S) / 🧩 | Tahoori |
WS 24/25 | 2400030 | Dependable Computing | 2 SWS | Seminar (S) / 🗣 | Tahoori |
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.
Keine.
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103048 - Seminar Dezentrale Systeme und Netzdienste |
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.
Keine.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101660 - Seminar Geometrieverarbeitung |
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%)
Keine.
Verantwortung: |
Dr. rer. nat. Torsten Ueckerdt
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102550 - Seminar: Graphenalgorithmen |
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 |
Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100746 - Seminar Hot Topics in Networking |
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 |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Klemens Böhm
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101794 - Seminar Informationssysteme |
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 |
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.
keine
Zum Thema des Seminars passende Vorlesungen des Lehrstuhls für Systeme der Informationsverwaltung werden dringend empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Björn Hein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102212 - Seminar Intelligente Industrieroboter |
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 |
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
Keine.
Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.
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 |
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.
Keine.
Verantwortung: |
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101561 - Seminar Kryptographie |
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.
Keine
Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103807 - Seminar Kryptographie 2 |
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.
Keine.
Grundlagen der IT-Sicherheit werden vorausgesetzt.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 6232907 | Seminar Modellierung und Simulation im Verkehrswesen | 2 SWS | Seminar (S) / 🗣 | Vortisch, Kagerbauer, Mitarbeiter/innen |
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.
keine
keine
keine
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102663 - Seminar Near Threshold Computing |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400102 | Near Threshold Computing (entfällt im WS 19/20) | 2 SWS | Seminar (S) | Tahoori |
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.
Keine.
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102961 - Seminar Non-volatile Memory Technologies |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400103 | Non-volatile Memory Technologies (entfällt im SS 2023) | 2 SWS | Seminar (S) / 🖥 | Tahoori |
- 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.
Keine.
Kenntnisse in „Dependable Computing“ und „Fault Tolerant Computing“ und Computerarchitektur sind hilfreich.
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) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 4052194 | Seminar on IPCC Assessment Report | 2 SWS | Hauptseminar (HS) / 🧩 | Ludwig, Ginete Werner Pinto |
Study of a chapter of the current IPCC report with subsequent presentation (~ 20-25 min) and submission of a written summary (1 page).
none
none
none
Verantwortung: |
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105224 - Seminar Privacy und Technischer Datenschutz |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400087 | Seminar Privacy und Technischer Datenschutz | 2 SWS | Seminar (S) / 🗣 | Strufe, Guerra Balboa, Bayreuther |
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.
Keine.
Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101562 - Seminar Sicherheit |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400060 | Daten in software-intensiven technischen Systemen – Modellierung – Analyse – Schutz | 2 SWS | Seminar (S) / 🗣 | Reussner, Raabe, Werner, Müller-Quade |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung umfasst
Keine
Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104032 - Seminar Sicherheit 2 |
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.
Keine.
Grundlagen der IT-Sicherheit sollten bekannt sein
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103301 - Seminar Software-Architektur, Sicherheit und Datenschutz |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400060 | Daten in software-intensiven technischen Systemen – Modellierung – Analyse – Schutz | 2 SWS | Seminar (S) / 🗣 | Reussner, Raabe, Werner, Müller-Quade |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Die Prüfungsleistung umfasst
Keine.
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102416 - Seminar Sprach-zu-Sprach-Übersetzung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400032 | Seminar Sprach-zu-Sprach-Übersetzung | 2 SWS | Seminar (S) / 🗣 | Niehues |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 6232903 | Seminar Verkehrswesen | 2 SWS | Seminar (S) / 🧩 | Vortisch, Kagerbauer |
WS 24/25 | 6232903 | Seminar Verkehrswesen | 2 SWS | Seminar (S) / 🗣 | Vortisch, Kagerbauer |
Seminarausarbeitung, ca. 10 Seiten, und Vortrag, ca. 10 min.
keine
keine
keine
Verantwortung: |
Prof. Dr. Britta Nestler
PD Dr.-Ing. Katrin Schulz
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen |
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 |
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.
T-MACH-113814 – Seminar Materials Simulation darf nicht begonnen sein.
Vorkenntnisse in Mathematik, Physik und Werkstoffkunde
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24004 | Seminar zum Projektpraktikum maschinelles Lernen und intelligente Systeme | 2 SWS | Seminar (S) / 🗣 | Hanebeck, Prossel |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103078 - Seminar: Designing and Conducting Experimental Studies |
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.
Keine.
Kenntnisse aus der Vorlesung „Mensch Maschine Interaktion“ oder „Ubiquitäre Informationstechnologien“ sind hilfreich.
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 |
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.
Keine.
Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105708 - Seminar: Aktuelle Forschungsthemen in der Computergrafik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2424816 | Seminar Fortgeschrittene Algorithmen in der Computergrafik | 2 SWS | Seminar (S) / 🗣 | Piochowiak, Dachsbacher |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106086 - Seminar: Algorithm Engineering |
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.
Keine.
Kenntnisse in der Algorithmik sind von Vorteil. Beispielhafte Vorlesungen sind Algorithmen I, Algorithmen II, Algorithm Engineering und Parallele Algorithmen.
Verantwortung: |
Prof. Dr. Bernhard Beckert
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101536 - Seminar: Anwendung Formaler Verifikation |
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 |
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
Keine
Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.
