Modulhandbuch
Informatik Master (Master of Science (M.Sc.))
SPO 2015
Wintersemester 2026/27
Stand 09.09.2026
KIT-Fakultät für Informatik
KIT – Die Universität in der Helmholtz-Gemeinschaft www.kit.edu

Studienplan – Einführung

Der Studienplan definiert über die abstrakten Regelungen der Prüfungsordnung hinausgehende Details des Master-Studiengangs Informatik am Karlsruher Institut für Technologie (KIT). Um Studienanfängerinnen und -anfängern wie auch bereits Studierenden die Studienplanung zu erleichtern, dient der Studienplan als Empfehlung, um das Studium optimal zu strukturieren. So können u. a. persönliche Fähigkeiten der Studierenden in Form von Wahlpflichtfächern, Ergänzungsfächern wie auch Schlüssel- und überfachliche Qualifikationen von Anfang an berücksichtigt werden und Pflichtveranstaltungen, abgestimmt auf deren Turnus (WS/SS), in den individuellen Studienplan von Beginn an aufgenommen werden.

Studiengangs- und Qualifikationsprofil

Im Masterstudium Informatik werden die im Bachelorstudium erworbenen wissenschaftlichen Qualifikationen weiter vertieft und ergänzt; die Studierenden erwerben die Befähigung zur wissenschaftlichen Arbeit. Der Studiengang zeichnet sich durch eine große Vielfalt des Lehrangebots aus. Er verbindet eine fundierte und zugleich breit angelegte Ausbildung mit einer Spezialisierung in mindestens zwei der vielen Gebiete der Informatik (z.B. Theoretische Informatik, Algorithmentechnik, Systemarchitektur, Telematik, Parallelverarbeitung, Informationssysteme, Entwurf eingebetteter Systeme und Rechnerarchitektur, Computergraphik, Kryptographie und Sicherheit, Softwaretechnik und Übersetzerbau, Anthropomatik und Kognitive Systeme, Robotik und Automation).

Den Kern des Studiums bilden zwei Vertiefungsfächer. Der Umfang eines Vertiefungsfachs, in dem eine Spezialisierung in einem Gebiet der Informatik stattfindet, ist nicht begrenzt. Für die Breite der Ausbildung sorgt eine Vielfalt an Wahlmodulen. Das Studium wird ergänzt durch Inhalte aus einem anderen Fachgebiet (Ergänzungsfach) sowie durch die Vermittlung sozialer Kompetenz und Teamfähigkeit (als Überfachliche Qualifikationen).

Absolventinnen/Absolventen des Masterstudiengangs Informatik verfügen insbesondere über die folgenden Kompetenzen:

Master Informatik mit Profil

Die KIT-Fakultät für Informatik bietet ab dem Wintersemester 2017 / 2018 neun verschiedene Profile im Masterstudium Informatik an. Wenn die von einem Profil geforderten Veranstaltungen erfolgreich absolviert werden, wird am Ende des Studiums zusätzlich zum Masterzeugnis ein Zertifikat über die besonderen, im Profil erworbenen Kenntnisse verliehen. Zum Beispiel „Master Informatik mit Profil IT-Sicherheit“.

Profile sind als Strukturierung des Masterstudiums zu sehen und erfordern keinen Mehraufwand. Ein Masterstudium ohne Profile mit selbst gewählten Vertiefungsfächern ist weiterhin möglich und vollkommen gleichwertig. Die Prüfungsordnung für das Masterstudium gilt unverändert auch für ein Masterstudium mit Profil.

Eine Übersicht über Profile und die dazugehörigen Richtlinien und Bedingungen befindet sich unter: http://www.informatik.kit.edu/9378.php.

Modularisierung der Informatik-Studiengänge

Wesentliche Merkmale des neuen Systems im Zuge des Bologna-Prozesses ergeben sich in der modularisierten Struktur des Studiengangs. So können mehrere Lehrveranstaltungen zu einem Modul gebündelt werden. Ein Modul kann allerdings auch aus nur einer Lehrveranstaltung bestehen. Module selbst werden wiederum in folgende Fächer eingeordnet:

Im Master-Studiengang Informatik besteht weiterhin eine Differenzierung zwischen Stamm- und Wahlmodulen. Stammmodule dienen der Grundlagenvermittlung für die Vertiefungsfächer. Wahlmodule sind ihrem Namen entsprechend für Studierende aus dem Angebot des jeweiligen Semesters frei wählbar. Die Vertiefungsfächer können aus 12 Vertiefungsfächern gewählt werden (s. Abschnitt Aufbau des Studiengangs).

Um die Transparenz bezüglich der durch den Studierenden erbrachten Leistung zu gewährleisten, werden Studien- und Prüfungsleistungen mit Leistungspunkten (LP), den so genannten ECTS-Punkten, bewertet. Diese sind im Modulhandbuch einzelnen Teilleistungen sowie Modulen zugeordnet und weisen durch ihre Höhe einerseits auf die Gewichtung einer Teilleistung in einem Modul und andererseits auf den mit der Veranstaltung verbundenen Arbeitsaufwand hin. Dabei entspricht ein Leistungspunkt einem Aufwand von ca. 30 Arbeitsstunden für einen durchschnittlichen Studierenden. Werden durch die belegten Studien- und Prüfungsleistungen in einem Modul mehr LP als dem Modul zugeordnet sind erreicht, so werden die überschüssigen LP auf die Modulgröße abgeschnitten. Die Note des Moduls berechnet sich mit Berücksichtigung aller im Modul erbrachten LP. Für die Abschlussnote werden die überschüssigen LP allerdings nicht berücksichtigt. Weitere Details zur Berechnung der Master-Abschlussnote werden auf der Fakultätswebseite (https://www.informatik.kit.edu/faq-wiki/doku.php) veröffentlicht.

In den Modulen wird durch diverse Erfolgskontrollen am Ende der Veranstaltung/-en überprüft, ob der Lerninhalt beherrscht wird. Diese Erfolgskontrollen können benotet (Prüfungsleistungen) in schriftlicher oder mündlicher Form, wie auch als Erfolgskontrolle anderer Art oder unbenotet (Studienleistungen) stattfinden (nähere Erläuterungen hierzu finden sich in der Studien- und Prüfungsordnung § 4). In jedem Modul werden Teilleistungen definiert. Diese sind abstrakte Beschreibungen der Erfolgskontrolle (Prüfungs- oder Studienleistungen). Die Lehrveranstaltungen, die im Modul geprüft werden, werden mit einer oder mehreren Teilleistungen verknüpft.

Im Abschnitt Aufbau des Studiengangs werden die einzelnen Module mit den darin zu erreichenden Leistungspunkte und die Zuordnung der Module zu den jeweiligen Fächern detailliert beschrieben. Die daraus resultierenden Möglichkeiten, Module untereinander zu kombinieren, werden somit veranschaulicht. Da die Module sowie deren innere Struktur in Form von einzelnen Lehrveranstaltungen variieren, gibt das Modulhandbuch nähere Auskunft über die Teilleistungen, Prüfungsbedingungen, Inhalte sowie die Gewichtung hinsichtlich der ECTS-Punkte in einem Modul. Der Studienplan hingegen dient der Grobstruktur hinsichtlich des Studienaufbaus. Er ist in seiner Aussage bezüglich der temporalen Ordnung der meisten Module exemplarisch und nicht bindend. Um jedoch die durch die Prüfungsordnung vorgegebenen Fristen einhalten zu können, ist es entscheidend, den Empfehlungen des Plans zu folgen.

Versionierung von Modulen und Teilleistugen

Module sind dynamische Konstrukte, in denen es regelmäßig zu Aktualisierungen und somit Änderungen kommt. In manchen Fällen werden Module nicht mehr angeboten, manchmal ändern sich die darin angebotenen Teilleistungen und die damit verbundenen Lehrveranstaltungen und/oder Voraussetzungen/ Bedingungen.

Wenn auch für die Studierenden immer das Modulhandbuch des aktuellen Semesters verbindlich ist, so gilt im Änderungsfall grundsätzlich Vertrauensschutz. Ein Studierender hat einen Anspruch darauf, ein Modul in derselben Form abzuschließen, in der er es begonnen hat. Der Schutz bezieht sich nur auf die Möglichkeit, die Prüfung für das Modul weiterhin für eine gewisse Zeit ablegen zu können, nicht aber auf das Angebot der Lehrveranstaltung während des Semesters. Änderungen werden rechtzeitig im Modulhandbuch angekündigt. Für Pflichtmodule werden i.d.R. großzügige Übergangsregelungen festgelegt. Im Wahlbereich besteht meist die Möglichkeit andere Module zu wählen bzw. Prüfungen abzulegen, um den Abschluss zu erlangen. Wenn ein Modul begonnen wurde, aber nicht mehr beendet werden kann, sollte ISS kontaktiert werden.

Teilleistungen werden i.d.R. nur dann versioniert, wenn sich die Erfolgskontrolle ändert. Auch werden i.d.R. Übergangsregelungen definiert.

Leistungsstufen

Das Masterstudium Informatik besteht aus zwei Studienjahren mit jeweils zwei Semestern. Alle darin prüfbaren Module haben die Leistungsstufe 4, welches die höchste Stufe der Anforderungen im Bachelor-/Masterstudium darstellt. Charakteristisch für das Masterstudium ist, dass keine Pflichtveranstaltungen existieren, sondern für das gesamte Studium eine große Wahlfreiheit besteht.

An-/Abmeldung und Wiederholung von Prüfungen

Die An- und Abmeldung zu Modul(teil)prüfungen erfolgt in den Bachelor-/Master-Studiengängen online über das Studierendenportal. Die An- und Abmeldefristen werden rechtzeitig in den Lehrveranstaltungen und/oder auf den Webseiten der Prüfer bekanntgegeben. Studierende werden dazu aufgefordert, sich vor dem Prüfungstermin zu vergewissern, dass sie im System tatsächlich den Status „angemeldet“ haben (z.B. Ausdruck der Anmeldung). In Zweifelsfällen sollte der Informatik Studiengangservice (ISS) (E-Mail: beratung-informatik@informatik.kit.edu) kontaktiert werden. Die Teilnahme an einer Prüfung ohne Online-Anmeldung ist nicht gestattet!

Grundsätzlich kann jede Erfolgskontrolle (mündlicher, schriftlicher oder anderer Art) einmal wiederholt werden. Im Falle einer schriftlichen Prüfung erfolgt nach zweimaligem Nichtbestehen zeitnah (in der Regel im selben Prüfungszeitraum) eine mündliche Nachprüfung. In dieser können nur noch die Noten „ausreichend“ (4,0) oder „nicht ausreichend“ (5,0) vergeben werden. Ist eine Prüfung endgültig nicht bestanden, so gilt der Prüfungsanspruch im Fach Informatik und für alle artverwandten Studiengänge als verloren. Eine Teilnahme an weiteren Prüfungen ist nicht möglich. Durch Genehmigung eines Antrags auf Zweitwiederholung können weitere Prüfungen unter Vorbehalt (http://www.informatik.kit.edu/faq-info.php) abgelegt werden. Der Studierende bekommt diese aber im Erfolgsfall erst angerechnet, wenn die endgültig nicht bestandene Prüfung bestanden wurde. Der Prüfungsanspruch gilt erst dann als wiederhergestellt, wenn die nicht bestandene Prüfung bestanden ist. Studienleistungen (unbenotete Erfolgskontrolle) können beliebig wiederholt werden, falls in der Modul- oder Teillleistungsbeschreibung keine weiteren Regelungen vorgesehen sind. Der Zweitwiederholungsantrag ist bei dem Informatik Studiengangservice (ISS) schriftlich einzureichen.

Die Anmeldung zu Prüfungen erfolgt i.d.R. über den Studienablaufplan: Studierende müssen im Studierendenportal in ihrem persönlichen Studienablaufplan zuvor die für die Prüfung passenden Module und Teilleistungen wählen.

Studienberatung

Hilfe bei Problemen mit dem Studium, Anträgen aller Art oder auch einfach bei Fragen zur Studienplanung wird von der KIT-Fakultät für Informatik durch den Informatik Studiengangservice (ISS), E-Mail: beratung-informatik@informatik.kit.edu, angeboten. Der ISS ist offizieller Ansprechpartner und erteilt verbindliche Auskünfte.

Aber auch die Fachschaft der KIT-Fakultät für Informatik bietet eine qualifizierte Beratung an. Hier können beispielsweise Detailfragen zur Formulierung von Härtefallanträgen geklärt werden. Darüber hinaus können bei der Fachschaft alte Klausuren und Prüfungsprotokolle erworben werden.

Viele Fragen werden durch unsere FAQ beantwortet: https://www.informatik.kit.edu/faq-wiki/doku.php.

Studienplan und Struktur des Master-Studiengangs

Im Laufe des 4-semestrigen Studiums müssen für den erfolgreichen Abschluss insgesamt 120 Leistungspunkte erbracht werden. Die Leistungspunkte werden überwiegend in den verschiedenen Modulen der einzelnen Fächer erzielt, aber auch in der am Ende des Studiums angefertigten Masterarbeit, die mit 30 Leistungspunkten angerechnet wird. Hier sei noch angemerkt, dass die Verteilung der zu erwerbenden Leistungspunkte gleichmäßig auf die einzelnen Semester erfolgen sollte.

Im Folgenden wird ein Überblick über das Masterstudium gegeben (s. Abbildung 1). Die Module des Masterstudiengangs sind Stammmodule, vertiefende Module, Ergänzungsfachmodule und überfachliche Module (Überfachliche Qualifikationen). Alle Stammmodule und vertiefenden Module können entweder einem Vertiefungsfach oder dem Wahlbereich zugeordnet werden.

Stammmodule vermitteln erweiterte Grundlagen aus sehr spezifischen Bereichen der Informatik. Mindestens vier davon müssen im Rahmen des Masterstudiums absolviert werden. Zu den vertiefenden Modulen zählen alle weiterführenden Veranstaltungen der KIT-Fakultät für Informatik. Hierzu gehören auch Seminare und Praktika.

Das Studium soll so geplant werden, dass über alle Fächer 120 LP erreicht werden. Die variablen Leistungspunkte in den einzelnen Fächern dienen der Flexibilisierung des Studiums und nicht der Erbringung von Mehrleistungen. Dafür stehen die Zusatzleistungen zur Verfügung.

Studiumsstruktur.png

Abbildung 1: Struktur Masterstudium (SPO 2015)

Struktur Masterstudiengang Informatik

Wahl- und Vertiefungsmodule enthalten weiterführende Veranstaltungen. Hierzu zählen nicht nur Vorlesungen, sondern auch Seminare und Praktika. Wahl- und Vertiefungsmodule werden i.d.R. atomar aufgebaut, das heißt, es wird lediglich eine Teilleistung (bzw. eine Lehrveranstaltung) darin angeboten. Es kommt jedoch auch vor, dass über ein Modul ein Praktikum an die Teilnahme an eine inhaltlich passende Vorlesung gekoppelt wird.

Grundsätzlich können Wahlmodule immer entweder dem Wahlbereich oder einem Vertiefungsfach zugeordnet werden. Die Fächer sowie die Randbedingungen für den Vertiefungs- und Wahlbereich werden in den folgenden Abschnitten erläutert.

Eine ausführliche Tabelle der Vertiefungsfächer mit den darin prüfbaren Modulen befindet sich im Abschnitt Aufbau des Studiengangs.

Stammmodule

Stammmodule bestehen aus weiterführenden Veranstaltungen, die inhaltlich wichtige Basisthemen der Informatik abdecken. Aus diesem Grund sind die Stammmodule sowohl im Bachelor- als auch im Masterstudium angesiedelt. Während im Bachelorstudium die Stammmodule für das dritte Studienjahr empfohlen werden, sind sie im Masterstudium als Orientierungshilfe bei der Entscheidung für die Vertiefungsfächer gedacht und somit für das erste Studienjahr empfohlen. Es ist zu beachten, dass im Masterstudiengang Informatik mindestens vier Stammmodule erbracht werden müssen, die noch nicht im Rahmen des Bachelorstudiums geprüft wurden. Dies gilt auch für Studienanfängerinnen und -anfänger, die ihren Bachelorabschluss an einer anderen Unversität gemacht haben. Ausschlaggebend ist hier die inhaltliche Äquivalenz.

Grundsätzlich werden Stammmodule wie Wahlmodule behandelt und können in den Vertiefungsfächern oder dem Wahlbereich angerechnet werden. Dabei ist auf die jeweilige Zuordnung zum Vertiefungsgebiet im Modulhandbuch zu achten.

Stammmodule werden entweder jedes Winter- oder jedes Sommersemester angeboten. Dies kann im Allgemeinen für vertiefende Veranstaltungen des Wahlbereichs nicht garantiert werden (Der Turnus kann auch unregelmäßig sein). Die Liste der Stammmodule ist der Abbildung 2 zu entnehmen.

Stammmodule_DEU.png

Abbildung 2: Liste der Stammmodule

Vertiefungsfächer

Im Masterstudium müssen zwei Vertiefungsfächer mit jeweils mindestens 15 Leistungspunkten erbracht werden. Grundsätzlich ist die Anrechnung eines Moduls für ein bestimmtes Vertiefungsfach nur möglich, wenn im Modulhandbuch die entsprechende Zuordnung des Moduls zu dem Fach gegeben ist. Einen Überblick über die Vertiefungsfächer und die Zuordnung der Module zu den Vertiefungsfächer gibt Abschnitt Aufbau des Studiengangs.

Ein Vertiefungsfach ist automatisch gewählt, sobald die erste Prüfung in einem Modul des Vertiefungsfaches abgelegt wurde. Diese Wahl kann mit einem Antrag auf Umbuchung geändert werden (s. auch https://www.informatik.kit.edu/faq-wiki/doku.php).

Wie zuvor erwähnt, zählen auch Praktikums- und Seminarmodule zu den Modulen, die in Vertiefungsfächern angerechnet werden können.

In jedem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden. Ausnahme bilden die Vertiefungsfächer Telematik und Systemarchitektur : In den Vertiefungsfächern Telematik und Systemarchitektur müssen jeweils mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden. Anstelle mehrerer mündlicher Prüfungen zu Modulen eines Vertiefungsfachs kann eine modulübergreifende Prüfung zu diesen Modulen durchgeführt werden. Darüber entscheidet der/die Prüfer/in.

Insgesamt können in einem Vertiefungsfach bis zu 52 LP erbracht werden, jedoch können insgesamt im Studium nicht mehr als 120 LP absolviert werden.

Wahlbereich Informatik

Im Rahmen des Masterstudiums ist ein Wahlbereich zu absolvieren. Die Leistungspunkte des Wahlbereichs sind variabel und hängen davon ab, wie viele Leistungspunkte in den anderen Fächern erbracht wurden. Maximal stehen für den Wahlbereich 49 LP zur Verfügung (120 LP abzüglich der Pflichtleistungen in den anderen Fächern sowie der Masterarbeit).

Alle Module aus den Vertiefungsfächern können im Wahlbereich gewählt werden. Bei der Auswahl sollte allerdings darauf geachtet werden, dass für die gewünschten Vertiefungsfächer noch ausreichend viele Module im Angebot sind.

Randbedingungen

Folgende Randbedingungen müssen beachtet werden:

Diese Leistungen können sowohl in Vertiefungsfächern als auch im Wahlfach angerechnet werden. Module aus de Ergänzungsfach werden hierzu nicht berücksichtigt (s. auch. Abbildung 1).

Im Rahmen der Seminare müssen Studierende sich mit dem ILIAS-Kurs zur guten Wissenschaftlichen Praxis auseinandersetzen: „Onlinekurs: Gute wissenschaftliche Praxis“. Dafür sind 3 Stunden vorgesehen. Unabhängig davon bietet das House of Competence das Absolvieren des Kurses mit 1 LP an. Studierende können diese Leistung als Schlüsselqualifikation erbringen.

Ergänzungsfach

Das Ergänzungsfach soll Kenntnisse in einem der vielen Anwendungsgebiete der Informatik vermitteln. Die Informatik auch außerhalb des Kernbereichs kennengelernt zu haben, ist für die weitere berufliche Entwicklung von eminenter Bedeutung.

Im Master-Studiengang werden im Rahmen des Ergänzungsfachs Module von fast allen KIT-Fakultäten des KIT angeboten. Somit ist gewährleistet, dass für fast jede denkbare Informatikanwendung ein passendes Ergänzungsfach zur Verfügung steht.

Das Ergänzungsfach kann aus einem oder mehreren Modulen bestehen. Es sind Module im Umfang von insgesamt 9 – 18 LP zu wählen. Die variable Anzahl von Leistungspunkten ermöglicht dem Studierenden eine möglichst verschnittfreie Auswahl seiner Ergänzungsfachmodule. Eine Liste der Ergänzungsfächer und die darin enthaltenen Module befindet sich im Abschnitt 3.5.

Je nach Ausprägung des Ergänzungsfaches kann es vorkommen, dass die Mindestanzahl der Leistungspunkte, die erreicht werden kann bzw. muss, über 9 LP liegt.

Im Masterstudiengang kann auf formlosen Antrag an den zuständigen Prüfungsaussschuss auch ein anderes Fach zum Ergänzungsfach gewählt werden. Dabei ist dem Antrag eine Übersicht über alle abzulegenden Prüfungen und deren LP beizulegen. Die Prüfungsübersicht muss von einem Prüfer oder einer Prüferin, die/der für eine der beantragten Prüfungen zuständig ist, als konsistent und möglich unterzeichnet werden. Details und Ausnahmen sind dem FAQ zu entnehmen: https://www.informatik.kit.edu/faq-wiki/doku.php.

Überfachliche Qualifikationen

Teil des Studiums ist auch der Erwerb von Überfachlichen Qualifikationen im Umfang von 2 – 6 Leistungspunkten. Zu diesem Bereich zählen überfachliche Veranstaltungen zu gesellschaftlichen Themen, fachwissenschaftliche Ergänzungsangebote, welche die Anwendung des Fachwissens im Arbeitsalltag vermitteln, Kompetenztrainings zur gezielten Schulung von Soft Skills sowie Fremdsprachentrainings.

Im Modul „Überfachliche Qualifikationen“ können alle Veranstaltungen des House of Competence (HoC),des FORUMS (Studium Generale. Forum Wissenschaft und Gesellschaft), mit Ausnahme der Informatikveranstaltungen und Veranstaltungen aus dem Ergänzungsfach und des Sprachenzentrums (SpZ) (mit Ausnahme von Deutschkursen und Kursen in der Muttersprache), aber auch spezielle fakultätsinterne Angebote belegt werden. In dem hier integrierten Modulhandbuch werden deswegen im Gegensatz zu den fakultätsinternen Lehrveranstaltungen die einzelnen Lehrveranstaltungen des HoC, FORUMS und SpZ nicht aufgeführt.

Auf Fachebene werden Schlüsselqualifikationen als nicht benotete Leistungen im Studium eingerechnet. Leistungen werden mit oder ohne Note verbucht (so, wie bescheinigt), der Bereich Überfachliche Qualifikationen wird aber im Studienablaufplan nur mit bestanden / nicht bestanden ausgewiesen. Für den Abschluss werden somit nur die Leistungspunkte (und nicht die Noten) berücksichtigt.

Teilnahmebescheinigungen werden nicht angerechnet. Um die Leistungen anrechnen zu können, muss eine Erfolgskontrolle durchgeführt und deren Ergebnis bescheinigt werden.

Zusatzleistungen

Im Master-Studiengang Informatik können bis zu 30 Leistungspunkte durch Zusatzleistungen erbracht werden. Diese zählen, was den Umfang und die Note betrifft, nicht zum Master-Abschluss.

Aufbau des Studiengangs

Pflichtbestandteile
Masterarbeit
30
Vertiefungsfach 1
15-52
Vertiefungsfach 2
15-52
Wahlbereich Informatik
12-49
Ergänzungsfach
9-18
Überfachliche Qualifikationen
2-6

Masterarbeit

Leistungspunkte
30
Kennung Name Sprache Turnus LP
Pflichtbestandteile
M-INFO-101892 Masterarbeit
DE WS+SS 30

Vertiefungsfach 1

Leistungspunkte
15-52
Vertiefungsfach 1 (Wahl: 1 Bestandteil)
Theoretische Grundlagen
15-52
Algorithmentechnik
15-52
Kryptographie und Sicherheit
15-52
Parallelverarbeitung
15-52
Softwaretechnik und Übersetzerbau
15-52
Entwurf eingebetteter Systeme und Rechnerarchitektur
15-52
Telematik
15-52
Informationssysteme
15-52
Computergrafik und Geometrieverarbeitung
15-52
Robotik und Automation
15-52
Anthropomatik und Kognitive Systeme
15-52

Theoretische Grundlagen
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders, Prof. S. Erdweg

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Theoretische Grundlagen (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107200 Advanced Data Structures
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 5
M-INFO-106960 Algorithmic Graph Theory
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107460 Algorithmische Netzwerkanalyse
DE Unregelm. 5
M-INFO-106961 Algorithms for Visualization of Graphs
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107201 Algorithms II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-104447 Automated Planning and Scheduling
EN Unregelm. 5
M-INFO-107599 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms
EN Unregelm. 6
M-INFO-107228 Computational Geometry
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106256 Constructive Logic
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-100799 Formale Systeme
DE WS 6
M-INFO-100744 Formale Systeme II: Anwendung
DE SS 5
M-INFO-100841 Formale Systeme II: Theorie
DE SS 5
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie
DE Unregelm. 6
M-INFO-107906 Logic Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 6
M-INFO-100825 Mustererkennung
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 6
M-INFO-107167 Parameterized Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-107494 Practical Course: Interactive Theorem Proving
EN Unregelm. 3
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107238 Practical SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis
DE Unregelm. 5
M-INFO-101537 Praktikum: Programmverifikation
DE/EN Unregelm. 3
M-INFO-107168 Probability and Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-107209 Seminar: Advanced Topics on SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-101536 Seminar: Anwendung Formaler Verifikation
DE/EN Unregelm. 3
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-105409 Seminar: E-Voting
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Die Erstverwendung ist ab 01.04.2019 möglich.
DE/EN Unregelm. 3
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 4
M-INFO-102550 Seminar: Graphenalgorithmen
DE Unregelm. 4
M-INFO-103306 Seminar: Proofs from THE BOOK
EN Unregelm. 3
M-INFO-107172 Seminar: Recent Highlights in Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107625 Seminar: Type Systems and Static Program Analysis
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-INFO-107847 Stochastic Information Processing
EN WS 6
M-INFO-107639 Theory of Satisfiability Algorithms
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-107664 Type Systems and Program Analysis
EN Unregelm. 6

Algorithmentechnik
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Algorithmentechnik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107863 Advanced Competitive Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-107200 Advanced Data Structures
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 5
M-INFO-100795 Algorithm Engineering
EN SS 5
M-INFO-100031 Algorithmen für Routenplanung
DE SS 5
M-INFO-106960 Algorithmic Graph Theory
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107460 Algorithmische Netzwerkanalyse
DE Unregelm. 5
M-INFO-106961 Algorithms for Visualization of Graphs
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107201 Algorithms II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-104447 Automated Planning and Scheduling
Die Erstverwendung ist ab 01.10.2018 möglich.
EN Unregelm. 5
M-INFO-107599 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms
EN Unregelm. 6
M-INFO-107228 Computational Geometry
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-101573 Hands-on Bioinformatics Practical
EN Unregelm. 3
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists
EN WS 3
M-INFO-107199 Parallel Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107167 Parameterized Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-107600 Practical Course: Route Planning
EN Unregelm. 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis
DE Unregelm. 5
M-INFO-107168 Probability and Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107209 Seminar: Advanced Topics on SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-103153 Seminar: Energieinformatik
DE/EN Unregelm. 4
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 4
M-INFO-102550 Seminar: Graphenalgorithmen
DE Unregelm. 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics
EN SS 3
M-INFO-107264 Seminar: Practical Graph Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107172 Seminar: Recent Highlights in Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107202 Text Indexing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107639 Theory of Satisfiability Algorithms
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-107867 Scalable Graph and Sparse Matrix Algorithms for Learning
EN Unregelm. 5

Kryptographie und Sicherheit
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Kryptographie und Sicherheit (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106303 Access Control Systems: Models and Technology
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106810 Artificial Intelligence & IT-Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-105338 Authentisierung und Verschlüsselung
Die Erstverwendung ist ab 01.04.2020 möglich.
DE SS 4
M-INFO-106824 Codierungstheorie
Die Erstverwendung ist ab 01.10.2024 möglich.
DE Unregelm. 3
M-INFO-107435 Cryptographic Protocols II: Universal Composability
EN WS 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen
Die Erstverwendung ist ab 01.04.2023 möglich.
DE SS 4
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-106998 IT Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme
Die Erstverwendung ist ab 01.04.2018 möglich.
DE WS 5
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie
DE Unregelm. 6
M-INFO-105631 Kryptographische Protokolle
Die Erstverwendung ist ab 01.04.2021 möglich.
DE SS 5
M-INFO-100742 Kryptographische Wahlverfahren
DE Unregelm. 3
M-INFO-107218 Network Security: Architectures and Protocols
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-107642 Post-quantum Cryptography from Lattices
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 3
M-INFO-106996 Practical Course: Application Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 4
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-107412 Practical Course: Building PETs
EN WS 4
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-106627 Practical Course: Real-world Vulnerability Discovery and Exploits
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS+SS 4
M-INFO-105453 Practical Course: Security, Usability and Society
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 4
M-INFO-107241 Practical Introduction to Hardware Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-101559 Praktikum Kryptoanalyse
DE WS+SS 3
M-INFO-104895 Praktikum: Penetration Testing
Die Erstverwendung ist ab 01.04.2019 möglich.
DE SS 4
M-INFO-105452 Privacy Enhancing Technologies
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 6
M-INFO-105591 Resilient Networking
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS 6
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste
Die Erstverwendung ist ab 01.04.2021 möglich.
DE Unregelm. 3
M-INFO-107242 Seminar in Privacy
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie
Die Erstverwendung ist ab 01.10.2020 möglich.
DE/EN Unregelm. 3
M-INFO-105409 Seminar: E-Voting
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 3
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
Die Erstverwendung ist ab 01.10.2023 möglich.
DE/EN WS+SS 3
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems
Die Erstverwendung ist ab 01.04.2021 möglich.
EN Unregelm. 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 4
M-INFO-105337 Seminar: Kryptoanalyse
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN SS 3
M-INFO-105585 Seminar: Post-Quantum Cryptography
Die Erstverwendung ist ab 01.10.2020 möglich.
EN Unregelm. 3
M-INFO-107216 Seminar: Privacy and Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-105408 Seminar: Quantum Information Theory
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 3
M-INFO-105761 Seminar: Secure Multiparty Computation
Die Erstverwendung ist ab 01.10.2021 möglich.
EN Unregelm. 3
M-INFO-106344 Software Security Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-105584 Theoretische Grundlagen der Kryptographie
Die Erstverwendung ist ab 01.10.2020 möglich.
DE WS 6
M-INFO-100867 Virtuelle Systeme
Die Erstverwendung ist ab 01.10.2022 möglich.
DE WS 3

Parallelverarbeitung
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Parallelverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107215 Distributed Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-101573 Hands-on Bioinformatics Practical
EN Unregelm. 3
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists
EN WS 3
M-INFO-107199 Parallel Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-100808 Parallelrechner und Parallelprogrammierung
DE SS 4
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-100818 Rechnerstrukturen
DE SS 6
M-INFO-107867 Scalable Graph and Sparse Matrix Algorithms for Learning
EN Unregelm. 5
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics
EN SS 3
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4

Softwaretechnik und Übersetzerbau
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Softwaretechnik und Übersetzerbau (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106966 Compiler Design
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 9
M-INFO-106256 Constructive Logic
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-107234 Edge-AI in Software and Sensor Applications
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107685 Empirical Software Engineering
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-106626 Engineering Self-Adaptive Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 3
M-INFO-100744 Formale Systeme II: Anwendung
DE SS 5
M-INFO-107906 Logic Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 6
M-INFO-106931 Model-Driven Software Development
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107233 Natural Language Processing and Software Engineering
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107739 Practical Course: Advanced Software Development Tools
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-107677 Practical Course: Continuous Software Engineering
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-107678 Practical Course: Engineering Approaches to Software Development
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-106932 Practical Course: Model-Driven Software Development
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-108020 Practical Course: Programming Language Design and Implementation
EN Unregelm. 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-106261 Praktikum: Automotive Software Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
DE/EN WS+SS 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
Die Erstverwendung ist ab 01.04.2024 möglich.
DE SS 5
M-INFO-105309 Seminar: Continuous Software Engineering
Die Erstverwendung ist ab 01.10.2019 möglich.
EN SS 4
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Die Erstverwendung ist ab 01.04.2019 möglich.
DE/EN Unregelm. 3
M-INFO-107236 Seminar: Software Architecture, Security and Privacy
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN SS 4
M-INFO-107625 Seminar: Type Systems and Static Program Analysis
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-INFO-107237 Software Architecture and Quality
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107235 Software Engineering II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107212 Software Product Line Engineering
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-106344 Software Security Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-100719 Software-Evolution
EN WS 3
M-INFO-107239 Softwaretest and Quality Management (SQM)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107664 Type Systems and Program Analysis
EN Unregelm. 6
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II)
Die Erstverwendung ist ab 01.04.2024 möglich.
DE SS 4

Entwurf eingebetteter Systeme und Rechnerarchitektur
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Entwurf eingebetteter Systeme und Rechnerarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107431 Ausgewählte Themen der Echtzeitsysteme
DE WS 3
M-INFO-107230 Design and Architectures of Embedded Systems (ESII)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105775 Embedded Machine Learning Lab
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS+SS 4
M-INFO-107448 Hardware-efficient Artificial Intelligence
EN WS 3
M-INFO-100822 Heterogene parallele Rechensysteme
DE WS 3
M-INFO-100807 Low Power Design
EN SS 3
M-INFO-107229 Optimization and Synthesis of Embedded Systems (ESI)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-103706 Practical Course: Internet of Things (IoT)
EN WS+SS 4
M-INFO-107265 Practical Course: Chip Design I
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107266 Practical Course: Chip Design II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107897 Practical Course: Customized Embedded Processor Design
Die Erstverwendung ist ab 13.07.2026 möglich.
EN SS 4
M-INFO-102661 Practical Course: FPGA Programming
EN WS+SS 3
M-INFO-104031 Practical Course: Low Power Design and Embedded Systems
EN SS 4
M-INFO-106503 Practical Course: Neural Network Acceleration on FPGAs
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 3
M-INFO-107241 Practical Introduction to Hardware Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-100818 Rechnerstrukturen
DE SS 6
M-INFO-100850 Reliable Computing I
EN Unregelm. 3
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur
DE WS+SS 3
M-INFO-102662 Seminar Dependable Computing
EN WS+SS 3
M-INFO-107231 Seminar: Embedded Systems I
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107232 Seminar: Embedded Systems II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-102998 Softwarepraktikum Parallele Numerik
DE/EN WS+SS 6
M-INFO-100851 Testing Digital Systems I
EN Unregelm. 3
M-INFO-102962 Testing Digital Systems II
EN Unregelm. 3

