Die Studierenden erkennen die Bedeutung der BWL für das tägliche Leben und ihre zukünfitge berufliche Entwicklung als Angestellter oder selbständiger Unternehmer im Informatikbereich.

Fach- und Methodenkompetenz:

• Die Studierenden werden sich bewust, welche rechtlichen und betriebswirtschaftliche Konsequenzen falsche betriebswirtschaftliche Entscheidungen haben.
• Sie erlernen Tools und Techniken, die es ihnen ermöglichen zu kalkulieren.
• Sie kennen die Unterschiede zwischen Kostenstellen, Kostenarten und Kostenträger.
• Sie können einen Betriebsabrechnungsbogen erstellen.
• Sie können kostenbewußte Entscheidungen treffen und ein wissen, wie ein Untenehmen aufgebaut ist..

Fachübergreifende Methodenkompetenz:

• Die Studierenden erhalten eine Einführung in das Projektmanagement. Sie werden in der Lage sein, einen Netzplan zu erstellen.
• Sie werden die erworben Kenntnisse der Betriebswirtschaftslehre mit den zur Verfügung stehenden IT-Programmen verknüpfen können. (Excel, MS-Projekt)

Sozialkompetenz:

• Die Studierenden werden in Gruppenarbeit Aufgaben lösen und so die Anforderungen an den Teambildungsprozess erlernen.

Studierende beherrschen nach Abschluss der Vorlesung die wichtigsten Prinzipien des objektorientierten Programmierens im Kleinen und haben ein grundlegendes Verständnis vom Aufbau und der Funktionsweise von Rechnern.

Fach- und Methodenkompetenz:
Sie erwerben die formale Kompetenz, Prinzipien, Methoden, Konzepte und Notationen des Programmierens im Kleinen zu verstehen, in verschiedene Kontexte einzuordnen und in objektorientierten Programmen einzusetzen. Hierzu gehört auch, den algorithmischen Kern einer einfachen Problemstellung zu identifizieren und einen imperativen Algorithmus zu entwerfen.
Sie erwerben eine grundlegende Analysekompetenz, die sie in die Lage versetzt, einfache objektorientierte Modelle in UML-Notation in der Programmiersprache Java umzusetzen. Zu dieser Kompetenz zählt auch die Fähigkeit, sich selbstständig in Anwendungen (wie Entwicklungsumgebungen, Lernplattformen) einarbeiten zu können.
Sie haben die Realisierungskompetenz, objektorientierte Programme in Java zu entwickeln und zu analysieren.

Fachübergreifende Methodenkompetenz:
Absolventinnen und Absolventen kennen geschichtliche Entwicklungen der Informatik. Sie sind sich der mit der Nutzung informationsverarbeitender Systeme verbundenen Sicherheitsprobleme bewusst. Sie verfügen über Schlüsselqualifikationen wie z.B. die Fähigkeit zum Einsatz neuer Medien. Sie haben Erfahrungen in der Lösung von Anwendungsproblemen im Team.

Sozialkompetenz:
Studierende erwerben kommunikative Kompetenz, um ihre Ideen und Lösungsvorschläge schriftlich oder mündlich überzeugend zu präsentieren und zwar auch dann, wenn ihrem Gegenüber die informatischen Sprech- und Denkweisen nicht geläufig sind.

• H. Balzert, Java: Der Einstieg in die Programmierung, 4. Auflage, Springer Campus, 2013
• H. Balzert, Java: Objektorientiert programmieren, 3. Auflage, Springer Campus, 2017
• H. P. Gumm, M. Sommer, Grundlagen der Informatik: Programmierung, Algorithmen und Datenstrukturen, Oldenbourg, 2016
• S. Goll, C. Heinisch, Java als erste Programmiersprache, 8. Auflage, Springer Vieweg, 2016
• D. Ratz, J. Scheffler, D. Seese, J. Wiesenberger, Grundkurs Programmieren in Java, 7. Auflage, Hanser, 2014
• C. Ullenboom, Java ist auch eine Insel, 12. Auflage, Galileo Press, 2016 (siehe auch http://openbook.galileocomputing.de/javainsel/)

 

Projektwoche

Das Modul beinhaltet eine Projektwoche (I9PB-41012, 2 SWS). Die Klausurarbeit und die Projektwoche können unabhänig voneinander abgelegt werden. Für das Bestehen des Moduls ist neben einer Klausur die erfolgreiche Teilnahme an der Projektwoche erforderlich. Die Note des Moduls wird ausschließlich über die Klausurarbeit definiert. Die Projektwoche wird als 5-Tägige Blockveranstaltung im Anschluss an die Vorlesung angeboten.

Fach- und Methodenkompetenz:

• Die Studierenden beherrschen grundlegende mathematische Konzepte der Informatik und deren Methoden wie Mengenlehre, Relationen, Aussagenlogik, Komplexe Zahlen sowie Gruppen und Körper.
• Absolventinnen und Absolventen des Moduls beherrschen grundlegende und vertiefende Begriffe und Methoden aus der linearen Algebra und sind in der Lage, diese Methoden mit Bezug auf deren praktische Anwendungen zur Lösung typischer Aufgabenstellungen aus der Informatik sicher anzuwenden.
• Die Absolventinnen und Absolventen zeigen einen sicheren Umgang mit den Konzepten und Methoden der Vektor- und Matrizenrechnung und deren geometrischer Interpretation, des Aufstellens und Lösens linearer Gleichungssysteme sowie im Umgang mit Geraden und Ebenen.

Fachübergreifende Methodenkompetenz und Selbstkompetenz:

• Absolventinnen und Absolventen des Moduls sind in der Lage, informatische Aufgabenstellungen durch die Aufstellung und Berechnung der entsprechenden mathematischen Modelle (beispielsweise durch das Aufstellen und Lösen linearer Gleichungssysteme) zu lösen. Sie zeigen hierbei einen sicheren Umgang in der passenden Auswahl problemspezifischer Lösungsmethoden und deren Anwendung.
• Die Studierenden sind in der Lage, die erlernten mathematischen Strukturen in anderen Aufgabenbereichen der Informatik wiederzuerkennen und die erlernten Methoden auf diese Bereiche zu übertragen.

Sozialkompetenz:

• Die Teilnehmerinnen und Teilnehmer erfassen die Relevanz der vermittelten Inhalte für ihr Studiengebiet und sind fähig, diese Relevanz adäquat zu kommunizieren.

Die Veranstaltung beinhaltet folgende Themenbereiche:

• Grundlagen der Mathematik für Informatiker/-innen: Einführung in die Mengenlehre, Kardinalität von Mengen, Relationen, Grundlagen der Aussagenlogik, Komplexe Zahlen, Gruppen und Körper.
• Vektoren und Vektorrechnung: Notation und Interpretation, Operationen auf Vektoren und deren Eigenschaften (Addition, skalare Multiplikation, Skalarprodukt, Kreuzprodukt), Vektorräume, Länge von Vektoren, Kollinearität, lineare Abhängigkeit und Unabhängigkeit, Begriffe von Dimension und Basis, Winkel zwischen Vektoren.
• Geraden und Ebenen: Darstellung in der linearen Algebra, Anwendungen, Lagebeziehungen zwischen Punkten / Gerade / Ebenen
• Matrizen: Notation und Interpretation, Operationen auf Matrizen und deren Eigenschaften (Transponieren von Matrizen, Addition, skalare Multiplikation, Matrizenmultiplikation), Gaußscher Algorithmus, Determinanten, inverse Matrizen und deren Berechnung
• Lineare Gleichungssysteme: Motivation und Anwendungen, Matrix-Vektor-Form linearer Gleichungssysteme, Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme, homogene und inhomogene lineare Gleichungssysteme und deren Beziehungen, Rang einer Matrix und Bezug zur Lösungsmenge linearer Gleichungssysteme
• Eigenwerte und Basistransformationen

Die Studierenden lernen den grundlegenden Aufbau eines Computers kennen von einfachen Digitalschaltungen über einen typischen Mikroprozessor und Rechnerarchitekturen bis zu grundlegenden Konzepten eines Betriebssystems.

Fach- und Methodenkompetenz

• Rechnergerechte Darstellung von Information (Zahlen und Zeichen)
• Beschreibung von Gattern und deren Funktion, Entwurf einfacher Schaltnetze, Angabe der Funktion eines Schaltnetzs als Booleschen Ausdruck und als Wahrheitstabelle
• Verstehen des Aufbaus und Anwendung von Speicherelementen (ausgewählte Latches und Flipflops)
• Skizzieren des Aufbaus und grundsätzliches Verständnis der Funktionsweise von Mikroprozessoren und Rechnerarchitekturen
• Verständnis einfacher Maschinenprogramme
• Skizzieren und Bewerten einfacher Realisierungen der drei zentrale Aufgaben eines Betriebssystems (Prozess-, Speicher-, und Dateiverwaltung)
• Praktische Anwendung des Betriebssystems Linux

Sozialkompetenz

• Lösen von Programmieraufgaben in Zweiergruppen
• Vorstellen der Ergebnisse gegenüber dem Betreuer

Fach- und Methodenkompetenz:

• Grundlegende Begriffe und Eigenschaften von formalen Sprachen, Grammatiken und den dazugehörigen Automaten benennen können.
• Grammatiken und Automaten für formale Sprachen erstellen und deren Arbeitsweise nachvollziehen können.
• Die Darstellung von Sprachen zwischen Grammatiken, Automaten und regulären Ausdrücken umwandeln können.
• Selbstständig Probleme als formale Sprachen einschätzen und in Hinblick auf die Sprach-Typen in der Chomsky-Hierarchie klassifizieren können.

Fachübergreifende Methodenkompetenz:

• Selbstständig Probleme hinsichtlich Ihrer Komplexität einschätzen und klassifizieren können.

Erwerb grundlegender Kenntnisse der angewandten Statistik und Befähigung zur Auswahl und Anwendung deskriptiver und induktiver statistischer Methoden zur Lösung praxisrelevanter Problemstellungen.