Die Seminarvorträge können wahlweise auf Deutsch oder auf Englisch gehalten werden.
Verantwortung: |
Jun.-Prof. Dr. Maike Schwammberger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106512 - Seminar: Applications and Extensions of Timed Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400196 | Seminar: Applications and Extensions of Timed Systems | 2 SWS | Seminar (S) / 🗣 | Schwammberger |
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.
None.
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.
Verantwortung: |
TT-Prof. Dr. Benjamin Schäfer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106490 - Seminar: Artificial Intelligence for Energy Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400175 | Seminar: Artificial Intelligence for Energy Systems | Seminar (S) / 🗣 | Schäfer |
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.
None.
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106400 - Seminar: Assistenzroboter und Exoskelette in medizinischen Anwendungen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400177 | Seminar Assistenzroboter und Exoskelette in medizinischen Anwendungen | 2 SWS | Seminar (S) / 🗣 | Mombaur |
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
Keine.
Robotikkenntnisse (z.B. aus Vorlesung Robotik I und Fortsetzungen) sind hilfreich.
Es wird erwartetet, dass Studierende an allen angekündigten Präsenztermine teilnehmen.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-105586 - Seminar: Ausgewählte Themen der Public-Key-Kryptographie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400239 | Ausgewählte Themen der Public-Key-Kryptographie | 2 SWS | Seminar (S) / 🧩 | Müller-Quade, Bayreuther |
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.
Keine.
Grundlagen der IT-Sicherheit werden vorausgesetzt.
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101540 - Seminar: Betriebssysteme |
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 |
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.
Keine
Verantwortung: |
Prof. Dr.-Ing. Arne Rönnau
|
---|---|
Einrichtung: |
KIT-Fakultät für Maschinenbau |
Bestandteil von: |
M-MACH-106902 - Seminar: Bionic Algorithms and Robot Technologies |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2121343 | Seminar: Bionik Algorithms and Robot Technologies | 2 SWS | Seminar (S) / 🗣 | Rönnau |
Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie deren Präsentation als Erfolgskontrolle anderer Art.
Keine
Der Besuch der Vorlesung "Biologisch Inspirierte Roboter" ist hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Anne Koziolek
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105309 - Seminar: Continuous Software Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400108 | Continuous Software Engineering | 2 SWS | Seminar (S) | Koziolek |
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%)
Keine.
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105779 - Seminar: Deep Learning in der Robotik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400099 | Deep Learning in der Robotik | 2 SWS | Seminar (S) / 🗣 | Neumann |
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.
Keine.
Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.
Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105884 - Seminar: Digitale Barrierefreiheit und Assistive Technologien |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400129 | Seminar Digitale Barrierefreiheit und Assistive Technologien | 2 SWS | Seminar (S) / 🧩 | Stiefelhagen, Schwarz |
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.
keine
keine
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101629 - Seminar: Eingebettete Systeme I |
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 |
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.
Keine.
Kenntnisse im Bereich IoT und eingebettete Systeme
Verantwortung: |
Prof. Dr.-Ing. Jörg Henkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103367 - Seminar: Eingebettete Systeme II |
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 |
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.
Keine.
Kenntnisse im Bereich IoT und eingebettete Systeme
Dies ist identisch mit dem Modul 'Seminare: Eingebettete Systeme I' und ermöglicht die Teilnahme an einem zweitem Seminar am CES Lehrstuhl.
Verantwortung: |
Prof. Dr. Veit Hagenmeyer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103153 - Seminar: Energieinformatik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400013 | Seminar Energieinformatik | 2 SWS | Seminar (S) / 🗣 | Hagenmeyer, Bläsius, Süß, Bauer, Geiges |
Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
keine.
Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik und Energieinformatik sind hilfreich.
Dieses Modul wird in unregelmäßigen Abständen angeboten.
Verantwortung: |
Prof. Dr. Bernhard Beckert
Dr. Willi Geiselmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105409 - Seminar: E-Voting |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2513553 | Seminar E-Voting (Master) | 2 SWS | Seminar (S) / 🗣 | Beckert, Müller-Quade, Volkamer, Kirsten, Hilt, Dörre |
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.
Keine.
Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.
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.
Verantwortung: |
TT-Prof. Dr. Rudolf Lioutikov
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106497 - Seminar: Explainable Artificial Intelligence |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400143 | Seminar: Explainable Artificial Intelligence | 2 SWS | Seminar (S) / 🗣 | Lioutikov, Mattes, Li |
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.
Keine
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.
Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400161 | Exploring Robotics: Insights from Science Fiction, Research and Society | 2 SWS | Seminar (S) / 🗣 | Bruno, Maure |
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.).
None.
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
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 |
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.
Keine.
Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.
Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.
Verantwortung: |
Prof. Dr.-Ing. Marvin Künnemann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106645 - Seminar: Fine-Grained Complexity Theory & Algorithms |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400153 | Fine-Grained Complexity Theory & Algorithms | 2 SWS | Seminar (S) / 🗣 | Künnemann |
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.
None.
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.
Verantwortung: |
Prof. Dr. Kathrin Gerling
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106594 - Seminar: Forschungstrends in der Mensch-Maschine-Interaktion |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400199 | Forschungstrends in der Mensch-Maschine-Interaktion | 2 SWS | Seminar (S) / 🧩 | Gerling |
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.
Keine.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102729 - Seminar: Fortgeschrittene Algorithmen in der Computergrafik |
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 |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Keine.