Telematik
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Telematik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106303 Access Control Systems: Models and Technology
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-107215 Distributed Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-106864 Energieinformatik
Die Erstverwendung ist ab 01.10.2024 möglich.
DE/EN WS 10
M-INFO-107166 Human Computer Interaction
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-100800 Internet of Everything
Die Erstverwendung ist bis 31.03.2027 möglich.
EN WS 4
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme
DE WS 5
M-INFO-100728 Kontextsensitive Systeme
DE SS 5
M-INFO-107245 Mobile Communication
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-107218 Network Security: Architectures and Protocols
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-100784 Next Generation Internet
EN SS 4
M-INFO-100808 Parallelrechner und Parallelprogrammierung
DE SS 4
M-INFO-107597 Practical Course on Telematics
Die Erstverwendung ist nur zwischen 01.10.2025 und 31.03.2027 möglich.
EN WS 3
M-INFO-105870 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.04.2021 möglich.
EN Unregelm. 6
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107919 Practical Course: Designing and Conducting Experimental Studies
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 6
M-INFO-105453 Practical Course: Security, Usability and Society
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 4
M-INFO-105955 Practical Course: Smart Energy System
Die Erstverwendung ist ab 01.04.2022 möglich.
EN WS+SS 6
M-INFO-107527 Practical Course: Wearable Computing
DE/EN WS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste
DE Unregelm. 4
M-INFO-103235 Praktikum: Smart Data Analytics
DE SS 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
DE SS 5
M-INFO-105452 Privacy Enhancing Technologies
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-105591 Resilient Networking
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS 6
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste
DE Unregelm. 3
M-INFO-100746 Seminar Hot Topics in Networking
EN WS+SS 3
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-103153 Seminar: Energieinformatik
DE/EN Unregelm. 4
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems
Die Erstverwendung ist ab 01.04.2019 möglich.
EN Unregelm. 3
M-INFO-105898 Seminar: Nutzeradaptive Systeme
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN SS 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen
DE WS+SS 3
M-INFO-101880 Seminar: Ubiquitäre Systeme
DE WS+SS 4
M-INFO-107243 Telematics
Die Erstverwendung ist nur zwischen 01.04.2025 und 31.03.2027 möglich.
EN WS 6
M-INFO-107161 Ubiquitous Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II)
DE SS 4

Informationssysteme
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. K. Böhm, Prof. G. Neumann

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Informationssysteme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106812 Advanced Bayesian Data Analysis
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.07.2024 möglich.
EN SS 6
M-INFO-101662 Datenbank-Praktikum
DE WS 4
M-INFO-106302 Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2025 möglich.
EN SS 3
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 01.07.2024 möglich.
EN SS 6
M-INFO-107809 NoSQL- und Cloud-native Datenbanksysteme
Die Erstverwendung ist ab 01.10.2026 möglich.
DE/EN WS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-105632 Praktikum: Data Science
Die Erstverwendung ist ab 01.04.2021 möglich.
DE SS 6
M-INFO-106329 Praktikum: Data Science für die Wissenschaften
Die Erstverwendung ist ab 01.04.2023 möglich.
EN Unregelm. 6
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science
Die Erstverwendung ist ab 01.03.2025 möglich.
EN Unregelm. 3
M-INFO-107686 Seminar: Information Systems
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 3

Computergrafik und Geometrieverarbeitung
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Computergrafik und Geometrieverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107620 Begleitseminar: Abschlussarbeiten in der Computergrafik
DE/EN WS+SS 3
M-INFO-100856 Computergrafik
DE WS 6
M-INFO-106685 Computergrafik 2
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN SS 5
M-INFO-100732 Interaktive Computergrafik
DE/EN SS 5
M-INFO-107817 Photorealistic Rendering
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 5
M-INFO-100724 Practical Course: General-Purpose Computation on Graphics Processing Units
EN WS+SS 3
M-INFO-101567 Practical Course: Visual Computing
EN WS+SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik
DE/EN Unregelm. 6
M-INFO-105384 Praktikum: Graphics and Game Development
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 6
M-INFO-106851 Praktikum: Realtime Computer Graphics
Die Erstverwendung ist ab 01.10.2024 möglich.
DE/EN WS+SS 6
M-INFO-106687 Praktikum: Rendering in CGI
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN WS+SS 6
M-INFO-106686 Praktikum: Scientific Visualization
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN WS+SS 6
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik
DE SS 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik
DE WS 3
M-INFO-100738 Visualisierung
DE/EN SS 5

Robotik und Automation
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. T. Asfour

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Robotik und Automation (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107431 Ausgewählte Themen der Echtzeitsysteme
DE WS 3
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung
Die Erstverwendung ist bis 31.03.2028 möglich.
DE WS 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-106190 Computational Imaging
Die Erstverwendung ist ab 17.10.2022 möglich.
EN WS 5
M-INFO-100736 Einführung in die Bildfolgenauswertung
DE SS 3
M-INFO-106650 HRI and Social Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107152 Humanoid Robots - Seminar
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern
DE SS 4
M-INFO-107663 Localization of Mobile Agents
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106646 Practical Course: Human-Centred Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN WS+SS 6
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107609 Practical Course: Mathematical and Computational Methods in Robotics and AI
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 6
M-INFO-106648 Practical Course: Movement and Technology
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion
Die Erstverwendung ist bis 31.03.2028 möglich.
DE SS 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
DE SS 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN WS 6
M-INFO-107174 Research Project Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107155 Robotics - Practical Course
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107162 Robotics I - Introduction to Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107123 Robotics II - Humanoid Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107130 Robotics III - Sensors and Perception in Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107598 Robotics Institute Germany - Lecture Series
EN WS 3
M-INFO-107090 Sampling Methods for Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-102375 Seminar Bildauswertung und -fusion
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen
EN WS 3
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-106958 Seminar: Critical Topics in AI
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107175 Seminar: Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-106927 Seminar: Exoskeletons & Motion Capture
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107436 Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research
EN WS 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Die Erstverwendung ist ab 01.04.2022 möglich.
DE WS 3
M-INFO-107816 Seminar: Neural Networks and Artificial Intelligence
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107926 Seminar: Robot Reinforcement Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
DE/EN WS+SS 3
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration
Die Erstverwendung ist ab 01.04.2019 möglich.
DE WS 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107847 Stochastic Information Processing
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-106870 Tools für Probabilistisches Machine Learning
Die Erstverwendung ist ab 01.10.2024 möglich.
DE WS 6
M-INFO-107834 User Studies in Human-Robot Interaction
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-107113 Wearable Robotic Technologies
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4

Anthropomatik und Kognitive Systeme
Bestandteil von: Vertiefungsfach 1  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Anthropomatik und Kognitive Systeme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106810 Artificial Intelligence & IT-Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung
Die Erstverwendung ist bis 31.03.2028 möglich.
DE WS 6
M-INFO-106190 Computational Imaging
Die Erstverwendung ist ab 17.10.2022 möglich.
EN WS 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107197 Deep Learning and Neural Networks
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107843 Deep Learning for Computer Vision: Advanced Topics
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN Unregelm. 3
M-INFO-100736 Einführung in die Bildfolgenauswertung
DE SS 3
M-INFO-105775 Embedded Machine Learning Lab
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS+SS 4
M-INFO-106302 Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie
DE WS+SS 3
M-INFO-106237 Geometric Deep Learning
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107448 Hardware-efficient Artificial Intelligence
EN WS 3
M-INFO-106650 HRI and Social Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107166 Human Computer Interaction
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107152 Humanoid Robots - Seminar
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern
DE SS 4
M-INFO-100728 Kontextsensitive Systeme
DE SS 5
M-INFO-107176 Lab Project: Speech Translation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107821 lntroduction to Quantum Machine Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN SS 3
M-INFO-107663 Localization of Mobile Agents
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-107169 Machine Learning - Foundations and Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 01.10.2023 möglich.
EN SS 6
M-INFO-100848 Maschinelle Übersetzung
DE SS 6
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen
DE WS 3
M-INFO-102555 Motion in Human and Machine - Seminar
EN SS 3
M-INFO-107676 Multimodal Artificial Intelligence
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-100825 Mustererkennung
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 6
M-INFO-107178 Natural Language Processing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-105329 Optimization Methods for Machine Learning and Engineering
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 5
M-INFO-107170 Participatory Technology Design
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-106646 Practical Course: Human-Centred Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN WS+SS 6
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107609 Practical Course: Mathematical and Computational Methods in Robotics and AI
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 6
M-INFO-106648 Practical Course: Movement and Technology
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107177 Practical Course: Natural Language Dialog Systems
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-105632 Praktikum: Data Science
Die Erstverwendung ist ab 01.04.2024 möglich.
DE SS 6
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme
Die Erstverwendung ist ab 01.04.2023 möglich.
DE/EN SS 6
M-INFO-103235 Praktikum: Smart Data Analytics
DE SS 6
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion
Die Erstverwendung ist bis 31.03.2028 möglich.
DE SS 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
DE SS 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN WS 6
M-INFO-105623 Reinforcement Learning
Die Erstverwendung ist ab 01.04.2021 möglich.
EN WS 6
M-INFO-107728 Research Practical Course on Behavior Foundation Models
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 6
M-INFO-106495 Research Practical Course: Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107174 Research Project Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107163 Research Project: Generative AI for Autonomous Agents
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-107155 Robotics - Practical Course
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107123 Robotics II - Humanoid Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107598 Robotics Institute Germany - Lecture Series
EN WS 3
M-INFO-107090 Sampling Methods for Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-102375 Seminar Bildauswertung und -fusion
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen
EN WS 3
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-107729 Seminar on Behavior Foundation Models
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 3
M-INFO-107353 Seminar: Advanced Topics in Natural Language Processing
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-106958 Seminar: Critical Topics in AI
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107175 Seminar: Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien
Die Erstverwendung ist ab 01.10.2022 möglich.
DE/EN WS 3
M-INFO-106497 Seminar: Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107436 Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research
EN WS 3
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
DE/EN WS+SS 3
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 4
M-INFO-107217 Seminar: Interpretability and Causality in Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Die Erstverwendung ist ab 01.04.2022 möglich.
DE WS 3
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 15.03.2024 möglich.
EN Unregelm. 3
M-INFO-106653 Seminar: Multimodal Large Language Models
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107816 Seminar: Neural Networks and Artificial Intelligence
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107926 Seminar: Robot Reinforcement Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 3
M-INFO-107179 Seminar: Speech-to-Speech Translation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
DE/EN WS+SS 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-107847 Stochastic Information Processing
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-106870 Tools für Probabilistisches Machine Learning
Die Erstverwendung ist ab 01.10.2024 möglich.
DE WS 6
M-INFO-107834 User Studies in Human-Robot Interaction
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-107113 Wearable Robotic Technologies
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4

Vertiefungsfach 2

Leistungspunkte
15-52
Vertiefungsfach 2 (Wahl: 1 Bestandteil)
Theoretische Grundlagen
15-52
Algorithmentechnik
15-52
Kryptographie und Sicherheit
15-52
Parallelverarbeitung
15-52
Softwaretechnik und Übersetzerbau
15-52
Entwurf eingebetteter Systeme und Rechnerarchitektur
15-52
Telematik
15-52
Informationssysteme
15-52
Computergrafik und Geometrieverarbeitung
15-52
Robotik und Automation
15-52
Anthropomatik und Kognitive Systeme
15-52

Theoretische Grundlagen
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders, Prof. S. Erdweg

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Theoretische Grundlagen (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107200 Advanced Data Structures
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 5
M-INFO-106960 Algorithmic Graph Theory
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107460 Algorithmische Netzwerkanalyse
DE Unregelm. 5
M-INFO-106961 Algorithms for Visualization of Graphs
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107201 Algorithms II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-104447 Automated Planning and Scheduling
EN Unregelm. 5
M-INFO-107599 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms
EN Unregelm. 6
M-INFO-107228 Computational Geometry
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106256 Constructive Logic
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-100799 Formale Systeme
DE WS 6
M-INFO-100744 Formale Systeme II: Anwendung
DE SS 5
M-INFO-100841 Formale Systeme II: Theorie
DE SS 5
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie
DE Unregelm. 6
M-INFO-107906 Logic Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 6
M-INFO-100825 Mustererkennung
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 6
M-INFO-107167 Parameterized Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-107494 Practical Course: Interactive Theorem Proving
EN Unregelm. 3
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107238 Practical SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis
DE Unregelm. 5
M-INFO-101537 Praktikum: Programmverifikation
DE/EN Unregelm. 3
M-INFO-107168 Probability and Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-107209 Seminar: Advanced Topics on SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-101536 Seminar: Anwendung Formaler Verifikation
DE/EN Unregelm. 3
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 4
M-INFO-105409 Seminar: E-Voting
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Die Erstverwendung ist ab 01.04.2019 möglich.
DE/EN Unregelm. 3
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 4
M-INFO-102550 Seminar: Graphenalgorithmen
DE Unregelm. 4
M-INFO-103306 Seminar: Proofs from THE BOOK
EN Unregelm. 3
M-INFO-107172 Seminar: Recent Highlights in Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107625 Seminar: Type Systems and Static Program Analysis
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-INFO-107847 Stochastic Information Processing
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-107639 Theory of Satisfiability Algorithms
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-107664 Type Systems and Program Analysis
EN Unregelm. 6

Algorithmentechnik
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. P. Sanders

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Algorithmentechnik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107863 Advanced Competitive Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-107200 Advanced Data Structures
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 5
M-INFO-100795 Algorithm Engineering
EN SS 5
M-INFO-100031 Algorithmen für Routenplanung
DE SS 5
M-INFO-106960 Algorithmic Graph Theory
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107460 Algorithmische Netzwerkanalyse
DE Unregelm. 5
M-INFO-106961 Algorithms for Visualization of Graphs
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107201 Algorithms II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-104447 Automated Planning and Scheduling
Die Erstverwendung ist ab 01.10.2018 möglich.
EN Unregelm. 5
M-INFO-107599 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms
EN Unregelm. 6
M-INFO-107228 Computational Geometry
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-101573 Hands-on Bioinformatics Practical
EN Unregelm. 3
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists
EN WS 3
M-INFO-107199 Parallel Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107167 Parameterized Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-107600 Practical Course: Route Planning
EN Unregelm. 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis
DE Unregelm. 5
M-INFO-107168 Probability and Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107867 Scalable Graph and Sparse Matrix Algorithms for Learning
EN Unregelm. 5
M-INFO-107209 Seminar: Advanced Topics on SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-103153 Seminar: Energieinformatik
DE/EN Unregelm. 4
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 4
M-INFO-102550 Seminar: Graphenalgorithmen
DE Unregelm. 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics
EN SS 3
M-INFO-107264 Seminar: Practical Graph Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107172 Seminar: Recent Highlights in Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107202 Text Indexing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107639 Theory of Satisfiability Algorithms
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4

Kryptographie und Sicherheit
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Müller-Quade

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Kryptographie und Sicherheit (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106303 Access Control Systems: Models and Technology
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106810 Artificial Intelligence & IT-Security
Die Erstverwendung ist ab 10.01.2024 möglich.
EN WS 6
M-INFO-105338 Authentisierung und Verschlüsselung
Die Erstverwendung ist ab 01.04.2020 möglich.
DE SS 4
M-INFO-106824 Codierungstheorie
Die Erstverwendung ist ab 01.10.2024 möglich.
DE Unregelm. 3
M-INFO-107435 Cryptographic Protocols II: Universal Composability
EN WS 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen
Die Erstverwendung ist ab 01.04.2023 möglich.
DE SS 4
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-106998 IT Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme
Die Erstverwendung ist ab 01.04.2018 möglich.
DE WS 5
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie
DE Unregelm. 6
M-INFO-105631 Kryptographische Protokolle
Die Erstverwendung ist ab 01.04.2021 möglich.
DE SS 5
M-INFO-100742 Kryptographische Wahlverfahren
DE Unregelm. 3
M-INFO-107218 Network Security: Architectures and Protocols
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-107642 Post-quantum Cryptography from Lattices
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 3
M-INFO-106996 Practical Course: Application Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 4
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-107412 Practical Course: Building PETs
EN WS 4
M-INFO-106627 Practical Course: Real-world Vulnerability Discovery and Exploits
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS+SS 4
M-INFO-105453 Practical Course: Security, Usability and Society
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 4
M-INFO-107241 Practical Introduction to Hardware Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-101559 Praktikum Kryptoanalyse
DE WS+SS 3
M-INFO-104895 Praktikum: Penetration Testing
Die Erstverwendung ist ab 01.04.2019 möglich.
DE SS 4
M-INFO-105452 Privacy Enhancing Technologies
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 6
M-INFO-105591 Resilient Networking
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS 6
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste
Die Erstverwendung ist ab 01.04.2021 möglich.
DE Unregelm. 3
M-INFO-107242 Seminar in Privacy
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie
Die Erstverwendung ist ab 01.10.2020 möglich.
DE/EN Unregelm. 3
M-INFO-105409 Seminar: E-Voting
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 3
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
Die Erstverwendung ist ab 01.10.2023 möglich.
DE/EN WS+SS 3
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems
Die Erstverwendung ist ab 01.10.2021 möglich.
EN Unregelm. 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 4
M-INFO-105337 Seminar: Kryptoanalyse
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN SS 3
M-INFO-105585 Seminar: Post-Quantum Cryptography
Die Erstverwendung ist ab 01.10.2020 möglich.
EN Unregelm. 3
M-INFO-107216 Seminar: Privacy and Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-105408 Seminar: Quantum Information Theory
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 3
M-INFO-105761 Seminar: Secure Multiparty Computation
Die Erstverwendung ist ab 01.10.2021 möglich.
EN Unregelm. 3
M-INFO-106344 Software Security Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-105584 Theoretische Grundlagen der Kryptographie
Die Erstverwendung ist ab 01.10.2020 möglich.
DE WS 6
M-INFO-100867 Virtuelle Systeme
Die Erstverwendung ist ab 01.10.2022 möglich.
DE WS 3
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3

Parallelverarbeitung
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Parallelverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107215 Distributed Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-101573 Hands-on Bioinformatics Practical
EN Unregelm. 3
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists
EN WS 3
M-INFO-107199 Parallel Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-100808 Parallelrechner und Parallelprogrammierung
DE SS 4
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-100818 Rechnerstrukturen
DE SS 6
M-INFO-107867 Scalable Graph and Sparse Matrix Algorithms for Learning
EN Unregelm. 5
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics
EN SS 3
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4

Softwaretechnik und Übersetzerbau
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. A. Koziolek, Prof. R. Reussner

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Softwaretechnik und Übersetzerbau (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106966 Compiler Design
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 9
M-INFO-106256 Constructive Logic
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-107234 Edge-AI in Software and Sensor Applications
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107685 Empirical Software Engineering
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-106626 Engineering Self-Adaptive Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 3
M-INFO-100744 Formale Systeme II: Anwendung
DE SS 5
M-INFO-107906 Logic Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems
EN WS 6
M-INFO-106931 Model-Driven Software Development
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107233 Natural Language Processing and Software Engineering
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107739 Practical Course: Advanced Software Development Tools
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-107677 Practical Course: Continuous Software Engineering
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-107678 Practical Course: Engineering Approaches to Software Development
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-106932 Practical Course: Model-Driven Software Development
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-108020 Practical Course: Programming Language Design and Implementation
EN Unregelm. 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-106261 Praktikum: Automotive Software Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
DE/EN WS+SS 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
Die Erstverwendung ist ab 01.04.2024 möglich.
DE SS 5
M-INFO-105309 Seminar: Continuous Software Engineering
Die Erstverwendung ist ab 01.10.2019 möglich.
EN SS 4
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Die Erstverwendung ist ab 01.04.2019 möglich.
DE/EN Unregelm. 3
M-INFO-107236 Seminar: Software Architecture, Security and Privacy
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN SS 4
M-INFO-107625 Seminar: Type Systems and Static Program Analysis
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-INFO-107237 Software Architecture and Quality
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107235 Software Engineering II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107212 Software Product Line Engineering
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-106344 Software Security Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-100719 Software-Evolution
EN WS 3
M-INFO-107239 Softwaretest and Quality Management (SQM)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107664 Type Systems and Program Analysis
EN Unregelm. 6
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II)
Die Erstverwendung ist ab 01.04.2024 möglich.
DE SS 4

Entwurf eingebetteter Systeme und Rechnerarchitektur
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. J. Henkel, Prof. W. Karl

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Entwurf eingebetteter Systeme und Rechnerarchitektur (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107431 Ausgewählte Themen der Echtzeitsysteme
DE WS 3
M-INFO-107230 Design and Architectures of Embedded Systems (ESII)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105775 Embedded Machine Learning Lab
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS+SS 4
M-INFO-107448 Hardware-efficient Artificial Intelligence
EN WS 3
M-INFO-100822 Heterogene parallele Rechensysteme
DE WS 3
M-INFO-100807 Low Power Design
EN SS 3
M-INFO-107229 Optimization and Synthesis of Embedded Systems (ESI)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-103706 Practical Course: Internet of Things (IoT)
EN WS+SS 4
M-INFO-107265 Practical Course: Chip Design I
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107266 Practical Course: Chip Design II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107897 Practical Course: Customized Embedded Processor Design
Die Erstverwendung ist ab 13.07.2026 möglich.
EN SS 4
M-INFO-102661 Practical Course: FPGA Programming
EN WS+SS 3
M-INFO-104031 Practical Course: Low Power Design and Embedded Systems
EN SS 4
M-INFO-106503 Practical Course: Neural Network Acceleration on FPGAs
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 3
M-INFO-107241 Practical Introduction to Hardware Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-100818 Rechnerstrukturen
DE SS 6
M-INFO-100850 Reliable Computing I
EN Unregelm. 3
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur
DE WS+SS 3
M-INFO-102662 Seminar Dependable Computing
EN WS+SS 3
M-INFO-107231 Seminar: Embedded Systems I
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107232 Seminar: Embedded Systems II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-102998 Softwarepraktikum Parallele Numerik
DE/EN WS+SS 6
M-INFO-100851 Testing Digital Systems I
EN Unregelm. 3
M-INFO-102962 Testing Digital Systems II
EN Unregelm. 3

Telematik
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. S. Abeck, Prof. H. Hartenstein, Prof. M. Zitterbart

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 8 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Telematik (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106303 Access Control Systems: Models and Technology
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-107215 Distributed Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-106864 Energieinformatik
Die Erstverwendung ist ab 01.10.2024 möglich.
DE/EN WS 10
M-INFO-107166 Human Computer Interaction
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-100800 Internet of Everything
Die Erstverwendung ist bis 31.03.2027 möglich.
EN WS 4
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme
DE WS 5
M-INFO-100728 Kontextsensitive Systeme
DE SS 5
M-INFO-107245 Mobile Communication
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-107218 Network Security: Architectures and Protocols
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-100784 Next Generation Internet
EN SS 4
M-INFO-100808 Parallelrechner und Parallelprogrammierung
DE SS 4
M-INFO-107597 Practical Course on Telematics
Die Erstverwendung ist nur zwischen 01.10.2025 und 31.03.2027 möglich.
EN WS 3
M-INFO-105870 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.04.2021 möglich.
EN Unregelm. 6
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107919 Practical Course: Designing and Conducting Experimental Studies
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 6
M-INFO-105453 Practical Course: Security, Usability and Society
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 4
M-INFO-105955 Practical Course: Smart Energy System
Die Erstverwendung ist ab 01.04.2022 möglich.
EN WS+SS 6
M-INFO-107527 Practical Course: Wearable Computing
DE/EN WS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste
DE Unregelm. 4
M-INFO-103235 Praktikum: Smart Data Analytics
DE SS 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
DE SS 5
M-INFO-105452 Privacy Enhancing Technologies
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-105591 Resilient Networking
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 6
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS 6
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste
DE Unregelm. 3
M-INFO-100746 Seminar Hot Topics in Networking
EN WS+SS 3
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-103153 Seminar: Energieinformatik
DE/EN Unregelm. 4
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems
Die Erstverwendung ist ab 01.04.2019 möglich.
EN Unregelm. 3
M-INFO-105898 Seminar: Nutzeradaptive Systeme
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN SS 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen
DE WS+SS 3
M-INFO-101880 Seminar: Ubiquitäre Systeme
DE WS+SS 4
M-INFO-107243 Telematics
Die Erstverwendung ist nur zwischen 01.04.2025 und 31.03.2027 möglich.
EN WS 6
M-INFO-107161 Ubiquitous Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II)
DE SS 4

Informationssysteme
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. K. Böhm, Prof. G. Neumann

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Informationssysteme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106812 Advanced Bayesian Data Analysis
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.07.2024 möglich.
EN SS 6
M-INFO-101662 Datenbank-Praktikum
DE WS 4
M-INFO-106302 Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2025 möglich.
EN SS 3
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 01.07.2024 möglich.
EN SS 6
M-INFO-107809 NoSQL- und Cloud-native Datenbanksysteme
Die Erstverwendung ist ab 01.10.2026 möglich.
DE/EN WS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-105632 Praktikum: Data Science
Die Erstverwendung ist ab 01.04.2021 möglich.
DE SS 6
M-INFO-106329 Praktikum: Data Science für die Wissenschaften
Die Erstverwendung ist ab 01.04.2023 möglich.
EN Unregelm. 6
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science
Die Erstverwendung ist ab 01.03.2025 möglich.
EN Unregelm. 3
M-INFO-107686 Seminar: Information Systems
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 3

Computergrafik und Geometrieverarbeitung
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. C. Dachsbacher

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Computergrafik und Geometrieverarbeitung (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107620 Begleitseminar: Abschlussarbeiten in der Computergrafik
DE/EN WS+SS 3
M-INFO-100856 Computergrafik
DE WS 6
M-INFO-106685 Computergrafik 2
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN SS 5
M-INFO-100732 Interaktive Computergrafik
DE/EN SS 5
M-INFO-107817 Photorealistic Rendering
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 5
M-INFO-100724 Practical Course: General-Purpose Computation on Graphics Processing Units
EN WS+SS 3
M-INFO-101567 Practical Course: Visual Computing
EN WS+SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik
DE/EN Unregelm. 6
M-INFO-105384 Praktikum: Graphics and Game Development
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 6
M-INFO-106851 Praktikum: Realtime Computer Graphics
Die Erstverwendung ist ab 01.10.2024 möglich.
DE/EN WS+SS 6
M-INFO-106687 Praktikum: Rendering in CGI
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN WS+SS 6
M-INFO-106686 Praktikum: Scientific Visualization
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN WS+SS 6
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik
DE SS 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik
DE WS 3
M-INFO-100738 Visualisierung
DE/EN SS 5

Robotik und Automation
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. T. Asfour

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Robotik und Automation (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-107431 Ausgewählte Themen der Echtzeitsysteme
DE WS 3
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung
Die Erstverwendung ist bis 31.03.2028 möglich.
DE WS 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-106190 Computational Imaging
Die Erstverwendung ist ab 17.10.2022 möglich.
EN WS 5
M-INFO-100736 Einführung in die Bildfolgenauswertung
DE SS 3
M-INFO-106650 HRI and Social Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107152 Humanoid Robots - Seminar
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern
DE SS 4
M-INFO-107663 Localization of Mobile Agents
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106646 Practical Course: Human-Centred Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN WS+SS 6
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107609 Practical Course: Mathematical and Computational Methods in Robotics and AI
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 6
M-INFO-106648 Practical Course: Movement and Technology
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion
Die Erstverwendung ist bis 31.03.2028 möglich.
DE SS 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
DE SS 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN WS 6
M-INFO-107174 Research Project Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107155 Robotics - Practical Course
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107162 Robotics I - Introduction to Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107123 Robotics II - Humanoid Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107130 Robotics III - Sensors and Perception in Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107598 Robotics Institute Germany - Lecture Series
EN WS 3
M-INFO-107090 Sampling Methods for Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-102375 Seminar Bildauswertung und -fusion
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen
EN WS 3
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-106958 Seminar: Critical Topics in AI
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107175 Seminar: Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-106927 Seminar: Exoskeletons & Motion Capture
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107436 Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research
EN WS 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Die Erstverwendung ist ab 01.04.2022 möglich.
DE WS 3
M-INFO-107816 Seminar: Neural Networks and Artificial Intelligence
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107926 Seminar: Robot Reinforcement Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
DE/EN WS+SS 3
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration
Die Erstverwendung ist ab 01.04.2019 möglich.
DE WS 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107847 Stochastic Information Processing
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-106870 Tools für Probabilistisches Machine Learning
Die Erstverwendung ist ab 01.10.2024 möglich.
DE WS 6
M-INFO-107834 User Studies in Human-Robot Interaction
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-107113 Wearable Robotic Technologies
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4

Anthropomatik und Kognitive Systeme
Bestandteil von: Vertiefungsfach 2  

Leistungspunkte
15-52

Vertiefungsfach Koordinatoren: Prof. R. Stiefelhagen

Wahlinformationen

In diesem Vertiefungsfach müssen mind. 10 LP aus Vorlesungen (keine Stammvorlesungen, keine Seminare, keine Praktika) erbracht werden.

Kennung Name Sprache Turnus LP
Wahl Anthropomatik und Kognitive Systeme (Wahl: mindestens 1 Bestandteil sowie zwischen 15 und 52 LP)
M-INFO-106810 Artificial Intelligence & IT-Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung
Die Erstverwendung ist bis 31.03.2028 möglich.
DE WS 6
M-INFO-106190 Computational Imaging
Die Erstverwendung ist ab 17.10.2022 möglich.
EN WS 5
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107197 Deep Learning and Neural Networks
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107843 Deep Learning for Computer Vision: Advanced Topics
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN Unregelm. 3
M-INFO-100736 Einführung in die Bildfolgenauswertung
DE SS 3
M-INFO-105775 Embedded Machine Learning Lab
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS+SS 4
M-INFO-106302 Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie
DE WS+SS 3
M-INFO-106237 Geometric Deep Learning
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107448 Hardware-efficient Artificial Intelligence
EN WS 3
M-INFO-106650 HRI and Social Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107166 Human Computer Interaction
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107152 Humanoid Robots - Seminar
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern
DE SS 4
M-INFO-100728 Kontextsensitive Systeme
DE SS 5
M-INFO-107176 Lab Project: Speech Translation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107821 lntroduction to Quantum Machine Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN SS 3
M-INFO-107663 Localization of Mobile Agents
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-107169 Machine Learning - Foundations and Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 01.10.2023 möglich.
EN SS 6
M-INFO-100848 Maschinelle Übersetzung
DE SS 6
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen
DE WS 3
M-INFO-102555 Motion in Human and Machine - Seminar
EN SS 3
M-INFO-107676 Multimodal Artificial Intelligence
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-100825 Mustererkennung
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 6
M-INFO-107178 Natural Language Processing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-105329 Optimization Methods for Machine Learning and Engineering
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 5
M-INFO-107170 Participatory Technology Design
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-106646 Practical Course: Human-Centred Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN WS+SS 6
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107609 Practical Course: Mathematical and Computational Methods in Robotics and AI
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 6
M-INFO-106648 Practical Course: Movement and Technology
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107177 Practical Course: Natural Language Dialog Systems
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-105632 Praktikum: Data Science
Die Erstverwendung ist ab 01.04.2024 möglich.
DE SS 6
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme
Die Erstverwendung ist ab 01.04.2023 möglich.
DE/EN SS 6
M-INFO-103235 Praktikum: Smart Data Analytics
DE SS 6
M-INFO-105038 Praxis der Forschung (Projekt, 2. Semester)
Die Erstverwendung ist nur zwischen 13.07.2019 und 01.10.2026 möglich.
DE WS+SS 10
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion
Die Erstverwendung ist bis 31.03.2028 möglich.
DE SS 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
DE SS 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN WS 6
M-INFO-105623 Reinforcement Learning
Die Erstverwendung ist ab 01.04.2021 möglich.
EN WS 6
M-INFO-107728 Research Practical Course on Behavior Foundation Models
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 6
M-INFO-106495 Research Practical Course: Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107174 Research Project Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107163 Research Project: Generative AI for Autonomous Agents
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-107155 Robotics - Practical Course
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107123 Robotics II - Humanoid Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107598 Robotics Institute Germany - Lecture Series
EN WS 3
M-INFO-107090 Sampling Methods for Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-102375 Seminar Bildauswertung und -fusion
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen
EN WS 3
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-107729 Seminar on Behavior Foundation Models
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 3
M-INFO-107353 Seminar: Advanced Topics in Natural Language Processing
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-106958 Seminar: Critical Topics in AI
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107175 Seminar: Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien
Die Erstverwendung ist ab 01.10.2022 möglich.
DE/EN WS 3
M-INFO-106497 Seminar: Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107436 Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research
EN WS 3
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
DE/EN WS+SS 3
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 4
M-INFO-107217 Seminar: Interpretability and Causality in Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Die Erstverwendung ist ab 01.04.2022 möglich.
DE WS 3
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 15.03.2024 möglich.
EN Unregelm. 3
M-INFO-106653 Seminar: Multimodal Large Language Models
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107816 Seminar: Neural Networks and Artificial Intelligence
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107926 Seminar: Robot Reinforcement Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 3
M-INFO-107179 Seminar: Speech-to-Speech Translation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
DE/EN WS+SS 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-107847 Stochastic Information Processing
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-106870 Tools für Probabilistisches Machine Learning
Die Erstverwendung ist ab 01.10.2024 möglich.
DE WS 6
M-INFO-107834 User Studies in Human-Robot Interaction
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-107113 Wearable Robotic Technologies
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4

Wahlbereich Informatik

Leistungspunkte
12-49
Wahlinformationen

Im Wahlbereich müssen mind. 12 LP gewählt werden.

