Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der Lage sein, Konzepte und Mechanismen zur Modellierung von Geodaten zu kennen und diese für konkrete Szenarien bewerten zu können, die unterschiedlichen Verfahren für die Analyse und Bearbeitung auswählen zu können und eine Anwendung auf der Basis von Geodaten prototypisch entwickeln zu können.

Inhalt

Geodaten werden für zahlreiche Dienste und Anwendungen eingesetzt. Sie erlauben es, andere Daten in Bezug zur Umwelt zu setzten. Geodaten werden für raumbezogene Analysen, Kartendarstellungen und Routenplanungen eingesetzt.  Diese Lehrveranstaltung soll die Konzepte rund um Geodaten von der Datenquelle über die effiziente Speicherung bis hin zur Analyse darstellen. Es werden folgende Themen behandelt:

• Geodatenquellen
• Digitale Karten (thematisch, topografisch)
• Eigenschaften geografischer Daten, Geo-Objektklassifizierung
• Datenformate für Geodaten 
• Darstellung von Geometrien (Raster, Vektor, Dimensionalitäten)
• Vektordarstellung mit "Simple Features"
• Höhenraster am Beispiel von NASA ASTER
• Topologische Eigenschaften von Geodaten, Straßennetze
• Koordinatensysteme (ellipsoidisch, eben, Map Datum, Umrechnungen)
• Sphärische Geometrie (Abstands-, Flächenberechnung auf der Erdoberfläche)
• Funktionen auf Geodaten (Polygonoperationen, Voronoi)
• Generierung von Kartenmaterial (Projektionen, Generalisierung, Beschriftung, Anordnung, Gestaltungs-Richtlinien)
• Räumliche Indexierung (z.B. R-Tree)
• Geodaten-Analyse, Statistiken
• Geo-Datenbanken, Geo-Informationssysteme

Bestandteil der Veranstaltung ist eine Programmieraufgabe in Kleingruppen (2 oder 3 Teilnehmer). Hierzu wird ein Geodatenbestand aus OpenStreetMap sowie NASA Höhenprofile in der räumlichen Datenbank PostGIS zur Verfügung gestellt.

Lernziele

Kenntnis der grundlegenden mathematischen Modelle.
Fähigkeit, für reale Probleme - bei welchen der Zufall eine Rolle spielt - stochastische Simulationsmodelle aufzustellen, auszuführen und die Ergebnisse zu interpretieren.

Inhalt

• Erzeugung von Zufallszahlen
• Homogene und nichthomogene Poissonprozesse
• Warteschlangen
• Statistische Datenanalyse simulierter Daten
• Varianzreduktion
• Anwendungen

Lernziele

Kenntnis der Grundlagen und Fähigkeit der Implementierung von Algorithmen zur Datenkompression und zur sicheren Datenübertragung.

Inhalt

Shannons Informationstheorie (Modellierung von Datenquellen und von Übertragungskanälen).
Verlustlose- und verlustbehaftete Datenkomprimierung (z. B. Huffman Codes, arithmetische Codes, Kompression von Bilddaten).
Fehlererkennende und fehlerkorrigierende Codes (z. B. Hamming Codes, CRC-Codes).

Lernziele

Grundlagen für die Kryptographie mit Elliptischen Kurven, deren
Algorithmen und Implementierung verstehen.

Inhalt

• Grundlagen zu Algebraischen und Elliptischen Kurven.
• Kryptographische Verfahren, die auf Elliptischen Kurven basieren.
• Algorithmen zur Implementierung der Verfahren

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der   Lage sein, Intelligente Maschinen zu verstehen, zu analysieren und zu entwerfen sowie die Folgen des Einsatzes abzuschätzen

Inhalt

In den letzten Jahrzehnten seit Verbreitung der Computersysteme haben diese Systeme dem Menschen mehr und mehr Aufgaben abgenommen - und häufig effizienter bearbeitet, die durchaus als komplex gelten aber nicht unbedingt als Anforderungen an die Intelligenz angesehen werden. Dazu zählen unter anderem rasche numerische Berechnungen (z.B. beim Apollo-Programm der sechziger Jahre oder bei heutigen Klima-Simulationen), das Verarbeiten riesiger Daten-Mengen (Stichwort Big Data) oder das extrem schnelle Reagieren auf Ereignisse (z.B. Anti-Blockier-Systeme in Bremsanlagen). Seit einigen Jahren kursiert verstärkt der Begriff der Intelligenz in Zusammenhang mit Computersystemen in Bereichen wie der Spracherkennung und der Entwicklung autonomer Fahrzeuge/Flugzeuge/Boote. Es wird diskutiert, was diese besondere Eigenschaft "Intelligenter Maschinen" darstellt, welche Relationen zu menschlicher Intelligenz bestehen und welche Entwicklungen sich dadurch für Rechner-Architekturen, Algorithmen und Software-Anforderungen ergeben. Die zugrunde liegenden Sachverhalte werden anhand konkreter aktueller Entwicklungen wie z.B. IBM Watson, Amazon AI Services, Concepts of Deep Neural Networks, WAYMO (Google self-driving car), etc. sowie unter Berücksichtigung neuer Erkenntnisse in der Gehirnforschung hinsichtlich menschlicher Intelligenz diskutiert.

Lernziele

Nach erfolgreichem Abschluss des Moduls:
können die Studierenden formale mathematische Beschreibungsmittel und Beschreibungsheuristiken anwenden. Sie sind in der Lage komplexe Systeme zu analysieren, Beschreibungs- und Verhaltensmodelle für diese zu erzeugen und ihr Verhalten durch Simulation zu evaluieren. Aus den Ergebnissen können ggf. Strukturentscheidungen abgeleitet und Verhaltensänderungen begründet werden

Inhalt

Ein System ist ein Verbund von Elementen / Komponenten, die miteinander in Beziehung stehen und interagieren. Das System tritt über definierte Schnittstellen mit seiner Umwelt (anderen Systemen, Akteuren) in Verbindung. Die Interaktion umfasst Informations-, Energie- und Materieaustausch.

Ein Komplexes System ist ein System, dessen Verhalten sich durch die gegenseitige Beeinflussung seiner Komponenten ergibt. Dabei ist es nicht einfach aus einer Kombination des jeweiligen Verhaltens seiner Komponenten beschreibbar, sondern besitzt durch Synergieeffekte darüber hinausreichende Eigenschaften (Emergenz).

Unter die Def. von komplexen Systemen fallen technische und natürliche Information ver­ar­bei­tende Systeme, ökologische Systeme, sowie soziale Systeme, z.B. betriebliche und politische Organisationen, soziale Gruppen.

Die Veranstaltung ist darauf ausgerichtet, informatische bzw. mathematische Beschreibungsmittel und Beschreibungsheuristiken zu erfassen und zu wiederzugeben und diese exemplarisch zur Verhaltenssimulation bzw. -Prognose auf konkrete Situationen anzuwenden.

Lernziele

• Höhere kryptographische Protokolle für verschiedene Anwendungsbereiche kennen und verstehen.
• Eignung kryptographischer Primitive analysieren und bewerten können.
• Verschiedene kryptographische Primitive zu einer Problemlösung kombinieren können.
• Kryptographische Protokolle und ihre theoretischen Grundlagen auf wissenschaftlichem Niveau mündlich und schriftlich beschreiben können.

Inhalt

In vielen Bereichen der Informatik sind anspruchsvolle Aufgaben zur Informationssicherheit zu lösen, wie z.B.

