Sommer 2025 Bachelor Informatik (2015)

Modul und Kurs
Modul: 04-00-0119 Mathematik II (für Informatik und Wirtschaftsinformatik)
Kurs: 04-00-0087-vu Mathematik II (für Informatik und Wirtschaftsinformatik)

Termine zwischen 2025-04-22 und 2025-07-25
* 14x Di 08:00 - 09:40 (S101/A1)
* 14x Do 11:40 - 13:20 (Übung )
* 14x Do 13:30 - 15:10 (Übung )
* 14x Do 14:25 - 16:05 (Übung )
* 14x Do 15:20 - 17:00 (Übung )
* 14x Fr 08:00 - 09:40 (Übung )
* 14x Fr 11:40 - 13:20 (S101/A1)
* 14x Fr 13:30 - 15:10 (Übung )
* 14x Fr 15:20 - 17:00 (Übung )

Lerninhalte
[list]
[*]Analysis in R: Potenzreihen, Elementarfunktionen, Differenzial- und Integralrechnung,Satz von Taylor, Extremwerte, Fourierreihen
[*]Analysis mehrer Veränderlicher: Stetigkeit, partielle und totale Differenzierbarkeit, Extremwerte, Kurven
[*]Gewöhnliche Differentialgleichungen: Systeme linearer DGLen, Satz von Picard-Lindelöf
[*]Allgemeine Algebra: Algebren und Unteralgebren, Homomorphismen, Quotienten
[/list

Qualitätsziele / Lernergebnisse
Nach Abschluss des Moduls können die Studierenden:

- mit abstrakten Begriffen präzise umgehen, Beweise nachvollziehen, Beweisideen erläutern und auch selbstständig Beweise führen,

- die axiomatisch-deduktive Vorgehensweise der Mathematik verstehen und anwenden,

- die vermittelten Kenntnisse und Begriffe aus zentralen Gebieten der Mathematikgrundausbildung beherrschen, so dass sie diese für die verschiedenen Anwendungen in der Informatik nutzen können.


Die Studierenden sollen

- mit mathematischer Methodik und Fachkultur vertraut sein.

- in der Lage sein, aufbauend auf das vermittelte Grundwissen Mathematik, weitere mathematische Inhalte selbstständig zu erarbeiten.

Empfohlene Voraussetzungen
Mathematik I

Literatur
Skript der Veranstaltung

---

Modul: Mathematik 2


TUCaN-Nummer
04-00-0119

Titel
Mathematik II (für Informatik und Wirtschaftsinformatik)

Lehrveranstaltungsart
Vorlesung

Gebiet
2. Semester

Sprache
Deutsch

---

Kurs: 04-00-0087-vu Mathematik II (für Informatik und Wirtschaftsinformatik)


Lehrende
Prof. Dr. rer. nat. Torsten Burkhard Wedhorn; M.Sc. Lena Volk

Veranstaltungsart
Vorlesung und Übung

Orga-Einheit
FB04 Mathematik

Anzeige im Stundenplan
Mathe II Inf

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte

Analysis in R: Potenzreihen, Elementarfunktionen, Differenzial- und Integralrechnung, Satz von Taylor, Extremwerte, Fourierreihen
Analysis mehrer Veränderlicher: Stetigkeit, partielle und totale Differenzierbarkeit, Extremwerte, Kurven
Gewöhnliche Differentialgleichungen: Systeme linearer DGLen, Satz von Picard-Lindelöf
Allgemeine Algebra: Algebren und Unteralgebren, Homomorphismen, Quotienten

Literatur
Skript der Veranstaltung

Voraussetzungen
Mathematik I

Online-Angebote
moodle

Modul und Kurs
Modul: 04-00-0298 Treffpunkt Mathematik II für Informatik und Wirtschaftsinformatik
Kurs: 04-10-0403-tt Treffpunkt Mathematik II für Informatik und Wirtschaftsinformatik

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 11:40 - 13:20 (S101/A01)

---

Modul: Treffpunkt Mathematik 2 für Informatik und Wirtschaftsinformatik


TUCaN-Nummer
04-00-0298

Titel
Treffpunkt Mathematik II für Informatik und Wirtschaftsinformatik

Kürzel
04-00-0298

Sprache
Deutsch

---

Kurs: 04-10-0403-tt Treffpunkt Mathematik II für Informatik und Wirtschaftsinformatik


Lehrende
N.N.

Veranstaltungsart
Tutorium

Orga-Einheit
FB04 Mathematik

Anzeige im Stundenplan
04-10-0403-tt

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0005 Algorithmen und Datenstrukturen
Kurs: 20-00-0005-iv Algorithmen und Datenstrukturen

Termine zwischen 2025-04-22 und 2025-07-24
* 14x Di 08:00 - 09:40 (Übung )
* 14x Di 09:50 - 11:30 (Übung )
* 14x Di 11:40 - 13:20 (Übung )
* 14x Di 13:30 - 15:10 (Übung )
* 14x Di 15:20 - 17:00 (S101/A1,S101/A01)
* 14x Di 17:10 - 18:50 (Übung )
* 14x Mi 08:00 - 09:40 (Übung )
* 14x Mi 09:50 - 11:30 (Übung )
* 14x Mi 11:40 - 13:20 (Übung )
* 14x Mi 15:20 - 17:00 (Übung )
* 14x Mi 17:10 - 18:50 (Übung )
* 11x Do 08:00 - 09:40 (S101/A1,S101/A01)
* 14x Do 09:50 - 11:30 (Übung )
* 14x Do 11:40 - 13:20 (Übung )
* 14x Do 13:30 - 15:10 (Übung )
* 14x Do 15:20 - 17:00 (Übung )
* 14x Fr 09:50 - 11:30 (Übung )
* 14x Fr 11:40 - 13:20 (Übung )
* 14x Fr 13:30 - 15:10 (Übung )
* 14x Fr 15:20 - 17:00 (Übung )
* 13x Mo 08:00 - 09:40 (Übung )
* 13x Mo 09:50 - 11:30 (Übung )
* 13x Mo 11:40 - 13:20 (Übung )
* 13x Mo 13:30 - 15:10 (Übung )
* 13x Mo 15:20 - 17:00 (Übung )
* 13x Mo 17:10 - 18:50 (Übung )

Lerninhalte
- Datenstrukturen: Array, Listen, Binäre Suchbäume, B-Bäume, Graphenräprentationen, Hashtabellen, Heaps
- Algorithmen: Sortieralgorithmen, Stringmatching, Traversieren, Einfügen, Suchen und Löschen bei bestimmten Datenstrukturen, Kürzeste Wege Suche, Minimal Spannende Bäume
- Asymptotische Komplexität
- NP-Vollständigkeit
- Algorithmisches Strategien: Divide-and-Conquer, Dynamische Programmierung, Brute-Force, Greedy, Backtracking, Metaheuristiken

Qualitätsziele / Lernergebnisse
In dieser Veranstaltung lernen Studierende grundlegende Datenstrukturen und Algorithmen sowie die Komplexitätsklassen P, NP und NPC kennen. Sie erwerben die Fähigkeiten die Grundprinzipien der Algorithmik anzuwenden und asymptotische Komplexität einzuschätzen und zu bestimmen. Außerdem verstehen sie bedeutende algorithmische Strategien und können diese anwenden.

Empfohlene Voraussetzungen
Empfohlen: Funktionale und objektorientierte Programmierkonzepte

Literatur
Wird in der Veranstaltung bekannt gegeben.

---

Modul: Algorithmen und Datenstrukturen


TUCaN-Nummer
20-00-0005

Titel
Algorithmen und Datenstrukturen

Kürzel
Algorith/Datenstrukt

Lehrveranstaltungsart
Vorlesung

Gebiet
2. Semester

Sprache
Deutsch

---

Kurs: 20-00-0005-iv Algorithmen und Datenstrukturen


Lehrende
Prof. Ph.D. Zsolt Istvan; Prof. Ph. D. Stefan Roth

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
AuD

Semesterwochenstunden
8

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte

Datenstrukturen: Array, Listen, Binäre Suchbäume, B-Bäume, Graphenrepräsentationen, Hash-Tabellen, Heaps
Algorithmen: Sortieralgorithmen, Stringmatching, Traversieren, Einfügen, Suchen und Löschen bei Datenstrukturen, Kürzeste-Wege-Suche, Minimale Spannbäume
Asymptotische Komplexität: Laufzeit, Landau-Notation, Klassen P und NP, NP-Vollständigkeit
Algorithmisches Strategien, zum Beispiel: Divide-and-Conquer, Dynamische Programmierung, Brute-Force, Greedy, Backtracking, Metaheuristiken

Literatur
Geeignete Literatur wird in der Veranstaltung bekannt gegeben. Eine gute Einführung stellt das Buch "Introduction to Algorithms"(vierte Auflage, April 2022) von Cormen, Leiserson, Rivest, Stein, The MIT Press, dar. Frühere Auflagen des Buches können in der Regel ebenfalls verwendet werden.

Voraussetzungen
Empfohlen:
Funktionale und objektorientierte Programmierkonzepte

Übertragungswege
Senderaum S101/A1 - Empfängerraum S101/A01

Zusätzliche Informationen
https://moodle.tu-darmstadt.de/course/view.php?id=43541

Online-Angebote
Moodle

Modul und Kurs
Modul: 20-00-0015 Informationsmanagement
Kurs: 20-00-0015-iv Informationsmanagement

Termine zwischen 2025-04-25 und 2025-07-25
* 14x Fr 08:00 - 09:40 (Übungsstunde)
* 14x Fr 09:50 - 11:30 (S101/A1)

Lerninhalte
Grundkonzepte des Informationsmanagement:
Konzepte von Informationssystemen
Informationsspeicherung/abfrage, Suchen, Durchstöbern, deklarativer Zugriff und
Zugriff über explizite Navigation
Qualitätsmerkmale:
Konsistenz, Skalierbarkeit, Verfügbarkeit, Zuverlässigkeit
Datenmodellierung:
Konzeptuelle Datenmodelle (ER / UML Strukturdiagramme)
Konzeptueller Entwurf
Operationale Modelle (relationales Modell)
Abbildung vom konzeptuellen auf das operationale Modell
Relationales Modell:
Operatoren
Relationale Algebra
Relationale Kalküle
Auswirkungen auf Abfragesprachen basierend auf relationaler Algebra und relationalen Kalkülen
Entwurfstheorie und Normalisierung
Abfragesprachen:
SQL (im Detail)
QBE, Xpath (übersichtsartig)
Speichermedien:
RAID, SSD
Zwischenspeicherung und Caching
Implementierung relationaler Operatoren:
Implementierungsalgorithmen
Kostenfunktionen
Abfrageoptimierung:
Heuristische Abfrageoptimierung
Kostenbasierte Abfrageoptimierung
Transaktionsverarbeitung:
Flache Transaktionen
Nebenläufigkeitssteuerung und Korrektheitskriterien:
Serialisierbarkeit, Wiederherstellbarkeit, ACA, Striktheit
Isolationsgrade
Lock-basierte Ablaufplanung, 2PL
Multiversionen zur Kontrolle der Nebenläufigkeit
Optimistische Ablaufplanung
Logging
Zwischenstände (Checkpointing)
Wiederherstellung / Neustart
Aktuelle Trends im Bereich Informationsmanagement:
Hauptspeicherdatenbanken
Spaltenbasierte Datenhaltung
NoSQL

Qualitätsziele / Lernergebnisse
Studierende kennen nach erfolgreichem Besuch der Veranstaltung die Grundlagen des Informationsmanagements. Sie verstehen Techniken zum Aufbau von Informationsmanagementsystemen und können diese Modelle, Algorithmen und Sprachen anwenden, um selbständig Informationsmanagementsysteme zu benutzen bzw. (Teile davon) zu erstellen. Sie können die Qualität der Systeme in verschiedenen Gütemaßen bewerten.

Empfohlene Voraussetzungen
Empfohlen:
Erfolgreicher Besuch der Vorlesungen „Funktionale und Objektorientierte Programmierkonzepte“ und „Algorithmen und Datenstrukturen“ bzw. entsprechende Kenntnisse aus anderen Studiengängen

Literatur
Wird jeweils aktuell bekanntgegeben, Beispiele sind
Haerder, Rahm, "Datenbanksysteme - Konzepte und Techniken der Implementierung", Springer 1999
Elmasri, R., Navathe, S. B.: Fundamentals of Database Systems, 3rd. ed., Redwood City, CA: Benjamin/Cummings
Ullman, J. D.: Principles of Database and Knowledge-Base Systems, Vol. 1 Computer Science

---

Modul: Informationsmanagement


TUCaN-Nummer
20-00-0015

Titel
Informationsmanagement

Kürzel
Informationsmanageme

Lehrveranstaltungsart
Vorlesung

Gebiet
Kanonische Einführungsveranstaltungen

Sprache
Deutsch

---

Kurs: 20-00-0015-iv Informationsmanagement


Lehrende
Dr. rer. nat. Thomas Otmar Arnold

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Informationsmanageme

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Veranstaltung vermittelt die Grundkonzepte des Informationsmanagements. Im ersten Teil der Lehrveranstaltung stehen vor allem relationale Datenbanksysteme im Zentrum, während der zweite Teil eine Einführung in die Sprach- und Wissensverarbeitung mit Schwerpunkt Textanalyse gibt.

Wesentliche Inhalte:

Grundlagen des Informationsmanagements

Eigenschaften von Informationssystemen
Informationsspeicherung und -abfrage
Deklarativer Zugriff und Zugriff über explizite Navigation

Datenbanksysteme und -architekturen

Datenredundanz und Datenintegration
Datenunabhängigkeit
Datenbankarchitekturmodelle

Konzeptionelle Datenmodellierung

Grundlagen der Wissensrepräsentation
Entitäten-Beziehungsmodell
UML-Strukturdiagramme

Logische Datenmodellierung

Relationales Modell
Relationenalgebra
Relationenkalküle

Relationale Entwurfsstrategien

Datenbankanomalien
Normalisierung

Anfragesprachen

SQL
Query-by-example
SQL und Programmiersprachen

Transaktionen und Mehrbenutzerbetrieb

Serialisierbarkeit
Sperrmechanismen, 2PL
ACID-Kriterien, Isolationsgrade

Indexstrukturen und Performanz
Neuere Datenbankkonzepte

Hauptspeicherdatenbanken
NoSQL

Grundlagen der Sprach- und Wissensverarbeitung
Wissensrohstoff Text

Textspeicherung
XML
Mustersuche

Linguistische Vorverarbeitung
Textkorpora
Lexikalische Ressourcen und Wissensnetze
Informationssuche

Vektorraummodell

Informationsextraktion

Eigennamenerkennung

Grundkonzepte des maschinellen Lernens

Literatur
Wird jeweils aktuell bekanntgegeben. Beispiele sind:

Gunter Saake, Kai-Uwe Sattler, Andreas Heuer: Datenbanken: Konzepte und Sprachen. 4. Auflage, Heidelberg: mitp, 2010. ISBN: 978-38266-9057-0.
Ramez Elmasri, Shamkant B. Navathe: Fundamentals of Database Systems. 6th edition. Boston et al.: Addison-Wesley, 2011. ISBN: 978-0-136-08620-8.
Hector Garcia-Molina, Jeffrey D. Ullman, Jennifer Widom: Database Systems: The Complete Book. 2nd edition. Upper Saddle River, NJ: Pearson Prentice Hall, 2009. ISBN: 978-0-131-87325-4.
Gottfried Vossen: Datenmodelle, Datenbanksprachen und Datenbankmanagementsysteme. 5. Auflage. München: Oldenbourg, 2008. ISBN 978-3-486-27574-2.
Daniel Jurafsky, James H. Martin: Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Second Edition. Upper Saddle River: Prentice Hall, 2009. ISBN: 978-0-13-187321-6.
Gerhard Heyer, Uwe Quasthoff, Thomas Wittig: Text Mining: Wissensrohstoff Text. Konzepte, Algorithmen, Ergebnisse. Herdecke/Bochum: W3L, 2006. ISBN: 3-937137-30-0.
Steven Bird, Ewan Klein, Edward Loper: Natural Language Processing with Python, O’Reilly, 2009. ISBN: 978-0-596-51649-9.
Kai-Uwe Carstensen, Christian Ebert, Cornelia Endriss, Susanne Jekat, Ralf Klabunde: Computerlinguistik und Sprachtechnologie. Eine Einführung. 3. Auflage. Heidelberg: Spektrum, 2009. ISBN: 978-3-8274-20123-7.

Voraussetzungen
Empfohlen:
Erfolgreicher Besuch der Vorlesungen „Funktionale und Objektorientierte Programmierkonzepte“ und „Algorithmen und Datenstrukturen“ bzw. entsprechende Kenntnisse aus anderen Studiengängen

Weitere Informationen
Wenn Sie die Veranstaltung erfolgreich besucht haben, können Sie:

wichtige Konzepte und Fachbegriffe des Informationsmanagements und der Sprach- und Wissensverarbeitung benennen und erläutern,
einfache Informationssysteme sowie deren Algorithmen und Sprachen erklären, selbständig aufbauen und warten,
Datenmodelle interpretieren und konstruieren,
relationale Datenbanken konzipieren und verwenden,
Daten aus Informationssystemen zusammenstellen und abfragen,
sprachbezogene Datenquellen und Anwendungen benennen und voneinander abgrenzen,
grundlegende Informationen aus Texten automatisiert extrahieren und abfragen.

Modul und Kurs
Modul: 20-00-0480 ATHENE Lectures
Kurs: 20-00-0480-vl ATHENE Lectures

Lerninhalte
CASED is bringing outstanding scientists from a variety of disciplinesto Darmstadt for the Distinguished Lectures Series, in order to discussthe multi-faceted prospects and challenges of IT Security. In thelectures, the speakers will present the results of trend-settingresearch, give overviews of complex topics or show the current state ofknowledge in their field of research.

Empfohlene Voraussetzungen
tbd

---

Modul: ATHENE Lectures


TUCaN-Nummer
20-00-0480

Titel
ATHENE Lectures

Kürzel
ATHENE

Sprache
Deutsch

Diploma Supplement
CASED Distinguished Lecture Series

---

Kurs: 20-00-0480-vl ATHENE Lectures


Lehrende
Prof. Dr. rer. nat. Michael Waidner

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
ATHENE

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
ATHENE is bringing outstanding scientists from a variety of disciplines to Darmstadt for the Lectures, in order to discuss the multi-faceted prospects and challenges of IT Security. In the lectures, the speakers will present the results of trend-setting research, give overviews of complex topics or show the current state of knowledge in their field of research.

Weitere Informationen
siehe https://www.athene-center.de/aktuelles/athene-distinguished-lecture-series

Modul und Kurs
Modul: 20-00-0901 Formale Methoden im Softwareentwurf
Kurs: 20-00-0901-iv Formale Methoden im Softwareentwurf

Termine zwischen 2025-04-28 und 2025-07-21
* 14x Di 11:40 - 13:20 (Übung )
* 14x Di 15:20 - 17:00 (Übung )
* 14x Mi 13:30 - 15:10 (Übung )
* 14x Fr 11:40 - 13:20 (Übung )
* 12x Mo 08:55 - 11:25 (S101/A01)

Lerninhalte
- Modellierung nebenläufiger Software mit der Sprache ProMeLa
- Formalisierung von Sicherheits- und Lebendigkeitseigenschaften mit temporaler Aussagenlogik
- Theoretische Grundlagen von Modellprüfungsverfahren
- Verifikation von ProMeLa Programmen mittels des Modellprüfers SPIN
- Syntax, Semantik und Sequenzenkalkül für typisierte Logik erster Stufe
- Grundlagen der kontraktbasierten Softwarespezifikationssprache JML
- Dynamische Logik als eine Programmlogik erster Stufe
- Formale Programmverifikation durch symbolische Ausführung und Invariantenschließen
- Werkzeugunterstützte Verifikation von Java-Programen mit der KeY System

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Besuch der Veranstaltung haben die Studierenden praktisch anwendbare Grundkenntnisse in den beiden wichtigsten Verfahren zur formalen Spezifikation und Verifikation von Software:
1. Modellprüfung gegen in temporaler Aussagenlogik spezifierte Eigenschaften
2. Deduktive Verifikation von Methodenkontrakten

Empfohlene Voraussetzungen
Empfohlen: Programmierkenntnisse in Java und Vertrautheit mit Aussagenlogik wird erwartet. Empfohlen ist der Besuch der Vorlesung “Aussagen- und Prädikatenlogik”. Ansonsten genügt grundlegende mathematische Reife.

Literatur
Für den ersten Teil des Kurses:
- Ben-Ari: Principles of the SPIN Model Checker, Springer
- Holzmann: The SPIN Model Checker, Addison-Wesley

Für den zweiten Teil des Kurses:
- Beckert et al.: Verification of Object-Oriented Software, Springer

Die Literaturempfehlungen werden kontinuierlich aktualisiert

---

Modul: Formale Methoden im Softwareentwurf


TUCaN-Nummer
20-00-0901

Titel
Formale Methoden im Softwareentwurf

Kürzel
FormMeth SWentwurf

Sprache
Deutsch

---

Kurs: 20-00-0901-iv Formale Methoden im Softwareentwurf


Lehrende
Dr. rer. nat. Richard Bubel

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
FormMeth SWentwurf

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Der Kurs wird in Präsenz gehalten. Die Kurswebseite ist:

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1721



Lehrinhalte
- Modellierung nebenläufiger Software mit der Sprache ProMeLa
- Formalisierung von Sicherheits- und Lebendigkeitseigenschaften mit temporaler Aussagenlogik
- Theoretische Grundlagen von Modellprüfungsverfahren
- Verifikation von ProMeLa Programmen mittels des Modellprüfers SPIN
- Syntax, Semantik und Sequenzenkalkül für typisierte Logik erster Stufe
- Grundlagen der kontraktbasierten Softwarespezifikationssprache JML
- Dynamische Logik als eine Programmlogik erster Stufe
- Formale Programmverifikation durch symbolische Ausführung und Invariantenschließen
- Werkzeugunterstützte Verifikation von Java-Programen mit der KeY System

Literatur
Für den ersten Teil des Kurses:
- Ben-Ari: Principles of the SPIN Model Checker, Springer
- Holzmann: The SPIN Model Checker, Addison-Wesley

Für den zweiten Teil des Kurses:
- Ahrendt et al.: Deductive Software Verification - The KeY Book, Springer


Die Literaturempfehlungen werden kontinuierlich aktualisiert.

Voraussetzungen
Empfohlen:

Programmierkenntnisse in Java und Vertrautheit mit Aussagenlogik und Prädikatenlogik wird erwartet
Empfohlen ist der Besuch der Vorlesung “Aussagen- und Prädikatenlogik”
Ansonsten genügt grundlegende mathematische Reife

Online-Angebote
Die Kurswebseite (Ankündigungen, Bereitstellung von Lehrmaterialien etc.) ist

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1721

Modul und Kurs
Modul: 20-00-0902 Rechnerorganisation
Kurs: 20-00-0902-iv Rechnerorganisation

Termine zwischen 2025-04-23 und 2025-07-23
* 14x Di 11:40 - 13:20 (Übung )
* 14x Di 13:30 - 15:10 (Übung )
* 14x Mi 11:40 - 13:20 (Übung )
* 13x Mi 15:20 - 17:00 (S311/08,S311/0012,S311/006)
* 14x Do 09:50 - 11:30 (Übung )
* 14x Do 11:40 - 13:20 (Übung )
* 14x Do 13:30 - 15:10 (Übung )
* 14x Fr 13:30 - 15:10 (Übung )
* 13x Mo 11:40 - 13:20 (Übung )
* 13x Mo 13:30 - 15:10 (Übung )
* 12x Mo 15:20 - 17:00 (S101/A1)

Lerninhalte
- Architektur von Mikroprozessoren: Programmierung in Assembler- und Maschinensprache, Adressierungsarten, Werkzeugflüsse, Laufzeitumgebung
- Mikroarchitektur: Befehlssatz und architektureller Zustand, Leistungsbewertung, Mikroarchitekturen mit Eintakt-/Mehrtakt-/Pipeline-Ausführung, Ausnahmebehandlung, fortgeschrittene Mikroarchitekturen
- Speicher und Ein-/Ausgabesysteme: Leistungsbewertung, Caches, virtueller Speicher, Ein-/Ausgabetechniken, Standardschnittstellen

Qualitätsziele / Lernergebnisse
Studierende verstehen nach erfolgreichem Besuch der Veranstaltung die Grundkonzepte der maschinennahen Programmierung in Assembler und können zielgerichtet auf dieser Ebene Algorithmen implementieren. Sie sind vertraut mit verschiedenen Techniken, um selbständig Prozessorarchitekturen als Mikroarchitekturen in digitaler Logik zu realisieren. Sie verstehen den Aufbau und die Funktion von Speicher- und Ein-/Ausgabesystemen und kennen die Grundlagen verschiedener Standardschnitsttellen. Sie können die Qualität der Realisierungen in verschiedenen Gütemaßen bewerten.

Literatur
Literaturempfehlungen werden kontinuierlich aktualisiert, ein Beispiel für verwendete Literatur könnte sein:
Harris/Harris: Digital Design and Computer Architecture

---

Modul: Rechnerorganisation


TUCaN-Nummer
20-00-0902

Titel
Rechnerorganisation

Kürzel
RO

Sprache
Deutsch

---

Kurs: 20-00-0902-iv Rechnerorganisation


Lehrende
Prof. Dr.-Ing. Andreas Koch

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
RO

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Die Vorlesungen werden live gestreamed und aufgezeichnet. Die Aufzeichnungen werden dann zum Download bereitgestellt.

Lehrinhalte
- Architektur von Mikroprozessoren: Programmierung in Assembler- und Maschinensprache, Adressierungsarten, Werkzeugflüsse, Laufzeitumgebung
- Mikroarchitektur: Befehlssatz und architektureller Zustand, Leistungsbewertung, Mikroarchitekturen mit Eintakt-/Mehrtakt-/Pipeline-Ausführung, Ausnahmebehandlung, fortgeschrittene Mikroarchitekturen
- Speicher und Ein-/Ausgabesysteme: Leistungsbewertung, Caches, virtueller Speicher, Ein-/Ausgabetechniken, Standardschnittstellen

Literatur
Literaturempfehlungen werden kontinuierlich aktualisiert, ein Beispiel für verwendete Literatur könnte sein:
- S. Harris & D. Harris, "Digital Design and Computer Architecture, RISC-V Edition", Morgan Kaufmann, 2022

Voraussetzungen
Empfohlen: Besuch der Vorlesung “Digitaltechnik” bzw. entsprechende Kenntnisse aus anderen Studiengängen

Zusätzliche Informationen
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1731
https://www.esa.informatik.tu-darmstadt.de/lehre/2025/ro

Online-Angebote
Moodle

Modul und Kurs
Modul: 20-00-1174 FLSec: Securing Federated Learning against Poisoning Attacks
Kurs: 20-00-1174-iv FLSec: Securing Federated Learning against Poisoning Attacks

Termine zwischen 2025-04-23 und 2025-07-23
* 11x Mi 15:20 - 17:00 (S220/9 - Nutzung nur mit S220/10,S220/10 - Nutzung nur mit S220/9)
* 2x Mi 15:20 - 17:00 (S103/125)

---

Modul: FLSec: Securing Federated Learning against Poisoning Attacks

---

Kurs: 20-00-1174-iv FLSec: Securing Federated Learning against Poisoning Attacks


Lehrende
Prof. Dr.-Ing. Ahmad-Reza Sadeghi

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
FLSec

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1747

Lehrinhalte
Verteiltes Lernen und insbesondere Federated Learning (FL) ist ein Ansatz des maschinellen Lernens, bei dem mehrere Teilnehmer gemeinsam ein Modell eines Neuronalen Netzes (NN) auf ihren privaten Daten trainieren, ohne die Daten teilen zu müssen. Mit der zunehmenden Anwendung von FL-Systemen in großem Maßstab in der realen Welt, z. B. für die Erkennung von IoT-Malware oder das Risikomanagement auf Mobilen Geräten, ergeben sich eine Reihe von Herausforderungen in Bezug auf Sicherheit, Datenschutz und Funktionalität bei der Entwicklung und Implementierung der zugrunde liegenden Algorithmen und Systeme.
Dieser interaktive Kurs gibt eine Einführung in die Sicherheitsperspektive des maschinellen Lernens und fokussiert sich im weiteren auf Angriffe auf die Sicherheit und den Datenschutz in FL-Systemen und deren Abwehr. Der Kurs behandelt insbesondere Angriffe wie Model/Data Poisoning und Backdoor-Attacken, die es dem Angreifer ermöglichen, das Ergebnis des lernenden Systems zu kontrollieren. Der Kurs umfasst die Einführung in die verschiedenen Komponenten von FL-Systemen sowohl auf den Clients als auch auf dem Server (Aggregationsalgorithmen) und bietet praktische Aufgaben mit unterschiedlichem Schwierigkeitsgrad, einschließlich der modernsten Backdoor-Angriffe und Verteidigungsmaßnahmen.

