Qualifikationsziele

Die Studierenden sind mit den wichtigsten Denkweisen und Methoden der Regelung technischer Systeme vertraut. Im Einzelnen wird auf die Qualifikationsziele der Teilmodule verwiesen.

Inhalte

Die Leistungen für das Pflichtmodul “Regelungstechnik PTM” sind aus den
folgenden Modulen zu erbringen:

• 2308 Digitale Regelkreise (2 ECTS)
• 2099 Digitale Regelung (5 ECTS)
• 2325 Ereignisdiskrete Systeme (2 ECTS)
• 2327 Fortgeschrittene Lineare Regelung (2 ECTS)
• 2161 Moderne Methoden der Regelungstechnik (4 ECTS)
• 2285 Nichtlineare Regelung (3 ECTS)
• 2274 Nichtlineare Regelung für Fortgeschrittene (2 ECTS)
• 2100 Regelungstechnik (4 ECTS)
• 2337 Regelungstechnisches Praktikum (4 ECTS)
• 2336 Regelungstechnisches Seminar (3 ECTS)

Insgesamt sind Leistungen im Umfang von mindestens 4 ECTS aus der angeführten Liste zu erbringen. Einzige Einschränkung bei der Auswahl der Teilmodule: Von den beiden Teilmodulen “Digitale Regelkreise” und “Digitale Regelung” darf höchstens eines in das Pflichtmodul “Regelungstechnik PTM” eingebracht werden. Um die Auswahl der Teilmodule möglichst flexibel zu gestalten, darf die Gesamt-ECTS-Zahl der ausgewählten Teilmodule 4, 5 oder 6 betragen(z.B. 3 + 2 = 5).

Leistungsnachweis und Benotung des Moduls

Der Leistungsnachweis für das Pflichtmodul wird dadurch erbracht, dass sämtliche Leistungsnachweise der im Rahmen dieses Pflichtmoduls gewählten Teilmodule erbracht werden. Die Note des Pflichtmoduls wird durch Mittelung aus den Noten der Teilmodule bestimmt. Bei der Mittelung wird jedes Teilmodul mit seiner ECTS-Punktezahl gewichtet. Das Notengewicht, mit dem das gesamte Pflichtmodul in die Masternote eingeht, entspricht 4 ECTS-Punkten. Dieses Gesamtgewicht ist unabhängig davon, ob im Rahmen des Pflichtmoduls Teilmodule im Gesamtumfang von 4, 5 oder 6 ECTS-Punkten eingebracht wurden (siehe “Inhalt des Moduls”).

Dauer des Moduls, Häufigkeit des Angebots:
Das Modul dauert 3 Trimester. Das Modul beginnt jedes Studienjahr jeweils im Wintertrimester. Als Startzeitpunkt ist das Wintertrimester im 1. Studienjahr vorgesehen.

Qualifikationsziele

Die Studenten lernen schwarmbasierte Verfahren zur Optimierung und zur Steuerung von Multiagentensystemen kennen. Sie werden in die Lage versetzt, diese Verfahren zu implementieren und einzusetzen. Ebenso gewinnen die Studenten einen Einblick in die grundlegende Arbeitsweise der Algorithmen.

Inhalte

Schwarmbasierte Verfahren (swarm intelligence) gehören zu den neureren heuristischen Verfahren. Die Vorlesung soll die Studierenden mit den grundlegenden Algorithmen und ihren Anwendungsmöglichkeiten vertraut machen. Daher werden sowohl Anwendungsbereiche als auch theoretische Betrachtungsweisen der Verfahren behandelt.
Die Vorlesung besteht aus zwei Teilen: Schwarmbasierte Verfahren zur Optimierung (z.B. Teilchenschwärme und Ameisenalgorithmen) und Einsatz schwarmbasierter Verfahren zur Steuerung von Robotersystemen.

Einzelthemen sind unter anderem

• Optimierungsprobleme in der Praxis: Probleme exakter Verfahren
• Metaheuristiken und schwarmbasierte Verfahren
• Particle Swarm Optimization
• Ant Colony Optimization
• Swarm Robotics: Schwarmbasierte Methoden zur Steuerung von Multiagentensystemen

Qualifikationsziele

Die Studierenden sollen nach der Lehrveranstaltung “Methoden der Künstlichen Intelligenz: Neuronale Netze ” folgende Kernkompetenzen erworben haben:

• Grundlegendes methodisches Wissen im Bereich Künstliche Intelligenz (KI)
• Vernetzung des Wissens aus der klassischen Informationsverarbeitung mit dem aus dem KI-Bereich
• Basiskenntnisse in Entwurf und Anwendung von Neuronalen Netzen zur Mustererkennung
• Sicherheit im selbständigen problemorientierten Arbeiten