• Identitäts- und Rechtemanagement
• Zugangskontrolle zu Systemen
• sichere Ende-zu-Ende-Kommunikation in verteilten Anwendungssystemen
• Bezahlsysteme in B2C- und B2B-E-Commerce-Anwendungen

Zur Lösung dieser Aufgaben werden die Grundbausteine der Kryptographie (symmetrische und asymmetrische Verschlüsselung, digitale Signaturen, kryptographische Hashfunktionen, MACs, Zertifikate), auch kryptographische Primitive genannt, zu kryptographischen Protokollen kombiniert. Inhalt dieser Lehrveranstaltung sind wichtige und typische Protokolle und die ihnen zugrunde liegenden theoretischen Konzepte.

• Schlüsselaustausch
• Authentifizierungs- und Identifizierungsprotokolle
• Interaktive Beweissysteme
• Zero-Knowledge-Protokolle
• Commitments
• Secret Sharing, Secure Multiparty Computation
• digitales Bargeld
• Kryptowährungen, Blockchain-Technologie
• Micropayment
• elektronische Wahlen.

Schwerpunkte im Wintersemester 2018 sollen u.a. sein: Authentifizierung und Zero Knowledge, neuer Hashstandard SHA-3, Kryptowährungen - Bitcoin, digitales Geld, Blockchain-Technologie und -Anwendungen, Internetwahlen.

Lernziele

Erarbeitung und Kenntnis grundlegender Konzepte zur Sicherstellung der Informationssicherheit in ausgewählten Anwendungsbereichen.

Inhalt

Typische Themen sind:

• Online Banking (HBCI-Standard, EC-Karte / PIN-Generierung)
• Zahlungssysteme (Micropayment, Elektronisches Bargeld)
• Virtuale Private Network (VPN)-Lösungen mit PPTP, L2TP,  IPSec, SSL
• Wireless LAN – WEP, WAP, WPA , IEEE 802.11i
• Protokolle und Systeme für elektronische Wahlen
• Verifizierbare MIXes, anonyme Kanäle
• Sicherheit beim Mobilfunk
• Secure Socket Layer SSL / Transport Layer Security TLS
• Internet Protocol Security: IPSec
• Zufall für kryptographische Anwendungen: Soft- und Hardware-Generatoren
• Trusted Computing - Trusted Platform Modules
• Vertraulichkeit und Authentifizierung in Betriebssystemen
• XML-Sicherheit  / Sicherheit von Web Services
• Föderierte Identität / Identity Management / Single-Sign-On
• Digital Rights Management

Geeignete Themen können auch von den Studierenden vorgeschlagen werden.

Lernziele

Nach erfolgreichem Abschluss können die Studierenden wesentliche formale Analysetechniken zur Bewertung der Zuverlässigkeit von Systemen anwenden.
Aus ermittelten Zuverlässigkeitskennzahlen kann die Evaluation von Risiken erfolgen.

Inhalt

Zuverlässigkeitstechnik -

• Wahrscheinlichkeit von Fehlern, Verfügbarkeit, Verlässlichkeit;
• Modelle für Fehler, Einfluss von Reparatur;
• Vorhersage
• Fehlertoleranz-Techniken
• Recovery-Techniken

Risikobewertung -

• Definition von Risiko
• Risiko-Kategorien,
• Risiko-Management

Fallanalyse, Anwendung, Risikoprognose

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der Lage sein, Anforderungen an Software mit Mitteln der formalen Logik zu analysieren, zu spezifizieren, korrekte Implementationen zu entwickeln und die Korrektheit gegen die Spezifikation zu beweisen.

Inhalt

Embedded Devices dringen in nahezu jeden Bereich des täglichen Lebens vor. Damit nimmt die Bedeutung der Sicherheit, Zuverlässigkeit und Fehlerfreiheit von Software immer mehr Raum ein. Bei höchsten Anforderungen an die Fehlerfreiheit ist der Einsatz von mathematischen Werkzeugen zum Nachweis der Korrektheit eines Programms heute Stand der Wissenschaft.  

Anhand des Buchs “Software Foundations” von Benjamin Pierce oder "Certified Programming with Dependent Types" von Adam Chlipala, werden die Techniken untersucht mit denen Eigenschaften von Programmen beschrieben und mit Werkzeugunterstützung nachgewiesen werden können:

• Anwendung von Logik zur Spezifikation und Rechtfertigung von Programmeigenschaften
• Anwendung von Beweisassistenten im Nachweis von Programmeigenschaften
• Funktionales Programmieren als Bindeglied zwischen Logik und Programmiersprachen
• Typen zur Spezifikation von Programmeigenschaften und deren Nachweis durch Typ-Prüfung des Compilers.

Der Schwerpunkt liegt auf praktischen Aspekten: Die erlernten Techniken werden im Labor mit einem Beweisassistenten, z.B. Coq eingeübt.

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der Lage sein, Techniken und Methoden des Automotive Softwareentwicklungsprozesses zu kennen und diese im Hinblick und Automotive Software Engineering Prinzipien zu bewerten. Weiterhin werden die Studierenden Automotive Modellierungssprachen für konkrete Szenarien auswählen, anwenden und damit kleinere Automotive Software Systeme prototypisch entwickeln können.

Inhalt

Dieser Kurs vermittelt ein grundlegendes Verständnis von Methoden und Prinzipien der automobilen Software-Entwicklung. Dazu gehören Kenntnisse über die Entwicklung von eingebetteten Systemen sowie über den Automotive Softwareentwicklungsprozess inklusive Anforderungsmanagement im Allgemeinen sowie zu AUTOSAR (www.autosar.org), als der zentralen Standardisierungsinitiative in der Automotive Domäne (dabei insbesondere die implementierungsnahen Beschreibungsmittel) und FlexRay (www.flexray.com), als ein zentraler, moderner Vertreter automobiler Bussysteme, im Besonderen. Die Lehrinhalte werden, neben der theoretischen Aufbereitung und Diskussion in den Vorlesungsteilen, zudem im Rahmen von Laborübungen von den Studierenden praktisch angewandt. Des Weiteren gestalten die Studierenden selbstständig Fachvorträge inklusive Übungseinheiten, in denen vertiefende Themen des Themenfeldes Automotive in strukturierter Form aufbereitet werden sollen.

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der Lage sein, grundlegenden Modellierungskonzepte der Automotive Domäne zu kennen und deren Nutzung für unterschiedliche Abstraktionsebenen beginnend auf der abstrakten Gesamtsystemebene (EAST-ADL) bis zu detaillierten Ebenen (AUTOSAR) bewerten zu können. Die Studierenden werden unterschiedliche moderne Ansätze der Automotive Systemmodellierung wie Software-Produktlinien und Security Modellierung auswählen und ein kleines Automotive System modellieren können.

Inhalt

Dieser Kurs vermittelt grundlegendes Verständnis der Modellierung von automobilen Systemen. Dazu gehören Kenntnisse über die Entwicklung von eingebetteten Systemen sowie über den Automotive Softwareentwicklungsprozess im Allgemeinen, sowie

• AUTOSAR (siehe auch den Kurs "Automotive Software Engineering"),
• EAST-ADL als einer Standardisierungsinitiative in der Automotive Domäne zur Beschreibung der abstrakten Systemarchitektur,
• Software-Produktlinien, als ein zentraler und moderner Wiederverwendungsansatz von Softwareartefakten komplexer Systeme,
• und Echtzeitmodellierung ensprechend TADL Standard

im Speziellen. Die Lehrinhalte werden durch Anwendung in praktischen Laborübungen, sowie durch analytische und gestalterische Tätigkeiten im Rahmen einer Literaturarbeit vertieft.