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 12 und 49 LP)
M-INFO-106303 Access Control Systems: Models and Technology
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-106812 Advanced Bayesian Data Analysis
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 5
M-INFO-107863 Advanced Competitive Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-107200 Advanced Data Structures
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 5
M-INFO-100795 Algorithm Engineering
EN SS 5
M-INFO-100031 Algorithmen für Routenplanung
DE SS 5
M-INFO-106960 Algorithmic Graph Theory
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107460 Algorithmische Netzwerkanalyse
DE Unregelm. 5
M-INFO-106961 Algorithms for Visualization of Graphs
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107201 Algorithms II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-106810 Artificial Intelligence & IT-Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-107431 Ausgewählte Themen der Echtzeitsysteme
DE WS 3
M-INFO-105338 Authentisierung und Verschlüsselung
Die Erstverwendung ist ab 01.04.2020 möglich.
DE SS 4
M-INFO-104447 Automated Planning and Scheduling
Die Erstverwendung ist ab 01.10.2018 möglich.
EN Unregelm. 5
M-INFO-100826 Automatische Sichtprüfung und Bildverarbeitung
Die Erstverwendung ist bis 31.03.2028 möglich.
DE WS 6
M-INFO-106608 Autonomous Learning for Intelligent Robot Perception
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-107599 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms
EN Unregelm. 6
M-INFO-107620 Begleitseminar: Abschlussarbeiten in der Computergrafik
DE/EN WS+SS 3
M-INFO-106824 Codierungstheorie
Die Erstverwendung ist ab 01.10.2024 möglich.
DE Unregelm. 3
M-INFO-106966 Compiler Design
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 9
M-INFO-107228 Computational Geometry
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106190 Computational Imaging
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 5
M-INFO-100856 Computergrafik
DE WS 6
M-INFO-106685 Computergrafik 2
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN SS 5
M-INFO-106256 Constructive Logic
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 5
M-INFO-107435 Cryptographic Protocols II: Universal Composability
EN WS 3
M-INFO-106355 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen
Die Erstverwendung ist ab 01.04.2023 möglich.
DE SS 4
M-INFO-106655 Data Science and Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-101662 Datenbank-Praktikum
DE WS 4
M-INFO-105334 Decentralized Systems: Fundamentals, Modeling, and Applications
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-107197 Deep Learning and Neural Networks
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107843 Deep Learning for Computer Vision: Advanced Topics
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107230 Design and Architectures of Embedded Systems (ESII)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105882 Digitale Barrierefreiheit und Assistive Technologien
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN Unregelm. 3
M-INFO-107215 Distributed Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-107234 Edge-AI in Software and Sensor Applications
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-106101 Einführung in das Quantencomputing (IQC)
Die Erstverwendung ist ab 01.10.2022 möglich.
DE/EN WS 3
M-INFO-100736 Einführung in die Bildfolgenauswertung
DE SS 3
M-INFO-105775 Embedded Machine Learning Lab
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS+SS 4
M-INFO-107685 Empirical Software Engineering
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-106864 Energieinformatik
Die Erstverwendung ist ab 01.10.2024 möglich.
DE/EN WS 10
M-INFO-106626 Engineering Self-Adaptive Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 3
M-INFO-106302 Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-106644 Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-100799 Formale Systeme
DE WS 6
M-INFO-100744 Formale Systeme II: Anwendung
DE SS 5
M-INFO-100841 Formale Systeme II: Theorie
DE SS 5
M-INFO-105378 Forschungspraktikum Autonome Lernende Roboter
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-100725 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie
DE WS+SS 3
M-INFO-106237 Geometric Deep Learning
Die Erstverwendung ist ab 19.10.2022 möglich.
EN WS 6
M-INFO-107211 Graph Partitioning and Graph Clustering in Theory and Practice
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-101573 Hands-on Bioinformatics Practical
EN Unregelm. 3
M-INFO-107448 Hardware-efficient Artificial Intelligence
EN WS 3
M-INFO-100822 Heterogene parallele Rechensysteme
DE WS 3
M-INFO-106650 HRI and Social Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107166 Human Computer Interaction
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106649 Humanoid Robots - Locomotion and Whole-Body Control
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107152 Humanoid Robots - Seminar
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-100791 Innovative Konzepte zur Programmierung von Industrierobotern
DE SS 4
M-INFO-100732 Interaktive Computergrafik
DE/EN SS 5
M-INFO-100800 Internet of Everything
Die Erstverwendung ist bis 31.03.2027 möglich.
EN WS 4
M-INFO-100749 Introduction to Bioinformatics for Computer Scientists
EN WS 3
M-INFO-106998 IT Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-100786 IT-Sicherheitsmanagement für vernetzte Systeme
DE WS 5
M-INFO-101575 Komplexitätstheorie, mit Anwendungen in der Kryptographie
DE Unregelm. 6
M-INFO-100728 Kontextsensitive Systeme
DE SS 5
M-INFO-105631 Kryptographische Protokolle
Die Erstverwendung ist ab 01.04.2021 möglich.
DE SS 5
M-INFO-100742 Kryptographische Wahlverfahren
DE Unregelm. 3
M-INFO-107176 Lab Project: Speech Translation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107821 lntroduction to Quantum Machine Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN SS 3
M-INFO-107663 Localization of Mobile Agents
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-107906 Logic Programming
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-106102 Logical Foundations of Cyber-Physical Systems
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 6
M-INFO-100807 Low Power Design
EN SS 3
M-INFO-107169 Machine Learning - Foundations and Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106959 Machine Learning for Natural Sciences
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106470 Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 01.10.2023 möglich.
EN SS 6
M-INFO-100848 Maschinelle Übersetzung
DE SS 6
M-INFO-100824 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen
DE WS 3
M-INFO-107245 Mobile Communication
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-106931 Model-Driven Software Development
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-102555 Motion in Human and Machine - Seminar
EN SS 3
M-INFO-107676 Multimodal Artificial Intelligence
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-100825 Mustererkennung
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 6
M-INFO-107178 Natural Language Processing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107233 Natural Language Processing and Software Engineering
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107218 Network Security: Architectures and Protocols
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-100784 Next Generation Internet
EN SS 4
M-INFO-107809 NoSQL- und Cloud-native Datenbanksysteme
Die Erstverwendung ist ab 01.10.2026 möglich.
DE/EN WS 6
M-INFO-107229 Optimization and Synthesis of Embedded Systems (ESI)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105329 Optimization Methods for Machine Learning and Engineering
EN WS 5
M-INFO-107199 Parallel Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-100808 Parallelrechner und Parallelprogrammierung
DE SS 4
M-INFO-107167 Parameterized Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-107170 Participatory Technology Design
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107817 Photorealistic Rendering
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 5
M-INFO-107642 Post-quantum Cryptography from Lattices
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 3
M-INFO-100804 Power Management
DE WS 3
M-INFO-101542 Power Management Praktikum
DE WS 3
M-INFO-107597 Practical Course on Telematics
Die Erstverwendung ist nur zwischen 01.10.2025 und 31.03.2027 möglich.
EN WS 3
M-INFO-103706 Practical Course: Internet of Things (IoT)
EN WS+SS 4
M-INFO-107739 Practical Course: Advanced Software Development Tools
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-105870 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.04.2021 möglich.
EN Unregelm. 6
M-INFO-106800 Practical Course: AI for Climate and Weather Predictions
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-106996 Practical Course: Application Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 4
M-INFO-106867 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-107412 Practical Course: Building PETs
EN WS 4
M-INFO-107265 Practical Course: Chip Design I
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107266 Practical Course: Chip Design II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107677 Practical Course: Continuous Software Engineering
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-107897 Practical Course: Customized Embedded Processor Design
Die Erstverwendung ist ab 13.07.2026 möglich.
EN SS 4
M-INFO-107836 Practical Course: Decentralized Learning Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-107919 Practical Course: Designing and Conducting Experimental Studies
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 6
M-INFO-107678 Practical Course: Engineering Approaches to Software Development
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 6
M-INFO-106784 Practical Course: Fine-grained Algorithm Design and Engineering
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6
M-INFO-102661 Practical Course: FPGA Programming
EN WS+SS 3
M-INFO-100724 Practical Course: General-Purpose Computation on Graphics Processing Units
EN WS+SS 3
M-INFO-106646 Practical Course: Human-Centred Robotics
Die Erstverwendung ist ab 01.04.2024 möglich.
EN WS+SS 6
M-INFO-107494 Practical Course: Interactive Theorem Proving
EN Unregelm. 3
M-INFO-104031 Practical Course: Low Power Design and Embedded Systems
Die Erstverwendung ist ab 01.10.2017 möglich.
EN SS 4
M-INFO-107845 Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 8
M-INFO-107609 Practical Course: Mathematical and Computational Methods in Robotics and AI
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 6
M-INFO-106932 Practical Course: Model-Driven Software Development
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106648 Practical Course: Movement and Technology
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-INFO-107177 Practical Course: Natural Language Dialog Systems
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 6
M-INFO-106503 Practical Course: Neural Network Acceleration on FPGAs
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS+SS 3
M-INFO-107865 Practical Course: Performance Engineering in C++ and Rust
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 6
M-INFO-106627 Practical Course: Real-world Vulnerability Discovery and Exploits
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS+SS 4
M-INFO-107600 Practical Course: Route Planning
EN Unregelm. 6
M-INFO-105453 Practical Course: Security, Usability and Society
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 4
M-INFO-105955 Practical Course: Smart Energy System
Die Erstverwendung ist ab 01.04.2022 möglich.
EN WS+SS 6
M-INFO-101567 Practical Course: Visual Computing
EN WS+SS 6
M-INFO-107527 Practical Course: Wearable Computing
DE/EN WS 6
M-INFO-107241 Practical Introduction to Hardware Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 6
M-INFO-107238 Practical SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107831 Practice of Research (Project, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-107832 Practice of Research (Project, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 10
M-INFO-103047 Praktikum Dezentrale Systeme und Netzdienste
DE Unregelm. 4
M-INFO-101559 Praktikum Kryptoanalyse
DE WS+SS 3
M-INFO-104699 Praktikum: Aktuelle Forschungsthemen der Computergrafik
DE/EN Unregelm. 6
M-INFO-106286 Praktikum: Aktuelle Themen des Quantencomputings
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 6
M-INFO-106261 Praktikum: Automotive Software Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
DE/EN WS+SS 6
M-INFO-105632 Praktikum: Data Science
Die Erstverwendung ist ab 01.04.2021 möglich.
DE SS 6
M-INFO-106329 Praktikum: Data Science für die Wissenschaften
Die Erstverwendung ist ab 01.04.2023 möglich.
EN Unregelm. 6
M-INFO-106290 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme
Die Erstverwendung ist ab 01.04.2023 möglich.
DE/EN SS 6
M-INFO-103302 Praktikum: Graphenvisualisierung in der Praxis
DE Unregelm. 5
M-INFO-105384 Praktikum: Graphics and Game Development
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 6
M-INFO-104895 Praktikum: Penetration Testing
Die Erstverwendung ist ab 01.04.2019 möglich.
DE SS 4
M-INFO-101537 Praktikum: Programmverifikation
DE/EN Unregelm. 3
M-INFO-106851 Praktikum: Realtime Computer Graphics
Die Erstverwendung ist ab 01.10.2024 möglich.
DE/EN WS+SS 6
M-INFO-106687 Praktikum: Rendering in CGI
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN WS+SS 6
M-INFO-106686 Praktikum: Scientific Visualization
Die Erstverwendung ist ab 01.04.2024 möglich.
DE/EN WS+SS 6
M-INFO-103235 Praktikum: Smart Data Analytics
DE SS 6
M-INFO-101635 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
DE SS 5
M-INFO-105452 Privacy Enhancing Technologies
Die Erstverwendung ist ab 01.04.2020 möglich.
EN SS 6
M-INFO-107168 Probability and Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-102383 Projektpraktikum Bildauswertung und -fusion
Die Erstverwendung ist bis 31.03.2028 möglich.
DE SS 6
M-INFO-102966 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
DE SS 6
M-INFO-105792 Projektpraktikum: Humanoide Roboter
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN WS 6
M-INFO-100818 Rechnerstrukturen
DE SS 6
M-INFO-105623 Reinforcement Learning
Die Erstverwendung ist ab 01.04.2021 möglich.
EN WS 6
M-INFO-100850 Reliable Computing I
EN Unregelm. 3
M-INFO-106654 Research Focus Class: Blockchain & Cryptocurrencies
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 6
M-INFO-107728 Research Practical Course on Behavior Foundation Models
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-INFO-106866 Research Practical Course: Artificial Intelligence & Security
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS+SS 6
M-INFO-106495 Research Practical Course: Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-107174 Research Project Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107163 Research Project: Generative AI for Autonomous Agents
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-106871 Research Project: Machine Learning for Autonomous Agents and Decision Making
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-INFO-106813 Research Seminar in Selected Topics in Statistical Learning and Data Science
Die Erstverwendung ist ab 01.03.2025 möglich.
EN Unregelm. 3
M-INFO-105591 Resilient Networking
Die Erstverwendung ist ab 01.10.2020 möglich.
EN WS 6
M-INFO-107155 Robotics - Practical Course
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107162 Robotics I - Introduction to Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 6
M-INFO-107123 Robotics II - Humanoid Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107130 Robotics III - Sensors and Perception in Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107598 Robotics Institute Germany - Lecture Series
EN WS 3
M-INFO-107090 Sampling Methods for Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107867 Scalable Graph and Sparse Matrix Algorithms for Learning
EN Unregelm. 5
M-INFO-105780 Scientific Methods to Design and Analyze Secure Decentralized Systems
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS 6
M-INFO-103062 Seminar Ausgewählte Kapitel der Rechnerarchitektur
DE WS+SS 3
M-INFO-100849 Seminar Betriebssysteme für Fortgeschrittene
DE SS 6
M-INFO-102375 Seminar Bildauswertung und -fusion
Die Erstverwendung ist bis 30.09.2027 möglich.
DE SS 3
M-INFO-102373 Seminar Computer Vision für Mensch-Maschine-Schnittstellen
EN WS 3
M-INFO-102662 Seminar Dependable Computing
EN WS+SS 3
M-INFO-103048 Seminar Dezentrale Systeme und Netzdienste
DE Unregelm. 3
M-INFO-107846 Seminar for Practical Course: Machine Learning and Intelligent Systems
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 3
M-INFO-100746 Seminar Hot Topics in Networking
EN WS+SS 3
M-INFO-107242 Seminar in Privacy
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-107729 Seminar on Behavior Foundation Models
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 3
M-INFO-105888 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-107353 Seminar: Advanced Topics in Natural Language Processing
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS+SS 3
M-INFO-107209 Seminar: Advanced Topics on SAT Solving
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105708 Seminar: Aktuelle Forschungsthemen in der Computergrafik
DE SS 3
M-INFO-106086 Seminar: Algorithm Engineering
Die Erstverwendung ist ab 01.10.2022 möglich.
EN Unregelm. 4
M-INFO-101536 Seminar: Anwendung Formaler Verifikation
DE/EN Unregelm. 3
M-INFO-106490 Seminar: Artificial Intelligence for Energy Systems
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 4
M-INFO-105586 Seminar: Ausgewählte Themen der Public-Key-Kryptographie
Die Erstverwendung ist ab 01.10.2020 möglich.
DE/EN Unregelm. 3
M-INFO-105309 Seminar: Continuous Software Engineering
Die Erstverwendung ist ab 01.10.2019 möglich.
EN SS 4
M-INFO-106958 Seminar: Critical Topics in AI
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107027 Seminar: Current Trends in Theoretical Computer Science
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107175 Seminar: Deep Learning for Robotics
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-105884 Seminar: Digitale Barrierefreiheit und Assistive Technologien
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN WS 3
M-INFO-105409 Seminar: E-Voting
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN Unregelm. 3
M-INFO-107231 Seminar: Embedded Systems I
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-107232 Seminar: Embedded Systems II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS+SS 3
M-INFO-103153 Seminar: Energieinformatik
DE/EN Unregelm. 4
M-INFO-106927 Seminar: Exoskeletons & Motion Capture
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 3
M-INFO-106497 Seminar: Explainable Artificial Intelligence
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 3
M-INFO-106651 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107436 Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research
EN WS 3
M-INFO-104941 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Die Erstverwendung ist ab 01.04.2019 möglich.
DE/EN Unregelm. 3
M-INFO-106645 Seminar: Fine-Grained Complexity Theory & Algorithms
Die Erstverwendung ist ab 01.04.2024 möglich.
EN Unregelm. 4
M-INFO-106594 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
DE/EN WS+SS 3
M-INFO-102729 Seminar: Fortgeschrittene Algorithmen in der Computergrafik
DE WS 3
M-INFO-102550 Seminar: Graphenalgorithmen
DE Unregelm. 4
M-INFO-106868 Seminar: Hot Topics in Artificial Intelligence & Security 1
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 4
M-INFO-106869 Seminar: Hot Topics in Artificial Intelligence & Security 2
Die Erstverwendung ist ab 01.10.2024 möglich.
EN SS 4
M-INFO-100750 Seminar: Hot Topics in Bioinformatics
EN SS 3
M-INFO-104891 Seminar: Hot Topics in Decentralized Systems
Die Erstverwendung ist ab 01.04.2019 möglich.
EN Unregelm. 3
M-INFO-106392 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 4
M-INFO-105328 Seminar: Informatik TECO
Die Erstverwendung ist ab 01.10.2019 möglich.
DE/EN Unregelm. 3
M-INFO-107686 Seminar: Information Systems
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS+SS 3
M-INFO-107217 Seminar: Interpretability and Causality in Machine Learning
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-105926 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Die Erstverwendung ist ab 01.04.2022 möglich.
DE WS 3
M-INFO-105337 Seminar: Kryptoanalyse
Die Erstverwendung ist ab 01.04.2020 möglich.
DE/EN SS 3
M-INFO-107033 Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz
Die Erstverwendung ist ab 01.04.2025 möglich.
DE SS 3
M-INFO-106719 Seminar: Machine Learning in Climate and Environmental Sciences
Die Erstverwendung ist ab 15.03.2024 möglich.
EN Unregelm. 3
M-INFO-106653 Seminar: Multimodal Large Language Models
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 3
M-INFO-107816 Seminar: Neural Networks and Artificial Intelligence
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3
M-INFO-105898 Seminar: Nutzeradaptive Systeme
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN SS 3
M-INFO-107205 Seminar: Operating Systems
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 3
M-INFO-105585 Seminar: Post-Quantum Cryptography
Die Erstverwendung ist ab 01.10.2020 möglich.
EN Unregelm. 3
M-INFO-107264 Seminar: Practical Graph Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107216 Seminar: Privacy and Security
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-INFO-103306 Seminar: Proofs from THE BOOK
EN Unregelm. 3
M-INFO-105408 Seminar: Quantum Information Theory
Die Erstverwendung ist ab 01.04.2020 möglich.
EN Unregelm. 3
M-INFO-107172 Seminar: Recent Highlights in Algorithms
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-107926 Seminar: Robot Reinforcement Learning
Die Erstverwendung ist ab 01.10.2026 möglich.
EN Unregelm. 3
M-INFO-105761 Seminar: Secure Multiparty Computation
Die Erstverwendung ist ab 01.10.2021 möglich.
EN Unregelm. 3
M-INFO-102372 Seminar: Serviceorientierte Architekturen
DE WS+SS 3
M-INFO-107236 Seminar: Software Architecture, Security and Privacy
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 4
M-INFO-105895 Seminar: Softwarequalitätssicherung und Softwaretest
Die Erstverwendung ist ab 01.04.2022 möglich.
DE/EN SS 4
M-INFO-107179 Seminar: Speech-to-Speech Translation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-107625 Seminar: Type Systems and Static Program Analysis
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-INFO-101880 Seminar: Ubiquitäre Systeme
DE WS+SS 4
M-INFO-102305 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
DE/EN WS+SS 3
M-INFO-104877 Sichere Mensch-Roboter-Kollaboration
Die Erstverwendung ist ab 01.04.2019 möglich.
DE WS 3
M-INFO-106504 Simulation and Optimization in Robotics and Biomechanics
Die Erstverwendung ist ab 01.10.2023 möglich.
EN WS 6
M-INFO-105868 Skalierbare Methoden der künstlichen Intelligenz
Die Erstverwendung ist ab 01.10.2021 möglich.
DE/EN Unregelm. 4
M-INFO-107237 Software Architecture and Quality
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3
M-INFO-107235 Software Engineering II
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-INFO-107212 Software Product Line Engineering
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 3
M-INFO-106344 Software Security Engineering
Die Erstverwendung ist ab 01.04.2023 möglich.
EN SS 3
M-INFO-100719 Software-Evolution
EN WS 3
M-INFO-102998 Softwarepraktikum Parallele Numerik
DE/EN WS+SS 6
M-INFO-107239 Softwaretest and Quality Management (SQM)
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-107847 Stochastic Information Processing
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-107877 Systemsoftware für Echtzeitsysteme
Die Erstverwendung ist nur zwischen 01.10.2026 und 31.03.2027 möglich.
DE Einmalig 6
M-INFO-107243 Telematics
Die Erstverwendung ist nur zwischen 01.04.2025 und 31.03.2027 möglich.
EN WS 6
M-INFO-100851 Testing Digital Systems I
EN Unregelm. 3
M-INFO-102962 Testing Digital Systems II
EN Unregelm. 3
M-INFO-107202 Text Indexing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-INFO-105584 Theoretische Grundlagen der Kryptographie
Die Erstverwendung ist ab 01.10.2020 möglich.
DE WS 6
M-INFO-107639 Theory of Satisfiability Algorithms
Die Erstverwendung ist ab 01.04.2026 möglich.
EN Unregelm. 4
M-INFO-106870 Tools für Probabilistisches Machine Learning
Die Erstverwendung ist ab 01.10.2024 möglich.
DE WS 6
M-INFO-107664 Type Systems and Program Analysis
EN Unregelm. 6
M-INFO-107161 Ubiquitous Computing
Die Erstverwendung ist ab 01.04.2025 möglich.
EN Unregelm. 5
M-INFO-107834 User Studies in Human-Robot Interaction
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-INFO-100867 Virtuelle Systeme
DE WS 3
M-INFO-100738 Visualisierung
DE/EN SS 5
M-INFO-107113 Wearable Robotic Technologies
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-INFO-100734 Web-Anwendungen und Serviceorientierte Architekturen (II)
DE SS 4
M-INFO-108020 Practical Course: Programming Language Design and Implementation
EN Unregelm. 6

Ergänzungsfach

Leistungspunkte
9-18
Ergänzungsfach (Wahl: 1 Bestandteil)
Recht
9-18
Mathematik
9-18
Experimentalphysik
15
Theoretische Physik
9-18
Elektro- und Informationstechnik
9-18
Biologie
9-18
Soziologie
9-18
Medienkunst
9-18
Betriebswirtschaftslehre
9-18
Volkswirtschaftslehre
9-18
Operations Research
9-18
Verkehrswesen
9-18
Mathematik für Daten-Intensives Rechnen
9-18
Betriebswirtschaftslehre für dataintensives Rechnen
9-18
Materialwissenschaften für dataintensives Rechnen
9-18
Automation und Energienetze
Die Erstverwendung ist ab 01.10.2019 möglich.
9-18
Philosophie
Die Erstverwendung ist ab 01.04.2022 möglich.
9-18
Meteorologie
Die Erstverwendung ist ab 01.10.2023 möglich.
14
Biologically Inspired Robotics
Die Erstverwendung ist ab 01.10.2024 möglich.
9-18

Recht
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Matz, yvonne.matz@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-106754 Öffentliches Wirtschafts- und Technikrecht
Die Erstverwendung ist ab 01.04.2025 möglich.
DE/EN WS+SS 9
M-INFO-101216 Recht der Wirtschaftsunternehmen
DE WS+SS 9
M-INFO-101215 Recht des geistigen Eigentums
DE WS+SS 9
M-INFO-107933 Seminar: KI und Recht
Die Erstverwendung ist ab 01.10.2026 möglich.
DE/EN WS+SS 3
M-INFO-107940 Seminar: Öffentliches Recht und Informatik 1
Die Erstverwendung ist ab 01.10.2026 möglich.
DE/EN WS+SS 3
M-INFO-107929 Seminar: Zivilrecht 1
Die Erstverwendung ist ab 01.10.2026 möglich.
DE WS+SS 3

Mathematik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Kühnlein, stefan.kuehnlein@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MATH-101315 Algebra
DE s. Anm. 9
M-MATH-101317 Differentialgeometrie
DE/EN Unregelm. 9
M-MATH-101320 Funktionalanalysis
DE/EN WS 9
M-MATH-101336 Graphentheorie
EN s. Anm. 9
M-MATH-101338 Paralleles Rechnen
DE/EN Unregelm. 6
M-MATH-101724 Algebraische Geometrie
DE Unregelm. 9
M-MATH-101725 Algebraische Zahlentheorie
DE Unregelm. 9
M-MATH-103164 Analysis 4
DE SS 9
M-MATH-102950 Kombinatorik
EN s. Anm. 9
M-MATH-106957 Moderne Methoden der Kombinatorik
Die Erstverwendung ist ab 01.10.2024 möglich.
EN Unregelm. 6

Experimentalphysik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
15

Ansprechpartner Dr. Haberland, hagen.haberland@kit.edu

Kennung Name Sprache Turnus LP
Praktikum Klassische Physik I oder II (Wahl: 1 Bestandteil sowie 6 LP)
M-PHYS-101353 Praktikum Klassische Physik I
DE WS 6
M-PHYS-101354 Praktikum Klassische Physik II
DE SS 6
Wahlpflichtblock 9 LP (Wahl: 9 LP)
M-PHYS-101927 Fundamentals of Optics and Photonics
EN WS 9
M-PHYS-106332 Moderne Experimentalphysik II, Struktur der Materie
Die Erstverwendung ist ab 18.02.2026 möglich.
DE WS 9
M-PHYS-102114 Teilchenphysik I
EN WS 9

Theoretische Physik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Steinhauser, Matthias.Steinhauser@kit.edu

Kennung Name Sprache Turnus LP
Pflichtbestandteile
M-PHYS-101664 Moderne Theoretische Physik für Lehramt
DE WS 9
Wahlblock (Wahl: zwischen 0 und 1 Bestandteilen sowie zwischen 0 und 9 LP)
M-PHYS-101933 Computational Photonics, with ext. Exercises
EN Unregelm. 8
M-PHYS-103089 Computational Photonics, without ext. Exercises
EN Unregelm. 6
M-PHYS-106335 Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik
Die Erstverwendung ist ab 18.02.2026 möglich.
DE WS 9
M-PHYS-102277 Theoretical Optics
EN SS 6

Elektro- und Informationstechnik
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Kluwe, mathias.kluwe@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-ETIT-106815 Advanced Communications Engineering
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 6
M-ETIT-107364 Analog Circuit Design
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-ETIT-107333 Applied Information Theory
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 6
M-ETIT-101834 Business Innovation in Optics and Photonics
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 4
M-ETIT-105616 Channel Coding: Algebraic Methods for Communications and Storage
Die Erstverwendung ist ab 01.10.2022 möglich.
EN SS 3
M-ETIT-105617 Channel Coding: Graph-Based Codes
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 6
M-ETIT-107440 Coding of Audiovisual Signals
Die Erstverwendung ist ab 01.10.2025 möglich.
EN SS 3
M-ETIT-107365 Digital Circuit Design
Die Erstverwendung ist ab 01.10.2025 möglich.
EN SS 4
M-ETIT-100449 Hardware Modeling and Simulation
EN WS 4
M-ETIT-106963 Hardware Synthesis and Optimization
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-ETIT-107444 Hardware/Software Co-Design
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 6
M-ETIT-100457 Integrierte Intelligente Sensoren
DE SS 3
M-ETIT-100454 Mikrosystemtechnik
DE WS 3
M-ETIT-105971 Mobile Communications
Die Erstverwendung ist ab 01.10.2022 möglich.
EN WS 4
M-ETIT-106782 Modeling Physiological Systems
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-ETIT-105604 Nano- and Quantum Electronics
Die Erstverwendung ist ab 01.04.2021 möglich.
EN SS 6
M-ETIT-107644 Nonlinear Control Systems
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-ETIT-106974 Optical Engineering and Machine Vision
Die Erstverwendung ist ab 01.10.2025 möglich.
EN WS 6
M-ETIT-100509 Optoelectronic Components
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-ETIT-105608 Physics, Technology and Applications of Thin Films
Die Erstverwendung ist ab 01.10.2021 möglich.
EN WS 4
M-ETIT-105874 Physiologie und Anatomie für die Medizintechnik
Die Erstverwendung ist ab 01.10.2022 möglich.
DE WS 6
M-ETIT-100468 Praktikum Nanoelektronik
DE/EN WS+SS 6
M-ETIT-100460 Praktikum Software Engineering
DE SS 6
M-ETIT-104475 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen
Die Erstverwendung ist ab 01.04.2019 möglich.
DE WS 4
M-ETIT-100374 Regelung linearer Mehrgrößensysteme
DE WS 6
M-ETIT-106633 Signal Processing Lab
Die Erstverwendung ist ab 01.04.2024 möglich.
EN SS 6
M-ETIT-106899 Signal Processing Methods
Die Erstverwendung ist ab 01.10.2024 möglich.
EN WS 6
M-ETIT-105073 Student Innovation Lab
Die Erstverwendung ist ab 04.09.2019 möglich.
EN WS+SS 15
M-ETIT-107763 System-on-Chip Lab
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-ETIT-100537 Systems and Software Engineering
EN WS 6
M-ETIT-100462 Systems Engineering for Automotive Electronics
EN SS 4
M-ETIT-100546 Test eingebetteter Systeme im industriellen Umfeld
DE WS 4
M-ETIT-100361 Verteilte ereignisdiskrete Systeme
DE SS 4
M-ETIT-107871 Signal Processing for Communication Receivers
Die Erstverwendung ist ab 01.10.2026 möglich.
EN SS 6
M-ETIT-107839 Seminar Radiation Protection in Medicine
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 3

Biologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Kämper, joerg.kaemper@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-CHEMBIO-101957 Ergänzungsfach Biologie
DE Jährlich 9

Soziologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Dr. Haupt, andreas.haupt@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-GEISTSOZ-103736 Methoden empirischer Sozialforschung
DE WS 9
M-GEISTSOZ-103737 Empirische Sozialforschung
DE WS 9

Medienkunst
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Bielicky, Frau Siewerdt, Tel. 0721 8203-2367

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-102288 Medienkunst
DE WS+SS 18
M-INFO-103147 Medienkunst Modell "kleines Nebenfach"
DE WS+SS 14

Betriebswirtschaftslehre
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-105659 Advanced Machine Learning and Data Science
Die Erstverwendung ist ab 01.04.2021 möglich.
EN WS+SS 9
M-WIWI-101410 Business & Service Engineering
DE/EN WS+SS 9
M-WIWI-106258 Digital Marketing
Die Erstverwendung ist ab 01.04.2023 möglich.
EN WS+SS 9
M-WIWI-101451 Energiewirtschaft und Energiemärkte
DE/EN WS+SS 9
M-WIWI-101452 Energiewirtschaft und Technologie
DE/EN WS+SS 9
M-WIWI-101488 Entrepreneurship (EnTechnon)
EN WS+SS 9
M-WIWI-101482 Finance 1
DE/EN WS+SS 9
M-WIWI-101483 Finance 2
DE/EN WS+SS 9
M-WIWI-106292 Human-Centered Information Systems
Die Erstverwendung ist ab 01.04.2023 möglich.
EN WS+SS 9
M-WIWI-101471 Industrielle Produktion II
DE/EN WS 9
M-WIWI-101412 Industrielle Produktion III
DE/EN SS 9
M-WIWI-101507 Innovationsmanagement
DE/EN WS+SS 9
M-WIWI-101446 Market Engineering
DE/EN WS+SS 9
M-WIWI-101506 Service Analytics
EN WS+SS 9
M-WIWI-101503 Service Design Thinking
EN Unregelm. 9
M-WIWI-101448 Service Management
EN WS+SS 9

Volkswirtschaftslehre
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101453 Angewandte strategische Entscheidungen
EN WS+SS 9
M-WIWI-101500 Microeconomic Theory
EN WS+SS 9
M-WIWI-101502 Ökonomische Theorie und ihre Anwendung in Finance
EN WS+SS 9
M-WIWI-101504 Collective Decision Making
EN WS+SS 9

Operations Research
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechparter Herr Hilser, pruefungssekretariat@wiwi.kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-WIWI-101473 Mathematische Optimierung
DE/EN WS+SS 9
M-WIWI-103289 Stochastische Optimierung
DE/EN WS+SS 9
M-WIWI-102832 Operations Research im Supply Chain Management
DE/EN WS+SS 9

Verkehrswesen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Vortisch, peter.vortisch@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-BGU-102963 Verkehrswesen für Informatik I
DE WS 9
M-BGU-106811 Verkehrswesen für Informatik - Vertiefung
Die Erstverwendung ist ab 01.10.2024 möglich.
DE WS+SS 3

Mathematik für Daten-Intensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpatner Prof. Hug, daniel.hug@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-MATH-102889 Einführung in das Wissenschaftliche Rechnen
DE SS 9
M-MATH-102906 Generalisierte Regressionsmodelle
DE Unregelm. 5
M-MATH-102910 Nichtparametrische Statistik
DE Unregelm. 5
M-MATH-102911 Zeitreihenanalyse
EN SS 5
M-MATH-102929 Mathematische Modellierung und Simulation in der Praxis
EN Unregelm. 5
M-MATH-102939 Extremwerttheorie
DE/EN Unregelm. 5
M-MATH-102956 Vorhersagen: Theorie und Praxis
EN Unregelm. 9
M-MATH-103219 Optimierungstheorie
DE/EN SS 9
M-MATH-103220 Statistik
DE WS 10
M-MATH-104054 Quantifizierung von Unsicherheiten
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-MATH-106053 Stochastische Simulation
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 5
M-MATH-106328 Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 4
M-MATH-103919 Einführung in die kinetische Theorie
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 4
M-MATH-106634 Computational Fluid Dynamics and Simulation Lab
Die Erstverwendung ist ab 01.04.2025 möglich.
DE/EN SS 4
M-MATH-106836 MathSEE Modeling Week
Die Erstverwendung ist ab 01.04.2025 möglich.
EN WS 3

Betriebswirtschaftslehre für dataintensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartner Prof. Mädche, alexander.maedche@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104199 Betriebswirtschaftslehre für dataintensives Rechnen
DE WS+SS 18

Materialwissenschaften für dataintensives Rechnen
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18

Ansprechpartnerin Prof. Nestler, britta.nestler@kit.edu

Besonderheiten zur Wahl
Wahlen in diesem Bereich müssen vollständig erfolgen.
Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: mindestens 1 Bestandteil sowie zwischen 9 und 18 LP)
M-INFO-104200 Materialwissenschaften für dataintensives Rechnen
DE WS+SS 18

Automation und Energienetze
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18
Hinweise zur Verwendung
Die Erstverwendung ist ab 01.10.2019 möglich.

Ansprechpartner Prof. Hagenmeyer, veit.hagenmeyer@kit.edu

Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: zwischen 9 und 18 LP)
M-ETIT-105394 Electric Power Transmission & Grid Control
Die Erstverwendung ist ab 01.04.2025 möglich.
EN SS 6
M-ETIT-101845 Lineare Elektrische Netze
DE WS 7
M-MACH-102564 Mess- und Regelungstechnik
DE/EN WS 7
M-ETIT-106339 Mess- und Regelungstechnik
Die Erstverwendung ist ab 01.04.2026 möglich.
DE SS 6
M-ETIT-107497 Optimal Control
EN WS 6
M-INFO-105955 Practical Course: Smart Energy System
Die Erstverwendung ist ab 01.04.2022 möglich.
EN WS+SS 6

Philosophie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18
Hinweise zur Verwendung
Die Erstverwendung ist ab 01.04.2022 möglich.

Ansprechpartner Dr. Link, h.link@kit.edu

Wahlinformationen

Studierende, die Philosophie bereits im Bachelor als Nebenfach belegt haben, können im Master ein Sonderergänzungsfach* Philosophie beantragen und aus den folgenden fünf Modulen zwei Module wählen, die sie bislang noch nicht belegt haben:

  1. Basismodul: Ars Rationalis (M-GEISTSOZ-100614) für 10 LP
  2. Aufbaumodul: Praktische Philosophie I (M-GEISTSOZ-104507) für 11 LP
  3. Aufbaumodul: Theoretische Philosophie (M-GEISTSOZ-104509) für 11 LP
  4. Vertiefungsmodul: Praktische Philosophie II (M-GEISTSOZ-104508) für 12 LP
  5. Vertiefungsmodul: Theoretische Philosophie II (TheoPhil II) [M-GEISTSOZ-104510) für 12 LP

Einzige Einschränkung: Voraussetzung für die Vertiefungsmodule ist jeweils, dass man das entsprechende Aufbaumodul absolviert hat.

*Das Sonderergänungsfach muss beantragt, vom Prüfungsaausschuss genehmigt und vom ISS in CMS eingerichtet werden.

