Informationstechnik & System-Management
Agiles Projektmanagement
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1APMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden lernen, die erforderlichen theoretischen und praktischen agilen Projektmanagement- und Software-Engineering-Fähigkeiten - basierend auf der praktischen Umsetzung eines kontinuierlichen Software-Engineering - R&D-Projekts - anzuwenden, welches im 2. und 3. Semester zu absolvieren ist.
Übergeordnetes Modul:
Projektmanagement und Individualkompetenz
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ethik & Nachhaltigkeit
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1EUNIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Nach Absolvierung des Symposions sind Studierende in der Lage ethisch-moralische Dilemmata zu analysieren und zu reflektieren; Meinungen aus einem Vortrag im eigenen Handlungskontext zu bewerten; gesellschaftliche Fragen mit Blick auf ihr eigenes fachliches / berufliches Umfeld zu argumentieren; ihre eigene Meinung in der Gruppendiskussion zu artikulieren und zu rechtfertigen.
Übergeordnetes Modul:
Sozialkompetenz und Kommunikation 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Informatik- und Cloud-Technologien
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1ICTIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden entwerfen, implementieren und deployen verteilte Softwaresysteme und realisieren verteiltes Daten-Management sowie verteilte softwarebasierte Dienste. Sie setzen aktuelle Komponententechnologien und wirtschaftsrelevante Middleware- und Cloud-Systeme ein und nutzen Methoden und Werkzeuge der plattformunabhängigen Software-Entwicklung.
Übergeordnetes Modul:
Informatik- und Softwaretechnologien
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Intercultural Communication Skills
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1ICSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können die komplexen Faktoren identifizieren, die die Kommunikation in interkulturellen Kontexten beeinflussen. Sie sind befähigt, ihre eigene kulturbedingte Rolle im Kommunikationszusammenhang einzuordnen.
Übergeordnetes Modul:
Sozialkompetenz und Kommunikation 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software- und Prozess-Notationen
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1SPNIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden entwickeln formalisierte Beschreibungen von unterschiedlichen Artefakten der Softwareentwicklung sowie von wirtschaftlichen Abläufen und vernetzten Prozessen. Sie setzen die gängigen UML-Diagrammtypen zur Systementwicklung ein und erweitern die Notation beispielsweise durch Bildung von Profilen. Sie verwenden entsprechende CASE-Tools und bewerten Methoden und Werkzeuge der plattformunabhängigen Software-Entwicklung. Sie beherrschen Abstraktionskonzepte modellgetriebener Softwareentwicklung.
Übergeordnetes Modul:
Informatik- und Softwaretechnologien
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Vertrieb und Marketing
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1VUMIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die wesentlichen Grundbegriffe des "Sales und Marketing" und ihre praktische Bedeutung. Sie haben einen Überblick über die Werkzeuge des Marketing Mix. Die Studierenden kennen die Grundlagen wesentlicher Marketingtheorien und deren praktischen Nutzen in speziellen Situationen. Sie kennen die wichtigsten modernen Tendenzen im Marketing und ihr Wirken auf den Unternehmenserfolg. Die Studierenden verstehen Vertriebsmechanismen im wirtschaftlichen Kontext und können diese selbst gestalten. Sie bearbeiten eine komplexe Aufgabenstellung aus verschiedenen Bereichen der Wirtschaft (Case Studies), lösen eigenständig eine Problemstellung und dokumentieren diese ingenieurmäßig.
Übergeordnetes Modul:
Projektmanagement und Individualkompetenz
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Foundations of IT-Security
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1FISIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden erwerben Kenntnisse und praktische Fähigkeiten auf dem Gebiet des Betriebes und des Entwurfes von ausgedehnten, abgesicherten Kommunikationsnetzwerken. Sie verstehen Bedrohungspotenziale für Netzinfrastrukturen und kennen Gegenmaßnahmen. Die Studierenden sind in der Lage Gegenmaßnahmen gegen aktuelle Bedrohungen praktisch umzusetzen.
Übergeordnetes Modul:
SP: Cyber Security 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Network Reliability and Virtualization
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1NRZIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können verlässliche, performante IP-Netzwerke planen und implementieren, sie können Netzwerke betreffend deren Ausfallsicherheit bewerten und optimieren. Sie können IP-Multicast Netzwerke planen, implementieren und optimieren. Sie sind grundlegend mit BGP vertraut und können grundlegende BGP-Konfigurationen vornehmen. Sie sind mit aktuellen Netzwerktechnologien aus den Bereichen Enterprise Networking, Datacenter Networking und Service Provider Networking vertraut. Sie haben Einblick in aktuelle Entwicklungen im Bereich der Netzwerktechnologie (z.B. Software Defined Networks (SDN), Programmierbare Dataplanes (z.B. P4) und Next-Gen SDN)
Übergeordnetes Modul:
SP: Cyber Security 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Rechtliche Aspekte von Cyber Security
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1RACIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die relevanten gesetzlichen Grundlagen aus dem Datenschutz-, Straf-, Zivil-, Arbeits- und Gesellschaftsrecht sowie aus den Bereichen Compliance und Versicherung, können diese auf konkrete Fälle anwenden und Implikationen daraus ableiten. Sie kennen die rechtlichen Grundlagen zur Prävention und die rechtlichen Konsequenzen von Cyber-Sicherheitsvorfällen für die unterschiedlichen Akteure.
