Daten-intensives Rechnen
„Big Data“ bezeichnet die schnell wachsenden Datenmengen, welche in Wissenschaft, Technik und unserem täglichen Leben entstehen. Durch Technologien wie „Cloud Computing“ und „Mehrkern-Prozessoren“ können diese großen Datenmengen verarbeitet werden. Um aus dieser Datenflut sinnvolles Wissen zu gewinnen, sind Kompetenzen in Data Science, wissenschaftlichem Rechnen, Parallelverarbeitung und Algorithmen notwendig. Dieses Studienprofil verknüpft all diese Aspekte und ist dabei gleichermaßen interdisziplinär, theoretisch fundiert und an aktuellen Anwendungen orientiert.
Absolventen des Studienprofils „Daten-Intensives Rechnen“ sollen neben den Informatik- Grundlagen ebenso interdisziplinäre Kompetenzen in Mathematik sowie ausgewählten Natur- und Ingenieurwissenschaften erwerben. Studierende sind somit in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.
Englischer Name: Data-Intensive Computing
Designierter Sprecher / stellvertretender Sprecher: Prof. Peter Sanders / Prof. Achim Streit
Besondere im Profil erworbene Kompetenzen:
- Absolventen kennen Grundlagen in Datenanalyse, Simulationen, Data-Management, Algorithmen und Sicherheit, können diese weiterentwickeln und optimieren.
- Sie haben ein Grundverständnis in Mathematik und ausgewählten Natur- und Ingenieurwissenschaften entwickelt und können die Anforderungen aus diesen Disziplinen an das datenintensive Rechnen extrahieren und spezifizieren.
- Sie können das Portfolio an Algorithmen, Methoden und Werkzeugen anwenden, um interdisziplinär fortschrittliche und leistungsfähige Lösungen für Natur- und Ingenieurwissenschaften sowie einen industriellen Einsatz zu entwickeln.
- Die Masterarbeit muss aus dem Themenbereich des Studienprofils sein.
- Es müssen mindestens 10 LP aus jedem der beiden Wahlpflichtblöcke „Daten“ sowie „Algorithmen und Parallelverarbeitung“ belegt werden.
- Zusätzlich müssen zwei der Stammmodule Rechnerstrukturen, IT Security (früher: IT-Sicherheit; Sicherheit), Algorithms II (früher: Algorithmen II), Multimodal Artificial Intelligence (früher: Advanced Artificial Intelligence; Fortgeschrittene Künstliche Intelligenz; Kognitive Systeme) (mind. 12 LP) belegt werden. Sollten die Stammmodule bereits im Bachelor geprüft worden sein, müssen mehr LP aus den anderen Bereichen (Wahlpflichtblöcke, Wahlblock, Ergänzungsfach) belegt werden.
- Es muss eines der folgenden Ergänzungsfächer „Materialwissenschaften für datenintensives Rechnen“, „Mathematik für datenintensives Rechnen“ oder „Betriebswirtschaftslehre für datenintensives Rechnen“ belegt werden (9-18 LP).
- Weitere thematisch passende Seminare, Praktika oder Praxis der Forschung können in Absprache mit dem Profilkoordinator belegt werden.
- Es müssen insgesamt mindestens 54 LP aus 2.-5. und dem Wahlblock erbracht werden.