Verantwortung: |
Dr. Markus Iser
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106085 - Seminar: Fortgeschrittene Themen zu SAT Solving |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400020 | Fortgeschrittene Themen im SAT Solving | 2 SWS | Seminar (S) / 🗣 | Sanders, Iser, Schreiber |
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.
Keine.
Kenntnisse zu Grundlagen aus „SAT Solving in der Praxis“ sind hilfreich.
Verantwortung: |
Dr. Georg Nolte
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101216 - Recht der Wirtschaftsunternehmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400165 | Seminar Handels- und Gesellschaftsrecht in der IT-Branche | 2 SWS | Seminar (S) / 🖥 | Nolte |
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.
Keine
Besuch der Vorlesung "Handels- und Gesellschaftsrecht" sollte erfolgt sein.
Die Teilnehmerzahl ist begrenzt. Plätze werden bevorzugt an Studierende des Studiengangs Wirtschaftsinformatik vergeben.
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106868 - Seminar: Hot Topics in Artificial Intelligence & Security 1 |
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.
None.
The basics of IT security and artificial intelligence are a prerequisite.
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106869 - Seminar: Hot Topics in Artificial Intelligence & Security 2 |
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.
Keine.
The basics of IT security and artificial intelligence are a prerequisite.
Verantwortung: |
Prof. Dr. Alexandros Stamatakis
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100750 - Seminar: Hot Topics in Bioinformatics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400011 | Hot Topics in Bioinformatics | 2 SWS | Seminar (S) / 🗣 | Stamatakis |
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO . (Gewichtung Vortrag-Ausarbeitung je 50%)
Das Modul Introduction to Bioinformatics for Computer Scientists muss bestanden sein.
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.
Verantwortung: |
Prof. Dr. Hannes Hartenstein
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104891 - Seminar: Hot Topics in Decentralized Systems |
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.
Keine.
Kenntnisse zu Grundlagen aus IT-Sicherheitsmanagement für vernetzte Systeme und dem Stammmodul Sicherheit sind hilfreich.
Verantwortung: |
TT-Prof. Dr. Christian Wressnegger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106392 - Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24005 | Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) | 2 SWS | Seminar (S) / 🗣 | Wressnegger, Noppel |
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.
Keine.
Verantwortung: |
TT-Prof. Dr. Barbara Bruno
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106498 - Seminar: Human-Robot Interaction |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400194 | Human-Robot Interaction - Seminar | 2 SWS | Seminar (S) / 🗣 | Bruno, Maure |
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.).
Keine.
Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105328 - Seminar: Informatik TECO |
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.
Keine.
Verantwortung: |
TT-Prof. Dr. Rudolf Lioutikov
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106301 - Seminar: Interactive Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400136 | Seminar: Interactive Learning | 2 SWS | Seminar (S) / 🗣 | Lioutikov |
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.
Keine.
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.
Verantwortung: |
Jun.-Prof. Dr. Jan Stühmer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106396 - Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400181 | Interpretability and Causality in Machine Learning | 2 SWS | Seminar (S) / 🗣 | Stühmer |
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.
Keine
Der Besuch der Vorlesung „Maschinelles Lernen - Grundlagen und Algorithmen“ ist empfehlenswert.
Verantwortung: |
Martin Schallbruch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101217 - Öffentliches Wirtschaftsrecht |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24389 | Seminar "IT-Sicherheitsrecht" | 2 SWS | Seminar (S) / 🗣 | Schallbruch |
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
Keine.
Grundkenntnisse im Datenschutzrecht und – je nach gewähltem Seminarthema – im öffentlichen Recht oder Zivilrecht sollten vorhanden sein.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-104896 - Seminar: Kann Statistik Ursachen beweisen? |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400144 | Kann Statistik Ursachen beweisen? | 2 SWS | Seminar (S) / 🖥 | Janzing |
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.
Keine.
Kenntnisse in Grundlagen der Stochastik sind hilfreich.
Aufgeschlossenheit gegenüber neuen mathematischen Terminologien wird erwartet
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106356 - Seminar: KI Systems Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400177 | KOPIE KI Systems Engineering | Seminar (S) / 🗣 | Beigl, Riedel, Beyerer, Stiefelhagen |
Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Verantwortung: |
TT-Prof. Dr. Pascal Friederich
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105760 - Seminar: Kritische Betrachtung der künstlichen Intelligenz |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400210 | Seminar: Kritische Betrachtung der künstlichen Intelligenz | Seminar (S) / 🧩 | Friederich, Zhou, Reiser, Torresi, Neubert, Eberhard, Schlöder |
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.
Grundkenntnisse in maschinellem Lernen und KI
Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt
Verantwortung: |
TT-Prof. Dr. Pascal Friederich
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz |
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.
Grundkenntnisse in maschinellem Lernen und KI
Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105337 - Seminar: Kryptoanalyse |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400044 | Seminar Kryptoanalyse | 2 SWS | Seminar (S) / 🗣 | Geiselmann, Müller-Quade, Tiepelt |
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.
Keine.
Grundlagen der IT-Sicherheit werden vorausgesetzt.
Verantwortung: |
TT-Prof. Dr. Peer Nowack
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106719 - Seminar: Machine Learning in Climate and Environmental Sciences |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400178 | Seminar Machine Learning in Climate and Environmental Sciences | 2 SWS | Seminar (S) / 🗣 | Nowack, Amiramjadi |
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.