Fach- und Methodenkompetenz:

• Erwerb methodischer Grundlagen der beschreibenden und schließenden Statistik
• Beschreiben von wesentlichen Strukturen in Daten durch Auswahl geeigneter deskriptiver Mittel
• Umsetzen von Problemstellungen in Zufallsvariablen und geeignete Verteilungsannahmen
• Ziehen von Rückschlüssen aus Stichproben auf Grundgesamtheiten mittels Parameter- und Intervallschätzung
• Formulierung von Testproblemen und eigenständige Durchführung von Hypothesentests
• Erste Erfahrung mit der rechnergestützten Analyse von Daten

 

 

Fachübergreifende Methodenkompetenz:

• Unterstützen von Entscheidungsprozessen durch deskriptive Datenanalyse und statistisch gesicherte Aussagen
• Übertragen von Schätz- und Testverfahren auf Problemstellungen der Informatik
• Anwenden statistischer Methoden im Zusammenhang mit der Auswertung von Datenbanken
• Simulation stochastischer Vorgänge mit Hilfe von theoretischen Verteilung
• Herleitung von Prognosen mit Hilfe statistischer Schätzverfahren

Studierende beherrschen nach Abschluss der Vorlesung ausgewählte Algorithmen und Datenstrukturen. Sie können Algorithmen analysieren und qualitativ bewerten.

Fach- und Methodenkompetenz:

Sie erwerben eine grundlegende Analysekompetenz, um Algorithmen und Datenstrukturen sowie deren Eigenschaften bewerten, vergleichen und erklären zu können. Zu dieser Kompetenz zählt auch die Fähigkeit, sich selbstständig in Anwendungen (wie APIs und Entwicklungsumgebungen) einzuarbeiten.

Sie haben die Realisierungskompetenz, Datenstrukturen und Algorithmen in objektorientierte Programme zu übertragen und vorgegebene Datenstrukturen und Algorithmen in Bibliotheken, wie etwa den Collections in Java, zur Problemlösung einzusetzen.

Sie erwerben die formale Kompetenz, den Kern einer einfachen Problemstellung zu identifizieren und geeignete Algorithmen und Datenstrukturen zur Lösung zu formulieren und einzusetzen. Sie erkennen den rekursiven Kern eines Problems und können eine rekursive Problemlösungstrategie einsetzen. Sie besitzen die Kompetenz, ausgewählte Probleme bekannten Problemklassen zuzuordnen.

Fachübergreifende Methodenkompetenz:

• Die Teilnehmer kennen professionelle Standards und Verfahren im Bereich Lern- und Arbeitstechniken (inkl. Zeit- und Selbstmanagement, Lerntyptheorie, Kommunikation und effektiver Zusammenarbeit sowie Kreativitätstechniken).
• Die Studierenden können diese fächerübergreifend einsetzen.

Selbstkompetenz:

• Die Teilnehmer sind in der Lage, Lernmethoden, Kommunikations- und Präsentationstechniken, Kreativitäts- und Problemlösungstechniken sowie Methoden des Zeit- und Selbstmanagements gewinnbringend für sich in Studium und Beruf einzusetzen.

Sozialkompetenz:

• Die Teilnehmer kennen Techniken der effektiven Zusammenarbeit in Gruppen.
• Die Studierenden wissen, wie Inhalte in Gruppen präsentiert werden können.
• Die Studierenden sind mit Kreatitvitäts- und Problemlösetechniken für Gruppen vertraut.

Die Veranstaltung beinhaltet Module zu den folgenden Themenbereichen:

• Lerntechniken und Lerntypen
• Arbeitstechniken (Literaturrecherche in der Bibliothek)
• Zeit- und Selbstmanagement
• Motivation
• Kommunikationstechniken und Zusammenarbeit
• Kreativität und Problemlösungstechniken
• Burnout
• Grundlagen wissenschaftlichen Arbeitens
• Mentoringgespräche (beinhalten Fragen der Studienwahl, der Studienorganisation, der individuellen Zeit- und Lernplanung, des Umgangs mit schwierigen Situationen und der Vorbereitung für Praktika)

• Friedrich Rost; Lern- und Arbeitstechniken für das Studium; Vs Verlag 6. Auflage 2010; ISBN-13: 978-3531172934

Begründung zur Teilnahmeverpflichtung

Die Studierenden sollen durch die Lehrveranstaltung in die Lage versetzt werden, verschiedene Lern-, Arbeits-, Kommunikations- und Selbstmanagementechniken in ihrem Studium und beruflichen Alltag anzuwenden. Das Erlernen dieser Kompetenzen erfordert durch ihre Natur sowohl eine intensive Zusammenarbeit mit und persönliche Anleitung durch die jeweiligen Dozent/-innen, als auch eine Vielzahl praktischer Arbeiten in der Gruppe unter aktiver Supervision durch die Dozent/-innen. Um diese Ziele zu erreichen, ist eine Mindestanwesenheitspflicht in dieser Lehrveranstaltung erforderlich.

 

Vermittlung der erforderlichen Kenntnisse, um Anwendungssoftware unter professionellen Gesichtspunkten implementieren zu können. Dies beinhaltet die Realisierung von grafischen Benutzungsoberflächen, die Anbindung von Fachkonzeptklassen und die Persistierung von Daten. Konzepte der objektorientierten Programmierung werden problemgerecht angewendet.

Fach- und Methodenkompetenz:

• Implementieren von flexiblen Systemen durch Verwendung von Polymorphismus und Schnittstellen
• Erkennen der Vorteile einer geregelten Ausnahmebehandlung
• Realisieren einer flexiblen grafischen Benutzungsoberfläche unter Verwendung von Komponenten und Layout-Managern
• Verwenden von Datenströmen
• Erkennen und Lösen von Problemen der nebenläufigen Programmierung
• Wiederverwenden von Komponenten über die zielgerichtete Nutzung einer Anwendungsprogrammierschnittstelle (API)

Fachübergreifende Methodenkompetenz:

• Anwendung der Programmiertechniken bei der Implementierung von kaufmännischen, technischen und multimedialen Anwendungen

Die Studierenden werden befähigt, die Funktionsweise der elementaren Komponenten eine Betriebssystems zu verstehen und zu erläutern: Prozess- und Threadverwaltung, Mechanismen zu Kommunikation und Synchronisation. Weiterhin können die Studierenden fortgeschrittene Rechnerstrukturen bewerten.

Fachkompetenz:

• Nebenläufige Anwendungen mit Prozessen und Threads zu realisieren.
• Die Mittel zur Interprozesskommunikation zu differenzieren.
• Die potentiellen Probleme von nebenläufigen Programmen (u.a. Race Conditions) zu erkennen und geeignete Synchronisationsmechanismen auszuwählen.
• Systemprogramme mit Hilfe von System Calls zu implementieren.
• Fortgeschrittene Aspekte der Rechnerstrukturen wie Multiprozessorsysteme benennen und deren Implikation auf Betriebssystemstrukturen exemplarisch skizzieren zu können.

Sozialkompetenz:

• Lösen von Programmieraufgaben in Zweiergruppen
• Vorstellen der Ergebnisse gegenüber dem Betreuer

 

• A1:
  "Fairway. A1. Lehr- und Arbeitsbuch"; Herbert Puchta, Klett Verlag, 2005, ISBN-10: 3125014603
• A2, B1, B2:
  Williams, E., Kleinschroth, R., Courtney, B. (2018). "Matters Technik - IT Matters 3rd Edition: B1/B2 - Englisch für IT-Berufe". Cornelsen Verlag. ISBN-13: 978-3-06-451522-2 (E-Book: ISBN 978 – 3 –06-451523 – 9)

Fach- und Methodenkompetenz:

• Definition eines DBS und die Schemaarchitektur eines DBMS kennen.
• Das Transaktionskonzept und Recovery Mechanismen kennen.
• SQL Befehle zum Einrichten, Speichern und Abfragen von Information (DDL, DML, DRL, DCL) kennen und anwenden.
• Administration von Datenbanksystemen exemplarisch durchführen.
• Gespeicherte Funktionen, Prozeduren und Trigger entwickeln.

Sozialkompetenz:

• Erarbeiten, Kommunizieren und Präsentieren von relationalen Modellen sowie Datenbankprogrammen in Zweierteams.
• Kooperatives Erstellen und Bewerten von Lernplakaten oder Wiederholungsfragen zu den Lehrinhalten.

Berufsfeldorientierung:

• Kennen der Anforderungen unterschiedlicher Berufsbilder im Datenbanken-Umfeld (Datenbankadministrator. Datenbankentwickler, Anwendungsentwickler, Datenschutzbeauftragter).

Fach- und Methodenkompetenz:
Nach erfolgreichem Abschluss des Moduls kennen die Studierenden die Fachterminologie der Datenvisualisierung und können diese korrekt zur Beschreibung von Problemen und Systemen der Datenvisualisierung einsetzen. Sie kennen wesentliche Datenstrukturen und Methoden der Datenvisualisierung. Sie kennen die Architektur gängiger Visualisierungssysteme.

Sie sind in der Lage anhand der Eigenschaften der Daten und des Visualisierungszieles ein adäquates Visualisierungsverfahren auszuwählen und einzusetzen.

Vorlesung

• Einführung, Terminologie, Geschichte der Visualisierung
• Datenbeschreibung
• Menschliche Einflussfaktoren
• Visualisierungsprozess
• Grundlegende Visualisierungstechniken
• Visualisierung skalarer Daten
• Visualisierung Multivariater Daten
• Visualisierung zeitlicher Daten
• Visualisierung geographisch-räumlicher Daten
• Graph-Visualisierung
• Interaktionstechniken

Übung

• Erprobung von Systemen zur Datenvisualisierung, z.B. VTK, Tableau
• Lösen konkreter Visualisierungsprobleme

• Schumann, H., Müller W.: Visualisierung, 1. Auflage, Springer Verlag, 2000
• Ward M., Grinstein G., Keim D.: Interactive Data Visualization, 2nd ed., CRC Press, 2015
• Tominski C., Schumann H.: Interactive Visual Data Analysis, CRC Press, 2020

Ausbau der mathematischen Fähigkeiten aus den Veranstaltungen Mathematik für Informatik 1-3, mit Hinblick auf die in den Methoden des Data Science eingesetzten mathematischen Grundlagen. Die Studierenden sollen die angegebenen Lehrinhalte kennen und fundiert entscheiden können, welche Technik zur Lösung von welchen Problemen anwendet werden kann, wobei die konkret angesprochenen Fragestellungen primär aus den Bereichen der schnellen Algorithmen, der Datenanalyse und kompression, der Bildverarbeitung und der Netzwerkanalyse kommen.