Inhalte

Neuronale Netze als Alternative zur klassischen Wissensverarbeitung wurden erstmalig schon 1943 diskutiert, mit der allgemeinen Verfügbarkeit der ersten Computer um 1960 in Pilotexperimenten realisiert, aber erst nach der Entwicklung schneller SIMD-Rechner nach 1985 auf breiter Basis zur Signal- und Wissensverarbeitung eingesetzt. Anwendungsbereiche waren und sind insbesondere die Mustererkennung sowie die Regelungs- und Automatisierungstechnik.
Die Neuronalen Netze sind den nichtlinearen Verfahren zuzuordnen und haben eine enge Beziehung zum Bereich “Expertensysteme” bzw. “Adaptive Systeme”. In dieser Wahlpflichtvorlesung wird deshalb eine Einführung in diesen Problemkreis und spezielle Anwendungsfälle angeboten, bevor das Grundkonzept der Neuronalen Netze besprochen wird. Zur Vertiefung der Grundkenntnisse sollen dann anhand von exemplarischen Aufgaben und Beispielen im Selbststudium (Projektlehre) Lösungsansätze mit Neuronalen Netzen erarbeitet werden. Werkzeug dazu ist die Signalverarbeitungssoftware MATLAB.

Qualifikationsziele

Die Studierenden sollen nach der Vorlesung “MATLAB – advanced” folgende Kernkompetenzen erworben haben:

• Sicheres Beherrschen von Schlüsseltechniken der matrixorientierten Programmierung,
• Kenntnis spezieller und weiterführender Programmierkonzepte,
• Fähigkeit zur Realisierung auch komplexerer interaktiver Benutzerschnittstellen,
• Grundkenntnisse in der objektorientierten Programmierung mit MATLAB,
• Fähigkeit zur algorithmischen Umsetzung ingenieurstypischer Problemstellungen,
• Sicherheit im selbständigen Erarbeiten von Problemlösungen im Team.

Inhalte

MATLAB ist ein interaktives, matrixorientiertes Programmpaket zur Berechnung, Visualisierung und Programmierung wissenschaftlich-technischer Fragestellungen. Aufbauend auf Grundkenntnissen der matrixorientierten Programmierung mit MATLAB bietet die Vorlesung “MATLAB – advanced” einen weiterführenden und vertiefenden Einblick in dieses vielseitige, in den Ingenieurswissenschaften weit verbreitete, Werkzeug mit den Schwerpunkten

• Modulare und rekursive Programmierung,
• Datenstrukturen,
• Flexible Parameterübergabe über Parameter-Value Kombinationen,
• Erstellen interaktiver Benutzeroberflächen (Callbacks),
• Objektorientierte Programmierelemente,
• Erfassung und Verarbeitung von Daten in Echtzeit,
• Nutzung von Toolboxes.

Die Vorlesung geht dabei neue pädagogische Wege und verknüpft eine e-Learning Komponente mit Vorlesungsanteilen im Seminarstil. Anhand eines ausführlichen Skripts erarbeiten Teams von zwei bis drei Studierenden die einzelnen Lehreinheiten in weitgehend freier Zeiteinteilung selbständig am eigenen Rechner. Ein internet-basiertes Lernportal stellt dabei den Kontakt zum Dozenten und zu den anderen Kursteilnehmern sicher. In den begleitenden Seminarveranstaltungen werden die erarbeiteten Lösungen dann präsentiert, Problemstellen und alternative Lösungsansätze diskutiert und die Inhalte weiter vertieft.

Qualifikationsziele

Die Studierenden können eine anspruchsvolle Aufgabe selbständig analysieren und mit wissenschaftlichen Methoden bearbeiten. Sie haben Erfahrung in der Entwicklung von Lösungsstrategien und in der Dokumentation ihres Vorgehens. Sie haben in einem speziellen Forschungsgebiet vertiefende praktische Erfahrung gesammelt.

Inhalte

In der Master-Arbeit soll eine Aufgabe aus einem begrenztem Problemkreis unter Anleitung selbständig mit bekannten Methoden wissenschaftlich bearbeitet werden. In der Arbeit sind die erzielten Ergebnisse systematisch zu entwickeln und zu erläutern. Sie wird in der Regel individuell und eigenständig durch die Studierenden bearbeitet, kann aber je nach Thema auch in Gruppen von bis zu drei Studierenden bearbeitet werden.

Es ist eine schriftliche Ausarbeitung zu erstellen und diese ist im Rahmen eines Kolloquiums zu präsentieren. Die Präsentation findet als Vortrag von ca. 20 – 30 Minuten Dauer statt. Die Präsentation wird benotet und geht mit 1/15 (entsprechend 2 Leistungspunkte) in die Modulnote ein.