Lernziele

Nach der erfolgreichen Teilnahme an diesem Modul kennen die Studierenden die fachlichen und technischen Herausforderungen, die im Einsatz von Big Data begründet sind. Die Studierenden können die Potenziale und Grenzen aktueller Technologien, Architekturkonzepte und Analyse-Verfahren im Big-Data-Umfeld beschreiben und sind dadurch in der Lage, Anwendungsfälle zu systematisch zu analysieren und Lösungsansätze zu entwickeln.

Inhalt

Durch die allgemeine Digitalisierung sowohl im geschäftlichen wie auch im privaten Umfeld entstehen gigantische Datenmengen. Mobile Commerce, Smart Home, Connected Car, Internet of Things sind einige Schlagworte aus diesem Umfeld. Unternehmen möchten diese "Big Data" nutzen, um Geschäftsprozesse zu optimieren, Risiken zu senken, Probleme zu erkennen und nicht zuletzt Informationen über Kunden und deren Vorlieben gewinnbringend zu nutzen.
In der Vorlesung werden fachliche und technische Fragestellungen, Herausforderungen und Lösungen diskutiert.

Die Lehrveranstaltung beginnt mit einem Vorlesungsteil, um das Thema zu motivieren sowie grundlegende Technologien vorzustellen. Ergänzt wird dieser Teil durch praktische Übungen. Die Themen in diesem Block sind:

• Einführung zu Big Data
• Verteilte Datenhaltung und Datenverarbeitung
  - Partitionierung, Replikation, Konsistenzsicherung
  - Verteilte Anfrageverabeitung und -optimierung
  - Map-Reduce
• Skalierbare Datenverarbeitung mit Apache Hadoop und Spark
• Grundlagen maschineller Lernverfahren

Der zweite Teil wird durch studentische Vorträge und Ausarbeitungen gestaltet. Dabei werden ausgewählte fachliche, technische und methodische Fragestellungen aus dem Bereich Big Data vertieft. Themen in diesem Block können beispielsweise sein:

• Social Media Analytics
• Text Mining
• Knowledge Extraction
• Ethische Aspekte von Big Data
• Big Data Security
• Datenstrom-Verarbeitung
• In-Memory-Systeme
• u.v.m

Lernziele

• Kenntnis der theoretischen Grundlagen von Echtzeitsystemen und Synchronisationsmechanismen
• Kenntnis von spezifischen Echtzeitsystemen im Automobil
• Echtzeit-Anforderungen eines Systems analysieren und bewerten
• Echtzeitsysteme entwerfen und entsprechende Konzepte anwenden

Inhalt

Dieser Kurs vermittelt die Grundlagen von Echtzeitsystemen, mit speziellem Fokus auf das Automobil. Echtzeitsysteme finden sich in vielen Bereichen des täglichen Lebens, bei der Steuerung von zeitkritischen Prozessen, z.B.

• im Auto (Airbag, ABS, ESP, ...)
• in Flugzeugen (Triebwerksteuerung, fly-by-wire, ...)
• bei der Mobil-Kommunikation (Sprachübertragung)

Ein Echtzeitsystem ist dadurch gekennzeichnet, dass es neben seiner funktionalen Korrektheit auchzeitlichen Anforderungen gerecht werden muss. Der Begriff "echtzeifähig" wird häufig als Synonym für Schnelligkeit interpretiert: Multimedia-Daten werden "in Echtzeit" verarbeitet, Roboter reagieren "in Echtzeit" auf Ereignisse in ihrer Umgebung, Aktienkurse werden "in Echtzeit" aktualisiert, etc. Dabei bedeutet "echtzeitfähig" aber nicht "besonders schnell", sondern vielmehr "schnell genug". Ein Echtzeitsystem muss sich an die zeitlichen Bedingungen seiner Umwelt anpassen und seine Berechnungen und Ergebnisse immer zum richtigen Zeitpunkt, also rechtzeitig liefern.

Der Kurs besteht aus einem Vorlesungsteil und praktischen Übungen (Programmieraufgaben) im Labor.

Inhalte der Vorlesung:

• Echtzeit-Scheduling: Verfahren und Analyse
• Echtzeitbetriebssysteme im Automobil (OSEK, AUTOSAR)
• Echtzeitkommunikation im Automobil (CAN, FlexRay)
• Synchronisationsmechanismen / verteilte Systeme
• Software-Architekturen mit Echtzeitanforderungen im Automobil
• Design von Echtzeitsystemen

Praktische Übungen (in Gruppen von 2 bis 4 Studierenden), z.B.

• Implementation von Scheduling-Algorithmen
• Design und Implementation einfacher Echtzeitsysteme
• ...

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der Lage sein, formale Methoden für die Softwareentwicklung problembezogen auszuwählen und mit automatischen und halbautomatischen Werkzeugen den Nachweis bestimmter Eigenschaften einer Implementierung zu entwickeln.

Inhalt

Methode formaler Softwarespezifikation, Anwendung von Beweisassistenten und automatischen Theorembeweisern in der Korrektheit von Software, Programmverifikation, Sicherheit von mobilem Code und Protokollverifikation

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der Lage sein, mit fortgeschrittenen Konzepten in Funktionalen Programmiersprachen, insbesondere der Typtheorie, hochqualitative bis zu Null-Fehler (zero fault) Software zu entwickeln.

Inhalt

Am Beispiel der Programmiersprache Haskell werden forgeschrittene Konzepte des Funktionalen Programmierens betrachtet und in praktischen Übungen im Labor eingeübt.

Folgende Themenbereiche werden behandelt:

• Einführung in Haskell
• Monaden und Monadentransformer, Funktoren und Applikative Funktoren
• Generalized Algebraic Data Types (GADTs), Higher-order Polymorphism
• Programmieren auf dem Typlevel
• Dependent Types (Agda, Idris), Bezug zu GHC Haskell Spracherweiterungen
• Refinement Types (Liquid Haskell)
• Implementierungsaspekte

Lernziele

Der erfolgreiche Studierende wird nach Abschluss der Veranstaltung in der Lage sein zu beurteilen, wann Interpretierer und wann Compiler vorzugsweise einzusetzen sind und insbesondere auch vorschlagen und begründen können, welche Methoden verwendet werden können, um geeignete Werkzeuge zu erstellen, die zur Unterstützung beim Entwickeln und Testen von Programmierprojekten empfehlenswert sind.

Inhalt

Komponenten von Interpretern
lexikalische, syntaktische und semantische Analyse; Laufzeitsysteme.
In den Übungen wird ein Interpretierer vorgestellt, der um einige Programmkonstrukte zu erweitern ist.

Lernziele

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der   Lage sein, komplexe IT-Systeme mittels UML und SysML zu modellieren, zu dokumentieren, zu analysieren und zu entwerfen.

Inhalt

Die Unified Modeling Language (UML) ist die gängigste und als Standard akzeptierte Notation zur Beschreibung von Computersystemen sowie der dynamischen Abläufe in Computersystemen. Dies umfasst sowohl betriebswirtschaftliche Geschäftsprozesse wie auch technische Interaktionen, die auf Arbeitsplatzrechnern oder auch in verteilten Systemen ablaufen. Die UML dient zur Modellierung, Dokumentation, Spezifizierung und Visualisierung komplexer Systeme, indem sie die Darstellung statischer und dynamischer Modelle während der Analyse-, Design-, Implementierungs- und Installations-Phase ermöglicht.

Die Object Management Group (OMG) organisiert und koordiniert – neben weiteren Standards – die UML als Hersteller-neutralen Industrie-Standard und verabschiedete im Jahre 2005 die Version UML 2.