V=Vorlesung (Lecture), S=Seminar (Seminar), P=Praktikum (Practical course), Ü=Übung (Practice)
|
Wahlpflichtblock Daten (mind. 10 LP)
Compulsory elective subject "Daten" (at least 10 CP) |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
|
Data Science (wählbar ab / selectable from 01.10.2023 bis / to 31.03.2025) ersetzt Data Science 1 und 2 |
M-INFO-106505 | T-INFO-113124 | 8 | V | |
|
Data Science 1 (wählbar von / selectable from WS 21/22 bis /to SS 23 |
M-INFO-105799 |
T-INFO-111622 |
5 | V | |
|
Data Science 2 (wählbar von / selectable from WS 21/22 bis / to SS 23)
|
M-INFO-105801 |
T-INFO-111626 |
3 | V | |
|
Data and Storage Management (wählbar bis / selectable up to WS 23/24) |
M-INFO-100739 | T-INFO-101276 | 4 | V | |
| Datenbank-Praktikum | M-INFO-101662 | T-INFO-103201 | 4 | V | |
| Datenbankeinsatz (wählbar bis / selectable up to WS 24/25) | M-INFO-100780 | T-INFO-101317 | 5 | V | |
|
Datenbankfunktionalität in der Cloud (wählbar bis / selectable up to WS 24/25) |
M-INFO-105724 |
T-INFO-111400 |
5 | V | |
|
Distributed Computing bis / up to WS 24/25: Verteiltes Rechnen |
M-INFO-107215 (M-INFO-100761) |
T-INFO-114235 (T-INFO-101298) |
4 | V | |
| Praktikum: Analysis of Complex Data Sets (wählbar bis / selectable up to WS 22/23) | M-INFO-102807 | T-INFO-105796 | 4 | P | |
|
Seminar: Information Systems bis / until WS 25/26: Seminar: Informationssysteme |
M-INFO-107686 (M-INFO-101794) |
T-INFO-115055 |
3 | S | |
|
Wahlpflichtblock Algorithmen und Parallelverarbeitung (mind. 10 LP)
Compulsory elective subject "Algorithmen und Parallelverarbeitung" (at least 10 CP) |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
|
Advanced Data Structures bis / until WS 24/25: Fortgeschrittene Datenstrukturen |
M-INFO-107200 (M-INFO-102731) |
T-INFO-114223 (T-INFO-105687) |
5 | V | |
| Algorithm Engineering | M-INFO-100795 | T-INFO-101332 | 5 | V | |
| Algorithmen für Routenplanung | M-INFO-100031 | T-INFO-100002 | 5 | V | |
| Algorithms II (Stammmodul / advanced mandatory module) Bis / until WS 24/25: Algorithmen II |
M-INFO-107201 (M-INFO-101173) |
T-INFO-114225 (T-INFO-102020) |
6 | V | |
|
Graph Partitioning and Graph Clustering in Theory and Practice bis / until WS 24/25: Graphpartitionierung und Graphenclustern in Theorie und Praxis |
M-INFO-107211 (M-INFO-100758) |
T-INFO-114232 (T-INFO-101295) |
5 | V | |
| Heterogene parallele Rechensysteme | M-INFO-100822 | T-INFO-101359 | 3 | V | |
|
Parallel Algorithms Bis / until WS 24/25: Parallele Algorithmen |
M-INFO-107199 (M-INFO-100796) |
T-INFO-114221 (T-INFO-101333) |
5 | V | |
| Parallelrechner und Parallelprogrammierung | M-INFO-100808 | T-INFO-101345 | 4 | V | |
| Practical Course: Route Planning bis / until SS 2025: Praktikum: Algorithmentechnik |
M-INFO-107600 (M-INFO-102072) |
T-INFO-114899 (T-INFO-104374) |
6 | P | |
|
Practical Course: Visual Computing |
M-INFO-101567 | T-INFO-103000 | 6 | P | |
| Praktikum: General-Purpose Computation on Graphics Processing Units | M-INFO-100724 | T-INFO-101261 | 3 | P | |
|
Probability and Computing bis / up WS 24/25 Randomisierte Algorithmik bis / up to SS 23: Randomisierte Algorithmen |
M-INFO-107168 (M-INFO-106469) (M-INFO-100794) |
T-INFO-114196 (T-INFO-113082) (T-INFO-101331) |
5 | V | |
| Rechnerstrukturen (Stammmodul / advanced mandatory module) | M-INFO-100818 | T-INFO-101355 | 6 | V | |
| Softwarepraktikum Parallele Numerik | M-INFO-102998 | T-INFO-105988 | 4 | P | |
|