Fach- und Methodenkompetenz:

 

• Erwerb fortgeschrittener Methoden der Mathematik, speziell aus dem Bereich Statistik und Lineare Algebra
• Methoden der Komprimierung, Transformation und Projektion von Datenmatrizen verstehen und am Rechner anwenden
• Fundamentale algorithmische Approximations- und Optimierungsmethoden kennen und anwenden
• Abbilden von Anwendungsprobleme durch Graphen und Problemlösungen benennen und umsetzen

Fachübergreifende Methodenkompetenz:

 

• Ideen und Lösungsvorschläge schriftlich und mündlich präsentieren
• Problemstellungen logisch strukturieren und analysieren
• Kooperativ im Team Lösungen erarbeiten

• Berechnung und Eigenschaften von Eigenwerten und vektoren
• Spezielle Matrizen, Normen von Vektoren und Matrizen
• Singulärwertzerlegung, Hauptkomponenten, Pseudoinverse
• Diskrete Fourier-, Cosinus-, Wavelet-Transformationen, usw.
• Wahrscheinlichkeitsverteilungen, Kovarianzmatrizen, Eigenschaften von Parameterschätzern, Maximum Likelihood Schätzer
• Lineare und logistische Regression (Modell, Parameterschätzer, Variablenselektionkriterien, )
• Optimierungsverfahren (Newton Verfahren, Lagrangescher Multiplikator, Stochastischer Gradientenabstieg, )
• Graphentheorie (Graphen, Bäume, Netzwerke )

 

 

Fach- und Methodenkompetenz:

• die Programmiersprachen Python und R praktisch für Analysen einsetzen
• Programme in Python realisieren und erste Data Science Methoden auf Beispieldaten umsetzen
• Realisierung fortgeschrittener Programme für die Datenanalyse von der Datenerfassung über die Analyse bis zur Visualisierung mit etablierten Bibliotheken

 

Fachübergreifende Methodenkompetenz:

• Lösen von komplexeren Fragestellungen der Datenanalyse
• Aufbereitung und Dokumentation von Ergebnissen

Sozialkompetenz:

• Erarbeitung von Lösungen in Teams
• Präsentation der Ergebnisse gegenüber dem Betreuer

Einführung in die Durchführung von Softwareprojekten mit besonderer Fokussierung auf die frühen Phasen der Entwicklung und Modellierung von softwarebasierten Lösungen mit Hilfe von Kreativmethoden (z.B. Design Thinking) und den Methoden des Requirements Engineering. Berücksichtigung der Einbindung KI-basierter Module im Entwicklungsprozess und in der Gestaltung des Softwareprojektes unter Berücksichtigung sozialer Implikationen und regulativer Rahmenbedingungen.

Modellierung des Softwaresystems mit der Unified Modeling Language (UML) und Methoden des Domain Driven Designs (DDD). Kenntnis verschiedener Vorgehensmodelle und praktische Erfahrung mit einem agilen Moden wie z.B. Scrum.

Fach- und Methodenkompetenz:

• Überblick über Vorgehens- und Prozessmodelle der Softwareentwicklung
• Benennen und anwenden verschiedener Methoden des Requirements Engineerings
  • Differenzieren, spezifizieren und formulieren von Benutzer- und Systemanforderungen
  • Verifizieren und validieren von Anforderungen
• Überblick über die Folgen der Digitalisierung und Digitalen Transformation mit besonderem Fokus auf die Auswirkungen im Bereich Software Engineering

1. Kennen und Anwenden von Innovationsmethoden
2. KI-basierter Module in den Entwicklungsprozess einbinden können

• a) Auswirkungen auf den Entwicklungsprozess
• b) Berücksichtigung regulativer Rahmenbedingungen
• c) Analyse sozialer Implikationen

• Beschreiben des methodischen Vorgehens in der objektorientierten Analyse
• Kennen und Anwenden der relevanten UML-Beschreibungsmittel im Rahmen der OOA

• UML-Use-Case-Diagramm
• UML-Paketdiagramm
• UML-Klassendiagramm
• UML-Aktivitätsdiagramm
• UML-Sequenzdiagramm
• UML-Kommunikationsdiagramm
• UML-Zustandsdiagramm

Fachübergreifende Methodenkompetenz:

• Modellieren der statischen und dynamischen Aspekte eines OOA-Modells für ein zu entwickelndes objektorientiertes Softwaresystem
• Objektorientierte Spezifikation von Softwaresystemen mithilfe der Unified Modeling Language (UML)
• Erstellung eines Fachkonzepts bzw. des Produktmodells für ein Softwaresystem
• Erkennen von Widersprüchen, Unvollständigkeit, Inkonsistenzen

Sozialkompetenz:

• Problemstellungen mittlerer Komplexität im Team systematisch analysieren
• Im Team kooperativ und arbeitsteilig eine Anforderungsspezifikation entwickeln
• Im Team kooperativ und arbeitsteilig ein OOA-Modell für ein Softwaresystem spezifizieren

• Allgemeine Grundlagen der Softwaretechnik (Motivation, Definitionen, Ziele,...)
• Vorgehensmodelle (klassisch bis agil)
• Grundlegende Begriffe, Phasen, Aktivitäten und Vorgehensweise im Rahmen des Requirements Engineering
• Digitalisierung, Wandel und Kreativmethoden im Rahmen der Softwaretechnik
• Besonderheiten der Einbindung KI-basierter Module
• Grundlegende Begriffe, Methoden Notation im Rahmen der objektorientierten Analyse (OOA) und des Domain Driven Designs (DDD)
• Objektorientierte Analyse mit der UML (u.a. Use Cases, Pakete, Aktivitätsdiagramm, Klassendiagramm, Zustandsdiagramm, Szenario)
• Analysemuster, statische/dynamische Konzepte und Beispielanwendungen
• Checklisten zum OOA-Modell
• Bestandteile und Inhalte der OOA-Dokumentation

• Balzert, H. (2009): Lehrbuch der Softwaretechnik - Basiskonzepte und Requirements Engineering (3. Aufl.), Heidelberg: Spektrum Akademischer Verlag.

• Ludewig, J.; Lichter, H. (2013): Software Engineering - Grundlagen, Menschen, Prozesse, Techniken, 3. korrigierte Auflage, Heidelberg: dpunkt-Verlag.
• Oestereich, B., Scheithauer, A. (2013): Analyse und Design mit UML 2.5, 11. Auflage, München: Oldenbourg Verlag.
• OMG (2017): UML Specification Version 2.5.1, http://www.omg.org/spec/UML/2.5.1/PDF.
• Pichler, R. (2008): Scrum, Heidelberg: dpunkt-Verlag.
• Pohl, K., Rupp, C. (2015): Basiswissen Requirements Engineering, 4. überarbeitete Auflage, Heidelberg: dpunkt-Verlag.
• Rupp et. al. (2012): UML 2 glasklar. 4. Auflage, Hanser-Verlag.
• Sommerville, I. (2012): Software Engineering, 9. Auflage, München: Pearson Studium.

 

Begründung zur Teilnahmeverpflichtung

Die Studierenden erarbeiten in Teamarbeit sowohl kreative Lösungen als auch formale Beschreibungen für konkrete Fragestellungen und UseCases aus der Industrie. Dabei werden Sie von den Lehrkräften begleitet und gecoacht. Um die dabei gemachten Erfahrungen zu analysieren und die sich daraus ergebenden Lernziele zu erreichen ist eine Mindestanwesenheitspflicht im Praktikum erforderlich.

Studierende erhalten in diesem Modul einen Überblick über die wichtigsten Technologien, die heute für die Erstellung von Web-Anwendungen eingesetzt werden. Sie beherrschen nach Abschluss der Vorlesung die zentralen Prinzipien und Konzepte, die modernen Web-Architekturen zugrunde liegen.

Fach- und Methodenkompetenz:

• Absolventinnen und Absolventen des Moduls können die zentralen Grundprinzipien des WWW benennen und im Kontext von Web-Anwendungen einordnen.
• Sie erlangen die Fachkompetenz, client- und serverseitige Techniken der Web-Entwicklung zu differenzieren. Zudem können sie wichtige client- und serverseitige Technologien für die Erstellung von Web-Anwendungen benennen und anwenden.
• Studierende erkennen grundlegende Architekturmuster von Web-Anwendungen und können diese modellieren. Sie können die inhärenten technologieunabhängigen Strukturmerkmale von Web-Anwendungen benennen und auf konkrete Technologien übertragen.

Fachübergreifende Methodenkompetenz:

• Die Teilnehmerinnen und Teilnehmer beherrschen die Analyse einer umfangreichen Anforderung und können diese in Teilanforderungen zerlegen. Sie haben Erfahrungen, Teilanforderungen über mehrere Wochen im Rahmen eines Gesamtprojektes im Team umzusetzen.
• Studierende können Architekturen von Softwaresystemen beschreiben und einordnen.

Sozialkompetenz:

• Die Teilnehmerinnen und Teilnehmer erarbeiten und realisieren Lösungen kooperativ im Team.
• Sie sind darüber hinaus in der Lage, ihre Ideen und Lösungen zu erläutern und zu diskutieren.

Berufsfeldorientierung:

• Studierende erwerben Kenntnisse typischer Aufgabenstellungen in der Web-Entwicklung sowie in der Anwendung konkreter Web-Technologien.
• Zudem sammeln sie Erfahrungen in der Anwendung von essentiellen Werkzeugen der Softwareentwicklung, wie etwa Entwicklungsumgebungen oder Build-Management-Werkzeuge.

Die Vorlesung umfasst folgende Themenbereiche:

• Detaillierte Kenntnisse vom Aufbau von Webseiten mit HTML und CSS
• Serverseitige Technologien zur Entwicklung von Web-Anwendungen (z.B. mit Java, JavaScript)
• Basiswissen Web-Architekturen basierend auf dem MVC-Muster
• Einführung in Web Services (z.B. REST)
• Clientseitige Technologien zur Entwicklung von Web-Anwendungen (z.B. JavaScript)
• Grundlegende Konzepte und Techniken im Browser (z.B. DOM, AJAX)
• Basiswissen Responsive Webdesign

• Wolf J.; HTML5 und CSS3: Das umfassende Handbuch; Rheinwerk Computing; 4. Auflage; 2021
• Bühler P., Schlaich P., Sinner D.; HTML5 und CSS3: Semantik - Design- Responsive Layouts; Springer Vieweg; 2017
• Simpson K.; Buchreihe "You Don't Know JS" (6 Bände); O'Reilly; 2015
• Haverbeke M.; JavaScript: richtig gut programmieren lernen; dpunkt.verlag; 2020, 2. Auflage
• Springer S.; Node.js: Das umfassende Handbuch; Rheinwerk Computing; 4. Auflage, 2021
• Tilkov S., Eigenbrodt M., Schreier S., Wolf O.; REST und HTTP; dpunkt.verlag; 3. Auflage; 2015
• Balzert H.; Lehrbuch der Softwaretechnik. Entwurf, Implementierung, Installation und Betrieb. Spektrum Akademischer Verlag; 3. Auflage; 2011
• Tanenbaum A.; Computernetzwerke; Pearson Studium; 3. Auflage; 2000

 

Die Veranstaltung beschäftigt sich mit der Anwendung und Analyse von maschinellen Lernverfahren in Anwendungen der Informatik, Medizininformatik, Wirtschaftsinformatik bzw. für allgemeine Informationssysteme.