Voraussetzungen
Empfohlen:

Erfahrung mit Python
Kentnisse über Machine Learning und Deep Learning

Modul und Kurs
Modul: 20-00-1176 Technologietransfer und Unternehmertum mit Schwerpunkt auf Künstliche Intelligenz
Kurs: 20-00-1176-vl Technologietransfer und Unternehmertum mit Schwerpunkt auf Künstliche Intelligenz

Termine zwischen 2025-04-28 und 2025-07-21
* 12x Mo 11:40 - 13:20 (S207/167 ggf. Baulärm 11/2024 - keine Prüfungen)

---

Modul: Technologietransfer und Unternehmertum mit Schwerpunkt auf Künstliche Intelligenz

---

Kurs: 20-00-1176-vl Technologietransfer und Unternehmertum mit Schwerpunkt auf Künstliche Intelligenz


Lehrende
Prof. Dr. rer. nat. Dominik Michels

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
TuU KI

Semesterwochenstunden
2

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Vorlesung richtet sich an alle Promovierende und Studierende der TU Darmstadt ab dem 2. Fachsemester, insbesondere an solche, die derzeit oder in Zukunft die Gründung eines Start-ups oder Spin-offs in Erwägung ziehen. Ein Teil der Vorlesung findet remote statt. Es ist geplant in diesem Rahmen auch Unternehmer aus der Praxis mit einzubeziehen.
Inhaltlich beschäftigt sich dieses Modul mit Methoden zur zielführenden Ideenfindung und deren kritischer Reflexion, Vorgehensweisen zur Abschätzung von Markt und Marktpotential und der Analyse von Wettbewerbern. Es werden außerdem verschiedenen Geschäftsmodelle und Wachstumsstrategien diskutiert und deren Implikationen auf Monetarisierung und Skalierbarkeit vermittelt. Ferner werden Grundlagen zu Vertrieb und Marketing gelehrt sowie zur Beschaffung von Personal, Incentivierung und Mitarbeiterbeteiligung, Akquise von Risikokapital, Unternehmenskultur, Betrieb und Management, Erstellung von Businessplänen sowie rechtliche Grundlagen und Haftungsfragen.

Voraussetzungen
Es sind keine Vorkenntnisse erforderlich.

Modul und Kurs
Modul: 20-00-1180 3D Scanning & Motion Capture
Kurs: 20-00-1180-iv 3D Scanning & Motion Capture

Termine zwischen 2025-04-22 und 2025-07-23
* 14x Di 09:50 - 11:30 (S202/C120)
* 14x Mi 08:00 - 09:40 (S105/22)

---

Modul: 3D Scanning & Motion Capture

---

Kurs: 20-00-1180-iv 3D Scanning & Motion Capture


Lehrende
Prof. Dr.-Ing. Justus Thies

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
3D SMC

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
The lecture and exercises will cover 3D reconstruction from various input modalities (Webcams, RGB-D cameras (Kinect, Realsense, …). It will start with basic concepts of what is 3D, the different representations, how to capture 3D and how the devices and sensors function. Based on this introduction, rigid and non-rigid tracking and reconstruction will be discussed. Specialized face and body tracking methods will be covered and the applications of the 3D reconstruction and tracking will be shown. In addition to the 3D surface reconstruction, techniques for appearance modelling and material estimation will be shown.

Basic concepts of geometry (Meshes, Point Clouds, Pixels & Voxels)
RGB and Depth Cameras (Calibration, active/passive stereo, Time of Flight (ToF), Structured Light, Laser Scanner, Lidar)
Surface Representations (Polygonal meshes, parametric surfaces, implicit surfaces (Radial basis functions, signed distance functions, indicator function), Marching cubes)
Overview of reconstruction methods (Structure from Motion (SfM), Multi-view Stereo (MVS), SLAM, Bundle Adjustment)
Rigid Surface Tracking & Reconstruction (Pose alignment, ICP, online surface reconstruction pipeline (KinectFusion), scalable surface representations (VoxelHashing, OctTrees), loop closures and global optimization)
Non-rigid Surface Tracking & Reconstruction (Surface deformation for modeling, Regularizers: ARAP, ED, etc., Non-rigid surface fitting: e.g., non-rigid ICP. Non-rigid reconstruction: DynamicFusion/VolumeDeform/KillingFusion)
Face Tracking & Reconstruction (Keypoint detection & tracking, Parametric / Statistical Models -> BlendShapes)
Body Tracking & Reconstruction (Skeleton Tracking and Inverse Kinematics, Marker-based motion capture)
Material capture (Lightstage, BRDF estimation)
Outlook DeepLearning-based tracking

Voraussetzungen
Empfohlen:
• „Algorithmen und Datenstrukturen"
• „Graphische Datenverarbeitung I"
• Kenntnisse über Grundlagen aus der Höheren Mathematik
• Kenntnisse über Grundlagen Deep Learning
• Programmierkenntnisse in C / C++

Modul und Kurs
Modul: 20-00-1190 Cryptography on Hardware
Kurs: 20-00-1190-iv Cryptography on Hardware

Termine zwischen 2025-04-23 und 2025-07-23
* 14x Mi 11:40 - 13:20 (S4|14/2.3.10 (Konferenzraum Ost); Mornewegstr.)
* 14x Mi 13:30 - 15:10 (Übungsstunde)

---

Modul: Cryptography on Hardware

---

Kurs: 20-00-1190-iv Cryptography on Hardware


Lehrende
Prof. Dr. Amir Moradi

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
CoH

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Due to their complexity, cryptographic systems place high demands on small processors and embedded systems in particular. In combination with the demand for high data throughput at the lowest possible hardware costs, this results in fundamental problems for the developer, which will be examined in this lecture.
The lecture deals with the most interesting aspects of how to implement current cryptographic methods on practical hardware platforms. Cryptographic systems such as the block cipher AES, the hash functions as well as asymmetric systems RSA and ECC are covered.
The efficient implementation of these cryptographic systems, in particular with regard to optimization for high speed, is discussed on modern platforms and implemented in exercises using the hardware description language VHDL.

Voraussetzungen
Recommended:

basic knowledge of digital circuit design,
basic knowledge of data security and cryptography,
basic knowledge of a hardware design language VHDL/Verilog, basic knowledge of computer architecture.

Modul und Kurs
Modul: 20-00-1191 Explainable Artificial Intelligence for Computer Vision
Kurs: 20-00-1191-vl Explainable Artificial Intelligence for Computer Vision

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 14:25 - 16:05 (S217/103)

---

Modul: Explainable Artificial Intelligence for Computer Vision

---

Kurs: 20-00-1191-vl Explainable Artificial Intelligence for Computer Vision


Lehrende
Dr. Simone Schaub-Meyer

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
XAI4CV

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- Ziele und Herausforderungen von Erklärbarkeit in Computer Vision
- Interpretierbarkeit von klassischen Modellen des maschinellen Lernens
- Globale vs. lokale Erklärungen
- Nachträglich Erklärungen
- Intrinsisch erklärbare neuronale Netzwerke
- Evaluierung von Erklärungen
- Visualisierungstechniken von Erklärungen
- Anwendungsfelder
- XAI außerhalb von Klassifizierung

Voraussetzungen
Grundlegende Kenntnisse in den Bereichen Computer Vision, maschinelles Lernen und Deep Learning. Zum Beispiel erworben durch die Kurse Computer Vision I, Einführung in die Künstliche Intelligenz, Deep Learning: Architectures & Methods und/oder Statistisches Maschinelles Lernen.

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1193 Multimodal Artificial Intelligence
Kurs: 20-00-1193-iv Multimodal Artificial Intelligence

Termine zwischen 2025-04-28 und 2025-07-21
* 14x Mi 09:50 - 11:30 (Übungsstunde)
* 12x Mo 13:30 - 15:10 (S101/A5 - Software AG Hörsaal)

---

Modul: Multimodal Artificial Intelligence

---

Kurs: 20-00-1193-iv Multimodal Artificial Intelligence


Lehrende
Prof. Dr.-Ing. Anna Rohrbach; Prof. Dr.-Ing. Marcus Rohrbach

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
MAI

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Der Kurs bietet eine Einführung in die multimodale künstliche Intelligenz, ein Forschungsgebiet an der Schnittstelle von Computer Vision, Verarbeitung natürlicher Sprache und Deep Learning. Wir werden Ansätze zur Modellierung mehrerer Eingabe- und Ausgabemodalitäten behandeln (mit Schwerpunkt auf Text, Bildern und Videos): von den frühen bis hin zur hochmodernen KI-Technologie. Zu den Themen können gehören:

Multimodale Architekturen: z.B. gemeinsame Einbettungsmodelle, multimodale Transformatoren, neuronale modulare Ansätze
Anwendungen wie Bild- und Videobeschreibung, Beantwortung von Fragen über Bilder oder Videos, Text-zu-Bild-Synthese, Visuelle- und Sprachliche Navigation, multimodaler Dialog
Multimodale generative Modelle
Grundlegende multimodale Large Language Models (LLMs)
Offene Themen wie Bias, Kompositionalität, Erklärbarkeit und Skalierungsgesetze
Neue Themen in der multimodalen KI

Voraussetzungen
Empfohlen wird mindestens ein Kurs mit Einführungen in KI oder Deep Learning oder ein verwandter Kurs in Computer Vision oder Natural Language Processing oder einer der mehreren angebotenen Praktika.

Modul und Kurs
Modul: 20-00-1215 Fortgeschrittene parallele Programmierung
Kurs: 20-00-1215-iv Fortgeschrittene parallele Programmierung

Termine zwischen 2025-04-22 und 2025-07-24
* 14x Di 13:30 - 15:10 (S202/C110)
* 11x Do 09:50 - 11:30 (S202/C110)

---

Modul: Fortgeschrittene parallele Programmierung

---

Kurs: 20-00-1215-iv Fortgeschrittene parallele Programmierung


Lehrende
Prof. Dr. rer. nat. Felix Wolf

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
FPP

Semesterwochenstunden
6

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Threads in C++

Verwaltung von Threads
Zugriff auf gemeinsame Daten
Synchronisierung nebenläufiger Operationen
Speichermodell
Entwurf nebenläufiger Datenstrukturen


Message-Passing mit MPI

Punkt-zu-Punkt-Kommunikation
Kollektive Kommunikation
Hybride Programmierung

Voraussetzungen
Empfohlen:

Kenntnisse in C/C++
Kurs Parallele Programmierung (B.Sc. Informatik) empfohlen

Modul und Kurs
Modul: 20-00-1216 Vorbereitung und Reaktion auf Cybervorfälle
Kurs: 20-00-1216-iv Vorbereitung und Reaktion auf Cybervorfälle

Termine zwischen 2025-05-08 und 2025-07-11
* 2x Do 09:50 - 16:30 (S2|20 9+10)
* 2x Fr 09:50 - 16:30 (S2|20 9+10)

---

Modul: Vorbereitung und Reaktion auf Cybervorfälle

---

Kurs: 20-00-1216-iv Vorbereitung und Reaktion auf Cybervorfälle


Lehrende
Prof. Dr. Dr. Christian Reuter

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
CIPR

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Im Falle eines Cybervorfalls, wie etwa eines DDoS-Angriffs (Distributed Denial of Service), einer großflächigen Malware-Infektion, oder einer Datenpanne, müssen Organisationen schnell handeln, um den Betrieb aufrechtzuerhalten oder wiederherzustellen und das Vertrauen der Stakeholder zu erhalten. Dieser Kurs befasst sich mit den Konzepten der Entscheidungsfindung bei der Vorbereitung und Reaktion auf Cybervorfälle.

Ein Schwerpunkt dieses Kurses liegt auf dem Konzept der belastbaren Entscheidungsfindung im Bereich der Reaktion auf Cybervorfälle. Wir diskutieren drei miteinander verknüpfte Konzepte: ein resilienter Cyber-Entscheidungsprozess, eine resiliente Cyber-Entscheidung und eine cyberresiliente Leistung. Wie wir zeigen werden, ist die Beziehung zwischen diesen drei Konzepten alles andere als trivial. Auf der Grundlage der Prinzipien der naturalistischen Entscheidungsfindung (Natural Decision Making, NDM) zeigen wir, dass ein resilienter Cyber-Entscheidungsprozess bei Cyber-Vorfällen sowohl die Antizipation als auch die Überwindung inhärenter Schwächen in der Entscheidungsfindung erfordert, was zwar theoretisch machbar ist, sich in der Praxis unter großem Zeitdruck und Unsicherheit jedoch als Herausforderung erweist. Es mag daher als ein Glücksfall erscheinen, dass a priori getroffene resiliente Cyber-Entscheidungen die cyberresiliente Leistung verbessern können. Die praktischen Implikationen dieser Erkenntnisse legen nahe, dass die Verbesserung der a priori-Cyber-Resilienz, beispielsweise durch ein effektives Ressourcenmanagement, priorisiert werden sollte.

Der Kurs besteht aus Präsenz- und Online-Sitzungen.
Die Prüfungsleistung ist die schriftliche Empfehlung eines Cybervorfall-Plans.
Der Kurs beginnt mit einer zweitägigen Intensivsitzung, in der die Grundlagen der Sicherheits- und Schutzgovernance behandelt werden. Diese Sitzung bildet die Basis für die spezifischeren Kursinhalte zum Thema Vorbereitung und Reaktion auf Cybervorfälle.
Während des Semesters finden wöchentliche Online-Sitzungen statt, in denen spezifische Themen behandelt und die Entwicklung der Prüfungsleistung besprochen wird.

Dr. Jelle Groenendaal (u.a. ehemaliger leitender IT-Sicherheitsberater bei einer international tätigen niederländischen Bank) wird einen Gastvortrag halten. Seine Arbeit wird zudem Teil der zu lesenden Literatur sein. Dies bietet den Studierende die Möglichkeit, mit einem „reflektierenden Praktiker" des Fachgebiets zu interagieren.

Die Prüfungsleistung besteht aus der schriftlichen Empfehlung zu einem funktionalen Cybervorfall-Plan für eine reale Kommune oder ein mittelgroßes Unternehmen, mit dem die Studierenden während der Kursdauer zusammenarbeiten. Diese Empfehlung sollte selbstverständlich in der Kurs-Literatur verankert sein, muss jedoch vor allem für die Organisation klar verständlich und umsetzbar sein.
Der Kurs endet, wie er beginnt, d.h. mit einer zweitägigen Sitzung, in der die Prüfungsleistungen präsentiert (dies bildet die Grundlage für die Noten), diskutiert und falls nötig verbessert werden.

Modul und Kurs
Modul: 20-00-1218 Theory and Practice of Symmetric Cryptography
Kurs: 20-00-1218-vl Theory and Practice of Symmetric Cryptography

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 09:50 - 11:30 (S220/9 - Nutzung nur mit S220/10,S220/10 - Nutzung nur mit S220/9)

---

Modul: Theory and Practice of Symmetric Cryptography

---

Kurs: 20-00-1218-vl Theory and Practice of Symmetric Cryptography


Lehrende
Prof. Ph.D. Sebastian Faust; Dr. rer. nat. Maximilian Orlt

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
TPSC

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Diese Vorlesung vermittelt sowohl die praktischen als auch die theoretischen Aspekte der symmetrischen Kryptographie und ist in drei Teile gegliedert:

Beweisbare Sicherheit: Wir beginnen mit der Untersuchung der beweisbaren Sicherheit, einem grundlegenden Konzept der modernen Kryptographie. In diesem Abschnitt werden wir praktische Konstruktionen wie die Feistel-Chiffre studieren und verschiedene Blockchiffre-Betriebsmodi analysieren.
Kryptanalyse: Im zweiten Teil liegt der Schwerpunkt auf der Kryptanalyse weit verbreiteter kryptographischer Primitive, die in der Praxis als sicher gelten, obwohl formale Sicherheitsbeweise fehlen. Ein zentrales Beispiel ist die AES-Verschlüsselung. Wir werden die kryptanalytischen Ansätze untersuchen, die das Vertrauen in AES bestätigen.
Implementierungssicherheit: Der letzte Teil der Vorlesung widmet sich den kritischen Risiken, die bei der Implementierung kryptographischer Primitive ohne fachkundige Anleitung entstehen können. Beispielsweise wird demonstriert, wie ein einfacher Timing-Angriff die Sicherheit von AES vollständig kompromittieren kann, wenn keine wirksamen Gegenmaßnahmen ergriffen werden. Abschließend werden wir grundlegende Strategien zur Minderung solcher Schwachstellen und zur Stärkung der Robustheit kryptographischer Implementierungen erörtern.

Voraussetzungen
Empfohlen: Grundlagen der Wahrscheinlichkeitsrechnung

Modul und Kurs
Modul: 20-00-1219 Datenschutz- und Cybersicherheitsrecht - eine Einführung für Informatiker
Kurs: 20-00-1219-vl Datenschutz- und Cybersicherheitsrecht - eine Einführung für Informatiker

---

Modul: Datenschutz- und Cybersicherheitsrecht - eine Einführung für Informatiker

---

Kurs: 20-00-1219-vl Datenschutz- und Cybersicherheitsrecht - eine Einführung für Informatiker


Lehrende
Dr. Annika Selzer; Prof. Dr. rer. nat. Michael Waidner

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
IT-Recht 1

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Veranstaltung beginnt mit einer umfassenden Einführung in die Datenschutz-Grundverordnung (DSGVO). Sie lernen, für welche Akteure und Verarbeitungskontexte die DSGVO relevant ist und welche grundlegenden Prinzipien sie verfolgt. Wir beschäftigen uns mit den verschiedenen Rechtsgrundlagen für die Datenverarbeitung und den Rechten, die betroffenen Personen zustehen. Auch widmen wir uns den Anforderungen bei der Auftragsverarbeitung und dem Datentransfer in Drittstaaten. Der risikobasierte Ansatz der DSGVO wird ebenso thematisiert wie die erforderlichen technischen und organisatorischen Maßnahmen. Sie erfahren, wann eine Datenschutz-Folgenabschätzung durchzuführen ist und welche Bußgelder bei Verstößen drohen können.

Im zweiten Teil lernen Sie die wesentlichen Elemente der Verordnung über Cyberresilienz (CRA) kennen. Dabei konzentrieren wir uns darauf, welche Akteure vom CRA in welchen Kontexten betroffen sind, welche zentralen Pflichten sich daraus ergeben und welche Konsequenzen bei Nichteinhaltung drohen.

Diese Kenntnisse ermöglichen es Ihnen, beide Regelwerke in ihrer praktischen Bedeutung zu verstehen und in Ihrer späteren beruflichen Tätigkeit zu berücksichtigen.

Weitere Informationen
Die Vorlesungen finden an folgenden vier Terminen in jeweils 4-Stunden-Blöcken von 14:00 Uhr bis 18:00 Uhr im Raum „Berlin“ des Gebäudes des Fraunhofer-Instituts für Sichere Informationstechnologie SIT, Rheinstr. 75, 64295 Darmstadt statt:

-15. April 2025
-29. April 2025
-27. Mai 2025
-24. Juni 2025

Die Prüfung erfolgt in Form einer 90-minütigen schriftlichen Klausur am 29. Juli 2025 von 14:00 Uhr bis 15:30 Uhr, ebenfalls im Raum „Berlin“ des Gebäudes des Fraunhofer-Instituts für Sichere Informationstechnologie SIT, Rheinstr. 75, 64295 Darmstadt.
 
Die Vergabe von Leistungspunkten erfolgt auf Grundlage des Bestehens der Klausur.
 
Bitte beachten Sie, dass Sie sich in TUCaN zur Lehrveranstaltung und zur Prüfung anmelden müssen, wenn Sie an der Vorlesungsveranstaltung teilnehmen möchten.
 
Bei Fragen zur Veranstaltung wenden Sie sich bitte per Mail bei Frau Dr. Annika Selzer: annika.selzer@sit.fraunhofer.de

Modul und Kurs
Modul: 20-00-1224 Digitale Textforensik
Kurs: 20-00-1224-vl Digitale Textforensik

---

Modul: Digitale Textforensik

---

Kurs: 20-00-1224-vl Digitale Textforensik


Lehrende
Dr. Oren Halvani; Prof. Dr. rer. nat. Michael Waidner

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
DTF

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Im Rahmen der Vorlesung erhalten die Studierenden einen umfassenden Überblick über die Disziplin"Digitalen Textforensik" (DTF) sowie die verschiedenen Teilbereiche, die zu diesem Forschungsfeld gehören. Ein besonderer Schwerpunkt liegt auf der Autorschaftsverifikation (AV), die als Grundlage für zahlreiche DTF-Disziplinen dient.

Zu den behandelnden Themen gehören unter anderem:

Preprocessing von Texten und ihre Wichtigkeit im Kontext der DTF
Repräsentationsmöglichkeiten für Texte (linguistisches Feature-Engineering, Embedding-Methoden und Kompressionsmodelle)
Konzepte für den Vergleich von Texten auf stilistische Ähnlichkeit
AV-Methoden und deren Charakteristika
Angriffe auf DTF-Methoden (aka "Authorship Obfuscation")
Evaluationskonzepte und ihre Vor- und Nachteile in Kontext der DTF
Interpretation/Erklärbarkeit von Ergebnissen und Umgang mit Unsicherheit in Bezug auf Vorhersagen


Zusätzlich zur Diskussion der oben genannten Themen wird auch erklärt, wo und insbesondere für welche Zwecke DTF in der Praxis eingesetzt werden kann.

Voraussetzungen
Empfohlen:
Grundkenntnisse in Machine Learning, Natural Language Processing, Linguistik

Modul und Kurs
Modul: 20-00-1225 Robot Learning 1
Kurs: 20-00-1225-iv Robot Learning 1

Termine zwischen 2025-04-23 und 2025-06-04
* 7x Mi 13:30 - 18:30 (S202/C110)

---

Modul: Robot Learning 1

---

Kurs: 20-00-1225-iv Robot Learning 1


Lehrende
Prof. Ph. D. Jan Peters

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
RoL 1

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte

Grundlagen aus der Robotik und des Maschinellen Lernens für Lernende Roboter
Maschinellen Lernen von Modellen
Representation einer Policy. Hierarchische Abstraktion mit Bewegungsprimitiven
Imitationslernen
Aktuelle Themen im Imitations- und Modelllernen
Generative AI für die Robotik

Voraussetzungen
Empfohlen:
Gute Programmierkenntnisse in Python.
Vorherige Belegung der Vorlesung Grundlagen der Robotik ist hilfreich aber nicht zwingend erforderlich

Modul und Kurs
Modul: 20-00-1226 Robot Learning 2
Kurs: 20-00-1226-iv Robot Learning 2

Termine zwischen 2025-06-11 und 2025-07-23
* 7x Mi 13:30 - 18:30 (S202/C110)

---

Modul: Robot Learning 2

---

Kurs: 20-00-1226-iv Robot Learning 2


Lehrende
Prof. Ph. D. Jan Peters

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
RoL 2

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte

Optimale Steuerung mit gelernten Modellen
Reinforcement Learning und Policy Search-Verfahren
Inverses Reinforcement Learning
Sim2Real im Robot Learning

Voraussetzungen
Empfohlen:
Gute Programmierkenntnisse in Python.
Vorherige oder gleichzeitige Belegung der Vorlesung Robot Learning 1 (20-00-1225).
Vorherige Belegung der Vorlesung Grundlagen der Robotik ist hilfreich aber nicht zwingend erforderlich

Modul und Kurs
Modul: 20-00-0093 Sicherheit in Multimedia Systemen und Anwendungen
Kurs: 20-00-0093-vl Sicherheit in Multimedia Systemen und Anwendungen

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 14:25 - 16:05 (S101/A2)

Lerninhalte
Die Studenten erhalten einen Überblick über die Herausforderungen der Multimedia Sicherheit und den bekannten Lösungsansätzen hierzu. Dazu gehören die Konzepte der Medien-Integrität, -Vertraulichkeit und -Authentizität. Verfahren aus dem Bereichen digitale Wasserzeichen, robuste Hashverfahren, partielle Verschlüsslung, Multimedia Forensik und DRM sind dem Studenten bekannt. Er kann Herausforderungen der Multimedia Sicherheit aus einer Palette von Lösungsmechanismen bedarfsabhängig optimal adressieren.
- Partielle Verschlüsselungsverfahren für Video und Audio zur Sicherung der Vertraulichkeit und der Authentizität
- Digitale Wasserzeichen für Bild und Audio - Anwendungsgebiete, Methoden und Verfahren
- Digital Rights Management und Kopierschutzverfahren
- Visuelle Kryptographie Neben der Diskussion von Algorithmen, deren Möglichkeiten, Grenzen und Schwachstellen nehmen auch die kommerziellen und gesellschaftlichen Aspekte des Einsatzes von Schutzmaßnahmen ihren Platz in der Vorlesung ein.

Qualitätsziele / Lernergebnisse
Die Studenten erhalten einen Überblick über die Herausforderungen der Multimedia Sicherheit und den bekannten Lösungsansätzen hierzu. Dazu gehören die Konzepte der Medien-Integrität, -Vertraulichkeit und -Authentizität. Verfahren aus dem Bereichen digitale Wasserzeichen, robuste Hashverfahren, partielle Verschlüsslung, Multimedia Forensik und DRM sind dem Studenten bekannt. Er kann Herausforderungen der Multimedia Sicherheit aus einer Palette von Lösungsmechanismen bedarfsabhängig optimal adressieren.

Empfohlene Voraussetzungen
Grundkenntnisse in Multimedia-Formaten und IT-Sicherheit.

Literatur
- Steinmetz: Multimedia-Technologie. Grundlagen, Komponenten und Systeme, ISBN: 3540673326, Springer, Heidelberg, 2000
- Dittmann: Digitale Wasserzeichen, Springer Verlag, ISBN 3 - 540 - 66661 - 3, 2000
- Cox, Miller, Bloom: Digital Watermarking, Academic Press, San Diego, USA, ISBN 1-55860-714-5, 2002
- und spezifische Veröffentlichungen aus Tagungsbänden"

---

Modul: Sicherheit in Multimedia Systemen und Anwendungen


TUCaN-Nummer
20-00-0093

Titel
Sicherheit in Multimedia Systemen und Anwendungen

Kürzel
Sicherheit in Multim

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-0093-vl Sicherheit in Multimedia Systemen und Anwendungen


Lehrende
Honorarprof. Dr.-Ing. Martin Steinebach

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Sicherheit in Multim

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Studierenden erhalten einen Überblick über die Herausforderungen der Multimedia Sicherheit und den bekannten Lösungsansätzen hierzu. Dazu gehören die Konzepte der Medien-Integrität, -Vertraulichkeit und -Authentizität. Verfahren aus dem Bereichen digitale Wasserzeichen, robuste Hashverfahren, partielle Verschlüsslung, Multimedia Forensik und DRM sind dem Studenten bekannt. Er kann Herausforderungen der Multimedia Sicherheit aus einer Palette von Lösungsmechanismen bedarfsabhängig optimal adressieren.

Partielle Verschlüsselungsverfahren für Video und Audio zur Sicherung der Vertraulichkeit und der Authentizität
Digitale Wasserzeichen für Bild und Audio - Anwendungsgebiete, Methoden und Verfahren
Digital Rights Management und Kopierschutzverfahren
Visuelle Kryptographie


Neben der Diskussion von Algorithmen, deren Möglichkeiten, Grenzen und Schwachstellen nehmen auch die kommerziellen und gesellschaftlichen Aspekte des Einsatzes von Schutzmaßnahmen ihren Platz in der Vorlesung ein.