Übergeordnetes Modul:
SP: Cyber Security Zusatz
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltungen
SP: Social Engineering
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1SEGIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen, wie und warum Social Engineering funktioniert, welche Umstände es begünstigen und wie die Erfolgswahrscheinlichkeit von Social Engineering minimiert werden kann. Weiters sind die Studierenden in der Lage, gängige Social-Engineering-Techniken zu identifizieren und abzuwehren. Sie können darüber hinaus Dritte, insbesondere Fachfremde über Social Engineering und dessen Prävention aufklären.
Übergeordnetes Modul:
SP: Cyber Security Zusatz
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltungen
SP: Analytics and Knowledge Discovery
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1AKDIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können klassische Verfahren der explorativen Datenanalyse auf unterschiedliche Datentypen (numerische, kategoriale, Text-) anwenden. Sie sind in der Lage einen Knowledge Discovery Process (Data Mining, Information Retrieval, Strukturentdeckende Verfahren) zu implementieren, die Dimensionalität der Daten zu reduzieren, Cluster zu identifizieren und entsprechend zu visualisieren. Die Lehrveranstaltung fokussiert auf nicht-überwachtes Lernen.
Übergeordnetes Modul:
SP: Data Science & Analytics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Data Science
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1DCEIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen Typen und Bestandteile von Data Science Projekten, können deren Struktur beschreiben und die entsprechenden Positionen und Bezeichnungen von MitarbeiterInnen benennen. Sie verstehen die Konzepte hinter Daten, Modellen und Algorithmen und benutzen Fachsprache, um diese zu beschreiben. Sie diskutieren die Eignung von Datensammlungen oder Datenbeschaffungsprozessen für bestimmte Aufgabenstellungen. Sie sind in der Lage, Methoden und Algorithmen anzuwenden, um aus Daten in unterschiedlichen Repräsentationen (numerisch, kategorisch, One-hot oder textlich) Informationen zu extrahieren. Sie kennen Methoden zu Sammlung, Bereinigung und Visualisierung von Daten, um ein Verständnis aus Sicht der Anwendung zu entwickeln. Dem weiteren Design Cycle für überwachtes Lernen folgend können sie Merkmals-Extraktionen und das Sampeln von Trainings- und Testdaten implementieren, ausgewählte (einfache) Klassifizierer parametrisieren und trainieren und deren Performance bewerten. Dazu benutzen sie state-of-the-art Entwicklungsumgebungen und skalierbare Technologien und sind in der Lage gewählte Lösungswege inhaltlich zu argumentieren.
Übergeordnetes Modul:
SP: Data Science & Analytics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Mathematik und Modellierung
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1MAMIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 4 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können mit mehrdimensionalen Funktionen Sachverhalte modellieren. Sie sind in der Lage, das Veränderungsverhalten dieser Funktionen zu analysieren und kritische Punkte zu bestimmen. Sie können komplexe Funktionen durch mehrdimensionale Polynome approximieren (insbesondere mit Tangentialebenen und Taylorpolynomen zweiter Ordnung). Sie sind in der Lage, Gradienten-basierte Verfahren zum Auffinden von lokalen Minima einzusetzen. Sie verstehen ausgewählte Problemstellungen der konvexen Optimierung und können diese mit mathematischer Software lösen. Die Studierenden sind in der Lage, die wichtigsten Matrixzerlegungen zu berechnen und wenden die Eigenwerttheorie an, um die Hauptachsentransformation für Daten durchzuführen. Die Studierenden sind in der Lage, mehrdimensionale Integrale aufzulösen. Sie verstehen das Konstrukt eines Vektorraumes (VR) mit innerem Produkt und sind in der Lage, es in verschiedenen Anwendungsbereichen zu identifizieren. Sie beherrschen die Koordinatentransformation für den Wechsel einer Basis in endlich-dimensionalen VRen und kennen den Zusammenhang mit der Fourier Analyse. Sie kennen ausgewählte Anwendungsbereiche der genannten Methoden.
Übergeordnetes Modul:
SP: Mathematik und Modellierung
Kompetenzerwerb aus dem übergeordneten Modul:
--
SP: Digital Signal Processing 1
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1DSPIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die mathematischen Konzepte für die Beschreibung kontinuierlicher und diskreter Signale und Systeme und kennen die Beziehungen zwischen Zeit- und Frequenzbereich. Sie sind vertraut mit den Grundlagen der Abtastung und können grundlegende Transformationen (Fourier, Laplace, z) anwenden. Sie verstehen die Basis-Algorithmen wie FFT, diskrete Faltung und Korrelation. Sie können kontinuierliche Systeme in diskrete transformieren und verstehen die dabei auftretenden Einschränkungen. Sie verfügen über ein fundiertes Wissen im Design und in der Implementierung digitaler FIR-Filter und verstehen ihre Anwendungsmöglichkeiten. Sie haben Erfahrung in der Simulation von DSP-Algorithmen in einer Laborumgebung und können diskrete Systeme mit Hilfe von Simulationssoftware und mit Hilfe von Low-level-Programmiersprachen implementieren.