Text Indexing Bis / until WS 24/25: Text-Indexierung |
M-INFO-107202 (M-INFO-102732) |
T-INFO-114226 (T-INFO-105691) |
5 | V | |
|
Wahlblock
Elective block |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
| Automatische Sichtprüfung und Bildverarbeitung (bis / until WS 27/28) | M-INFO-100826 | T-INFO-101363 | 6 | V | |
|
Deep Learning and Neural Networks (ab / from SS 2025 Englischer Titel / English title) früher / former: Deep Learning und Neuronale Netze; Neuronale Netze |
M-INFO-107197 (M-INFO-104460) |
T-INFO-114219 (T-INFO-109124) |
6 | V | |
|
Energieinformatik |
M-INFO-106864 (M-INFO-101885) (M-INFO-103044) |
T-INFO-103582 (T-INFO-103582) |
10 | V | |
| Gehirn und Zentrales Nervensystem | M-INFO-100725 | T-INFO-101262 | 3 | V | |
| Grundlagen der Automatischen Spracherkennung (wählbar bis / selectable up to WS 23/24) | M-INFO-100847 | T-INFO-101384 | 6 | V | |
| Hands-on Bioinformatics Practical | M-INFO-101573 | T-INFO-103009 | 3 | P | |
| Informationsverarbeitung in Sensornetzwerken (wählbar bis / selectable up to SS 24) | M-INFO-100895 | T-INFO-101466 | 6 | V | |
|
Inhaltsbasierte Bild- und Videoanalyse (wählbar bis / selectable up to SS 23) |
M-INFO-100852 | T-INFO-101389 | 3 | V | |
| Introduction to Bioinformatics for Computer Scientists | M-INFO-100749 | T-INFO-101286 | 3 | V | |
|
IT Security (Stammmodul / advanced mandatory module) ersetzt ab / replaces from SS 2025: IT-Sicherheit
|
M-INFO-106315 | T-INFO-112818 | 6 | V | |
| Kontextsensitive Systeme | M-INFO-100728 | T-INFO-107499 | 5 | V | |
| Maschinelle Übersetzung | M-INFO-100848 | T-INFO-101385 | 6 | V | |
|
Multimodal Artificial Intelligence bis / until WS 25/26: Advanced Artificial Intelligence (neuer Titel ab / new title from SS 2025) Stammmodul / advanced mandatory module!!!!
|
M-INFO-107676 (M-INFO-107198) |
T-INFO-115041 (T-INFO-114220) (T-INFO-112768) |
6 | V | |
| Mustererkennung (bis / until SS 27) | M-INFO-100825 | T-INFO-101362 | 3 | V | |
| Next Generation Internet | M-INFO-100784 | T-INFO-101321 | 4 | V | |
| Seminar: Hot Topics in Bioinformatics | M-INFO-100750 | T-INFO-101287 | 3 | S | |
|
Stochastic Information Processing bis / until SS 2026: Stochastische Informationsverarbeitung |
M-INFO-107847 (M-INFO-100829) |
T-INFO-115261 (T-INFO-101366) |
6 | V | |
| Unscharfe Mengen (wählbar bis / selectable up to WS 24/25) | M-INFO-100839 | T-INFO-101376 | 6 | V | |
| Visualisierung | M-INFO-100738 | T-INFO-101275 | 5 | V | |
|
Mathematik für Daten-Intensives Rechnen / Mathematics for Data Intensive Computing (mind. 9 LP)
Minor Studies "Mathematik für Daten-Intensives Rechnen" (at least 9 CP) |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
|
Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen |
M-MATH-106328 | T-MATH-112842 | 4 | V | |
|
Computational Fluid Dynamics and Simulation Lab |
M-MATH-106634 | T-MATH-105889 | 4 | V | |
| Einführung in das Wissenschaftliche Rechnen | M-MATH-102889 | T-MATH-105837 | 9 | V | |
| Einführung in die kinetische Theorie | M-MATH-103919 | T-MATH-108013 | 4 | V | |
| Extremwerttheorie (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102939 | T-MATH-105908 | 5 | V | |
| Generalisierte Regressionsmodelle | M-MATH-102906 | T-MATH-105870 | 5 | V | |
| Mathematische Modellierung und Simulation in der Praxis | M-MATH-102929 | T-MATH-105889 | 5 | V | |
|
MathSEE Modeling Week ab WS 25/26 |
M-MATH-106836 | T-MATH-113711 | 3 | V | |