Literatur

Steinmetz: Multimedia-Technologie. Grundlagen, Komponenten und Systeme, ISBN: 3540673326, Springer, Heidelberg, 2000
Dittmann: Digitale Wasserzeichen, Springer Verlag, ISBN 3 - 540 - 66661 - 3, 2000
Cox, Miller, Bloom: Digital Watermarking, Academic Press, San Diego, USA, ISBN 1-55860-714-5, 2002
und spezifische Veröffentlichungen aus Tagungsbänden"

Voraussetzungen
Grundkenntnisse in Multimedia-Formaten und IT-Sicherheit.

Modul und Kurs
Modul: 20-00-0219 IT Sicherheit
Kurs: 20-00-0219-iv IT Sicherheit

Termine zwischen 2025-04-28 und 2025-07-21
* 12x Mo 08:55 - 11:30 (S311/08)
* 13x Mi 09:50 - 11:30 (Übung )
* 13x Fr 09:50 - 11:30 (Übung )

Lerninhalte
Ausgewählte Konzepte der IT-Sicherheit (Kryptographie; Sicherheitsmodelle; Authentifikation; Zugriffskontrolle; Sicherheit in Netzen; Trusted Computing; Security Engineering; Privatsphäre und Datenschutz; Web- und Browser-Sicherheit; Informationssicherheitsmanagement, IT-Forensik, Cloud Computing)

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung sind die Studierenden in der Lage kritisch über gängige Mechanismen und Protokolle zur Erhöhung der IT-Sicherheit heutiger Systeme zu diskutieren. Studenten haben nach Abschluss der Veranstaltung in breites Wissen über IT-Sicherheit, Datenschutz und Privatsphäre im Internet.
Studierende sind vertraut mit modernen IT-Schutzkonzepten aus dem Bereich Kryptographie, Identitätmanagement, Web-, Browser- und Netzwerksicherheit. Sie sind in der Lage Angriffsvektoren in IT-Systemen zu erkennen und Gegenmaßnahmen zu entwickeln.

Empfohlene Voraussetzungen
Besuch der Vorlesung Trusted Systems

Literatur
• C. Eckert: IT-Sicherheit, 3. Auflage, Oldenbourg Verlag, 2004
• J. Buchmann, Einführung in die Kryptographie, 2.erw. Auflage, Springer Verlag, 2001
• E. D. Zwicky, S. Cooper, B. Chapman: Building Internet Firewalls, 2. Auflage, O'Reilly, 2000
• B. Schneier, Secrets & Lies: IT-Sicherheit in einer vernetzten Welt, dpunkt Verlag, 2000
• W. Rankl und W. Effing: Handbuch der Chipkarten, Carl Hanser Verlag, 1999
• S. Garfinkel und G. Spafford: Practical Unix & Internet Security, O'Reilly & Associates

---

Modul: IT Sicherheit


TUCaN-Nummer
20-00-0219

Titel
IT Sicherheit

Kürzel
IT Sicherheit

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-0219-iv IT Sicherheit


Lehrende
M.Sc. Donika Mirdita; Prof. Dr. Haya Schulmann; Prof. Dr. rer. nat. Michael Waidner

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
IT Sicherheit

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Diese Vorlesung bietet den Studierenden einen tiefen Einblick in einige der wichtigsten Themen der Internetsicherheit:

- Network Security
- Routing Security
- Web Security
- Security Engineering

Die Studierenden lernen, wie moderne Cyberangriffe ablaufen, welche Schwachstellen ausgenutzt werden und welche Techniken und Protokolle verwendet werden können, um sie zu beheben und Systeme zu verteidigen. In dieser Vorlesung werden Angriffs- und Verteidigungstechniken auf Grundlage neuester wissenschaftlicher Veröffentlichungen behandelt. Theoretische und praktische Übungen testen die Fähigkeit der Studierenden, verschiedene Cyberangriffe zu erkennen und sich davor zu schützen.

Nach erfolgreicher Teilnahme an der Veranstaltung sind die Studierenden in der Lage, kritisch über gängige Mechanismen und Protokolle zur Erhöhung der IT-Sicherheit heutiger Systeme zu diskutieren. Studierende haben nach Abschluss der Veranstaltung ein breites Wissen über IT-Sicherheit im Internet und sind mit modernen IT-Schutzkonzepten aus dem Bereich Network-, Routing-, Web-, und Software-Sicherheit vertraut. Sie sind in der Lage, Angriffsvektoren in IT-Systemen zu erkennen und Gegenmaßnahmen zu entwickeln.

Literatur
Quellen und Literatur werden per Sektionen während der Vorlesung angegeben.

Voraussetzungen
Gute Kenntnisse der grundlegenden Konzepte von Kryptographie, Sicherheit und Datenschutz, wie sie z.B. in der Vorlesung "Computersicherheit" vermittelt werden.

Erwartete Teilnehmerzahl
230

Modul und Kurs
Modul: 20-00-0362 Formale Methoden der Informationssicherheit
Kurs: 20-00-0362-iv Formale Methoden der Informationssicherheit

Termine zwischen 2025-04-22 und 2025-07-24
* 14x Di 09:50 - 11:30 (S204/213)
* 14x Mi 16:15 - 17:55 (S101/A01)
* 11x Do 09:50 - 11:30 (S214/24)

Lerninhalte
- formale Modellierung sicherheitskritischer Systeme in Prädikatenlogik
- Theoretische Grundlagen von Zugriffskontrollen und Informationsflusskontrollen
- formale Modellierung von Sicherheitseigenschaften in Prädikatenlogik
- Unterscheidung von qualitativen und quantitativen Sicherheitseigenschaften
- Entscheidbarkeits- und Komplexitätsresultate für Sicherheitseigenschaften
- Verifikation von Sicherheitsgarantien in verteilten Systemen
- Auswirkung von Komposition und Verfeinerung auf Sicherheitsgarantien
- formale Sprachen zur Beschreibung von Sicherheitspolitiken und deren Semantik
- Zertifizierung sicherheitskritischer Systeme

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung kennen Studierende relevante formale Sicherheitsmodelle und Analysetechniken. Sie verstehen fundamentale Unterschiede zwischen verschiedenen Klassen von Sicherheitseigenschaften und das Zusammenspiel zwischen schrittweiser Softwareentwicklung und Sicherheitseigenschaften.Sie können Systeme und Sicherheitsanforderungen formal modellieren und sicherheitsrelevante Aspekte basierend auf formalen Spezifikationen formal analysieren.

Empfohlene Voraussetzungen
Informatik- und Mathematikkenntnisse entsprechend den ersten 4 Semestern des Bachelorstudiengangs Informatik, insbesondere grundlegende Logikkenntnisse und Fähigkeit mit formalen Sprachen und Kalkülen umzugehen

Literatur
- M. Bishop: Computer Security, Addison-Wesley
- J. Biskup: Security in Computing Systems, Springer-Verlag
- C. P. Pfleeger, S. L. Pfleeger: Security in Computing, Prentice Hall
- D. Denning: Cryptography and Data Security, Addison Wesley

Die Literaturempfehlungen werden kontinuierlich aktualisiert.

---

Modul: Formale Methoden der Informationssicherheit


TUCaN-Nummer
20-00-0362

Titel
Formale Methoden der Informationssicherheit

Kürzel
F.Methoden InfoSiche

Lehrveranstaltungsart
Vorlesung

Gebiet
Foundations of Computing

Sprache
Englisch

---

Kurs: 20-00-0362-iv Formale Methoden der Informationssicherheit


Lehrende
Prof. Dr.-Ing. Heiko Mantel

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Formale Methoden der

Semesterwochenstunden
6

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- formale Modellierung sicherheitskritischer Systeme in Prädikatenlogik
- Theoretische Grundlagen von Zugriffskontrollen und Informationsflusskontrollen
- formale Modellierung von Sicherheitseigenschaften in Prädikatenlogik
- Unterscheidung von qualitativen und quantitativen Sicherheitseigenschaften
- Entscheidbarkeits- und Komplexitätsresultate für Sicherheitseigenschaften
- Verifikation von Sicherheitsgarantien in verteilten Systemen
- Auswirkung von Komposition und Verfeinerung auf Sicherheitsgarantien
- formale Sprachen zur Beschreibung von Sicherheitspolitiken und deren Semantik
- Zertifizierung sicherheitskritischer Systeme

Literatur
- M. Bishop: Computer Security, Addison-Wesley
- J. Biskup: Security in Computing Systems, Springer-Verlag
- C. P. Pfleeger, S. L. Pfleeger: Security in Computing, Prentice Hall
- D. Denning: Cryptography and Data Security, Addison Wesley

Die Literaturempfehlungen werden kontinuierlich aktualisiert.

Voraussetzungen
Informatik- und Mathematikkenntnisse entsprechend den ersten 4 Semestern des Bachelorstudiengangs Informatik, insbesondere grundlegende Logikkenntnisse und Fähigkeit mit formalen Sprachen und Kalkülen umzugehen

Modul und Kurs
Modul: 20-00-0512 Netzsicherheit
Kurs: 20-00-0512-iv Netzsicherheit

Termine zwischen 2025-04-23 und 2025-07-24
* 14x Mi 08:55 - 10:35 (S101/A4)
* 13x Mi 13:30 - 15:10 (S202/C205 - Bosch Hörsaal)
* 11x Do 09:50 - 11:30 (S202/C205 - Bosch Hörsaal)

Lerninhalte
Die integrierte Veranstaltung Netzsicherheit umfasst Sicherheits-Prinzipien und -Praxis in Telekommunikationsnetzen und dem Internet. Die grundlegenden Verfahren aus dem Bereich IT Sicherheit und Kryptographie werden auf den Bereich der Kommunikationsnetze übertragen. Hierbei verfolgen wir einen Top-down Ansatz. Beginnend mit der Anwendungsschicht erfolgt eine detaillierte Betrachtung von Prinzipien und Protokollen zur Absicherung von Netzen. Ergänzend zu etablierten Mechanismen werden ausgewählte aktuelle Entwicklungen im Bereich Netzsicherheit erläutert.

Lerninhalte:
- Netzsicherheit: Einführung, Motivation und Herausforderungen
- Grundlagen: Ein Referenzmodell für Netzsicherheit, Sicherheitsstandards für Netze und das Internet, Bedrohungen, Angriffe, Sicherheitsdienste und -mechanismen
- Kryptographische Grundlagen zur Absicherung von Netzen: Symmetrische Kryptographie und deren Anwendung in Netzen, asymmetrische Kryptographie und deren Anwendung in Netzen, unterstützende Mechanismen zur Implementierung von Sicherheitslösungen
- Sicherheit auf der Anwendungschicht
- Sicherheit auf der Transportschicht
- Sicherheit auf der Vermittlungsschicht
- Sicherheit auf der Sicherungsschicht
- Sicherheit auf der Bitübertragungsschit und physische Sicherheit
- Angewandte Netzsicherheit: Firewalls, Intrusion Detection Systeme
- Ausgewählte Themen der Netzsicherheit

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung haben die Studierenden ein umfassendes Wissen auf dem Gebiet der Netzsicherheit mit dem Schwerpunkt auf Internetsicherheit. Sie können die wichtigsten Grundlagen der IT Sicherheit sowie der Kryptographie auf den Bereich Kommunikationsnetze übertragen und anwenden. Die Studierenden können die wichtigsten Basistechnologien zur Absicherung von Netzen unterscheiden. Sie weisen ein tiefgehendes Verständnis von Sicherheitsmechanismen auf den unterschiedlichen Protokollschichten auf (Anwendungschicht, Transportschicht, Vermittlungsschicht, Sicherungsschicht, physikalische Schicht). Somit sind sie in der Lage, die Charakteristiken und Grundprinzipien des Problemraumes Netzsicherheit detailliert zu erläutern und weisen auf diesem Feld ein fundiertes Wissen in Praxis und Theorie auf. Darüber hinaus können sie aktuelle Entwicklungen im Bereich Netzsicherheit erläutern (z.B. Sicherheit in peer-to-peer Systemen, Sicherheit in mobilen Netzen, etc.). Die Übung vertieft das theoretische Wissen durch Literatur-, Rechen- und praktische Implementierungs-/Anwendungsübungen.

Empfohlene Voraussetzungen
Grundlagen der IT-Sicherheit, Kryptographie und Kommunikationsnetze

Literatur
Charlie Kaufman, Radia Perlman, Mike Speciner: Network Security – Private Communication in a Public World, 2nd Edition, Prentice Hall, 2002, ISBN: 978-0-14-046019-6; weiterhin ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen

---

Modul: Netzsicherheit


TUCaN-Nummer
20-00-0512

Titel
Netzsicherheit

Kürzel
Netzsicherheit

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Englisch

---

Kurs: 20-00-0512-iv Netzsicherheit


Lehrende
M.Sc. Lucas Becker; Prof. Dr.-Ing. Matthias Hollick; M.Sc. Leon Janzen

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Netzsicherheit

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Lernplattform: https://seemoo.de/netsec-moodle

Lehrinhalte
Die integrierte Veranstaltung Netzsicherheit umfasst Sicherheits-Prinzipien und -Praxis in Telekommunikationsnetzen und dem Internet. Die grundlegenden Verfahren aus dem Bereich IT Sicherheit und Kryptographie werden auf den Bereich der Kommunikationsnetze übertragen. Hierbei verfolgen wir einen Top-down Ansatz. Beginnend mit der Anwendungsschicht erfolgt eine detaillierte Betrachtung von Prinzipien und Protokollen zur Absicherung von Netzen. Ergänzend zu etablierten Mechanismen werden ausgewählte aktuelle Entwicklungen im Bereich Netzsicherheit erläutert.

Lerninhalte:
- Netzsicherheit: Einführung, Motivation und Herausforderungen
- Grundlagen: Ein Referenzmodell für Netzsicherheit, Sicherheitsstandards für Netze und das Internet, Bedrohungen, Angriffe, Sicherheitsdienste und -mechanismen
- Kryptographische Grundlagen zur Absicherung von Netzen: Symmetrische Kryptographie und deren Anwendung in Netzen, asymmetrische Kryptographie und deren Anwendung in Netzen, unterstützende Mechanismen zur Implementierung von Sicherheitslösungen
- Sicherheit auf der Anwendungschicht
- Sicherheit auf der Transportschicht
- Sicherheit auf der Vermittlungsschicht
- Sicherheit auf der Sicherungsschicht
- Sicherheit auf der Bitübertragungsschit und physische Sicherheit
- Angewandte Netzsicherheit: Firewalls, Intrusion Detection Systeme
- Ausgewählte Themen der Netzsicherheit

Literatur
Charlie Kaufman, Radia Perlman, Mike Speciner: Network Security – Private Communication in a Public World, 2nd Edition, Prentice Hall, 2002, ISBN: 978-0-14-046019-6; weitere ausgewählte Materialien werden auf der Lernplattform verfügbar gemacht.

Voraussetzungen
Grundlagen der IT-Sicherheit, Kryptographie und Kommunikationsnetze

Online-Angebote
Lernplattform: https://seemoo.de/netsec-moodle

Modul und Kurs
Modul: 20-00-0581 Embedded System Security
Kurs: 20-00-0581-iv Embedded System Security

Termine zwischen 2025-04-25 und 2025-07-25
* 14x Fr 11:40 - 13:20 (S103/23)
* 7x Fr 13:30 - 14:20 (S103/23)

Lerninhalte
Trusted Computing
- Authentifiziertes Booten
- Binding und Sealing
- Messen der Plattform-Integrität und Attestierung
- Direct Anonymous Attestation
- Trusted Platform Modules (TPM/MTM)
- On-board Credentials
Mobile Sicherheit mit Fokus auf Smartphones
- Sicherheitsarchitekturen
- Ausgewählte Zugriffsmodelle
- Kontext-basierte Sicherheitsrichtlinien
- Ausgewählte moderne Angriffstechniken
Hardware-basierte Kryptographie
- Sichere Berechnungen basierend auf Hardware
- Einführung in Physikalisch Unklonbare Funktionen (PUFs)

Qualitätsziele / Lernergebnisse
Durch die erfolgreiche Teilnahme an dieser Veranstaltung erwerben Studenten detailliertes Wissen über ausgewählte Aspekte der eingebetteten Systemsicherheit (Hardware- und Software-basiert).

Empfohlene Voraussetzungen
Grundlagen der Kryptographie

Literatur
- Chal­le­ner, David, Van­Doorn, Leen­dert, Saf­ford, David, Yoder, Kent, Ca­ther­man, Ryan ""A Prac­tical Guide to Trusted Com­pu­ting"", IBM Press, 2007
- Smith, Sean W. ""Trusted Com­pu­ting Plat­forms: De­sign and Ap­p­li­ca­ti­ons"", Sprin­ger Ver­lag, 2005

---

Modul: Embedded System Security


TUCaN-Nummer
20-00-0581

Titel
Embedded System Security

Kürzel
Embedded System Secu

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-0581-iv Embedded System Security


Lehrende
Prof. Dr.-Ing. Ahmad-Reza Sadeghi

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Embedded System Secu

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1746

Lehrinhalte
Trusted Computing
- Authentifiziertes Booten
- Binding und Sealing
- Messen der Plattform-Integrität und Attestierung
- Direct Anonymous Attestation
- On-board Credentials
Mobile Sicherheit mit Fokus auf Smartphones
- Sicherheitsarchitekturen
- Ausgewählte Zugriffsmodelle
- Kontext-basierte Sicherheitsrichtlinien
- Ausgewählte moderne Angriffstechniken
Hardware-basierte Kryptographie
- Sichere Berechnungen basierend auf Hardware
- Einführung in Physikalisch Unklonbare Funktionen (PUFs)

Literatur
- Chal­le­ner, David, Van­Doorn, Leen­dert, Saf­ford, David, Yoder, Kent, Ca­ther­man, Ryan ""A Prac­tical Guide to Trusted Com­pu­ting"", IBM Press, 2007
- Smith, Sean W. ""Trusted Com­pu­ting Plat­forms: De­sign and Ap­p­li­ca­ti­ons"", Sprin­ger Ver­lag, 2005

Voraussetzungen
Grundlagen der Kryptographie

Modul und Kurs
Modul: 20-00-0583 Sichere Mobile Systeme
Kurs: 20-00-0583-vl Sichere Mobile Systeme

Termine zwischen 2025-04-24 und 2025-07-24
* 11x Do 11:40 - 13:20 (S103/23)

Lerninhalte
Die integrierte Veranstaltung Sichere Mobile Systeme befasst sich mit Fragen zur Sicherheit in drahtlosen und Mobilen Netzen und Kommunikationssystemen. Grundlagen der Thematik werden durch aktuelle Forschungsthemen ergänzt.

Lerninhalte:
- Sicherheitsbetrachtung und Modellierung von Bedrohungen bei mobilen und drahtlosen Systemen
- Ausgewählte Angriffe und Sicherheitsmechanismen spezifisch für mobile und drahtlosen Systeme
- Sicherheit in drahtlosen Sensornetzen
- Sicherheit in drahtlosen Mesh-Netzen
- Bedrohungen und Schutz der Privatsphäre in mobilen und drahtlosen Systemen
- Sicherheit in zellularen Netzen (GSM, UMTS, LTE)
- Sicherheit auf der Bitübertragungsschicht
- Ausgewählte Forschungsthemen in mobilen und drahtlosen Systemen

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung besitzen die Studierenden ein spezialiertes Wissen auf dem Gebiet der Sicherheit in mobilen, verteilten, drahtlosen Netzen mit dem Schwerpunkt auf Internetsicherheit. Sie können die wichtigsten Grundlagen der IT Sicherheit, der Kryptographie sowie der Netzsicherheit in klassischen Netzen auf mobile Systeme übertragen und anwenden.
Die Studierenden weisen ein tiefgehendes Verständnis von Sicherheitsmechanismen auf den unterschiedlichen Protokollschichten auf (Anwendungschicht, Transportschicht, Vermittlungsschicht, Sicherungsschicht, physikalische Schicht). Somit sind sie in der Lage, die Charakteristiken und Grundprinzipien des Problemraumes zu erfassen und weisen auf dem Feld sicherer mobiler Systeme ein fundiertes Wissen in Praxis und Theorie auf.

Empfohlene Voraussetzungen
Grundlagen der Netzsicherheit und der Mobilen Netze

Literatur
Levente Buttyan, Jean-Pierre Hubaux: Security and Cooperation in Wireless Networks, Cambridge University Press, 2008, ISBN: 978-0-521-87371-0 (book is available online for download).
Ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen.

---

Modul: Sichere Mobile Systeme


TUCaN-Nummer
20-00-0583

Titel
Sichere Mobile Systeme

Kürzel
Sichere Mobile Syste

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0583-vl Sichere Mobile Systeme


Lehrende
Prof. Dr.-Ing. Matthias Hollick

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Sichere Mobile Syste

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Lernplattform: https://www.seemoo.tu-darmstadt.de/teaching/semosy/

Lehrinhalte
Die Vorlesung Sichere Mobile Systeme befasst sich mit Fragen zur Sicherheit in drahtlosen und Mobilen Netzen und Kommunikationssystemen. Grundlagen der Thematik werden durch aktuelle Forschungsthemen ergänzt.

Lerninhalte:
- Sicherheitsbetrachtung und Modellierung von Bedrohungen bei mobilen und drahtlosen Systemen
- Ausgewählte Angriffe und Sicherheitsmechanismen spezifisch für mobile und drahtlosen Systeme
- Sicherheit in drahtlosen Sensornetzen
- Sicherheit in drahtlosen Mesh-Netzen
- Bedrohungen und Schutz der Privatsphäre in mobilen und drahtlosen Systemen
- Sicherheit in zellularen Netzen (GSM, UMTS, LTE)
- Etablierung von Vertrauen
- Ausgewählte Forschungsthemen in mobilen und drahtlosen Systemen

Literatur
Levente Buttyan, Jean-Pierre Hubaux: Security and Cooperation in Wireless Networks, Cambridge University Press, 2008, ISBN: 978-0-521-87371-0 (Buch ist online verfügbar).

Ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen werden zur Verfügung gestellt.

Voraussetzungen
Grundlagen der Netzsicherheit und der Mobilen Netze

Online-Angebote
https://www.seemoo.tu-darmstadt.de/teaching/semosy/

Modul und Kurs
Modul: 20-00-0680 Forschungsorientierte Kryptographie
Kurs: 20-00-0680-iv Forschungsorientierte Kryptographie

Lerninhalte
Aktuelle Arbeiten aus dem Gebiet der Kryptographie und Komplexitätstheorie verstehen und neue Forschungsansätze herausarbeiten.

Qualitätsziele / Lernergebnisse
Durch eine erfolgreiche Teilnahme am Kurs werden die Teilnehmer in die Lage versetzt, wissenschaftliche Arbeiten weitgehend selbstständig zu lesen und wichtige Details einer Arbeitzu erkennen. Sie können dieArbeiten anderer präsentieren und neue Forschungsfragen ableiten..

Empfohlene Voraussetzungen
Einführung in die Kryptgraphie, Kryptoplexität

Literatur
- Arora, Barak: Computational Complexity: A Modern Approach, 2007 (auch online erhältlich).
- Balcazar, Diaz, Gabarro; Structural Complexity I und II, 1995 (nicht mehr als Hardcover verfügbar)
- Katz, Lindell: Introduction to Modern Cryptography, 2007
- Goldreich: Foundations of Cryptography, Volume I und II, 2001 und 2004 (als Online-Variante erhältlich)
- Goldreich: Computational Complexity: A Conceptual Approach, 2006 (als Online-Variante erhältlich)

---

Modul: Forschungsorientierte Kryptographie


TUCaN-Nummer
20-00-0680

Titel
Forschungsorientierte Kryptographie

Kürzel
Forschungs-Krypto

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0680-iv Forschungsorientierte Kryptographie


Lehrende
Prof. Dr. phil. nat. Marc Fischlin

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Forschungs-Krypto

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Aktuelle Arbeiten aus dem Gebiet der Kryptographie und Komplexitätstheorie verstehen und neue Forschungsansätze herausarbeiten.

Literatur
Allgemeine Literatur zur Kryptographie:

- Arora, Barak: Computational Complexity: A Modern Approach, 2007 (auch online erhältlich).
- Balcazar, Diaz, Gabarro; Structural Complexity I und II, 1995 (nicht mehr als Hardcover verfügbar)
- Katz, Lindell: Introduction to Modern Cryptography, 2007
- Goldreich: Foundations of Cryptography, Volume I und II, 2001 und 2004 (als Online-Variante erhältlich)
- Goldreich: Computational Complexity: A Conceptual Approach, 2006 (als Online-Variante erhältlich)

Voraussetzungen
Dringend empfohlen: "Einführung in die Kryptgraphie" und ein weiterführender Kurs wie "Kryptoplexität" oder "Kryptographie in der Praxis"

Modul und Kurs
Modul: 20-00-0969 Schutz in vernetzten Systemen -Vertrauen, Widerstandsfähigkeit und Privatheit
Kurs: 20-00-0969-iv Schutz in vernetzten Systemen -Vertrauen, Widerstandsfähigkeit und Privatheit

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 14:25 - 16:05 (S202/C205 - Bosch Hörsaal)

Lerninhalte
- Schutz in vernetzten Systemen: Hintergrund, Motivation und Herausforderungen
- Vertrauen (Computational Trust): Modelle und Mechanismen
- Vertrauen (Computational Trust): PKI-Anwendungen, Cloud Computing, Reputationssysteme und Web Services
- Vertrauen: Verwaltung von Enttäuschungen and Komfort von Geräte
- Privatheit: Definitionen, Modelle, Daten-Anonymität und Kommunikations-Anonymität
- Privatheit und Vertrauen: Privatheit-respektierende Vertrauensmodelle, Mechanismen und Anwendungen für Identitätsmanagement
- Sicherheit & Ökonomie
- Widerstandsfähigkeit: Modelle, Netzwerk-Angriffserkennungs-Systeme, kollaborative Angriffserkennung, Honeypots
- Resilient networks

Qualitätsziele / Lernergebnisse
Die integrierte Veranstaltung Schutz in vernetzten Systemen—Vertrauen, Widerstandsfähigkeit und Privatheit deckt die Themenbereiche berechenbares Vertrauen (computational trust), Widerstandsfähigkeit (resilience), anonyme Netzwerke, sowie kollaborative Schutzmechanismen ab. Mit der Teilnahme an diesem Kurs wird das Verständnis von Herausforderungen und Lösungen im Kontext von vernetzten Systemen vermittelt. Dieser Kurs betrachtet das Konzept von Ende-zu-Ende Systemen mit Schwerpunkt auf Nutzer, Geräte, Netzwerke, sowie Anwendungen und Dienste.

Empfohlene Voraussetzungen
- Trust and Reputation for Service-Oriented Environments: Technologies For Building Business Intelligence And Consumer Confidence, Elizabeth Chang, Tharam Dillon, and Farookh K. Hussain, 374 pages, 2006. ISBN: 978-0-470-01547-6
- On anonymity in an electronic society: A survey of anonymous communication systems, Matthew Edman and Bülent Yener, ACM Computing Surveys, Vol. 42, Issue 1, 2009.
- Taxonomy and Survey of Collaborative Intrusion Detection, Emmanouil Vasilomanolakis, Shankar Karuppayah, Max Mühlhäuser, Mathias Fischer, ACM Computing Surveys, Vol. 47 Issue 4, 2015.
- Selected book chapters and scientific publications

---

Modul: Schutz in vernetzten Systemen -Vertrauen, Widerstandsfähigkeit und Privatheit


TUCaN-Nummer
20-00-0969

Titel
Schutz in vernetzten Systemen - Vertrauen, Widerstandsfähigkeit und Privatheit

Kürzel
PNS

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Englisch

---

Kurs: 20-00-0969-iv Schutz in vernetzten Systemen -Vertrauen, Widerstandsfähigkeit und Privatheit


Lehrende
Priv.-Doz. Dr. habil. Andrea Tundis

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PNS

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Vorlesung Schutz in vernetzten Systemen behandelt Konzepte der IT-Sicherheit und Digitalizierung, die über die klassisch gelehrten Inhalte hinaus geht. Diese klassischen Inhalte, bspw. Kryptographie, werden als essenzielle Grundlagen dieser Veranstaltung gesehen. In den Fokus dieser Vorlesung steht der Schutz erweiterterte Ziele in den immer weiter vordringendenen verteilen Systemen.