Fach- und Methodenkompetenz:

Nachdem die Studierenden die Veranstaltung besucht haben, sind sie in der Lage

• die wichtigsten Begriffe des Maschinellen Lernens für die Erklärung von Lernsystemen einzusetzen.
• Maschinelle Lernsysteme für konkrete Anwendungsbezüge der Informatik zu entwerfen, implementieren und analysieren.
• den Einsatz maschineller Lernmethoden für eigene Anwendungsaufgaben zu beurteilen. Hierzu kennen die Studierenden typische Anwendungen für diese Methoden.
• ethische Grundlagen maschineller Lernsysteme zu hinterfragen und darüber zu diskutieren.

Selbstkompetenz:

Der/die Studierende kann:

• Ideen und Lösungsvorschläge schriftlich und mündlich formulieren
• in den Übungen und Praktika Aufgaben selbstständig lösen und die Ergebnisse präsentieren

Sozialkompetenz:

Der/die Studierenden können:

• In den Übungs- und Projektphasen kooperativ Lösungen erarbeiten
• In den Projektphasen kooperativ Aufgaben zur Lösung planen, verteilen und gemeinsam durchführen
• in Diskussionen zielorientiert argumentieren und mit Kritik sachlich umgehen
• Ergebnisse aus Gruppenarbeit gemeinsam präsentieren
• Projektergebnisse bewerten und Verbesserungsvorschläge formulieren
• vorhandene Missverständnisse zwischen Gesprächspartnern erkennen und abbauen

Fach- und Methodenkompetenzen:

• EER-Modelle entwickeln und diese auf relationale und nicht-relationale Datenbanken transferieren.
• Grenzen und Alternativen zum relationalen Datenbankmodells diskutieren.
• Datenaustauschformate, Datenmigration und Informationsintegration anhand von Beispielen erläutern.
• Verteilte Datenbank-Architekturen für Big Data Anwendungen diskutieren.
• Methoden und Grenzen bei der horizontale und vertikale Skalierung kennen.
• Performanzoptimierung anhand von Beispielen durchführen.
• DataMining-Prozesse kennen.
• Methoden des Information-Retrievals und der Datenanalyse anwenden.

Sozialkompetenz:

• Erarbeiten, Erstellen, Kommunizieren und Präsentieren von Lerninhalten in Teams

 

Relationale Datenbanken

• Datenmodellierung (EER-Modell) und Normalisierung
• Datenaustauschformate, Datenintegration (ELT vs ETL) und Datenmigration anhand von Beispielen
• Speicherzugriffsstrukturen, Performanzoptimierung und SQL-Tuning
• Grenzen relationaler Datenbanken

Big-Data und Data Science

• CAP-Theorem
• Alternative Lösungsansätze für BigData-Anwendungen
• Architekturen verteilter Datenbankenanwendungen
• Information-Retrieval und Text-Mining
• Methoden der Datenanalyse

Projekt und aktuelle Anwendungen

• A. Bauer, H. Günzel, Data Warehouse Systeme, 2009
• R. Elmasri, S. Navathe, Grundlagen von Datenbanksystemen, 2009
• G. Saake, K.-U. Sattler, A. Heuer, Datenbanken Implementierungstechniken, 2011
• R. Niemiec, Oracle database 12c release 2 performance tuning tips & techniques, 2017
• R. Panther, SQL-Anfragen optimieren, 2014
• S. Edlich, A. Friedland, J. Hampe, B. Brauer, NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken, Hanser Verlag 2010
• M. Kleppmann, Designing data-intensive applications, O'Reilly Media (2017)
• Aktuelle Fachliteratur

• IT- und Computerrecht, Gesetzessammlung, Beck-Texte im dtv;
• Telekommunikations- und Multimediarecht, Beck-Texte im dtv;

jeweils in der aktuellen Ausgabe

Fach- und Methodenkompetenz:

Nach Abschluss der Lehrveranstaltung sind die Studierenden in der Lage,

• Prinzipien, Protokolle und Architektur des Internets zu verstehen
• Elementare Kommandos der Betriebssysteme Linux und Windows zur Netzwerkkonfiguration und zum Netzwerktest anzuwenden
• Protokoll- und Netzwerkanalysen mit Analysewerkzeugen durchzuführen und zu interpretieren
• Vorhandene drahtgebundene und drahtlose Netzwerke zu analysieren
• Drahtgebundene und drahtlose Netzwerke zu entwerfen und zu realisieren
• Netzkomponenten (Router, Switch) einschließlich VLAN und NAT zu konfigurieren

Grundlegende Kenntnisse von Begriffen und Methoden der Künstlichen Intelligenz (KI) und von Anwendungen wissensbasierter Methoden in "Intelligenten Systemen". Grundlegendes Verständnis für die Einsatzmöglichkeiten dieser Methoden. Sensibilität für praxisrelevante Fragestellungen.

Fach- und Methodenkompetenz:

• Erfassen und Darstellen von typischen Software-Architekturen der KI.
• Verständnis und Erklären der Paradigmen symbolischer und subsymbolischer Ansätze der KI.
• Vertieftes Erklären und Demonstrieren von heuristischen Methoden der symbolischen KI: Suche, Constraints, Regelverarbeitung. Grundlegendes Verständnis von Unsicherheit und Unschärfe im Kontext wissensbasierter Anwendungen.
• Entwicklung der Fähigkeit zur Anwendung dieser Methoden im Kontext von einfachen Problemstellungen.
• Konzipieren und Implementieren kleiner Agentenprogramme.
• Verständnis und Anwendbarkeit grundlegender formallogischer Modellierungstechniken im Bereich der KI.

Sozialkompetenz:

• Entwicklung der verbalen Kompetenzen sowie der kommunikativen Fähigkeiten im Team durch das Erarbeiten von Lösungen in Kleingruppen.

Die erlernten Kompetenzen sind abhängig vom gewählten methodischen Schwerpunkt der Seminare. Die Studierenden sind unter anderem nach dem Besuch der Veranstaltung in der Lage:

Fach- und Methodenkompetenz:

• die dem Schwerpunkt des Seminars entsprechenden methodischen Kompetenzen in Studium und Beruf einzusetzen

Fachübergreifende Methodenkompetenz:

• die im Studium erlernten Methoden auf ein fachübergreifendes Thema anzuwenden und dieses den Kommilitonen verständlich zu präsentieren

Selbstkompetenz:

• selbstständig in der Lage fachlich wissenschaftliche Texte zu strukturieren, erarbeiten und Präsentationen zu erstellen und diese Ergebnisse zu präsentieren
• selbstständig in der Lage technisch-wissenschaftliche Inhalte zu recherchieren und zu bewerten

Sozialkompetenz:

• in Gruppen zu arbeiten und innerhalb der Gruppen zu interagieren
• Inhalte in Gruppen darzustellen und zu verteidigen

Alternativ zu diesem Seminar können die Studierenden eine Veranstaltung des "Studium Generale" belegen, welche die Methodenkompetenz erweitert.

Die Seminare beinhalten Themen, die die fachübergreifenden wissenschaftlich methodischen Kompetenzen der Studierenden erweitern. Die Themen werden jedes Semester mit neuen, aktuellen Inhalten von allen Professorinnen und Professoren angeboten und den Studierenden im elektronischen Informationsangebot der Hochschule (Web) angeboten (https://fh.do/inf/seminare). Beispielhafte Angebote sind: Präsentationstechniken, Einführung in das wissenschaftliche Arbeiten, Planung und Durchführung von Datenerhebungen.

Alternativ kann ein methodisch orientierter Kurs im "Studium Generale" im Umfang 2 SWS belegt werden. Die Liste der wählbaren Kurse findet sich im elektronischen Informationsangebot der Hochschule (https://fh.do/inf/generale).

Literatur muss vom Studierenden selbst ermittelt werden.

Übergreifend:

• Balzert, H.; Schröder, M. und Schäfer, C.; Wissenschaftliches Arbeiten; W3l; Witten; 2. Aufl.; 2011

 

Begründung zur Notwendigkeit der Teilnahmepflicht:

Es handelt sich um eine zu Exkursionen, Sprachkursen, Praktika und praktische Übungen vergleichbare Lehrveranstaltung mit in der Regel maximal 20 Teilnehmern. Durch eine regelmäßige Teilnahme werden die Fach- und Methodenkompetenzen der Studierenden in der Einübung des wissenschaftlichen Diskurses in Gruppenarbeit mit anderen Studierenden und im Dialog mit dem Dozenten erarbeitet und gefestigt. Eine Reflektion der Kompetenzen und damit der Lernziele ist selbstständig nicht ausreichend möglich. Nur ein geringer Anteil der Veranstaltung bezieht sich auf die selbstständige Einarbeitung in die fachlichen Inhalte und die Vorbereitung auf den wissenschaftlichen Diskurs, der größere Anteil bezieht sich auf die gemeinschaftliche Erarbeitung und Reflektion der Kompetenzen, sodass eine regelmäßige Teilnahme an mindestens 2/3 der Präsenzterminen für das Erreichen der Lernziele gegeben ist.

Einführung in das Themengebiet der Softwarearchitektur. Beginnend mit Begriffen, Methoden und Perspektiven, über Architekturmodelle in der UML (Verteilungs- und Komponentendiagramm) zu verschiedenen Architekturstilen von klassisch bis modern.

Studierende lernen OOA- und/oder DDD-Modelle in eine Implementierung umzusetzen. Neben der Fachlogik und Design-Patterns liegt ein wesentlicher Fokus auf der Einordnung und dem zielgerichteten Einsatz von Werkzeugen/Frameworks aus den Bereichen Kommunikation, Persistenz und Oberflächengestaltung.