Kennung Name Sprache Turnus LP
Pflicht (Wahl: 1 Bestandteil)
M-GEISTSOZ-107546 Einführung in die Philosophie
DE WS 12
Wahlpflichtfach (Wahl: höchstens 1 Bestandteil)
M-GEISTSOZ-104507 Praktische Philosophie I
DE WS 11
M-GEISTSOZ-104509 Theoretische Philosophie I
DE WS 11
M-GEISTSOZ-100614 Ars Rationalis
DE Jährlich 10
M-GEISTSOZ-104508 Praktische Philosophie II
Die Erstverwendung ist ab 01.10.2025 möglich.
DE WS 12
M-GEISTSOZ-104510 Theoretische Philosophie II
Die Erstverwendung ist ab 01.10.2025 möglich.
DE WS 12

Meteorologie
Bestandteil von: Ergänzungsfach  

Leistungspunkte
14
Hinweise zur Verwendung
Die Erstverwendung ist ab 01.10.2023 möglich.
Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: 14 LP)
M-PHYS-104577 Selected Topics in Meteorology (Second Major, graded)
EN WS+SS 14

Biologically Inspired Robotics
Bestandteil von: Ergänzungsfach  

Leistungspunkte
9-18
Hinweise zur Verwendung
Die Erstverwendung ist ab 01.10.2024 möglich.
Kennung Name Sprache Turnus LP
Wahlbereich (Wahl: zwischen 9 und 18 LP)
M-MACH-107806 Autonomous Driving in Practice
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS 6
M-MACH-106903 Biologically Inspired Robots
EN SS 3
M-MACH-106905 CAD Engineering Project for Intelligent Systems
EN WS+SS 6
M-MACH-106904 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots
EN WS 6
M-MACH-107621 Robotic Intelligence: Navigation and Mobile Manipulation
Die Erstverwendung ist ab 01.04.2026 möglich.
EN SS 6
M-MACH-107558 Robotic Intelligence: Perception and Scene Understanding
Die Erstverwendung ist ab 01.04.2026 möglich.
EN WS 6
M-MACH-106902 Seminar: Bionic Algorithms and Robot Technologies
EN WS+SS 3

Überfachliche Qualifikationen

Leistungspunkte
2-6
Kennung Name Sprache Turnus LP
Wahl Überfachliche Qualifikationen (Wahl: zwischen 2 und 6 LP)
M-INFO-102835 Schlüsselqualifikationen
DE WS+SS 6
M-INFO-107829 Practice of Research (Methods, 1st Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 2
M-INFO-107830 Practice of Research (Methods, 2nd Semester)
Die Erstverwendung ist ab 01.10.2026 möglich.
EN WS+SS 2

Module

Modul: Access Control Systems: Models and Technology [M-INFO-106303]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2023)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112775 Access Control Systems: Models and Technology SS 5 Hartenstein
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Inhalt

Access control systems are everywhere and the backbone of secure services as they incorporate who is and who is not authorized: think of operating systems, information systems, banking, vehicles, robotics, cryptocurrencies, or decentralized applications as examples. The course starts with current challenges of access control in the era of hyperconnectivity, i.e., in cyber-physical or decentralized systems. Based on the derived needs for next generation access control, we first study how to specify access control and analyze strengths and weaknesses of various approaches. We then focus on up-to-date proposals, like IoT and AI access control. We look at current cryptographic access control aspects, blockchains and cryptocurrencies, and trusted execution environments. We also discuss the ethical dimension of access management. Students prepare for lecture and exercise sessions by studying previously announced literature and by preparation of exercises that are jointly discussed in the sessions.

Arbeitsaufwand

Lecture workload:

  1. Attendance time
    Lecture: 2 SWS: 2,0h x 15 = 30h
    Exercises: 1 SWS: 1,0h x 15 = 15h
  2. Self-study (e.g., independent review of course material, work on homework assignments)
    Weekly preparation and follow-up of the lecture: 15 x 1h x 3 = 45h
    Weekly preparation and follow-up of the exercise: 15 x 2h = 30h
  3. Preparation for the exam: 30h

Σ = 150h = 5 ECTS

Empfehlungen

Basics according to the lectures "Information Security" and "IT Security Management for Networked Systems" are recommended.

Modul: Advanced Bayesian Data Analysis [M-INFO-106812]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.10.2024)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113673 Advanced Bayesian Data Analysis WS 5 Klein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Develop a deep understanding of Bayesian statistical principles and computational techniques.
•    Master the application of Bayesian regression models to real-world data.
•    Gain proficiency in Markov Chain Monte Carlo (MCMC) methods, including Metropolis-Hastings and Gibbs sampling.
•    Acquire skills in implementing Bayesian models using relevant software tools such Stan.

Inhalt

This course deepens students' understanding of Bayesian methods and introduces the latest advancements in Bayesian computation. It is designed for Master students in Computer Science, Mathematics, Economathematics, Techno-Mathematics, Business Informatics, or similar programs seeking to enhance their expertise.

Examples of topics covered are the review of key Bayesian concepts including Bayes' Theorem, conjugate prior distributions, and posterior inference. For instance, students may explore the Beta-Binomial conjugacy, where a Beta prior pairs with a Binomial likelihood, and the Normal-Normal conjugacy, where a Normal prior pairs with a normal likelihood with known variance. These examples demonstrate how conjugate priors simplify posterior calculations and enhance analytical tractability.

Next, students delve into Bayesian supervised learning, covering linear, logistic, and nonparametric approaches, with an emphasis on applying Bayesian methods to real-world data and interpreting results.

The course also covers ways to perform posterior estimation, such as, Markov Chain Monte Carlo (MCMC) inference, including the Metropolis-Hastings algorithm and Gibbs sampling. We explore Bayesian high-dimensional regression techniques, such as the horseshoe prior, for handling models with many predictors. Additionally, students will learn about mixture models and Dirichlet processes, which are powerful tools for modelling heterogeneous data and uncovering latent structures. 

We conclude with approximate inference methods, including variational inference and Approximate Bayesian Computation (ABC), essential for dealing with complex models and large datasets.

Arbeitsaufwand

Lecture with 2 SWS + 1 SWS exercise
5 ECTS corresponds to approx. 150 hours
approx. 30 hours lecture attendance, 
approx. 15 hours exercise attendance,
approx. 80 hours post-processing (self-study)
approx. 25 hours exam preparation (self-study)

Empfehlungen

-    Knowledge in R or Python
-    Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Modul: Advanced Communications Engineering [M-ETIT-106815]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-113676 Advanced Communications Engineering WS 6 Jäkel
Erfolgskontrolle(n)

The assessment takes place in the form of a written examination lasting 120 min.

Voraussetzungen

none

Qualifikationsziele

The students are able to analyze and assess properties of communication systems and consider aspects of implementation. They can use mathematical methods in the context of communication systems for understanding involved derivations in the research literature; deriving and autonomously elaborating theoretical results, and checking their viability by simulations.

Inhalt

The module is introducing and deriving results covering, but not being limited to, properties of linear modulation, channel description and diversity schemes, and processing of receiver signals, all based on detailed theoretical concepts. Topics already covered in previous modules are deduced thoroughly and mathematical derivations and reasoning are provided.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Anmerkungen

Starting winter term 25/26

Arbeitsaufwand
  1. Attendance to the lecture: 20 * 1,5 h = 30 h
  2. Preparation and review: 20 * 3 h = 60 h
  3. Attendance to the tutorial: 6 * 1,5 h = 9 h
  4. Preparation and review: 6 * 3,5 h = 21 h
  5. Preparation for the exam: 60 h

In total: 180 h = 6 LP

Empfehlungen

Basics knowledge of communication systems, as, e.g., provided in KIT’s Bachelor courses “Grundlagen der Datenübertragung” and “Nachrichtensysteme”, is supposed. Furthermore, working knowledge in the areas of system theory and probability theory is assumed.

Lehr- und Lernformen

Lecture: 3 SWS, Exercise: 1 SWS

Modul: Advanced Competitive Programming [M-INFO-107863]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115279 Advanced Competitive Programming Unregelm. 6 Bläsius, Künnemann-Goos
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

After completion of the module, students are able to:

Inhalt

The lectures present algorithms and data structures that are useful in practical settings (e.g., programming contests) due to their efficiency and comparably short implementations. For each presented topic (including: string algorithms, number theory, graphs, tree data structures, etc.), the students solve practical programming assignments. In addition, the students participate in contests simulating conditions of popular competitive programming contests.
 
Among others, the course provides an ideal preparation to participate in collegiate programming contests. Attending this course is especially recommended for students who might be interested in participating in the ACM ICPC Northwestern Europe Regional Contest (NWERC).

Arbeitsaufwand

6 CP corresponds to a workload of roughly 180 hours, distributed as follows:
 
- attendance of lectures: 30 h
- preparation and review of lecture materials: 30 h
- programming assignments: 100 h
- preparation of exam contest: 20 h

Empfehlungen

The course assumes basic knowledge of algorithms and data structures (e.g., lectures Algorithms 1 and 2) and coding in C++.
 
We strongly recommend successful participation in “Basispraktikum zum ICPC Programmierwettbewerb”, a similar course or basic experience with competitive programming contests.

Modul: Advanced Data Structures [M-INFO-107200]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114223 Advanced Data Structures SS 4 Sanders
T-INFO-114224 Advanced Data Structures Project/Experiment SS 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students acquire a systematic understanding of algorithmic issues and solution approaches in the area of advanced data structures, building on existing knowledge in the subject area of algorithms. They will also be able to apply learned techniques to related problems and interpret and comprehend current research topics in this area.

Upon successful completion of the course, students will be able to:
• explain terms, structures, basic problem definitions, and algorithms from the lecture;
• select which algorithms and data structures are suitable for solving a problem and, if necessary, adapt them to the requirements of a specific problem;
• use algorithms and data structures, analyze them mathematically, and prove the algorithmic properties.

Inhalt

In this lecture we deal with modern data structures for fundamental objects such as trees, graphs, integers, and strings. These data structures are the basis for many applications and an important part of efficient algorithms. We look at highlights from different research areas and learn techniques for solving a wide variety of problems.

In addition to the theoretical analysis of data structures, we also look at the practical performance of the various data structures and their applications.

Arbeitsaufwand

The lectures including the project/experiment with 5 CP corresponds to 150 working hours, which are divided approximately as follows:
• ca. 30 hours attending lectures
• ca. 60 hours preparing and following-up lectures
• ca. 30 hours working on the project/experiment
• ca. 30 hours preparing for the examination

Modul: Advanced Machine Learning and Data Science [M-WIWI-105659]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre (EV ab 01.04.2021)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-111305 Advanced Machine Learning and Data Science WS+SS 9 Ulrich
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer einzelnen Prüfungsleistung anderer Art. Sie umfasst die Zwischenpräsentationen während des Projekts, die Qualität der Implementierung, die schriftliche Abschlussarbeit sowie die Endpräsentation. Alle Bestandteile werden zu einer Gesamtbewertung zusammengefasst, deren Note den Gesamteindruck der kombinierten Leistung widerspiegelt.

Voraussetzungen

Keine

Qualifikationsziele

Nach einem erfolgreichen Projekt können die Studierenden:    

Inhalt

Der Kurs richtet sich an Studenten mit einem Hauptfach in Data Science und/oder Machine Learning und/oder Quantitative Finance. Er bietet den Studierenden die Möglichkeit, praktische Kenntnisse über neue Entwicklungen im Spannungsfeld Finanzmärkte, Datenwissenschaft und des maschinellen Lernens zu erwerben. Das Ergebnis des Projekts soll nicht nur eine schriftliche Ausarbeitung sein, sondern die Implementierung von Methoden oder die Entwicklung eines Algorithmus im Bereich des maschinellen Lernens und der Datenwissenschaft. Typischerweise stammen Problemstellung und Daten aus Forschung und Innovation im Bereich des quantitativen Asset- und Risikomanagements.

Arbeitsaufwand

Gesamtaufwand für 9 Leistungspunkte: ca. 270 Stunden, die sich auf folgende Teile aufteilen: Kommunikation: Austausch während des Projekts: 30 h, Abschlusspräsentation: 10 h; Durchführung und Abschlussarbeit: Vorbereitung vor der Entwicklung (Problemanalyse und Lösungsentwurf): 70 h, Umsetzung der Lösung: 110 h, Tests und Qualitätssicherung: 50 h.

Empfehlungen

Keine

Lehr- und Lernformen

Projekt

Modul: Algebra [M-MATH-101315]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-102253 Algebra Unregelm. 9 Kühnlein, Sauer
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Dieses Modul ist eines der neun Kernmodule im Bereich Algebra und Geometrie von welchen mindestens sechs innerhalb aller zwei Jahre angeboten werden (mindestens vier verschiedene).

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Das Modul "Einführung in Algebra und Zahlentheorie" sollte bereits belegt worden sein.

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Algebraische Geometrie [M-MATH-101724]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-103340 Algebraische Geometrie 9 Herrlich, Kühnlein
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung von ca. 30 Minuten Dauer.

Voraussetzungen

Keine

Qualifikationsziele

Absolventen und Absolventinnen können
• grundlegende Konzepte der Theorie der algebraischen Varietäten nennen und erörtern,
• Hilfsmittel aus der Algebra, insbesondere der Theorie der Polynomringe, auf geometrische Fragestellungen anwenden,
• wichtige Resultate der klassischen algebraischen Geometrie erläutern und auf Beispiele anwenden,
• und sind darauf vorbereitet, Forschungsarbeiten aus der algebraischen Geometrie zu lesen und eine Abschlussarbeit in diesem Bereich zu schreiben.

Inhalt

• Hilbertscher Nullstellensatz
• affine und projektive Varietäten
• Morphismen und rationale Abbildungen
• nichtsinguläre Varietäten
• algebraische Kurven
• Satz von Riemann-Roch

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Folgende Module sollten bereits belegt worden sein:
Einführung in Algebra und Zahlentheorie
Algebra

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Algebraische Zahlentheorie [M-MATH-101725]

Verantwortung:
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-103346 Algebraische Zahlentheorie 9 Herrlich, Kühnlein
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte des Moduls „Algebra“ werden dringend empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Algorithm Engineering [M-INFO-100795]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101332 Algorithm Engineering SS 4 Sanders
T-INFO-111856 Algorithm Engineering Pass SS 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

There are two partial achievements Algorithm Engineering and Algorithm Engineering Exercises. The partial achievement Algorithm Engineering Exercises must be started to be allowed to take the oral examination for Algorithm Engineering.

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students acquire a systematic understanding of algorithmic problems and solution approaches in the field of Algorithm Engineering, building on existing knowledge in the subject area of algorithms. In addition, they will be able to apply learned techniques to related problems and interpret and comprehend current research topics in the field of Algorithm
Engineering.

Upon successful completion of the course, the student will be able to
• Explain terms, structures, basic problem definitions, and algorithms from the lecture;
• select which algorithms and data structures are suitable for solving an algorithmic problem and, if necessary, adapt them to the requirements of a specific problem;
• Execute algorithms and data structures, analyze them mathematically precise and prove the algorithmic properties;
• Explain machine models from the lecture and analyze algorithms and data structures according to these models
• Analyze new problems from applications, reduce them to their algorithmic core and create a suitable abstract model; based on the concepts and techniques learned in the lecture, design and analyze own solutions in this model, and prove algorithmic properties in this model.

Inhalt

• What is Algorithm Engineering, Motivation etc.
• Realistic modeling of machines and applications
• practice-oriented algorithm design
• implementation techniques
• experimental techniques
• evaluation of measurements

The above skills are taught primarily using concrete examples. In the past these were for example the following topics from the area of basic algorithms and data structures:

• linked lists without special cases
• sorting: parallel, external, superscalar,...
• priority queues (cache efficient,...)
• search trees for integer keys
• Full text indexes
• graph algorithms: minimal spanning trees (external,...), route planning

In each of these cases, the focus is on the best known practical and theoretical methods. These usually differ considerably from the methods taught in beginners' lectures.

Arbeitsaufwand

Lecture and exercise with a combined 3 semester hours, 5 ECTS

5 ECTS correspond to about 150h of work, split into

about 45h visiting lectures and exercise or block seminar

about 25h preparation and follow-up on lectures

about 40h solving exercise tasks (programming, preparing presentation for mini seminar, etc)

about 40h exam preparation

Modul: Algorithmen für Routenplanung [M-INFO-100031]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-100002 Algorithmen für Routenplanung SS 5 Laupichler, Sauer
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer beherrschen die Methodik des Algorithm Engineering und insbesondere ihre Anwendung im Bereich Routenplanung. Sie kennen algorithmische Problemstellungen, die sich in verschiedenen praktischen Anwendungen der Routenplanung in Transportnetzwerken ergeben. Sie sind in der Lage, diese Probleme zu identifizieren und verstehen es, die auftretenden Fragestellungen auf ihren algorithmischen Kern zu reduzieren und anschließend effizient zu lösen. Sie sind in der Lage, dabei Wissen aus den Bereichen der Graphentheorie und der Algorithmik praktisch umzusetzen. Zudem kennen die Teilnehmer verschiedene Techniken, die in der Praxis genutzt werden, um effiziente Verfahren zur Routenplanung zu implementieren. Sie kennen Verfahren zur Routenberechnung in Straßennetzen, öffentlichen Verkehrsnetzwerken sowie multimodalen Netzwerken. Studierende sind in der Lage, auch für komplexere Szenarien, wie etwa der zeitabhängigen Routenplanung, in der Praxis effizient umsetzbare Verfahren zu identifizieren und analysieren. Sie können theoretische und experimentelle Ergebnisse interpretieren und untereinander vergleichen.

Studierende sind außerdem in der Lage, neue Problemstellungen im Bereich der Routenplanung mit Methoden des Algorithm Engineering zu analysieren und Algorithmen unter Berücksichtigung moderner Rechnerarchitektur zu entwerfen, sowie aussagekräftige experimentelle Evaluationen zu planen und auszuwerten. Auf der Ebene der Modellierung sind sie in der Lage, verschiedene Modellierungsansätze zu entwickeln und deren Interpretationen zu beurteilen und zu vergleichen. Die Teilnehmer können zudem die vorgestellten Methoden und Techniken autonom auf verwandte Fragestellungen anwenden.

Inhalt

Optimale Routen in Verkehrsnetzen zu bestimmen ist ein alltägliches Problem. Wurden früher Reiserouten mit Hilfe von Karten am Küchentisch geplant, ist heute die computergestützte Routenplanung in weiten Teilen der Bevölkerung etabliert: Die beste Eisenbahnverbindung ermittelt man im Internet, für Routenplanung in Straßennetzen benutzt man häufig mobile Endgeräte.
Ein Ansatz, um die besten Verbindungen in solchen Netzen computergestützt zu finden, stammt aus der Graphentheorie. Man modelliert das Netzwerk als Graphen und berechnet darin einen kürzesten Weg, eine mögliche Route. Legt man Reisezeiten als Metrik zu Grunde, ist die so berechnete Route die beweisbar schnellste
Verbindung. Dijkstra's Algorithmus aus dem Jahre 1959 löst dieses Problem zwar beweisbar optimal, allerdings sind Verkehrsnetze so groß (das Straßennetzwerk von West- und Mittel-Europa besteht aus ca. 45 Millionen Abschnitten), dass der klassische Ansatz von Dijsktra zu lange für eine Anfrage braucht. Aus diesem Grund ist die Entwicklung von Beschleunigungstechniken für Dijkstra's Algorithmus Gegenstand aktueller Forschung. Dabei handelt es sich um zweistufige Verfahren, die in einem Vorverarbeitungsschritt das Netzwerk mit Zusatzinformationen anreichern, um anschließend die Berechnung von kürzesten Wegen zu beschleunigen.

Diese Vorlesung gibt einen Überblick über aktuelle Algorithmen zur effizienten Routenplanung und vertieft einige von den Algorithmen.

Arbeitsaufwand

Vorlesung mit 3 SWS, 5 LP

5 LP entspricht ca. 150 Arbeitsstunden, davon
ca. 45 Std. Vorlesungsbesuch,
ca. 60 Std. Nachbereitung und Bearbeitung der Übungsaufgaben,
ca. 45 Std. Prüfungsvorbereitung

Empfehlungen

Siehe Teilleistung

Modul: Algorithmic Graph Theory [M-INFO-106960]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113918 Algorithmic Graph Theory Unregelm. 5 Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know the basic concepts of algorithmic graph theory and the most important graph classes and their characterizations in this context, namely perfect graphs, chordal graphs, comparability graphs, as well as interval, split and permutation graphs. They will also be able to execute and analyze algorithms for recognizing these graphs and for solving basic algorithmic problems on these graphs. They are also able to identify subproblems in applied problems that can be expressed using these graph classes and to develop algorithms for new problems on these graph classes that are related to problems from the lectures.

Inhalt

Many basic problems that arise in many contexts, such as coloring problems or finding independent sets and maximal cliques, are NP-hard in general graphs. However, instances of these difficult problems that occur in applications are often much more structured and can therefore be solved efficiently. The lecture first introduces perfect graphs and their most important subclass, chordal graphs, and presents algorithms for various generally NP-hard problems on chordal graphs. Subsequently, in-depth concepts such as comparability graphs are discussed, with the help of which various other graph classes (interval, split and permutation graphs) can be characterized and recognized, and tools for the design of specialized algorithms for these are presented.

Arbeitsaufwand

Lecture with 3SWS, 5CP

5 CP corresponds to approx. 150 working hours, of which

approx. 45h lecture attendance

approx. 60 hours of follow-up work and completion of exercises

approx. 45h exam preparation

Empfehlungen

See partial achievements (Teilleistung) 

Modul: Algorithmische Netzwerkanalyse [M-INFO-107460]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114642 Algorithmische Netzwerkanalyse Unregelm. 3 Meyerhenke
T-INFO-114643 Algorithmische Netzwerkanalyse - Übung Unregelm. 2 Meyerhenke
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel dieser Vorlesung ist, den Studierenden theoretischen und angewandten Einblick in die Netzwerkanalyse zu vermitteln. Die Studierenden können nach der Veranstaltung die auftretenden Fragestellungen formal repräsentieren, auf ihren algorithmischen Kern reduzieren und effizient lösen. Autonome Adaption der Methoden und Techniken auf verwandte Fragestellungen. 

Inhalt

In dieser Veranstaltung werden ausgewählte algorithmische Methoden und deren Grundlagen systematisch behandelt. Fragestellungen werden exemplarisch an Anwendungsbeispielen motiviert und praktisch gelöst. Der Schwerpunkt wird auf algorithmischen Vorgehensweisen sowie deren Voraussetzungen und Eigenschaften liegen.

·       Eigenschaften komplexer Netzwerke
·       PageRank und andere Zentralitätsmaße
·       Effiziente Berechnung globaler Netzwerkeigenschaften wie Distanzen
·       Generierung von komplexen Netzwerken
·       Clusteranalyse in Graphen
·       ggf. weitere Themen (Visualisierung, Epidemien)

Arbeitsaufwand

  1. Präsenzzeit in Vorlesungen, Übungen 45 h
   2. Vor-/Nachbereitung derselbigen 75 h
   3. Prüfungsvorbereitung und Präsenz in selbiger. 30 h 

Empfehlungen

Grundlegende Kenntnisse in Graphenalgorithmen, linearer Algebra und C++ werden empfohlen.

Modul: Algorithms for Visualization of Graphs [M-INFO-106961]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113919 Algorithms for Visualization of Graphs Unregelm. 5 Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students acquire a systematic understanding of algorithmic problems and solution approaches in the field of graph visualization, which builds on existing knowledge in the areas of graph theory and algorithmics.
After successfully completing the course, students will be able to
- explain concepts, structures and basic problem definitions from the lecture;
- execute layout algorithms for different graph classes, analyze them mathematically precisely and prove the algorithmic properties;
- explain complexity results from the lecture and independently perform similar reduction proofs for new layout problems;
- select which algorithms are suitable for solving a given layout problem and, if necessary, adapt them to the requirements of a concrete problem; - select which algorithms are suitable for solving a given layout problem and, if necessary, adapt them to the requirements of a concrete problem. adapt them to the requirements of a specific problem;
- analyze unknown visualization problems from graph drawing applications, reduce them to their algorithmic core and create an abstract model from this; design and analyze their own solutions in this model based on the concepts and techniques learned in the lecture and prove the algorithmic properties.

Inhalt

Networks are relationally structured data that are increasingly appearing in a wide variety of application areas. Examples range from physical networks, such as transportation and supply networks, to abstract networks, such as social networks. Network visualization is a fundamental tool for the investigation and understanding of networks.

Mathematically, networks can be modelled as graphs and the visualization problem can be reduced to the algorithmic core problem of determining a layout of the graph, i.e. suitable node and edge positions in the plane. Depending on the application and graph class, different requirements are placed on the type of drawing and the quality criteria to be optimized. The research field of graph drawing draws on approaches from classical algorithmics, graph theory and algorithmic geometry.

During the course, a representative selection of visualization algorithms will be presented and discussed in depth.

Arbeitsaufwand

Lecture and exercise with 3 SWS, 5 LP
5 LP corresponds to approx. 150 working hours, of which
approx. 45 hours attendance of the lecture and exercise,
approx. 25 hours preparation and follow-up,
approx. 40 hours working on the exercise sheets
approx. 40 hours exam preparation

Modul: Algorithms II [M-INFO-107201]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114225 Algorithms II WS 6 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The student has an in-depth insight into the theoretical and practical aspects of algorithms and is able to identify and formally formulate algorithmic problems in various application areas. Furthermore, they know advanced algorithms and data structures from the areas of graph algorithms, algorithmic geometry, string matching, algebraic algorithms, combinatorial optimization, and external memory algorithms. They are able to independently understand algorithms they are unfamiliar with, associate them with the above areas, apply them, determine their running time, evaluate them, and select appropriate algorithms for given applications. Furthermore, the student is able to adapt existing algorithms to related problems. In addition to algorithms for concrete problems, the student knows advanced techniques of algorithmic design. This includes parameterized algorithms, approximation algorithms, online algorithms, randomized algorithms, parallel algorithms, linear programming, and algorithm engineering techniques. For given algorithms, the student is able to identify techniques used to better understand these algorithms. In addition, they are able to select appropriate techniques for a given problem and use them to design their own algorithms.

Inhalt

This module is designed to provide students with the basic theoretical and practical aspects of algorithm design, analysis, and engineering. It teaches general methods for designing and analyzing algorithms for basic algorithmic problems, as well as the basic principles of general algorithmic methods such as approximation algorithms, linear programming, randomized algorithms, parallel algorithms, and parameterized algorithms.

Arbeitsaufwand

Lecture with 3 semester hours + 1 semester hour exercise
6 ECTS correspond to about 180 hours

about 45h visiting the lectures
about 15h visiting the exercises
about 90h follow-up of lectures and solving the exercise sheets
about 30h preparation for the exam

Modul: Analog Circuit Design [M-ETIT-107364]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114457 Analog Circuit Design WS 4 Peric
Erfolgskontrolle(n)

Success control takes place in form of an oral examination (approx. 20 minutes) and a written report with the results of the exercises. Details will be given during the lecture.

Voraussetzungen

none

Qualifikationsziele

The course aims to provide students with a comprehensive understanding of the principles and techniques of analog circuit design, with a focus on CMOS technology. The learning objectives include:

  1. Understanding Microchip Fabrication: Students will learn the fundamentals of microchip fabrication
  2. Analog Design Process: Students will be able to create schematics, perform simulations (DC, AC, transient, noise), and develop layout designs while considering Design Rule Check (DRC) and Layout vs. Schematic (LVS).
  3. Knowledge of MOSFET Functionality: Students will understand the structure, fabrication, and operation of CMOS transistors (PMOS, NMOS), including potential distributions, charge carrier densities, threshold voltage, operating regions (strong/weak inversion, saturation) and transistor models
  4. Analysis and Design of Simple Circuits: Students will learn to design and optimize basic circuits such as current sources, current mirrors, voltage amplifiers, and differential amplifiers, including the application of feedback and small-signal models.
  5. Understanding Noise and Optimization: Students will be able to analyze thermal noise, 1/f noise, and their impact on circuits, as well as optimize amplifiers for signal-to-noise ratio (SNR) and speed.
  6. Clocked Circuits and ADCs: Students will understand the operation of track-and-hold circuits, clocked comparators, and analog-to-digital converters (flash, time-based, algorithmic), as well as concepts like sampling errors, charge injection, and time-interleaving.
  7. Practical Application through Exercises: Through practical exercises (e.g., transistor optimization, simulations, layout design), students will develop hands-on skills in using design tools and analyzing circuits.
    By the end of the course, students will be able to design basic analog circuits, analyze their performance, and address practical challenges in chip fabrication and optimization.
Inhalt

This course introduces the fundamentals of chip design, starting with microchip fabrication techniques like photolithography and CMOS technologies, and covers the analog design flow from schematics to layout. It then dives into MOSFET physics, including structure, operating regions, and key features like threshold voltage, saturation, and channel length modulation, both large- and small-signal models. The course explores basic analog building blocks such as current mirrors, differential amplifiers, and cascode amplifiers, emphasizing feedback analysis, gain calculation, and frequency response. Students also study charge-sensitive amplifiers, clocked circuits, and a few ADC architectures like flash, time-based, and algorithmic converters. Special attention is given to noise analysis, including thermal and flicker noise, and how to optimize designs for signal-to-noise ratio and speed. Practical skills are reinforced through hands-on exercises that cover design and optimization of a charge-sensitive amplifier, ADC simulation, and comparator design from schematics to DRC/LVS verification.

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand
  1. Attendance time in lectures 30 h
  2. Attendance time in exercises 15 h
  3. Preparation/follow-up of the same 25 h
  4. Exam preparation 50 h

Modul: Analysis 4 [M-MATH-103164]

Verantwortung:
Prof. Dr. Roland Schnaubelt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-106286 Analysis 4 - Prüfung WS+SS 9 Frey, Herzog, Hundertmark, Lamm, Plum, Reichel, Schnaubelt, Tolksdorf
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können einfache Anwendungsprobleme als gewöhnliche Differentialgleichungen modellieren. Für Anfangswertprobleme können sie die Existenz und Eindeutigkeit der Lösungen nachweisen. Sie sind in der Lage
qualitative Eigenschaften der Lösungen mit Hilfe der Phasenebene zu analysieren und die Stabilität von Fixpunkten bestimmen. Sie können lineare Randwertprobleme auf ihre Lösbarkeit untersuchen und beherrschen einfache Lösungsmethoden für elementare partielle Differentialgleichungen.
Die Studierenden verstehen den grundsätzlichen Unterschied zwischen reeller und komplexer Funktionentheorie. Anhand von Reihendarstellungen und dem Satz von Cauchy können sie die besonderen Eigenschaften holomorpher Funktionen begründen und die Hauptsätze der Funktionentheorie ableiten. Sie können isolierte Singularitäten bestimmen und damit reelle Integrale berechnen.

Inhalt

• Modellierung mit Differentialgleichungen
• Existenztheorie
• Phasenebene, Stabilität
• Randwertprobleme, elementare partielle Differentialgleichungen
• Holomorphie
• Integralsatz und -formel von Cauchy
• Hauptsätze der Funktionentheorie
• isolierte Singularitäten, reelle Integrale

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Empfehlung: Analysis 1-3, Lineare Algebra 1+2.

Modul: Angewandte strategische Entscheidungen [M-WIWI-101453]

Verantwortung:
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
7
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-102861 Advanced Game Theory WS 4,5 Ehrhart, Puppe, Reiß
Ergänzungsangebot (Wahl: zwischen 4,5 und 5 LP)
T-WIWI-113469 Advanced Corporate Finance SS 4,5 Ruckes
T-WIWI-102613 Auktionstheorie WS 4,5 Ehrhart
T-WIWI-115061 Experimentelle Forschung in Wirtschaftswissenschaft und -informatik WS 4,5 Weinhardt
T-WIWI-102623 Finanzintermediation WS 4,5 Ruckes
T-WIWI-105781 Incentives in Organizations SS 4,5 Nieken
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy SS 4,5 Weinhardt
T-WIWI-102862 Predictive Mechanism and Market Design Unregelm. 4,5 Reiß
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Prüfungen werden in jedem Semester angeboten und können zu jedem ordentlichen Prüfungstermin wiederholt werden. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Lehrveranstaltung "Advanced Game Theory" ist Pflicht im Modul und muss erfolgreich geprüft werden. Ausnahme: Die Bachelor-Lehrveranstaltung "Einführung in die Spieltheorie" [2520525] wurde erfolgreich abgeschlossen. Wenn diese Voraussetzung erfüllt wurde und "Advanced Game Theory" im Modul nicht belegt werden soll, können die Modulprüfungsbedingungen individuell angepasst werden. Dazu ist das Prüfungssekretariat der Fakultät möglichst früh im Semester zu informieren. Auch wer "Advanced Game Theory" in einem anderen Master-Modul bereits erfolgreich nachgewiesen hat, kann das Modul belegen. In diesem Fall können aus dem Ergänzungsangebot zwei Teilleistungen frei gewählt werden. Diese Wahl kann jedoch nur vom Prüfungssekretariat der Fakultät vorgenommen werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul bietet, aufbauend auf einer soliden Analyse von strategischen Entscheidungssituationen, ein breites Spektrum der Anwendungsmöglichkeiten der spieltheoretischen Analyse an. Zum besseren Verständnis der theoretischen Konzepte werden auch empirische Aspekte des strategischen Entscheidens angeboten.

Anmerkungen

Die Veranstaltung Predictive Mechanism and Market Design wird in jedem zweiten Wintersemester angeboten, z.B. WS 2013/14, WS 2015/16, ...

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Grundlagen der Spieltheorie sollten vorhanden sein.

Modul: Applied Information Theory [M-ETIT-107333]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114412 Applied Information Theory WS 6 Jäkel
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting approx. 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students master the methods and concepts of information theory and are able to apply them to analyze communication technology issues.

Students acquire the ability to examine the information content of sources and the flow of information in systems and to evaluate their significance for the realization of telecommunications systems.

Inhalt

The information theory founded by Shannon represents a central starting point for almost all questions of coding and encryption. In order to provide a solid foundation for later considerations, the concepts of information theory are developed at the beginning of the lecture. These are then applied to various areas of communications engineering and signal processing and used to analyze them.

Zusammensetzung der Modulnote

The module grade is the grade of the oral examination.

Arbeitsaufwand

1. attendance time lecture: 15 * 3 h = 45 h

2. preparation/follow-up lecture: 15 * 6 h = 90 h

3. attendance time exercise: 15 * 1 h = 15 h

4. preparation/post-exercise: 15 * 2 h = 30 h

5. exam preparation and attendance in the exam: included in preparation/follow-up work

Total: 180 h = 6 LP

Empfehlungen

Previous attendance of the lecture "Wahrscheinlichkeitstheorie" is recommended.