• Familiarity with machine learning concepts and techniques.
• Basic knowledge of climate and environmental scince is advantageous but not mandatory.
• An interest in climate and environmental sciences topics is a prerequisite.
Verantwortung: |
Prof. Dr.-Ing. Rainer Stiefelhagen
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106653 - Seminar: Multimodal Large Language Models |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400122 | Multimodal Large Language Models | 2 SWS | Seminar (S) / 🧩 | Stiefelhagen, Sarfraz |
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.
None.
Knowledge of deep learning in general and natural language processing is helpful.
Verantwortung: |
Prof. Dr.-Ing. Anne Koziolek
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105668 - Seminar: Natural Language Models |
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%)
Keine.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105898 - Seminar: Nutzeradaptive Systeme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2540553 | User-Adaptive Systems Seminar | 2 SWS | Seminar (S) / 🧩 | Mädche, Beigl |
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.
Keine.
Prerequisites Strong analytical abilities and profound software development skills are required.
Literature required literature will be made available in the seminar."
Verantwortung: |
Prof. Dr. Kathrin Gerling
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106289 - Seminar: Partizipative Technologiegestaltung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400163 | Partizipative Technologiegestaltung | 2 SWS | Seminar (S) / 🧩 | Gerling |
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.
Keine.
Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105585 - Seminar: Post-Quantum Cryptography |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400126 | Post-Quantum Cryptography | 2 SWS | Seminar (S) / 🗣 | Ottenhues, Tiepelt, Müller-Quade, Coijanovic, Fruböse, Gröll, Beskorovajnov, Benz |
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
Keine.
Grundlagen der IT-Sicherheit sowie der Kryptographie sollten vorhanden sein.
Verantwortung: |
Prof. Dr. Thorsten Strufe
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106391 - Seminar: Privatsphäre und Sicherheit |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400118 | Seminar Privatsphäre und Sicherheit | 2 SWS | Seminar (S) | Strufe, Guerra Balboa, Bayreuther |
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.
Keine
Grundlagen der IT-Sicherheit, Rechnernetzen und verteilten Systemen werden vorausgesetzt
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-103306 - Seminar: Proofs from THE BOOK |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400033 | Seminar: Proofs from THE BOOK | 2 SWS | Seminar (S) / 🗣 | Sanders, Walzer, Lehmann |
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.
Keine.
Das Buch ist im KIT-Netz zugänglich, ein kurzer Blick hinein ist vor Anmeldung ratsam
Verantwortung: |
Dr. Willi Geiselmann
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105408 - Seminar: Quantum Information Theory |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400085 | Quantum Information Theory | 2 SWS | Seminar (S) / 🧩 | Müller-Quade, Tiepelt, Ottenhues, Fruböse, Hetzel, Martin |
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.
Keine.
Studierende sollten mit den Inhalten des Moduls "Lineare Algebra 1 und 2", sowie den Grundlagen der IT-Sicherheit vertraut sein.
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 |
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.
Basic knowledge in AI and Machine Learning, e.g.
BA Informatics: Introduction to artificial intelligence
Participation in Machine Learning for Natural Sciences (M-INFO-105630) or other advanced machine learning lectures
Verantwortung: |
Prof. Dr. Gerhard Neumann
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105379 - Seminar: Robot Reinforcement Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400084 | Seminar: Robot Reinforcement Learning | 2 SWS | Seminar (S) / 🗣 | Neumann |
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.
Keine.
Der Besuch der Vorlesung „Maschinelles Lernen 1 – Grundverfahren“ ist empfehlenswert.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105330 - Seminar: Scalable Parallel Graph Algorithms |
Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselben als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik sowie Parallele Algorithmen sind hilfreich.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105761 - Seminar: Secure Multiparty Computation |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400088 | Secure Multipary Computation | 2 SWS | Seminar (S) / 🗣 | Raiber, Müller-Quade, Jiang |
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.
Keine.
Die Inhalte der Vorlesung Kryptographische Protokolle werden als bekannt vorausgesetzt.
Verantwortung: |
Prof. Dr. Sebastian Abeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102372 - Seminar: Serviceorientierte Architekturen |
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 |
Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Das Seminar muss zusammen mit der Vorlesung Web-Anwendungen und Serviceorientierte Architekturen (II) geprüft werden.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105895 - Seminar: Softwarequalitätssicherung und Softwaretest |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400048 | Softwarequalitätssicherung und Softwaretest | 2 SWS | Seminar (S) / 🗣 | Schaefer |
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.
Keine.
Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101880 - Seminar: Ubiquitäre Systeme |
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 |
Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.
Keine.
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 |
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 |
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.
keine
Verantwortung: |
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101503 - Service Design Thinking |
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 |
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.
Keine
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.
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.
Verantwortung: |
Dr.-Ing. Johannes Kurth
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104877 - Sichere Mensch-Roboter-Kollaboration |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400236 | Sichere Mensch-Roboter-Kollaboration | 2 SWS | Block (B) / 🗣 | Kurth |
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.
Keine.
Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]
Verantwortung: |
Prof. Dr.-Ing. Sander Wahls
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-106633 - Signal Processing Lab |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2302134 | Signal Processing Lab | 4 SWS | Praktikum (P) / 🧩 | Wahls, van Wijk |
Success is assessed in the form of a written examination lasting 120 minutes.
none
Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.