Qualifikationsziele

• Fähigkeit zur Klassierung von kryptographischen Verfahren.
• Fähigkeit, Algorithmen zu lesen und zu interpretieren.
• Fähigkeit zur Beschreibung und programmiertechnischen Umsetzung der kryptographischen Verfahren.
• Fähigkeit zur Einordnung und Bewertung der kryptographischen und kryptoanalytischen Verfahren und Methoden auf Basis des dafür notwendigen mathematischen Hintergrunds.
• Fähigkeit zur Untersuchung sicherheitskritischer Aspekte in bestehenden Systemen.
• Fähigkeit, Internet-basierte kryptographische Anwendungen und deren kryptoanalytische Angriffspotenziale in Grundzügen zu verstehen.
• Fähigkeit zum Transfer auf reale Situationen unter nachrichtentechnisch bedingten Einschränkungen.
• Fähigkeit zur Einordnung kryptographischer und kryptoanalytischer Angriffsmethoden anhand komplexitätstheoretischer Aspekte.

Inhalte

Zunächst wird die Frage geklärt, was unter einem Kryptosystem zu verstehen ist und wie sich die Begriffe Kryptographie und Kryptoanalyse unterscheiden. Darauf aufbauend werden die mathematischen Grundlagen aus der Zahlentheorie wie etwa die modulare Arithmetik vermittelt, die zum Verstehen kryptographischer Systeme notwendig sind. Ein zentrales Ergebnis besteht dabei in der Definition perfekt sicherer Kryptosysteme.
Mit den Grundlagen können verschiedene kryptographische Verfahren und Anwendungen vorgestellt werden. Dazu werden symmetrische Verschlüsselungsverfahren wie affin lineare Blockchiffren oder Produkt- und Feistelchiffren vorgestellt. Weiter werden asymmetrische Verfahren auf Basis von Trapdoor-Einwegfunktionen wie das RSA-Verfahren, El-Gamal-Verfahren oder Verfahren auf Basis elliptischer Kurven vorgestellt. Authentifizierungsverfahren anhand der Challenge-Response-Identifikation wie der COMP128- oder Fiat-Shamir-Algorithmus schließen die Betrachtung kryptographischer Verfahren ab. Nach der Betrachtung kryptographischer Verfahren sollen kryptoanalytische Methoden und Werkzeuge vorgestellt werden. Dabei werden unter Voraussetzung der Kenntnis des Verschlüsselungsalgorithmus die vier gängigen kryptoanalytischen Möglichkeiten des Ciphertext-only-, Known-plaintext-, Chosen-plaintext- und Adaptive-chosen-plaintext-Angriffs betrachtet. Eine Auswahl von Methoden der Kryptoanalyse wie etwa die Brute-Force-Methode oder der Man-In-The-Middle-Angriff werden abschließend untersucht. Es wird die Möglichkeit gegeben, parallel ein eigenes Kryptographietool zu implementieren.

Qualifikationsziele

Die Studierenden erhalten einen Überblick über den aktuellen Stand der Forschung und Entwicklung in der Industrie und öffentlichen Forschungseinrichtungen.

Inhalte

Mitglieder des Instituts für Physik als auch externe Gäste aus Industrie und Forschungseinrichtungen berichten über aktuelle Herausforderungen und Ergebnisse aus Forschung und Entwicklung auf den Gebieten der Mikro- und Nanosystemtechnik.

Regelmäßige Teilnahme für den Erhalt eines Teilnahmescheins (TS) oder regelmäßige Teilnahme und ein 45 min. Vortrag für einen benoteten Schein (NoS).

Qualifikationsziele

Lernziel ist das kompetente Beherrschen grundlegender Algorithmen und Methoden sowie ihrer praktischen Anwendung in den dargestellten Bereichen.

Inhalte

Das Gebiet “Computational Intelligence” umfasst Methoden der sogenannten subsymbolischen Informationsverarbeitung. Auch wenn derzeit noch keine allgemeingültige genaue wissenschaftliche Definition dieses Begriffes existiert, so dient er dazu, die Gebiete “Evolutionary Computation”, “Fuzzy Computation” und “Neural Computation” zusammenzufassen. “Computational Intelligence” betont zum einen den algorithmischen Aspekt und zum anderen die Fundierung im Bereich der künstlichen Intelligenz, der Entscheidungstheorie und der multikriteriellen Optimierung.
Im Zentrum dieses Moduls steht die Vermittlung von grundlegenden Kenntnissen über die in diesen Bereichen angewendeten relevanten Algorithmen, Heuristiken und Methoden. Die praktischen Bezüge reichen von den Bereichen “Business Intelligence/Optimization” und “Experimental Design” (z.B. im Bereich einer vernetzten Operationsführung) bis hin zum “Algorithmic Engineering”. Die Veranstaltung teilt sich in drei Teile auf, die im Rahmen eines Team-Teaching Prozesses repräsentiert werden. Diese Teile sind inhaltlich eng aufeinander bezogen.