Fach- und Methodenkompetenz:

• Verstehen der Konzepte des objektorientierten Designs
• Entwurf und Dokumentation von Anwendungen mit UML
• Verstehen der Prinzipien, Muster und Aspekte von Softwarearchitekturen
• Definieren, dokumentieren und bewerten von Architekturen
• Beschreiben des Architektur- und Designprozesses
• Beschreiben und einordnen moderner Softwaretechniken

Fachübergreifende Methodenkompetenz:

• Denken in Systemen
• Entwerfen und dokumentieren von Zielsystemen
• Prozessorientiertes Vorgehen

Sozialkompetenz:

• Arbeiten in kleinen Teams
• Ergebnisorientierte Gruppenarbeit

 

• Bass et al: Software Architecture in Practice, 3. Auflage, Addison Wesley, 2012.
• M. Fowler: Patterns für Enterprise Application-Architekturen, 1. Auflage (Taschenbuch), mitp, 2003.
• Gamma et al.: Entwurfsmuster: Entwurfsmuster als Elemente wiederverwendbarer objektorientierter Software, mitp, 2014.
• C. Richardson: Microservice Patterns. 1. Auflage, Manning Publications, 2018.
• Rupp et al: UML 2 glasklar, 4. Auflage, Hanser-Verlag, 2012.
• G. Starke: Effektive Softwarearchitekturen: Ein praktischer Leitfaden, 9. Auflage, Hanser-Verlag,2020.
• Vogel et al: Software-Architektur: Grundlagen Konzepte Praxis, 2. Auflage, Spektrum, 2009.
• E. Wolff: Microservices: Grundlagen flexibler Softwarearchitekturen, 1. Auflage, dpunkt-Verlag, 2015.

Begründung zur Teilnahmeverpflichtung

Die Studierenden erarbeiten in Teamarbeit sowohl kreative Lösungen als auch formale Beschreibungen für konkrete Fragestellungen und UseCases aus der Industrie. Dabei werden Sie von den Lehrkräften begleitet und gecoacht. Um die dabei gemachten Erfahrungen zu analysieren und die sich daraus ergebenden Lernziele zu erreichen ist eine Mindestanwesenheitspflicht im Praktikum erforderlich.

Fach- und Methodenkompetenz:

• Anwendung der theoretischen, konzeptionellen und praktischen Kenntnisse und Fähigkeiten der Datenwissenschaften
• Projektmanagement und Dokumentation
• Vertiefung in einem Themenfeld der Data Science

Sozialkompetenz:

• Arbeiten im Team (6-12 Personen)
• Einüben von Teamstrukturen

Berufsfeldorientierung:

• Kenntnis von Teamorganisation
• Kenntnis der spezifischen Anforderungen der Data Science in einem mittelgroßen Projekt

Auf Basis einer ausreichend detaillierten Projektzielbeschreibung (zum Teil gegeben von Partnerunternehmen der FH) mit ggf. bereits vorgegebenen Anforderungen durch den Lehrenden übernehmen Einzelgruppen bestehend aus 2-3 Studierenden bestimmte Aufgaben, wobei eine Gruppe das Projektmanagement und die Durchführung und Dokumentation der Projektbesprechungen sowie die zeitliche Projektplanung und überwachung übernimmt. Für das Projekt muss das zu entwickelnde Gesamtsystem von den Studierenden entsprechend modularisiert, Schnittstellen definiert und am Ende das Zusammenspiel der durch die einzelnen Gruppen entworfenen und realisierten Module durch Integrationstests erprobt und bewiesen werden. Für die Durchführung der Data Science Anteile sollte sich das Projekt an etablierte Industriestandards wie dem CRISP-DM Modell orientieren.

Im Rahmen der Projektdurchführung kommen außer den vorgegebenen oder gewählten Implementierungsumgebungen auch ein Dokumentenmanagementsystem, ein Planungswerkzeug, eine Plattform für die Versionsführung sowie Tools für die Projektplanung und -kontrolle zum Einsatz. Ebenso sind die Projektteilnehmer verpflichtet, eine projektorientierte Zeiterfassung durchzuführen.

Die Aufgabenstellungen orientieren sich an aktuellen Entwicklungen im Bereich der Data Science und werden in Kooperation mit Partnerunternehmen der FH definiert und durchgeführt.

Das Projekt schließt mit einer öffentlichen Projektdemonstration ab.

In der Veranstaltung wird theoretisches Grundlagenwissen von ERP-Systemen vermittelt und bereits erlerntes Fachwissen anhand praxisrelevanter Beispiele auf Basis des ERP-Systems von SAP® vertieft.
Im Fokus steht zunächst das Kennenlernen des Aufbaus eines ERP-Systems, die Aufgaben bei Auswahl, Installation und Konfiguration, sowie die verschiedenen Anpassungsmöglichkeiten im ERP-System (SAP® ERP®). Daran anknüpfend werden Besonderheiten von Wartung und Betrieb eines ERP-Systems behandelt.
Eine Vertiefung und praktische Umsetzung erfolgt an einem konkreten ERP-System (SAP® ERP®). Die Bearbeitung von verschiedenen Fallstudien ermöglicht Einblicke in praxisnahe und praxisrelevante Aspekte. Ergänzend werden Grundkenntnisse der Programmiersprache ABAP® unter Berücksichtigung von Datenbankzugriffen und Dialoggestaltung erarbeitet.

Fachkompetenz:

• Abgrenzen von Standard- zu Individualsoftware
• Benennen der Vor- und Nachteile von Standardsoftware
• Differenzieren der verschiedenen Anpassungs- und Erweitungsmöglichkeiten einer Standardsoftware sowie bewerten der jeweiligen Konsequenzen
• Bedienung des ERP-Systems im Rahmen von Prozessfallstudien
• Nutzung der Entwicklungsumgebung des ERP-Systems
• Konzipieren und Realisieren von funktionalen Erweiterungen an einer Standardsoftware
• Transfer der erlernten Kenntnisse und Entwicklung eigener Lösungen im Rahmen eines Miniprojekts

Sozialkompetenz:

• Bewerten der Bedeutung von Kommunikations-, Konflikt- und Teamfähigkeit bei Einführungs- und Anpassungsprojekten
• Sensibilisierung für die sozialen Probleme einer ERP-Einführung
• Steigerung der Kooperations- und Teamfähigkeit in den Präsenzübungen und im Miniprojekt

Berufsfeldorientierung:

• Kenntnisse der Anforderungen unterschiedlicher Berufsbilder im ERP-Umfeld (insb. Vertrieb, Consulting, Projektleitung, Anwendungsentwicklung)

 

Fachkompetenz

• Die Studierenden können das Fach Informatik und dessen Bedeutung für die Gesellschaft beschreiben.
• Die Studierenden verstehen, dass Technikgestaltung und -aneignung soziale Prozesse sind, und können dieses Verständnis auf eigene Projekte und aktuelle gesellschaftliche IT-Themen beziehen.
• Die Studierenden kennen Theorien und Konzepte der sozio-technischen Perspektive und können deren Beitrag für den Erfolg von IT-Projekten beschreiben.
• Die Studierende können relevante Repräsentanten der Informatik sowie Akteure im Umfeld der Informatik in unserer Gesellschaft benennen und beschreiben.
• Die Studierenden kennen Fakten zu aktuellen, gesellschaftlich bedeutsamen IT-Themen und können diese kritisch diskutieren.

Selbstkompetenz

• Die Studierenden können ihre Verantwortung als Informatiker/innen thematisieren.
• Die Studierenden beginnen, sich mit ihrer eigenen Rolle als Informatiker/innen auseinanderzusetzen.

Sozialkompetenz

• Die Studierenden sind sensibilisiert für die Auswirkung von IT auf individueller und gesellschaftlicher Ebene.

Berufsfeldorientierung

• Die Studierenden wissen um die Bedeutung sozialer Prozesse für den Erfolg von IT-Projekten.

Bücher, Artikel und Statuten

• ACM. 1992. ACM Code of Ethics and Professional Conduct. Available: http://www.acm.org/about-acm/acm-code-of-ethics-and-professional-conduct; CONTENTS [Accessed 2. Mai 2021].
• ACM. 2015. Software Engineering Code of Ethics and Professional Practice [Online]. Available: https://ethics.acm.org/code-of-ethics/software-engineering-code/ [Accessed 2. Mai 2021].
• GI. 2018. Die Ethischen Leitlinien der Gesellschaft fu r Informatik e.V. Deutschland. Available: https://gi.de/fileadmin/GI/Allgemein/PDF/GI_Ethische_Leitlinien_2018.pdf [Accessed 2. Mai 2021].
• BAUMS, A., SCHÖSSLER, M. & SCOTT, B. (eds.) 2015. Kompendium Industrie 4.0: Wie digitale Plattformen die Wirtschaft verändern und wie die Politik gestalten kann, Berlin.
• GLASER, T. 2009. Die Rolle der Informatik im gesellschaftlichen Diskurs. Informatik Spektrum, 32, 223-227.
• KIENLE, A. & KUNAU, G. 2014. Informatik und Gesellschaft - eine sozio-technische Perspektive, München, Oldenbourg.
• LOLL, A. C. 2017. Akteure im Bereich Informatik und Gesellschaft. Informatik Spektrum, 40, 345-350.
• MÜLLER, L.-S. & ANDERSEN, N. 2017. Denkimpuls Digitale Ethik: Warum wir uns mit Digitaler Ethik beschäftigen sollten Ein Denkmuster. Available: http://initiatived21.de/app/uploads/2017/08/01-2_denkimpulse_ag-ethik_digitale-ethik-ein-denkmuster_final.pdf [Accessed 2. Mai 2021].
• RAHWAN, I., BONNEFON, J.-F. & SHARIFF, A. 2017. The Moral Mashine [Online]. Available: http://moralmachine.mit.edu/hl/de [Accessed 2. Mai 2021].
• SOUROUR, B. 2016. The code I m still ashamed of. freeCodeCamp. https://medium.freecodecamp.org/the-code-im-still-ashamed-of-e4c021dff55e [Accessed 2. Mai 2021].

Webseiten

• https://gi.de
• https://netzpolitik.org
• http://humanetech.com
• https://irights.info

Die Veranstaltung vermittelt Grundlagen von Benutzerschnittstellen für das effiziente Zusammenwirken bzw. die Interaktion zwischen Mensch und Computer. In diesem Zusammenhang werden sowohl physiologische als auch psychologische Aspekte der menschlichen Informationsverarbeitung behandelt. Des Weiteren wird die Software-Ergonomie als Wissenschaftsgebiet vorgestellt, das sich mit der Gestaltung von Mensch-Maschine-Systemen befasst. Ferner werden die Auswirkungen auf Konzepte und Implementierungen von Software-Systemen und Benutzungsschnittstellen untersuch und diskutiert.