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.
Verantwortung: |
Prof. Dr.-Ing. Sander Wahls
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-106899 - Signal Processing Methods |
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 |
Written exam, approx. 120 minutes.
The module grade is the grade of the written exam.
none
Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.
Verantwortung: |
Dr.-Ing. Holger Jäkel
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100443 - Signalverarbeitung in der Nachrichtentechnik |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
Vorheriger Besuch der Vorlesung „Signale und Systeme“ wird empfohlen.
Ab SS 2021 2+1 SWS = 4 LP mit schriftlicher Prüfung
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-ETIT-105073 - Student Innovation Lab |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2545082 | SIL Entrepreneurship Projekt | Seminar (S) / 🖥 | Mitarbeiter | |
WS 24/25 | 2545082 | SIL Entrepreneurship Projekt | Seminar (S) | Terzidis |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Katja Mombaur
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106504 - Simulation and Optimization in Robotics and Biomechanics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400160 | Simulation and Optimization in Robotics and Biomechanics | 4 SWS | Vorlesung / Übung (VÜ) / 🗣 | Mombaur |
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.
Completion of module Robotics 1 or corresponding knowledge required
Programing skills in C/C++
Limitation to 30 participants
Verantwortung: |
Dr. Charlotte Debus
Dr. Markus Götz
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105868 - Skalierbare Methoden der künstlichen Intelligenz |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400004 | Skalierbare Methoden der Künstlichen Intelligenz | 3 SWS | Vorlesung (V) / 🗣 | Debus, Götz, Weiel |
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.
Keine
Verantwortung: |
Dr. Armin Ardone
Dr. Dr. Andrej Marko Pustisek
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101452 - Energiewirtschaft und Technologie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2581023 | (Smart) Energy Infrastructure | 4 SWS | Vorlesung (V) / 🗣 | Ardone, Pustisek |
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.
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101446 - Market Engineering |
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.
Keine
Keine
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.
Verantwortung: |
Prof. Dr. Clemens Puppe
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101500 - Microeconomic Theory M-WIWI-101504 - Collective Decision Making |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten.
Keine
Verantwortung: |
Dr. Christopher Gerking
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106344 - Software Security Engineering |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400059 | Software Security Engineering | 2 SWS | Vorlesung (V) / 🗣 | Gerking |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100844 - Software-Architektur und -Qualität |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24667 | Software-Architektur und -Qualität | 2 SWS | Vorlesung (V) / 🗣 | Reussner |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Diese Vorlesung und die Vorlesungen Komponentenbasierte Software-Entwicklung sowie Software-Architektur schließen sich aus.
Verantwortung: |
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100719 - Software-Evolution |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24164 | Software-Evolution | 2 SWS | Vorlesung (V) / 🗣 | Heinrich |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
keine
Kenntnisse aus der Software-Technik und zu Software-Architekturen sind hilfreich.
Verantwortung: |
Prof. Dr. Wolfgang Karl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102998 - Softwarepraktikum Parallele Numerik |
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 |
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.
Keine.
Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105471 - Software-Produktlinien-Entwicklung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400050 | Software-Produktlinien-Entwicklung | 2 SWS | Vorlesung / Übung (VÜ) / 🗣 | Feichtinger |
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.
Keine.
Grundkenntnisse aus den Vorlesungen Softwaretechnik II [T-INFO-101370] und Formale System [T-INFO-101336] sind hilfreich.
Verantwortung: |
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Ralf Reussner
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100833 - Softwaretechnik II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24076 | Softwaretechnik II | 4 SWS | Vorlesung (V) / 🗣 | Reussner |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
Keine
Die Lehrveranstaltung Softwaretechnik I sollte bereits gehört worden sein.
Verantwortung: |
Prof. Dr.-Ing. Ina Schaefer
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106024 - Software-Test und Qualitätsmanagement (SQM) |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Keine.
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.
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-GEISTSOZ-103737 - Empirische Sozialforschung |
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 |
keine
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101410 - Business & Service Engineering |
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
siehe "Modellierte Voraussetzungen"
Keine
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.
Verantwortung: |
Prof. Dr. Christof Weinhardt
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101506 - Service Analytics |
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
siehe "Modellierte Voraussetzungen"
Keine
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.
Verantwortung: |
Prof. Dr.-Ing. Anne Koziolek
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100735 - Sprachverarbeitung in der Softwaretechnik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24187 | Sprachverarbeitung in der Softwaretechnik | 2 SWS | Vorlesung (V) / 🗣 | Hey, Koziolek |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Verantwortung: |
Prof. Dr. Orestis Terzidis
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101488 - Entrepreneurship (EnTechnon) |
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 |
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).
Vorlesung Entrepreneurship bereits absolviert
Die Arbeitssprache im Seminar ist Englisch. Die Seminarinhalte werden auf der Lehrstuhl-Webseite veröffentlicht.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 0106800 | Statistik | 4 SWS | Vorlesung (V) / 🗣 | Trabs |
WS 24/25 | 0106900 | Übungen zu 0106800 (Statistik) | 2 SWS | Übung (Ü) / 🗣 | Trabs |
Prüfungsvorleistung: Praktikumsschein
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 0106800 | Statistik | 4 SWS | Vorlesung (V) / 🗣 | Trabs |
WS 24/25 | 0106910 | Praktikum zu 0106800 (Statistik) | 2 SWS | Praktikum (P) | Trabs |
Die Studienleistung wird auf der Grundlage folgender Bestandteile vergeben:
Keine
Die Studierenden können die Verfahren, die sie in der Vorlesung "Statistik" kennengelernt haben, mit Hilfe moderner Software auch praktisch anwenden.