Die SysML (Systems Modeling Language) ist eine junge Weiterentwicklung der UML, die zum Design und zur Dokumentation komplexer Systeme dient, die nicht notwendigerweise ihren Schwerpunkt im Software-Bestandteil besitzen. Beispiele dafür sind weit verbreitete Hilfsmittel wie PDAs, GPS-Geräte, aber auch Automobile, Flugzeuge, etc. 

Im Rahmen der Lehrveranstaltung werden Notation und Semantik der verschiedenen UML- und SysML-Diagramme diskutiert und verschiedene Einsatzgebiete werden im Rahmen von Projekten untersucht.

Lernziele

Kenntnisse und Fähigkeiten erwerben, Anwendungen aus kooperierenden, eigenständigen Komponenten zu erstellen (Agenten); Analysieren der Sicherheit derartiger Anwendungen; Kodierung von Wissen und Organisation des Austauschs von Wissen zwischen Komponenten eines Systems; Bewertung von Nutzen und Risiken selbstorganisierender Vorgänge; Transfer auf verwandte Themen (Sensornetze); Entwurf und Realisierung problemspezifischer kooperierender Systeme

Inhalt

• Was sind Agenten?
• Grundlagen von Agentenplattformen
• Mobile Agenten
• Das Agentensystem JADE
• Kommunikation zwischen Agenten
• Wissenstransfer
• Intelligente Agenten
• Koordination
• Simulation mit Agenten
• Selbstorganisation und Emergenz

Lernziele

Die Studierenden können sich eigenständig in ein aktuelles Thema der HCI (Human Computer Interaction) einarbeiten und den aktuellen Stand der Technik hierzu identifizieren. Ausgehend hiervon ist es Ihnen möglich, bekannte Ansätze zu klassifizieren und zu diskutieren. Durch das Strukturieren der Publikationen und Formulieren eines Überblicksartikels werden die Kenntnisse im wissenschaftlichen Schreiben vertieft.

Inhalt

Themen werden unter anderem sein:

• Touch-Interaktion
• Gestenbasierte Interaktion
• Natürlichsprachliche Interaktion
• Haptische Interaktion
• Holographische Displays
• Low-Cost 3D-Drucker (Übersicht, aktueller Stand und Trends)
• Gehirn-Computer-Schnittstellen (Brain-Computer-Interfaces)
• Anwendungsfall Personenerkennung (Aktueller Stand und Trends)
• Anwendungsfall Navigationslösungen (Aktueller Stand und Trends)

Lernziele

Kenntnisse der Grundlagen der automatischen Spracherkennung, Fähigkeit zur Implementierung von einfachen Klassifikationsalgorithmen, Fähigkeit zur Durchführung einfacher Klassifikationsexperimente, Verständnis für die aktuellen Entwicklungen im Bereich "Deep Learning"

Inhalt

Dieser Kurs ist eine Einführung in die Automatische Spracherkennung und besteht aus einem Vorlesungsteil mit praktischen Übungen im Labor.

Theorie:

• Eigenschaften gesprochener Sprache
• Merkmalgewinnung
• Statistische Mustererkennung
• Neuronale Netze und "Deep Learning"
• Wortmodellierung
• Grammatische Sprachmodellierung
• Dekodierung kontinuierlicher Sprache

Praktische Übungen in Projektgruppen von 2 bis 4 Studenten, z.B.

• Einzelworterkennung mit Dynamischer Zeitverzerrung
• Textbasierte Sprachen-Erkennung mit Bigramm-Sprachmodellen
• Sprecher-Erkennung

Lernziele

Die Studierenden können die grundlegenden Verfahren zur Verarbeitung, Analyse und Visualisierung medizinischer Bilddaten sowie deren praktischen Nutzen in der klinischen Anwendung beurteilen und erklären, in welchem Kontext diese verwendet werden. Sie können die besonderen Herausforderungen, die sich durch das interdiziplinäre Umfeld ergeben, aufzeigen und erhalten einen Überblick über aktuelle wissenschaftliche Problemstellungen. Dadurch werden sie befähight, auf Basis des vermittelten Wissens eigene Lösungen für spezifische Problemstellungen zu entwickeln.

Inhalt

Die Flut und Komplexität medizinischer Bilddaten sowie die klinischen Anforderungen an Genauigkeit und Effizienz erfordern leistungsfähige und robuste Konzepte der Datenverarbeitung. Auf Grund der Vielfalt an Bildinformation und ihrer klinischen Relevanz spielt der Übergang von der Bildgebung zur medizinischen Analyse und Interpretation eine wichtige Rolle. Ergänzt durch Verfahren der Bildanalyse bildet die Visualisierung die grundlegende Schnittstelle zwischen den Daten und dem Benutzer.

In der Veranstaltung werden folgende Themen behandelt:

• Regelkreis zur Verarbeitung medizinischer Bilddaten
• Überblick über bildgebende Verfahren
• Grundlagen der Bildvorverarbeitung
• Grundlagen der Segmentierung
• Explizite und implizite Methoden der Registrierung
• Visualisierung (2D, 3D) von Skalar- und Vektordaten

Lernziele

Erwerb der folgenden Kenntnisse und Fähigkeiten:

• Kenntnis der für Fotografie relevanten Dateiformate mit ihren jeweiligen Einschränkungen
• Verständnis der Inhalte von Bildern im raw-Format
• Entwicklungsprozess von raw-Bildern am Beispiel des Programms Adobe Lightroom (Histogramm, Farbtemperatur, Tönen, Schärfen, perspektivische Korrektur, Beseitigung von chromatischen Aberrationen, (selektive) Rauschentfernung
• Erstellung von HDR Bildern und die Bedeutung des Tonemappings
• Erstellen von Panoramen
• Focus Stacking, Rauschreduktion durch Tracking
• Intelligentes Masking und selektive Bearbeitung
• Partielle Erweiterung des Dynamikumfangs
• Frequenztrennung und Retusche
• Color Balancing
• Compositing

Inhalt

Seit Jahren dominieren digitale Fotoapparate den Markt. Während früher in Dunkelkammern Bilder entwickelt und ihnen dabei „der letzte Schliff“ gegeben wurde, haben nun sehr mächtige Softwaresysteme an Bedeutung gewonnen. In dieser Veranstaltung sollen die dabei bestehenden Möglichkeiten zur Entwicklung, Bearbeitung und Komposition von Bildern erlernt werden.

In dieser Veranstaltung werden sich theoretische Wissensvermittlungseinheiten mit praktischen Phasen abwechseln, in denen die Teilnehmer die Techniken auf eigene oder vorgegebene Beispielbilder anwenden. Diese Bearbeitungsschritte werden in Kurzvorträgen den anderen Teilnehmern vorgestellt, so dass die Teilnehmer aus allen Projektarbeiten lernen.

Lernziele

Untersuchung einer exemplarischen Beispiel-Aufgabenstellung aus dem Gebiet des Mobile Computings und die Bearbeitung in einer Kleingruppe (Projekt). Dabei Erwerb der folgenden Kenntnisse und Fähigkeiten:

• Erstellen von Anwendungen für mobile Geräte
• Kennenlernen von typischen spezifischen Anforderungen bei der Erstellung von mobilen Anwendungen (z.B. Vorteile und Problemstellungen von Stift- oder Touchbedienung)

Inhalt

Seit einiger Zeit gibt es leistungsfähige mobile Computer (Tablet PCs, Pocket PCs, Ultra Mobile PCs), welche auch handschriftliche Eingaben, z. B. mit einem Stift, erlauben. Besonders interessant ist hierbei, dass die handschriftlichen Eingaben bei diesen Rechnersystemen nicht als Bitmap-Schriftzug, sondern als völlig neuer Datentyp 'digitale Tinte' mit sehr hoher Auflösung und vielfältigen Verwendungsmöglichkeiten zur Verfügung gestellt werden. Hierdurch sind neue Anwendungen denkbar, die weit über die Möglichkeiten eines normalen Stifts hinausgehen.