Fach- und Methodenkompetenz:

• Beobachtung der grundlegenden Lern- und Handlungsprozesse bei der Benutzung von Software
• Kenntnis der Standart-Bedienelemente für WIMP-Oberflächen
• Benennen der wichtigsten Normen, Gesetze und Richtlinien zur SW-Ergonomie
• Grundlegende Bewertung der Ergonomie von Benutzungsschnittstellen anhand dieser Regelungen
• Abbilden der Tätigkeiten im Benutzerzentrierten Entwurfsprozess auf Fallbeispiele
• Grundlegende Kenntnis der wichtigsten Usabilty Engineering Werkzeuge, sowie deren Anwendung im Fallbeispiel

Fachübergreifende Methodenkompetenz:

• Kenntnis vereinfachter Handlungsprozessmodelle

Sozialkompetenz:

• Beobachtung, Einschätzung und Bewertung von Kommunikationssituationen
• Bearbeitung von Aufgaben in wechselnden Kleingruppen (je 2-4 Studierende)

Berufsfeldorientierung:

• Interdisziplinarität des User Experience Designs
• Anwendung einfacher Usability Engineering Werkzeuge (z.B. Personas) am Fallbeispiel

1. Grundlagen

• Einführung und Motivation
• Definition Softwareergonomie
• Wahrnehmung
• Gedächtnis und Erfahrung
• Handlungsprozesse
• Kommunikation

2. Umsetzung

• Normen und Gesetze
• Richtlinien
• Hardware
• Interaktionsformen
• Grafische Dialogsysteme

3. User-Centered Design

• Einführung
• Web-Usability
• Barrierefreiheit
• Werkzeuge des Usability Engineering

4. Weiterführende Inhalte

In Absprache mit den Studierenden werden ein bis drei der folgenden Themen behandelt. Die Liste wird bei aktuellem Anlass erweitert.

• Gestensteuerung
• Benutzerschnittstellen in Computerspielen
• Benutzerschnittstellen für mobile Systeme
• Brain-Computer Interfaces
• Multitouch-Interfaces

Durch die Projektarbeit erlernen die Studierenden folgende Kompetenzen, die sie zur Erstellung ihrer späteren Abschlussarbeit vorbereiten und für den Berufseinstieg qualifizieren:

Fach- und Methodenkompetenz

• Lösen informatikspezifischer Probleme nach Möglichkeit im Unternehmenskontext durch die ingenieursmäßige Erstellung einer Software-/Hardwarelösung (d.h. Spezifikation von Anforderungen, Abwägung und Bewertung von Lösungsalternativen, Modellierung von Systemen und Sicherung der Qualität) unter Berücksichtigung begrenzter Ressourcen.

Fachübergreifende Methodenkompetenz

• Durchführung der Arbeit als Projekt (d.h. Zielsetzung und Planung von Projekten, die Vor- und Nachkalkulation des Zeitaufwandes), sowie
• Anfertigung der schriftlichen Ausarbeitung unter Anwendung wissenschaftlicher Arbeitsmethoden (u.a. Literaturrecherche, richtiges Zitieren).

Selbstkompetenz

• Beurteilen der eigenen Arbeitsergebnisse.

Sozialkompetenz

• Befähigen zur Teamarbeit mit Entwicklern und (soweit möglich) Anwendern, speziell: zur Präsentation von Arbeitsergebnissen, zur Leitung und Moderation von Besprechungen sowie zur Lösung von Konflikten.

Berufsfeldorientierung

• Bearbeiten praxisrelevanter Aufgabenstellungen.

Weitere Details siehe Prozessbeschreibung PB-PAAA (Anhang IV).

Die Inhalte einer Projektarbeit werden bewertet nach Aufwand und Komplexität, Originalität und Eigenständigkeit, wissenschaftlicher Arbeitstechnik und methodischem Vorgehen, praxisrelevanter Umsetzung, Stil und äußerer Form.

Die Studierenden haben bzgl. des Projektthemas ein Vorschlagsrecht. Das Projekt soll bevorzugt außerhalb der Hochschule durchgeführt werden (weitere Details regelt die Verfahrensanweisung VA-PAAA-EXT). Gruppenarbeit wird gewünscht. Die in den Projekten direkt benötigten spezifischen Kenntnisse werden bei Bedarf in Blockveranstaltungen vermittelt.
Regelmäßige Projektsitzungen geben den Studierenden die Möglichkeit, die oben genannten Fähigkeiten zur Teamarbeit durch Einübung zu erwerben. Dabei wird insbesondere die Qualitätssicherung durch Präsentation von Ergebnissen aus Analyse, Entwurf und Implementierung trainiert.

Die erlernten Kompetenzen sind abhängig vom gewählten inhaltlichen Schwerpunkt der Seminare. Die Studierenden sind unter anderem nach dem Besuch der Veranstaltung in der Lage:

Fach- und Methodenkompetenz:

• die dem Schwerpunkt des Seminars entsprechenden inhaltlichen Kompetenzen in Studium und Beruf einzusetzen
• wissenschaftliche Methoden zur Erarbeitung eines Referats zum inhaltlichen Schwerpunkt zu nutzen. Sie können recherchieren, bewerten, strukturieren, dokumentieren und präsentieren.
• eine wissenschaftliche Hausarbeit anzufertigen

Selbstkompetenz:

• selbstständig in der Lage fachlich wissenschaftliche Texte zu strukturieren, erarbeiten und Präsentationen zu erstellen und diese Ergebnisse zu präsentieren
• selbstständig in der Lage technisch-wissenschaftliche Inhalte zu recherchieren und zu bewerten

Sozialkompetenz:

• in Gruppen zu arbeiten und innerhalb der Gruppen zu interagieren
• Inhalte in Gruppen darzustellen und zu verteidigen

Berufsfeldorientierung:

• dem Berufsfeld entsprechende Inhalte zu erarbeiten

Literatur muss vom Studierenden selbst ermittelt werden.

Übergreifend:

• Balzert, H.; Schröder, M. und Schäfer, C.; Wissenschaftliches Arbeiten; W3l; Witten; 2. Aufl.; 2011

 

Begründung zur Notwendigkeit der Teilnahmepflicht:

Es handelt sich um eine zu Exkursionen, Sprachkursen, Praktika und praktische Übungen vergleichbare Lehrveranstaltung mit in der Regel maximal 20 Teilnehmern. Durch eine regelmäßige Teilnahme werden die Fach- und Methodenkompetenzen der Studierenden in der Einübung des wissenschaftlichen Diskurses in Gruppenarbeit mit anderen Studierenden und im Dialog mit dem Dozenten erarbeitet und gefestigt. Eine Reflektion der Kompetenzen und damit der Lernziele ist selbstständig nicht ausreichend möglich. Nur ein geringer Anteil der Veranstaltung bezieht sich auf die selbstständige Einarbeitung in die fachlichen Inhalte und die Vorbereitung auf den wissenschaftlichen Diskurs, der größere Anteil bezieht sich auf die gemeinschaftliche Erarbeitung und Reflektion der Kompetenzen, sodass eine regelmäßige Teilnahme an mindestens 2/3 der Präsenzterminen für das Erreichen der Lernziele gegeben ist.

Vermittlung von Grundlagen hardwarenaher Realisierungen innerhalb der technischen Informatik. Theoretische Kenntnisse, deren Anwendung und Übertragung in struktur- (HW) und verhaltensbasierte (SW) Lösungen.

Fachkompetenz:

• Die Studierenden sollen Mealy- & Moore-Automaten, Bausteine der Digitaltechnik, VHDL Sprachelemente und grundlegende HW-Technologien erläutern können.
• Sie können Verfahren zum Übergang von Logik zur Schaltalgebra erläutern, den Zusammenhang von Entwurfsparametern (Performance, Fläche, Leistungsaufnahme, Kosten) differenzieren und Verfahren der Schaltalgebra unterscheiden.
• Die Studierenden können Schaltfunktionen minimieren, Schaltwerke entwerfen, einfache VHDL Programme erstellen, einen FPGA Baustein (Xilinx Spartan 3) konfigurieren und einen VGA Treiber realisieren.

Sozialkompetenz:

• Durch die Arbeit im praktischen Teil (Praktikum in der 2te Semesterhälfte) im Bereich Simulation von VHDL Programmen und FPGA Programmierung in Kleinstgruppen wird die Kommunikationsfähigkeit und verbindliche Abstimmung zwischen Studierenden gestärkt.

In der Veranstaltung werden komplexe und adaptive Systeme zur Problemlösung thematisiert und implementiert. Die Studierenden erwerben hierbei verschiedene Kompetenzen.

 

Fach- und Methodenkompetenz:

Nachdem die Studierenden die Veranstaltung besucht haben

• sind sie in der Lage Problemlösungen mit adaptiven Systemen zu entwickeln und zu analysieren.
• die wichtigsten Begriffe adaptiver und adaptierbarer Informationssysteme für die Erklärung von Systemen einzusetzen.
• Methoden der Computational Intelligence für den Entwurf adaptiver Systeme einzusetzen.
• adaptive Systeme auf Basis der erläuterten Modelle zu implementieren.
• sofern möglich, die erstellten Systeme zu evaluieren.
• die Grenzen adaptiver Systeme zu erkennen.

Fachübergreifende Methodenkompetenz:
Die/der Studierende ist in der Lage zu erkennen, dass mit Methoden der adaptiven Systeme Eigenschaften von technischen aber auch betriebswirtschaftlichen und sozialen Systemen beschrieben werden und deren Verhalten analysiert werden können.

Sozialkompetenz:
Kooperations- und Teamfähigkeit wird während der praktischen Phasen trainiert. Die Studierenden entwickeln praktische Umsetzungen in Teams der Größe 2 und 3 und sind in der Lage die entwickelte Lösung gemeinsam zu präsentieren.