Teil A

Der erste Teil dient der Vermittlung der Methodenkompetenz. In ihm finden Einführungen in ausgewählte CI-Methoden statt. Ausführlich werden die statistischen Grundlagen zu multivariaten Verfahren behandelt. Am Ende wird ein Ausblick auf den Bereich “Experimental Design and Analysis” gegeben.

Teil B

Im Anschluss an den Grundlagenteil schließt sich eine Vertiefung in ausgewählte CI-Methoden an. Hierzu zählen insbesondere die Bereiche: Spezielle multivariate Verfahren (z.B. Cluster-Analysen, Hauptkomponentenanalyse, Lineare Modelle zur Klassifikation), Behandlung spezieller Evolutionärer Algorithmen (Evolutionsstrategien, Genetische Algorithmen, Evolutionary Programing,…) und Verfahren im Bereich der experimentellen Untersuchungen.

Teil C

Der begleitende Projektteil, der parallel oder als Blockveranstaltung erfolgen kann, hat das Ziel, eine bestimmte Auswahl statistischer Analyse- und Prognoseverfahren sowie CI-Methoden in Kleingruppenprojekten zu vertiefen und ihre praktische Bedeutsamkeit zu vermitteln. Projektthemen können aus den Bereichen der klassischen Neuronalen Netze, der Datenanalyse (Data Mining, Support Vector Machines, etc.) und der Mustererkennung gewählt werden. Hierbei zielen die Untersuchungen immer auf größere Systemzusammenhänge ab, wie z.B. auf intelligente Netze ( “Swarm Intelligence”) oder auf die Parameteroptimierung bei komplexen Prozessen.

Qualifikationsziele

• Die Studierenden haben die in anderen Modulen erworbenen Kenntnisse vertieft sowie auf bestimmte sensorische und messtechnische Aufgabenstellungen praktisch angewandt.
• Die Studierenden haben vertiefte Fertigkeiten bei der problemorientierten Auswahl von und dem praktischen Umgang mit Standardsoftwarepaketen in den Bereichen Sensorik und Messtechnik.
• Die Studierenden haben ihre Kenntnisse und Fertigkeiten im praktischen Umgang mit Standardsoftwarepaketen verbessert und können bestimmte Aufgabenstellungen zielgerichtet lösen.
• Die Studierenden sind in der Lage, bestimmte sensorische und messtechnische Problemstellungen zu analysieren und mithilfe von ingenieurwissenschaftlichem Denken und Handeln zu lösen.
• Die Studierenden haben Techniken zur Aufarbeitung von wissenschaftlich-technischen Fachthemen erworben und angewandt Diese Fähigkeiten können z.B. im Rahmen von studentischen Abschlussarbeiten nutzbringend eingesetzt werden.

Inhalte

Das Oberseminar “Ausgewählte Kapitel der Sensorik und Messtechnik” vertieft praxisnah das Verständnis für bestimmte Themengebiete der Sensorik und Messtechnik. Der Hauptfokus liegt dabei auf der Anwendung von Standardsoftwarepaketen wie MATLAB, LabVIEW, SigmaPlot, MultiSim, etc. zur Lösung von praktischen Aufgaben bzw. der Bearbeitung von Kleinprojekten. Die Erfahrungen und gewonnenen Kenntnisse können auch im Rahmen von anderen Lehrveranstaltungen wie z.B. Praktikum Sensorik und Elektrische Messtechnik und Praktikum Digitale Bildverarbeitung sowie der eigenen studentischen Abschlussarbeit nutzbringend eingesetzt werden.

Qualifikationsziele

Die Studierenden erwerben personale, soziale und methodische Kompetenzen, um als Führungskräfte auch unter komplexen und teils widersprüchlichen Anforderungen handlungsfähig zu bleiben bzw. um ihre Handlungskompetenz wiederzuerlangen.
Damit ergänzt das Trainingsangebot die im Rahmen des Studiums erworbenen Fachkenntnisse insofern, als diese fachlichen Kenntnisse von den Studierenden in einen berufspraktischen Kontext eingebettet werden können und Möglichkeiten zur Reflexion des eigenen Handelns angeboten werden.

Inhalte

Die Trainings bieten berufsrelevante und an den Themen der aktuellen Führungskräfteentwicklung von Organisationen und Unternehmen orientierte Lerninhalte.
Einen detaillierten und aktualisierten Überblick bietet das jeweils gültige Kursangebot von studium plus. Im kommenden Trimester werden unter anderem die Kurse “Kreativitätstechniken”, “Führen durch Kommunikation” und “Projektmanagement” angeboten.