Ebenso werden in der Veranstaltung andere alternative Kommunikationsformen mit dem Computer angeprochen, die alle im Gebiet Mobile Computing Anwendung finden können. Dies können z. B. Gestensteuerung (Touchless), Sprachsteuerung oder Surface Computing sein.

In dieser Veranstaltung sollen solche Eingabe- und Steuerungskonzepte sowie auch sonstige Verwendungsmöglichkeiten von mobilen Computern in Form von Projekten genauer untersucht werden.

Das Ziel der Veranstaltung ist dabei auch, dass alle Teilnehmer aus allen Projektarbeiten lernen. Daher sollen sich Projektarbeiten und regelmäßige Berichterstattungen aus den einzelnen Gruppen abwechseln.

Lernziele

Kenntnis der typischen Herausforderungen für die technische Realisierung des "Ubiquitous Computings", auch "Pervasive Computing" genannt, mit dem visionären Ziel "Internet of Things"; Kenntnis der typischen Einsatzszenarien, Verständnis der technischen Grundlagen von Sensorknoten und des Informationstransports in Adhoc-Netzen sowie der speziellen Anforderungen der drahtlosen Kommunikation; Kenntnis der typischen Betriebssysteme und Laufzeitumgebungen für Sensorknoten, Erstellen von Anwendungen auf Basis dieser Betriebssysteme, Gestaltung einfacher Sensornetze anhand von Simulationen und realer Hardware, Analyse von aktuellen Entwicklungen in Bezug auf technische und soziale Belange

Inhalt

• Sensornetze: Techniken
• Hardware
• Algorithmen für das Rechnen in Sensornetzen
• Betriebssysteme für Sensornetze
• Selbstorganisation
• Nahfeldkommunikation
• RFID
• Mobile Computing
• Einsatz von Ubicomp für Ambient Intelligence

Lernziele

Fähigkeit, schriftliche Berichte so zu erstellen, dass sie den grundlegenden Anforderungen akademischen Schreibens genügen. Kenntnis grundlegender Konzepte kontextualisierter und situationsbezogener Informationsdienstleistungen. Fähigkeit, Kontext-Parameter einer gegebenen Situation zu identifizieren und Technologien zur Erfassung auszuwählen, die anwendungsspezifischen Anforderungen an Qualität und Quantität des erfassten Kontexts genügen. Anwendung ausgewählter Technologien zur Modellierung von Kontext und zur Abbildung von Kontext auf Information. Verständnis des Aufbaus typischer Architekturen zur Kontextverarbeitung und Analyse von Anwendungsszenarien hinsichtlich architekturrelevanter Merkmale. Kenntnis der Anforderungen an Interaktion mit ubiquitär verfügbaren Inhalten und Fähigkeit, anhand von Anwendungsanforderungen geeignete Interaktionsformen zu konzipieren.

Inhalt

• Akademisches Schreiben (Grundlagen)
• Kontextquellen
• Inhalt und Kontext verbinden
• Datenmodelle, z.B., für Kontext, Sensoren, Sammlungen, Datenherkunft
• Systemarchitekturen für Kontext-Management und Einbindung physikalischer Umgebung
• EInsatz von Kontext in der Mensch-Maschine-Interaktion

Lernziele

Kompetenz unterschiedliche und innovative Ansätze zur Modeliierung und Darstellung virtueller 3D Modelle zu erläutern und zu bewerten. Kenntnisse hinsichtlich der Konzeption der Kernkomponenten einer „nicht-traditionellen“ 3D-Grafik-Engine. Fähigkeiten zur prototypischen Umsetzung eines alternativen Echtzeitrendering-Verfahrens und Ansätze zur Integration dessen in eine bereits bestehende Software-Lösung.

Inhalt

1. Abgrenzung „traditionelles“ 3D-Echtzeitrendering
2. Kernkomponenten einer typischen 3D-Grafik-Engine
3. Übersicht „alternative“ Modellierungsverfahren
4. Voxel-, punkt- und bildbasierte 3D-Modellierung
5. Übersicht „alternative“ 3D-Darstellungstechniken
6. Raytracing, Splatting und Image-based Rendering
7. Hierarchische und sequentielle Beschleunigungsdatenstrukturen

Lernziele

Analyse und Anwendung von bionischen Algorithmen auf betriebswirtschaftlichen Problemstellungen

Inhalt

Die Studierenden erhalten in dem Kurs einen vertiefenden Einblick in Verfahren, die biologischen Systeme der Natur nachahmen und ihren Einsatz im Unternehmen

• Evolutionary Computation
• Künstliche Neuronale Netzwerke
• Schwarmintelligenz (z.B. Ameisenalgorithmen)

Business Analytics

Lernziele

Am Ende der Lehrveranstaltung sollen die Studierenden über fundierte Kenntnisse zu den u.a. Themenfeldern verfügen. Die Studierenden sollen relevante Methoden und Begriffe kennen und sicher mit ihnen umgehen können. Ferner sollen die Studierenden das Erlernte in der Arbeitswelt anwenden können. Durch Teamarbeiten soll darüber hinaus die Sozialkompetenz der Studierenden gestärkt werden.

Inhalt

Die Studierenden erhalten in dem Kurs einen vertiefenden Einblick zu folgenden Themenfeldern:

• Ausgewählte Aspekte des Data Mining, z.B. Predictive Analytics
• Ausgewählte Methoden des Business Analytics, z. B. Regressionen, Time-Series-Analyses, Fuzzy Linear Programming
• Anwendungen aus verschiedenen Domains, z. B. Wertpapierhandel, Finanzplanung
• Business Analytics Software Werkzeuge

Lernziele

Am Ende der Lehrveranstaltung sollen die Studierenden über fundierte Kenntnisse zu den in den Lehrinhalten angegebenen Themenfeldern verfügen. Die Studierenden sollen relevante Begriffe kennen und die Fähigkeit haben, sicher mit ihnen umgehen können. Ferner sollen die Studierenden das Erlernte in der Arbeitswelt anwenden können. Durch Teamarbeiten soll darüber hinaus die Sozialkompetenz der Studierenden gestärkt werden. Die Studierenden sollen in der Lage sein, sich die Kursinhalte mittels unterschiedlicher Lernmethoden anzueignen (z. B. Gruppenarbeit, praktische Erprobung von theoretischen Erkenntnissen am SAP System).

Inhalt

Die Studierenden erhalten in dem Kurs einen vertiefenden Einblick zu folgenden Themenfeldern:

• Aufzeigen von Nutzungsmöglichkeiten in Unternehmen
• Vermittlung von Anwenderwissen im Bereich SAP Business Intelligence
• Analysemöglichkeiten mit Business Intelligence.

Lernziele

Ziel der Veranstaltung ist es die analytischen Methoden des Customer Relationship Management und E-Commerce für spezifische Szenarien, wie z.B. Warenkorbanalysen, Kundenwertanalysen, Kundengruppenanalysen, Retourenanalyse und Collaborative Filtering zu kennen und eine Methode aus dem oben genannten Feldern i.d.R. Recommender Algorithmen verstehen, implementieren und evaluieren zu können. In der Veranstaltung geht es weniger um die Frage des technischen Aufbaus einer Business Intelligence Lösung, sondern viel mehr um das Aufbrechen und Verstehen der "Black-Box", die auf Knopfdruck aus Zahlen Analyseergebnisse liefert.  Dabei kommt u.a. die Analysesoftware R zum Einsatz. 