 

• J. Schmidt, Chr. Klüver, J. Klüver, Programmierung naturanaloger Verfahren, Vieweg+Teubner Verlag (2010)
• R. Kruse, C. Borgelt, F. Klawonn, C. Moewes, G. Ruß, M. Steinbrecher, Computational Intelligence, Zweite Auflage, Vieweg+Teubner Verlag (2015)
• W.-M. Lippe, Soft-Computing, Springer Verlag (2005)
• A. Kordon, Applying Computational Intelligence, Springer Verlag (2010)
• I. Witten, E. Frank und M. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 4. Auflage, Morgan Kaufmann (2017), elektronische Version im Intranet verfügbar

Fach- und Methodenkompetenz:

• Absolventinnen und Absolventen des Moduls beherrschen weiterführende formallogische Konzepte der Informatik und sind in der Lage, konkrete klassische und nicht-klassische Logiken, Logikbegriffe und Methodiken auf verschiedene Fragestellungen der Informatik zu übertragen, sie an die jeweiligen Bedürfnisse anzupassen und schließlich praktisch anzuwenden.
• Die Teilnehmerinnen und Teilnehmer beherrschen insbesondere die Grundlagen der formallogischen Modellierung dynamischer Prozesse und ihrer Anwendbarkeit sowie Techniken der formalen Spezifikation und Verifikation von Modellen.
• Die Studierenden können diese Kompetenzen fächerübergreifend einsetzen.

Selbstkompetenz:

• Die Teilnehmerinnen und Teilnehmer sind in der Lage, sich eigenständig mit aktuellen Forschungspapieren zur formallogischen Modellierung und Verifikation in der Informatik auseinanderzusetzen und die Kernaussagen nachzuvollziehen.

Sozialkompetenz:

• Die Teilnehmerinnen und Teilnehmer können formallogische Themen und Fragestellungen didaktisch aufbereitet in Referaten und schriftlichen Ausarbeitungen präsentieren. Sie sind hierbei insbesondere in der Lage, komplexe formallogische Sachverhalte auf verschiedenen Granularitätsebenen wiederzugeben (von der Vermittlung der reinen zugrundeliegenden Idee bis hin zur Ausformulierung der exakten mathematischen Gegebenheiten).
• Die Teilnehmerinnen und Teilnehmer sind in der Lage, Diskussionen zu wissenschaftlichen Fragestellungen (insbesondere hinsichtlich der Anwendbarkeit der vermittelten Inhalte für ihr jeweiliges Studiengebiet) zu führen.
• Die Teilnehmerinnen und Teilnehmer erfassen die Relevanz der vermittelten Inhalte für ihr Studiengebiet und sind fähig, diese Relevanz adäquat zu kommunizieren.

 

Die Veranstaltung beinhaltet folgende Themenbereiche:

• Klassische Begriffe der Modallogik (wie Möglichkeit und Notwendigkeit) und deren Relevanz in der Informatik
• Syntax und Semantik Klassischer Modal- und Zeitlogiken (wie CTL*, CTL und LTL) und deren Anwendungen
• Formallogische Spezifikation und Modellierung informatischer Prozesse mittels Mögliche-Welten-Semantiken
• (Automatisierte) Verifikation modellierter Prozesse mittels Model Checking Verfahren und ihre Anwendungen in der Praxis
• Syntax und Semantik epistemischer Logiken (wie Belief Sets und Epistemische Modallogik) und ihrer Relevanz für die Informatik
• Beispielhafte Anwendung der erlernten Themen: abhängig von den Interessen und fachlichen Hintergründen können verschiedene Beispielanwendungen gewählt werden wie: Formale Hardware Verifikation , Modellierung dynamischer Prozesse , Nebenläufigkeit , etc.
• Sinn betrachtende intensionale / propositionale Logiken und ihre Anwendungen in modernen Informatik Applikationen
• Relevanz von Logiken in den Anwendungen der Künstlichen Intelligenz

• Hughes und Cresswell A New Introduction To Modal Logic, Routledge Chapman & Hall,
• Kropf Introduction to Formal Hardware Verification, Springer-Verlag Berlin and Heidelberg, 1999
• Chagrov und Zakharyaschev Modal Logic, Oxford University Press, 1997
• Gardenfors - Knowledge in Flux: Modeling the Dynamics of Epistemic States (Studies in Logic), College Publications, 2008
• Bab - Epsilon_mu-Logik - Eine Theorie propositionaler Logiken, Shaker Verlag Aachen, 2007

 

Fach- und Methodenkompetenz:

• Kenntnis über unterschiedliche BWL-Anwendungen und über ihre Einsatzmöglichkeiten in Unternehmen.
• Bedienen des SAP® ERP-Systems aus Anwendungssicht im Rahmen von Prozessfallstudien.
• Differenzieren der verschiedenen Anpassungs- und Erweitungsmöglichkeiten einer Standardsoftware sowie bewerten der jeweiligen Konsequenzen.
• Konzipieren und Realisieren von funktionalen Erweiterungen in SAP® ERP.
• Anpassen des SAP® ERP-Systems im Rahmen von Customizing Fallstudien.
• Nutzen der Entwicklungsumgebung des SAP® ERP-Systems.
• Grundkenntnisse der Programmiersprache ABAP® unter Berücksichtigung von Datenbankzugriffen und Dialoggestaltung.
• Grundkenntnisse der Entwicklung und Gestaltung von Anwendungen mittels SAPUI5 und SAP Fiori®.

Sozialkompetenz:

• Bewerten der Bedeutung von Kommunikations-, Konflikt- und Teamfähigkeit bei Einführungs- und Anpassungsprojekten.
• Sensibilisieren für die sozialen Probleme einer ERP-Einführung.
• Steigern der Kooperations- und Teamfähigkeit in den Präsenzübungen und im Miniprojekt.

Berufsfeldorientierung:

• Kennen der Bedeutung unterschiedlicher BWL-Anwendungen für die Geschäftsprozesse von Unternehmen.
• Kennen des Stellenwertes eines ERP-Systems in einer Unternehmens-IT.
• Kenntnisse zur Identifikation und Nutzung von Schnittstellen eines ERP-Systems zu anderen BWL-Anwendungen.
• Kennen der Anforderungen unterschiedlicher Berufsbilder im ERP-Umfeld (insb. Vertrieb, Consulting, Projektleitung, Anwendungsentwicklung).

Bücher

• Balderjahn, Ingo; Specht, Günter (2016): Einführung in die Betriebswirtschaftslehre. Stuttgart: Schäffer-Poeschel.
• DRUMM, C., KNIGGE, M., SCHEUERMANN, B. & WEIDNER, S. 2019. Einstieg in SAP® ERP - Geschäftsprozesse, Komponenten, Zusammenhänge - Erklärt am Beispielunternehmen Global Bike, Bonn, Rheinwerk Verlag GmbH.
• HANSEN, H. R., MENDLING, J. & NEUMANN, G. 2019. Wirtschaftsinformatik, Berlin, Boston, Walter de Gruyter GmbH. Ergänzende Unterlagen:
  https://lehrbuch-wirtschaftsinformatik.org/12/home ; Zugriff geprüft am 2. Mai 2021
• KÜHNHAUSER, K.-H. & FRANZ, T. 2019. Einstieg in ABAP, Bonn, Rheinwerk Verlag GmbH.
• KÜHNHAUSER, K.-H. & FRANZ, T. 2015. Einstieg in ABAP, Bonn, Rheinwerk Verlag GmbH. Online verfügbar: http://openbook.rheinwerk-verlag.de/einstieg_in_abap/ ; Zugriff geprüft am 2. Mai 2021
• LAUDON, K. C., LAUDON, J. P. & SCHODER, D. 2016. Wirtschaftsinformatik - Eine Einführung, Halbergmoos, Pearson Deutschland GmbH.
• LEIMEISTER, J. M. 2015. Einführung in die Wirtschaftsinformatik, Berlin Heidelberg, Springer Gabler

Einführung in komponentenbasierte Softwareentwicklung und Anwendung des Erlernten in praktischen Beispielen auf Basis von EJB.

Fach- und Methodenkompetenz:

• Kennen und Abgrenzen des Komponentenbegriffs
• Verstehen der Herausforderungen verteilter Systeme
• Kennen von Lösungsansätzen mit und ohne Middleware
• Kennen typischer Probleme in Enterprise Anwendungen (Transaktionsschutz, Sicherheit, Zugriffskontrolle, Internationalisierung, Skalierbarkeit, Verfügbarkeit, ...)
• Modellieren verteilter Systeme mit der UML
• Verstehen des Unterschieds zwischen Spezifikation und ihrer Realisierung
• Verstehen der EJB-Spezifikation
• Anwenden der EJB-Kenntnisse mit dem glassfish-Applikationsserver
• Entwickeln einer eigenständigen Lösung im Rahmen eines Projekts

Fachübergreifende Methodenkompetenz:

• Entwickeln eines Projekts aus einer beliebigen Anwendungsdomänen

Sozialkompetenz:

• Problemstellungen mittlerer bis hoher Komplexität im Team systematisch bearbeiten
• Im Team kooperativ und arbeitsteilig eine EJB-Lösung erarbeiten
• Im Team kooperativ und arbeitsteilig eine EJB-Lösung dokumentieren

Fach- und Methodenkompetenz:

Nach erfolgreichem Abschluss des Moduls kennen die Studierenden die Terminologie der Computergraphik und können diese korrekt zur Beschreibung von Graphiksystemen einsetzen. Sie kennen wichtige mathematische Konzepte, Algorithmen und Datenstrukturen der Computergraphik und deren Einsatz in gängigen Computergraphik-Systemen.

Sie sind in der Lage passende Lösungen für Problemstellungen aus dem Bereich der Computergraphik auszuwählen und eigene Computergraphik-Anwendungen mit Hilfe einer Standard-Programmierschnitttstelle (z.B. OpenGL) zu entwickeln.

Vorlesung

• Einführung:
  Visuelle Informationsverarbeitung und ihre Anwendungen, Hard- und Software graphischer Systeme
• 2D-Graphik:
  2D-Grundelemente und grundlegende Algorithmen, Kurven, Transformationen und Clipping, Rasterkonvertierung
• 3D-Graphik:
  3D-Grundelemente, Kurven und Flächen, Körpermodellierung, Szenengraph und Transformationen, Projektion, Sichtbarkeit und Verdeckung, Shader-Programmierung, Beleuchtung und Schattierung, Texturen, Ray-Tracing

Praktikum

• Graphik-Programmierung mit OpenGL

Die Studierenden lernen die Unterscheidung von stategischem und operativem Controlling kennen und können die Bedeutung der startegischen Unternehmensplanung als Basis für das strategische Controlling einschätzen.

Fach- und Methodenkompetenz:
Die Studierenden lernen Tools und Techniken des operativen Controllings für die jährliche Gewinnerzielung kennen und anwenden. Sie können Umsatz, Gewinn und Kapital den Return on Investment bestimmen. Sie können den Deckungsbeitrag berechnen und Entscheidungen über die Preiselastizität treffen.
Sie lernen Methoden für das strategische Controlling für den Erhalt des Unternehmens kennen und anwenden. SWOT Analyse, Erfolgsfaktoren und Efolgsobjekte, strategische Geschäftsfeldanalyse und strategische Geschäftseinheiten werden verstanden und eingeordnet werden.