| Nichtparametrische Statistik (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102910 | T-MATH-105873 | 5 | V | |
| Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern (wählbar bis / selectable up to SS 25) |
M-MATH-103709 | T-MATH-107497 | 5 | V | |
| Optimierungstheorie | M-MATH-103219 | T-MATH-106401 | 9 | V | |
|
Quantifizierung von Unsicherheiten |
M-MATH-104054 | T-MATH-108399 | 4 | V | |
| Statistik (+Ü-Schein / + Practice) | M-MATH-103220 | T-MATH-106415 | 10 | V | |
| Stochastische Simulation | M-MATH-106053 | T-MATH-112242 | 5 | V | |
| Vorhersagen: Theorie und Praxis (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102956 | T-MATH-105928 | 9 | V | |
| Zeitreihenanalyse (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102911 | T-MATH-105874 | 5 | V | |
|
Ergänzungsfach Betriebswirtschaftslehre für datenintensives Rechnen (mind. 9 LP)
Minor Studies "Betriebswirtschaftslehre für datenintensives Rechnen" (at least 9 CP) |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
| Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption | M-INFO-104199 | T-WIWI-114209 | 4,5 | V | |
| Artificial Intelligence in Service Systems - Applications in Computer Vision (wählbar bis / selectable up to WS 24/25) |
T-WIWI-111219 | 4,5 | V | ||
| Business Data Strategy (wählbar bis / selectable up to SS 26) |
T-WIWI-106187 | 4,5 | V | ||
| Business Intelligence Systems | T-WIWI-105777 | 4,5 | V | ||
| Marketing Analytics | T-WIWI-103139 | 4,5 | V | ||
| Market Research | T-WIWI-107720 | 4,5 | V | ||
| Mathematische Grundlagen hochdimensionaler Statistik | T-WIWI-111247 | 4,5 | V | ||
| Modeling and Analyzing Consumer Behavior in R | T-WIWI-102899 | 4,5 | V | ||
| Multivariate Verfahren | T-WIWI-103124 | 4,5 | V | ||
| OR in Supply Chain Management | T-WIWI-102715 | 4,5 | V | ||
| Recommender Systeme (wählbar bis / selectable up to SS 26) |
T-WIWI-102847 | 4,5 | V | ||
| Statistik für Fortgeschrittene | T-WIWI-103123 | 4,5 | V | ||
| Service Analytics A (wählbar bis / selectable up to WS 20/21) | T-WIWI-105778 | 4,5 | V | ||
|
Ergänzungsfach Materialwissenschaften für datenintensives Rechnen (mind. 9 LP)
Minor Studies |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
| Atomistische Simulation und Molekulardynamik (wählbar bis / selectable up to WS 23/24) |
M-INFO-104200 | T-MACH-105308 | 4 | V | |
| Atomistische Simulation und Partikeldynamik | T-MACH-113412 | 4 | V | ||
| Einführung in die Finite-Elemente-Methode | T-MACH-105320 | 4 | V | ||
|
Bitte beachten / Please note: Bestehen von / Passing the „Übungen zu Einführung in die Finite-Elemente-Methode“ ist Voraussetzung für / is a prerequisite for "Einführung in die Finite-Elemtente-Methode" |
T-MACH-110330 | 1 | Ü | ||
| Mikrostruktursimulation | T-MACH-105303 | 5 | V | ||
| Statistik - Klausur | T-MATH-106415 | 10 | V | ||
| Statistik - Praktikum | T-MATH-106416 | 0 | P | ||
| Werkstoffmodellierung: versetzungsbasierte Plastizität | T-MACH-105369 | 4 | V | ||
| Werkstoffsimulation | T-MACH-107660 | 8 | S | ||
|
Computational Homogenization on Digital Image Data wird ab WS 23/24 nicht mehr angeboten!!! no longer offered as of WS 23/24 !!! |
M-MACH-102646 | T-MACH-109302 | 6 | V | |
|
Digital microstructure characterization and modeling wird ab WS 23/24 nicht mehr angeboten!!! no longer offered as of WS 23/24 !!! |
M-MACH-102597 | T-MACH-110431 | 6 | V | |
|
Nichtlineare Optimierungsmethoden wird ab WS 23/24 nicht mehr angeboten!!! no longer offered as of WS 23/24 !!! |
T-MACH-110380 | V |