Inhalt

Die Veranstaltung gliedert sich in drei Abschnitte:

• Der erste Teil findet als Präsenzveranstaltung statt. Dabei werden Sie mit CRM, CRM Analytics, statistischen Grundlagen, der Analysesoftware R und dem Verfassen von wissenschaftlichen Artikeln vertraut gemacht.
• Im zweiten Teil bearbeiten Sie ein Thema zu CRM Analytics, i.d.R Recommender Algorithmen. Die Dozenten unterstüzen Sie in dieser Phase mit Beratung und Feedback.
• Im dritten Teil präsentieren Sie Ihre Ergebnisse.

Lernziele

Kenntnis von Electronic Government und des Umfeldes; Fähigkeit zur Beurteilung der Bedeutung und des Umfangs von Anwendungen im E-Government; Kenntnis und Fähigkeit zur Analyse praktischer Maßnahmen des E-Governments anhand von Beispielen; Fähigkeit Konzepte für E-Government-Lösungen zu erarbeiten.

Inhalt

• Was bedeutet E-Government ?
• Welche Bereiche umfasst E-Government ?
• Bearbeitung einer Fallstudie oder eines Projektes

Anhand von Referaten und Fallstudien oder im Rahmen eines Projektes erarbeiten wir in diesem Seminar das Thema und Umfeld von E-Government.

Lernziele

Am Ende der Lehrveranstaltung sollen die Studierenden über fundierte Kenntnisse zum Thema Fuzzy-Sets und Fuzzy-Systeme verfügen. Die Studierenden sollen relevante Begriffe kennen und die Fähigkeit haben, sicher mit ihnen umgehen können. Ferner sollen die Studierenden befähigt werden, Konzepte zu Fuzzy Systemen in der Arbeitswelt anwenden zu können. Die Studierenden sollen in der Lage sein, Probleme im Umgang mit vagen Daten zu analysieren und Lösungsansätze zu gestalten. Des Weiteren soll das interdisziplinäre Denken geschult werden.

Inhalt

Die Studierenden erhalten in dem Kurs einen vertiefenden Einblick zu folgenden Themenfeldern:

• Probleme im Umgang mit vagen Daten und Grundlagen der Fuzzy Set Theorie
• Fuzzy-basierte Ansätze (z.B. Fuzzy lineare Optimierung, Fuzzy Clustering, Fuzzy Expertensysteme)
• Nutzung und Einsatz von Fuzzy Anwendungssystemen in der Praxis
• Analyse und Lösungen von Problemstellungen im Umgang mit vagen Daten mittels Fuzzy-basierter Ansätze

Lernziele

Identifizieren und Beschreiben motivierender Spielmechanismen und Erwerb der Fähigkeit, diese Mechansimen hinsichtlich ihrer Wirkung und Eignung kritisch zu beurteilen und auszuwählen, um motivierender Informations- und Anwendungssysteme zu gestalten

Inhalt

Theoretische Grundlagen:

• Psychologische Motivationstheorien zur Wirkung motivationaler Anreizsysteme
• Gamification Frameworks zum Einsatz von Spielformen, Spielelementen und Spielertypen

Gamification Patterns:

• Identifikation und Beschreibung motivierender Spielmechanismen als generische Entwurfsmuster (Gamification Patterns)
• Vorgehensmodell zur Anwendung der Entwurfsmuster bei der Gestaltung motivierender Informations- und Anwendungssysteme

Praktische Übung und Vortrag:

• Kritische Analyse gamifizierter Informations- und Anwendungssysteme in unterschiedlichen Domänen
• Gestaltung eines eigenen gamifizierten Informations- oder Anwendungssystems unter Anwendung der identifizierten Gamification Patterns

Global Software Engineering

Lernziele

Die Globalisierung der Softwareentwicklung verlangt für das erfolgreiche Projektmanagement neue Fähigkeiten. Spezielle  Methoden zur Unterstützung dieser neuen, globalen Herausforderungen des Projektmanagers werden erforscht.

Inhalt

Simulation eines verteilten, globalen Software-Engineering-Projekts in Echtzeit
Studierenden arbeiten in Projektgruppen, bevorzugt mit ausländischen Partnern, um ein gemeinsames Software-Engineering-Projekts zu realisieren.

Lernziele

Im Rahmen der Veranstaltung wird zusammen mit einem Unternehmen eine aktuelle IT relevante Problemstellung des Unternehmens von den Studierenden analysiert und ein Lösungsansatz erarbeitet. Die Studierenden arbeiten dabei in miteinander um den besten Lösungsansatz konkurrierenden Gruppen (Information Management Competition). Am Ende der Veranstaltung verfügen die Studierenden über folgende Kompetenzen:

• Fachkompetenz: Die Studierenden erhalten einen Einblick in eine konkrete Unternehmenssituation, der zugehörigen IT Landschaft sowie der Information Management Herausforderung ( z.B. Social CRM, Enterprise IT Architekturen, Wissensmanagement, variiert mit den aktuellen Fragestellungen des beteiligten Unternehmens). Für dieses Themenfeld der Wirtschaftsinformatik (Information Management Herausforderung) erhalten und erarbeiten sich die Studierenden vertiefte Kentnisse hinsichtlich Geschäftsprozessen, IT Systemen und organisatorischen Abhängigkeiten.
• Methodenkompetenz: Fähigkeit eine IT relevante Problemstellung im Unternehmenskontext zu analysieren, dafür eine unter betriebswirtschaftlichen, organisatorischen und IT Aspekten sinnvolle und nutzenstiftende Lösung zu entwickeln und dabei relevante Werkzeuge wie Projektmanagement und Web 2.0 zielgerichtet einzusetzen. Darüberhinaus sollen die Studierenden lernen aus der im Internet zur Verfügung stehenden Informationsflut die für die Aufgabenstellung relevanten Informationen herauszuarbeiten und für die Management-/Entscheiderebene im Unternehmen aufzubereiten  ("digital content curation").
• Soziale Kompetenz: Organisation, Planung, Aufgabenverteilung und Entscheidungsfindung im Team

Inhalt

Die Veranstaltung findet in Zusammenarbeit mit Siemens GS IT statt. Dabei werden u.a. Dozenten von Siemens GS IT einführende Vorträge geben, so dass Sie den firmenspezifischen Hintergrund und die relevanten IT Systeme besser einordnen und verstehen können.

Die Challenge hat das Thema (Kurssprache ist deutsch):

Im Rahmen der Veranstaltung wird zusammen mit einem Unternehmen eine aktuelle Problemstellung des Unternehmens von den Studierenden analysiert und ein Lösungsansatz erarbeitet. Je nach Problemstellung kann der Lösungsansatz ein Konzept, ein Software-Prototyp oder beides sein. Die Studierenden arbeiten dabei in miteinander um den besten Lösungsansatz konkurrierenden Gruppen (Information Management Competition). Das notwendige Hintergrundwissen wird den Studierenden zu Beginn der Veranstaltung in Theorieblöcken durch die Dozenten und Unternehmensvertreter vermittelt. Außerdem erhalten sie projektbegleitend Coaching durch die Dozenten. Jede studentische Arbeitsgruppe stellt am Ende des Semesters ihr Ergebnis vor, das von einer Jury aus Dozenten und Unternehmensvertretern zusammen mit der schriftlichen Ausarbeitung bewertet und in eine Rangordnung gebracht wird.