Übergeordnetes Modul:
SP: Smart Systems & Robotics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Industrierobotik 1
| Semester | 1 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM1IRKIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können mit Hilfe einer schematischen Roboterzeichnung eine Roboterstellung beschreiben. Sie können die Transformationen (Position und Orientierung) und die Geschwindigkeiten zwischen Werkzeug- und Achskoordinaten berechnen. Sie sind vertraut mit den gängigen Verfahren der Trajektorienplanung und können Trajektorien für Roboter planen. Sie können Roboterprogramme in einem Robotersimulator umsetzen und Simulationsläufe analysieren.
Übergeordnetes Modul:
SP: Smart Systems & Robotics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Angewandte Statistik
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2AWSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können Methoden der schließenden Statistik auf Daten anwenden und die erhaltenen Ergebnisse sprachlich und graphisch vermitteln. Sie können Daten mit Modellen beschreiben und visualisieren und sind in der Lage, Abhängigkeiten von Zufallsvariablen durch graphische Modelle darzustellen. Sie kennen statistische Standards und sind in der Lage, Experimente zu planen, durchzuführen und zu dokumentieren. Sie kennen Anwendungen von Zufallszahlengeneratoren im Bereich von generativen Modellen und können entsprechende Daten mit mathematischer Software erzeugen.
Übergeordnetes Modul:
Mathematische Methoden
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ausgewählte Kapitel Industrial Informatics 1
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2AKIIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden lernen eine neue, im Studium bisher wenig vermittelte Basistechnologie ("State of the Art Methode") aus dem Bereich der "Industrial Informatics" kennen. Sie sind in der Lage komplexe technische Inhalte daraus zu beschreiben, zu unterscheiden und möglichen Anwendungsgebieten zuzuordnen. Gleichermaßen können sie deren Auswirkungen auf gesellschaftliche Fragestellungen reflektieren und kritisch hinterfragen.
Übergeordnetes Modul:
Projekt und Workshop 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Discussion and Argumentation Skills
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2DASIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können ein Thema auf Englisch klar und verständlich präsentieren. Sie sind befähigt, Argumente logisch und stringent aufzubauen und auf Fragen und Gegenargumente sprachlich kompetent einzugehen. Anwendung der Lerninhalte finden sich in der Reflexion und Erarbeitung passender Argumentationsketten im Kontext des R&D Projekts wieder.
Übergeordnetes Modul:
Sozialkompetenz und Kommunikation 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
IT- & Security-Management
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2ITSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | abschließend |
Lernergebnis:
Die Studierenden verfügen über das notwendige Wissen, um die IT in einem Unternehmen mitzugestalten und spezifische IT-Managementaufgaben umzusetzen. Als künftige IT & Security ManagerInnen verstehen sie das betreffende betriebliche, rechtliche und soziale Umfeld und beherrschen den Aufbau, das Management (Rollen/Zugriffsrechte) einer IT-Infrastruktur, um u.a. auch der EU-Datenschutzverordnung gerecht zu werden. Sie haben die Fähigkeit, die IT auf die Unternehmensorganisation und Bedürfnisse auszurichten und verstehen die IT als Teil der betrieblichen Prozesse. Darüber hinaus können sie die IT als Business führen und ermöglichen eine Verbesserung der Kerngeschäftsprozesse durch innovative Technologien (Technology Business Management / CTO). Ebenso vertiefend ist der Wissenserwerb im Bereich Security Management und dem Umgang mit sich verändernden Bedrohungen und deren Auswirkungen auf die Cyber Security Strategie von Unternehmen. Den Studierenden sind die kryptografischen Grundlagen der IT-Security vertraut. Sie können Sicherheitsbedrohungen einschätzen und kennen aktuelle Gegenmaßnahmen. Die Studierenden können zudem technische Maßnahmen zur IT-Sicherheit selbstständig und kompetent umsetzen.
Übergeordnetes Modul:
IT-Management und Innovation
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
R&D-Projekt 1
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2RDPPT |
| Typ | PT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 4 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage eine Forschungs- und entwicklungsorientierte Projektarbeit im Team zu planen, zu bearbeiten und zu präsentieren. Sie finden eigenständige Lösungswege im Kontext wissenschaftlicher Evidenz (Recherchekompetenz sowie entsprechende Beweisführung) und erwerben praxisorientierte Problemlösungskompetenz. Dadurch werden sie für jene Bereiche sensibilisiert, die eines vertiefenden, selbstgesteuerten und im Team vollzogenen Wissenserwerbs bedürfen.