Modul: Ars Rationalis [M-GEISTSOZ-100614]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Leistungspunkte
10 LP
Notenskala
Zehntelnoten
Turnus
Jährlich
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
5
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-101174 Ars Rationalis I WS 4 Betz
T-GEISTSOZ-101175 Ars Rationalis II SS 2 Betz
T-GEISTSOZ-110370 Modulteilprüfung 1 - Ars Rationalis (Klausur) WS 2 Betz
T-GEISTSOZ-110371 Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) SS 2 Betz
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den beiden Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können natürlichsprachliche Argumente in Texten erkennen und rekonstruieren, was insbesondere eine formale Analyse mit den Mitteln der klassischen Logik einschließt. Sie kennen die für die Philosophie charakteristischen Argumentationsmuster (wie zum Beispiel transzendentale Argumente, Selbstanwendungsargumente). Sie können deduktive, induktive und abduktive Argumente entwickeln und voneinander unterscheiden sowie deren Schlüssigkeit bzw. Plausibilität selbstständig beurteilen.

Inhalt

Theoretische und praktische Aspekte der Argumentationsanalyse auf der Grund­lage der klassi­schen Logik

Zusammensetzung der Modulnote

Die Modulnote ergibt sich aus dem arithmetischen Mittel der beiden Prüfungsleistungen.

Arbeitsaufwand

Präsenz in Veranstaltungen: 60 h, Studienleistungen inkl. Vor- und Nachbereitung der Sitzungen: 120 h (90/30), Vorbereitung auf die zwei Modulteilprüfungen: 120 h

Modul: Artificial Intelligence & IT-Security [M-INFO-106810]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 10.01.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113668 Artificial Intelligence & IT-Security WS 6 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know basic concepts of applying artificial intelligence and machine learning in computer security, and are able to evaluate the performance, quality, and security of such systems.

•    Students know and understand basic concepts of features and feature engineering in computer security as well as basic attacks against learning-based systems.
•    Students know how to apply AI in computer security.
•    Students are able differentiate attack vectors against AI.
•    Students understand limits of learning-based security solutions.

Inhalt

The lecture is about combining the fields of artificial intelligence, machine learning and computer security in practice. Many tasks in the computer security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more “intelligent” security solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI). As an example, viciously crafted inputs can be exploited by an adversary to cause devastating damage in the application area. It thus is of utmost importance to investigate, research, and know about the security properties of AI methods.

The module introduces students to theoretic and practical aspects of AI in computer security as well as security of AI. We cover basics on features and feature engineering in the security domain, discuss fundamental learning settings in security and point out “Dos and Don’ts” of using AI/ML in computer security. Moreover, we put particular focus on “Explainable AI” (XAI) and it’s use in computer security, before we introduce attacks and defense against learning-based systems as discussed in the first half of the course. We cover input-manipulation attacks (e.g., adversarial examples), model-manipulation attacks (e.g., backdooring attacks), privacy attacks (e.g., model stealing and membership inference) and attacks against XAI.

Arbeitsaufwand

- 58h attendance time
- 56h preparation and follow-up time
- 66h exam preparation

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Ausgewählte Themen der Echtzeitsysteme [M-INFO-107431]

Verantwortung:
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Robotik und Automation
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114599 Ausgewählte Themen der Echtzeitsysteme WS 3 Längle
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

- (2 SWS + 1,5 x 2 SWS) x 7,5 + 7,5 h Prüfung = 82,5/30 = 2,75 LP ~ 3 LP

Empfehlungen

siehe Teilleistung

Modul: Authentisierung und Verschlüsselung [M-INFO-105338]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110824 Authentisierung und Verschlüsselung SS 4 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

- kann die Begriffe Vertraulichkeit und Authentizität erklären und ihre Unterschiede aufzeigen,

- versteht grundlegende Sicherheitsziele von digitalen Signaturen und ihre Beziehung untereinander und kann diese anwenden,

- kennt und versteht wichtige Signaturverfahren aus Theorie und Praxis und kann diese erklären,

- versteht Definitionen von aktiv sicherer Verschlüsselung und kann sie erklären und anwenden,

- kann Verfahren zur Konstruktion von aktiv sicherer Verschlüsselung erklären,

- kann elementare Beweistechniken wie z.B. Reduktionen und Hybridargumente verstehen und sie anwenden

Inhalt

Die Gewährleistung von Authentizität und Geheimhaltung ist eine Sicherheitsanforderung, die in vielen Anwendungen auftritt.

Aufbauend auf der Vorlesung "Theoretische Grundlagen der Kryptographie" vertieft diese Vorlesung die Betrachtung kryptographischer Authentifikationsverfahren (insbesondere Signaturen und Message Authentication Codes) und aktiv sicherer Verschlüsselungsverfahren.
Den Schwerpunkt der Vorlesung bilden verschiedene Techniken zur Konstruktion von digitalen Signaturverfahren sowie die Nachweise der erzielten Sicherheitseigenschaften. Es werden beispielsweise die folgenden Themen behandelt:

- Einmalsignaturen, Baum-basierte Signaturen und Chamäleon-Hashfunktionen
- RSA-basierte Signaturen
- Signaturen in bilinearen Gruppen

Im zweiten Teil der Vorlesung werden Verschlüsselungsverfahren vorgestellt, die Sicherheit gegen aktive Angriffe bieten. Hierbei werden z.B. die folgenden Konstruktionen vorgestellt:

- Authentisierte Verschlüsselung im symmetrischen Fall
- Verfahren zur Konstruktion aktiv sicherer asymmetrischer Verschlüsselung

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 24 h
 Vor-/Nachbereitung derselbigen: 31 h 
Prüfungsvorbereitung und Präsenz in selbiger: 65 h

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein

Modul: Automated Planning and Scheduling [M-INFO-104447]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2018)
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2018)
Wahlbereich Informatik (EV ab 01.10.2018)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-109085 Automated Planning and Scheduling Unregelm. 5 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Inhalt

The course offers an introduction to the methods and techniques used in automated planning and scheduling. The course is focused on classical deterministic planning, i.e., planning in a fully observable deterministic environment. The students will learn how to use automated planners and schedulers and also how they work. The topics covered in the lecture include:

Arbeitsaufwand

2 SWS lecture + 1 SWS exercises
(Preparation and follow-up time: 4h/week for lecture plus 2h/week for exercises; exam preparation: 15h)
Total workload: (2 SWS + 1 SWS + 4 SWS + 2 SWS) x 15h + 15h exam preparation = 9x15h + 15h = 150h = 5 ECTS

Modul: Automatische Sichtprüfung und Bildverarbeitung [M-INFO-100826]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV bis 31.03.2028)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV bis 31.03.2028)
Vertiefungsfach 2 / Robotik und Automation (EV bis 31.03.2028)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV bis 31.03.2028)
Wahlbereich Informatik (EV bis 31.03.2028)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101363 Automatische Sichtprüfung und Bildverarbeitung WS 6 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Anmerkungen

Wird zum letzten Mal im WS 27/28 angeboten.

Arbeitsaufwand

Gesamt: ca. 180h, davon
1. Präsenzzeit in Vorlesungen: 46h
2. Vor-/Nachbereitung derselbigen: 44h
3. Klausurvorbereitung und Präsenz in selbiger: 90h

Empfehlungen

Siehe Teilleistung.

Modul: Autonomous Driving in Practice [M-MACH-107806]

Verantwortung:
Dr.-Ing. Martin Gießler
Kevin Simon
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-115202 Autonomous Driving in Practice WS 6 Simon
Erfolgskontrolle(n)

The final grade is based on: 2 written exams (duration about 30 minutes) and the final presentation of the practical task (duration 30 minutes max.), including the final report (2-3 pages). Submission of the homework is mandatory.

The overall impression will be evaluated.

Voraussetzungen

none

Qualifikationsziele

Inhalt

The main objective of the event is the practical implementation of the pipeline required for automated/autonomous driving functions with a real test vehicle. This includes recording the environment using various sensors, processing the recorded sensor data (perception), planning driving maneuver and the final execution of the maneuver by the actuators. 

- Sensor data acquisition: Setup and data recording of the sensors on the test vehicle
- Perception: data annotation, segmentation of sensor data, object detection
- Maneuver planning: path and trajectory planning, behaviour generation, etc.
- Maneuver execution: vehicle control, implementation of the driving maneuver in the real test vehicle using actuators

Zusammensetzung der Modulnote

The module grade results of the assessment of the written exams, the presentation, and the final report. Details will be given during the lecture.

Anmerkungen

Due to capacity limitations, the lecture is limited to 16 students. If necessary, a selection process will be conducted. Places will be allocated based on the students’ academic progress (semester level and subject-specific programming skills). 

Arbeitsaufwand

The workload includes:

  1. Attendance time in lectures: 60 h
  2. Work on the project: 120 h

Total: 180 h

Modul: Autonomous Learning for Intelligent Robot Perception [M-INFO-106608]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2023)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113327 Autonomous Learning for Intelligent Robot Perception WS 4 Triebel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are capable of describing the details of different methods for autonomous learning, and they can place them in the context of intelligent robot perception. They are able to derive mathematical principles of these algorithms and they can name and describe relevant applications.

Inhalt

This lecture conveys the main principles of Intelligent Robot Perception, where the major focus is on machine learning techniques that are particularly useful for robot vision applications. The most important design criteria for these methods are run-time and data efficiency, safety, and autonomy, where the latter refers to independence of human interactions and the ability to take decisions during learning (aka. active learning). In the lecture, we will analyse modern learning techniques that meet these criteria, and we will show concrete applications of these in robotic perception tasks such as object detection and pose estimation, grasp detection and semantic mapping.

Arbeitsaufwand

120h

Empfehlungen

A basic understanding of probability theory and linear algebra is required

Modul: Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen [M-MATH-106328]

Verantwortung:
Prof. Dr. Sebastian Krumscheid
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-112842 Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen SS 4 Krumscheid
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 Minuten).

Voraussetzungen

Keine

Qualifikationsziele

After completing the module's classes and the exam, students will be familiar with the theory of inverse problems. They will be able to apply the Bayesian framework to a given inverse problem and assess the
well-posedness of the Bayesian posterior. In addition, students will be able to describe the basics of several solution methods for accessing the Bayesian posterior, including approximation and machine-learning techniques, and their limitations. Finally, they will be able to name and discuss essential theoretical concepts for Bayesian inversion in Banach spaces and describe the suitable sampling-based solution techniques. In particular, the course prepares students to write a thesis in the field of Uncertainty Quantification.

Inhalt

The course offers an introduction to the subject of statistical inversion, where, in its most basic form, the goal is to study how to estimate model parameters from data. We will introduce mathematical concepts and computational tools for systematically treating these inverse problems in a Bayesian framework, including an assessment of how uncertainties affect the solution. In the first part of the course, we will study the Bayesian framework for finite-dimensional inverse problems. While the first part will introduce some machine-learning ideas, the second part will address how machine learning is impacting, and has the potential to impact further on, the subject of inverse problems. In the final part of the course, we will generalize the Bayesian inverse problem theory to a Banach space setting and discuss sampling strategies for accessing the Bayesian posterior.

Topics covered include:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte der Module 'M-MATH-101321 - Einführung in die Stochastik' und 'M-MATH-103214 – Numerische Mathematik 1+2' sowie 'M-MATH-106053 — Stochastic Simulation' werden empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+1 SWS)

Modul: Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms [M-INFO-107599]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114898 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms Unregelm. 6 Bläsius
Erfolgskontrolle(n)

See partial achievements. (Teilleistung)

Voraussetzungen

See partial achievements. (Teilleistung)

Qualifikationsziele

The students
    •    can practically apply the knowledge acquired in the basic modules on algorithm engineering,
    •    are able to independently produce efficient implementations of algorithmic methods,
    •    master the methodology for the practical evaluation of algorithms, including the processing, analysis, and interpretation of measurement data,
    •    possess the ability to communicate the results they obtain.
In addition, participants are able to analyze how various typical properties of instances influence the efficiency of algorithms.

Inhalt

In this lab, students implement and evaluate a set of given algorithmic approaches on their own. The emphasis is on methods that, on real-world instances, perform far better than worst-case theory would suggest. We investigate this gap in performance using empirical methods throughout the course.

Arbeitsaufwand

Practical course with 4 SWS, 6 LP
6 LP corresponds to approx. 180 working hours, of which
approx. 20 hours attendance time,
approx. 130 hours implementation and evaluation,
approx. 30 hours elaboration and preparation of the presentation

Modul: Begleitseminar: Abschlussarbeiten in der Computergrafik [M-INFO-107620]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114948 Begleitseminar: Abschlussarbeiten in der Computergrafik WS+SS 3
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Inhalt

Das Seminar behandelt aktuelle Forschungsthemen aus der Computergrafik.

Anmerkungen

Dieses Seminar kann nur begleitend zu einer Bachelor- oder Masterarbeit am IVD belegt werden 

Arbeitsaufwand

Der Arbeitsaufwand beträgt i.d.R. 90 Stunden. Davon sind ca. 30 Stunden zur Vor- und Nachbereitung der Präsenzveranstaltungen, ca. 20 Stunden für die Literaturrecherche und ca. 40 Stunden für den/die eigenen Vortrag/Vorträge. 

Literatur

Aktuelle Forschungsarbeiten 

Modul: Betriebswirtschaftslehre für dataintensives Rechnen [M-INFO-104199]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre für dataintensives Rechnen
Leistungspunkte
18 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
6
Kennung Name Turnus LP Dozierende
Betriebswirtschaftslehre für dataintensives Rechnen (Wahl: mindestens 1 Bestandteil)
T-WIWI-105777 Business Intelligence Systems WS 4,5 Mädche
T-WIWI-103139 Marketing Analytics WS 4,5 Klarmann
T-WIWI-102899 Modeling and Analyzing Consumer Behavior with R s. Anm. 4,5 Dorner, Weinhardt
T-WIWI-103124 Multivariate Verfahren Unregelm. 4,5 Grothe
T-WIWI-102715 Operations Research in Supply Chain Management Unregelm. 4,5 Nickel
T-WIWI-103123 Statistik für Fortgeschrittene WS 4,5 Grothe
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik Unregelm. 4,5 Grothe
T-WIWI-107720 Market Research SS 4,5 Klarmann
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption SS 4,5 Satzger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind 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.

Inhalt

Studierende sind 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.

Modul: Biologically Inspired Robots [M-MACH-106903]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-113856 Biologically Inspired Robots SS 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine

Qualifikationsziele

Studierende kennen verschiedenen Entwurfsprinzipien der Methode "Bionik" in der Robotik und können Modelle für Kinematik, Mechanik, Regelung und Steuerung, Perzeption und Kognition analysieren und bewerten.

Studierende verstehen die Leichtbaukonzepte und Materialeigenschaften natürlicher Vorbilder. Sie sind mit den Konzepten und Methoden der Leichtbaurobotik vertraut und können resultierenden Auswirkungen auf die Energieeffizienz mobiler Robotersysteme beschreiben.

Studierende können verschiedenen natürlichen Muskeltypen und ihre Funktionsweise unterscheiden. Außerdem kennen sie die korrespondierenden, künstlichen Muskelsysteme und können das zugrundeliegende Muskelmodell ableiten. 

Studierende kennen die wichtigsten Sinne des Menschen, sowie die dazugehörige Reizverarbeitung und Informationskodierung. Sie können hierfür technologische Sensoren ableiten, die die gleiche Funktion in der Robotik übernehmen.

Studierende können die Funktionsweise eines Zentralen Mustergenerators (CPG) gegenüber einem Reflex abgrenzen. Sie können Neuro-Oszillatoren theoretisch herleiten und die Steuerung der Laufbewegung eines Roboters hiermit erläutern. Weiterhin können sie basierend auf den „Cruse Regeln" Laufmuster für sechsbeinige Roboter erzeugen.

Studierende können verschiedenen Lokomotionsarten sowie passende Stabilitätskriterien für Laufbewegungen unterscheiden. Sie kennen die wichtigsten Laufmuster für mehrbeinige Laufroboter und können diese in einem Gait-Diagramm darstellen.

Studierende kennen die wichtigsten Algorithmen bei maschinellen Lernverfahren und können ihre Vor- und Nachteile in der Robotik erklären.

Studierende kennen die Subsumption System-Architektur und können die Vorteile einer reaktiven Systemarchitektur bewerten. Sie können „Verhalten" für biologisch inspirierte Roboter zu Verhaltensnetzwerken zusammenfügen.

Studierende können die mendlschen Gesetze anwenden und die Unterschiede zwischen Meitose und Mitose erklären. Weiterhin können sie den genetische Grundalgorithmus erklären.

Studierende können die größten Herausforderungen bei der Entwicklung innovativer, humanoider Robotersysteme identifizieren und kennen Lösungsansätze sowie erfolgreiche Umsetzungen.

Inhalt

Die Vorlesung biologisch inspirierte Roboter beschäftigt sich intensiv mit Robotern, deren mechanische Konstruktion, Sensorkonzepte oder Steuerungsarchitektur von der Natur inspiriert wurden. Im Einzelnen wird jeweils auf Lösungsansätze aus der Natur geschaut (z.B. Leichtbaukonzepte durch Wabenstrukturen, menschliche Muskeln) und dann auf Robotertechnologien, die sich diese Prinzipien zu nutze machen um ähnliche Aufgaben zu lösen (leichte 3D Druckteile oder künstliche Muskeln in der Robotik). 

Nachdem diese biologisch inspirierten Technologien diskutiert wurden, werden konkrete Robotersysteme und Anwendungen aus der aktuellen Forschung präsentiert, die diese Technologien erfolgreich einsetzen. Dabei werden vor allem mehrbeinige Laufroboter, schlangenartige und humanoide Roboter vorgestellt, und deren Sensor- und Antriebskonzepte diskutiert.

Der Schwerpunkt der Vorlesung behandelt die Konzepte der Steuerung und Systemarchitekturen (z.B. verhaltensbasierte Systeme) dieser Robotersysteme, wobei die Lokomotion im Mittelpunkt steht. Die Vorlesung endet mit einem Ausblick auf zukünftige Entwicklungen und dem Aufbau von kommerziellen Anwendungen mit diesen Robotern.

Arbeitsaufwand

90 Arbeitsstunden, davon ca.:

Modul: Business & Service Engineering [M-WIWI-101410]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
10
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-113160 Digital Democracy WS 4,5 Fegert
T-WIWI-112757 Digital Services: Innovation & Business Models SS 4,5 Satzger
T-WIWI-115325 Practical Seminar: Human-AI Collaboration WS 4,5 Förster
T-WIWI-110887 Practical Seminar: Service Innovation Unregelm. 4,5 Satzger
T-WIWI-113724 Spezialveranstaltung Wirtschaftsinformatik WS+SS 4,5 Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Lehrveranstaltungen des Moduls im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul behandelt, von der rasanten Entwicklung der Kommunikations- und Informationstechnik und der zunehmend globalen Konkurrenz ausgehend, die Entwicklung von neuen Produkten, Prozessen, Dienstleistungen und Märkte aus einer Serviceperspektive. Das Modul vermittelt Service Wettbewerb als Unternehmensstrategie, die Unternehmen nachhaltig verfolgen können und aus der die Gestaltung von Geschäftsprozessen, Geschäftsmodellen, Organisations-, Markt- und Wettbewerbsformen abgeleitet wird. Dies wird an aktuellen Beispielen zur Entwicklung von personalisierten Diensten, Empfehlungsdiensten und sozialen Plattformen gezeigt.

Anmerkungen

Als Spezialveranstaltung Wirtschaftsinformatik können alle Seminarpraktika des IM belegt werden. Aktuelle Informationen zum Angebot sind unter: www.iism.kit.edu/im/lehre zu finden.

Ab dem Sommersemester 2023 wird die Veranstaltung Service Innovation mit einem überarbeiteten Lernkonzept und -inhalten angeboten. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Derzeitige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h, für Lehrveranstaltungen mit 5 Credits ca. 150h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Business Innovation in Optics and Photonics [M-ETIT-101834]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-104572 Business Innovation in Optics and Photonics WS 4 Nahm
Erfolgskontrolle(n)

Type of Examination: examination of another type

Duration of Examination: 4 group presentations à 20 minutes (approx.)

Modality of Exam: The exam consists of four group presentations. 2nd day: Technology Presentation. 3rd day: Development plan presentation. 4th day: Business Canvas presentation. Final presentation: Business pitch. The overall impression is rated.

Voraussetzungen

none

Qualifikationsziele

The student has an understanding how innovative concepts for optical and photonics products are transferred into a successful business development. The student knows about and makes first The student develops practical experience of how to analyse, develop, and pitch innovative business ideas based on optics & photonics technologies, specifically in the field of spectroscopy and hyperspectral imaging. Through a series of short lectures followed by extensive group work over the first week of the block course the student acquires hands-on experience of business development as lived in a technology start-up environment. The students are given a basic introduction to spectroscopy and are challenged to propose innovative businesses enabled by evolving technology and market needs. To assist in this process the students are introduced to the innovation methodology “Deep Tech Exploration” and primed on themes from intellectual property management to effective pitching.

The students organize themselves into teams, and work cooperatively within the team to develop and deliver the complete business pitch.

In summary the students:

Inhalt

This course is instructed by ZEISS employees, active within the ZEISS corporate innovation ecosystem.

Monday: Introduction into spectroscopy and the deep tech exploration method
• Technology introduction, state-of-the-art
• Scenario Introduction: Found your own start-up
• Overview Deep Tech Exploration methodology / Select your use case

Tuesday: Deep dive – deep tech exploration
• Methods and ideation techniques
• Fundamental principles in Innovation / Value Proposition
• Define your tech product

Wednesday: Business case development
• How to protect your business idea with IP?
• Develop your business idea with the help of the Business Model Canvas
• Writing a Business plan

Thursday: Storytelling and pitching
• Entrepreneurial fincance: tech product problem sizing / ballparking
• Storytelling
• Preparing an elevator pitch

Friday-Thursday of second week: Final pitch preparation
• Self-organized by groups

Friday of second week: Final pitch

Zusammensetzung der Modulnote

The module grade results of the assessment of the presentations. Details will be given during the lecture.

Arbeitsaufwand

Total 120 h, thereof 34 h contact hours and 86 h preparation, homework, and self-studies

Empfehlungen

Good knowledge in optics & photonics. Personal motivation and interest for getting deeper into business development aspects, methods and tools. Commitment to active, regular and coninuous participation in the group work.

Modul: CAD Engineering Project for Intelligent Systems [M-MACH-106905]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-113857 CAD Engineering Project for Intelligent Systems WS+SS 6 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine 

Inhalt

Das Modul CAD Engineering Project for Intelligent Systems ist ein projektbasiertes Mastermodul, das Studierenden die Möglichkeit bietet, ingenieurwissenschaftliche Kompetenzen im Bereich der Entwicklung intelligenter mechatronischer Systeme praxisnah zu erlangen und zu vertiefen. In interdisziplinären Teams konzipieren, entwerfen und realisieren die Studierenden ein robotischen Prototypen entlang eines vollständigen Entwicklungszyklus.

Ausgehend von einer definierten Problemstellung entwickeln die Studierenden ein technisches Konzept und setzen dieses mittels CAD-Software (Autodesk Fusion 360) in ein detailliertes mechanisches Design um. Ein besonderer Fokus liegt dabei auf Grundlagen des Rapid-Prototyping, funktionsgerechten Auslegung von Bauteilen, korrekter Parametrisierung, der Berücksichtigung von Fertigungsrestriktionen sowie der Integration mechanischer und elektronischer Komponenten, sowie deren softwaretechnische Anbindung.

Die entworfenen Bauteile werden überwiegend mittels additiver Fertigungsverfahren (insbesondere 3D-Druck) hergestellt und durch grundlegende konventionelle Fertigungstechniken ergänzt. Parallel dazu integrieren die Studierenden geeignete Sensoren, Aktoren und weitere elektronische Komponenten in das System und entwickeln die notwendige Software zur Steuerung und Regelung des robotischen Prototyp.

Im Anschluss wird das entwickelte System aufgebaut, in Betrieb genommen und unter realistischen Bedingungen getestet und evaluiert. Die Ergebnisse werden abschließend dokumentiert und präsentiert. Das Modul fördert neben fachlichen Kompetenzen insbesondere Projektmanagementfähigkeiten, Teamarbeit, interdisziplinäres Denken sowie eine systematische und lösungsorientierte Arbeitsweise, wie sie für die Entwicklung intelligenter technischer Systeme in Forschung und Industrie erforderlich sind.

Voraussetzungen:

Grundlegende Kenntnisse in gängigen CAD-Software Lösungen, bestenfalls Fusion 360.

Die Studierenden müssen eine kurze Bewerbung einreichen, in der sie ihre Motivation und Erfahrungen darlegen. Die Bewerbung erfolgt über Ilias: (ilias.studium.kit.edu) - Deadline: 16.04.2026 .

Zusammensetzung der Modulnote

In die Modulnote gehen die Beurteilung des Konstruktionsprojekts, der schriftlichen Ausarbeitungen und des Vortrags ein. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Anmerkungen

Weitere Hinweise finden Sie hier teaching.imi.kit.edu

Arbeitsaufwand
  1. Präsenzstudienzeit Praktikum: 60 h (4 SWS*15 h)
  2. Arbeit an dem Projekt, Selbststudienzeit inkl. Prüfungsvorbereitung: 120 h
    Summe: 180 h

Inhaltliche Aufteilung:

Modul: Channel Coding: Algebraic Methods for Communications and Storage [M-ETIT-105616]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2022)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-111244 Channel Coding: Algebraic Methods for Communications and Storage SS 3 Schmalen
Erfolgskontrolle(n)

The exam is held as an oral exam of approx. 20 min.

 

Qualifikationsziele

The students are able to analyse and assess problems of algebraic channel coding. They can apply methods of algebraic coding theory in the context of communication systems for data transmission and data storage and are able to assess their implementation.Additionally, they will get knowledge to current research topics and research results.

Inhalt

This course focuses on the formal and mathematical basics for the design of coding schemes in digital communication systems. These include schemes for data transmission, data storage and networking. The course starts by introducing he necessary fundamentals of algebra which are then used to derive codes for different applications. Besides codes that are important for data transmission appliations, e.g., BCH and Reed-Solomon-Codes, we also investigate codes for the efficient storage and reconstruction of data in distributed systems (locally repairable codes) and codes that increase the throughput in computer networks (network codes). Real applications are always given to discuss practical aspects and implementations of these coding schemes. Many of these applications are illustrated by example code in software (python/MATLAB).

Zusammensetzung der Modulnote

The module grade of the module corresponds to the grade of the oral exam.

Arbeitsaufwand
  1. Attendance to the lecture: 15 * 2 h = 30 h
  2. Preparation and review: 15 * 4 h = 60 h
  3. Preparation for the exam: included in preparation and review
  4. In total: 90 h = 3 LP
Empfehlungen

Knowledge of basic engineering as well as basic knowledge of communications engineering.

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.

Modul: Channel Coding: Graph-Based Codes [M-ETIT-105617]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2022)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-111245 Channel Coding: Graph-Based Codes WS 6 Schmalen
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting approx. 25 minutes. Before the examination, there is a preparation phase of 30 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students will be able to understand and apply advanced and modern methods of channel coding. They get to know various tools of modern coding theory for the analysis and optimization of coding schemes, conceptual design approaches of error correction building blocks as well as applications in digital communications (for example, 5G). Additionally, they will get knowledge to current research topics and research results.

Inhalt

The course expands on the topics dealt with in the lecture “Verfahren der Kanalcodierung”. The focus is on modern methods that have been brought into practice in the past few years and that achieve the capacity limits postulated by Shannon. For this purpose, known techniques have to be extended and new methods have to be learnt additionally. The lecture introduces the theoretical limits very quickly and follows with a discussion on the basic concepts of channel coding, including block codes. Based on this, modern error correction methods like LDPC codes, spatially coupled codes, and Polar codes are treated in depth. The lecture ends with a view on the application of channel coding in classical and distributed storage scenarios and in computer networks. Many of the applications are illustrated with example implementations in software (python/MATLAB).

Zusammensetzung der Modulnote

The modul grade is the grade of the oral exam.

Arbeitsaufwand

- Lecture attendance time: 15 * 3 h = 45 h
- Presence time Exercise: 15 * 1 h = 15 h
- Lecture preparation / revision: 15 * 3 h = 45 h
- Exercise: 15 * 1 h = 15 h
- Exam preparation and attendance: 60 h

Total workload: approx. 180 h = 6 LP

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended. Knowledge from the lecture "Applied Information Theory" can be helpful. Previous attendance of the lecture “Verfahren der Kanalcodierung” can be helpful, but is not necessary.

Modul: Codierungstheorie [M-INFO-106824]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113693 Codierungstheorie Unregelm. 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende 
•    kann die Methoden der Codierungstheorie nennen und erklären;
•    beurteilt verschiedene Qualitätsmerkmale und Parameter von Codes;
•    beurteilt die praktische Bedeutung von theoretischen Schranken für Codes;
•    analysiert gegebene Systeme und passt sie an veränderte Rahmenbedingungen an.

Inhalt

Diese Vorlesung beschäftigt sich hauptsächlich mit der Kanalcodierung. Es wird untersucht, wie Signale gegen zufällige Störungen, die auf den Übertragungskanal einwirken, gesichert werden können. Es werden Schranken von Codes (Hamming, Gilbert-Varshamov, Singleton) vorgestellt. Neben der Codierung und Decodierung von klassischen algebraischen Codes (lineare-, Reed Solomon-, Goppa- und Reed Muller-Codes) werden auch verkettete Codes und Summen von Codes behandelt. Außerdem wird eine Verbindung zur Kryptographie, insbesondere zum McEliece Verschlüsselungsverfahren, hergestellt.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 24 h

Vor-/Nachbereitung derselbigen: 24 h

Prüfungsvorbereitung und Präsenz in selbiger: 42 h 

Modul: Coding of Audiovisual Signals [M-ETIT-107440]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114615 Coding of Audiovisual Signals SS 3 Schmalen
Erfolgskontrolle(n)

Success control takes place in the form of an oral examination of approx. 20 min.

Voraussetzungen

Knowledge of basic engineering mathematics including integral transformations (e.g. M-MATH-101731 - Höhere Mathematik I, M-MATH-101732 - Höhere Mathematik II, M-MATH-101738 - Höhere Mathematik III) and probability theory (e.g. M-ETIT-102104 - Wahrscheinlichkeitstheorie) as well as basic knowledge of communications engineering (e.g. M-ETIT-106372 - Signale und Systeme, M-ETIT-106338 - Grundlagen der Datenübertragung).

Qualifikationsziele

Students will be able to understand and apply the methods and tools of source coding. Students will learn a variety of tools for quantizing signals, transforming them into efficient storage and lossless compression methods. They continue to learn the theoretical limitations of source coding and can classify various practical methods based on the theoretical limits of their performance. With the help of numerical methods you can solve problems of source coding yourself.

Inhalt

The course extends the topics covered in the lecture in Communication Technology I. The focus here is on methods that emerge when considering source coding. For this purpose, partially known techniques have to be extended, in some cases new methods have to be learned. Source coding is an indispensable tool in communications engineering, on the one hand to compactly represent and prepare multimedia signals for transmission and, on the other hand, to use storage capacity efficiently and economically. Source coding provides the direct link between the system user and the actual data transmission. The first part of the lecture deals with lossless source coding techniques, such as those used to reduce file size in popular zip format, but also more general lossless methods for the transmission of high quality signals. The second part is devoted to source coding of multimedia signals and, in particular, regards the source coding of audio and video signals. Different methods of quantization of multimedia signals are discussed and then shown how the quantized signals can be encoded in order to obtain as compact a representation as possible. In addition to predictive methods, transformation coding is also described. All of the methods are described in terms of their use in modern methods of source coding such as MP3, JPEG, H264. Many of the applications are illustrated with example implementations in software (python / MATLAB).

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand

Attendance lecture: 15 * 2 h = 30 h

Preparation / Postprocessing Lecture: 15 * 2 h = 30 h

Exam preparation and presence: 30 h

Total: 90 h = 3 LP

Empfehlungen

Previous visit to the lecture "Telecommunications I", "Probability Theory" and "Signals and Systems" is recommended. Knowledge from the lectures "Applied Information Theory" is helpful, but not necessary.

Modul: Collective Decision Making [M-WIWI-101504]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: )
T-WIWI-102740 Public Management WS 4,5 Wigger
T-WIWI-102859 Social Choice Theory SS 4,5 Puppe
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Inhalt

Der Schwerpunkt des Moduls liegt auf Mechanismen der öffentlichen Entscheidungsfindung, einschließlich Wahlen und der Aggregation von Präferenzen und Urteilen.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Compiler Design [M-INFO-106966]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113925 Compiler Design Unregelm. 9 Platzer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

- Distinguish the main phases of a state-of-the-art compiler
- Understand static and dynamic semantics of an imperative language
- Develop parsers and lexers e.g. with parser generators, combinators
- Perform semantic analysis
- Translate abstract syntax trees to intermediate representations and static single assignment form
- Analyze the dataflow in an imperative language
- Perform standard compiler optimizations
- Generate assembly code
- Allocate registers using a graph-coloring algorithm
- Understand opportunities and limitations of compiler optimizations
- Appreciate design tradeoffs how representation affects optimizations
- Automatically manage memory using garbage collection
- Develop complex software following high-level specifications

Inhalt

This course covers the design and implementation of compiler and runtime systems for high-level programming languages, and examines the interaction between language design, compiler design, and runtime organization. Topics covered include lexical and syntactic analysis, semantic analysis, type-checking, program analysis, code generation and optimization, memory management, and runtime organization.

Compilers and principles of compiling are one fundamental core aspect of computer science. Compilers and several other parts of compiler technology (especially parsing, transformation, analysis, and optimization) play important roles in many systems built every day. The knowledge gained in this course should be broad enough that if you are confronted with the task of contributing to the implementation of a real compiler in the field or similar technology, you should be able to do so confidently and quickly.

Arbeitsaufwand

9 ECTS from 270h of coursework consisting of

- 60h=15*4h from 4SWS lectures
- 90h preparation, reading lecture notes, studying
- 100h developing a compiler
- 20h exam preparation

Empfehlungen

Students are expected to have significant experience in a high-level programming language. Students are also expected to follow the lecture notes.

Modul: Computational Fluid Dynamics and Simulation Lab [M-MATH-106634]

Verantwortung:
PD Dr. Mathias Krause
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-113373 Computational Fluid Dynamics and Simulation Lab 4 Frank, Krause, Simonis, Thäter
Erfolgskontrolle(n)

Die Studierenden fertigen für ihr Abschlussprojekt eine schriftliche Ausarbeitung im Umfang von in der Regel 10-15 Seiten an, die benotet wird.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können über die eigene Fachdisziplin hinaus Probleme gemeinsam modellieren und auf Hochleistungsrechnern simulieren. Sie haben eine kritische Distanz zu Ergebnissen und deren Darstellung erworben. Sie können die Ergebnisse der Projekte im Disput verteidigen. Sie haben die Bedeutung von Stabilität, Konvergenz und Parallelität von numerischen Verfahren aus eigener Erfahrung verstanden und sind in der Lage, Fehler aus der Modellbildung, der Approximation, der Berechnung und in der Darstellung zu bewerten.