- Schutz in vernetzten Systemen: Hintergrund, Motivation und Herausforderungen
- Privatheit: Definitionen, Modelle, Daten-Anonymität
- Digitalizierung: Modelle und Mechanismen (z.B. Distributed Ledger Technology/Blockchain, Digitale Zwillinge)
- Sicherheit & Ökonomie
- Widerstandsfähigkeit: Modelle, Netzwerk-Angriffserkennungs-Systeme, kollaborative Angriffserkennung, Honeypots
- Resilient Networks: Messung von Resilienz und Verlässlichkeit (Dependability), Verfahrung zu Steigerung der Resilienz in verteilten Systemen

Die Vorlesung wird mit einer mündlichen Prüfung abgeschlossen, die aus einer Posterpräsentation zu einer Aufgabe besteht, die mit den Themen der Lehrveranstaltung verbunden ist, sowie aus Fragen/Diskussionen zu den in der Lehrveranstaltung behandelten Themen.

Literatur
- Trust and Reputation for Service-Oriented Environments: Technologies For Building Business Intelligence And Consumer Confidence, Elizabeth Chang, Tharam Dillon, and Farookh K. Hussain, 374 pages, 2006. ISBN: 978-0-470-01547-6
- On anonymity in an electronic society: A survey of anonymous communication systems, Matthew Edman and Bülent Yener, ACM Computing Surveys, Vol. 42, Issue 1, 2009.
- Taxonomy and Survey of Collaborative Intrusion Detection, Emmanouil Vasilomanolakis, Shankar Karuppayah, Max Mühlhäuser, Mathias Fischer, ACM Computing Surveys, Vol. 47 Issue 4, 2015.
- Selected book chapters and scientific publications?


Voraussetzungen
Vorausgesetzt werden grundlegende Kenntnisse der Konzepte der IT-Sicherheit, Verteilter Systems und der Mathematik gemäß der Semester 1-4 des B.Sc. Informatik

Online-Angebote
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1748

Modul und Kurs
Modul: 20-00-1026 Informationstechnologie für Frieden und Sicherheit
Kurs: 20-00-1026-iv Informationstechnologie für Frieden und Sicherheit

Termine zwischen 2025-04-23 und 2025-07-23
* 12x Mi 11:30 - 14:15 (S103/223)
* 1x 2025-04-23 Mi 11:30 - 14:15 (S207/167 ggf. Baulärm 11/2024 - keine Prüfungen)

Lerninhalte
Technologische und wissenschaftliche Fortschritte, insbesondere die rapiden Entwicklungen im Bereich der Informationstechnologie (IT), spielen im Bezug auf Frieden und Sicherheit eine zentrale Rolle. Diese Lehrver-anstaltung adressiert die Bedeutung sowie die Potenziale und Herausforderungen von IT für Frieden und Si-cherheit. Zu diesem Zweck bietet der Kurs eine Einführung in Friedens-, Konflikt- und Sicherheitsforschung und konzentriert sich dabei auf die Perspektiven der Naturwissenschaften, Technik und Informatik. Dabei wer-den Konflikte, Krieg und Frieden im Cyberraum, Cyber-Rüstungskontrolle, -Attribution und -Infrastrukturen sowie Kultur und Interaktion näher beleuchtet, bevor abschließend ein Ausblick gegeben wird.

INHALTE:
- Einführung in die naturwissenschaftliche/technische Friedensforschung und IT-Perspektiven auf Friedens-, Konflikt- und Sicherheitsforschung
- Cyberkrieg, Spionage, Abwehr, Darknets, kritische Infrastrukturen, kulturelle Gewalt
- Cyberfrieden, Dual-Use, vertrauens- und sicherheitsbildende Maßnahmen, Rüstungskontrolle, unbemannte Systeme, Verifikation, Attribution

STRUKTUR:
- Teil I: Einleitung und Grundlagen (Einleitung und Überblick, IT in Friedens-, Konflikt- und Sicherheitsfor-schung (Naturwissenschaftliche/technische Friedensforschung))
- Teil II: Cyber-Konflikte und -Krieg (Informationskrieg, Cyberspionage und Cyberabwehr, Darknets als Instru-ment zur Cyber-Kriegsführung)
- Teil III: Cyber-Frieden (Von Cyber-Krieg zu Cyber-Frieden, Dual-Use und Dilemmata in der Cyber-Sicherheit, Vertrauens- und sicherheitsbildende Maßnahmen für Cyber-Streitkräfte)
- Teil IV: Cyber-Rüstungskontrolle (Rüstungskontrolle und ihre Anwendbarkeit im Cyberraum, Unbemannte Systeme: Die robotertechnische Revolution, Verifikation im Cyberraum)
- Teil V: Cyber-Attribution und -Infrastrukturen (Attribution von Cyberattacken, Resiliente kritische Infrastruktu-ren, Sicherheit kritischer Informationsinfrastrukturen)
- Teil VI: Soziale Interaktion (Safety und Security, Kulturelle Gewalt, Soziale Medien und IKT-Nutzung in Kri-sengebieten)
- Teil VII: Ausblick (Die Zukunft von IT in Frieden und Sicherheit)

Besonderheiten für das aktuelle Semester finden Sie unter www.peasec.de/lehre

Qualitätsziele / Lernergebnisse
- Kenntnisse von Grundlagen der informatischen Friedens-, Konflikt- und Sicherheitsforschung
- Bewertung von IT zur Förderung oder Verhinderung von Frieden und Sicherheit
- Kenntnisse in der Gestaltung und Entwicklung von IT für Frieden

Empfohlene Voraussetzungen
Grundlagen in mindestens einem der Bereiche: Informatik, IT-Sicherheit, Mensch-Computer-Interaktion oder Friedens- und Konfliktforschung

---

Modul: Informationstechnologie für Frieden und Sicherheit


TUCaN-Nummer
20-00-1026

Titel
Informationstechnologie für Frieden und Sicherheit

Kürzel
IV-ITFS

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-1026-iv Informationstechnologie für Frieden und Sicherheit


Lehrende
Dr. rer. nat. Marc-André Kaufhold; Prof. Dr. Dr. Christian Reuter

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
IV-ITFS

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Technologische und wissenschaftliche Fortschritte, insbesondere die rapiden Entwicklungen im Bereich der Informationstechnologie (IT), spielen im Bezug auf Frieden und Sicherheit eine zentrale Rolle. Diese Lehrveranstaltung adressiert die Bedeutung sowie die Potenziale und Herausforderungen von IT für Frieden und Sicherheit. Zu diesem Zweck bietet der Kurs eine Einführung in Friedens-, Konflikt- und Sicherheitsforschung und konzentriert sich dabei auf die Perspektiven der Naturwissenschaften, Technik und Informatik. Dabei werden Konflikte, Krieg und Frieden im Cyberraum, Cyber-Rüstungskontrolle, -Attribution und -Infrastrukturen sowie Kultur und Interaktion näher beleuchtet, bevor abschließend ein Ausblick gegeben wird.

INHALTE:
- Einführung in die naturwissenschaftliche/technische Friedensforschung und IT-Perspektiven auf Friedens-, Konflikt- und Sicherheitsforschung
- Cyberkrieg, Spionage, Abwehr, Darknets, kritische Infrastrukturen, kulturelle Gewalt
- Cyberfrieden, Dual-Use, vertrauens- und sicherheitsbildende Maßnahmen, Rüstungskontrolle, unbemannte Systeme, Verifikation, Attribution

STRUKTUR:
- Teil I: Einleitung und Grundlagen (Einleitung und Überblick, IT in Friedens-, Konflikt- und Sicherheitsforschung (Naturwissenschaftliche/technische Friedensforschung))
- Teil II: Cyber-Konflikte und -Krieg (Informationskrieg, Cyberspionage und Cyberabwehr, Darknets als Instrument zur Cyber-Kriegsführung)
- Teil III: Cyber-Frieden (Von Cyber-Krieg zu Cyber-Frieden, Dual-Use und Dilemmata in der Cyber-Sicherheit, Vertrauens- und sicherheitsbildende Maßnahmen für Cyber-Streitkräfte)
- Teil IV: Cyber-Rüstungskontrolle (Rüstungskontrolle und ihre Anwendbarkeit im Cyberraum, Unbemannte Systeme: Die robotertechnische Revolution, Verifikation im Cyberraum)
- Teil V: Cyber-Attribution und -Infrastrukturen (Attribution von Cyberattacken, Resiliente kritische Infrastrukturen, Sicherheit kritischer Informationsinfrastrukturen)
- Teil VI: Soziale Interaktion (Safety und Security, Kulturelle Gewalt, Soziale Medien und IKT-Nutzung in Krisengebieten)
- Teil VII: Ausblick (Die Zukunft von IT in Frieden und Sicherheit)

Besonderheiten für das aktuelle Semester finden Sie unter www.peasec.de/lehre; den Moodle-Kurs unter www.itps.peasec.de

Literatur
Reuter, C., Eds. (2024) Information Technology for Peace and Security: IT-Applications and Infrastructures in Conflicts, Crises, War, and Peace. Wiesbaden: Springer Vieweg. https://doi.org/10.1007/978-3-658-44810-3

Voraussetzungen
Grundlagen in mindestens einem der Bereiche: Informatik, IT-Sicherheit, Mensch-Computer-Interaktion oder Friedens- und Konfliktforschung

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1032 Kryptographische Protokolle
Kurs: 20-00-1032-iv Kryptographische Protokolle

Termine zwischen 2025-04-24 und 2025-07-24
* 10x Do 11:40 - 13:20 (S101/A4)
* 11x Mi 15:20 - 17:00 (S101/A02)

Lerninhalte
Kryptographische Protokolle erlauben es mehreren Parteien mit möglicherweise unterschiedlichen Interessen, gemeinsam bestimmte Aufgaben zu erfüllen. Diese Lehrveranstaltung behandelt grundlegende und fortgeschrittene kryptographische Protokolle und ihre Anwendungen, wie z.B. Commitments, Secure Coin Flipping, Zero-Knowledge Beweise, Mixnetze, Anonyme Credentials, Private Information Retrieval, Sichere Mehrparteienberechnungen und Hardware-unterstützte kryptographische Protokolle.

Qualitätsziele / Lernergebnisse
Studierende kennen grundlegende und fortgeschrittene kryptographische Protokolle, können deren Effizienz und Sicherheit bewerten und vergleichen, und kennen deren grundlegenden Anwendungen.

Empfohlene Voraussetzungen
Grundkenntnisse der Kryptographie werden sehr empfohlen, z.B. durch erfolgreiches Bestehen der Veranstaltung "Einführung in die Kryptographie".

---

Modul: Kryptographische Protokolle


TUCaN-Nummer
20-00-1032

Titel
Kryptographische Protokolle

Kürzel
CRYPROT

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Englisch

---

Kurs: 20-00-1032-iv Kryptographische Protokolle


Lehrende
Prof. Dr.-Ing. Thomas Schneider

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
CRYPROT

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Course website: https://encrypto.de/CRYPROT

Lehrinhalte
Kryptographische Protokolle erlauben es mehreren Parteien mit möglicherweise unterschiedlichen Interessen, gemeinsam bestimmte Aufgaben zu erfüllen. Diese Lehrveranstaltung behandelt grundlegende und fortgeschrittene kryptographische Protokolle und ihre Anwendungen, wie z.B. Commitments, Secure Coin Flipping, Zero-Knowledge Beweise, Mixnetze, Anonyme Credentials, Private Information Retrieval, Sichere Mehrparteienberechnungen und Hardware-unterstützte kryptographische Protokolle.

Voraussetzungen
Grundkenntnisse der angewandten Kryptographie werden sehr empfohlen, z.B. durch erfolgreiches Bestehen der Veranstaltung "Computersystemsicherheit" oder "Einführung in die Kryptographie".

Online-Angebote
moodle

Modul und Kurs
Modul: 18-sm-1010 Kommunikationsnetze I
Kurs: 18-sm-1010-ue Kommunikationsnetze I
Kurs: 18-sm-1010-vl Kommunikationsnetze I

Termine zwischen 2025-04-23 und 2025-07-25
* 14x Mi 11:40 - 13:20 (S306/051)
* 14x Fr 15:20 - 16:05 (S311/08)
* 14x Fr 16:15 - 17:00 (S311/08)

Lerninhalte
In diesem Modul werden die Technologien, die die Grundlage heutiger Kommunkationsnetze bilden, vorgestellt und analysiert. Die Vorlesung deckt Grundlagenwissen über Kommunikationsnetze ab, mit Schwerpunkt einerseits auf übergreifenden Prinzipien (beispielsweise Schichtenarchitekturen, Protokolle, Dienstmodelle) und andererseits auf den Protokollen des Internet. Die Anwendungsschicht, Transportschicht, Netzwerkschicht und Sicherungsschicht werden detailliert betrachtet und Bezüge zur Bitübertragungsschicht werden hergestellt.

Die Betrachtung der Anwendungsschicht konzentriert sich auf exemplarisch ausgewählte Protokolle wie sie bei E-Mail und beim World Wide Web existieren; diese dienen der Veranschaulichung grundlegender Zusammenhänge und Entwurfsentscheidungen. Auf der Transportschicht werden UDP und TCP mit ihren Dienstmodellen und den dahinterstehenden Protokollmechanismen sowie grundlegende Fragen zu Flusskontrolle, Zuverlässigkeit und Überlastkontrolle betrachtet. Zur Netzwerkschicht liegt der Schwerpunkt auf den grundsätzlichen Fragen der Wegewahl und der Adressierung in IP. Auf der Sicherungsschicht werden Fragen der Flusskontrolle, der Rahmenbildung und des Medienzugriffs beleuchtet.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Abschluss des Moduls kennen die Studierenden die grundlegenden Konstruktionsprinzipien moderner Kommunikationsnetze, insbesondere des Internets. Sie können Entwurfsentscheidungen in Protokollen nachvollziehen und erläutern und erkennen Zusammenhänge und Wechselwirkungen zwischen Protokollmechanismen auf derselben Schicht sowie über die Grenzen von Schichten hinweg. Sie können die Anforderungen von Kommunikationsnetzen und kommunizierenden Anwendungen herleiten, sowie die Eignung von Netzwerktechnologien und Protokollvarianten für gegebene Zwecke und Ziele beurteilen und sie geeignet auswählen.

Literatur
Ausgewählte Kapitel aus folgenden Büchern:
[list]
[*]Andrew S. Tanenbaum: Computer Networks, 5th Edition, Prentice Hall, 2010
[*]Andrew S. Tanenbaum: Computernetzwerke, 5. Auflage, Pearson Studium, 2012
[*]Larry L. Peterson, Bruce S. Davie: Computer Networks: A Systems Approach, 6th Edition, Morgan Kaufmann Publishers, 2021
[*]Larry L. Peterson, Bruce S. Davie: Computernetze: Eine systemorientierte Einführung, 4. Auflage, Dpunkt Verlag, 2007
[*]James F. Kurose, Keith W. Ross: Computer Networking: A Top-Down Approach Featuring the Internet, 8th Edition, Pearson, 2021
[*]James F. Kurose, Keith W. Ross: Computernetzwerke: Der Top-Down-Ansatz, 6. Auflage, Pearson Studium 2014
[*]R. Srikant, Jean Walrand, Shyam Parekh: Communication Networks: A Concise Introduction, 2nd Edition, Morgan & Claypool, 2017
[*]Olivier Bonaventure: Computer Networking: Principles, Protocols and Practice, open ebook, https://www.computer-networking.info
[/list

---

Modul: Kommunikationsnetze 1


TUCaN-Nummer
18-sm-1010

Titel
Kommunikationsnetze I

Kürzel
Komm. Netze I

Lehrveranstaltungsart
Vorlesung

Gebiet
Net Centric Systems

Sprache
Englisch

Diploma Supplement
In this class the technologies that make today`s communication networks work are introduced and discussed.
This lecture covers basic knowledge about communication networks and discusses in detail the physical layer, the data link layer, the network layer and parts of the transport layer.
The physical layer, which is responsible for an adequate transmission across a channel, is discussed briefly. Next, error control, flow control and medium access mechanisms of the data link layer are presented. Then the network layer is discussed. It comprises mainly routing and congestion control algorithms. After that basic functionalities ofthe transport layer are discussed. This includes UDP and TCP. The Internet is thoroughly studied throughout the class.
Detailed Topics are:
[list]
[*]ISO-OSI and TCP/IP layer models
[*]Tasks and properties of the physical layer
[*]Physical layer coding techniques
[*]Services and protocols of the data link layer
[*]Flow control (sliding window)
[*]Applications: LAN, MAN, High-Speed LAN, WAN
[*]Services of the network layer
[*]Routing algorithms
[*]Broadcast and Multicast routing
[*]Congestion Control
[*]Addressing
[*]Internet protocol (IP)
[*]Internetworking
[*]Mobile networking
[*]Services and protocols of the transport layer
[*]TCP, UDP
[/list

---

Kurs: 18-sm-1010-ue Kommunikationsnetze I


Lehrende
Prof. Dr. rer. nat. Björn Scheuermann

Veranstaltungsart
Übung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
UE Komm. Netze I

Semesterwochenstunden
1

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In diesem Modul werden die Technologien, die die Grundlage heutiger Kommunkationsnetze bilden, vorgestellt und analysiert. Die Vorlesung deckt Grundlagenwissen über Kommunikationsnetze ab, mit Schwerpunkt einerseits auf übergreifenden Prinzipien (beispielsweise Schichtenarchitekturen, Protokolle, Dienstmodelle) und andererseits auf den Protokollen des Internet. Die Anwendungsschicht, Transportschicht, Netzwerkschicht und Sicherungsschicht werden detailliert betrachtet und Bezüge zur Bitübertragungsschicht werden hergestellt.

Die Betrachtung der Anwendungsschicht konzentriert sich auf exemplarisch ausgewählte Protokolle wie sie bei E-Mail und beim World Wide Web existieren; diese dienen der Veranschaulichung grundlegender Zusammenhänge und Entwurfsentscheidungen. Auf der Transportschicht werden UDP und TCP mit ihren Dienstmodellen und den dahinterstehenden Protokollmechanismen sowie grundlegende Fragen zu Flusskontrolle, Zuverlässigkeit und Überlastkontrolle betrachtet. Zur Netzwerkschicht liegt der Schwerpunkt auf den grundsätzlichen Fragen der Wegewahl und der Adressierung in IP. Auf der Sicherungsschicht werden Fragen der Flusskontrolle, der Rahmenbildung und des Medienzugriffs beleuchtet.

Literatur
Ausgewählte Kapitel aus folgenden Büchern:

James F. Kurose, Keith W. Ross: Computer Networking: A Top-Down Approach, 8th Edition, Pearson, 2021
James F. Kurose, Keith W. Ross: Computernetzwerke: Der Top-Down-Ansatz, 6. Auflage, Pearson Studium 2014
Andrew S. Tanenbaum: Computer Networks, 6th Edition, Pearson, 2021
Larry L. Peterson, Bruce S. Davie: Computer Networks: A Systems Approach, 6th Edition, Morgan Kaufmann Publishers, 2021
R. Srikant, Jean Walrand, Shyam Parekh: Communication Networks: A Concise Introduction, 2nd Edition, Morgan & Claypool, 2017
Olivier Bonaventure: Computer Networking: Principles, Protocols and Practice, open ebook, https://www.computer-networking.info

---

Kurs: 18-sm-1010-vl Kommunikationsnetze I


Lehrende
Prof. Dr. rer. nat. Björn Scheuermann

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL Komm. Netze I

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In diesem Modul werden die Technologien, die die Grundlage heutiger Kommunkationsnetze bilden, vorgestellt und analysiert. Die Vorlesung deckt Grundlagenwissen über Kommunikationsnetze ab, mit Schwerpunkt einerseits auf übergreifenden Prinzipien (beispielsweise Schichtenarchitekturen, Protokolle, Dienstmodelle) und andererseits auf den Protokollen des Internet. Die Anwendungsschicht, Transportschicht, Netzwerkschicht und Sicherungsschicht werden detailliert betrachtet und Bezüge zur Bitübertragungsschicht werden hergestellt.

Die Betrachtung der Anwendungsschicht konzentriert sich auf exemplarisch ausgewählte Protokolle wie sie bei E-Mail und beim World Wide Web existieren; diese dienen der Veranschaulichung grundlegender Zusammenhänge und Entwurfsentscheidungen. Auf der Transportschicht werden UDP und TCP mit ihren Dienstmodellen und den dahinterstehenden Protokollmechanismen sowie grundlegende Fragen zu Flusskontrolle, Zuverlässigkeit und Überlastkontrolle betrachtet. Zur Netzwerkschicht liegt der Schwerpunkt auf den grundsätzlichen Fragen der Wegewahl und der Adressierung in IP. Auf der Sicherungsschicht werden Fragen der Flusskontrolle, der Rahmenbildung und des Medienzugriffs beleuchtet.

Literatur
Ausgewählte Kapitel aus folgenden Büchern:

James F. Kurose, Keith W. Ross: Computer Networking: A Top-Down Approach, 8th Edition, Pearson, 2021
James F. Kurose, Keith W. Ross: Computernetzwerke: Der Top-Down-Ansatz, 6. Auflage, Pearson Studium 2014
Andrew S. Tanenbaum: Computer Networks, 6th Edition, Pearson, 2021
Larry L. Peterson, Bruce S. Davie: Computer Networks: A Systems Approach, 6th Edition, Morgan Kaufmann Publishers, 2021
R. Srikant, Jean Walrand, Shyam Parekh: Communication Networks: A Concise Introduction, 2nd Edition, Morgan & Claypool, 2017
Olivier Bonaventure: Computer Networking: Principles, Protocols and Practice, open ebook, https://www.computer-networking.info

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0056 Netz-, Verkehrs- und Qualitäts-Management für Internet Services
Kurs: 20-00-0056-vl Netz-, Verkehrs- und Qualitäts-Management für Internet Services

Termine zwischen 2025-04-28 und 2025-07-21
* 12x Mo 09:50 - 11:30 (S202/C205 - Bosch Hörsaal)

Lerninhalte
Einführung in das Management von Internet Service Provider (ISP-)Netzen zur Integration von Service Plattformen mit ihren Qualitäts- und Verkehrsprofilen

Qualitätsziele / Lernergebnisse
Stoffplan:
Anforderungen und Maßnahmen zur Sicherung der Quality-of-Service (QoS)

?Kriterien aus Anwendungs- & Nutzer-Sicht (QoE: Quality of Experience)
?QoS Architektur in IP-Netzen: Differentiated & Integrated Services
?QoS Support & Auswirkung je Anwendung im IP Verkehrs-Mix
(Video-Streaming, VoIP, Web Browsing, Downloads, Social Networking etc.)

Qualitätssicherung für Internet Services in ISP Netzinfrastrukturen

? Einfluss der Netz- und Transportebene:
Routing (OSPF, BGP), Multiprotocol Label Switching (MPLS), TCP
mit Absicherung gegen Fehler und Ausfälle
? Messung, Monitoring, Optimierung von IP Verkehr bzgl. QoS

Qualitätssicherung in Service Overlays und auf Anwendungsebene

? Content Delivery Netze (CDN), Clouds und Peer-to-Peer Netze (P2P)
inkl. verteilter Caches, Transportpfad-Optimierung, Skalierbarkeit
?IETF Standardisierung (CDN Interconnection, ALTO: Appl. Layer Traffic Opt.)

Empfohlene Voraussetzungen
Vorwissen: Grundlegende Kenntnisse der Informatik und Internet-Anwendungen werden vorausgesetzt. Die Vorlesungen Kommunikationsnetze I und II sind empfohlen.

Literatur
Wird in der Vorlesung angesprochen

---

Modul: Netz-, Verkehrs- und Qualitäts-Management für Internet Services


TUCaN-Nummer
20-00-0056

Titel
Netz-, Verkehrs- und Qualitäts-Management für Internet Services

Kürzel
QoS

Lehrveranstaltungsart
Vorlesung

Gebiet
Net Centric Systems

Sprache
Deutsch

Diploma Supplement
Quality of Service in IP networks, Internet Service Provider, Routing, TCP

---

Kurs: 20-00-0056-vl Netz-, Verkehrs- und Qualitäts-Management für Internet Services


Lehrende
PD Dr. Gerhard Hasslinger

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
QoS

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Anforderungen und Maßnahmen zur Sicherung der Quality-of-Service (QoS)

- Kriterien aus Anwendungs- & Nutzer-Sicht (QoE: Quality-of-Experience)
- QoS Architektur in IP-Netzen: Differentiated & Integrated Services
- QoS Support & Auswirkung je Anwendung im IP Verkehrs-Mix
(Video-Streaming, VoIP, Web Browsing, Downloads, Social Networking, Gaming etc.)

Qualitätssicherung in der Netzinfrastruktur von IP Service Providern

- Einfluss der Netz- und Transportebene:
Routing (OSPF, BGP), Multiprotocol Label Switching (MPLS), TCP mit Absicherung gegen Fehler und Ausfälle
- Messung, Monitoring, Optimierung von IP Verkehr bzgl. QoS
- Standardisierung und Kontrolle von QoS (bei IETF, BNetzA, etc.)

Qualitätssicherung in Service Overlays und auf Anwendungsebene

- Content Delivery Netze (CDN), Clouds, Peer-to-Peer Netze (P2P)
- Optimierung verteilter Daten-Caches, von Transport-Pfaden, Skalierbarkeit

Literatur
Wird in der Vorlesung angesprochen

Voraussetzungen
Vorwissen: Grundlegende Kenntnisse der Informatik und Internet-Anwendungen werden vorausgesetzt. Die Vorlesungen Kommunikationsnetze I und II sind empfohlen.

Online-Angebote
Moodle

Modul und Kurs
Modul: 20-00-1047 Reinforcement Learning: Von Grundlagen zu den tiefen Ansätzen
Kurs: 20-00-1047-iv Reinforcement Learning: Von Grundlagen zu den tiefen Ansätzen

Termine zwischen 2025-04-28 und 2025-07-21
* 12x Mo 11:30 - 13:10 (S202/C205 - Bosch Hörsaal)

---

Modul: Reinforcement Learning: Von Grundlagen zu den tiefen Ansätzen

---

Kurs: 20-00-1047-iv Reinforcement Learning: Von Grundlagen zu den tiefen Ansätzen


Lehrende
Prof. Ph.D. Georgia Chalvatzaki; Ph.D. Davide Tateo

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
RL

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
• Markov Decision Process
• Value Functions, Bellman Operator, Policies
• Dynamic Programming
• Monte-Carlo Reinforcement Learning
• Temporal Difference Learning
• Tabular Reinforcement Learning
• Reinforcement Learning with Function Approximation
• Deep Q-Learning
• On-policy and off-policy deep actor-critic
• Model-based Reinforcement Learning
• Intrinsic Motivation

Literatur
Reinforcement Learning: An Introduction, Sutton and Barto, 2nd Edition: http://incompleteideas.net/book/RLbook2018.pdf

Voraussetzungen
Gute Programmierkenntnisse in Python.
Vorherige Belegung der Vorlesung Statistical Machine Learning ist hilfreich aber nicht zwingend erforderlich

Motivation

"Die grundlegende Herausforderung im Bereich der künstlichen Intelligenz und des maschinellen Lernens besteht darin, zu lernen, wie man unter Unsicherheit gute Entscheidungen trifft" - Emma Brunskill. 

Reinforcement Learning (RL) ist ein Bereich des maschinellen Lernens, der sich mit der Frage beschäftigt, wie intelligente Agenten in einer Umgebung agieren sollten, um die kumulativen Belohnungen zu maximieren. RL ist eines der drei grundlegenden Paradigmen des maschinellen Lernens, neben dem überwachten Lernen und dem unüberwachten Lernen. RL unterscheidet sich vom überwachten Lernen dadurch, dass keine beschrifteten Eingabe-/Ausgabepaare vorgelegt werden müssen und dass suboptimale Aktionen nicht explizit korrigiert werden müssen. Stattdessen liegt der Schwerpunkt auf der Suche nach einem Gleichgewicht zwischen Erkundung (Neuland) und Ausnutzung (des vorhandenen Wissens).