Übergeordnetes Modul:
Projekt und Workshop 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Software- und Systems-Engineering
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2SSEIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die verschiedenen Aufgabenfelder und Tätigkeiten im Rahmen des Software-Entwicklungsprozesses (Requirements Engineering & Softwarequalität; Softwarearchitektur; Detailled Design & Design-for-X; Verification and Validation) und des Produktivbetriebs von Software und meistern systematisch die Herausforderungen der Organisation von unterschiedlichen wirtschaftsrelevanten Software-Projekten. Die Studierenden beurteilen Vorgehensmodelle und entwickeln diese eigenständig weiter und treiben Konzeption, Implementierung und Monitoring von professionellen Software-Projekten und des damit verbundenen Produktivbetriebs selbständig voran.
Übergeordnetes Modul:
Software Engineering
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Adaptive Software-Architekturen
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2ASAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden bewerten zeitgemäße Softwarearchitekturen und können Architekturentscheidungen für Entwicklungs- und Integrationsprojekte solide argumentieren. Sie wenden dabei Software-Entwurfsmuster sowie Architekturmuster (insb. Enterprise Integration Patterns) an und machen informatische Abstraktionsmethoden für beteiligte Stakeholder nachvollziehbar und nutzbar. Sie erkennen innovationsrelevante Fragestellungen und entwickeln selbständig geeignete adaptive Lösungskonzepte, um ein hohes Maß an technisch-methodischer Heterogenität systematisch und flexibel zu managen.
Übergeordnetes Modul:
SP: Adaptive Software-Architekturen
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Ausgewählte Algorithmen und Optimierung
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2AAOIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage, Algorithmen in ihren jeweiligen Anwendungsgebieten auszuwählen und hinsichtlich ihrer Ressourcenanforderungen zu bewerten. Sie verstehen, welche Optimierungen möglich und zielführend sind. Die Studierenden sind darüber hinaus in der Lage, Optimierungen selbst durchzuführen und zu deren Erfolg quantitativ zu bewerten.
Übergeordnetes Modul:
SP: Cyber Security 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Privacy Enhancing Technologies
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2PETIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können den Nutzen und die Ziele privatsphärenerhaltender Technologien formulieren und im Kontext realer Problemstellungen beurteilen. Sie können Kosten und Nutzen der Anwendung solcher Technologien abschätzen und sich an Konzeption, Entwurf und Auswahl geeigneter Lösungen beteiligen. Die Studierenden haben einen Überblick über gängige Verfahren in ausgewählten Domänen, verstehen die formalen und mathematischen Grundlagen davon und können diese Verfahren hinsichtlich ihrer Eignung, ihrer Sicherheit und ihrer Anwendbarkeit beurteilen. Weiters können die Studierenden die Funktionsweise einfacher Protokolle auf Basis bewährter kryptografischer Verfahren auch formal bewerten und deren Kosten und Nutzen sowie die Risiken beim Einsatz in realer Umgebung planen und abschätzen.
Übergeordnetes Modul:
SP: Cyber Security 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Secure Network Operations and Analytics
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2SNOIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen aktuelle Ansätze in der organisatorischen Einbindung und dem Management von IT-Security. Sie sind mit dem Prozess zur Erstellung von Security Policies vertraut und kennen Verfahren zur Sicherstellung ihrer Einhaltung, sowie der Gewährleistung des sicheren Betriebs durch Security Information and Event Management (SIEM). Die Studierenden kennen aktuelle Verfahren um Sicherheitskonzepte in großen Netzwerkinfrastrukturen umzusetzen. Sie wissen darüber hinaus, wie der sichere Betrieb dieser Infrastrukturen durch Erhebung von Daten zu Security und Performance überprüft werden kann und können fortgeschrittene Methoden zu Auswertung und Analyse dieser Daten anwenden.
Übergeordnetes Modul:
SP: Cyber Security 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Machine Learning
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2MLGIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die Konsequenzen und Einschränkungen bei der Wahl eines bestimmten Machine Learning Modells im Kontext der statistischen Lerntheorie und in Bezug auf das No-free-lunch Theorem. Sie sind in der Lage, entsprechend aus bekannten Algorithmen auszuwählen, diese zu parametrisieren und bezüglich ihrer Komplexität zu bewerten. Während des Trainingsprozesses können sie Over- und Underfitting erkennen und mit geeigneten Gegenmaßnahmen dagegenwirken. Sie verfügen über das Wissen um geeignete Machine Learning Modelle für verschiedene Arten von Daten (numerische, Texte, Bilder) und Aufgabenstellungen (Klassifikation, Repräsentationslernen, Objekterkennung) auszuwählen.
Übergeordnetes Modul:
SP: Data Science & Analytics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Robust and Explainable AI
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2REAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden setzen sich mit erklär- und interpretierbaren Modellen der künstlichen Intelligenz (Explainable Artificial Intelligence, XAI) auseinander und können Entscheidungsbäumen und deren Erweiterungen als eine Form davon anwenden. Damit sind sie in der Lage, robuste Systeme zu bauen, deren Vorhersagen und Entscheidungen nachvollziehbar sind. Die Studierenden verstehen es, den Einfluss einzelner Merkmale auf das Ergebnis zu interpretieren und kommunizieren die Modellentscheidungen. Weiters können sie die Modelle hinsichtlich ihres Ressourcenverbrauchs durch geeignete Merkmalsauswahl und/oder einer Ausdünnung des Modells während gleichzeitig die Vorhersagequalität hochgehalten wird, optimieren. Sie beherrschen die Analyse des Einflusses von unausgewogenen, verzerrten oder verrauschten Daten auf trainierte Systeme hinsichtlich Fairness oder Robustheit.