Inhalt

Vorlesungsanteil: Einführung in Modellbildung und Simulationen, Wiederholung zugehöriger numerischer Verfahren, Einführung in zugehörige Software und Hochleistungsrechner-Hardware

Eigene Gruppenarbeit: Bearbeitung von 1-2 Projekten in denen Modellbildung, Diskretisierung, Simulation und Auswertung (z.B. Visualisierung) für konkrete Themen aus dem Katalog durchgeführt werden. Der Katalog umfasst z.B: Diffusionsprozesse, Turbulente Strömungen, Mehrphasen-Strömungen, Reaktive Strömungen, Partikeldynamik, Optimale Kontrolle und Optimierung unter Nebenbedingungen, Stabilisierungsverfahren für advektionsdominierte Transportprobleme.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Abschlussprojekts.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 60 Stunden

Empfehlungen

Grundkenntnisse in der Analysis von Randwertproblemen und in numerischen Methoden für Differentialgleichungen werden empfohlen. Kenntnisse in einer Programmiersprache werden dringend empfohlen.

Lehr- und Lernformen

Vorlesung + projektorientiertes Praktikum (2+2 SWS)

Modul: Computational Geometry [M-INFO-107228]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114251 Computational Geometry Unregelm. 6 Bläsius
T-INFO-114252 Computational Geometry - Pass Unregelm. 0 Bläsius
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students develop a systematic understanding of questions and solution approaches in the field of computational geometry, building on their existing knowledge of theoretical computer science and algorithms. Upon successful completion of the course, students will be able to:

* explain concepts, structures, and fundamental problem definitions presented in the lectures

* execute geometric algorithms, analyze them mathematically, and prove their properties

* select appropriate algorithms and data structures for solving a given geometric problem and adapt them to specific problem scenarios if necessary

* analyze unfamiliar geometric problems, reduce them to their algorithmic core, and create an abstract model; based on the concepts and techniques learned in the lecture, design their own solutions within this model, analyze them, and prove their properties

Inhalt

Spatial data is processed in a wide variety of areas in computer science, such as computer graphics and visualization, geographic information systems, robotics, and more. Computational geometry focuses on the design and analysis of geometric algorithms and data structures. This module introduces frequently used techniques and concepts in computational geometry, which are explored in depth using selected and application-related questions.

Arbeitsaufwand

Lecture with exercises, 4 hours per week (SWS), 6 ECTS corresponds to approximately 180 hours of work, including: ~60 hours attending lectures and exercises ~30 hours preparation and review ~60 hours working on exercise sheets ~30 hours exam preparation

Empfehlungen

Basic knowledge of algorithms and data structures (e.g., from the courses Algorithms 1 + 2) is expected.

Modul: Computational Imaging [M-INFO-106190]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 17.10.2022)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 17.10.2022)
Vertiefungsfach 2 / Robotik und Automation (EV ab 17.10.2022)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 17.10.2022)
Wahlbereich Informatik (EV ab 01.10.2022)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112573 Computational Imaging WS 5 Meyer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Qualification goal: Students are able to model questions of machine vision optically and algorithmically and to process them using holistic optimization.

Learning objectives: Students know
- the essential components of machine vision, their optical modelling and suitable coding methods in the sense of computational imaging,
- methods for emitting, capturing and processing light fields for applications in photography and industrial image processing,
- the concept of light transport analysis, corresponding modelling, capturing and processing methods and
- approaches to holistic modelling and optimization of optical image capturing and processing systems.

Inhalt

Digital image acquisition and processing have revolutionized various fields of applications, e.g., medical imaging or automated visual inspection. Yet, the design of most such systems is still based on the separate and individual optimization of the employed illumination, image acquisition and image processing components. By following a holistic approach for system design, modelling and optimization, computational imaging methods yield superior performance with respect to the state of the art. After introducing the students into relevant basics of optics and signal theory, the lecture will thoroughly cover various topics of computational imaging. Accompanying practical exercises will complement the theoretical part of the lecture. The course will enable students to adequately model artificial vision problems in the sense of computational imaging in order to obtain holistically optimal solutions.

Arbeitsaufwand

Lecture with 2 SWS + 1 SWS exercise
5 ECTS corresponds to approx. 150 hours
approx. 30 hours lecture attendance,
approx. 15 hours exercise attendance,
approx. 90 hours post-processing and working on the exercises
approx. 30 hours Exam preparation

Literatur

- Ayush Bhandari, Achuta Kadambi, Ramesh Raskar, Computational Imaging, MIT Press, 2022.
- Jürgen Beyerer, Fernando Puente León, Christian Frese, Machine Vision, Springer, 2015.
- Joseph. W. Goodman, Introduction to Fourier Optics. 4. Auflage W. H. Freeman, 2017.

Modul: Computational Photonics, with ext. Exercises [M-PHYS-101933]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
8 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-103633 Computational Photonics, with ext. Exercises Unregelm. 8 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-PHYS-103089 - Computational Photonics, without ext. Exercises darf nicht begonnen worden sein.
Qualifikationsziele

The students can use a computer to solve optical problems and can use a computer to visualize details of the light matter interaction, know different strategies to solve Maxwell’s equations on rigorous grounds, know how spatial symmetries and the arrangement of matter in space can be used to formulate Maxwell’s equations such that they are amenable for a numerical solution, can implement programs with a reasonable complexity by themselves, can use a computer to discuss and explore optical phenomena, and are familiar with basic computational strategies that emerge in photonics, but comparably in any other scientific discipline as well.

The student can independently work out the numerical implementation of algorithms that were not explicitly presented in the lecture. That requires understanding of basic computational strategies. The student is, therefore, able to transfer technical knowledge to new domains. The student can develop on its own novel algorithms to solve given problems in the field of computational photonics.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (180 Stunden).

Empfehlungen

Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.

Literatur

Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.

Modul: Computational Photonics, without ext. Exercises [M-PHYS-103089]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-106131 Computational Photonics, without ext. Exercises Unregelm. 6 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-PHYS-101933 - Computational Photonics, with ext. Exercises darf nicht begonnen worden sein.
Qualifikationsziele

The students can use a computer to solve optical problems and can use a computer to visualize details of the light matter interaction, know different strategies to solve Maxwell’s equations on rigorous grounds, know how spatial symmetries and the arrangement of matter in space can be used to formulate Maxwell’s equations such that they are amenable for a numerical solution, can implement programs with a reasonable complexity by themselves, can use a computer to discuss and explore optical phenomena, and are familiar with basic computational strategies that emerge in photonics, but comparably in any other scientific discipline as well.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (45 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Bearbeitung der Übungen (135 Stunden).

Empfehlungen

Interest in theoretical physics, optics and electrodynamics. Moreover, interest in computational aspects is important.

Literatur

Specific references for the individual topics will be given during the lectures.
The lecture material that will be fully made available online.

Modul: Computergrafik [M-INFO-100856]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101393 Computergrafik WS 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden verstehen grundlegende Konzepte, Datenstrukturen und Algorithmen der Computergrafik. Sie können diese eigenständig beurteilen und implementieren, und geeignete Algorithmen und Verfahren für Anwendungen in der Computergrafik auswählen.

Die erworbenen Kenntnisse ermöglichen einen erfolgreichen Besuch weiterführender Veranstaltungen im Vertiefungsgebiet Computergrafik.

Inhalt

Diese Vorlesung vermittelt grundlegende Algorithmen und Datenstrukturen der Computergrafik (beispielsweise zur Beschreibung virtueller Szenen oder zur Beschleunigung von Raytracing), Bildsynthese-Verfahren (Raytracing, Rasterisierung), relevante Aspekte der menschlichen Wahrnehmung (Farbsehen/-modelle), Einführung in die Radiometrie, Beleuchtung- und Schattierungsberechnung (BRDFs), Transformationen  und perspektivische Abbildung, Texturen und Texturierungstechniken, Grafik-Hardware und APIs (z.B. OpenGL), sowie geometrisches Modellieren und Dreiecksnetze.

Arbeitsaufwand

Präsenzzeit = 60h

Vor-/Nachbereitung = 90h

Klausurvorbereitung = 30h   

Empfehlungen

Siehe Teilleistung.

Modul: Computergrafik 2 [M-INFO-106685]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2024)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113441 Computergrafik 2 SS 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden haben einen breiten Überblick über wichtige Konzepte und Algorithmen in der Computergrafik. Grundlegende Theorie und praktische Verfahren bilden eine solide Basis für weitere spezialisierte Vertiefung z.B. in den Vorlesungen Interaktive Computergrafik, Fotorealistische Bildsynthese oder Visualisierung. 

Inhalt

Die Vorlesung umfasst Grundlegende Konzepte des modernen Rendering, sowie Vertiefung in verwandten Gebieten. Kapitel beinhalten zum Beispiel

* Grundlegende Radiometrie/Lichttransport in der Computergrafik
* Lichttransportsimulation (z.B. Monte Carlo- und Radiosity-Verfahren)
* Physikalische Materialmodelle
* Perzeption, Fehlermetriken für die Bildsynthese und Visualisierung
* Denoising (Deep Learning, U-nets)
* Lichtfeldrepräsentationen mittels Machine Learning (z.B. tiny MLP)
* GPU-Architekturen und effiziente Programmierung
* Animation, Modellierung und Geometrieverarbeitung
* Simulation (Rigid Bodies, Fluide)

Arbeitsaufwand

60h = Präsenzzeit
60h = Vor-/Nachbereitung
30h = Prüfungsvorbereitung

Modul: Constructive Logic [M-INFO-106256]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2023)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2023)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2023)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112704 Constructive Logic SS 5 Platzer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Understand the working principles of logic
- Understand how the meaning of a proposition comes from its verifications
- Distinguish propositions from judgments
- Use proof rules to conduct formal proofs
- Formalize informal problems into precise logical language
- Justify how proof rules fit to one another in sound and complete ways
- Assess the validity of a formal proof
- Understand propositions as types, proofs as programs, formulas as
programs
- Relate constructive logic to computation and constructive proofs to
functional programs
- Relate deductive proof search to computation in logic programming
- Relate induction to recursion and use induction to prove properties in and
about logical systems
- Understand the principles and applications of logic programming

Inhalt

This course provides a thorough introduction to modern constructive logic, its roots in philosophy, its numerous applications in computer science, and its mathematical properties. The core topics of this course are intuitionistic logic, natural deduction, Curry-Howard isomorphism, propositions as types, proofs as programs, formulas as programs, functional programming, logic programming, Heyting arithmetic and primitive recursion, cut elimination, connections between classical and constructive logic, inductive definitions, sequent calculus, and decidable classes. Advanced topics may include type theory, proof search, linear logic, temporal logic, modal logic.

Anmerkungen

Course web page: https://lfcps.org/course/constlog.html

Arbeitsaufwand

5 ECTS from 150h of coursework consisting of
45h = 15 * 3h from 3 SWS lectures
15h = 15 * 1h from 1 SWS exercises
90h preparation, reading lecture notes, studying
22h exam preparation

Empfehlungen

You will be expected to follow the lecture notes.

Modul: Cryptographic Protocols II: Universal Composability [M-INFO-107435]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114602 Cryptographic Protocols II: Universal Composability WS 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The student
- understands the problems that occur in protocol composition and can explain them using examples.
- knows and understands the frameworks, security concepts and their properties presented in the lecture and can explain, relate and prove
these.
- knows and understands the protocols and proofs presented in the lecture and can reproduce them.
- can independently apply the techniques presented in the lecture, for example to prove or demonstrate the security or insecurity of simple protocols.

Inhalt

In the lecture "Kryptographische Protokolle", methods and building blocks for secure multi-party computation were presented. The security was shown for a single execution and under sequential composition.

In reality, however, protocols are executed concurrently - both multiple instances of the same protocol (concurrent composition) and multiple, different protocols (general composition) that were designed independently of each other.
 
This protocol composition is not adequately covered by classical security concepts: it may be that the execution of a single protocol instance can be proven to be secure. However, if the same protocol is executed several times simultaneously, all security may be lost.
 
In this lecture, we re-visit the topics of the “Kryptographische Protokolle” lecture with a focus on composability. The first part of the lecture therefore introduces the concept of universally composable (UC) security, which depicts the setting of general composition in which arbitrary protocols are executed concurrently. An important insight here is that UC security can only be achieved with the help of trust assumptions, so-called "setups". In the second part of the lecture, important protocols that fulfill this strong security are presented, for example for commitments or general secure multi-party computation. At the end of the lecture, further composing security notions and related protocols are considered, which are weaker than UC security, but without setups.

Arbeitsaufwand

90 h
Lectures: 24 h
Self-study during semester: 31 h
Preparation for the exam: 35 h

Empfehlungen

Students should be familiar with the contents of the modules "Theoretische Grundlagen der Kryptographie" (Theoretical Foundations of Cryptography) and „Kryptographische Protokolle“ (Cryptographic Protocols I).

Modul: Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen [M-INFO-106355]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112880 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen SS 4 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Industrielle Steuerungs- und Automatisierungsanlagen (im englischen Industrial Control Systems - ICS) finden sich in vielen Domänen und Branchen wieder. Typische Beispiele sind die industrielle Produktion, die Prozessindustrie, kritische Infrastrukturen wie Energie- und Wasserwirtschaft aber auch in der Gebäudeautomatisierung und in medizinischen Geräten. Schwachstellen und Angriffe auch speziell auf Steuerungs- und Automatisierungsanalgen lassen sich nicht erst seit Stuxnet quasi wöchentlich beobachten. Der Schutz von ICS gewinnt daher seit Jahren stets an Bedeutung.
Industrielle Automatisierungs- und Steuerungsanlagen besitzen im Vergleich zu klassischen IT-Systemen unterschiedliche Randbedingungen und Anforderungen, insbesondere haben das Schutzziele Verfügbarkeit und die Aufrechterhaltung der funktionalen Sicherheit (engl. Safety) einen deutlich höheren Stellenwert. Aus diesem Grund lassen sich klassische Ansätze der Cybersicherheit nicht ohne weiteres auf industrielle Steuerungssysteme übertragen.

Dieses Modul behandelt verschiede Defense-in-Depth Konzepte für Produkthersteller, Maschinen- und Anlagenbauer, Integratoren sowie Betreiber von industriellen Automatisierungsanlagen. Systeme und Anlagen werden typischerweise nach risikobasierten Ansätzen entwickelt, die hierfür notwendigen Methoden zur Risikoanalyse werden eingeführt. Das Modul wird weiterhin eine Übersicht von best practices sowie einsetzbaren internationalen Standards wie beispielsweise der IEC 62443 beinhalten.
Weitere Themen sind der Aufbau und Betrieb von Cyber-Security-Management-Systemen, sicheres Systemdesign und Produktentwicklung, Einsatz von Security Information und Event Management Systemen im industriellen Umfeld sowie der sichere Einsatz von Industrie 4.0 Technologien wie beispielsweise OPC UA.
In diesem Modul werden Beispiele in Form von Angriffen und prototypischen Umsetzungen von Sicherheitsmaßnahmen aus dem KASTEL-Labor Produktion verwendet, um den Lehrinhalt möglichst praxisnah vorführen zu können.

Inhalt

Studierende

• kennen Anwendungsbeispiele und die Notwendigkeit für Cybersicherheit von industriellen Automatisierungs- und Steuerungssystemen (engl. Industrial Control Systems - ICS)
• kennen Unterschiede zwischen klassischer Informationstechnik (IT) und der Betriebstechnik im industriellen Umfeld (engl. Operational Technology – OT)
• kennen Grundlegende Herausforderungen, Schutzziele und Sicherheitsmechanismen, die für den Entwurf und die Umsetzungen von sicheren ICS Systemen
• kennen die unterschiedlichen beteiligten Rollen und deren Herausforderungen im Lebenszyklus von ICS Systemen
• beherrschen Defense-in-Depth Konzepte für die sichere Produktentwicklung, Maschinen und Systeme sowie den Betrieb von Anlagen
• besitzen die Fähigkeit, die Qualität von Sicherheitsmechanismen und Architekturen für industrielle Anlagen zu bewerten

Insbesondere kennen Studierende risikobasierte Ansätze für den Schutz von industriellen Komponenten und Steuerungsanlagen wie beispielsweise im international anerkannten Standard IEC 62443 vorgegeben. Die Studenten kennen gängige Ansätze zur Risikoanalyse und des darauf aufbauenden Systemdesigns.

Studierenden kennen die Anforderungen an Betreiber von industriellen Automatisierungs- und Steuerungsanlagen sowie gängige Schutzmaßnahmen und Umsetzungsmöglichkeiten wie beispielsweise Netzsegmentierung, Netzhärtung, Zero-Trust Architekturen sowie Anomalie- und Angriffserkennungssysteme.

Studierende kennen typische industrielle Kommunikationsprotokolle und können die dort vorhandenen Sicherheitsmechanismen analysieren und bewerten. Als Praxisbeispiel wird das Kommunikationsprotokoll OPC UA vorgestellt und analysiert.

Arbeitsaufwand

120h

Empfehlungen

- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich

Modul: Data Science and Artificial Intelligence for Energy Systems [M-INFO-106655]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2024)
Vertiefungsfach 1 / Informationssysteme (EV ab 01.07.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2024)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.07.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113402 Data Science and Artificial Intelligence for Energy Systems SS 6 Schäfer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

•    Students obtained a foundational knowledge of data-driven methods in energy systems as an active research field.  They can name some ongoing challenges.
•    They can explain different data science methods and their applications in energy systems (including Langevin processes, superstatistics, (probabilistic) forecasts and explainable AI). 
•    Students can employ AI methods to solve problems in energy systems, including optimizing systems and forecasting time series.
•    Students can exploit key properties of trained machine learning models and interpretability tools.
•    Students can select suitable analysis tools, justify their choice and carry out data-driven analysis on power systems .

Inhalt

Artificial Intelligence (AI) is a key technology in many areas of society and research. Energy systems with the ongoing energy transition (“Energiewende”) make it a fascinating field for deploying AI methods. AI and machine learning algorithms can play a crucial role in improving energy efficiency, optimizing power generation and distribution or enhancing system stability while facilitating additional renewable energy integration.  In this lecture, we review some mechanics of energy systems, their design and optimization questions and how to solve these using data-driven approaches. We will discuss deterministic dynamics, as well as stochastic aspects of energy systems and will explore fundamental AI algorithms and their applications in energy systems. We will cover both classical time series methods as well as state-of-the-art AI techniques, e.g. for optimization or forecasting.

Arbeitsaufwand

Course workload:
   1. Attendance time: 4 SWS x 15=60 (Course, exercise, etc.)
   2. Self-study: 6 h x 15 = 90 (independent review of course material,
work on homework assignments)
   3. Preparation for the exam: 30h
60+90+30=180h= 6ECTS  

Empfehlungen

Knowledge of AI basics is very helpful. 
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Knowledge of Python is highly recommended. 

Modul: Datenbank-Praktikum [M-INFO-101662]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme
Vertiefungsfach 2 / Informationssysteme
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103201 Datenbank-Praktikum WS 4 Böhm, Richter
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Im Praktikum soll das aus Vorlesungen wie "Datenbanksysteme" und "Datenbankeinsatz" erlernte Wissen in die Praxis umgesetzt werden. Dabei geht es vor allem um Entwurf und Realisierung von Datenbankanwendungen, Benutzung deklarativer Anfragesprachen sowie um Datenbankentwurf. Darüber hinaus soll gelernt werden, im Team zusammenzuarbeiten.

Inhalt

Das Datenbankpraktikum bietet Studierenden die Möglichkeit, den praktischen Einsatz von Datenbanksystemen in Ergänzung zu den unterschiedlichen Vorlesungen kennenzulernen. Die Teilnehmer werden in ausgewählten Versuchen mit kommerzieller relationaler sowie nichtkonventioneller Datenbanktechnologie vertraut gemacht. Darüber hinaus können sie Datenbankentwurf an praktischen Beispielen erproben. Im Einzelnen stehen folgende Versuche auf dem Programm:
- Zugriff auf Datenbanken, auch aus Anwendungsprogrammen heraus,
- Verwaltung von Datenbeständen mit nichtkonventioneller Datenbanktechnologie,
- Performanceoptimierungen bei der Anfragebearbeitung,
- Datenbankentwurf.
Arbeiten im Team ist ein weiterer wichtiger Aspekt bei allen Versuchen.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden). Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht. Unter den Arbeitsaufwand fallen (für eine Vorlesung)

1. Präsenzzeit in Vorlesungen, Übungen

2. Vor-/Nachbereitung derselbigen

3. Klausurvorbereitung und Präsenz in selbiger.

Modul: Decentralized Systems: Fundamentals, Modeling, and Applications [M-INFO-105334]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110820 Decentralized Systems: Fundamentals, Modeling, and Applications SS 6 Hartenstein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Fundamentals & Modeling

1. The student is able to recognize and distinguish distributed, federated, and decentralized systems.
2. The student understands the role of consensus, consistency, and coordination within the context of networked and decentralized systems.
3. The student understands the concept of Sybil attacks.
4. The student is familiar with decentralized algorithms like leader election for execution contexts with various guarantees.
5. The student understands the formally proven limits of fault tolerance and their underlying assumptions. This includes an understanding of synchronous and asynchronous network models which underpin the respective proofs. The student also understands several models for fault tolerance within the context of decentralized and distributed systems.
6. The student has a basic understanding of state machine replication.
7. The student knows how conflict-free replicated data types employ mathematics to provide eventually consistent data to collaborative peer-to-peer applications.

Applications

1. The student understands how decentralized storage, replication, and coordination is employed in practice.
2. The student has a fundamental understanding of blockchain-based systems and payment channels, as well as decentralized systems for storage, communication, and machine learning.
3. The student understands trust relations in distributed and decentralized systems applications.
4. The student is able to understand how theoretical foundations relate to networked and decentralized systems in practice.

Inhalt

Decentralized Systems (like blockchain-based systems) are distributed systems under the control of multiple, independent parties that act on their own, autonomous decisions. In this course, we cover fundamental theoretical aspects as well as up-to-date decentralized systems, and connect theory with current practice. We thereby address fault tolerance, security and trust, as well as performance aspects at the example of applications like Bitcoin, Ethereum, IPFS, Matrix, or the Fediverse. As a research-oriented lecture, we cover additional current topics like decentralizing artificial intelligence via decentralized, federated learning, or identity and access management in decentralized systems.
The lecture covers at least the following topics:

Arbeitsaufwand

1. Attendance time (Course, exercise, etc.)
Lecture: 3 SWS: 3,0h x 15 = 45h
Exercise: 1 SWS: 1,0h x 15 = 15h
2. Self-study (e.g. independent review of course material, work on homework assignments)
Weekly preparation and follow-up of the lecture: 15 x 1h x 3 = 45h
Weekly preparation and follow-up of the exercise: 15 x 2h = 30h
3. Preparation for the exam: 45 h
Σ = 180h = 6 ECTS

Empfehlungen

Basics according to the lectures "Information Security" and "Introduction to Computer Networks" are recommended.

Modul: Deep Learning and Neural Networks [M-INFO-107197]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114219 Deep Learning and Neural Networks SS 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn about the structure and function of different types of neural networks.

Students should learn the methods for training the various networks and their application to problems.

Students should learn the areas of application of the different types of networks.

Given a concrete scenario, students should be able to select the appropriate type of neural network.

Inhalt

This module introduces the use of neural networks for the solution of solving various problems in the field of machine learning, such as classification, prediction, control or inference. or inference. Different types of neural networks are covered and their areas of application are illustrated using examples.

Arbeitsaufwand

Lecture with 4 SWS, 6 CP.
6 LP corresponds to approx. 180 hours, of which
approx. 60 hours lecture attendance
approx. 90 hours post-processing (self-study)
approx. 30 hours exam preparation (self-study)

Empfehlungen

Prior successful completion of the core module "Cognitive Systems" is recommended.

Modul: Deep Learning for Computer Vision: Advanced Topics [M-INFO-107843]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115257 Deep Learning for Computer Vision: Advanced Topics WS 3 Stiefelhagen
Erfolgskontrolle(n)

See partial achievements.

Voraussetzungen

See partial achievements.

Qualifikationsziele

Students gain an understanding of advanced deep learning methods and tasks, especially with regard to their applications in image processing (computer vision). Students are able to apply deep learning methods for special tasks, such as learning with little training data, changes in the data domain or uncertainty determination.

Inhalt

Deep convolutional neural networks (CNNs) achieve excellent results in many areas of computer vision, but face challenges in real-world applications, such as dependence on costly annotated training data, high computing power or difficult traceability of decision paths. While for a long time the development of recognition algorithms was primarily driven by high recognition rates on large and cleanly annotated data sets, today application-relevant goals such as learning with little training data, explainability, uncertainty estimation or domain adaptation are becoming increasingly important.

The lecture deals with advanced network architectures, learning methods and research areas in the field of deep learning for computer vision. Among others, the following topics will be covered:

Zusammensetzung der Modulnote

See partial achievements.

Arbeitsaufwand

Attendance of the lectures: approx. 20 hours

Preparation and follow-up of the lecture: approx. 30 hours

Exam preparation: approx. 40 hours

Total: approx. 90 hours

Empfehlungen

Knowledge of deep learning basics is strongly recommended.

Modul: Design and Architectures of Embedded Systems (ESII) [M-INFO-107230]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114254 Design and Architectures of Embedded Systems (ESII) WS 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student learns methods for mastering complexity and applies these methods to the design of embedded systems. He/she evaluates and selects specific architectures for embedded systems. Furthermore, the student receives an introduction to current research topics.

Inhalt

Nowadays, it is possible to integrate several billion transistors on a single chip and thus realize complete SoCs (systems-on-chip). The trend towards being able to use more and more transistors continues unabated, meaning that the complexity of such systems will also continue to increase. Computers will increasingly be ubiquitous, i.e. they will be integrated into the environment and will no longer be perceived as computers by humans. Examples include sensor networks, electronic textiles and many more. However, the physically possible complexity will not be readily achievable in practice, as there is currently a lack of powerful design processes capable of handling this high level of complexity. Powerful ESL tools ("Electronic System Level Design Tools") and novel architectures will be required. The focus of this lecture is therefore on high-level design methods and architectures for embedded systems. Since the power consumption of (mostly mobile) embedded systems is of crucial importance, one focus of the design methods will be on the design with regard to low power consumption.

Arbeitsaufwand

90 hours:
30 hours of lectures (15 weeks*2 hours)
30 hours of self study (15 weeks*2 hours)
15 hours of deepening (coding low level C and embedded C) to grasp the theory with practical
15 hours exam preparation

Modul: Differentialgeometrie [M-MATH-101317]

Verantwortung:
Prof. Dr. Wilderich Tuschmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-102275 Differentialgeometrie Unregelm. 9 Lytchak, Tuschmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten. Bei unvertretbar hohem Prüfungsaufwand kann die mündliche Prüfung durch eine schriftliche Klausur im Umfang von 120 Minuten ersetzt werden. Die Entscheidung wird mindestens sechs Wochen vor der Prüfungsleistung bekannt gegeben.

Voraussetzungen

Keine.

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Optional:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen oder mündlichen Prüfung.

Anmerkungen

Dieses Modul ist eines der Kernmodule im Bereich Algebra und Geometrie von welchen mindestens sechs innerhalb aller zwei Jahre angeboten werden (mindestens vier verschiedene).

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Neben den Anfängervorlesungen in Analysis und Linearer Algebra sollte idealiter auch das Modul "Elementare Geometrie" oder Vergleichbares bereits absolviert worden sein.

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Digital Circuit Design [M-ETIT-107365]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114458 Digital Circuit Design SS 4 Peric
Erfolgskontrolle(n)

Success control takes place in form of an oral examination (approx. 20 minutes) and a written report with the results of the exercises. Details will be given during the lecture.

Voraussetzungen

none

Qualifikationsziele

The course "Design of Digital Circuits" is intended for students of electrical engineering, computer science, and related fields who wish to gain in-depth knowledge of digital circuits and their design processes.

Upon completion of the course, students will be able to design digital circuits at both the gate- and system level, utilize CMOS technologies, perform synthesis and place and route using Cadence tools.

The course provides an in-depth understanding of digital circuit technology and its practical applications. Participants will learn the implementation of digital logic circuits and modern design and synthesis processes. Special emphasis is placed on practical implementation using CMOS technology. The course covers both combinational and sequential circuits, memory elements, and digital design flows.

Inhalt

This course covers the fundamentals of digital electronics and chip design, beginning with Boolean algebra, logic gates, and circuit realization. It introduces CMOS technology, explaining the structure and behavior of NMOS and PMOS transistors, CMOS inverters, and the design of logic gates like NAND, NOR, and multiplexers. Students learn about combinational and sequential circuits, including flip-flops, latches, memory cells, and their timing constraints such as setup and hold times. Various memory architectures are discussed, such as SRAM, DRAM, Flash, and emerging technologies like FeRAM/MRAM. The course also explores adders, counters, and shift registers. Digital communication topics include serial/parallel transmission, PLLs, and clock data recovery. The digital design flow is presented in detail, including synthesis, floorplanning, placement, and routing with emphasis on reliability and performance. Throughout the course, students apply concepts using Cadence tools and Verilog to design, simulate, and layout digital circuits in practical exercises.

In the exercises, digital design will be performed using Cadence software tools. The circuits will be designed and simulated using the Verilog language. A netlist will be generated using the synthesis tool, and the layout of a chip will be created using the Place & Route tool.

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand
  1. Attendance time in lectures 30 h
  2. Attendance time in exercises 15 h
  3. Preparation/follow-up of the same 25 h
  4. Exam preparation 50 h

Modul: Digital Marketing [M-WIWI-106258]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre (EV ab 01.04.2023)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-112693 Digital Marketing SS 4,5 Kupfer
Ergänzungsangebot (Wahl: 4,5 LP)
T-WIWI-114174 Economic Decision Making WS 4,5 Scheibehenne
T-WIWI-114893 International Entrepreneurship and Brand Development s. Anm. 6 Kupfer, Terzidis
T-WIWI-115326 KI- und datengetriebener B2B-Vertrieb SS 1,5 Klarmann, Konhäuser
T-WIWI-107720 Market Research SS 4,5 Klarmann
T-WIWI-112711 Media Management s. Anm. 4,5 Kupfer
T-WIWI-111848 Online-Konzepte für Karlsruher Innenstadthändler SS 3 Kupfer
Erfolgskontrolle(n)

The assessment is carried out as partial exams of the core course and further single courses of this module, whose sum of credits must meet the minimum requirement of credits of this module. The assessment procedures are described for each course of the module separately.

The overall grade of the module is the average of the grades for each course, weighted by the credits and truncated after the first decimal.

Voraussetzungen

None

Qualifikationsziele

Students

Inhalt

The "Digital Marketing" module explores advanced marketing strategies within the context of digital transformation. Students develop a deep understanding of digital consumer behavior, the digital environment, and digital marketing strategies:

By integrating these multidisciplinary perspectives, the module enables students to implement sophisticated marketing instruments and critically evaluate current practices in digital business environments.

Arbeitsaufwand

Total effort for 9 credit points: approx. 270 hours.
The exact distribution is done according to the credit points of the courses of the module.

Modul: Digitale Barrierefreiheit und Assistive Technologien [M-INFO-105882]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2022)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2022)
Wahlbereich Informatik (EV ab 01.04.2022)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111830 Digitale Barrierefreiheit und Assistive Technologien Unregelm. 3 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Digitale Barrierefreiheit oder besser digitale „Zugänglichkeit“ (Accessibiltiy, wie es auf Englisch heißt) ist ein Thema, das uns alle betrifft. Digital an Informationen zu kommen, von Kindesbeinen an bis ins hohe Alter. Assistive Technologien, wie Smartphones, Tablets, Smartwatches, Wearables allgemein sind ein Teil unseres Alltages geworden. Genau diese Dinge sollten von allen Menschen bedienbar und nutzbar sein. Unabhängig jeglicher Barrieren.

Aber was steckt an Details dahinter? Wie sehen Rechte und Grundlagen hierzu aus? Was muss alles getan werden, um „barrierefrei“ zu sein?

Dies alles lässt sich am besten am Beispiel „Sehbehinderung“ zeigen.

Weltweit gibt es nach Angaben der Weltgesundheitsorganisation ca. 285 Million Menschen mit Sehschädigungen, davon ca. 39 Millionen Menschen, die blind sind. Der teilweise oder vollständige Verlust des Sehvermögens schränkt Blinde und Sehbehinderte in erheblichem Maße in ihrem Arbeits- und Sozialleben ein. Sich ohne fremde Hilfe im öffentlichen Raum zu orientieren und fortzubewegen, gestaltet sich schwierig: Gründe hierfür sind Probleme bei der Wahrnehmung von Hindernissen und Landmarken sowie die daraus resultierende Angst vor Unfällen und Orientierungsschwierigkeiten. Weitere Probleme im Alltagsleben sind: das Lesen von Texten, die Erkennung von Geldscheinen, von Nahrungsmitteln, Kleidungstücken oder das Wiederfinden von Gegenständen im Haushalt.

Zur Unterstützung können Blinde und Sehbehinderte bereits auf eine Reihe von technischen Hilfsmitteln zurückgreifen. So können digitalisierte Texte durch Sprachausgabe oder Braille-Ausgabegeräte zugänglich gemacht werden. Es gibt auch verschiedene speziell für Blinde hergestellte Geräte. Das wichtigste Hilfsmittel zur Verbesserung der Mobilität ist mit großem Abstand der Blindenstock. In den vergangenen Jahren wurden auch einige elektronische Hilfsmittel zur Hinderniserkennung oder Orientierungsunterstützung entwickelt, diese bieten aber nur eine sehr eingeschränkte Funktionalität zu einem relativ hohen Preis und sind daher eher selten im Einsatz.

Die Vorlesung gibt einen Überblick über zum Thema IT-basierte Assistive Technologien (AT) am Beispiel und beinhaltet die folgenden Themen:

Aktuelle Informationen finden Sie unter http://cvhci.anthropomatik.kit.edu/

Arbeitsaufwand

Besuch der Vorlesungen: ca. 20 Stunden (à 60 Minuten)

Vor- und Nachbereitung der Vorlesung: ca. 30 Stunden

Klausurvorbereitung: ca. 40 h

Summe: ca. 90 Stunden

Modul: Distributed Computing [M-INFO-107215]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung (EV ab 01.04.2025)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2025)
Vertiefungsfach 2 / Parallelverarbeitung (EV ab 01.04.2025)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114235 Distributed Computing WS 4 Streit
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

Students understand the basic concepts of distributed systems, in particular Grid and Cloud Computing as well as the management and analysis of big and distributed data. They apply underlying paradigms and services to given examples. Students analyze methods and technologies of Grid and Cloud Computing as well as distributed data management, which are suitable for use in everyday and industrial application areas or which are used today by Google, Facebook, Amazon, etc. For this purpose, students will compare web/grid services, elementary grid functionalities, data lifecycles, metadata, archiving, cloud service types (IaaS, SaaS, PaaS) and public/private clouds
using real-world examples.

Inhalt

The lecture introduces the world of distributed computing with a focus on fundamentals and technologies from Grid and Cloud Computing as well as the handling of Big Data. The lecture combines theory and
application with the help of relevant examples from science and industry.

First, an introduction to the main characteristics of distributed systems is given. Then the topic of Grid Computing is discussed in more detail and the close relationship between Grid computing and distributed data management is illustrated using the example of the WLCG, the infrastructure for distributing, storing and analyzing data from the particle accelerator at CERN.

Subsequently, the topic of cloud computing is discussed and compared with the preceding. After the definition of basic terms and concepts, virtualization is introduced as one of the key technologies of Cloud Computing; finally, common architectures, services and components in the Cloud context are discussed using examples and in general.