Über diesen Kurs

Dieser Kurs führt die Studierenden durch die Grundlagen der Methoden des Reinforcement Learning bis hin zu den jüngsten Fortschritten des Deep Reinforcement Learning. Am Ende dieses Kurses werden die Studierenden über ein solides Wissen auf diesem Gebiet verfügen und in der Lage sein, Probleme mit verschiedenen RL Algorithmen zu lösen. Dieser Kurs dient als hervorragender Hintergrund für Personen, die selbstständig RL-forschung betreiben wollen, z.B. im Rahmen einer Bachelor- oder Masterarbeit.

Zusätzliche Informationen
Die Präsenzvorlesung wird von einer Online-Problemlösungssitzung (Kodierübungen) und einer Fragerunde begleitet.

Online-Angebote
moodle

Modul und Kurs
Modul: 18-su-2010 Software-Engineering - Wartung und Qualitätssicherung
Kurs: 18-su-2010-ue Software-Engineering - Wartung und Qualitätssicherung
Kurs: 18-su-2010-vl Software-Engineering - Wartung und Qualitätssicherung

Termine zwischen 2025-04-24 und 2025-07-24
* 11x Do 15:20 - 16:05 (S306/052)
* 11x Do 16:15 - 17:00 (S306/052)
* 12x Mo 09:50 - 11:30 (S306/052)

Lerninhalte
Die Lehrveranstaltung vertieft Teilthemen der Softwaretechnik, welche sich mit der Pflege und Weiterentwicklung und Qualitätssicherung von Software beschäftigen. Dabei werden diejenigen Hauptthemen des IEEE "Guide to the Software Engineering Body of Knowledge" vertieft, die in einführenden Softwaretechnik-Lehrveranstaltungen nur kurz angesprochen werden. Das Schwergewicht wird dabei auf folgende Punkte gelegt: Softwarewartung und Reengineering, Konfigurationsmanagement, statische Programmanalysen und Metriken sowie vor allem dynamische Programmanalysen und Laufzeittests. In den Übungen wird als durchgängiges Beispiel ein geeignetes "Open Source"-Projekt ausgewählt. Die Übungsteilnehmer untersuchen die Software des gewählten Projektes in einzelnen Teams, denen verschiedene Teilsysteme des betrachteten Gesamtsystems zugeordnet werden.

Qualitätsziele / Lernergebnisse
Die Lehrveranstaltung vermittelt an praktischen Beispielen und einem durchgängigen Fallbeispiel grundlegende Software-Wartungs- und Qualitätssicherungs-Techniken, also eine ingenieurmäßige Vorgehensweise zur zielgerichteten Wartung und Evolution von Softwaresystemen. Nach der Lehrveranstaltung sollte ein Studierender in der Lage sein, die im Rahmen der Softwarewartung und -pflege eines größeren Systems anfallenden Tätigkeiten durchzuführen. Besonderes Augenmerk wird dabei auf Techniken zur Verwaltung von Softwareversionen und –konfigurationen sowie auf das systematische Testen von Software gelegt. In der Lehrveranstaltung wird zudem großer Wert auf die Einübung praktischer Fertigkeiten in der Auswahl und im Einsatz von Softwareentwicklungs- Wartungs- und Testwerkzeugen verschiedenster Arten sowie auf die Arbeit im Team unter Einhaltung von vorher festgelegten Qualitätskriterien gelegt.

Empfohlene Voraussetzungen
Grundlagen der Softwaretechnik sowie gute Kenntnisse objektorientierter Programmiersprachen (insbesondere Java).

Literatur
[url=http://www.es.tu-darmstadt.de/lehre/se_ii/]www.es.tu-darmstadt.de/lehre/se_ii/[/url

---

Modul: Software-Engineering - Wartung und Qualitätssicherung


TUCaN-Nummer
18-su-2010

Titel
Software-Engineering - Wartung und Qualitätssicherung

Kürzel
SE - Wartung & QS

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Deutsch

Diploma Supplement
The lecture covers advanced topics in the software engineering field that deal with maintenance and quality assurance of software. Therefore, those areas of the software engineering body of knowledge which are not addressed by the preceding introductory lecture, are in focus. The main topics of interest are: software maintenance and reengineering, configuration management, static programme analysis and metrics, dynamic programme analysis and runtime testing as well as programme transformations (refactoring). During the exercises, a suitable Java open source project has been chosen as running example. The participants analyze, test and restructure the software in teams, each dealing with different subsystems.

---

Kurs: 18-su-2010-ue Software-Engineering - Wartung und Qualitätssicherung


Lehrende
Prof. Dr. rer. nat. Andreas Schürr; M.Sc. Alexander Lieb

Veranstaltungsart
Übung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
UE SE - Wartung & QS

Semesterwochenstunden
1

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Lehrveranstaltung vertieft Teilthemen der Softwaretechnik, welche sich mit der Pflege und Weiterentwicklung und Qualitätssicherung von Software beschäftigen. Dabei werden diejenigen Hauptthemen des IEEE "Guide to the Software Engineering Body of Knowledge" vertieft, die in einführenden Softwaretechnik-Lehrveranstaltungen nur kurz angesprochen werden. Das Schwergewicht wird dabei auf folgende Punkte gelegt: Softwarewartung und Reengineering, Konfigurationsmanagement, statische Programmanalysen und Metriken sowie vor allem dynamische Programmanalysen und Laufzeittests. In den Übungen werden die in der Vorlesung vorgestellten Analysetechniken und Methoden zur Weiterentwicklung und Qualitätssicherung von Software an Hand von verschiedenen Beispielen untersucht und vertieft.

Voraussetzungen
Grundlagen der Softwaretechnik sowie gute Kenntnisse objektorientierter Programmiersprachen (insbesondere Java).

Zusätzliche Informationen
https://www.es.tu-darmstadt.de/lehre/aktuelle-veranstaltungen/se-ii-v

---

Kurs: 18-su-2010-vl Software-Engineering - Wartung und Qualitätssicherung


Lehrende
Prof. Dr. rer. nat. Andreas Schürr; M.Sc. Alexander Lieb

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL SE - Wartung & QS

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Lehrveranstaltung vertieft Teilthemen der Softwaretechnik, welche sich mit der Pflege und Weiterentwicklung und Qualitätssicherung von Software beschäftigen. Dabei werden diejenigen Hauptthemen des IEEE "Guide to the Software Engineering Body of Knowledge" vertieft, die in einführenden Softwaretechnik-Lehrveranstaltungen nur kurz angesprochen werden. Das Schwergewicht wird dabei auf folgende Punkte gelegt: Softwarewartung und Reengineering, Konfigurationsmanagement, statische Programmanalysen und Metriken sowie vor allem dynamische Programmanalysen und Laufzeittests. In den Übungen werden die in der Vorlesung vorgestellten Analysetechniken und Methoden zur Weiterentwicklung und Qualitätssicherung von Software an Hand von verschiedenen Beispielen untersucht und vertieft.

Voraussetzungen
Grundlagen der Softwaretechnik sowie gute Kenntnisse objektorientierter Programmiersprachen (insbesondere Java).

Zusätzliche Informationen
https://www.es.tu-darmstadt.de/lehre/aktuelle-veranstaltungen/se-ii-v

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0113 Algorithmische Modellierung / Grundlagen des Operations Research
Kurs: 20-00-0113-iv Algorithmische Modellierung / Grundlagen des Operations Research

Termine zwischen 2025-04-22 und 2025-07-24
* 14x Di 15:20 - 17:00 (S103/017)
* 11x Do 09:50 - 11:30 (S102/344)

Lerninhalte
- Algorithmische Optimierungssprachen wie OPL und Eclipse
- Modellierung innerhalb eines restriktiven Modellierungsrahmens (zum Beispiel lineare Optimierung oder ganzzahlige lineare Optimierung)
- Modellierung als kombinatorische Optimierungsprobleme (z.B. Netzwerkflussprobleme, Färbungsprobleme, Wegeprobleme)
- Komplexe Fallbeispiele aus der Praxis, z.B. Anwendungen in Logistik, deterministisches und stochastiches Scheduling

Qualitätsziele / Lernergebnisse
Nachdem Studierende erfolgreich diese Veranstaltung besucht haben,
- kennen sie Modellierungsstrategien für Entscheidungs-, Konstruktions- und Optimierungsprobleme
- können sie zwei algorithmische Modellierungssprachen anwenden
- können sie komplexe Probleme adäquat modellieren

Empfohlene Voraussetzungen
Grundzüge III der Informatik oder vergleichbar (Einführung in Foundations of Computing wäre ebenfalls wünschenswert).

Literatur
Wird in der Veranstaltung bekannt gegeben.

---

Modul: Algorithmische Modellierung / Grundlagen des Operations Research


TUCaN-Nummer
20-00-0113

Titel
Algorithmische Modellierung / Grundlagen des Operations Research

Kürzel
Algorith. Modellieru

Lehrveranstaltungsart
Vorlesung

Gebiet
Foundations of Computing

Sprache
Deutsch

---

Kurs: 20-00-0113-iv Algorithmische Modellierung / Grundlagen des Operations Research


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Algo Mod

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lernziele

Modellierungsstrategien für Entscheidungs-, Konstruktions- und Optimierungsprobleme kennen lernen
Erlernen einer algorithmischenn Modellierungssprache
Erwerben der Fähigkeit, komplexe Probleme adäquat zu modellieren


Stoffplan

Algorithmische Optimierungssprachen wie OPL
Modellierung innerhalb eines restriktiven Modellierungsrahmens (zum Beispiel lineare Optimierung oder ganzzahlige lineare Optimierung)
Modellierung als kombinatorische Optimierungsprobleme (z.B. Netzwerkflussprobleme, Färbungsprobleme, Wegeprobleme)
Komplexe Fallbeispiele aus der Praxis, zum Beispiel: Modellierung der Fahrplanauskunft im Bahnverkehr
Modellierung der Steuerung von Fertigungsrobotern
deterministisches und stochastisches Scheduling

Diploma Supplement
Algorithmic modeling languages; modeling problems as (integer) linear programming problems; complex case studies; applications in logistics and manufacturing; deterministic and stochastic scheduling; combinatorial optimization problems

Literatur
Die Folien werden zur Verfügung gestellt.Hinweise zu weiterer Literatur zu speziellen Themen auf Anfrage.

Vorwissen
Algorithmen und Datenstrukturen (AuD, GdI II) oder vergleichbar.

Weitere Informationen
Registrieren Sie sich unbedingt auf moodle.informatik.tu-darmstadt.de für den Kurs!

Modul und Kurs
Modul: 20-00-0660 Automatisches Beweisen
Kurs: 20-00-0660-iv Automatisches Beweisen

Termine zwischen 2025-04-23 und 2025-07-23
* 13x Mi 11:40 - 13:20 (S202/C120)
* 14x Fr 11:40 - 13:20 (Übungsstunde)

Lerninhalte
- Theoretische Grundlagen der im automatischen Beweisen verwendeten Kalküle für Logik erster Stufe
- Korrektheits- und Vollständigkeitsbeweise
- Algorithmen und Datenstrukturen, die in automatischen Beweisern für Logik erster Stufe eingesetzt werden
- Vergleich verschiedener Ansätze im automatischen Beweisen
- Grundlagen moderner SAT- und SMT-Lösungswerkzeuge

Qualitätsziele / Lernergebnisse
Die erfolgreiche Teilnahme an der Lehrveranstaltung versetzt die Studierenden in die Lage, die wichtigsten modernen automatische Beweisverfahren im Detail zu verstehen, ihre Vor- und Nachteile zu beurteilen und in der Praxis anzuwenden.

Empfohlene Voraussetzungen
Stark empfohlen wird die Teilnahme an der Vorlesung “Aussagen- und Prädikatenlogik” oder vergleichbarer Module. Ansonsten genügt eine gewisse mathematische Reife.

Literatur
Robinson, Voronkov: Handbook of Automated Reasoning, 2 vols., North-Holland

---

Modul: Automatisches Beweisen


TUCaN-Nummer
20-00-0660

Titel
Automatisches Beweisen

Kürzel
Automatisches Beweis

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Englisch

---

Kurs: 20-00-0660-iv Automatisches Beweisen


Lehrende
Prof. Dr. rer. nat. Reiner Hähnle

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Automatisches Beweis

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Die Kurswebseite ist unter

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1718

erreichbar. Alle Informationen werden rechtzeitig vor der ersten Vorlesung auf der Moodlewebsite bekannt gegeben.

Lehrinhalte
- Theoretische Grundlagen der im automatischen Beweisen verwendeten Kalküle für Logik erster Stufe
- Korrektheits- und Vollständigkeitsbeweise
- Algorithmen und Datenstrukturen, die in automatischen Beweisern für Logik erster Stufe eingesetzt werden
- Vergleich verschiedener Ansätze im automatischen Beweisen
- Grundlagen moderner SAT- und SMT-Lösungswerkzeuge

Literatur
Robinson, Voronkov: Handbook of Automated Reasoning, 2 vols., North-Holland

Voraussetzungen
Stark empfohlen wird die Teilnahme an der Vorlesung “Aussagen- und Prädikatenlogik” oder vergleichbarer Module. Ansonsten genügt eine gewisse mathematische Reife.

Online-Angebote
Die Kurswebseite ist unter

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1718

erreichbar.

Alle Informationen werden rechtzeitig vor der ersten Vorlesung auf der Moodlewebsite bekannt gegeben.

Modul und Kurs
Modul: 20-00-0701 Fortgeschrittener Compilerbau
Kurs: 20-00-0701-vl Fortgeschrittener Compilerbau

Termine zwischen 2025-04-22 und 2025-07-24
* 14x Di 16:15 - 17:55 (S202/C110)
* 11x Do 11:40 - 13:20 (S202/C110)

Lerninhalte
- Compilierung und Laufzeitumgebung für objektorientierte Programmiersprachen
- Kontrollflussgraphen als Zwischendarstellung
- Statische Datenflußanalyse
- Static Single Assignment Form
- Eliminierung totaler und partieller Redundanz
- Skalare Optimierung
- Registerallokation
- Ablaufplanung
- Schleifenoptimerung
- Aufbau realer Compiler (z.B. Phasen, Zwischendarstellung, Compilefluß)

Qualitätsziele / Lernergebnisse
Studierende verstehen nach erfolgreichem Besuch Techniken für die Übersetzung und Ausführung von objektorientierten Programmen auf Maschinenebene. Sie können die statische Datenflussanalyse auf Kontrollflussgraphen anwenden und sind geübt im praktischen Umgang mit deren SSA-Darstellung. Sie beherrschen Optimierungsverfahren für eine Reihe von Aufgaben sowie fundamentale Verfahren für die Registerallokation. Sie kennen die interne Struktur von realen Compilern für den Produktivbetrieb.

Empfohlene Voraussetzungen
Erfolgreicher Besuch der Veranstaltung “Einführung in den Compilerbau”

Literatur
Literaturempfehlungen werden kontinuierlich aktualisiert, Beispiele für verwendete Literatur könnten sein:
Cooper/Torczon: Engineering a Compiler
Muchnick: Advanced Compiler Design and Implementation
Aho/Lam/Sethi/Ullman: Compilers - Principles, Techniques, and Tools

---

Modul: Fortgeschrittener Compilerbau


TUCaN-Nummer
20-00-0701

Titel
Fortgeschrittener Compilerbau

Kürzel
Fortgeschrittener Co

Lehrveranstaltungsart
Vorlesung

Gebiet
Computer Microsystems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0701-vl Fortgeschrittener Compilerbau


Lehrende
Prof. Dr.-Ing. Andreas Koch

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Fortgeschrittener Co

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- Compilierung und Laufzeitumgebung für objektorientierte Programmiersprachen
- Kontrollflussgraphen als Zwischendarstellung
- Statische Datenflußanalyse
- Static Single Assignment Form
- Eliminierung totaler und partieller Redundanz
- Skalare Optimierung
- Registerallokation
- Ablaufplanung
- Schleifenoptimerung
- Aufbau realer Compiler (z.B. Phasen, Zwischendarstellung, Compilefluß)

Literatur
Literaturempfehlungen werden kontinuierlich aktualisiert, Beispiele für verwendete Literatur könnten sein:
Cooper/Torczon: Engineering a Compiler
Muchnick: Advanced Compiler Design and Implementation
Aho/Lam/Sethi/Ullman: Compilers - Principles, Techniques, and Tools

Voraussetzungen
Erfolgreicher Besuch der Veranstaltung “Einführung in den Compilerbau”

Modul und Kurs
Modul: 20-00-1115 Model Checking
Kurs: 20-00-1115-vl Model Checking

Termine zwischen 2025-04-23 und 2025-07-23
* 14x Di 16:10 - 17:50 (Übungsstunde)
* 14x Mi 09:50 - 11:30 (S208/171 - ggf. Baulärm - keine Prüfungen)

Lerninhalte
* Temporallogiken:
- Lineare temporal Logik (LTL), Computation Tree Logic (CTL) und CTL*: Syntax, Semantik, Komplexität
* Modelprüfungsverfahren für LTL, CTL, CTL*, insbesondere Büchiautomaten
* Partial Order Reduction
* Timed Automata

Qualitätsziele / Lernergebnisse
Im Rahmen des Kurses sollen die Studierenden folgende Fähigkeiten erwerben:
* Verständnis der theoretischen Grundlagen der Temporallogiken LTL, CTL und CTL*
* Fähigkeit zur Auswahl der geeigneten Logik zur Spezifikation und Modellprüfung in Abhängigkeit von dem zu modellierenden System und der zu prüfenden Eigenschaft
* Verfahren und Techniken zur Modellprüfung (Model Checking) z.B. Modellprüfung mit Büchiautomaten, Partial Order Reduction u.ä.
* Wissen über die Charakteristika und Grenzen der Modellprüfung
* Kenntnisse in der Modellprüfung von Timed Automate
* Fähigkeit zur Anwendung von Tools zur Modellprüfung

Empfohlene Voraussetzungen
Empfohlen werden Kenntnisse in
* Aussagenlogik
* Deduktionssystemen
* Automatentheorie

---

Modul: Model Checking


TUCaN-Nummer
20-00-1115

Titel
Model Checking

Kürzel
MC

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Englisch

---

Kurs: 20-00-1115-vl Model Checking


Lehrende
Adele Veschetti

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
MC

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Der Kurs wird in präsenz auf Englisch gehalten.
Die Kurswebseite befindet sich unter: 
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1722

Lehrinhalte

Temporallogiken:

Lineare temporal Logik (LTL), Computation Tree Logic (CTL) und CTL*: Syntax, Semantik, Komplexität

Modelprüfungsverfahren für LTL, CTL, CTL*, insbesondere Büchiautomaten
Partial Order Reduction
Timed Automata

Voraussetzungen
Empfohlen werden Kenntnisse in
* Aussagenlogik
* Deduktionssystemen
* Automatentheorie

Online-Angebote
Der Kurs wird in präsenz und auf Englisch gehalten.

Die Kurswebseite ist unter

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1559

verfügbar.

Modul und Kurs
Modul: 20-00-1122 Programmanalyse
Kurs: 20-00-1122-vl Programmanalyse

Termine zwischen 2025-04-28 und 2025-07-21
* 12x Mo 13:30 - 15:10 (S202/C205 - Bosch Hörsaal)
* 13x Mo 15:20 - 17:00 (Übungsstunde)

Lerninhalte
Statische Analysen sind Werkzeuge die Informationen von Programmen extrahieren ohne diese auszuführen. Statische Analysen haben vielseitige Anwendungen in integrierten Entwicklungsumgebungen (IDEs), Compilern und Continous Integration Servern. Zum Beispiel werden statische Analysen in IDEs verwendet um Programmfehler und Sicherheitslücken zu erkennen. Des Weiteren werden sie in Compilern zum Typechecking und für Optimierungen verwendet.

DIeser Kurs gibt einen Überblick über die zugrundeliegende Konzepte von statischen Analysen. Insbesondere diskutieren wir den Kompromiss zwischen der Performanz, der Präzision, und der Korrektheit von statischen Analysen. Des Weiteren werden Ihnen verschieden Sorten von statischen Analysen vorgestellt, wie zum Beispiel Kontrollflussanalysen, Datenflussanalysen, Zeigeranalysen, sowie Seiteneffekt- und Unveränderlichkeitsanalysen. Abschließend lernen sie verschiedene Analyseframeworks kennen, wie das monotone Framework, Big-Step Abstrakte Interpreter und IFDS/IDE Frameworks.

In der begleitenden Übung wenden Sie die neuen Analysekonzepte praktisch an, und erweitern oder entwicklen existierende Analysen.

Qualitätsziele / Lernergebnisse
Das Ziel dieses Kurses ist es die zugrundelegende Konzepte von statischen Analysen zu vermitteln. Dies erlaubt es Studierenden statische Analysen in IDEs effektiver zu verwenden. Des Weiteren sind Studierende nach dem Kurs in der Lage Eigenschaften von statischen Analysen wie Performanz und Präzision zu beurteilen

Empfohlene Voraussetzungen
Wir erwarten, dass Studierende die Konzepte der Programmiersprachen, wie Zuweisungen, Schleifen, Ausnahmebehandlung, Objekte, und anonyme Funktionen gut verstanden haben. Des Weiteren sollten die Kursteilnehmer*innen mit grundlegender Universitätsmathematik und Logik vertraut sein.

---

Modul: Programmanalyse


TUCaN-Nummer
20-00-1122

Titel
Programmanalyse

Kürzel
ProgAn

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Englisch

---

Kurs: 20-00-1122-vl Programmanalyse


Lehrende
Dr. rer. nat. Sven Keidel

Veranstaltungsart
Vorlesung und Übung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
ProgAn

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Statische Analysen sind Werkzeuge, die Informationen über Programmen extrahieren, ohne diese auszuführen.
Statische Analysen haben vielseitige Anwendungen in der Erkennung von Bugs, Sicherheitslücke und Schadsoftware, in Typechecking und Optimierung während des Kompilierens sowie als Grundlage für die formale Verifikation von Programmen.
Daher sind sie ein wichtiges Werkzeug, um die Korrektheit, Sicherheit und Performanz von Software sicherzustellen.

Dieser Kurs gibt einen Überblick über die zugrundeliegende Konzepte von statischen Analysen.
Der Kurs wird wichtige Programmeigenschaften vorstellen, die von statischen Analysen hergeleitet werden, darunter Kontrollfluss, Datenflüsse, Callgraphen, Points-To, Purity und Immutability.
Sie lernen auch Algorithmen und Frameworks kennen, die verwendet werden, um diese Eigenschaften herzuleiten, darunter Typsysteme, abstrakte Interpreter und IFDS/IDE.
Schließlich werden wir auch Abwägungen zwischen Präzision, Korrektheit und Performanz statischer Analysen diskutieren.

In der begleitenden Übung wenden Sie die neuen Analysekonzepte praktisch an und erweitern oder entwicklen existierende Analysen.

Voraussetzungen
Wir erwarten, dass Studierende die Konzepte der Programmiersprachen, wie Zuweisungen, Schleifen, Ausnahmebehandlung, Objekte, und anonyme Funktionen gut verstanden haben.
Des Weiteren sollten die Kursteilnehmer*innen mit grundlegender Universitätsmathematik und Logik vertraut sein.

Modul und Kurs
Modul: 20-00-1136 Einführung in das Quantencomputing
Kurs: 20-00-1136-iv Einführung in das Quantencomputing

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 15:20 - 17:00 (S103/123)
* 14x Do 15:20 - 17:00 (Übungsstunde)

Lerninhalte
Allgemeine Einführung und Motivation
Einführung in die Quantenmechanik (Zustände, Messungen, Evolution, ein kurzer Überblick zur linearen Algebra)
Elementare Quantengatter und Schaltkreismodell
Universelle Quantenberechnungen
Quantenparallelismus und der Deutsch-Jozsa-Algorithmus
Simon’s Algorithm
Die Fourier-Transformation
Der Shor-Algorithmus
Das Problem der versteckten Untergruppe
Der Grover-Algorithmus
Quantenfehlerkorrektur und Fehlertoleranz
Verschränkung und Nichtlokalität
Eine grundlegende Einführung in die Quantenschlüsselverteilung
Überblick über Quantencomputerplattformen und Aussagen zur Quantenüberlegenheit

Qualitätsziele / Lernergebnisse
Nach Abschluss des Kurses sind die Studierenden mit allen grundlegenden Konzepten der Quanteninformationsverarbeitung und -berechnung vertraut und können diese mit der Quantenprogrammiersprache Qiskit programmieren. Sie lernen die wichtigsten "Eigenheiten" der Quantenwelt kennen und können diese mit rechnerischen und kryptographischen Aufgabenstellungen verbinden. Am Ende der Vorlesung wird eine Zusammenfassung der neuesten Entwicklungen in Industrie und Wissenschaft gegeben, die es den Studierenden ermöglicht, ihre zukünftigen Interessen in diesem Bereich zu steuern.

Empfohlene Voraussetzungen
Empfohlen werden grundlegende Kenntnisse in elementarer linearer Algebra (Matrixmultiplikation, Ermittlung von Eigenwerten)

---

Modul: Einführung in das Quantencomputing


TUCaN-Nummer
20-00-1136

Titel
Einführung in das Quantencomputing

Kürzel
QC

Lehrveranstaltungsart
Vorlesung

Gebiet
Foundations of Computing

Sprache
Englisch

---

Kurs: 20-00-1136-iv Einführung in das Quantencomputing


Lehrende
Prof. Dr. rer. nat. Mariami Gachechiladze

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
QC

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Allgemeine Einführung und Motivation
Einführung in die Quantenmechanik (Zustände, Messungen, Evolution, ein kurzer Überblick zur linearen Algebra)
Elementare Quantengatter und Schaltkreismodell
Universelle Quantenberechnungen
Quantenparallelismus und der Deutsch-Jozsa-Algorithmus
Simon’s Algorithm
Die Fourier-Transformation
Der Shor-Algorithmus
Das Problem der versteckten Untergruppe
Der Grover-Algorithmus
Quantenfehlerkorrektur und Fehlertoleranz
Verschränkung und Nichtlokalität
Eine grundlegende Einführung in die Quantenschlüsselverteilung
Überblick über Quantencomputerplattformen und Aussagen zur Quantenüberlegenheit

Voraussetzungen
Empfohlen werden grundlegende Kenntnisse in elementarer linearer Algebra (Matrixmultiplikation, Ermittlung von Eigenwerten)

Online-Angebote
moodle

Modul und Kurs
Modul: 10-30-0036 Bioinformatik (Vorlesung und Übung)
Kurs: 10-01-0036-se Bioinformatik-Übung
Kurs: 10-01-0036-vl Bioinformatik-Vorlesung

Termine zwischen 2025-04-23 und 2025-07-23
* 14x Mi 16:00 - 18:30 (B101/52)

Lerninhalte
Sequence Analysis and Alignment
Molecular Visualization
Structure Prediction, Homology Modeling
Molecular Dynamics

Qualitätsziele / Lernergebnisse
Die Studenten erwerben Grundlagenwissen in der sequenz-basierten Bioinformatik (Sequence Alignment, Scoring Schemes, Datenbanken, Pattern Recognition) und der Strukturmodellierung und Simulation (Structure Prediction, Molecular Dynamics).
Die Studenten werden in die Lage versetzt, eigenständig Standard-Werkzeuge der Bioinformatik einzusetzen und deren grundlegende Algorithmen in diversen Implementierungen zu identifizieren.