Übergeordnetes Modul:
SP: Data Science & Analytics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Digital Signal Processing 2
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2DSPIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen die theoretischen Grundlagen des Designs von IIR-Filtern und kennen die Vor- und Nachteile verschiedener Filtertypen und Designmethoden. Sie verstehen das Problem der Koeffizienten-Quantisierung und können IIR-Filter mit Hilfe von kaskadierten SoSFilterstrukturen implementieren. Sie kennen das Prinzip von Notch-, Kamm- und Medianfilter. Die Studierenden verstehen die Theorie adaptiver LMS-Filter und können diese auch implementieren. Weiters kennen sie die theoretischen Grundlagen eines Sigma-Delta-ADCs und können diese auch praktisch verifizieren. Sie verstehen die Anwendung von Standard-DSP-Algorithmen auch für 2D-Signale (Images).
Übergeordnetes Modul:
SP: Smart Systems & Robotics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Industrierobotik 2
| Semester | 2 |
|---|---|
| Studienjahr | 1 |
| Lehrveranstaltungsnummer | ITSM2IRKIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verstehen ein dynamisches Mehrkörpersystem. Sie können ein Mehrkörpersystem und dessen bestimmende Größen auf gängige Roboterkinematiken beziehen und mit geeigneten Simulationssystemen analysieren. Ausgehend von den dynamischen Robotergleichungen können die Studierenden Mehrgrößenregler synthetisieren und bewerten.
Übergeordnetes Modul:
SP: Smart Systems & Robotics 1
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Advanced Presentation Skills
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3APSIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Englisch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können ein Thema auf Englisch klar und verständlich präsentieren und dabei rhetorische Mittel sowie Elemente des Storytellings der Zielgruppe entsprechend einsetzen. Sie sind in der Lage, die Technik des Storyboardings in der Vorbereitung einer Präsentation anzuwenden. Anwendung der Lerninhalte finden sich in der Reflexion und Durchführung passender Präsentationstechniken im Kontext des R&D Projekts wieder.
Übergeordnetes Modul:
Sozialkompetenz und Kommunikation 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ausgewählte Kapitel Industrial Informatics 2
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3AKIIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden lernen eine neue, im Studium bisher wenig vermittelte Basistechnologie ("State of the Art Methode") aus dem Bereich der "Industrial Informatics" kennen. Sie sind in der Lage komplexe technische Inhalte daraus zu beschreiben, zu unterscheiden und möglichen Anwendungsgebieten zuzuordnen. Gleichermaßen können sie deren Auswirkungen auf gesellschaftliche Fragestellungen reflektieren und kritisch hinterfragen.
Übergeordnetes Modul:
Projekt und Workshop 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Digital Innovation
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3DINIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verfügen über einen Überblick der Themenbereiche Digitale Innovation & Digitale Transformation. Sie haben Kenntnisse über die Funktionsweise der digitalen Wirtschaft (Industrie 4.0, Sharing Economy, Plattformökonomie) und verfügen über ein Grundverständnis zur Bedeutung der digitalen Transformation für Geschäftsprozesse und -modelle. Die Studierenden beherrschen Vorgehensmodelle und Methoden, um eine messbare Innovations-Kultur im Unternehmen und den zugehörigen Innovations-Prozess aufzubauen, einzusetzen und langfristig zu etablieren. Weiters können sie mit qualitativen und quantitativen Methoden die Innovationskraft eines Unternehmens beurteilen und sind in der Lage, Ideen in Innovationen umzuwandeln, aktuelle Methoden zur Schärfung einzusetzen und übliche Probleme bei der Umsetzung von Ideen vorweg zu adressieren und einen entsprechenden Innovationsprozess zu etablieren.
Übergeordnetes Modul:
IT-Management und Innovation
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Master Expose
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3MAEIT |
| Typ | IT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verschriftlichen alle geforderten inhaltlichen Exposébestandteile und führen eigenständig eine Abstimmung mit der Betreuungsperson und letztlich eine Zustimmung durch diese herbei. Ein verbindlicher Zeitplan mit Arbeitsschritten und Meilensteinen liegt vor, wobei der Komplexitätsgrad der Themen- und Fragestellungen der Masterarbeit den zeitlichen und materiellen Ressourcen angemessen ist.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterseminar
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3MASSE |
| Typ | SE |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden betreiben selbständig zielorientierte Struktur- und Inhaltsentwicklung für wissenschaftliche Arbeiten, sie finden selbständig relevante Publikationen zum Themenbereich der Masterarbeit und bauen wissenschaftliche Argumentationslinien eigenständig auf, sie verstehen dabei die Bedeutung von wissenschaftlich-methodischem Vorgehen. Sie kennen den Publikations-Life-Cycle inklusive den Review-Prozess. Darüber hinaus können sie formale, strukturelle und inhaltliche Qualitätsaspekte wissenschaftlicher Arbeiten bewerten.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
R&D-Projekt 2
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3RDPPT |
| Typ | PT |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 4 |
| ECTS-Punkte | 4 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage eine Forschungs- und entwicklungsorientierte Projektarbeit im Team zu planen, zu bearbeiten und zu präsentieren. Sie finden eigenständige Lösungswege im Kontext wissenschaftlicher Evidenz (Recherchekompetenz sowie entsprechende Beweisführung) und erwerben praxisorientierter Problemlösungskompetenz. Dadurch werden sie für jene Bereiche sensibilisiert, die eines vertiefenden, selbst-gesteuerten und im Team vollzogenen Wissenserwerbs bedürfen.