Next, common methods for authorization and authentication in distributed environments will be discussed. The lecture includes the description of the basics of Authentication and Authorization Infrastructures (AAI) as well as different technologies, for example certificate- or token-based procedures.

In a further block of topics, concepts for the management and analysis of large or distributed data are presented. In this context tools and frameworks, as well as the lifecycle of data, its metadata and data storage are explained.

Arbeitsaufwand

2 SWS = 120 h per semester
• 30 h in the weekly lecture during the semester
• 90 h post-processing of lectures and self-learning of the content due to its complexity

Modul: Edge-AI in Software and Sensor Applications [M-INFO-107234]

Verantwortung:
Dr. Victor Pankratius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114258 Edge-AI in Software and Sensor Applications WS+SS 3 Pankratius
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification goals

After completing the module, students have the following skills. They...

- can name and explain the theoretical and practical aspects of software and sensor technology in the context of edge and fog computing
- can name and use techniques of software engineering and algorithm development for sensor applications
- can name and use methods of artificial intelligence in the context of resource constraints and fault tolerance
- can weigh the characteristic properties of the methods and tools presented, their advantages and disadvantages against each other and can select a suitable tool for a given application scenario.

Learning objectives

Students can name the relevant elements of a technical system and their tasks in edge/fog computing. Students are able to name resource constraints of different types (CPU, memory, communication, energy) and describe their effects on software and algorithm design. Students can describe functional principles of sensors of different types (e.g. microelectromechanical systems - MEMS), describe their functional principles in accelerators, gyroscopes, pressure/humidity sensors, particle detection, etc., explain applications and their context (e.g. gesture recognition in mobile phones/"wearables"/"hearables", localization & navigation, environmental measurements). Students are able to design software systems for edge and fog applications and to develop complex edge and fog software projects in an engineering manner. The problems and requirements of different application areas can be recognized, processed and transferred to a new context. Problems in recognizing patterns in sensor data, classification and prediction can be solved using model-based algorithms or machine learning approaches. Problems in deriving instructions for action can be solved using inference techniques.

Inhalt

Edge computing comprises applications, data and services that are relocated to the outer edges of networks. Such systems typically require local data processing with limited resources such as energy consumption, CPUs, memory or connectivity. Fog computing also combines these aspects with cloud architectures. The importance of these approaches is growing today for modern sensor applications and ranges from industrial applications to Internet-of-Things, ubiquitous computing, consumer applications in cell phones, wearables & hearables (e.g. health & fitness applications), drones or applications in augmented reality. At the same time, the proportion of hardware-related software is also growing in all sensor applications, which opens up new possibilities. In this context, artificial intelligence methods are becoming increasingly important in order to realize learning systems with improved autonomy and immediate feedback. This module presents the current status as well as research work and open problems.

Arbeitsaufwand

2 SWS: (2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h = 3 ECTS

Empfehlungen

Knowledge of e.g. cognitive systems, software engineering, algorithms, computer networks & structures, low-power design is helpful.

Modul: Einführung in das Quantencomputing (IQC) [M-INFO-106101]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik (EV ab 01.10.2022)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112344 Einführung in das Quantencomputing (IQC) WS 3 Beckert, Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls kennen die Studierenden die wesentlichen Grundlagen des Quantencomputings. Sie sind in der Lage, einfache Algorithmen zu beschreiben und in einem Quanten-SDK umzusetzen. Sie können aktuelle Entwicklungen im Quantencomputing einordnen und Anwendungsmöglichkeiten des Quantencomputings bewerten.

Inhalt

• Grundlagen des Quantencomputing
• Quantenhardware
• Quantenalgorithmen
• Quantenprogrammiersprachen und Quanten-SDKs (insb. Qiskit)
• Quantum Software Engineering
• Verifikation von Quantenprogrammen
• Quantum Machine Learning
• Quanten Communication
• Post-Quantum Kryptographie

Anmerkungen

Diese Vorlesung wird als Ringvorlesung angeboten.

Arbeitsaufwand

• Vorlesungsbesuch: 28 h
• Vor- und Nachbereitung: 42h
• Prüfungsvorbereitung: 20h
• Gesamt: 90h / 30 = 3 Credits

Empfehlungen

Kenntnisse in Linearer Algebra empfohlen.

Modul: Einführung in das Wissenschaftliche Rechnen [M-MATH-102889]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Tobias Jahnke
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105837 Einführung in das Wissenschaftliche Rechnen 9 Dörfler, Hochbruck, Jahnke, Rieder, Wieners
T-MATH-114059 Praktikum Wissenschaftliches Rechnen 0 Dörfler, Hochbruck, Jahnke, Rieder, Wieners
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.

Prüfungsvorleistung: Praktikumsschein

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen können

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

3 Stunden Vorlesung und 3 Stunden Praktikum

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte der Module "Numerische Mathematik 1 und 2", "Numerische Methoden für Differentialgleichungen" sowie "Programmieren: Einstieg in die Informatik und algorithmische Mathematik" werden dringend empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (3+3 SWS)

Modul: Einführung in die Bildfolgenauswertung [M-INFO-100736]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101273 Einführung in die Bildfolgenauswertung SS 3 Beyerer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden besitzen nach Besuch der Vorlesung und Erarbeitung der genannten und besprochenen Quellen einen Überblick über klassische und aktuelle Verfahren aus verschiedenen Bereichen der Bildfolgenauswertung. Diese erstrecken sich von der Bewegungsdetektion über die Korrespondenzbildung, über die Schätzung dreidimensionaler Strukturen aus Bewegung, über die Detektion und Verfolgung von Objekten in Bildfolgen bis hin zur Interpretation von visuell beobachtbaren Aktionen und Verhalten.

Studierende analysieren an sie gestellte Probleme aus dem Bereich der Bildfolgenauswertung und bewerten bekannte Verfahren und Verfahrensgruppen auf ihre Eignung zur Lösung der Probleme und wählen somit geeignete Verfahren und Verfahrensweisen aus.

Inhalt

Unter Bildfolgenauswertung als Teilgebiet des Maschinensehens versteht man die automatische Ableitung von Aussagen über die in einer Bildfolge abgebildete Szene und deren zeitlicher Entwicklung. Die abgeleiteten Aussagen können dem menschlichen Benutzer bereitgestellt werden oder aber direkt in Aktionen technischer Systeme überführt werden. Bei der Analyse von Bildfolgen ist es gegenüber der Betrachtung von Einzelbildern möglich, Bewegungen als Bestandteil der zeitlichen Veränderung der beobachteten Szene mit in die Ableitung von Aussagen einzubeziehen.

Gegenstand der Vorlesung ist zunächst die Bestimmung einer vorliegenden Bewegung in der Szene aus den Bildern einer Bildfolge. Hierbei werden sowohl änderungsbasierte wie korrespondenzbasierte Verfahren behandelt. Die Nutzung der Bewegungsschätzung zwischen Einzelbildern einer Bildfolge wird im Weiteren an Beispielen wie der Mosaikbildung, der
Bestimmung von Szenenstrukturen aus Bewegungen aber auch der Objektdetektion auf der Basis von Bewegungshinweisen verdeutlicht.

Einen Schwerpunkt der Vorlesung bilden Objektdetektion und vor allem Objektverfolgungsverfahren, welche zur automatischen Bestimmung von Bewegungsspuren im Bild sowie zur Schätzung der dreidimensionalen Bewegung von Szenenobjekten genutzt werden. Die geschätzten zwei- und dreidimensionalen Spuren bilden die Grundlage für Verfahren, welche die quantitativ vorliegende Information über eine beobachtete Szene mit qualitativen Begriffen verknüpfen. Dies wird am Beispiel der Aktionserkennung in Bildfolgen behandelt. Die Nutzung der Verbegrifflichung von Bildfolgenauswertungsergebnissen zur Information des menschlichen Benutzers wie auch zur automatischen Schlussfolgerung innerhalb eines Bildauswertungssystems wird an Beispielen verdeutlicht.

Arbeitsaufwand

Gesamt: ca. 90h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 23h
3. Prüfungsvorbereitung und Präsenz in selbiger: 44h

Empfehlungen

Siehe Teilleistung.

Modul: Einführung in die kinetische Theorie [M-MATH-103919]

Verantwortung:
Prof. Dr. Martin Frank
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-108013 Einführung in die kinetische Theorie WS 4 Frank
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.)

Voraussetzungen

Keine

Qualifikationsziele

After successfully taking part in the module’s classes and exams, students have gained knowledge and abilities as described in the “Inhalt” section. Specifically, Students know common means of mesoscopic and macroscopic description of particle systems. Furthermore, students are able to describe the basics of multiscale methods, such as the asypmtotic analysis and the method of moments. Students are able to apply numerical methods to solve engineering problems related to particle systems. They can name the assumptions that are needed to be made in the process. Students can judge whether specific models are applicable to the specific problem and discuss their results with specialists and colleagues.

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 20 Stunden

Selbststudium: 100 Stunden

Empfehlungen

Partial Differential Equations, Functional Analysis

Lehr- und Lernformen

Vorlesung + Übung im Flipped Classroom-Format

Modul: Einführung in die Philosophie [M-GEISTSOZ-107546]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Pflicht)
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Leistungspunkte
12 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-111610 Einführung in die Philosophie 1 WS 2 Seidel-Saul
T-GEISTSOZ-111612 Einführung in die Philosophie 2 SS 2 Seidel-Saul
T-GEISTSOZ-111608 Einführung in die Philosophie 3 WS 3 Seidel-Saul
T-GEISTSOZ-111607 Einführung in die Philosophie 4 SS 3 Seidel-Saul
T-GEISTSOZ-106828 Modulprüfung Einführung in die Philosophie SS 2 Seidel-Saul
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen und der Modulprüfung

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen die unterschiedlichen Bereiche der Philosophie anhand ihrer jeweils grundlegenden Fragestellungen und Begriffe. Sie verfügen über Grundkenntnisse über wichtige philosophische Strömungen und klassische Werke und sind darüber hinaus in der Lage, die üblichen epochalen Gliederungen der philosophischen Ideengeschichte darzustellen und in ihrem Verhältnis zu den Wissensformen Wissenschaft, Kunst und Religion zu verstehen. Die Studierenden kennen unterschiedliche Arten, Sinnfragen zu stellen, und haben ein Verständnis für die geschichtliche Verfasstheit menschlicher Wissenskulturen.

Inhalt

Überblick über die systematischen Bereiche der Philosophie und deren geschichtliche Entwicklung unter Berücksichtigung des Verhältnisses zu den Wissensformen Wissenschaft, Kunst, Religion.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung

Arbeitsaufwand

Präsenz in Veranstaltungen: 120 h, Studienleistungen Philo 1 und 2 inkl. Vor- und Nachbereitung der Sitzungen: jeweils 30 h, Studienleistungen Philo 3 und 4 inkl. Vor- und Nachbereitung der Sitzungen: jeweils 60 h, Vorbereitung auf Modulprüfung: 60 h

Modul: Electric Power Transmission & Grid Control [M-ETIT-105394]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-110883 Electric Power Transmission & Grid Control SS 6 Leibfried
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes.

Voraussetzungen

none

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-ETIT-105394 - Electric Power Transmission & Grid Control darf nicht begonnen worden sein.
Qualifikationsziele

Students are familiar with the functionality and physical basics as well as the components of AC and DC of electric power transmission systems. They will be able to calculate transmission characteristics and carry out a basic design. They are also familiar with the functioning of grid control.

Inhalt

The lecture initially deals with the characteristics and stability of electrical energy transmission. A central chapter deals with HVDC technology as a method for transmitting high power. FACTS elements, which are used to make energy transmission more flexible, are then dealt with. Finally, the dynamics of power plants and grids are discussed.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

The workload includes:

   1. attendance in lectures and exercises: 30 + 30 h = 60 h

   2. preparation / follow-up: 120 h 

  A total of 180 h = 6 CR

 

Empfehlungen

Modul: Embedded Machine Learning Lab [M-INFO-105775]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2021)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2021)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2021)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111549 Embedded Machine Learning Lab WS+SS 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student will understand the main concept of machine learning (ML) on embedded systems, the constraints present on such platforms, and the design objectives for ML algorithms on such platforms. The student will be able to understand various concepts of compression of neural networks. The student will gain hands-on experience with current state-of-the-art ML frameworks, parameter tuning of algorithms, and will develop software programs for implementing the concepts. The student will be able to compare and analyze the current state-of-the-art algorithms regarding their flexibility and performance on embedded devices.

Inhalt

IoT devices more and more rely on ML models to perform their operations. They thereby also generate lots of data that should be used to improve these ML models through on-device learning. Devices need to perform the training with this data locally due to privacy constraints or communication limitations. However, the inference of neural networks, and especially the training, requires too many resources (computations, memory, energy, etc.) — unless the available resources are considered in the design.

This lab provides insights into deploying machine learning algorithms to embedded devices.

Since embedded devices operate with significantly lower resources than the commonly-employed high-end GPUs, making neural networks run fast without sacrificing much accuracy on embedded devices is a challenging task. The lab covers training and inference on resource-constrained devices, introducing state-of-the-art methodologies like pruning and quantization.

The students will learn about neural networks beyond theory, working with popular frameworks like TensorFlow, the effects of hyperparameters, and how they influence the network. Furthermore, the student will learn about resource and accuracy trade-offs in neural networks and design custom networks to achieve given resource or accuracy requirements.

This lab requires basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

The students will meet every week. Exact dates and times will be fixed in the first kick-off meeting. Depending on the number of participants, students will work together in groups of 2-3 students.

Arbeitsaufwand

(2 SWS +1.5*2 SWS)*10

+55 h final project

+15 h presentation & report

= 120 h = 4 ECTS

Empfehlungen

This lab requires a basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

Modul: Empirical Software Engineering [M-INFO-107685]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115054 Empirical Software Engineering WS+SS 4 Dehghani
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Inhalt

The lecture deals with the role of empiricism in software engineering. It introduces the most common empirical methods and points out common sources of error in empirical studies. The associated statistical methods for analyzing and presenting the data are taught. The lecture uses a number of scientific publications to illustrate the concepts and bring them to life.

Arbeitsaufwand

The lecture will take place once (one 1.5h session) per week. The workload will amount to 4.0 CP, as students will also complete exercises in preparation for the exam.

Modul: Empirische Sozialforschung [M-GEISTSOZ-103737]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Soziologie
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-106573 Vorlesung Sozialstrukturanalyse WS 0 Nollmann
T-GEISTSOZ-106572 Übung Sozialstrukturanalyse WS 0 Nollmann
T-GEISTSOZ-106485 Klausur Sozialstrukturanalyse WS 6 Nollmann
T-GEISTSOZ-109048 Sozialforschung A (WiWi) WS 3 Nollmann
Erfolgskontrolle(n)

Die Erfolgskontrolle wird zu einem Teil in Form einer schriftlichen Prüfung (Klausur) teils mit frei zu bearbeitenden Aufgaben über die Inhalte der Vorlesung und Übung Sozialstrukturanalyse, teils nach dem Antwort-Wahl-Verfahren im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO B.A.-EUKLID und in einem weiteren Teil über eine schriftliche Ausarbeitung durchgeführt.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden erwerben Wissen über soziale Strukturen moderner Gesellschaften, können aktuelle gesellschaftliche Prozesse beschreiben und erklären, sind in der Lage, ausgewählte Forschungen, Fragestellungen und Datenquellen kennen zu lernen und deren Erkenntnisleistungen mit Hilfe von Texten und Beispielen zu verstehen.

Die Studenten erwerben außerdem die Kompetenz, sich in verschiedene Felder der Sozialwissenschaft (Familie, Industrie, Institutionen, Organisationen, usw.) einzuarbeiten. Sie erlernen, bestehende Forschungsarbeiten zu analysieren, zu reflektieren und ihre Erkenntnisse auf neue Sachverhalte zu übertragen. Sie erlernen auf Grundlage soziologischer Texte schriftliche Ausarbeitungen zu erstellen, die wissenschaftlichen Ansprüchen in Form und Inhalt genügen.

Inhalt

Das Modul gibt eine Einführung in Sozialstrukturbegriffe und ihren Verbindungen zur Kultur menschlichen Verhaltens. Im Weiteren werden zentrale Forschungsgebiete, aktuelle Debatten und Kontroversen sowie Kontinuität und Wandel der deutschen Sozialstruktur mit Seitenblick auf andere Länder vorgestellt. Wichtige Themen lauten Modernisierung, Individualisierung, Klassenstruktur, Bildung und Arbeitsmarkt, soziale Mobilität, Lebensläufe und Kohorten, Verteilung von Einkommen und Reichtum, Familie, Heiratsmärkte, Fertilität. Das Modul legt Wert auf die Vermittlung von Kenntnissen im Bereich von Datenquellen, amtlicher Statistik und relevanten Ergebnissen der Umfrageforschung sowie auf die selbständige Anwendung des im Rahmen eines Seminars erworbenen Wissens in Form einer eigenen Ausarbeitung.

 

Zusammensetzung der Modulnote

Die Modulnote ist das arithmetische Mittel der Teilprüfungsleistungen.

Arbeitsaufwand

Präsenz in der Vorlesung ca. 21h; Präsenz in der Übung ca. 21h;  Präsenz im Seminar: 10h; Präsenz in der Klausur 1,5h, Vor- und Nach­bereitung 90h; Erstellung der Aufgabenblätter 30h; selbständige Lektüre empfohlener Fachliteratur ca. 60h Klausur­vorbereitung 15h; schriftliche Ausarbeitung 15h. (Σ ca. 260 h)

Lehr- und Lernformen

Vorlesung, Übung, Seminar

Literatur

Mau, Steffen; Verwiebe, Roland (2009): Die Sozialstruktur Europas.; Weitere Literatur wird in der Veranstaltung bekannt gegeben.

Modul: Energieinformatik [M-INFO-106864]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.10.2024)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
10 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103582 Energieinformatik 1 WS 5 Hagenmeyer
T-INFO-110356 Energieinformatik 1 - Vorleistung WS+SS 0 Hagenmeyer
T-INFO-106059 Energieinformatik 2 SS 5 Hagenmeyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Energieinformatik 1:

Nach erfolgreicher Teilnahme sollen die Studierenden

Energieinformatik 2:

Nach erfolgreicher Teilnahme sollen die Studierenden

Inhalt

Energieinformatik 1:

Dieses Modul vermittelt einen Überblick über die physikalischen und technischen Grundlagen verschiedener Energieformen, deren Speicherung, deren Übertragung und die entsprechenden Energiewandlungsprozesse. Außerdem beleuchtet dieses Modul die systemtechnische Kombination verschiedener lokaler Energiesysteme zum Gesamtenergiesystem und gibt Ausblicke auf typische informationstechnische Anwendungsfälle im Energiebereich.

Im Einzelnen werden folgende Themen jeweils mit Beispielen behandelt:

Energieinformatik 2:

Arbeitsaufwand

Energieinformatik 1:

2 SWS Vorlesung und 2 SWS Übung: 60 h

Vor- und Nachbereitungszeit: 75 h

Prüfungsvorbereitung und Prüfung: 15h 

Summe: 150 h = 5 ECTS

Energieinformatik 2:

2 SWS Vorlesung und 2 SWS Übung: 60 h

Vor- und Nachbereitungszeit: 75 h

Prüfungsvorbereitung und Prüfung: 15h

Summe: 150 h = 5 ECTS

Modul: Energiewirtschaft und Energiemärkte [M-WIWI-101451]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-107043 Liberalised Power Markets WS 5,5 Fichtner
Ergänzungsangebot (Wahl: )
T-WIWI-114980 Behavioral Dimensions of Energy Transitions SS 3,5 Fichtner
T-WIWI-107501 Energy Market Engineering SS 4,5 Weinhardt
T-WIWI-112151 Energy Trading and Risk Management SS 3,5 N.N.
T-WIWI-108016 Planspiel Energiewirtschaft SS 3,5 Genoese
T-WIWI-107446 Quantitative Methods in Energy Economics WS 3,5 Plötz
T-WIWI-102712 Regulierungstheorie und -praxis s. Anm. 4,5 Mitusch
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von schriftlichen Teilprüfungen (nach §4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt wird. Die Prüfungen werden jedes Semester angeboten und können zu jedem ordentlichen Prüfungestermin wiederholt werden.  

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten. 

Voraussetzungen

Die Lehrveranstaltung Liberalised Power Markets muss geprüft werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 Credits ca. 105 h, für Lehrveranstaltungen mit 5,5 Credits ca. 165 h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Lehrveranstaltungen sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Modul: Energiewirtschaft und Technologie [M-WIWI-101452]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
5
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102793 Efficient Energy Systems and Electric Mobility SS 3,5 Jochem
T-WIWI-102650 Energie und Umwelt SS 3,5 Karl
T-WIWI-113073 Machine Learning and Optimization in Energy Systems WS 3,5 Fichtner
T-WIWI-107464 Smart Energy Infrastructure WS 5,5 Ardone, Pustisek
T-WIWI-102695 Wärmewirtschaft SS 3,5 Fichtner
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von schriftlichen Teilprüfungen (nach §4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt wird. Die Prüfungen werden jedes Semester angeboten und können zu jedem ordentlichen Prüfungestermin wiederholt werden.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 Credits ca. 105h und für Lehrveranstaltungen mit 5,5 Credits ca. 165h.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Engineering Self-Adaptive Systems [M-INFO-106626]

Verantwortung:
Prof. Dr. Raffaela Mirandola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2023)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113349 Engineering Self-Adaptive Systems WS 3 Mirandola
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Understand the motivation for self-adaptation
- Get familiar with the basic principles and conceptual model of self-adaptation
- Understand how to engineer self-adaptive software systems from a software engineering perspective
- Understand the decision-making process using formal analysis at runtime for quality assurance
- Understand the notion of uncertainty in self-adaptive systems and how to tame it with formal verification at runtime
- Understand the level of adoption of self-adaptive systems in industry.

Inhalt

Self-adaptation is an important field of research and engineering that aims to address the challenging problem of how to engineer software systems that have to deal with uncertainties that can only be resolved at run time.

The course presents the basic principles of self-adaptation and introduces a conceptual feedback loop model of a self-adaptive system. It introduces quality models which can be used to estimate quality properties at runtime by a self-adaptive system to provide guarantees for the quality goals. The role played by the different types of uncertainties is then explored analyzing different possible approaches.

Arbeitsaufwand

Course workload:

30h in Class (lectures)
45h self-study during the semester
15h preparation for the exam

Modul: Entrepreneurship (EnTechnon) [M-WIWI-101488]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
16
Kennung Name Turnus LP Dozierende
Pflichtbestandteil (Wahl: 1 Bestandteil)
T-WIWI-102864 Entrepreneurship WS+SS 3 Terzidis
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-115110 Business Planning for Founders Unregelm. 3 Terzidis
T-WIWI-102866 Design Thinking Unregelm. 3 Terzidis
T-WIWI-113151 Entrepreneurship Seasonal School Unregelm. 3 Terzidis
T-WIWI-114893 International Entrepreneurship and Brand Development s. Anm. 6 Kupfer, Terzidis
T-WIWI-109064 Joint Entrepreneurship Summer School Unregelm. 6 Terzidis
T-WIWI-111561 Startup Experience WS+SS 6 Terzidis
Ergänzungsangebot (Wahl: zwischen 0 und 1 Bestandteilen)
T-WIWI-102894 Entrepreneurship-Forschung SS 3 Terzidis
T-MACH-112882 Innovation2Business – Innovation Strategy in the Industrial Corporate Practice WS 4 Albers
T-WIWI-102852 Fallstudienseminar Innovationsmanagement WS 3 Weissenberger-Eibl
T-WIWI-102893 Innovationsmanagement: Konzepte, Strategien und Methoden SS 3 Weissenberger-Eibl
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4, 1-3 SPO) über

  1. die Entrepreneurship-Vorlesung (3 LP),
  2. einem der Seminare des Lehrstuhls Entrepreneurship und Technologiemanagement (3 LP bzw. 6 LP) und ggf. 
  3. einer weiteren im Modul aufgeführten Lehrveranstaltung.

Die Seminare des Lehrstuhls sind:

Die letztgenannten drei Seminare finden unregelmäßig statt, da sie im Rahmen von Projekten angeboten werden. 

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung des Moduls beschrieben. Bei Veranstaltungen mit 3 LP im Wahlpflicht- und Ergänzungsangebot ergibt sich die Gesamtnote zu 1/2 aus der Entrepreneurship-Vorlesung, 1/4 aus einem der Seminare des Lehrstuhls mit 3 LP und 1/4 einer weiteren im Modul zugelassenen Veranstaltung mit 3 LP. Falls im Wahlpflicht- oder im Ergänzungsangebot eine Veranstaltung mit 6 LP gewählt wird, fließt diese mit dem Gewicht 1/2 in die Gesamtnotenbildung ein. Die Gesamtnote wird nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden sind mit den Grundzügen und Inhalten von Entrepreneurship vertraut und idealerweise in die Lage versetzt, während beziehungsweise nach ihrem Studium ein Unternehmen zu gründen. Die Veranstaltungen sind daher modular sequentiell gegliedert, obschon sie grundsätzlich auch parallel besucht werden können. Hierbei werden die Fähigkeiten vermittelt, Geschäftsideen zu generieren, Erfindungen zu Innovationen weiterzuentwickeln, Geschäftspläne für Gründungen zu verfassen und Unternehmensgründungen erfolgreich durchzuführen. In der Vorlesung werden hierzu die Grundlagen des Themengebiets Entrepreneurship erarbeitet, in den Seminaren werden einzelne Inhalte schwerpunktmäßig vertieft. Lernziel insgesamt ist es, dass Studierende befähigt werden, Geschäftsideen zu entwickeln und umzusetzen.

Inhalt

Die Vorlesungen bilden die Grundlage des Moduls und geben einen Überblick über die Gesamtthematik. Die Seminare vertiefen die Phasen der Gründungsprozesse, insbesondere der Identifikation von Gelegenheiten, der Entwicklung eines Wertversprechens (insbesondere auf der Grundlage von Erfindungen und technischen Neuerungen), des Entwurfs eines Geschäftsmodells, der Geschäftsplanung, der Führung einer Neugründung, der Umsetzung einer Visionen sowie der Akquisition on Ressourcen und der Handhabung von Risiken. Die Vorlesung Entrepreneurship bildet hierzu einen übergreifenden und verbindenden Rahmen.

Anmerkungen

Bitte beachten Sie: Seminare, die von Herrn Prof. Terzidis (oder den Mitarbeitenden seiner Forschungsgruppe) angeboten werden, sind nicht für die Anrechnung in einem Seminarmodul der WiWi-Studiengänge zugelassen. Ausnahme: Seminar „Entrepreneurship-Forschung“.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Keine

Modul: Ergänzungsfach Biologie [M-CHEMBIO-101957]

Verantwortung:
Prof. Dr. Jörg Kämper
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: Ergänzungsfach / Biologie
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jährlich
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-CHEMBIO-100180 Grundlagen der Biologie WS 4 Nick
T-CHEMBIO-103675 Molekularbiologie und Genetik 5 Kämper, Requena Sanchez
Erfolgskontrolle(n)

Die Erfolgskontrolle in diesem Modul umfasst zwei schriftliche Prüfungen zu den Vorlesungen "Grundlagen der Biologie" und "Molekularbiologie und Genetik", beide Examen dauern 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können folgende biologischen Grundlagen nachvollziehen und diese auf einer einfachen Ebene miteinander in Beziehung setzen, um grundlegende Phänomene der Biologie zu erklären:

In der Vorlesung Molekularbiologie und Genetik vertiefen die Studierenden ihr Wissen um die molekularen Grundlagen des Lebens und die technischen Möglichkeiten, Lebewesen über Veränderung ihrer Gene oder deren Expression zu manipulieren.

Inhalt

Die Vorlesung Grundlagen der Biologie gibt eine allgemeine Einführung in die Grundlagen der Biologie. Dazu gehören die molekularen Grundlagen von Zellbiologie und Genetik ebenso wie Morphologie und Anatomie von Tieren und Pflanzen und die Mechanismen der Evolution.

Das Vorlesungen Molekulare Biologie und Genetik vertiefen die molekularen Grundlagen der modernen Biologie.

Arbeitsaufwand

Zur Bearbeitung zählt die Vor- und Nachbereitung der Vorlesung und das Lernen auf die Klausur.

Lehr- und Lernformen

Vorlesung

Literatur

Grundlagen der Biologie

Genetik:

Molekularbiologie:

Modul: Explainable Artificial Intelligence [M-INFO-106302]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.10.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2023)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.10.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112774 Explainable Artificial Intelligence SS 3 Lioutikov
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

• Students are able to understand problems and challenges of XAI
• Students can identify and differentiate different types and approaches of XAI
• Students can implement various XAI approaches
• Students understand current research questions and directions of XAI

Inhalt

Recent advances in Machine Learning and Deep Learning in particular have lead to the imminent introduction of AI agents into a wide variety of applications. However, the apparent “black-box” nature of these approaches hinders their application in both critical systems and close human-robot interactions. The sub-field of eXplainable Artificial Intelligence (XAI) aims to address this shortcoming. This lecture will introduce and discuss various concepts and methods of XAI and consider them from perspective of Robot Learning and Human-Robot Interaction.
The lecture will start with a (brief) introduction into relevant deep learning approaches, before discussing interpretable scene, task and behavior representations. Afterward the lecture will consider itself with Data-Driven and Goal-Driven AI. Finally, first approaches that incorporate XAI and XAI-based human feedback directly into the learning process itself will be discussed. An exemplary list of topics is given below:

• Introduction to XAI
◦ Interpretable Machine Learning vs Explainable Machine Learning

• Primer / Introduction to relevant Deep Learning Concepts
◦ MLPs and CNNs
◦ Graph Neural Networks
◦ Transformers
◦ Diffusion Models
◦ Score Based Methods

• Interpretable Structures
◦ Scene Representations
◦ Task Representations
◦ Behavior Representations
• Data-Driven Explainable AI: XAI Methods for
◦ Shapley Values
◦ Saliency Maps
◦ Concept Activation Vectors
◦ Linguistic Neuron Annotation

• Goal-Driven Explainable AI: XAI Methods for
◦ Generative Explaining Models
◦ Behavior Verbalization
◦ Behavior Visualization

• Interactive Learning
◦ Integrating Human Feedback
◦ Explanatory Interactive Learning

Arbeitsaufwand

Workload = 90h = 3 ECTS
- ca 30h lecture attendance
- ca 30h post-processing
- ca 30h exam preparation

Empfehlungen

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python / PyTorch experience could be beneficial when we discuss practical examples/implementations.

Modul: Extremwerttheorie [M-MATH-102939]

Verantwortung:
Prof. Dr. Vicky Fasen-Hartmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105908 Extremwerttheorie 5 Fasen-Hartmann
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine.

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+1 SWS)

Modul: Finance 1 [M-WIWI-101482]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Voraussetzung für: M-WIWI-101483 - Finance 2
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-102643 Derivate SS 4,5 Uhrig-Homburg
T-WIWI-102621 Valuation WS 4,5 Ruckes
T-WIWI-102647 Asset Pricing SS 4,5 Ruckes, Uhrig-Homburg
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

In den Veranstaltungen des Moduls werden den Studierenden zentrale ökonomische und methodische Kenntnisse der modernen Finanzwirtschaft vermittelt. Es werden auf Finanz- und Derivatemärkten gehandelte Wertpapiere vorgestellt und häufig angewendete Handelsstrategien diskutiert.Ein weiterer Schwerpunkt liegt in der Beurteilung von Erträgen und Risiken von Wertpapierportfolios sowie in der Beurteilung von unternehmerischen Investitionsprojekten aus finanzwirtschaftlicher Sicht.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Finance 2 [M-WIWI-101483]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
12
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-113469 Advanced Corporate Finance SS 4,5 Ruckes
T-WIWI-114979 Advanced Quantitative Finance SS 4,5 Thimme
T-WIWI-102647 Asset Pricing SS 4,5 Ruckes, Uhrig-Homburg
T-WIWI-110995 Bond Markets WS 4,5 Uhrig-Homburg
T-WIWI-110997 Bond Markets - Models & Derivatives WS 3 Uhrig-Homburg
T-WIWI-110996 Bond Markets - Tools & Applications WS 1,5 Uhrig-Homburg
T-WIWI-109050 Corporate Risk Management Unregelm. 4,5 Ruckes
T-WIWI-102643 Derivate SS 4,5 Uhrig-Homburg
T-WIWI-110797 eFinance: Informationssysteme für den Wertpapierhandel WS 4,5 Weinhardt
T-WIWI-102623 Finanzintermediation WS 4,5 Ruckes
T-WIWI-102646 Internationale Finanzierung s. Anm. 3 Uhrig-Homburg
T-WIWI-102621 Valuation WS 4,5 Ruckes
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Das Modul Finance 2 kann erst begonnen werden, wenn das Modul Finance 1 erfolgreich abgeschlossen wurde. Über Ausnahmen entscheidet der Prüfungsausschuss. Studierende sollten sich dazu bereits vor dem Erreichen der Zulassungsvoraussetzungen mit dem Prüfungssekretariat der KIT‑Fakultät für Wirtschaftswissenschaften in Verbindung setzen, um die Belegungs‑ und Prüfungsplanung zu besprechen. Folgende Regelungen sind dabei zu beachten:

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-WIWI-101482 - Finance 1 muss erfolgreich abgeschlossen worden sein.
Qualifikationsziele

Der/die Studierende ist in der Lage, fortgeschrittene ökonomische und methodische Fragestellungen der Finanzwirtschaft zu erläutern, zu analysieren und Antworten darauf abzuleiten.

Inhalt

Das Modul Finance 2 baut inhaltlich auf dem Modul Finance 1 auf. In den Modulveranstaltungen werden den Studierenden weiterführende ökonomische und methodische Kenntnisse der modernen Finanzwirtschaft auf breiter Basis vermittelt.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 1,5 Credits ca. 45h, für Lehrveranstaltungen mit 3 Credits ca. 90h und für Lehrveranstaltungen mit 4,5 Credits ca. 135h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Fine-Grained Complexity Theory & Algorithms [M-INFO-106644]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2024)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2024)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2024)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113391 Fine-Grained Complexity Theory & Algorithms Unregelm. 6 Künnemann-Goos
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of fundamental algorithmic barriers in the polynomial-time and exponential-time regimes.
They are able to use fine-grained reductions to relate the time complexity of different problems. They can derive conditional lower bounds from such reductions, based on established hardness assumptions.
Furthermore, they know about the techniques underlying the fastest known algorithms for central problems in the field.


Inhalt

- fine-grained reductions:
    -- conditional lower bounds
    -- main techniques for obtaining such reductions
- central hardness assumptions and their applications: 
    -- (Strong) Exponential Time Hypothesis
    -- Orthogonal Vectors Hypothesis
    -- 3SUM Hypothesis
    -- APSP Hypothesis
- conditional lower bounds for string problems, algorithmic graph theory, geometry
- algorithmic techniques:
    -- fastest known algorithms for central problems (SAT, Orthogonal Vectors, 3SUM, APSP)
    -- polynomial method
    -- applications of fast matrix multiplication
    -- Fast Fourier Transform/polynomial multiplication

Arbeitsaufwand

Lecture with exercises, 4 SWS, 6 CP
6 CP amounts to 180 h, distributed as follows:
- about 60 h attendance of lectures and exercise sessions
- about 30 h of preparation and reviewing course material
- about 60 h solving exercise sheets
- about 30 h exam preparation

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Modul: Formale Systeme [M-INFO-100799]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101336 Formale Systeme WS 6 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Logikbasierte Methoden spielen in der Informatik in zwei Bereichen eine wesentliche Rolle: (1) zur Entwicklung, Beschreibung und Analyse von IT-Systemen und (2) als Komponente von IT-Systemen, die diesen die Fähigkeit verleiht, die umgebende Welt zu analysieren und Wissen darüber abzuleiten.