Literatur
Deonier, Tavare, Waterman: Computational Genome Analysis, Springer, 2005
Durbin, Eddy, Krogh, Mitchison: Biological Sequence Analysis, Cambridge University Press, 1998
MacKay: Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003
Schlick: Molecular Modeling and Simulation, Springer, 2002

---

Modul: Bioinformatik


TUCaN-Nummer
10-30-0036

Titel
Bioinformatik (Vorlesung und Übung)

Kürzel
10-30-0036

Lehrveranstaltungsart
Vorlesung

Gebiet
Computational Engineering

Sprache
Deutsch

---

Kurs: 10-01-0036-se Bioinformatik-Übung


Lehrende
Prof. Dr. rer. nat. Kay Hamacher; Dr. rer. nat. Arnulf Kletzin

Veranstaltungsart
Übung

Orga-Einheit
FB10 Biologie

Anzeige im Stundenplan
BB-36-ue-Bioinf

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

---

Kurs: 10-01-0036-vl Bioinformatik-Vorlesung


Lehrende
Prof. Dr. rer. nat. Kay Hamacher; Dr. rer. nat. Arnulf Kletzin

Veranstaltungsart
Vorlesung

Orga-Einheit
FB10 Biologie

Anzeige im Stundenplan
BB-36-vl-Bioinf

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0041 Graphische Datenverarbeitung II
Kurs: 20-00-0041-iv Graphische Datenverarbeitung II

Termine zwischen 2025-04-28 und 2025-07-21
* 14x Di 15:20 - 17:00 (Übungsstunde)
* 12x Mo 09:50 - 11:30 (S103/113)

Lerninhalte
Grundlagen der verschiedenen Objekt- und Oberflächen-Repräsentationen in der graphischen Datenverarbeitung. Kurven und Oberflächen (Polynome, Splines, RBF) Interpolation und Approximation, Displaytechniken, Algorithmen: de Casteljau, de Boor, Oslo, etc. Volumen und implizite Oberflächen. Visualisierungstechniken, Iso-Surfaces, MLS, Oberflächen-Rendering, Marching-Cubes. Polygonnetze. Netz Kompression , Netz-Vereinfachung, Multiskalen Darstellung, Subdivision. Punktwolken: Renderingtechniken, Oberflächen-Rekonstruktion, Voronoi-Diagramme und Delaunay-Triangulierung.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Besuch dieser Veranstaltung sind Studierende in der Lage mit diversen Objekt- und Oberflächen-Repräsentationen umzugehen, das heißt diese zu verwenden, anzupassen, anzuzeigen (rendern) und effektiv zu speichern. Dazu gehören mathematisch polynomiale Repräsentationen, Iso-oberflächen, volumen Darstellungen, implizite Oberflächen, Polygonnetze, Subdivision-Kontrollnetze und Punktwolken.

Empfohlene Voraussetzungen
- Algorithmen und Datenstrukturen
- Grundlagen aus der Höheren Mathematik
- Graphische Datenverarbeitung I
- C / C++

Literatur
- Real-Time Rendering: Tomas Akenine-Möller, Eric Haines, Naty Hoffman A.K. Peters Ltd., 3rd edition, ISBN 987-1-56881-424-7
- Weitere aktuelle Literaturhinweise werden in der Veranstaltung gegeben.

---

Modul: Graphische Datenverarbeitung 2


TUCaN-Nummer
20-00-0041

Titel
Graphische Datenverarbeitung II

Kürzel
GDV II

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0041-iv Graphische Datenverarbeitung II


Lehrende
Prof. Dr. techn. Wolf Dietrich Fellner; Dr. Manish Mandad

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
GDV II

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lernziele
Grundlagen der Geometrischen Modellierung, Modelle in der graphischen Datenverarbeitung (Kurven, Oberflächen und Volumen), Displaymethoden, Renderingtechniken, Datenstrukturen und Algorithmen für Netze und Netzkonvertierung

Stoffplan
Kurven und Oberflächen (Polynome, Splines, RBF) Interpolation und Approximation, Displaytechniken, Algorithmen: de Casteljau, de Boor, Oslo,... Volumen und implizite Oberflächen Visualisierungstechniken, Iso-Surfaces, MLS, Oberflächen-Rendering, Marching-Cubes,... Netze Kompression , Netz-Vereinfachung, Multiskalen Darstellung, Subdivision,...

Diploma Supplement
Curves and surfaces (polynomials, splines, RBF) Interpolation and approximation, display techniques, algorithms: de Casteljau, de Boor, Oslo,... Volume and implicite surfaces, visualization techniques, iso-surfaces, MLS, surface rendering, marching cubes meshes, compression, simplication, multiscale expansion, subdivision

Literatur
Literatur und Organisatorisches werden in der ersten Vorlesung geklärt.

Vorwissen
Algorithmen und Datenstrukturen, Grundlagen aus der Höheren Mathematik, Graphische Datenverarbeitung I, C / C++, OpenGL

Online-Angebote
Moodle: https://moodle.informatik.tu-darmstadt.de/

Modul und Kurs
Modul: 20-00-0155 Bildverarbeitung
Kurs: 20-00-0155-iv Bildverarbeitung

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 15:10 (S101/A4)

Lerninhalte
Überblick über die Grundlagen der Bildverarbeitung:
- Bildeigenschaften
- Bildtransformationen
- einfache und komplexere Filterung
- Bildkompression
- Segmentierung
- Klassifikation

Qualitätsziele / Lernergebnisse
Noch erfolgreichem Besuch der Veranstaltung haben die Studierenden einen Überblick über die Funktionsweise und die Möglichkeiten der modernen Bildverarbeitung. Studierende sind dazu in der Lage, einfache bis mittlere Bildverarbeitungsaufgaben selbständig zu lösen.

Literatur
- Gonzalez, R.C., Woods, R.E., ""Digital Image Processing"", Addison- Wesley Publishing Company, 1992
- Haberaecker, P., ""Praxis der Digitalen Bildverarbeitung und Mustererkennung"", Carl Hanser Verlag, 1995
- Jaehne, B., ""Digitale Bildverarbeitung"", Springer Verlag, 1997

---

Modul: Bildverarbeitung


TUCaN-Nummer
20-00-0155

Titel
Bildverarbeitung

Kürzel
Bildverarbeitung

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0155-iv Bildverarbeitung


Lehrende
Prof. Dr. Arjan Kuijper

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Bildverarbeitung

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Überblick über die Grundlagen der Bildverarbeitung:
- Bildeigenschaften
- Bildtransformationen
- einfache und komplexere Filterung
- Bildkompression
- Segmentierung
- Klassifikation

Literatur
- Gonzalez, R.C., Woods, R.E., ""Digital Image Processing"", Addison- Wesley Publishing Company, 1992
- Haberaecker, P., ""Praxis der Digitalen Bildverarbeitung und Mustererkennung"", Carl Hanser Verlag, 1995
- Jaehne, B., ""Digitale Bildverarbeitung"", Springer Verlag, 1997

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0160 Augmented Vision
Kurs: 20-00-0160-iv Augmented Vision

Termine zwischen 2025-04-28 und 2025-07-21
* 12x Mo 13:30 - 15:10 (S202/C120)
* 13x Mo 15:20 - 17:00 (Übungsstunde)

Lerninhalte
Im Rahmen dieser Lehrveranstaltung werden zuerst die Grundlagen, Begriffsbildungen und Referenzmodelle zur Einordnung der Thematik im Rahmen der Computer-Graphik/Computer-Vision aufgezeigt. Aufbauend darauf werden die besonderen Technologien, Algorithmen und Standards der Augmented Reality (AR) und der Virtual Reality (VR) behandelt. Dazu gehören:
- Datenschnittstellen (Standards, Vorverarbeitung, Systeme, etc.)
- Interaktionstechniken (z.B. Interaktion mit Hilfe von Rangekameras)
- Darstellungsverfahren (z.B. Echtzeit-Rendering)
- Web-basierte VR/AR
- Computer-Vision-basiertes Tracking für Augmented-Reality
- Augmented Reality mit Rangekamera-Technologien
- Augmented Reality auf Smartphonesystemen
Schließlich werden diese Techniken an Beispielen aktueller Forschungsarbeiten aus den Bereichen „AR/VR-Wartungsunterstützung“ und „AR/VR-gestützte Präsentation von Kulturgütern“ dokumentiert.

Qualitätsziele / Lernergebnisse
Studierende kennen nach erfolgreichem Besuch der Veranstaltung die Anforderungen und Problematiken von Virtual/Augmented Reality und sie wissen, für welche Problemstellungen diese Technologien eingesetzt werden können. Sie kennen die Standards, mit deren Hilfe VR/AR-Anwendungen spezifiziert werden, insb. wissen die Studierenden, welche Computer-Vision-Technologien eingesetzt werden können, um in verschiedenen Umgebungen die Kamerapose stabil zu tracken.

Empfohlene Voraussetzungen
Grundlagen der Graphischen Datenverarbeitung (GDV)

Literatur
Dörner, R., Broll, W., Grimm, P., Jung, B. Virtual und Augmented Reality (VR / AR)

---

Modul: Augmented Vision


TUCaN-Nummer
20-00-0160

Titel
Virtuelle und Erweiterte Realität

Kürzel
Virt./Erw. Realität

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0160-iv Augmented Vision


Lehrende
Dr.-Ing. Pavel Rojtberg

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Aug Vision

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lernziele
Kurzbeschreibung: Einführung in die Problematik der Computer Vision in Hinblick auf Augmented Reality. Die Lerninhalte umfassen:

* Computer-Vision-basiertes Tracking
* 3D-Interaktionen
* 3D-Standards
* Kamerakalibrierung
* Echtzeit 3D-Rekonstruktion
* 3D Kameratechnologien
* Objekterkennung
* Augmented Reality Praxisbeispiele und Anwendungsfelder

Stoffplan
Im Rahmen dieser Lehrveranstaltung werden zuerst die Grundlagen, Begriffsbildungen und Referenzmodelle zur Einordnung der Thematik im Rahmen der Computer-Graphik aufgezeigt. Aufbauend darauf werden die besonderen Technologien, Algorithmen und Methoden der Visualisierung und AR behandelt. Dazu gehören: Gerätetechnologien (Hardware, Ein- und Ausgabegeräte, Haptik, 3D-Sound, etc. ), die für diesen Bereich spezifischen Probleme der Datenschnittstellen (Standards, Vorverarbeitung, Systeme, etc.), Interaktionstechniken (inkl. Echtzeit-Kollisionserkennung), Darstellungsverfahren (Volumenvisualisierung, Echtzeit-Rendering, Radiosity), Handhabung großer und komplexer Datenmengen, Echtzeit-Simulationsverfahren und Parallelisierungsstrategien (inkl. verteilter Anwendungen). Schließlich werden diese Techniken an Beispielen aktueller Forschungsarbeiten aus den Bereichen Visualisierung (Medizin, Wetter, Strömungsdaten) und AR (Virtual Prototyping, Training, Einbau- Montagesimulation, Architektur walk-through etc.) dokumentiert.

Diploma Supplement
real-time rendering, color systems, light simulation, virtual reality, augmented reality, camera calibration

Literatur
wird in der Vorlesung bekanntgegeben

Vorwissen
Empfohlen: Computer Vision 1

Weitere Informationen
Begleitend zur Vorlesung finden praktische Übungen in Kleingruppen statt. Die Bewertung der Veranstaltung setzt sich jeweils zu 50 % aus der Klausurnote und der Bewertung der Übungsergebnisse zusammen.

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0366 Serious Games
Kurs: 18-de-2050-vl Serious Games

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 09:50 - 11:30 (S101/A03)

Lerninhalte
Einführung in die Thematik „Serious Games“: wissenschaftlich-technische Grundlagen, Anwendungsgebiete und Trends. Die Einzelthemen umfassen unter anderem:
• Einführung in Serious Games
• Game Development, Game Design
• Game Technology, Tools und Engines
• Personalisierung und Adaption
• Interactive Digital Storytelling
• Authoring und Content Generation
• Multiplayer Games
• Game Interfaces und Sensor Technology
• Effects, Affects und User Experience
• Mobile Games
• Serious Games Anwendungsbereiche und Best-Practice Beispiele

Die Übungen enthalten Theorie- und Praxisanteile. Dabei wird die Verwendung einer Game Engine gelehrt.

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Vorlesung können die Studierenden das Konzept von „Serious Games“ erklären und in verschiedene Anwendungsbereiche (wie Bildung und Gesundheit) transferieren. Sie können das allgemeine Vorgehen bei der Entwicklung von Computerspielen beschreiben und können grundsätzliche Prinzipien des Game Designs, der Personalisierung / Adaption und des Interactive Digital Storytellings anwenden. Außerdem können sie weitere aktuelle Fragestellungen sowie deren Lösungen aus dem Bereich Serious Games skizzieren.

Literatur
Wird in der Vorlesung bekanntgegeben.

---

Modul: Serious Games


TUCaN-Nummer
20-00-0366

Titel
Serious Games

Kürzel
Serious Games

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 18-de-2050-vl Serious Games


Lehrende
PD Dr.-Ing. Stefan Peter Göbel

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL Serious Games

Semesterwochenstunden
3

Credits
6,0

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Einführung in die Thematik „Serious Games“: wissenschaftlich-technische Grundlagen, Anwendungsgebiete und Trends. Die Einzelthemen umfassen unter anderem:
• Einführung in Serious Games
• Gamedesign und interaktives Storytelling
• Spieleentwicklung und Autorensysteme
• Sensorik und Human-Computer-Interfaces
• Virtual Reality
• Künstliche Intelligenz in Serious Games und deren Entwicklung
• Games for Health
• User Experience und User Centric Design
• Evaluation von Serious Games
• Serious Games Anwendungsbereiche und Best-Practice Beispiele

Die Übungen enthalten Theorie- und Praxisanteile.

Literatur
Wird in der Vorlesung bekanntgegeben.

Modul und Kurs
Modul: 20-00-0401 Computer Vision II
Kurs: 20-00-0401-iv Computer Vision II

Termine zwischen 2025-04-23 und 2025-07-23
* 14x Mi 11:40 - 13:20 (S311/0012)
* 14x Mi 13:30 - 15:10 (Übungsstunde)

Lerninhalte
- Computer Vision als (probabilistische) Inferenz
- Robuste Schätzung und Modellierung
- Grundlagen der Bayes’schen Netze und Markov’schen Zufallsfelder
- Grundlegende Inferenz- und Lernverfahren der Computer Vision
- Bildrestaurierung
- Stereo
- Optischer Fluß
- Bayes’sches Tracking von (artikulierten) Objekten
- Semantische Segmentierung
- Aktuelle Themen der Forschung

Qualitätsziele / Lernergebnisse
Studierende haben nach erfolgreichem Besuch der Veranstaltung ein vertieftes Verständnis der Computer Vision. Sie formulieren Fragestellungen der Bild- und Videoanalyse als Inferenzprobleme und berücksichtigen dabei Herausforderungen reeller Anwendungen, z.B. im Sinne der Robustheit. Sie lösen das Inferenzproblem mittels diskreter oder kontinuierlicher Inferenzalgorithmen, und wenden diese auf realistische Bilddaten an. Sie evaluieren die anwendungsspezifischen Ergebnisse quantitativ.

Empfohlene Voraussetzungen
Besuch von Visual Computing und Computer Vision I ist empfohlen.

Literatur
Literaturempfehlungen werden regelmässig aktualisiert und beinhalten beispielsweise:
- S. Prince, “Computer Vision: Models, Learning, and Inference”, Cambridge University Press, 2012
- R. Szeliski, ""Computer Vision: Algorithms and Applications"", Springer 2011

---

Modul: Computer Vision 2


TUCaN-Nummer
20-00-0401

Titel
Computer Vision II

Kürzel
Computer Vision II

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0401-iv Computer Vision II


Lehrende
Prof. Ph. D. Stefan Roth

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
CV II

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Die Vorlesungen werden aufgezeichnet und nach dem Präsenztermin per Moodle bereitgestellt.

Lehrinhalte
- Grundlegende Inferenz- und Lernverfahren der Computer Vision
- Grundlagen der tiefen neuronalen Netzwerke in der Computer Vision
- Grundlagen der Bayes’schen Netze und Markov’schen Zufallsfelder
- Computer Vision als (probabilistische) Inferenz
- Fehlerfunktionen und robuste Schätzung/Modellierung
- Bildrestaurierung
- Stereo
- Optischer Fluß
- Objektdetektion
- Tracking von (artikulierten) Objekten
- Semantische Segmentierung
- Aktuelle Themen der Forschung

Literatur
Literaturempfehlungen werden regelmässig aktualisiert und beinhalten beispielsweise:
- R. Szeliski, "Computer Vision: Algorithms and Applications", 2nd edition, Springer, 2022, website
- S. Prince, "Unterstanding Deep Learning", MIT Press, 2023, website
- S. Prince, "Computer Vision: Models, Learning, and Inference", Cambridge University Press, 2012, website

Voraussetzungen
Voriger Besuch von Visual Computing und Computer Vision I ist empfohlen.

Zusätzliche Informationen
https://moodle.tu-darmstadt.de/course/view.php?id=29663

Online-Angebote
Moodle

Modul und Kurs
Modul: 20-00-0535 Human Computer Interaction
Kurs: 20-00-0535-iv Human Computer Interaction

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 15:10 (S202/C120)

Lerninhalte
Die Vorlesung stellt verschiedene grundlegende Konzepte, Modelle und Theorien aus dem Bereich der Human Computer Interaction (HCI) vor. Die Veranstaltung umfasst die folgenden Inhalte:
- Theoretische Grundlagen aus Psychologie und Interaktionsgestaltung als Basis für die Gestaltung von Nutzerschnittstellen
- Überblick über verschiedene Typen von Nutzerschnittstellen
- Command-line interfaces
- Grafische Nutzerschnittstellen, u.a. Mac OS und Windows
- Interaktive Oberflächen, u.a. Tabletops, Multitouch
- Mobile user interfaces, u.a. basierend auf iPhone OS, Android
- Pen-based user interfaces, u.a. elektronische Stifte
- Tangible user interfaces, Organic user interfaces
- Sprachbasierte user interfaces
- Beurteilung, Messung, Bewertung von Nutzerschnittstellen
- Nutzerstudien
- Quantitative Evaluationsmethoden
- Qualitative Evaluationsmethoden
- Nutzerzentrierte Softwareentwicklung

Qualitätsziele / Lernergebnisse
Nach der Teilnahme an dieser Lehrveranstaltung haben Studierende
- Verständnis der psychologischen Grundlagen des Designs von Benutzerschnittstellen erworben
- Methoden des user-centric design process kennengelernt
- Überblickswissen über die gängigen UI Konzepte erworben
- Evaluationstechniken kennen gelernt und angewandt

Literatur
Literaturempfehlungen werden kontinuierlich aktualisiert, Beispiele für verwendete Literatur könnten sein:

Ausgewählte Kapitel aus den folgenden Standardwerken:
- Donald Norman: The Design of Everyday Things
- Alan Dix, Janet Finlay, Gregory Abowd and Russel Beale: Human-Computer Interaction
- Jenny Preece , Yvonne Rogers and Helen Sharp: Interaction Design: Beyond Human-Computer Interaction

---

Modul: Human Computer Interaction


TUCaN-Nummer
20-00-0535

Titel
TK2: Human Computer Interaction

Kürzel
TK2: HCI

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0535-iv Human Computer Interaction


Lehrende
Prof. Dr. rer. nat. Jan Gugenheimer; Dr. rer. pol. Veronika Krauß

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
HCI

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Vorlesung stellt verschiedene grundlegende Konzepte, Modelle und Theorien aus dem Bereich der Human Computer Interaction (HCI) vor. Die Veranstaltung umfasst die folgenden Inhalte:
- Theoretische Grundlagen aus Psychologie und Interaktionsgestaltung als Basis für die Gestaltung von Nutzerschnittstellen
- Überblick über verschiedene Typen von Nutzerschnittstellen
- Command-line interfaces
- Grafische Nutzerschnittstellen
- Interaktive Oberflächen (Tabletops, Multitouch, ...)
- Mobile user interfaces
- Pen-based user interfaces (elektronische Stifte)
- Tangible User Interfaces, Organic User Interfaces
- Sprachbasierte User Interfaces
- Augmented und Virtual Reality
- Beurteilung, Messung, Bewertung von Nutzerschnittstellen
- Nutzerstudien
- Quantitative Evaluationsmethoden
- Qualitative Evaluationsmethoden
- Nutzerzentrierte Softwareentwicklung
- Datenvisualisierung

Literatur
Ausgewählte Kapitel aus den folgenden Standardwerken:
- Donald Norman: The Design of Everyday Things
- Alan Dix, Janet Finlay, Gregory Abowd and Russel Beale: Human-Computer Interaction
- Jenny Preece , Yvonne Rogers and Helen Sharp: Interaction Design: Beyond Human-Computer Interaction

Online-Angebote
https://www.tk.informatik.tu-darmstadt.de

Modul und Kurs
Modul: 20-00-0682 Physikalisch-basierte Simulation und Animation
Kurs: 20-00-0682-iv Physikalisch-basierte Simulation und Animation

Termine zwischen 2025-04-25 und 2025-07-25
* 14x Mi 09:50 - 11:30 (Übungsstunde)
* 14x Fr 11:40 - 13:20 (S101/A04)

Lerninhalte
- Grundlagen der physikalisch-basierten Simulation und Animation
- Bewegungsgleichungen und Modellierung von Starrkörpern, Masse-Feder-Systemen, deformierbaren Körper und Fluiden
- Approximative numerische Methoden zur effizienten Lösung von gewöhnlichen und partiellen Differentialgleichungen
- Methoden zur Parallelisierung physikalisch-basierter Simulationen
- Kollisionserkennung und Behandlung

Qualitätsziele / Lernergebnisse
Nachdem Studierende das Modul erfolgreich abgeschlossen haben, können sie
- Anforderungen an Methoden von physikalisch-basierten Simulationen für die Computeranimation beschreiben
- Konzepte der physikalisch-basierten Simulationen anwenden
- Gelernte Konzepte auf andere Simulationsanwendungen übertragen
- Die Eignung von Algorithmen und numerischen Methoden für die physikalisch-basierte Simulation einschätzen
- Offene Forschungsfragestellungen in der physikalisch-basierten Simulation und Animation beschreiben

Empfohlene Voraussetzungen
Grundlegende Kenntnisse von Numerik, Algorithmen und Datenstrukturen, Computergraphik

---

Modul: Physikalisch-basierte Simulation und Animation


TUCaN-Nummer
20-00-0682

Titel
Physikalisch-basierte Simulation und Animation

Kürzel
PBSA

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0682-iv Physikalisch-basierte Simulation und Animation


Lehrende
Dr.-Ing. Daniel Weber

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PBSA

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- Grundlagen der physikalisch-basierten Simulation und Animation
- Bewegungsgleichungen und Modellierung von Starrkörpern, Masse-Feder-Systemen, deformierbaren Körper und Fluiden
- Approximative numerische Methoden zur effizienten Lösung von gewöhnlichen und partiellen Differentialgleichungen
- Methoden zur Parallelisierung physikalisch-basierter Simulationen
- Kollisionserkennung und Behandlung

Voraussetzungen
Grundlegende Kenntnisse von Numerik, Algorithmen und Datenstrukturen, Computergraphik

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0793 User-Centered Design in Visual Computing
Kurs: 20-00-0793-iv User-Centered Design in Visual Computing

Termine zwischen 2025-04-23 und 2025-07-23
* 13x Mi 13:30 - 15:10 (S3|05 Raum 074)
* 1x 2025-04-23 Mi 13:30 - 15:10 (S202/C120)

Lerninhalte
Die Entwicklung von benutzerzentrierten Softwarelösungen dient nicht nur zur besseren und effizienteren Nutzung von Software, sie erhöht vielmehr die Akzeptanz und somit auch die Verbreitung und Verwendung. Die Vorlesung “User Centered Design in Visual Computing“ richtet sich in erster Linie an Studierende des Fachbereichs Informatik und vermittelt Modelle, Methoden und Techniken zur benutzerzentrierten Entwicklung von Visualisierungssoftware und visuell-interaktiven Benutzerschnittstellen. Dabei werden insbesondere Methoden vorgestellt, die zu einer gesteigerten Akzeptanz und effizienterer Benutzung der entworfenen Lösungen führen. Des Weiteren werden Methoden der Evaluation vorgestellt, die die Akzeptanz und Nutzbarkeit messen. Die Vorlesung behandelt die eingeführten Themen mit besonderem Bezug zu Visual Computing und graphischen Benutzerschnittstellen.
Stoffplan:
• Usability
• User Experience
• Task Analysis
• Benutzerschnittstellen
• Interaktionsdesign
• Prototyping
• Graphikdesign und Informationsvisualisierung
• Evaluation während und nach der Softwareentwicklung
• Anwendungen

Qualitätsziele / Lernergebnisse
Studierende können nach erfolgreichem Besuch der Veranstaltung:
• Geeignete Methoden zur Entwicklung von benutzerzentrierten Softwarelösungen identifizieren und begründen
• Techniken zu benutzerzentrierten Nutzungsschnittstellen anwenden
• Evaluationsmethoden zur Untersuchung der eingesetzten Techniken in den verschiedenen Phasen der Entwicklung identifizieren und auswählen
• Verbesserungen zur Informationsaufnahme und Navigation auf Basis vorhandener Untersuchungen und Evaluationen vorschlagen

Empfohlene Voraussetzungen
• Grundlagen des Visual Computing, wie sie beispielsweise in der kanonischen Einführungsveranstaltung HCS und in der Vorlesung GDV I vermittelt werden

---

Modul: User-Centered Design in Visual Computing


TUCaN-Nummer
20-00-0793

Titel
User-Centered Design in Visual Computing

Kürzel
UCD

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

Diploma Supplement
• User-centered design, usability, user experience, task analysis, user interfaces, interaction design, information visualization, evaluation, applications

---

Kurs: 20-00-0793-iv User-Centered Design in Visual Computing


Lehrende
Prof. Dr.-Ing. Jörn Kohlhammer

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
UCD

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Entwicklung von benutzerzentrierten Softwarelösungen dient nicht nur zur besseren und effizienteren Nutzung von Software, sie erhöht vielmehr die Akzeptanz und somit auch die Verbreitung und Verwendung. Die Vorlesung “User Centered Design in Visual Computing“ richtet sich in erster Linie an Studierende des Fachbereichs Informatik und vermittelt Modelle, Methoden und Techniken zur benutzerzentrierten Entwicklung von Visualisierungssoftware und visuell-interaktiven Benutzerschnittstellen. Dabei werden insbesondere Methoden vorgestellt, die zu einer gesteigerten Akzeptanz und effizienterer Benutzung der entworfenen Lösungen führen. Des Weiteren werden Methoden der Evaluation vorgestellt, die die Akzeptanz und Nutzbarkeit messen. Die Vorlesung behandelt die eingeführten Themen mit besonderem Bezug zu Visual Computing und graphischen Benutzerschnittstellen.
Stoffplan:
• Usability
• User Experience
• Task Analysis
• Benutzerschnittstellen
• Interaktionsdesign
• Prototyping
• Graphikdesign und Informationsvisualisierung
• Evaluation während und nach der Softwareentwicklung
• Anwendungen

Voraussetzungen
• Grundlagen des Visual Computing, wie sie beispielsweise in der kanonischen Einführungsveranstaltung HCS und in der Vorlesung GDV I vermittelt werden

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1035 Tiefe Generative Modelle
Kurs: 20-00-1035-iv Tiefe Generative Modelle

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 09:50 - 11:30 (S202/C205 - Bosch Hörsaal)

Lerninhalte
Generative Modelle, implizite und explizite Modelle, Variational AutoEncoders, Generative Adversarial Networks, Numerische Optimierung für generative Modelle, Anwendungen in der medizinischen Bildverarbeitung

Qualitätsziele / Lernergebnisse
Nachdem Studierende das Modul besucht haben, können sie
- den Aufbau und die Funktionsweise Tiefer Generativer Modelle (Deep Generative Models, DGM) erklären
- wissenschaftliche Veröffentlichungen zum Thema DGMs kritisch hinterfragen und damit fachlich beurteilen
- grundlegende DGMs in einer dafür ausgelegten höheren Programmiersprache selbstständig konstruieren / implementieren
- die Implementierung und Anwendung von DGMs auf unterschiedliche Anwendungen übertragen

Empfohlene Voraussetzungen
- Programmierkenntnisse Python
- Lineare Algebra
- Bildverarbeitung/Computer Vision I
- Statistisches Maschinelles Lernen

Literatur
Wird in Veranstaltung bekannt gegeben.

---

Modul: Tiefe Generative Modelle


TUCaN-Nummer
20-00-1035

Titel
Tiefe Generative Modelle

Kürzel
TGM

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-1035-iv Tiefe Generative Modelle


Lehrende
Ph.D. Anirban Mukhopadhyay

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
TGM

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Generative Modelle, implizite und explizite Modelle, Variational AutoEncoders, Generative Adversarial Networks, Numerische Optimierung für generative Modelle, Anwendungen in der medizinischen Bildverarbeitung

Literatur
Wird in Veranstaltung bekannt gegeben.