Übergeordnetes Modul:
Projekt und Workshop 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Networks for Industry and Critical Infrastructures
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3NICIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die Anforderungen für spezielle Netzwerke in den Bereichen Industrie und kritische Infrastruktur, insbesondere der Energieversorgung. Sie kennen aktuelle Protokolle und Techniken für diese Bereiche und wissen, wie mit Legacy Protokollen umgegangen werden muss.
Übergeordnetes Modul:
SP: Cyber Security 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: OT Security
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3OTSIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage IT und OT Sicherheit zu unterscheiden. Sie kennen die wichtigsten Protokolle und Architekturen von Industrie 4.0 und (I)IOT und sie können eigenständig Strategien entwickeln, um ein umfassendes Sicherheitskonzept für Produkt und Produktion zu erstellen.
Übergeordnetes Modul:
SP: Cyber Security 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Deep Learning
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3DLGIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen sowohl grundlegende als auch aktuelle Ansätze und Methoden aus den Bereichen Deep Learning und Repräsentationslernen und sind in der Lage, diese mit geeigneten Toolboxen auf Datensätze anzuwenden. In praktischen Aufgaben untersuchen sie den Modellaufbau und die Wahl der Modellparameter und entscheiden über den Einsatz von vortrainierten Modellen im Sinne des Transferlernens. Sie kennen Methoden des teilüberwachten Lernens und der Datenanreicherung, um die Effektivität bei kleinen Datensätzen mit Domänenwissen zu optimieren (Small Data Challenge). Sie parametrisieren die jeweiligen Lernalgorithmen und wenden sie auf Datensätze unter optimaler Nutzung der Hard- und Software-Ressourcen an. Sie sind in der Lage, mit diesen Methoden innovative Anwendungen zu entwickeln und kennen die Grenzen und Einsatzgebiete der jeweiligen Algorithmen.
Übergeordnetes Modul:
SP: Data Science & Analytics 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Natural Language Processing
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3NLPIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Englisch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage, sogenannte Attention-basierte Modelle zur Verarbeitung natürlicher Sprache anzuwenden und geeignete Netzwerke für Anwendungen in Bereichen wie maschinelle Übersetzung und Sentimentanalyse in sozialen Netzwerken zu implementieren. Aufbauend auf zuvor erworbenen Fähigkeiten in der Vorverarbeitung von Textdaten können sie kontextualisierte Textrepräsentationen und komplexe Netzwerkarchitekturen dazu verwenden. Sie sind in der Lage, Netzwerkparameter und -design abhängig von der Problemstellung zu bestimmen und kennen die Grenzen und Anwendungsbereiche der jeweiligen Algorithmen.
Übergeordnetes Modul:
SP: Data Science & Analytics 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Mobile Robotik
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3MRIKIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die wichtigsten Bestandteile eines mobilen Roboters und können die verschiedenen Bewegungsarten einer mobilen Plattform gegenüberstellen. Sie kennen die Konzepte der Bewegungsplanung von mobilen Robotern und können diese anwenden. Sie verstehen Strategien der Wahrnehmung für Roboter. Sie kennen Methoden der Lokalisierung, Kartierung, und Navigation und deren Stärken und Schwächen und Wissen um Roboterkontrollarchitekturen. Sie können die gelernten Methoden auf eine gegebene mobile Roboterplattform beziehen und mit ROS hardwarenah programmieren.
Übergeordnetes Modul:
SP: Smart Systems & Robotics 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Numerik und Industrielle Algorithmen
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3NIAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die numerischen Schwierigkeiten in der Programmierung, können diese quantifizieren und mögliche Lösungswege aufzeigen. Sie kennen verschiedene numerische und geometrische Methoden, können diese in einfachen Fällen implementieren, können Bibliotheksumsetzungen anwenden und vergleichend auswählen.
Übergeordnetes Modul:
SP: Smart Systems & Robotics 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF1: Big Data and Cloud Computing
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3BDCIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden meistern die technischen und organisatorischen Herausforderungen des Big Data Processing und wenden Methoden und Techniken der datenintensiven Softwareentwicklung an. Sie setzen gängige Big Data Frameworks ein und nutzen die transdisziplinären Aspekte des Cloud-Computings und kommunizieren dessen technologische Fundierungen. Darüber hinaus implementieren sie ausgewählte Fallbeispiele datenintensiver Business-Anwendungen.