Lernziele

Kenntnis erkenntnistheoretischer Bedingungen der Modellierung von Informationssystemen
Kenntnis kognitiver, psychologischer und sozialer Einflüsse auf Software-Entwicklung und -Einsatz ("human factor")
Kenntnis psychologischer und sozialer Auswirkungen der Informations-Technologie
Fähigkeit mit den unerwünschten Konsequenzen der kognitiven Randbedingungen der Modellierung betrieblicher Informationssysteme bewusst und professionell umzugehen

Inhalt

Interdisziplinäre Blicke auf die Entwicklung von Informationssystemen
(nicht aus der Perspektive der Informatik)

Eine Auswahl der folgenden Themen:

• Aufwandsschätzung von IT-Projekten auf erkenntnistheoretischer Grundlage
• Analogisches Denken
• Multiperspektivität
• Grundsätze ordnungsmäßiger Modellierung (Jörg Becker)
• Erkenntnistheoretische Beurteilung der Geschäftsprozessmodellierung
• Erkenntnistheoretische Beurteilung der objektorientierten Modellierung
• Prädisposition (Vorwissen, Psyche) des Systemanalytikers als Erkenntnissubjekt
• Besonderheiten der Erkenntnisobjekte (Einsatzbereiche) der Wirtschaftsinformatik
• Beziehung von Erkenntnissubjekt und Erkenntnisobjekt bei der Modellentwicklung
• Kritischer Realismus und evolutionäre Erkenntnistheorie
• Changed / Creeping Requirements Management
• Qualitätsvergleich von Modellierungstools
• ISO 9000
• Software-Entwicklung und menschliches Problemlöseverhalten
• Software-Entwicklung und Kreativität(sförderung), Bewusstseinszustände
• Software-Entwicklung und der Programmieranfänger
• Software-Entwicklung im Unterricht an Hochschulen (SEUH Tagungsreihe)
• Software-Entwicklung und Unterricht in Systemanalyse, im Programmieren
• Software-Entwicklung und Organisations/Arbeitspsychologie/Gruppendynamik
• Software-Entwicklung und die Kommunikation Anwender - Entwickler
• Software-Einsatz und Ängste/Akzeptanz beim Benutzer
• Software-Einsatz und Organisations/Arbeitspsychologie/Gruppendynamik
• Software-Einsatz und Gedächtnis/Lern/Wahrnehmungspsychologie
• Software-Einsatz und Ergonomie

Lernziele

Die Teilnehmer analysieren und gestalten die wichtigsten Handlungsfelder eines IT Controllers, der vergleichbar mit einem Copiloten des IT Leiters (CIO) transparenzsichernd und entscheidungsvorbereitend bei der Leitung der IT Abteilung wirkt.
Die Teilnehmer hinterfragen und entwickeln monetäre und nicht monetären Methoden zur organisatorischen und prozessualen Ausrichtung des IT Controllings in einem Unternehmen. Die Ergebnisse werden in einem  Abschlußbericht zusammengefasst.

Inhalt

• Aufgaben, Methoden und Organisation des IT-Controlling
• Beitrag der Informationstechnologie zum Unternehmenserfolg
• Sicherstellung der Wirtschaftlichkeit von IT-Investitionen
• Kosten- und Leistungsverrechnung des IT-Bereichs
• Controlling bei Fremdbezug von IT-Dienstleistungen (Outsourcing)
• Aufbereitung von Berichten für das Management - Storytelling
• Werkzeuge: IT Balanced Scorecard, TCO (Total Cost of Ownership), SLA (Service Level Agreement), Benchmarks, etc. 
• Aktuelle Entwicklungen im IT Controlling

Lernziele

Am Ende der Lehrveranstaltung sollen die Studierenden über fundierte Kenntnisse zu den im Kurs angesprochenen Themenfeldern verfügen. Die Studierenden sollen relevante Begriffe kennen und die Fähigkeit haben, sicher mit ihnen umgehen können. Ferner sollen die Studierenden befähigt werden, das Erlernte in der Arbeitswelt anwenden zu können. Durch Teamarbeiten soll darüber hinaus die Sozialkompetenz der Studierenden gestärkt werden. Die Studierenden sollen in der Lage sein, Probleme der Prozessabläufe und des Controllings in der Bauwirtschaft zu analysieren und im Rahmen einer Gruppenarbeit neue Lösungsansätze zu gestalten. Des Weiteren soll das interdisziplinäre Denken geschult werden.

Inhalt

Die Studierenden erhalten in dem Kurs einen vertiefenden Einblick zu folgenden Themenfeldern:

• Einsatz moderner IT in der Bauwirtschaft
• Prozessgestaltung in der Bauwirtschaft
• Nutzung und Entwicklung von satellitengestützten Maschinenführungssystemen
• Analysemöglichkeiten mit Business Intelligence

Lernziele

• Fachkompetenz: Die Teilnehmer erwerben Kenntnisse über die wichtigsten Handlungsfelder eines IT Vendor Managers, wie z.B. IT Sourcing und laufende Führung von IT-Dienstleistern. 
• Methodenkompetenz: Vermittlung von monetären und nicht monetären Methoden zur Steuerung und Positionierung des IT Sourcings in einem Unternehmen

Inhalt

Die Veranstaltung widmet sich dem breiten Spektrum an IT-Outsourcing-Möglichkeiten in strukturierter Weise und zeigt Handlungsoptionen und Steuerungsinstrumente für auslagernde Unternehmen auf. Folgende Themenschwerpunkte werden abgedeckt:

1. Grundlagen und Definitionen, Zugrundeliegende Theorien
2. Chancen und Risiken im Outsourcing des IT Betriebes
3. IT Provider Lebenszyklus
4. Vertragswesen: Due Diligence & Vertragsgovernanc
5. Supplier Relationship Management & Provider Governance
6. Besonderheiten von Nearshore- und Offshore Beziehungen
7. SRM Systeme für das Management des Provider Lebenszyklus

Lernziele

• komplexe logistische System- und Ablaufstrukturen selbständig analysieren und wissenschaftlich einordnen
• operationale Optimierungsmodelle und -verfahren für logistische Gestaltungs- und Steuerungsprobleme - unter Berücksichtigung bestehender Interdependenzen zwischen Entscheidungen – auswählen, anwenden und ggf. weiterentwickeln
• innovative Konzepte und Methoden der Logistik analytisch beurteilen und ihre Einsatzchancen und ‑grenzen kritisch reflektieren und bewerten
• Wirkungszusammenhänge für Optimierungsberechnungen und Simulationsstudien modellieren und quantifizieren

Inhalt

Behandelt werden Ausschnitte aus folgenden Themenkreisen:

• Entscheidungs-, Koordinations- und Abwicklungsebenen der computergestützten Unternehmenslogistik
• Innovative Logistikkonzeptionen und –strategien
  (z. B. Supply Chain Management, Quick-Response-Logistik, Postponementstrategien)
• Systemtypen
  (z. B. Warenwirtschaftssysteme, Advanced Planning Systems)
• Einsatzbereiche und Fallbeispiele
  (z. B. Tourenplanung, Bestandsdisposition, Standortoptimierung)

Lernziele

Komplexe Systeme von komplizierten und einfachen Systemen unterscheiden können. Verstehen und erklären können, wie sich das Systemverhalten aus zugrunde liegenden Systemstrukturen ergibt. Unterschiedliche Methoden- und Verfahrensklassen zur modell- und datenbasierten Analyse komplexer Systeme kennen und diese im Hinblick auf ihre spezifischen Stärken und Schwächen vergleichen können. Selbst Struktur- und Verhaltensmodelle komplexer Sachverhalte im Rahmen eines iterativen Entwicklungs- und Validierungsprozesses erstellen können. Heuristiken und Lösungsstrategien zur Gestaltung und Lenkung komplexer Systeme kennen und anwenden können.