Verantwortung: |
Prof. Dr. Oliver Grothe
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2550552 | Advanced Statistics | 2 SWS | Vorlesung (V) / 🗣 | Grothe |
WS 24/25 | 2550553 | Practice Advanced Statistics | 2 SWS | Übung (Ü) / 🗣 | Kaplan |
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.
Keine
Verantwortung: |
Detlef Dietrich
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101216 - Recht der Wirtschaftsunternehmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24646 | Steuerrecht | 2 SWS | Vorlesung (V) / 🗣 | Dietrich |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
keine
Verantwortung: |
Prof. Dr.-Ing. Uwe Hanebeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100829 - Stochastische Informationsverarbeitung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24113 | Stochastische Informationsverarbeitung | 3 SWS | Vorlesung (V) / 🗣 | Hanebeck, Frisch |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 15 - 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse zu Grundlagen aus der Wahrscheinlichkeitstheorie sind hilfreich.
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.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2581961 | Supply Chain Management with Advanced Planning Systems | 2 SWS | Vorlesung (V) / 🗣 | Göbelt, Bosch |
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.
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Sören Hohmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-102181 - Systemdynamik und Regelungstechnik |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
wird ab dem Wintersemester 2020/2021 im Wintersemester statt im Sommersemester angeboten, die Lehrveranstaltung wird im Sommersemester 2020 nicht angeboten
Verantwortung: |
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100537 - Systems and Software Engineering |
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 |
Schriftlich Prüfung, ca. 120 Minuten. (nach §4 (2), 1 SPO).
keine
Kenntnisse in Digitaltechnik und Informationstechnik
Verantwortung: |
Hon.-Prof. Dr. Jürgen Bortolazzi
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100462 - Systems Engineering for Automotive Electronics |
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 |
Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.
Die Prüfung findet ohne Hilfsmittel statt.
keine
Empfohlen wird der Besuch der Vorlesung SE (23611)
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.
Verantwortung: |
Prof. Dr. Sebastian Abeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400071 | Teamarbeit im Bereich Serviceorientierte Architekturen | 2 SWS | Seminar (S) / 🗣 | Abeck |
Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studienleistung nach § 4 Abs. 3 SPO.
Keine.
Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.
Verantwortung: |
Prof. Dr. Sebastian Abeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102835 - Schlüsselqualifikationen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400069 | Teamarbeit im Bereich Web-Anwendungen | 2 SWS | Seminar (S) / 🗣 | Abeck |
Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studieleistung nach § 4 Abs. 3 SPO.
Keine.
Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.
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 |
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 |
keine
Verantwortung: |
Prof. Dr. Kay Mitusch
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101409 - Electronic Markets |
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 |
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.
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.
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.
Einrichtung: |
KIT-Fakultät für Informatik |
---|---|
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-INFO-101217 - Öffentliches Wirtschaftsrecht |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24632 | Telekommunikationsrecht | 2 SWS | Vorlesung (V) / 🗣 | Döveling |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
keine
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).
Verantwortung: |
Prof. Dr. Martina Zitterbart
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100801 - Telematik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24128 | Telematik | 4 SWS | Vorlesung (V) / 🗣 | Zitterbart, Kopmann, Seehofer, Mahrt |
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.
Keine
Verantwortung: |
Prof. Dr.-Ing. Eric Sax
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100546 - Test eingebetteter Systeme im industriellen Umfeld |
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 |
Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (25 Minuten).
keine
Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100851 - Testing Digital Systems I |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Keine
Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.
Verantwortung: |
Prof. Dr. Mehdi Baradaran Tahoori
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102962 - Testing Digital Systems II |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400014 | Testing Digital Systems II (findet im SS 2024 nicht statt) | 2 SWS | Vorlesung (V) / 🖥 | Tahoori |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse zu Grundlagen aus Digitaltechnik und Rechnerorganisation sind hilfreich.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102732 - Text-Indexierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400005 | Text-Indexierung | 3 SWS | Vorlesung (V) / 🗣 | Kurpicz |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Gewichtung: 80% mündliche Prüfung, 20% Projekt/Experiment.
Keine.
Die Vorlesung baut auf Teilen der Inhalte der Vorlesungen Algorithmen I und Algorithmen II auf. Entsprechende Vorkenntnisse sind also hilfreich.
Verantwortung: |
Prof. Dr. Peter Sanders
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-102732 - Text-Indexierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400005 | Text-Indexierung | 3 SWS | Vorlesung (V) / 🗣 | Kurpicz |
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.
Keine.
Kenntnisse aus der Vorlesung Algorithmentechnik werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105584 - Theoretische Grundlagen der Kryptographie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400237 | Theoretische Grundlagen der Kryptographie | 4 SWS | Vorlesung (V) / 🗣 | Müller-Quade, Berger |
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.
Wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde, kann das Modul Theoretischen Grundlagen der Kryptographie nicht geprüft werden.