Übergeordnetes Modul:
WF1: Informationstechnologien
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF1: Dependable Systems Engineering
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3DSEIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden haben ein Bewusstsein für spezifische Herausforderungen in der interdisziplinären Entwicklung software-intensiver Systeme. Sie kennen unterschiedliche Konzepte und Methoden (wie z.B. Model Based Systems Engineering, MBSE) um diesen Herausforderungen zu begegnen. Darüber hinaus haben sie ein vertieftes Verständnis für Einsatz und Anwendung der SysML (Systems Modelling Language) sowie der ISO 15288 als fundamentales Prozessmodell. Ergänzend kennen sie die Bedeutung der kritischen Qualitäten (Dependability, Verlässlichkeit) im Kontext der interdisziplinären Entwicklung.
Übergeordnetes Modul:
WF1: Informationstechnologien
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF1: Industrial Image Processing
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3IIPIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen die wesentlichen Hardware-Komponenten eines industriellen Bildverarbeitungssystems und wissen um deren Eigenschaften und Einsatzmöglichkeiten. Sie beherrschen die Theorie zu den wichtigsten Methoden und Algorithmen und können diese unter Verwendung gängiger Software-Bibliotheken implementieren. Sie sind in der Lage durch Analyse von Bildverarbeitungsaufgaben diese zu bewerten, um in weiterer Folge Lösungen für industrielle Bildverarbeitung zu entwickeln. Sie kennen einfache Konzepte des maschinellen Lernens und deren Anwendbarkeit in der Bildverarbeitung.
Übergeordnetes Modul:
WF1: Informationstechnologien
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF2: Business Leadership und Start-Up
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3BLSIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verfügen über einen Überblick der Themenbereiche Unternehmensführung und Unternehmensgründung. Sie kennen den Aufbau und die Zusammenhänge und Prozesse innerhalb eines Unternehmens. Sie kennen den Managementkreislauf und sind in der Lage, die wesentlichsten Instrumente der Unternehmensführung einzusetzen. Sie können einen Businessplan erstellen, außerdem die unterschiedlichen Modelle des - zunehmend digitalen - Leaderships und diesbezügliche Vorgehen, Stärken und Schwächen und Unterschiede differenziert einsetzen und die Auswirkungen auf die Unternehmenskultur einschätzen.
Übergeordnetes Modul:
WF2: Informatik bzw. Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF2: Energieinformatik
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3ENIIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind mit den Herausforderungen moderner Energiesysteme vertraut und kennen die Grundlagen der Energieinformatik. Sie kennen die wichtigsten Protokolle in digitalisierten Energiesystemen und Lösungen auf verschiedenen Netzebenen.
Übergeordnetes Modul:
WF2: Informatik bzw. Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
WF2: UX-Technologien
| Semester | 3 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM3UXTIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 3 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden weisen vertieftes Verständnis für den UX-Design-Prozess auf und wenden die Grundprinzipien des User Experience Designs und besonders der Mensch-Computer-Interaktion unter Nutzung aktueller technischer Werkzeuge und Interaktionstechniken zur Implementierung eigener Lösungen an. Sie setzen dabei konsequent eine UX-orientierte Informations-Architektur um und nutzen dabei industrierelevante Werkzeuge und Entwicklungsumgebungen, um einfache bis anspruchsvolle interaktionsoptimierte Anwendungen für mehrere Zielplattformen (z.B. Android, iOS oder Windows) zu konzipieren und diese zu implementieren. Sie entwickeln selbständig ihr eigenes UX-Portfolio basierend auf gängigen UX-Technologien.
Übergeordnetes Modul:
WF2: Informatik bzw. Management
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterarbeit
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4MAAIT |
| Typ | IT |
| Art | Diplom/Masterarbeit |
| Unterrichtssprache | Deutsch |
| SWS | 0 |
| ECTS-Punkte | 20 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden verfassen eigenständig ihre schriftliche Masterarbeit und gehen dabei wissenschaftlich-systematisch vor. Sie betreiben Problemanalyse und -darstellung und erkennen entsprechende Forschungsfragen und -ziele, formulieren Hypothesen und setzen die erforderlichen Arbeitsschritte eigenständig um. Sie entwickeln die inhaltlich auf die Wissenslinien der Forschung am Studiengang hin orientierte Masterarbeit, wobei die Studierenden ihre Vorgehensweise dabei wissenschaftlich argumentieren und rechtfertigen sowie ihre Ergebnisse kritisch hinterfragen.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Masterprüfung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4MAPDP |
| Typ | DP |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 0 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | abschließend |
Lernergebnis:
Die Studierenden präsentieren kohärent und konzise die Motive, die eingesetzten Methoden und erzielten Ergebnisse ihrer Masterarbeiten und geben einen gut informierten Zukunftsausblick, sie beantworten zielpublikumsgerecht die gestellten Fragen zu ihrer Masterarbeit. Darüber hinaus stellen sie gut nachvollziehbare Querverbindungen zu wesentlichen Bezugsfächern des Studiums her und kommunizieren die Innovationsaspekte ihrer Masterarbeiten in allgemeinverständlicher Form, sie erklären dabei komplexe Zusammenhänge in zielpublikumsbezogener Weise. Durch die Masterabschlussprüfung weisen die Studierenden ihre Fähigkeit zum "Agieren in Unsicherheit" nach und belegen durch sicheres Auftreten und solides technisch-wissenschaftliches Argumentieren ihre Fähigkeit, auf herausfordernde Fragestellungen adäquat zu reagieren.