Fachübergreifende Methodenkompetenz:
Die Studierenden lernen den Einsatz von ERP-Systemen im Controlling kennen. Sie können das Controlling in die Stuktur der Unternehmenssoftware einordnen.

Sozialkompetenz:
Durch Gruppenarbeit wird die Sozialkompetenz bei der Teambildung gestärkt und in Diskussionen die Rücksichtnahme gegenüber Anderen vermittelt.

 

Die Studierenden beherrschen wichtige Methoden und Algorithmen der modernen Datenanalyse zur Erkennung von Mustern und Strukturen in großen Datensätzen. Sie sind vor allem vertraut mit den drei Phasen Vorverarbeitung, Analyse und Evaluation des Data Mining Prozesses. Sie sind in der Lage für konkrete Anwendungen aus Industrie und Wirtschaft geeignete Methoden der Datenanalyse auszuwählen, einzusetzen und zur Entscheidungsunterstützung zu nutzen.

Fach- und Methodenkompetenz:

• Die Studierenden besitzen fundierte Kenntnisse der behandelten Methoden der Datenanalyse.
• Die Studierenden wissen, für welche Fragestellungen und Datenarten welche Methode geeignet ist und können Analyseergebnisse einordnen und interpretieren.
• Die Studierenden können eigenständige Analysen von Datensätzen sowohl mit Excel als auch mit spezieller Software (z.B. R, JMP, ...) durchführen.

Sozialkompetenz:

• Die Studierenden können in Teamarbeit Datensätze aus der Praxis mit den Methoden der Veranstaltung analysieren und die Ergebnisse vor dem Plenum präsentieren.

 

• Phasen des Data Mining
• Daten, Relationen und Datenvorverarbeitung
• Multiple Regression
• Clusteranalyse
• Klassifikationsverfahren
• Assoziationsanalyse
• Ausreißererkennung

 

• Cleve, J., Lämmel, U. (2020), Data Mining, 3. Auflage, De Gruyter, Berlin/Boston
• Runkler, A. (2015) Data Mining: Modelle und Algorithmen intelligenter Datenanalyse, 2. Auflage, Springer VS, Wiesbaden.
• Hastie, T., Tibshirani, R., Friedmann, J. (2009), The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2. Auflage, Springer, New York

Fach- und Methodenkompetenz:

Nach Abschluss des Moduls sind die Studierenden in der Lage

• die grundlegenden physikalischen und mathematischen Prozesse der medizinischen Signal- und Bildgebung zu erläutern und zu skizzieren
• die technischen Funktionsprinzipien der gängigen Medizingeräte zu beschreiben und einzuordnen
• die wichtigsten Diagnose- und Therapiesystem zu benennen, deren Möglichkeiten und Grenzen aufzuzeigen und deren Zusammenspiel zu differenzieren und selbständig zu bewerten
• Biosignale und medizinische Bilder zu erkennen und zu klassifizieren
• klinische Arbeitsabläufe zu beschreiben und einzuordnen
• den Wandel in der Radiologie und Medizintechnik von der Digitalisierung hin zur Künstlichen Intelligenz zu beschreiben und einzuordnen

Sozialkompetenz:

• Bearbeiten und Lösen von Aufgaben in kleineren Teams, wie z.B. die gegenseitige Ableitung von Biosignalen oder das zielgerichtete Experimentieren mit einem Ultraschallgerät

Berufsfeldorientierung:

• Kennen und Einordnen von berufsfeldtypischen, international standardisierten Diagnose- und Therapiesystemen und deren klinische Abläufe
• Bearbeiten und Lösen von mathematisch-technischen Problemen mit der in der Industrie weitverbreiteten Standardsoftware Matlab®

• Dössel, O.; Bildgebende Verfahren in der Medizin; Springer; 2. Auflage; 2016
• Prokop, M.; Spiral and Multislice Computed Tomography of the Body; Thieme; 2. Auflage; 2013
• Bushberg, J.; The Essential Physics of Medical Imaging ; Lippincott Williams & Wilkins; 3. Auflage; 2011
• Handels, H.; Medizinische Bildverarbeitung; 1. Auflage; 2009
• Epstein, C.; Introduction to the Mathematics of Medical Imaging; Prentice Hall; 1. Auflage; 2003.
• Morneburg, H.; Bildgebende Systeme für die medizinische Diagnostik; 3. Auflage; Siemens, 1995

Online textbook:

• Sprawls, P.; The Physical Principles of Medical Imaging, 2nd Ed.: http://www.sprawls.org/ppmi2/

 

 

Die Veranstaltung beschäftigt sich mit der Entwicklung und Analyse von Systemen, die Methoden der digitalen Bildverarbeitung verwenden.

Fach- und Methodenkompetenz:

Nachdem die Studierenden die Veranstaltung besucht haben, sind sie in der Lage

• die Stufen der digitalen Bildverarbeitung aufzulisten und zu erläutern
• wichtige mathematische und algorithmische Konzepte der digitalen Bildverarbeitung wiederzugeben und anzuwenden
• Bildverarbeitungs-Probleme durch Kombination der behandelten Verfahren zu lösen
• einfache Bildverarbeitungs-Anwendungen mit Hilfe des Programmiersystems Matlab® bzw. der Programmiersprache Java und ImageJ zu entwickeln
• Beispiele für die industrielle Anwendung von digitaler Bildverarbeitung zu kennen

Vermittlung von Grundlagenwissen hinsichtlich der Bedeutung und Entwicklung von Standardsoftware sowie Sensibilisierung für die hiermit verbundenen Problemfelder. Theoretische Kenntnisse über Arten von Anpassungen an Standardsoftware sowie deren praktische Umsetzung an einem konkreten ERP-System. Vertiefung bzw. praktische Anwendung bereits erlernten Fachwissens anhand praxisrelevanter Beispiele.

Fach- und Methodenkompetenz:

• Abgrenzen von Standard- zu Individualsoftware.
• Benennen der Vor- und Nachteile von Standardsoftware.
• Differenzieren der verschiedenen Anpassungsmöglichkeiten einer Standardsoftware sowie bewerten der jeweiligen Konsequenzen.
• Beurteilen der Qualität und Komplexität von Geschäftsprozessen in Hinblick auf Korrektheit,
  Effizienz und Vollständigkeit in integrierten Systemen.
• Konzipieren und Realisieren von funktionalen Erweiterungen an einer Standardsoftware.

Sozialkompetenz:

• Bewerten der Bedeutung von Kommunikations-, Konflikt- und Teamfähigkeit bei Einführungs- und Anpassungsprojekten.
• Sensibilisierung für die sozialen Probleme einer ERP-Einführung.

Berufsfeldorientierung:

• Kenntnisse der Anforderungen unterschiedlicher Berufsbilder im ERP-Umfeld (insb. Vertrieb, Consulting, Projektleitung, Anwendungsentwicklung)

• Skript zur Vorlesung (Hesseler, M.)
• Hesseler, M.; Görtz, M.; Basiswissen ERP-Systeme ; w3l-Verlag; Bochum; 2007;

• Ergänzende Literaturempfehlungen (nicht zwingend erforderlich):
  • Allweyer, T.; Geschäftsprozessmanagement ; w3l-Verlag; Bochum; 2005;
  • Hesseler, M. und Rösel, C.; ERP-Übungsbuch: Entwicklung einer einfachen Fuhrpakrverwaltung in Microsoft Dynamics NAV ; Books on Demand; Norderstedt; 2010;
  • Hesseler, M. und Görtz, M.; ERP-Systeme im Einsatz ; w3l-Verlag; Herdecke; 2009;
  • Luszczak, A.; "Microsoft Dynamics NAV 2009 - Grundlagen", Microsoft Press Deutschland; Auflage: 1, Unterschleißheim, 2009

Fach- und Methodenkompetenz:

• Grundlegende algorithmische Methoden beschreiben können.
• Probleme hinsichtlich Ihrer Modellierungsmöglichkeit und algorithmischen Komplexität einschätzen können.
• Effiziente Algorithmen und Datenstrukturen für ausgewählte grundlegende Probleme beschreiben und implementieren können.
• Algorithmen hinsichtlich ihrer Qualität unter unterschiedlichen Effizienzaspekten einordnen können.
• Konzepte und Methoden zur Lösung von kombinatorischen Optimierungsproblemen kennen und für ein Problem anwenden können.
• Beweise zur Korrektheit und Effizienz von Algorithmen prüfen können.

Vermittlung von Wissen zur Entwicklung verteilter Anwendungen

Fach- und Methodenkompetenz:

• Verstehen der besonderen Anforderungen und Herausforderungen bei der Entwicklung verteilter Systeme
• Kennenlernen der Prinzipien, Architekturen und Mechanismen verteilter Systeme
• Kennern der Herangehenweisen bei der Entwicklung verteilter Systeme
• Umsetzen der aktuellen Konzepte in Java-Programme

Sozialkompetenz:

• Arbeiten in kleinen Teams
• Ergebnisorientierte Gruppenarbeit

Literaturhinweise

• Bengel, Günther: Grundkurs Verteilte Systeme, 4. Auflage Springer Vieweg, 2014
• Dustar, Schahram et. al.: Softwarearchitekturen für verteilte Systeme, Springer, 2003
• Hohpe, Gregor, Woolf, Bobby: Enterprise Integration Patterns, Addison Wesley, 2004
• Kopp, Markus, Wilhelms, Gerhard: Java Solutions

- Java Cryptography Architecture und API
- Legion of the Bouncy Castle Java Cryptography APIs
- Block-Chiffren: AES, Padding, Block-Modi, Verwendung als Strom-Chiffren
- Strom-Chiffren: ChaCha20, Generierung von Schlüsselströmen
- Passwort-basierte Ver-/ Entschlüsselung
- Schlüsselmanagement
- Message Digests, MACs, Key Derivation Functions
- Asymmetrische Kryptographie: DH, RSA, DSS, ECDSA
- Methoden zur Entwicklung sicherer Software: z. B.
- Entwurfsprinzipien nach Saltzer und Schroeder
- Secure Coding Richtlinien (Java)
- Unit-Testen beim Einsatz von Kryptographie
- Penetration-Testen mit Software-Werkzeugen
- Best Practices (OWASP Top 10, SAMM, ASVS)

Die Unterrichtssprache ist englisch.

C ist alternativ zu Java einsetzbar.