Verantwortung: |
PD Dr. Boris Narozhnyy
Prof. Dr. Carsten Rockstuhl
|
---|---|
Einrichtung: |
KIT-Fakultät für Physik |
Bestandteil von: |
M-PHYS-102277 - Theoretical Optics |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 4023111 | Theoretical Optics | 2 SWS | Vorlesung (V) / 🗣 | Rockstuhl |
SS 2024 | 4023112 | Exercises to Theoretical Optics | 1 SWS | Übung (Ü) / 🗣 | Rockstuhl, NN |
keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 5012020 | Einführung in die Theoretische Philosophie | 2 SWS | Hauptseminar (HS) / 🗣 | Bones |
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.
keine
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 |
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 |
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.
keine
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.
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 |
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 |
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.
keine
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.
Verantwortung: |
Jun.-Prof. Dr. Maike Schwammberger
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106293 - Timed Systems |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400146 | Timed Systems | 2 SWS | Vorlesung (V) | Schwammberger |
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.
Keine.
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.
Das Buch „E.-R. Olderog, H. Dierks: Real-Time Systems“ wird als Lektüre für einige Vorlesungsinhalte benutzt ( https://doi.org/10.1017/CBO9780511619953 ).
Verantwortung: |
Prof. Dr.-Ing. Uwe Hanebeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106870 - Tools für Probabilistisches Machine Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400215 | Tools für Probabilistisches Machine Learning | 3 SWS | Vorlesung (V) / 🗣 | Frisch |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.
Verantwortung: |
Prof. Dr.-Ing. Uwe Hanebeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-106870 - Tools für Probabilistisches Machine Learning |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400215 | Tools für Probabilistisches Machine Learning | 3 SWS | Vorlesung (V) / 🗣 | Frisch |
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.
Keine.
Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.
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 |
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.
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.
Lehr- und Lernform: Vorlesung und Übung
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) |
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 |
Students must achieve 50% of the points on the exercise sheets.
None
None
None
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) |
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 |
There are 7 exercises with 100 points in total.
To pass the prerequisite students must:
None
None
None
Verantwortung: |
Prof. Dr.-Ing. Michael Beigl
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100789 - Ubiquitäre Informationstechnologien |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24146 | Ubiquitäre Informationstechnologien | Vorlesung / Übung (VÜ) | Beigl, Röddiger |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von 20 min. nach § 4 Abs. 2 Nr. 2 SPO.
Keine
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-GEISTSOZ-103737 - Empirische Sozialforschung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 5011007 | Sozialstrukturanalyse | 2 SWS | Übung (Ü) / 🖥 | Nollmann |
Die Studienleistung ist bestanden, wenn drei Aufgabenblätter mit der Bewertung bestanden abgelegt wurden.
Keine.
Verantwortung: |
Prof. Dr. Michael Mäs
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte |
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 |
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.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100856 - Computergrafik |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24083 | Übungen zu Computergrafik | Vorlesung / Übung (VÜ) | Dolp, Piochowiak |
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.
Keine.
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2162257 | Übungen zu Einführung in die Finite-Elemente-Methode | 1 SWS | Übung (Ü) / 🗣 | Lauff, Langhoff, Böhlke, Klein |
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.
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.
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 |
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 |
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.
Keine.
Die Teilnahme an der Übung ist verpflichtend und die Inhalte der Übung sind relevant für die Prüfung.
Verantwortung: |
Prof. Dr. Jörn Müller-Quade
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105783 - Universal Composability in der Kryptographie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400022 | Universal Composability in der Kryptographie | 2 SWS | Vorlesung (V) / 🗣 | Müller-Quade, Mechler |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.
Keine.
Studierende sollten mit den Inhalten der Module "Theoretische Grundlagen der Kryptographie" und „Kryptographische Protokolle“ vertraut sein.
Verantwortung: |
Prof. Dr.-Ing. Uwe Hanebeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100839 - Unscharfe Mengen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24611 | Unscharfe Mengen (findet im SS 24 nicht statt) | 3 SWS | Vorlesung (V) / 🗣 |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i. d. R. 15 Minuten nach § 4 Abs. 2 Nr. 2 der SPO.
Keine.
Grundlegende Kenntnisse im Bereich der formalen Logik und Expertensystemen sind hilfreich.
Verantwortung: |
Prof. Dr. Hartmut Prautzsch
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101863 - Unterteilungsalgorithmen |
The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.
keine
Verantwortung: |
N.N.
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-101215 - Recht des geistigen Eigentums |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 24121 | Urheberrecht | 2 SWS | Vorlesung (V) / 🗣 | Sattler |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.
Keine.
Keine
Verantwortung: |
Prof. Dr. Martin Ruckes
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101482 - Finance 1 M-WIWI-101483 - Finance 2 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2530212 | Valuation | 2 SWS | Vorlesung (V) / 🗣 | Ruckes |
WS 24/25 | 2530213 | Übungen zu Valuation | 1 SWS | Übung (Ü) / 🗣 | Ruckes, Luedecke |
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.
Keine
Keine
Verantwortung: |
Prof. Dr. Jan Niehues
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-105999 - Verarbeitung natürlicher Sprache |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400147 | Verarbeitung Natürlicher Sprache | 4 SWS | Vorlesung (V) / 🗣 | Niehues, Liu, Züfle |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO Informatik.
Keine.