Voraussetzungen
- Programmierkenntnisse Python
- Lineare Algebra
- Bildverarbeitung/Computer Vision I
- Statistisches Maschinelles Lernen

Modul und Kurs
Modul: 20-00-1116 Hands-On HCI
Kurs: 20-00-1116-iv Hands-On HCI

Termine zwischen 2025-04-23 und 2025-07-23
* 14x Mi 09:50 - 11:30 (S101/A04)

Lerninhalte
Vielleicht haben Sie bereits von Virtual / Augmented Reality, 3D-Druck, am Körper getragenen oder anfassbaren (tangible) Benutzeroberflächen gehört oder diese sogar ausprobiert. Der Bereich Human-Computer-Interaktion (HCI) deckt all diese spannenden Themen ab und bietet die Möglichkeit, neue Prototypen zu bauen und diese in Benutzerstudien auszuprobieren. Wenn Sie Theorie und Praxis im Bereich der HCI verbinden möchten ist dieser Kurs - Hands-On HCI - genau das Richtige für Sie. Das Ziel des Kurses ist es, Sie durch den gesamten Forschungszyklus im Bereich der HCI zu führen. Damit kann dieser Kurs eine Vorbereitung für Ihre zukünftige Bachelor- / Masterarbeit in diesem Bereich sein, sowie einen ersten Baustein auf Ihrem akademischen Weg darstellen.

Qualitätsziele / Lernergebnisse
Nach Abschluss des Moduls können Studierende

- drei Ansätze zur HCI-Forschung voneinander unterscheiden und anwenden.
- drei Arten empirischer Untersuchungen unterscheiden.
- effektiv eine wissenschaftliche Publikation lesen.
- zwischen Arten von HCI-Beiträgen unterscheiden.
- Forschungsfragen, Hypothesen und experimentelle Variablen formulieren und definieren.
- basierend auf den zuvor erarbeiteten Forschungsfragen ein dazu passendes Studiendesign entwerfen.
- eine Studie durchführen und dabei quantitative und qualitative Methoden zur Datensammlung verwenden.
- quantitative Daten auf der Basis von statistischen Methoden analysieren, auswerten und interpretieren.
- qualitative Daten auf der Basis von Grounded Theory analysieren und interpretieren.
- den Peer-Review Prozess verstehen und sowie Reviews für eine wissenschaftliche Publikation schreiben.
- Evaluationstechniken mit und ohne Nutzern verstehen und anwenden.
- die gewonnenen Erkenntnisse als wissenschaftliche Publikation verschriftlichen und vor einem Fachpublikum präsentieren.

Empfohlene Voraussetzungen
Empfohlen wird die vorherige Belegung von Human-Computer Interaction (TK2).

---

Modul: Hands-On HCI


TUCaN-Nummer
20-00-1116

Titel
Hands-On HCI

Kürzel
HOHCI

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-1116-iv Hands-On HCI


Lehrende
Prof. Dr. rer. nat. Eberhard Max Mühlhäuser; M.Sc. Dominik Schön

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
HOHCI

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Vielleicht haben Sie bereits von Virtual / Augmented Reality, 3D-Druck, am Körper getragenen oder anfassbaren (tangible) Benutzeroberflächen gehört oder diese sogar ausprobiert. Der Bereich Human-Computer-Interaktion (HCI) deckt all diese spannenden Themen ab und bietet die Möglichkeit, neue Prototypen zu bauen und diese in Benutzerstudien auszuprobieren. Wenn Sie Theorie und Praxis im Bereich der HCI verbinden möchten ist dieser Kurs - Hands-On HCI - genau das Richtige für Sie. Das Ziel des Kurses ist es, Sie durch den gesamten Forschungszyklus im Bereich der HCI zu führen. Damit kann dieser Kurs eine Vorbereitung für Ihre zukünftige Bachelor- / Masterarbeit in diesem Bereich sein, sowie einen ersten Baustein auf Ihrem akademischen Weg darstellen.

Der Kurs besteht aus theoretischen und praktischen Teilen. Der theoretische Teil umfasst 8 Vorlesungen über Methoden zum Auffinden und Bewerten relevanter Literatur für die eigene zukünftige Forschung, Grundlagen und Methoden zur quantitativen und qualitativen Erhebung sowie Analyse von Daten. Der praktische Teil umfasst 7 miteinander verbundene benotete Aufgaben (1 Einzel- und 6 Gruppenaufgaben) in der Versuchsplanung, Durchführung und Datenanalyse. Beide Teile der Veranstaltung finden parallel während des Semesters statt. Am Ende des Kurses werden Sie Ihre erste eigene wissenschaftliche Arbeit durchgeführt haben, von der Ideenfindung über das Forschungsdesign, die Durchführung einer Studie bis hin zur Auswertung und Verschriftlichung sowie Präsentation der Ergebnisse. Es wird keine Abschlussprüfung geben; die Abschlussnote des Kurses berechnet sich als vorlesungsbegleitende Prüfung aus den 7 praktischen Aufgaben, sowie einer Forschungsarbeit und Abschlusspräsentation.

In der ersten Vorlesung werden 8 aktuelle HCI Forschungsrichtungen vorgestellt, welche viele spannende Themen wie Augmented und Virtual Reality, Fabrication, maschinelles Lernen und vieles mehr abdecken. In dieser Vorlesung finden Sie sich zu Dreiergruppen zusammen, welche im Laufe des Semesters gemeinsam ein Projekt in einem dieser Forschungsfelder bearbeiten. Dieser Kurs ist auf 24 Plätze begrenzt und eine vorherige Anmeldung für den Kurs ist erforderlich.

Literatur

“Research methods in HCI” by Harry Hochheiser Jinjuan Heidi Feng, and Jonathan Lazar
“How to Design and Report Experiments” by Andy Field and Graham Hole
“Statistics for HCI: Making Sense of Quantitative” Data by Alan Dix
“Qualitative HCI Research: Going Behind the Scenes” by Ann Blandford, Dominic Furniss, and Stephann Makri
“Introduction to the New Statistics: Estimation, Open Science, and Beyond” by Geoff Cumming and Robert Calin-Jageman

Voraussetzungen
Empfohlen wird das vorherige Belegen von Human-Computer Interaction (TK2).

Erwartete Teilnehmerzahl
24

Modul und Kurs
Modul: 20-00-1118 Mensch- und Identitätsfokussiertes Maschinelles Lernen
Kurs: 20-00-1118-iv Mensch- und Identitätsfokussiertes Maschinelles Lernen

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 16:50 (S115/133)

Lerninhalte
Biometrische Systeme und ihre Struktur; Biometrische Leistungsbewertung und Metriken; Gesichtserkennung; Fingerabdruck und Augenbiometrie; Multibiometrische Fusion; Effizientes maschinelles Lernen und Biometrie; Schwachstellen biometrischer Systeme; Erkennung von Präsentationsangriffen; Biometrischer Vorlagenschutz; Biometrische Privatsphäre; Fairness in biometrischen Systemen

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Besuch des Kurses sind die Teilnehmer mit den biometrischen Lösungen vertraut. Sie verstehen grundlegende Techniken zur automatischen Erkennung von Personen, die Schwachstellen der Biometrie und die Schutzmaßnahmen gegen diese Schwachstellen. Sie sind in der Lage, diese Techniken zur Lösung grundlegender biometrischer Aufgaben an realistischen Problemstellungen zu implementieren.

Empfohlene Voraussetzungen
Es wird empfohlen, zuvor Visual Computing besucht zu haben. Grundlagen in Mathematik und Wahrscheinlichkeitsrechnung sind erforderlich.

---

Modul: Mensch- und Identitätsfokussiertes Maschinelles Lernen


TUCaN-Nummer
20-00-1118

Titel
Biometrische Erkennung und Sicherheit

Kürzel
BioES

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-1118-iv Mensch- und Identitätsfokussiertes Maschinelles Lernen


Lehrende
Naser Damer

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
BioES

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Hintergründe und Konzepte von Human-Centric Machine Learning: Das Ziel von Identität und Human-Centric Machine Learning. Die Unterschiede zwischen Identitätslernen und anderen gängigen Klassifikationsarten.
Repräsentationsextraktion für subjektbezogene Daten: Methoden für die Feature Erstellung für identitätsbezogene Anwendungen. Grundlagen und Hintergründe für handgefertigte oder Deep Learning Features.
Deep-Learning Strategien für Identitätsrepräsentationen: Erlernen von Identitätsrepräsentationen mit Hilfe von Deep Learning. Lernstrategien und Loss-Funktionen.
Netzwerkarchitekturen und identitätsspezifische Komponenten.
Knowledge Transfer und Distillation: Transfer Learning und Identitätsrepräsentation. Konzepte und Anwendungen von Knowledge Distillation.
Effizientes Machine Learning: Beziehung zwischen Ressourcenbeschränkungen, Green-AI und
Deep Learning. Methoden zum Aufbau effizienter Lösungen für Maschinelles Lernen.
Synthetische Identität: Die Notwendigkeit einer synthetischen Identität. Synthetische Identität als Adversarial. Generierung synthetischer identitätsgesteuerter Daten unter
verschiedenen Einschränkungen.
Machine Learning Biases: Analyse der demografischen Fairness und der Ursachen der Fairnessprobleme. ML-basierte Abmilderung von demografischen Bias.
Privatsphäre erlernen: Analyse von unbeabsichtigt gelernten Informationen. Lernstrategien zur gezielten Unterdrückung von Informationen auf verschiedenen Repräsentationsebenen.
Data Utility: Verständnis der Auswirkungen von Data Utility im Lernprozess. Verstehen von Sample Utility im Betrieb. ML-Konzepte und Strategien zur Schätzung von Sample Utilities.
Angriffe auf Sample-Level: Überblick über Adversarial, Sample Manipulation und andere Angriffe auf Human-Centric ML. Deep Learning Konzepte, Netzwerkblöcke und LossStrategien um Sample-Level Angriffe zu erkennen und zu umgehen.
Explainability: Überblick über den Bedarf von Explainability in verschiedenenen Entscheidungsprozessen. Verschiedene Strategien um Explainability für Themen aus vergangenen Vorlesungen.

Voraussetzungen
Es wird empfohlen, zuvor Visual Computing besucht zu haben. Grundlagen in Mathematik und Wahrscheinlichkeitsrechnung sind erforderlich.

Modul und Kurs
Modul: 20-00-1135 Kontinuierliches Maschinelles Lernen
Kurs: 20-00-1135-vl Kontinuierliches Maschinelles Lernen

Termine zwischen 2025-04-25 und 2025-07-25
* 1x 2025-04-25 Fr 14:25 - 16:05 (S313/30)
* 13x Fr 14:25 - 16:05 (S101/A5 - Software AG Hörsaal)

Lerninhalte
Die Kursstruktur orientiert sich an einem umfassenden Überblick der zu berücksichtigenden Faktoren und Methoden des Designs, Trainings und der Evaluierung kontinuierlich lernender Systeme. Gelehrte Themen beinhalten:

* Motivation und Einführung in das kontinuierliche Lernen
* Domain Adaptation, Transfer und kontinuierliches Lernen
* Verhindern von katastrophalem Vergessen (Catastrophic Forgetting): Methoden und Beispiele
* Aktives Lernen zur Auswahl von Datenpunkten
* Modulare und Dynamische Architekturen
* Lernen anhand eines Curriculums
* Geschlossene und offene Welt-Annahmen
* Benchmarks und Metriken zur Evaluierung des kontinuierlichen Lernens
* Metalearning
* Entwicklung von Software für kontinuierliches Lernen
* Offene Forschungsschwerpunkte und Anwendungen

Qualitätsziele / Lernergebnisse
Maschinelles Lernen beschäftigt sich mit dem Design von Modellen und Trainingsalgorithmen mit dem Ziel Problemlösungen aus Daten zu erlernen. Legte man den Schwerpunkt historisch gesehen oftmals auf vordefinierte Trainingsdatensätze und die Evaluierung entsprechender Testszenarien, berücksichtigt die gegenwärtige Forschung zunehmend, dass die Welt sich ständig weiterentwickelt. Nach erfolgreichem Abschluss der Veranstaltung werden Studierende in der Lage sein über die Idee des statistischen Training-Test-Zykluses hinauszugehen und moderne Ansätze für kontinuierlich lernende Systeme anzuwenden. Im Laufe der Veranstaltung lernen Studierende dabei einen umfassenden Überblick über die Menge an zu beachtenden Faktoren im kontinuierlichen Lernen kennen. Nach Ende der Veranstaltung werden Studierende ihr Wissen unteranderem um folgende zentrale Themen erweitert haben: Techniken zur Reduktion des Vergessens von Wissen über mehrere Aufgaben, Methodik zur Auswahl geeigneter zukünftiger Daten zur kontinuierlichen Optimierung, dynamischer Modellarchitekturen, sowie Ansätze zur Förderung der Modellrobustheit auf unerwarteten Daten.

Empfohlene Voraussetzungen
Grundlegendes Verständnis des maschinellen Lernens aus einer der folgenden Veranstaltungen wird empfohlen: Statistisches Maschinelles Lernen, Einführung in die Künstliche Intelligenz, Probabilistische Graphische Modelle oder diverse Deep Learning Praktika.

---

Modul: Kontinuierliches Maschinelles Lernen


TUCaN-Nummer
20-00-1135

Titel
Kontinuierliches Maschinelles Lernen

Kürzel
Kont. ML

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-1135-vl Kontinuierliches Maschinelles Lernen


Lehrende
Dr. rer. nat. Martin Mundt

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Kont. ML

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Kursstruktur orientiert sich an einem umfassenden Überblick der zu berücksichtigenden Faktoren und Methoden des Designs, Trainings und der Evaluierung kontinuierlich lernender Systeme. Gelehrte Themen beinhalten:

* Motivation und Einführung in das kontinuierliche Lernen
* Domain Adaptation, Transfer und kontinuierliches Lernen
* Verhindern von katastrophalem Vergessen (Catastrophic Forgetting): Methoden und Beispiele
* Aktives Lernen zur Auswahl von Datenpunkten
* Modulare und Dynamische Architekturen
* Lernen anhand eines Curriculums
* Geschlossene und offene Welt-Annahmen
* Benchmarks und Metriken zur Evaluierung des kontinuierlichen Lernens
* Metalearning
* Entwicklung von Software für kontinuierliches Lernen
* Offene Forschungsschwerpunkte und Anwendungen

Voraussetzungen
Grundlegendes Verständnis des maschinellen Lernens aus einer der folgenden Veranstaltungen wird empfohlen: Statistisches Maschinelles Lernen, Einführung in die Künstliche Intelligenz, Probabilistische Graphische Modelle oder diverse Deep Learning Praktika.

Modul und Kurs
Modul: 20-00-0052 Data Mining und Maschinelles Lernen
Kurs: 20-00-0052-iv Data Mining und Maschinelles Lernen

Termine zwischen 2025-04-28 und 2025-07-21
* 14x Fr 15:20 - 17:00 (Übungsstunde)
* 12x Mo 13:30 - 15:10 (S311/08,S311/0012)

Lerninhalte
Durch die rasante Entwicklung der Informationstechnologie sind immer größere Datenmengen verfügbar. Diese enthalten oft implizites Wissen, das, wenn es bekannt wäre, große wirtschaftliche oder wissenschaftliche Bedeutung hätte. Data Mining ist ein Forschungsgebiet, das sich mit der Suche nach potentiell nützlichem Wissen in großen Datenmengen beschäftigt, und Maschinelles Lernverfahren gehören zu den Schlüsseltechnologien innerhalb dieses Gebiets.

Die Vorlesung bietet eine Einführung in das Gebiet des Maschinellen Lernens unter dem besonderen Aspekt des Data Minings. Es werden Verfahren aus verschiedenen Paradigmen des Maschinellen Lernens mit exemplarischen Anwendungen vorgestellt. Um das Wissen zu operationalisieren, werden in den Übungen prak­tisch­e Erfahrungen mit Lernalgorithmen gesammelt.

- Einführung (Grundbegriffe, Lernprobleme, Konzepte, Beispiele, Repräsentation)
- Regel-Lernen
- Lernen einzelner Regeln (Generalisierung und Spezialisierung, Strukturierte Hypothesenräume, Version Spaces)
- Lernen von Regel-Mengen (Covering Strategie, Evaluierungsmaße für Regeln, Pruning, Mehr-Klassenprobleme)
- Evaluierung und kosten-sensitives Lernen (Accuracy,X-Val,ROC-Kurven,Cost-Sensitive Learning)
- Instanzenbasiertes Lernen (kNN,IBL,NEAR,RISE)
- Entscheidungsbaum-Lernen (ID3, C4.5, etc.)
- Ensemble-Methoden (Bias/Variance, Bagging, Randomization, Boosting, Stacking, ECOCs)
- Pre-Processing (Feature Subset Selection, Diskretisierung, Sampling, Data Cleaning)
- Clustering und Lernen von Assoziationsregeln (Apriori)

Qualitätsziele / Lernergebnisse
Nach der erfolgreichen Absolvierung dieser Lehrveranstaltung sind die Studenten in der Lage
- grundlegende Techniken des Data Mining und Maschinellen Lernens zu verstehen und erklären
- praktische Data Mining Systeme selbständig einsetzen und deren Stärken und Schwächen verstehen
- neue Entwicklungen auf diesem Gebiet kritisch beurteilen

Literatur
- Mitchell: Machine Learning, McGraw-Hill, 1997
- Ian H. Witten and Eibe Frank: Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan-Kaufmann, 1999

---

Modul: Data Mining und Maschinelles Lernen


TUCaN-Nummer
20-00-0052

Titel
Data Mining und Maschinelles Lernen

Kürzel
Data Mining und ML

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Deutsch

---

Kurs: 20-00-0052-iv Data Mining und Maschinelles Lernen


Lehrende
Prof. Dr. rer. nat. Kristian Kersting

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
20-00-0052-vl

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Link zum Moodle-Kurs
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1456

Lehrinhalte
Dieser Kurs soll ein Grundverständnis zum Data Mining und Maschinellen Lernen vermitteln. Ausgehend von einer kurzen Geschichte der KI und einer Klärung, wie Data Mining/Maschinelles Lernen und KI zu einander stehen, werden die grundlegenden Lernaufgaben (Klassifikation, Regression, Clusteranalyse) und -settings (überwacht, unüberwacht, verstärkend) sowie Assoziationsregeln vorgestellt. Weiterhin werden verschiedene Modelltypen des maschinellen Lernens behandelt; von linearen Modellen, Baum-basierten Verfahren, Support-Vektor-Maschinen bis hin zu tiefen neuronalen Netzen. Ein weiterer Fokus wird darauf gelegt, wie diese Modelle evaluiert, in einem Ensemble kombiniert und die Wahl für eine Modell-Entscheidung begründet werden kann.
In der Übung wird der Stoff anhand von praktischen Aufgaben in Python vertieft. Theoretische Übungsaufgaben, die unter anderem auf die Annahmen und Limitierungen der Modelltypen abzielen, ergänzen dabei die Programmieraufgaben.

Themenübersicht

Überblick zum Maschinellen Lernen
Datenanalyse-Zyklus (CRISP)
K-nächste-Nachbarn(k-nearest neighbors)
Kreuzvalidierung(cross validation)
Überanpassung(overfitting)
Bias-Varianz Tradeoff
Klassifikation
Regression
Lineare Modelle
Modell-Selektion und Evaluierung
Baumbasierte Verfahren (decision trees)
Ensemble Methoden (Bagging & Boosting)
Naive Bayes
Bayes'sche Netzwerke
Support Vector Machines
K-Means
Deep Learning
Multi-Layer Perceptron
Convolutional Neural Networks
Assoziationsregeln

Literatur
• Mathematics for Machine Learning, Marc Peter Deisenroth et al., Cambridge University Press, 2020, [https://mml-book.github.io/](https://mml-book.github.io/)

[https://mbmlbook.com/](https://mbmlbook.com/)

• Ian H. Witten and Eibe Frank: Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan-Kaufmann, 2011

• Mitchell: Machine Learning, McGraw-Hill, 1997

Voraussetzungen
• Mathematics for Machine Learning, Marc Peter Deisenroth et al., Cambridge University Press, 2020, https:/mml-book.github.io/](https://mml-book.github.io/)
https:/mbmlbook.com/](https://mbmlbook.com/)
• Ian H. Witten and Eibe Frank: Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan-Kaufmann, 2011
• Mitchell: Machine Learning, McGraw-Hill, 1997

Modul und Kurs
Modul: 20-00-0947 Deep Learning für Natural Language Processing
Kurs: 20-00-0947-iv Deep Learning für Natural Language Processing

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 15:10 (S311/0012)
* 14x Di 15:20 - 17:00 (Übungsstunde)

Lerninhalte
Die Veranstaltung bietet eine Einführung in die grundlegenden Konzepte des Deep Learning und ihren Einsatz für Problemstellungen im Bereich Natural Language Processing (NLP).

Zentrale Inhalte:
- grundlegende Konzepte des Deep Learning (e.g. Feed-Forward Netze, Hidden Layers, Backpropagation, Aktivierungs- und Loss-Funktionen)
- Word Embeddings: Theorie, unterschiedliche Ansätze und Modelle, Verwendung in maschinellen Lernverfahren
- neuronale Netzwerkarchitekturen (e.g. recurrent NN, recursive NN, convolutional NN) für verschiedene Gruppen von NLP-Problemen wie die Klassifikation von Dokumenten (z.B. Spamerkennung), die Bestimmung von Sequenzen (z.B. POS-Tagging, Named Entity Recognition) und komplexeren Strukturen (z.B. Chunking, Parsing, Semantic Role Labeling)

Die Veranstaltung strebt eine enge Verzahnung zwischen theoretischen Konzepten und ihrer praktischen Verwendung zur Lösung typischer Problemstellungen bei Datenanalyse auf freien Texten mit Hilfe von existierenden Programm-Bibliotheken in Python an.

Qualitätsziele / Lernergebnisse
Nachdem Studierende die Veranstaltung abgeschlossen haben, können sie
- die grundlegenden Konzepte von neuronalen Netzen und Deep Learning erklären.
- Word Embeddings erklären, trainieren und für die Lösung von NLP-Problemen einsetzen.
- neuronale Netzwerkarchitekturen für NLP-Probleme wie die Klassifizierung von Dokumenten und das Bestimmen linguistischer Sequenzen (z.B. POS-Tagging) und Strukturen (z.B. Chunking) verstehen und beschreiben.
- neuronale Netzwerke für NLP-Probleme mit Hilfe existierender Bibliotheken in Python implementieren.

Empfohlene Voraussetzungen
Grundlegende Mathematik- und Programmierkenntnisse

---

Modul: Deep Learning für Natural Language Processing


TUCaN-Nummer
20-00-0947

Titel
Deep Learning für Natural Language Processing

Kürzel
DL4NLP

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Deutsch

---

Kurs: 20-00-0947-iv Deep Learning für Natural Language Processing


Lehrende
Prof. Dr. phil. Iryna Gurevych

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
DL4NLP

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
All you need to know about contemporary natural langauge processing (NLP) using deep learning. More about foundations, less about particular frameworks or implementations.

Content:

- Deep learning foundations (learning from data, learning problem formalization, loss functions, training with backpropagation, evaluation)
- NLP as supervised task learning
- Language representation (word embeddings, multi-lingual embeddings)
- Prominent architectures (convoluational neural networks, recurrent neural networks)
- Contemporary architectures and foundational models (transformers and BERT)
- Applications (text classification, text generation, translation)

Literatur
Literature will be announced during the lectures but here are some great textbooks that are freely available.

Goldberg (2017). Neural Network Methods for Natural Language Processing. Morgan & Claypool Publishers.
All TU-Da students can download the PDF at https://www.morganclaypool.com/doi/10.2200/S00762ED1V01Y201703HLT037 (use VPN outside the campus)

Goodfellow et al. (2016). Deep Learning. MIT Press.
HTML freely accessible at https://www.deeplearningbook.org
/
Deisenroth et al. (2020). Mathematics for Machine Learning. Cambridge University Press.
PDF freely accessible at https://mml-book.github.io/ (updated continuosly)

Voraussetzungen
Mathematics (calculus, esp. derivatives and gradients; basic linear algebra; basic probability theory)
Python 3 programming

Online-Angebote
Lectures and links to YouTube videos available at https://github.com/dl4nlp-tuda/deep-learning-for-nlp-lectures

Modul und Kurs
Modul: 20-00-1034 Deep Learning: Architectures & Methods
Kurs: 20-00-1034-iv Deep Learning: Architectures & Methods

Termine zwischen 2025-04-28 und 2025-07-21
* 14x Mi 11:40 - 13:20 (Übungsstunde)
* 12x Mo 11:30 - 13:10 (S306/051)

Lerninhalte
• Auffrischung des Hintergrundwissens
• Deep Feedforward Netze
• Regularisierung im Deep Learning
• Optimierung zum Training tiefer Netze
• Convolutional tiefe Netze
• Modelierung von Sequenzen durch Rekordernte und Rekursive Netze
• Lineare Faktor Modelle
• Autoenkoder
• Repräsentationslernen
• Strukturierte Probabilistische Modelle zum Deep Learning
• Monte Carlo Methoden
• Approximative Inferenz
• Tiefe generative Modelle
• Deep Reinforcement Learning
• Deep Learning in Vision
• Deep Learning in NLP

Qualitätsziele / Lernergebnisse
Dieser Kurs richtet sich an Studierende mit fortgeschrittenem Erfahrung im maschinellen Lernen und vermittelt diesen Studierenden das notwendige Wissen, um eigenständig Forschungsprojekte im Bereich der Deep Learning durchzuführen, z.B. im Rahmen einer Bachelor- oder Masterarbeit. Dies betrifft sowohl ein grundlegendes Verständnis der algorithmischen Ansätze zum Deep Learning als auch die der Architekturen der tiefen tiefen Netze.

Empfohlene Voraussetzungen
20-00-0358-iv Statistisches Maschinelles Lernen
20-00-0052-iv Data Min­ing und Maschinelles Lernen

---

Modul: Deep Learning: Architectures & Methods


TUCaN-Nummer
20-00-1034

Titel
Deep Learning: Architectures & Methods

Kürzel
DeepML

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Englisch

---

Kurs: 20-00-1034-iv Deep Learning: Architectures & Methods


Lehrende
Prof. Dr. rer. nat. Kristian Kersting; M.Sc. Wolfgang Stammer

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
DeepML

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
• Auffrischung des Hintergrundwissens
• Deep Feedforward Netze
• Regularisierung im Deep Learning
• Optimierung zum Training tiefer Netze
• Convolutional tiefe Netze
• Modelierung von Sequenzen durch Rekordernte und Rekursive Netze
• Lineare Faktor Modelle
• Autoenkoder
• Repräsentationslernen
• Strukturierte Probabilistische Modelle zum Deep Learning
• Monte Carlo Methoden
• Approximative Inferenz
• Tiefe generative Modelle
• Deep Reinforcement Learning
• Deep Learning in Vision
• Deep Learning in NLP

Voraussetzungen
20-00-0358-iv Statistisches Maschinelles Ler­nen
20-00-0052-iv Data Min­ing und Maschinelles Ler­nen

Modul und Kurs
Modul: 20-00-1039 Advanced Data Management Systems
Kurs: 20-00-1039-iv Advanced Data Management Systems

Termine zwischen 2025-04-24 und 2025-07-24
* 11x Do 09:50 - 11:30 (S103/123)
* 14x Fr 11:40 - 13:20 (Übungsstunde)

Lerninhalte
Dies ist eine fortgeschrittene Vorlesung aus dem Bereich der Architektur und Implementierung moderner Datenbanksysteme mit dem speziellen Fokus auf System-orientieren Aspekten und Interna solcher Systeme. Mögliche Themengebiete die in der Vorlesung behandelt werden sind: moderne Hardwaretechnologien für das Datenbanksysteme, Optimierungen für Hauptspeicherdatenbanken, Parallelisierungsstrategien und Approximative Anfrageausführung usw.