Übergeordnetes Modul:
Wissenschaftliches Arbeiten
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Ringvorlesung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4RVORC |
| Typ | RC |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 1 |
| ECTS-Punkte | 1 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden lernen aktuelle Anwendungsszenarien im Bereich der Kernfächer des Curriculums kennen, reflektieren gemeinsam mit Betroffenen und Akteuren die Auswirkungen des Einsatzes von digitalen Technologien und sind in der Lage, diese Erkenntnisse in Erfahrungswissen für ihre zukünftige Tätigkeit zu transformieren.
Übergeordnetes Modul:
Sozialkompetenz und Kommunikation 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Zielgruppenorientierte Kommunikation
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4ZGKIL |
| Typ | IL |
| Art | Pflicht |
| Unterrichtssprache | Deutsch |
| SWS | 2 |
| ECTS-Punkte | 2 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden sind in der Lage, komplexe Inhalte zielgruppenorientiert darzustellen und dabei klar strukturierte Argumentationslinien zu entwickeln. Sie können lösungs- und nutzenorientiert argumentieren, sowie Kritik sachlich und konstruktiv formulieren. Sie sind in der Lage, Kritik anzunehmen und dies entsprechend rückzumelden.
Übergeordnetes Modul:
Sozialkompetenz und Kommunikation 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Advanced Topics Networking, Security and Privacy
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4ATNIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden kennen aktuellste Technologien und den Stand der Forschung in ausgewählten Bereichen. Sie sind in der Lage sich wissenschaftliche Literatur in diesen Bereichen selbst anzueignen und auf Basis dieser Simulationen und Implementierungen durchzuführen.
Übergeordnetes Modul:
SP: Cyber Security 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Current Trends in AI
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4CTAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Gemeinsam mit Forscher*innen und Expert*innen entwickeln und diskutieren die Studierenden neue Anwendungen und Technologien im Bereich der künstlichen Intelligenz. Sie sind in der Lage, wissenschaftliche Artikel zu studieren und sich mit Herausforderungen und Lösungsansätzen in Unternehmen auseinander zu setzen. Sie können über die Auswirkungen der Technologie und deren soziale und ethische Implikationen reflektieren.
Übergeordnetes Modul:
SP: Data Science & Analytics 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
SP: Moderne Industrieautomatisierung
| Semester | 4 |
|---|---|
| Studienjahr | 2 |
| Lehrveranstaltungsnummer | ITSM4MIAIL |
| Typ | IL |
| Art | Wahlpflicht |
| Unterrichtssprache | Deutsch |
| SWS | 3 |
| ECTS-Punkte | 5 |
| Prüfungscharakter | immanent |
Lernergebnis:
Die Studierenden können die Herausforderungen moderner Industrieautomatisierung bewerten und kritisch beurteilen. Sie können Lösungen ableiten, entwerfen und erarbeiten, die für die Anforderungen an eine sichere, flexible und verteilte Automatisierung geeignet sind. Die Studierenden kennen die aktuellen Architektur- und Informationsmodelle und können sie einordnen und in Beziehung setzen und eine Auswahl begründen. Sie können die Transition zu moderner Industrieautomatisierung für ausgewählte Anwendungsfälle aufzeigen und begleiten. Sie kennen die spezifischen Herausforderungen industrieller AI-Methoden und können diese in eigenen Entwürfen berücksichtigen.
Übergeordnetes Modul:
SP: Smart Systems & Robotics 2
Kompetenzerwerb aus dem übergeordneten Modul:
siehe Lehrveranstaltung
Mit dem Wintersemester 2023 wurde ein neues Curriculum für den Masterstudiengang Informationstechnik & System-Management implementiert (siehe oben). Für Studierende im 3. und 4. Semester gilt nach wie vor das "alte" Curriculum (siehe unten).
| Legende | |
|---|---|
| Semester | Das 1., 3., 5. Semester findet im Wintersemester und das 2., 4., 6. Semester findet im Sommersemester statt. |
| SWS | Semesterwochenstunden; die Einheiten pro Semesterwochenstunde sind im jeweiligen Studiengangsantrag festgelegt. Im Bachelorstudium sind es z.B. meistens 14 Einheiten pro SWS. Pro Einheit werden 45 Minuten unterrichtet. |
| ECTS Punkte | Arbeitsaufwand in ECTS-Punkt, 1 ECTS bedeutet 25 Stunden Arbeitsaufwand für Studierende |
| Typ | BP = Bachelorabschlussprüfung DP/MP = Diplom-/Masterabschlussprüfung IL = Integrierte Lehrveranstaltung IT = Individualtraining/-phasen LB = Labor(übung) PS = Proseminar PT = Projekt RC = Lehrveranstaltung mit reflexivem Charakter RE = Repetitorium SE = Seminar TU = Tutorium UB = Übung VO = Vorlesung |