Inhalt

Die Wirtschaftsinformatik beschäftigt sich mit dem Aufbau und der Funktionsweise von Informationssystemen. Kennzeichen von Informationssystemen ist, dass sie Informationen verarbeiten und, sofern sie nicht selbst Teil des betrieblichen Leistungssystems sind, dessen Leistungserstellung planen, steuern und kontrollieren. Aufgrund der starken Vernetzung sozio-technischer Systeme in Wirtschaft, Verwaltung und Gesellschaft, ist man bei der Planung, Steuerung und Kontrolle derartiger Informationssysteme auf Modelle angewiesen. Diese Modelle müssen einerseits in der Lage sein, die Komplexität der zu gestaltenden und lenkenden Systeme angemessen zu reduzieren, andererseits dürfen diese Modelle die Realität auch nicht zu stark vereinfachen, damit keine entscheidungsrelevanten Informationen verloren gehen. Um komplexe Systeme effektiv gestalten und lenken zu können, muss man abhängig vom vorhandenen Komplexitätsgrad die richtigen Methoden und Verfahren auswählen. Im Idealfall ergänzen und verzahnen sich hierbei modell- und datenbasierte Analyseverfahren, weshalb sich für dieses Seminar folgende Themenschwerpunkte ergeben:

Modellbasierte Analyse komplexer Systeme:

• Verhaltensorientierte Modellierungsansätze zur Analyse von Kausalzusammenhängen (System Dynamics)
• Strukturorientierte Modellierungsansätze zur Erfassung kausaler Infrastrukturen (Objektorientierte Modellierung)

Datenbasierte Analyse komplexer Systeme:

• Hypothesengetriebene Analyseverfahren zur Überprüfung bereits formulierter Struktur- und Verhaltenshypothesen
• Datengetriebene Analyseverfahren zur Entwicklung neuer Struktur und Verhaltenshypothesen (z.B. mithilfe von Data Mining-Verfahren zur Segmentierung, Prognose, Klassifikation oder  Abweichungs- bzw. Assoziationsanalyse)

Heuristiken und Managementansätze zum Umgang mit komplexen Systemen:

• Kennzahlen- und Managementansätze zur Beherrschung und/oder Reduzierung betrieblicher Komplexität (Lean Management, Performance Management-Systeme, Balanced Scorecard)

• Systemen unterschiedlicher Komplexitätsklassen und der Umgang mit fragilem, robusten und antifragilen Systemen

Seminararbeit mit Vortrag

Anfertigung einer Seminararbeit bestehend aus der theoretischen Ausarbeitung eines der oben stehenden (Teil-)Bereiche sowie aus der praktischen Modellierung und Analyse eines Teilsystems aus Wirtschaft, Verwaltung oder Gesellschaft.

Lernziele

• inner- und zwischenbetriebliche Gestaltungs- und Steuerungsprobleme des Funktionalbereichs Operations selbständig analysieren und wissenschaftlich einordnen
• quantitative Modelle und Verfahren hinsichtlich der Einsatzpotentiale und Anwendungsgrenzen beurteilen und für praktische Fragestellungen adaptieren und anwenden
• operationale Optimierungsmodelle für komplexe betriebliche Entscheidungsprobleme auswählen, anpassen oder ggf. neu entwickeln

Inhalt

Behandelt werden Ausschnitte aus folgenden Themenkreisen:

• Operations Management: Management von Produktions- und Dienstleistungsprozessen
• Klassische Transportmodelle für ein- und mehrstufige Systeme
• Standortoptimierung
• Ausgewählte Probleme des Bestandsmanagements
• Supply-Chain-Konzepte und -Strategien

Lernziele

Kenntnis von physik-basierten und anderen Beleuchtungsmodellen. Fähigkeit, graphische Anwendungen und ihre Shader zu analysieren und zu programmieren. Kenntnis von und Fähigkeit zur GPGPU Programmierung

Inhalt

Wiederholung und Auffrischung der Grundlagen der Computergraphik und der Graphik-Pipeline. Shader in der Pipeline, Implementierung des Phong-Blinn-Modells, Physik-basiertes Shading, Effekte, GPGPU Programming, Entwicklungsumgebungen und Debugging.

Lernziele

• Fachkompetenz: Die Teilnehmer erwerben Kenntnisse über die wichtigsten Handlungsfelder eines CIOs, wie z.B. IT-Strategie, IT Architektur, IT Portfoliomanagement und IT Sourcing,
• Methodenkompetenz: Vermittlung von monetären und nicht monetären Methoden zur Steuerung und Positionierung der IT Funktion in einem Unternehmen,
• Sonstige Kompetenzen: Übertragung der klassischen Elemente der Unternehmenssteuerung in den Bereich IT Management.

Inhalt

Die IT hat sich besonders in jüngerer Zeit von einer »einfachen« Ressource zu einem strategischen Erfolgsfaktor entwickelt. Strategisches IT-Management ist daher eine vergleichsweise junge Managementaufgabe, die zum Ziel hat, den Wertbeitrag der IT zum Unternehmenserfolg zu steigern und gleichzeitig die mit der IT verbundenen Risiken und Kosten zu minimieren. Um dieses Ziel zu erreichen, müssen u.a. die folgenden Herausforderungen gelöst werden:

• Aufbau einer effektiven und effizienten IT Organisation
• Nachweis des Wertbeitrags oder zumindest der Wirtschaftlichkeit der IT,
• Abstimmung von IT- und Unternehmensstrategie (IT-Business-Alignement)
• Einhalten gesetzlicher Vorgaben und anderer Regulierungsanforderungen (Compliance)
• Festlegen des IT-Outsourcinggrades und der Strategien zur Lieferanten-/Dienstleistungsauswahl (Sourcing)

Lernziele

Kenntnis der Architektur und Konzeption von Workflow-Systemen und verwandten Systemen zur Geschäftsprozessautomatisierung (Business Process Management) und Workflow-Entwicklung
Einfache Workflows mit einem Workflow-System entwickeln können

Inhalt

• Am praktischen Beispiel wird Workflow als Mittel der DV-technischen Unterstützung von Geschäftsprozessen behandelt
• Die praktischen Übungen werden mit SAP Business Workflow und SAP NetWeaver Business Process Management durchgeführt

Lernziele

Einblick in die Vielgestaltigkeit von Anwendungen der Informationstechnologie. Fähigkeit zur Umsetzung einer Problemstellung in eine IT-Lösung mit Teamarbeit.

Inhalt

Die Studierenden bearbeiten in Teams von ca. 4 Mitgliedern jeweils ein Thema aus der angewandten Informatik. Sie werden dabei von einem Dozenten betreut. Typischerweise ist für eine ausgewählte  Problemstellung eine IT-Lösung in Form einer Software-Anwendung zu planen, zu entwerfen und zu implementieren, oder es sind implementierte Lösungen zu beurteilen und anzupassen.

Lernziele

• Effektives Formulieren auf Englisch in beruflichen und fachlichen Situationen
• Verfassen einer technischen Veröffentlichung auf Englisch

Inhalt

Jeder Kursteilnehmer wird ein eigenes technisches Thema als Fokus für den Kurs wählen. Es gibt drei Aufgaben:

• Ein fünfzehnminütiges Interview, in dem die Kursteilnehmer das Thema vertiefen und etwaige Fragen beantworten
• Ein schriftlicher achtseitiger (ca. 5000 Worte) Forschungsbericht mit dem vorgegebenen Format einer technischen Veröffentlichung
• Ein fünfzehnminütiges Referat zu den Forschungsergebnissen