Verantwortung: |
Prof. Dr.-Ing. Peter Vortisch
|
---|---|
Einrichtung: |
KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften |
Bestandteil von: |
M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 6232802 | Verkehrsmanagement und Telematik | 2 SWS | Vorlesung / Übung (VÜ) / 🗣 | Vortisch |
Mündiche Prüfung mit ca. 20 Minuten
Keine
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Peter Vortisch
|
---|---|
Einrichtung: |
KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften |
Bestandteil von: |
M-BGU-102963 - Verkehrswesen für Informatik I |
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 |
Mündliche Prüfung mit ca. 30 Minuten
Keine
Keine
Keine
Verantwortung: |
Prof. Dr.-Ing. Michael Heizmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Elektrotechnik und Informationstechnik |
Bestandteil von: |
M-ETIT-100361 - Verteilte ereignisdiskrete Systeme |
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 |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.
keine
Die Kenntnis der Inhalte der Module „Wahrscheinlichkeitstheorie“, „Systemtheorie“ und „Messtechnik“ wird dringend empfohlen.
Verantwortung: |
Prof. Dr. Achim Streit
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100761 - Verteiltes Rechnen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400050 | Verteiltes Rechnen | 2 SWS | Vorlesung (V) / 🗣 | Streit, Krauß, Schnepf |
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.
Keine
Das Modul: Einführung in Rechnernetze wird vorausgesetzt.
Verantwortung: |
Michael Menk
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-INFO-101216 - Recht der Wirtschaftsunternehmen |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2411604 | Vertragsgestaltung im IT-Bereich | 2 SWS | Vorlesung (V) / 🗣 | Menk |
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.
Keine
Keine
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 |
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 |
Schriftliche Prüfung 90 Min.
Keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2122378 | Virtual Engineering II | Vorlesung / Übung (VÜ) / 🗣 | Häfner, Ovtcharova |
Schriftliche Prüfung 90 Min.
Keine
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 |
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 |
Prüfungsleistung anderer Art (benotet), Gruppen-Projekt (Aufgabenstellung, Umsetzung und Präsentation der Projektarbeiten) zur Erstellung einer VR-Anwendung
keine
Verantwortung: |
Prof. Dr.-Ing. Frank Bellosa
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100867 - Virtuelle Systeme |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 2400028 | Virtuelle Systeme | 2 SWS | Vorlesung (V) / 🗣 | Bellosa |
Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.
Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.
Verantwortung: |
Prof. Dr.-Ing. Carsten Dachsbacher
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100738 - Visualisierung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2400175 | Visualisierung (findet im SoSe2024 nicht statt) | 2 SWS | Vorlesung (V) / 🗣 | Dachsbacher |
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.
Keine.
Vorkenntnisse aus der Vorlesung „Computergraphik“ (24081) werden vorausgesetzt.
Verantwortung: |
Prof. Dr. Tilmann Gneiting
|
---|---|
Einrichtung: |
KIT-Fakultät für Mathematik |
Bestandteil von: |
M-MATH-102956 - Vorhersagen: Theorie und Praxis |
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 |
Keine
Verantwortung: |
Prof. Dr. Michael Mäs
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 5011001 | Einführung in die Soziologie | 2 SWS | Vorlesung (V) / 🧩 | Mäs |
Studierende müssen ein Übungsblatt bestehen, das im Verlauf der Vorlesung ausgegeben wird.
Keine
Verantwortung: |
Prof. Dr. Gerd Nollmann
|
---|---|
Einrichtung: |
KIT-Fakultät für Geistes- und Sozialwissenschaften |
Bestandteil von: |
M-INFO-104808 - Gesellschaftliche Aspekte M-GEISTSOZ-103737 - Empirische Sozialforschung |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
WS 24/25 | 5011004 | Sozialstrukturanalyse | 2 SWS | Vorlesung (V) / 🖥 | Nollmann |
Keine.
Verantwortung: |
Prof. Dr. Wolf Fichtner
|
---|---|
Einrichtung: |
KIT-Fakultät für Wirtschaftswissenschaften |
Bestandteil von: |
M-WIWI-101452 - Energiewirtschaft und Technologie |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2581001 | Wärmewirtschaft | 2 SWS | Vorlesung (V) / 🗣 | Fichtner |
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.
Keine.
Keine
Zum Ende der Lehrveranstaltung findet ein Laborpraktikum statt.
Verantwortung: |
Prof. Dr. Sebastian Abeck
|
---|---|
Einrichtung: |
KIT-Fakultät für Informatik |
Bestandteil von: |
M-INFO-100734 - Web-Anwendungen und Serviceorientierte Architekturen (II) |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 24677 | Web-Anwendungen und Serviceorientierte Architekturen (II) | 2 SWS | Vorlesung (V) / 🗣 | Abeck, Schneider, Sänger, Throner |
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.
Keine
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 |
Lehrveranstaltungen | |||||
---|---|---|---|---|---|
SS 2024 | 2182740 | Werkstoffmodellierung: versetzungsbasierte Plastizität | 2 SWS | Vorlesung (V) / 🗣 | Weygand |
Mündliche Prüfung ca. 30 Minuten
keine
Vorkenntnisse in Mathematik, Physik und Werkstoffkunde
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 |
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 |
Mündliche Prüfung im Umfang von ca. 20 Minuten.
Das Modul kann nicht zusammen mit der Lehrveranstaltung Financial Econometrics [T-WIWI-103064] geprüft werden.