Es wird erwartet, dass für jede Vorlesung aktuelle Veröffentlichungen (SIGMOD, VLDB, etc.) vorher gelesen werden. Die Hauptideen ausgewählter Veröffentlichungen werden in Programmierprojekten umgesetzt. Die Endnote des Kurses basiert auf den Programmierprojekten. Es gibt keine Klausur.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Abschluss der Vorlesung haben Studenten folgende Lernziele erreicht:
- Vertieftes Verständnis von aktuellen Techniken für das Design von modernen Datenbanksystemen
- Diskussion von Vor- und Nachteilen dieser Techniken mit dem Fokus auf möglichen Verbesserungen
- Implementierung von einzelnen Techniken und experimentelle Evaluierung dieser Techniken zum Vergleich von Designalternativen

Empfohlene Voraussetzungen
Solide Programmierkenntnisse in C and C++
Skalierbares Datenmanagement (20-00-1017-iv)
Informationsmanagement (20-00-0015-iv)

---

Modul: Advanced Data Management Systems


TUCaN-Nummer
20-00-1039

Titel
Advanced Data Management Systems

Kürzel
ADMS

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Englisch

---

Kurs: 20-00-1039-iv Advanced Data Management Systems


Lehrende
Prof. Dr. rer. nat. Carsten Binnig; Prof. Ph.D. Zsolt Istvan

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
ADMS

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Dies ist eine fortgeschrittene Vorlesung aus dem Bereich der Architektur und Implementierung moderner Datenbanksysteme mit dem speziellen Fokus auf System-orientieren Aspekten und Interna solcher Systeme. Mögliche Themengebiete die in der Vorlesung behandelt werden sind: moderne Hardwaretechnologien für das Datenbanksysteme, Optimierungen für Hauptspeicherdatenbanken, Parallelisierungsstrategien und Approximative Anfrageausführung usw.

Es wird erwartet, dass für jede Vorlesung aktuelle Veröffentlichungen (SIGMOD, VLDB, etc.) vorher gelesen werden. Die Hauptideen ausgewählter Veröffentlichungen werden in Programmierprojekten umgesetzt. Die Endnote des Kurses basiert auf den Programmierprojekten. Es gibt keine Klausur.

In dieser Vorlesung findet eine Anrechnung von vorlesungsbegleitenden Leistungen statt, die lt. §25(2) der 5. Novelle der APB und den vom FB 20 am 18.08.2006 beschlossenen Anrechnungsregeln zu einer Notenverbesserung um bis zu 1.0 führen kann.

Voraussetzungen
Solide Programmierkenntnisse in C and C++
Skalierbares Datenmanagement (20-00-1017-iv)
Informationsmanagement (20-00-0015-iv)

Modul und Kurs
Modul: 20-00-1061 Ethik in Natürlicher Sprachverarbeitung
Kurs: 20-00-1061-iv Ethik in Natürlicher Sprachverarbeitung

Termine zwischen 2025-04-24 und 2025-07-24
* 11x Do 13:30 - 15:10 (S311/0012)
* 14x Do 15:20 - 17:00 (Übungsstunde)

Lerninhalte
Mit zunehmender Verbreitung von Sprachtechnologien wächst das Bewusstsein, dass Entscheidungen, die wir über unsere Daten, Methoden und Werkzeuge treffen, direkt mit deren Auswirkungen auf Menschen und Gesellschaften verbunden sind. Diese Veranstaltung stellt reale Anwendungen von Sprachtechnologien und die möglichen ethischen Implikationen vor. Wir besprechen philosophische Grundlagen der ethischen Forschung und fortschrittliche Methoden auf dem neuesten Stand der Technik.

Zentrale Inhalte:

- Philosophische Grundlagen: Was ist Ethik - Geschichte, medizinische und psychologische Experimente, ethische Entscheidungsfindung.
- Falschdarstellung und Befangenheit: Algorithmen zur Identifizierung von Vorurteilen in Modellen und Daten, sowie kontradiktorische Ansätze zum Gegensteuern.
- Datenschutz: Algorithmen für demografische Inferenz, Persönlichkeitsprofile und Anonymisierung von demographischen und persönlichen Merkmalen.
- Höflichkeit in der Kommunikation: Techniken zur Überwachung des Trolling, Hate Speech, missbräuchliche Sprache, Cybermobbing, toxische Kommentare.
- Demokratie und die Sprache der Manipulation: Ansätze zur Erkennung von Propaganda und Manipulation in Nachrichten, zur Erkennung von gefälschten Nachrichten und zur politischen Gestaltung.
- NLP zum Wohle der Menschheit: NLP mit geringen Ressourcen, Anwendungen zur Reaktion auf Katastrophen und Überwachung von Krankheiten, medizinische Anwendungen, psychologische Beratung, Schnittstellen für die Zugänglichkeit.

Qualitätsziele / Lernergebnisse
Nachdem Studierende die Veranstaltung abgeschlossen haben, können sie
- philosophische und praktische Aspekte von Ethik erklären
- die Grenzen und Limitierungen maschineller Lernmodelle aufzeigen
- Techniken einsetzen, um Befangenheit und Unfairness in Modellen und Daten zu identifizieren und genezusteuern
- den Einfluss von Meinungsbeeinflussung in Datenaufbereitungen und Nachrichten aufzeigen und quantifizieren
- Hassrede und Online-Missbrauch identifizieren sowie Gegenmaßnahmen entwickeln

Empfohlene Voraussetzungen
Grundlegende Algorithmen und Datenstrukturen sowie Programmierkenntnisse

---

Modul: Ethik in Natürlicher Sprachverarbeitung


TUCaN-Nummer
20-00-1061

Titel
Ethik in Natürlicher Sprachverarbeitung

Kürzel
EthikInNLP

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Deutsch

---

Kurs: 20-00-1061-iv Ethik in Natürlicher Sprachverarbeitung


Lehrende
Prof. Dr. phil. Iryna Gurevych

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
EthikInNLP

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Mit zunehmender Verbreitung von Sprachtechnologien wächst das Bewusstsein, dass Entscheidungen, die wir über unsere Daten, Methoden und Werkzeuge treffen, direkt mit deren Auswirkungen auf Menschen und Gesellschaften verbunden sind. Diese Veranstaltung stellt reale Anwendungen von Sprachtechnologien und die möglichen ethischen Implikationen vor. Wir besprechen philosophische Grundlagen der ethischen Forschung und fortschrittliche Methoden auf dem neuesten Stand der Technik.

Zentrale Inhalte:

- Philosophische Grundlagen: Was ist Ethik - Geschichte, medizinische und psychologische Experimente, ethische Entscheidungsfindung.
- Falschdarstellung und Befangenheit: Algorithmen zur Identifizierung von Vorurteilen in Modellen und Daten, sowie kontradiktorische Ansätze zum Gegensteuern.
- Datenschutz: Algorithmen für demografische Inferenz, Persönlichkeitsprofile und Anonymisierung von demographischen und persönlichen Merkmalen.
- Höflichkeit in der Kommunikation: Techniken zur Überwachung des Trolling, Hate Speech, missbräuchliche Sprache, Cybermobbing, toxische Kommentare.
- Demokratie und die Sprache der Manipulation: Ansätze zur Erkennung von Propaganda und Manipulation in Nachrichten, zur Erkennung von gefälschten Nachrichten und zur politischen Gestaltung.
- NLP zum Wohle der Menschheit: NLP mit geringen Ressourcen, Anwendungen zur Reaktion auf Katastrophen und Überwachung von Krankheiten, medizinische Anwendungen, psychologische Beratung, Schnittstellen für die Zugänglichkeit.

Voraussetzungen
Grundlegende Algorithmen und Datenstrukturen.
Programmierkenntnisse sind für die Übungsinhalte hilfreich, jedoch zum Bestehen nicht notwendig.

Modul und Kurs
Modul: 18-sm-1020 Praktikum Multimedia Kommunikation I
Kurs: 18-sm-1020-pr Praktikum Multimedia Kommunikation I

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 16:30 (S320/5)

Lerninhalte
Der Kurs bearbeitet aktuelle Entwicklungsthemen aus dem Bereich derMultimedia Kommunikationssysteme. Neben einem generellen Überblick wirdein tiefgehender Einblick in ein spezielles Entwicklungsgebietvermittelt. Die Themen bestimmen sich aus den spezifischenArbeitsgebieten der Mitarbeiter und vermitteln technische undeinleitende wissenschaftliche Kompetenzen in einem oder mehreren derfolgenden Gebiete:
[list]
[*]Netzwerk und Verkehrsplanung und Analyse
[*]Leistungsbewertung von Netzwerk-Anwendungen
[*]Diskrete Event-basierten Simulation von Netzdiensten
[*]Protokolle für mobile Ad hoc Netze / Sensor Netze
[*]Infrastrukturnetze zur Mobilkommunikation / Mesh-Netze
[*]Kontext-abhängige/bezogene Kommunikation und Dienste
[*]Peer-to-Peer Systeme und Architekturen
[*]Verteil-/ und Managementsysteme für Multimedia-/e-Learning-Inhalte
[*]Multimedia Authoring- und Re-Authoring Werkzeuge
[*]Web Service Technologien und Service-orientierte Architekturen
[*]Adaptive Bildungstechnologien
[*]Natural Language Processing in Bildungsanwendungen
[/list]
Die konkrete Themenliste befindet sich jedes Semester auf der entsprechenden Lehrewebsite von KOM.

Qualitätsziele / Lernergebnisse
Die Fähigkeit einfache Probleme im Bereich der Multimedia Kommunikation lösen zu können. Erworbene Kompetenzen sind unter anderem:
[list]
[*]Design einfacher Kommunikationsanwendungen und Protokolle
[*]Implementierung und Testen von Software Komponenten für Verteilten Systeme
[*]Anwendung von Objekt-Orientierten Analyse und Design Techniken
[*]Präsentation von Projektfortschritten und -ergebnissen
[/list

Empfohlene Voraussetzungen
Das Interesse grundlegenden Themen aktueller Kommunikations- und Multimedia Technologien zu erkunden. Außerdem erwarten wir:
[list]
[*]Erfahrungen in der Programmierung mit Java/C# (C/C++)
[*]Kenntnisse in Computer Kommunikationsnetzen. Die Vorlesungen Kommunikationsnetze I und/oder Net Centric Systems werden empfohlen.
[/list

Literatur
Die Literatur besteht aus einer Auswahl an Fachartikeln zu den einzelnen Themen. Als Ergänzung wird die Lektüre ausgewählte Kapitel aus folgenden Büchern empfohlen:
[list]
[*]Andrew Tanenbaum: "Computer Networks". Prentice Hall PTR (ISBN 0130384887)
[*]Christian Ullenboom: "Java ist auch eine Insel: Programmieren mit der Java Standard Edition Version 5 / 6" (ISBN-13: 978-3898428385)
[*]Kent Beck: "Extreme Programming Explained - Embrace Changes" (ISBN-13: 978-0321278654)
[/list

---

Modul: Praktikum Multimedia Kommunikation 1


TUCaN-Nummer
18-sm-1020

Titel
Praktikum Multimedia Kommunikation I

Kürzel
Prak MM Kom 1

Lehrveranstaltungsart
Praktikum

Gebiet
Net Centric Systems

Sprache
Deutsch/Englisch

Diploma Supplement
<P>The course deals with cutting edge development topics in the area of multimedia communication systems. Beside a general overview it provides a deep insight into a special development topic. The topics are selected according to the specific working areas of the participating researchers and convey technical and basic scientific competences in one or more of the following topics:</P>
<UL>
<LI>Network planning and traffic analysis
<LI>Performance evaluation of network applications
<LI>Discrete event simulation for network services
<LI>Protocols for mobile ad hoc networks / sensor networks
<LI>Infrastructure networks for mobile communication / mesh networks
<LI>Context-aware communication and services (in gaming)
<LI>Peer-to-peer systems and architectures (for file replication)
<LI>Content distribution and management systems for multimedia/e-learning
<LI>Multimedia authoring and re-authoring tools
<LI>Web service technologies and service-oriented architectures
<LI>Applications for distributed workflows
<LI>Resource-based Learning </LI></UL>

---

Kurs: 18-sm-1020-pr Praktikum Multimedia Kommunikation I


Lehrende
Prof. Dr. rer. nat. Björn Scheuermann; M.Sc. Konrad Viktor Altenhofen; Dr. Ing. Julian Zobel

Veranstaltungsart
Praktikum

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
Prak MM KOM 1

Semesterwochenstunden
3

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Alle Informationen finden Sie auf der Webseite des Fachgebietes:
https://www.kom.tu-darmstadt.de/labs

Lehrinhalte
Der Kurs bearbeitet aktuelle Entwicklungsthemen aus dem Bereich der Multimedia Kommunikationssysteme. Neben einem generellen Überblick wird ein tiefgehender Einblick in ein spezielles Entwicklungsgebiet vermittelt. Die Themen sind semesterspezifisch und bestimmen sich aus den konkreten Forschungsgebieten der wissenschaftlichen Mitarbeiter*innen am Fachgebiet. Dabei sollen die Themen technische und einleitende wissenschaftliche Kompetenzen in einem oder mehreren der folgenden Gebiete vermitteln:

Netzwerkplanung und Analyse
Leistungsbewertung von Netzwerkanwendungen
Diskrete Event-basierten Simulation von Netzdiensten
Protokolle für Mobile Ad Hoc Networks, Disruption-Tolerant Networks, Wireless Sensor Networks
Infrastrukturnetze zur Mobilkommunikation, Access Networks
Kontext-abhängige bzw. kontext-bezogene Kommunikation und Dienste
Peer-to-Peer Systeme und Architekturen
Web Service-Technologien und service-orientierte Architekturen
AI-based Network Security & Routing


 

Die jeweiligen Themen werden in der Kickoff-Veranstaltung am ersten Termin vorgestellt und danach in Moodle publiziert. Die weiteren Termine werden mit den Betreuer*innen individuell abgestimmt und folgen nicht dem in Tucan angegebenen Schema. Der erfolgreiche Abschluss des Veranstaltung beinhaltet die Abgabe und die Präsentation eines Posters des eigenen Themas bei einer gemeinsamen verpflichtenden Vorstellungsveranstaltung, die Abgabe einer schriftlichen Ausarbeitung, sowie die mündliche Präsentation der Ergebnisse im Rahmen eines verpflichtenden Abschlusskolloquiums mit allen teilnehmenden Studierenden.


Weitere Informationen sind auf der KOM Website zu finden: https://www.kom.tu-darmstadt.de/labs

Literatur
Die Literatur besteht aus einer Auswahl an Fachartikeln zu den einzelnen Themen. Als Ergänzung wird die Lektüre ausgewählte Kapitel aus folgenden Büchern empfohlen:

Andrew Tanenbaum: "Computer Networks". Prentice Hall PTR (ISBN 0130384887)
Raj Jain: "The Art of Computer Systems Performance Analysis: Techniques for Experimental Design, Measurement, Simulation, and Modeling" (ISBN 0-471-50336-3)
Erich Gamma, Richard Helm, Ralph E. Johnson: "Design Patterns: Objects of Reusable Object Oriented Software" (ISBN 0-201-63361-2)
Kent Beck: "Extreme Programming Explained - Embrace Changes" (ISBN-13: 978-0321278654)

Voraussetzungen
Das Interesse, grundlegenden Themen aktueller Kommunikations- und Multimedia Technologien zu erkunden.

Außerdem erwarten wir, dass Studierende Erfahrungen in der Programmierung (themenspezifisch, z.B. Java, C#, C/C++, Python) und weitere Kenntnisse in Computer-Kommunikationsnetzen bereits besitzen, oder sich diese im Rahmen der Veranstaltung im Selbststudium aneignen.

Die Vorlesungen Kommunikationsnetze I/II, Software Defined Networking, und/oder CNuvS werden empfohlen.

Online-Angebote
moodle

Modul und Kurs
Modul: 18-sm-2070 Praktikum Multimedia Kommunikation II
Kurs: 18-sm-2070-pr Praktikum Multimedia Kommunikation II

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 16:30 (S320/5)

Lerninhalte
Der Kurs bearbeitet aktuelle Entwicklungsthemen aus dem Bereich der Multimedia Kommunikationssysteme. Neben einem generellen Überblick wird ein tiefgehender Einblick in ein spezielles Entwicklungsgebiet vermittelt. Die Themen bestimmen sich aus den spezifischen Arbeitsgebieten der Mitarbeiter und vermitteln technische und einleitende wissenschaftliche Kompetenzen in einem oder mehreren der folgenden Gebiete:
[list]
[*]Netzwerk und Verkehrsplanung und Analyse
[*]Leistungsbewertung von Netzwerk-Anwendungen
[*]Diskrete Event-basierten Simulation von Netzdiensten
[*]Protokolle für mobile Ad hoc Netze / Sensor Netze
[*]Infrastrukturnetze zur Mobilkommunikation / Mesh-Netze
[*]Kontext-abhängige/bezogene Kommunikation und Dienste
[*]Peer-to-Peer Systeme und Architekturen
[*]Verteil-/ und Managementsysteme für Multimedia-/e-Learning-Inhalte
[*]Multimedia Authoring- und Re-Authoring Werkzeuge
[*]Web Service Technologien und Service-orientierte Architekturen
[*]Adaptive Bildungstechnologien
[*]Natural Language Processing in Bildungsanwendungen
[/list]
Die konkrete Themenliste befindet sich jedes Semester auf der entsprechenden Lehrewebsite von KOM.

Qualitätsziele / Lernergebnisse
Die Fähigkeit selbständig Probleme im Bereich des Design und der Entwicklung von Kommunikationsnetzen und -anwendungen für Multimediasysteme zu lösen und zu evaluieren soll erworben werden. Erworbene Kompetenzen sind unter anderem:
[list]
[*]Design komplexer Kommunikationsanwendungen und Protokolle
[*]Implementierung und Testen von Software Komponenten für Verteilte Systeme
[*]Anwendung von Objekt-Orientierten Analyse- und Design-Techniken
[*]Erlernen von Projekt-Management Techniken für Entwicklung in kleinen Teams
[*]Schreiben von Software-Dokumentation und Projekt-Berichten
[*]Präsentation von Projektfortschritten und -ergebnissen
[/list

Empfohlene Voraussetzungen
Das Interesse sich mit herausfordernden Themen der aktuellen Technologien und der Forschung auseinanderzusetzen. Außerdem erwarten wir:
[list]
[*]Solide Erfahrungen in der Programmierung mit Java und/oder C# (C/C++)
[*]Solide Kenntnisse von Objekt-Orientierter Analyse und Design Techniken
[*]Solide Kenntnisse in Computer Kommunikationsnetzen werden empfohlen
[*]Die Vorlesungen in Kommunikationsnetze I (II, III, oder IV) sind von Vorteil
[/list

Literatur
Die Literatur besteht aus einer Auswahl an Fachartikeln zu den einzelnen Themen. Als Ergänzung wird die Lektüre ausgewählter Kapitel aus folgenden Büchern empfohlen:
[list]
[*]Andrew Tanenbaum: "Computer Networks". Prentice Hall PTR (ISBN 0130384887)
[*]Christian Ullenboom: "Java ist auch eine Insel: Programmieren mit der Java Standard Edition Version 5 / 6" (ISBN-13: 978-3898428385)
[*]Joshua Bloch: "Effective Java Programming Language Guide" (ISBN-13: 978- 0201310054)
[*]Erich Gamma, Richard Helm, Ralph E. Johnson: "Design Patterns: Objects of Reusable Object Oriented Software" (ISBN 0-201-63361-2)
[*]Kent Beck: "Extreme Programming Explained - Embrace Changes" (ISBN-13: 978- 0321278654)
[/list

---

Modul: Praktikum Multimedia Kommunikation 2


TUCaN-Nummer
18-sm-2070

Titel
Praktikum Multimedia Kommunikation II

Kürzel
Prak MM Kom 2

Lehrveranstaltungsart
Praktikum

Gebiet
Net Centric Systems

Sprache
Deutsch/Englisch

Diploma Supplement
The course deals with cutting edge development topics in the area of multimedia communication systems. Besides a general overview it provides a deep insight into a special development topic. The topics are selected according to the specific working areas of the participating researchers and convey technical and basic scientific competences in one or more of the following topics:
[list]
[*]Network planning and traffic analysis
[*]Performance evaluation of network applications
[*]Discrete event simulation for network services
[*]Protocols for mobile ad hoc networks / sensor networks
[*]Infrastructure networks for mobile communication / mesh networks
[*]Context-aware communication and services
[*]Peer-to-peer systems and architectures
[*]Content distribution and management systems for multimedia / e-learning
[*]Multimedia authoring and re-authoring tools
[*]Web service technologies and service-oriented architectures
[*]Applications for distributed workflows
[/list

---

Kurs: 18-sm-2070-pr Praktikum Multimedia Kommunikation II


Lehrende
Prof. Dr. rer. nat. Björn Scheuermann; M.Sc. Konrad Viktor Altenhofen; Dr. Ing. Julian Zobel

Veranstaltungsart
Praktikum

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
Prak. MM Komm. 2

Semesterwochenstunden
3

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Alle Informationen finden Sie auf der Webseite des Fachgebietes:
https://www.kom.tu-darmstadt.de/labs

Lehrinhalte
Der Kurs bearbeitet aktuelle Entwicklungsthemen aus dem Bereich der Multimedia Kommunikationssysteme. Neben einem generellen Überblick wird ein tiefgehender Einblick in ein spezielles Entwicklungsgebiet vermittelt. Die Themen sind semesterspezifisch und bestimmen sich aus den konkreten Forschungsgebieten der wissenschaftlichen Mitarbeiter*innen am Fachgebiet. Dabei sollen die Themen technische und einleitende wissenschaftliche Kompetenzen in einem oder mehreren der folgenden Gebiete vermitteln:

Netzwerkplanung und Analyse
Leistungsbewertung von Netzwerkanwendungen
Diskrete Event-basierten Simulation von Netzdiensten
Protokolle für Mobile Ad Hoc Networks, Disruption-Tolerant Networks, Wireless Sensor Networks
Infrastrukturnetze zur Mobilkommunikation, Access Networks
Kontext-abhängige bzw. kontext-bezogene Kommunikation und Dienste
Peer-to-Peer Systeme und Architekturen
Web Service-Technologien und service-orientierte Architekturen
AI-based Network Security & Routing

 

Die jeweiligen Themen werden in der Kickoff-Veranstaltung am ersten Termin vorgestellt und danach in Moodle publiziert. Die weiteren Termine werden mit den Betreuer*innen individuell abgestimmt und folgen nicht dem in Tucan angegebenen Schema. Der erfolgreiche Abschluss des Veranstaltung beinhaltet die Abgabe und die Präsentation eines Posters des eigenen Themas bei einer gemeinsamen verpflichtenden Vorstellungsveranstaltung, die Abgabe einer schriftlichen Ausarbeitung, sowie die mündliche Präsentation der Ergebnisse im Rahmen eines verpflichtenden Abschlusskolloquiums mit allen teilnehmenden Studierenden.


Weitere Informationen sind auf der KOM Website zu finden: https://www.kom.tu-darmstadt.de/labs

Literatur
Die Literatur besteht aus einer Auswahl an Fachartikeln zu den einzelnen Themen. Als Ergänzung wird die Lektüre ausgewählte Kapitel aus folgenden Büchern empfohlen:

Andrew Tanenbaum: "Computer Networks". Prentice Hall PTR (ISBN 0130384887)
Raj Jain: "The Art of Computer Systems Performance Analysis: Techniques for Experimental Design, Measurement, Simulation, and Modeling" (ISBN 0-471-50336-3)
Erich Gamma, Richard Helm, Ralph E. Johnson: "Design Patterns: Objects of Reusable Object Oriented Software" (ISBN 0-201-63361-2)
Kent Beck: "Extreme Programming Explained - Embrace Changes" (ISBN-13: 978-0321278654)

Voraussetzungen
Das Interesse sich mit herausfordernden Themen der aktuellen Technologien und der Forschung auseinanderzusetzen. Außerdem erwarten wir:

Solide Erfahrungen in der Programmierung mit Java und/oder C# (C/C++)
Solide Kenntnisse von Objekt-Orientierter Analyse und Design Techniken
Solide Kenntnisse in Computer Kommunikationsnetzen werden empfohlen
Die Vorlesungen in Kommunikationsnetze I (II, III, oder IV) sind von Vorteil

Online-Angebote
moodle

Modul und Kurs
Modul: 18-sm-2130 Projektpraktikum Multimedia Kommunikation
Kurs: 18-sm-2130-pr Projektpraktikum Multimedia Kommunikation

Termine zwischen 2025-04-22 und 2025-07-22
* 14x Di 13:30 - 16:05 (S320/5)

---

Modul: Projektpraktikum Multimedia Kommunikation

---

Kurs: 18-sm-2130-pr Projektpraktikum Multimedia Kommunikation


Lehrende
Prof. Dr. rer. nat. Björn Scheuermann; M.Sc. Konrad Viktor Altenhofen; Dr. Ing. Julian Zobel

Veranstaltungsart
Praktikum

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
PP MM Komm. 2

Semesterwochenstunden
6

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Alle Informationen finden Sie auf der Webseite des Fachgebietes:
https://www.kom.tu-darmstadt.de/labs

Lehrinhalte
Der Kurs bearbeitet aktuelle Forschungs- und Entwicklungsthemen aus dem Bereich der Multimedia Kommunikationssysteme. Neben einem generellen Überblick wird ein tiefgehender Einblick in ein spezielles Entwicklungsgebiet vermittelt. Die Themen sind semesterspezifisch und bestimmen sich aus den konkreten Forschungsgebieten der wissenschaftlichen Mitarbeiter*innen am Fachgebiet. Dabei sollen die Themen technische und wissenschaftliche Kompetenzen in einem oder mehreren der folgenden Gebiete vermitteln:

Netzwerkplanung und Analyse
Leistungsbewertung von Netzwerkanwendungen
Diskrete Event-basierten Simulation von Netzdiensten
Protokolle für Mobile Ad Hoc Networks, Disruption-Tolerant Networks, Wireless Sensor Networks
Infrastrukturnetze zur Mobilkommunikation, Access Networks
Kontext-abhängige bzw. kontext-bezogene Kommunikation und Dienste
Peer-to-Peer Systeme und Architekturen
Web Service-Technologien und service-orientierte Architekturen
AI-based Network Security & Routing

 

Die jeweiligen Themen werden in der Kickoff-Veranstaltung am ersten Termin vorgestellt und danach in Moodle publiziert. Die weiteren Termine werden mit den Betreuer*innen individuell abgestimmt und folgen nicht dem in Tucan angegebenen Schema. Der erfolgreiche Abschluss des Veranstaltung beinhaltet die Abgabe und die Präsentation eines Posters des eigenen Themas bei einer gemeinsamen verpflichtenden Vorstellungsveranstaltung, die Abgabe einer schriftlichen Ausarbeitung, sowie die mündliche Präsentation der Ergebnisse im Rahmen eines verpflichtenden Abschlusskolloquiums mit allen teilnehmenden Studierenden.


Weitere Informationen sind auf der KOM Website zu finden: https://www.kom.tu-darmstadt.de/labs

Literatur
Die Literatur besteht aus einer Auswahl an Fachartikeln zu den einzelnen Themen. Als Ergänzung wird die Lektüre ausgewählte Kapitel aus folgenden Büchern empfohlen:

Andrew Tanenbaum: "Computer Networks". Prentice Hall PTR (ISBN 0130384887)
Raj Jain: "The Art of Computer Systems Performance Analysis: Techniques for Experimental Design, Measurement, Simulation, and Modeling" (ISBN 0-471-50336-3)
Erich Gamma, Richard Helm, Ralph E. Johnson: "Design Patterns: Objects of Reusable Object Oriented Software" (ISBN 0-201-63361-2)
Kent Beck: "Extreme Programming Explained - Embrace Changes" (ISBN-13: 978-0321278654)
Martin Fowler: "Refactorings - Improving the Design of Existing Code" (ISBN-13: 978-0201485677)

Voraussetzungen
Das Interesse, grundlegenden Themen aktueller Kommunikations- und Multimedia Technologien zu erkunden und entwickeln mithilfe von wissenschaftlichen Methoden.

Außerdem erwarten wir, dass Studierende Erfahrungen in der Programmierung (themenspezifisch, z.B. Java, C#, C/C++, Python), Projektmanagement und weitere Kenntnisse in Computer-Kommunikationsnetzen bereits besitzen, oder sich diese im Rahmen der Veranstaltung im Selbststudium aneignen.

Die Vorlesungen Kommunikationsnetze I/II, Software Defined Networking, und/oder CNuvS werden empfohlen.

Online-Angebote
moodle