Dieses Modul

von Systemen und Strukturen bzw. deren Eigenschaften.

Mehrere verschiedene Logiken werden vorgestellt, ihre Syntax und Semantik besprochen sowie dazugehörige Kalküle und andere Analyseverfahren eingeführt. Zu den behandelten Logiken zählen insbesondere die klassische Aussagen- und Prädikatenlogik sowie Temporallogiken wie LTL oder CTL.

Die Frage der praktischen Anwendbarkeit der vorgestellten Logiken und Kalküle auf Probleme der Informatik spielt in dieser Vorlesung eine wichtige Rolle. Der Praxisbezug wird insbesondere auch durch praktische Übungen (Praxisaufgaben) hergestellt, im Rahmen derer Studierende die Anwendung aktueller Werkzeuge (z.B. des interaktiven Beweisers KeY) auf praxisrelevante Problemstellungen (z.B. den Nachweis von Programmeigenschaften) erproben können.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 180h.

Der Aufwand setzt sich zusammen aus:

34,5h = 23 * 1,5hVorlesung (Präsenz)

10,5h = 7 * 1,5h Übungen (Präsenz)

60h Vor- und Nachbereitung, insbes. Bearbeitung der Übungsblätter

40h Bearbeitung der Praxisaufgaben

35h Klausurvorbereitung

Empfehlungen

Siehe Teilleistungen.

Modul: Formale Systeme II: Anwendung [M-INFO-100744]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101281 Formale Systeme II: Anwendung SS 5 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Methoden für die formale Spezifikation und Verifikation – zumeist auf der Basis von Logik und Deduktion – haben einen hohen Entwicklungsstand erreicht. Es ist zu erwarten, dass sie zukünftig traditionelle Softwareentwicklungsmethoden ergänzen und teilweise ersetzen werden. Die logischen Grundlagen – wie sie im Stammmodul „Formale Systeme“ vermittelt werden – ähneln sich für verschiedene formale Systeme. Zum erfolgreichen praktischen Einsatz müssen die Methoden und Werkzeuge aber auf die jeweiligen Anwendungen und deren charakteristische Eigenschaften abgestimmt sein. Dies betrifft sowohl die Formalismen zur Spezifikation als auch die zur Verifikation verwendeten Techniken. Auch stellt sich bei der praktischen An­wendung die Frage nach der Skalierbarkeit, Effizienz

In der Lehrveranstaltung werden etwa fünf typische Spezifikations- und Verifikationsmethoden und -werkzeuge und die für sie jeweils typischen Anwendungsszena­rien vorgestellt. Die den Methoden zugrundeliegenden theoretischen Konzepte werden vorgestellt. Ein wesentliches Element der Lehrveranstaltung ist, dass die Studierenden mit Hilfe kleiner Anwendungsfälle lernen, die Methoden und Werkzeuge praktisch anzuwenden.

Beispiele für Methoden und Werkzeuge, die vorgestelt werden können, sind:

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 150 Stunden.

Der Aufwand setzt sich zusammen aus:

22,5h = 15 * 1,5 -  Vorlesung (Präsenz)
12h    =   8 * 1,5h - Übungen (Präsenz)
35h    Vor- und Nachbereitung der Vorlesung
12h  Installation der verwendeten formalen Systeme und Einarbeitung
30h  Lösen von praktischen Aufgaben
38,5h  Vorbereitung auf die Prüfung

Empfehlungen

Siehe Teilleistung.

Modul: Formale Systeme II: Theorie [M-INFO-100841]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101378 Formale Systeme II: Theorie SS 5 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach Abschluss des Moduls verfügen Studierende über folgende Kompetenzen. Sie …

Inhalt

Diese Modul vermittelt weitergehenden und vertiefte Kenntnisse und Kompetenzen im Bereich der Formalen Logik; es baut auf dem Stammmodul „Formale Systeme“ auf. Den Fokus des Moduls „Formale Systeme II – Theorie“ bilden dabei theoretische Konzepte und Methoden (während sich das Modul „Formale Systeme II – Anwendung“ auf deren Anwendung konzentriert.

Thema sind theoretische Konzepte und Methoden (bspw.Kalküle) aus Teilbereichen der Formalen Logik, wie beispielsweise:

Arbeitsaufwand
Der Gesamtarbeitsaufwand für dieses Modul beträgt 150 Stunden.

Der Aufwand setzt sich zusammen aus:

22,5h = 15 * 1,5h Vorlesung (Präsenz)

12h = 8 * 1,5h Übungen (Präsenz)

70h Vor- und Nachbereitung der Vorlesung

Empfehlungen

Siehe Teilleistung

Modul: Forschungspraktikum Autonome Lernende Roboter [M-INFO-105378]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2020)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110861 Forschungspraktikum Autonome Lernende Roboter SS 6 Neumann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studenten lernen komplexe wissenschaftliche Themengebiete zu verstehen, zu hinterfragen und veröffentlichte Resultate zu reproduzieren und zu überprüfen.  Die Studenten erlangen ein vertieftes Wissen im Bereich des Lernens mit Robotern und Erfahrung mit dem Einsatz von neuartigen Lernverfahren.

Inhalt

Each student has to choose one of the offered topics from the area of robot learning / reinforcement learning / imitation learning or deep learning for robotics. The students will conduct a literature survey to acquire an understanding of the field and then implement one or several algorithms. The algorithms need to be evaluated against available baselines on standard benchmark tasks as well as on (custom-made) physically realistic simulations and/or a real robot platform. The experiments have to be documented in a report.

Arbeitsaufwand

180h

Empfehlungen

Experience in Machine Learning is recommended.

Modul: Fundamentals of Optics and Photonics [M-PHYS-101927]

Verantwortung:
Prof. Dr. David Hunger
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-103630 Fundamentals of Optics and Photonics - Unit 0 Hunger, Kreysing, Lemmer
T-PHYS-103628 Fundamentals of Optics and Photonics WS 9 Hunger, Kreysing, Lemmer
Erfolgskontrolle(n)

written exam, duration 120 minutes

The written exam is scheduled for the beginning of the break after the WS. A resit exam is offered at the end of the break. A test exam is offered before the Christmas holidays.

Voraussetzungen

One exercise sheet is handed out to the students as homework each week. Solutions of the problems have to be submitted

Qualifikationsziele

he students from different backgrounds refresh and elaborate their knowledge of basic optics and photonics. They comprehend the physics of optical phenomena and their application in simple optical components. They learn how to describe physical laws in a mathematical form and how to verify these laws in experiments, i.e. they acquire scientific methodology. They train to solve problems in basic and applied optics & photonics by mathematical evaluation of physical laws.

The students

Inhalt

I. Introduction (Ray Optics; Wave Optics; Photons)

II. Beam Optics (Gaussian Modes, Effect of Optical Components on Gaussian Beams)

III. Polarization and Optical Anisotropy (Polarization, Jones Vectors and Matrizes; Birefringence and its Applications; Optical Activity; Induced Anisotropy and Modulators)

IV. Coherence, Interference and Diffraction (Spatial and Temporal Coherence, Fourier Transformation, Correlation Functions, Interference; Interferometer; Fourier Spectroscopy; Multi-Beam Interference, Fabry-Perot, Dielectric and Bragg Mirrors; Diffraction at Slit, Aperture and Grating; Fresnel and Fraunhofer Diffraction; Fourier Optics; Diffraction-Limited Resolution; Spectrometer; Diffractive Optics, Holography)

V. Light and Matter (Lorentz Oscillator Model, Dielectric Function, Polariton Propagation; Kramers-Kronig Relations; Two-Level Systems, Einstein Coefficients, Fermi‘s Golden Rule)

VI. Laser: Basic Principles (Components of a Laser, Types of Lasers; Short-Pulse Generation)

Arbeitsaufwand

total 240 h, hereof 90h contact hours (60h lecture, 30h problem class), and 150h homework and self-studies

Empfehlungen

Solid mathematical background, basic knowledge in physics

Lehr- und Lernformen

Lecture (including de-monstration experiments) and problem class

Literatur

D. Meschede: Optics, Light and Lasers

B.E.A. Saleh, M.C.Teich: Fundamentals of Photonics

F.G. Smith, T.A. King and D. Wilkins: Optics and Photonics, An Introduction

Modul: Funktionalanalysis [M-MATH-101320]

Verantwortung:
Prof. Dr. Roland Schnaubelt
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-102255 Funktionalanalysis WS 9 Frey, Herzog, Hundertmark, Lamm, Reichel, Schnaubelt, Tolksdorf
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können im Rahmen der metrischen Räume topologische Grundbegriffe wie Kompaktheit erklären und in Beispielen anwenden. Sie sind in der Lage Hilbertraumstrukturen zu beschreiben und in Anwendungen zu verwenden. Sie können das Prinzip der gleichmäßigen Beschränktheit, den Banachschen Homomorphisatz und den Satz von Hahn-Banach wiedergeben und aus ihnen Folgerungen ableiten. Die Theorie dualer Banachräume, (insbesondere schwache Konvergenz, Reflexivität und Banach-Alaoglu) können sie beschreiben und in Beispielen diskutieren. Sie sind in der Lage einfache funktionalanalytische Beweise zu führen. Sie können den Spektralsatz für kompakte, selbstadjungierte Operatoren erläutern.

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Literatur

D. Werner, Funktionalanalysis

Modul: Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie [M-INFO-100725]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101262 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie WS+SS 3 Asfour, Spetzger
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Nach erfolgreichem Besuch der Lehrveranstaltung haben die Studierenden ein Grundverständnis und Basisformationen über den Aufbau und die komplexe Funktionsweise des Gehirns und des zentralen Nervensystems (ZNS). Grundzüge der Neurophysiologie sowie der Sinnesfunktionen und insbesondere der technisch komplexen Diagnostik am Gehirn und ZNS werden erlernt. Zudem erlangen die Studierenden Grundlagen moderner Therapiemodalitäten bei verschiedenen neurologischen und neurochirurgischen Krankheitsbildern und sind in der Lage die Anwendung und den Einsatz unterschiedlicher medizintechnischer Gerätschaften und Apparate zu verstehen. Der Überblick über die moderne Neuromedizin erlaubt ein fachübergreifendes Erkennen und Analysieren von Problemen und gestattet die Umsetzung theoretischer Modelle in einen konkreten Praxisbezug.

Inhalt

Die Lehrveranstaltung vermittelt einen Überblick über die Neuromedizin und bewirkt ein grundsätzliches Verständnis für die Sinnes- und Neurophysiologie, was eine wichtige Schnittstelle zu den innovativen Forschungsgebieten der Neuroprothetik (optische, akustische Prothesen) darstellt. Zudem besteht hier ebenso eine enge Anbindung zu den motorischen Systemen in der Robotik. Weitere Verknüpfungen bestehen zu den Bereichen der Bildgebung und Bildverarbeitung, der intraoperativen Unterstützungssysteme. Es wird ein Praxisbezug hergestellt sowie konkrete Anwendungsbeispiele in der medizinischen Diagnostik und Therapie dargestellt.

Arbeitsaufwand

Vorlesung mit 2 SWS, 3 LP.
3 LP entspricht ca. 90 Stunden, davon
ca. 12 * 2h = 24 Std. Präsenzzeit Vorlesung ca. 12 * 3h = 36 Std. Vor- und Nachbereitungszeit Vorlesung ca. 30 Std. Prüfungsvorbereitung und Präsenz in selbiger

Empfehlungen

Siehe Teilleistung

Modul: Generalisierte Regressionsmodelle [M-MATH-102906]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105870 Generalisierte Regressionsmodelle 5 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Die Vorlesung behandelt grundlegende Modelle der Statistik, die es ermöglichen, Zusammenhänge zwischen Größen zu erfassen. Themen sind:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Statistik" werden dringend empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+1 SWS)

Modul: Geometric Deep Learning [M-INFO-106237]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 19.10.2022)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112662 Geometric Deep Learning WS 6 Stühmer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students gain a theoretical and methodical approach to modern Deep Learning as well as knowledge and experience about the application of Deep Learning methods on networks and graphs

Students are able to apply this knowledge for understanding existing state-of-the-art Deep Learning architectures and for deriving novel architectures from first principles

Inhalt

- This module provides students with both theoretical and practical insights into modern Deep Learning
- In particular, we focus on a novel approach for understanding deep neural networks with mathematical tools from geometry and group theory
- This enables a methodical approach to Deep Learning: starting from first principles of symmetry and invariance, we derive different network architectures for analyzing unstructured sets, grids, graphs, and manifolds
- Topics of the course include: group theory, graph neural networks, convolutional neural networks, applications of geometric deep learning in diverse fields such as geometry processing, molecular dynamics, social networks, game playing (computer Go), processing of text and speech, as well as applications in medicine

Arbeitsaufwand

Lecture with 2 SWS + 2 SWS Tutorial, 6 LP
6 LP corresponds to 180 hours, including
 
1)    Attendance of the course: 22.5h (15x90min slots)
2)    Attendance of the exercise sessions: 22.5h (15x90min slots)
3)    Self-study of course material and work on homework assignments: 60h (4h/week)
4)    Preparation for the exam: 75h (self-study)

Empfehlungen

Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.

Modul: Graph Partitioning and Graph Clustering in Theory and Practice [M-INFO-107211]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114232 Graph Partitioning and Graph Clustering in Theory and Practice Unregelm. 4 Sanders, Ueckerdt
T-INFO-114233 Graph Partitioning and Graph Clustering in Theory and Practice - Practical Unregelm. 1 Sanders, Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The aim of the lecture is to provide students with an initial insight into the problems of graph partitioning and graph clustering and to apply knowledge from graph theory and algorithmics.

On the one hand, the problems that arise are reduced to their algorithmic core and then solved efficiently. On the other hand, various modelling methods and their interpretations are discussed. After successfully completing the course, students will be able to apply the methods and techniques presented autonomously to related problems.

Inhalt

Many applications in computer science involve the clustering and partitioning of graphs, e.g. the finite element method in scientific simulations, digital circuit design, route planning, web graph analysis or the analysis of social networks.

A well-known example where good partitioning of unstructured graphs is needed is parallel processing, where graphs must be partitioned to distribute computations evenly over a given number of processors and minimise communication between them. k processors, the graph must be divided into k blocks of approximately equal size so that the number of edges between the blocks is minimal.
Since many partitioning and clustering problems occur in practice, the problems discussed are introduced and motivated, and both the theoretical and practical aspects of graph partitioning and graph clustering are taught, including heuristics, meta-heuristics, evolutionary and genetic algorithms as well as approximation and streaming algorithms.

Arbeitsaufwand

Lecture with project/experiment with 3 SWS, 5 CP correspond to approx. 150 working hours, of which
approx. 30 hours attending the lecture
approx. 60 hours of preparation and follow-up work
approx. 30 hours working on the project/experiment 
approx. 30 hours exam preparation

Modul: Graphentheorie [M-MATH-101336]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-102273 Graphentheorie Unregelm. 9 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Prüfung (3h).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Um einen Bonus zu bekommen, muss man jeweils 50% der Punkte für die Lösungen der Übungsblätter 1-6 sowie der Übungsblätter 7-12 erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4).

Voraussetzungen

Keine.

Qualifikationsziele

Die Studierenden können grundlegende Begriffe und Techniken der Graphentheorie nennen, erörtern und anwenden. Sie können geeignete diskrete Probleme als Graphen modellieren und Resultate wie Menger's Satz, Kuratowski's Satz oder Turán's Satz, sowie die in den Beweisen entwickelten Ideen, auf Graphenprobleme anwenden. Insbesondere können die Studierenden Graphen hinsichtlich ihrer Kennzahlen wie Zusammenhang, Planarität, Färbbarkeit und Kantenzahl untersuchen. Sie sind in der Lage, Methoden aus dem Bereich der Graphentheorie zu verstehen und kritisch zu beurteilen. Desweiteren können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Der Kurs über Graphentheorie spannt den Bogen von den grundlegenden Grapheneigenschaften, die auf Euler zurückgehen, bis hin zu modernen Resultaten und Techniken in der extremalen Graphentheorie. Insbesondere werden die folgenden Themen behandelt: Struktur von Bäumen, Pfaden, Zykeln, Wegen in
Graphen, unvermeidliche Teilgraphen in dichten Graphen, planare Graphen, Graphenfärbung, Ramsey-Theorie, Regularität in Graphen.

Zusammensetzung der Modulnote

Die Modulnote ist Note der Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Hands-on Bioinformatics Practical [M-INFO-101573]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103009 Hands-on Bioinformatics Practical Unregelm. 3 Stamatakis
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The participants develop and document an open-source tool or pipeline for sequence-based data analysis of biological data. The tool is likely to cover one or more of the main topics of the corresponding lecture and shall be useful to and usable for the biological user community. If possible, the tool should be published in a peer-reviewed scientific journal. Participants learn to work in teams of 2-3 programmers, to use version management tools such as github, to analyse and optimise the runtime behaviour of programs using appropriate tools, to test C/C++ programs for memory leaks (e.g., using valgrind), and to improve the quality of their code using SoftWipe (https://www.nature.com/articles/s41598-021-89495-8). Participants will be able to independently carry out and document larger software projects in the field of bioinformatics and evaluate as well as improve code quality. They are able to write a scientific paper in a team. 

Inhalt

In the practical course,  we jointly develop an open-source tool (algorithms, analysis pipelines, parallelisation) with the aim of providing a new tool that is useful for biology and can be used by biologists at the end of the semester.

Arbeitsaufwand

WWeekly meetings with the supervisor 15 hours + internal team meetings 15 hours + programming time 45 hours + 15 hours writing paper or final report = 90 hours = 3 ECTS

Modul: Hardware Modeling and Simulation [M-ETIT-100449]

Verantwortung:
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100672 Hardware Modeling and Simulation WS 4 Becker, Becker
Erfolgskontrolle(n)

Achievement is examined in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

After completing this module, students will be familiar with different hardware description languages and their applications in various abstraction levels. They will gain knowledge of the SPICE Hardware Description Language and become proficient in building and deriving the analog matrix for spice simulation. In the realm of digital design, they will develop a comprehensive understanding of the hardware description language VHDL, encompassing the VHDL Standard and its extensions, such as VHDL 2008, the 9-valued logic, and the VHDL-AMS standard. Furthermore, students will achieve a profound comprehension of simulator principles, particularly the delta cycle model. They will also grasp the fundamentals of fault simulations for testing fabricated circuits and learn to derive test vectors. Additionally, students will acquire an understanding of higher-level hardware construction languages like Chisel and SystemC.

 

Inhalt

In order to address the complexity of modern chips during development, it is essential to utilize modern hardware description languages. This course offers insights into the various levels of abstraction in these languages. It starts by covering the fundamentals of analog description using SPICE and then progresses through VHDL, VHDL-AMS, and Verilog. Additionally, the course introduces more abstract languages like Chisel and SystemC.

Topics covered in the course are:

 

Zusammensetzung der Modulnote

The module grade results from the grade of the written examination.

Anmerkungen

.

Arbeitsaufwand

The workload is covered by:

  1. Participating in lectures and tutorials: 33h
  2. Preparing and wrap up of the above named units: 66h
  3. Exam preparation and presence: 21h

Sum: 120h = 4 LP

Modul: Hardware Synthesis and Optimization [M-ETIT-106963]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-113922 Hardware Synthesis and Optimization SS 6 Becker
Erfolgskontrolle(n)

The examination takes place within the framework of an oral overall examination (approx. 30 minutes).

Voraussetzungen

none

Qualifikationsziele

Students know the basic steps required for the automated design of optimized digital circuits. They are able to classify them in the Y-chart and assess their complexity. 

They will be able to name and explain the most important approaches for these design steps and evaluate them with regard to optimality and computational effort. This includes the ability to use algorithms for these approaches, e.g. selected graph algorithms, metaheuristics such as simulated annealing. The students are also able to determine their respective runtime complexities.

In addition, they can solve given problems from the field of design automation by selecting a suitable approach based on certain optimization criteria and applying it to the respective problem.

 

Inhalt

The module focuses on teaching the formal and methodological foundations for the automated design of optimized electronic systems. The relevant scientific and methodological properties of the methods used are discussed and their implementation in industrial practice is also taught.

The following topics are covered:

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

 

Arbeitsaufwand

The workload includes (4 SWS):

  1.    1. attendance in lectures and exercises: 60 h
  2.    2. preparation / follow-up:  60 h
  3.    3. preparation of and attendance in examination: 60 h

       A total of 180 h = 6 CR

Empfehlungen

Basic knowledge in the field of digital circuits, e.g. as taught in the course “Digital Technology” (2311615) is helpful.

Modul: Hardware/Software Co-Design [M-ETIT-107444]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114623 Hardware/Software Co-Design WS 6 Harbaum
Erfolgskontrolle(n)

The examination takes place within the framework of an oral overall examination (approx. 25 minutes).

Voraussetzungen

none

Qualifikationsziele

By attending the lecture Hardware/Software Co-Design, students learn the necessary multi-criteria methods and hardware/software target architectures. The theoretical foundations for the interlinked design of hardware and software parts of a system are presented. Attending the lecture contributes to the understanding of these methods of hardware/software co-design and enables students to apply what they have learned to novel problems. 

Students learn about the main target architectures and are able to name their advantages and disadvantages with regard to their applicability in hardware/software co-design. Students will become more familiar with various methods for assessing design quality and will be able to apply these in the early phases of system design. Furthermore, students have an overview of partitioning methods for HW/SW systems, can classify them and know the respective advantages and disadvantages of the methods. Students will be able to select and apply a suitable method for typical HW/SW partitioning problems. In addition, their practical application is demonstrated using various current software and hardware components

By attending the course, students will have a cross-component understanding of the topic of co-design. Furthermore, attending the course enables students to apply the methods presented to problems independently. Tools that are introduces in the course of the lecture can be used for this purpose. The accompanying exercises are intended to consolidate the knowledge acquired in the lectures. Selected topics are repeated and students learn how to apply the methods for modern system design using theoretical and practical examples.

Attending the lecture enables students to independently categorize current scientific work, e.g. theses, and to work on them using the latest methods.

Inhalt

Hardware-software co-design is the simultaneous and interlinked design of hardware and software parts of a system. Most modern embedded systems (examples are cell phones, automotive and industrial control systems, game consoles, home cinema systems, network routers) consist of cooperating hardware and software components. Enabled by rapid advances in microelectronics, embedded systems are becoming increasingly complex with diverse application-specific criteria. The use of appropriate computer-aided design tools is not only necessary to handle the increasing complexity, but also to reduce design costs and design time. The lecture Hardware Software Co-Design deals with the necessary multi-criteria methods and hardware/software target architectures:

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Anmerkungen

New Module with 6 CR, replacing M-ETIT-100453 (4 CR)

Last examination for 4 CR in the first attempt in winter term 25/26

Arbeitsaufwand

The workload includes (4 SWS):

  1. attendance in lectures and exercises: 60 h
  2. preparation / follow-up:  50 h
  3. preparation of and attendance in examination: 70 h

       A total of 180 h = 6 CR

Empfehlungen

Basic knowledge in the fields of digital technology and information technology is helpful.

Lehr- und Lernformen

lecture (3 SWS), exercise (1 SWS)

Modul: Hardware-efficient Artificial Intelligence [M-INFO-107448]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114628 Hardware-efficient Artificial Intelligence WS 3 Henkel, Rapp
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Upon successful completion of the course, participants will be able to:

1. Understand and analyze the challenges of efficiently deploying deep learning models on hardware platforms.
2. Apply optimization techniques to improve the hardware efficiency of deep learning models, specifically to reduce latency, energy consumption, and memory usage.
3. Explain and implement the following methods in practical scenarios:
- Knowledge Distillation
- Neural Architecture Search (NAS)
- Pruning
- Quantization
4. Evaluate and adapt the use of these techniques for both cloud-based and embedded systems.
5. Perform model optimizations while maintaining high task performance.

Inhalt

Deep learning models are ubiquitous in modern applications, from computer vision to natural language processing. However, deploying these models efficiently on hardware platforms remains a significant challenge, leading to increased latency, energy consumption, memory usage, and cost. As deep learning models become larger and more complex, the need for optimization techniques to improve their performance on hardware is more critical than ever. This course discusses the principles and techniques for optimizing deep learning models for hardware deployment, focusing on both cloud and embedded systems.

The course covers various optimization techniques to improve model efficiency, reduce latency, and minimize memory usage while maintaining a high task performance. Precisely, the covered topics include
- Knowledge distillation
- Neural architecture search (NAS)
- Pruning
- Quantization

A basic understanding of deep learning concepts and neural networks is recommended. Furthermore, familiarity with hardware architectures and embedded systems is beneficial but not mandatory.

Arbeitsaufwand

lecture time: 24h
self study: 24h
exam preparation: 42h

total: 90h = 3 ECTS

Empfehlungen

A basic understanding of deep learning concepts and neural networks is expected; familiarity with hardware architectures and embedded systems is helpful but not required. 

Modul: Heterogene parallele Rechensysteme [M-INFO-100822]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101359 Heterogene parallele Rechensysteme WS 3 Karl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

- Die Studierenden sollen vertiefende Kenntnisse über die Architektur und die Operationsprinzipien von parallelen, heterogenen und verteilten Rechnerstrukturen erwerben.
- Sie sollen die Fähigkeit erwerben, parallele Programmierkonzepte und Werkzeuge zur Analyse paralleler Programme anzuwenden.
- Sie sollen die Fähigkeit erwerben, anwendungsspezifische und rekonfigurierbare Komponenten einzusetzen.
- Sie sollen in die Lage versetzt werden, weitergehende Architekturkonzepte und Werkzeuge für parallele Rechnerstrukturen entwerfen zu können.

Inhalt

Moderne Rechnerstrukturen nützen den Parallelismus in Programmen auf allen Systemebenen aus. Darüber hinaus werden anwendungsspezifische Koprozessoren und rekonfigurierbare Bausteine zur Anwendungsbeschleunigung eingesetzt. Aufbauend auf den in der Lehrveranstaltung Rechnerstrukturen vermittelten Grundlagen, werden die Architektur und Operationsprinzipien paralleler und heterogener Rechnerstrukturen vertiefend behandelt. Es werden die parallelen Programmierkonzepte sowie die Werkzeuge zur Erstellung effizienter paralleler Programme vermittelt. Es werden die Konzepte und der Einsatz anwendungsspezifischer Komponenten (Koprozessorkonzepte) und rekonfigurierbarer Komponenten vermittelt. Ein weiteres Themengebiet ist Grid-Computing und Konzepte zur Virtualisierung.

Arbeitsaufwand
1. Präsenzzeit in Vorlesungen, Übungen: 30 h
2. Vor-/Nachbereitung derselbigen 30 h
3. Prüfungsvorbereitung und Präsenz in selbiger: 30
Empfehlungen

Siehe Teilleistung

Modul: HRI and Social Robotics [M-INFO-106650]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113396 HRI and Social Robotics SS 4 Bruno
T-INFO-113397 HRI and Social Robotics - Pass SS 2 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of Human-Robot Interaction (HRI) and Social Robotics, including: design principles and methodologies, human factors influencing HRI (anthropomorphization), sensors, actuators and software architecture for social robotics, challenges and solutions for key abilities of social robots (spatial interaction, engagement detection, non-verbal interaction, verbal interaction, emotion generation and detection), research methods (study design principles, statistical tools for analyses) and have seen state-of-the-art research topics in the field including social learning, theory of mind, trust and ethical considerations in HRI.
Thanks to the exercise sessions and assignments, students gain first-hand knowledge and can independently apply techniques related to the above theory items, including for collecting stakeholders’ feedback for a robot design, programming the robot’s social behaviour along multiple modalities, extracting relevant user information from available sensors, designing and analysing HRI experiments.

Inhalt

The lectures cover all foundational topics in HRI (design principles and methodologies, human factors influencing HRI, sensors, actuators and software architecture for social robotics), challenges and solutions for key abilities of social robots (spatial interaction, engagement detection, non-verbal interaction, verbal interaction, emotion generation and detection), research methods (study design principles, statistical tools for analyses) and state-of-the-art topics including social learning, theory of mind and ethical considerations in HRI.
In the exercise sessions and related assignments students can experience first-hand how the theoretical concepts seen in the lectures can be applied in practice and learn how to collect stakeholders’ feedback for a robot design, program the robot’s social behaviour along multiple modalities, extract relevant user information from available sensors, design and analyse HRI experiments. At the end of the course, the students have a solid understanding of HRI, its principles, challenges and solutions and can autonomously apply such knowledge in practical contexts.

Arbeitsaufwand

Course workload:
1)    Attendance of the course: 22.5h (15x90min slots)
2)    Attendance of the exercise sessions: 22.5h (15x90min slots)
3)    Self-study of course material and work on homework assignments: 60h (4h/week)
4)    Preparation for the exam: 80h

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics is helpful.

Modul: Human Computer Interaction [M-INFO-107166]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114192 Human-Computer-Interaction SS 6 Beigl
T-INFO-114193 Human-Computer-Interaction Pass SS 0 Beigl
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After completing the course, students will be able to
- reproduce basic knowledge about the field of human-machine interaction
- name and apply basic techniques for analysing user interfaces
- apply basic rules and techniques for designing user interfaces
- analyse and evaluate existing user interfaces and their function

Inhalt

Topics are:
1. human information processing (models, physiological and psychological principles, human senses, action processes),
2. design principles and design methods, input and output units for computers, embedded systems and mobile devices,
3. principles, guidelines and standards for the design of user interfaces
4. technical basics and examples for the design of user interfaces (text dialogues and forms, menu systems, graphical interfaces, interfaces in the WWW, audio dialogue systems, haptic interaction, gestures),
5. methods for modelling user interfaces (abstract description of interaction, embedding in requirements analysis and the software design process),
6. evaluation of systems for human-machine interaction (tools, evaluation methods, performance measurement, checklists).
7. practising the above basics using practical examples and developing independent, new and alternative user interfaces.

Arbeitsaufwand

The total workload for this course unit is approx. 180 hours (6.0 credits).

Attendance time: Attendance of the lecture 15 x 90 min = 22 h 30 min
Attendance time: Attendance of the exercise 8 x 90 min = 12 h 00 min
Preparation / follow-up of the lecture 15 x 150 min = 37 h 30 min
Preparation / follow-up of the exercise 8x 360min =48h 00min
Go through slides/script 2x 2 x 12 h =24 h 00 min
Prepare exam = 36 h 00 min

SUM = 180h 00 min

Modul: Human-Centered Information Systems [M-WIWI-106292]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre (EV ab 01.04.2023)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: )
T-WIWI-105777 Business Intelligence Systems WS 4,5 Mädche
T-WIWI-113465 Designing Interactive Systems: Human-AI Interaction SS 4,5 Mädche
T-WIWI-113460 Engineering Interactive Systems: AI & Wearables WS 4,5 Mädche
T-WIWI-113459 Practical Seminar: Human-Centered Systems WS+SS 4,5 Mädche
T-WIWI-115320 Research Course: Virtual Human-AI Collaboration WS 4,5 Mädche, Nieken, Seitz Sänger
Erfolgskontrolle(n)

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Bitte informieren Sie sich über etwaige Voraussetzungen und Empfehlungen bei den einzelnen Veranstaltungen.

Qualifikationsziele

Der/die Studierende

Inhalt

Die auf Basis neuer Informations- und Kommunikationstechnologien erstellten interaktiven Systeme sind in unserem heutigen Berufs- und Privatleben allgegenwärtig. Sie sind zentraler Bestandteil von Smartphones, Geräten im Smart Home, Mobilitätsfahrzeugen sowie an Arbeitsplätzen in der Produktion und in der Verwaltung wie beispielsweise in Dashboards. Mit den kontinuierlich steigenden Fähigkeiten von Computern wird die Gestaltung der Interaktion zwischen Mensch und Computer immer wichtiger. Das Modul fokussiert auf Gestaltungsprozesse und Gestaltungsprinzipien für menschzentrierte Systeme. Die Inhalte des Moduls abstrahieren von der konkreten technischen Umsetzung und legen einen Fokus auf grundlegende Konzepte, Theorien, Praktiken und Methoden für die Gestaltung menschzentrierter Systeme. Die Studierenden werden damit befähigt, entsprechende Systeme zu konzipieren und ihre Umsetzung erfolgreich zu begleiten. Anhand aktueller Beispiele aus Forschung und Praxis wird die Relevanz der bearbeiteten Themen verdeutlicht. Jede Vorlesung wird mit einem praxisorientierten Capstone Project begleitet und mit Praxispartnern gemeinsam durchgeführt. 

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Leistungspunkte).

Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Leistungspunkten ca.135 Stunden.
Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Lehrveranstaltungen finden in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein. ​Die Lehrveranstaltungen sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Modul: Humanoid Robots - Locomotion and Whole-Body Control [M-INFO-106649]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113395 Humanoid Robots - Locomotion and Whole-Body Control WS+SS 6 Mombaur
T-INFO-114282 Humanoid Robots - Locomotion and Whole-Body Control -Pass WS+SS 0 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

By the end of the course, students will be able to:
•    Develop kinematic and dynamic models of humanoid robots 
•    Understand basic principles of human whole-body movement 
•    Control gaits and other whole-body motions for humanoid robots and maintain balance
•    Explain advanced methods for humanoid motion generation, optimization, and learning 
•    Give an overview of the state of the art in locomotion and whole-body control of humanoid robotics
•    Complete a graduate level research project on humanoid robots including simulation and real-robot implementation

Inhalt

This course introduces fundamentals and recent developments in the field of humanoid robotics with a focus on locomotion and whole-body motions. We will cover kinematic and dynamic modeling of anthropomorphic systems, basic concepts of bipedal walking control, stability aspects,  gait generation in different terrains, humanoid balance and push recovery, motion primitives and optimal control-based approaches, motion imitation and learning. The course will also give some insights in basic principles of passive dynamic walking, human motion generation and control and human motion modeling. Students will work with different robotics tools and perform a graduate level research project related to a whole-body humanoid robot.
This module is complementary to the course “4.290 Robotik II - Humanoide Robotik” which focuses on upper body motions and cognitive architectures while this course focuses on the specific aspects of legged humanoids and whole-body motions. The modules can be taken at the same time. 

Zusammensetzung der Modulnote

See partial achievements (Teilleistung)

Anmerkungen

For capacity reasons (supervision of computational projects) , the lecture is limited to 30 students. If necessary, a selection process will be carried out. Places will be allocated taking into account the students'  subject-specific skills.

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
60h - Lecture and exercises (2+2 SWS)
40h - Repetition of lecture contents, preparation of  assignments
80h – Work on final project, documentation and presentation 

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Modul: Humanoid Robots - Seminar [M-INFO-107152]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114170 Humanoid Robots - Seminar WS 3 Asfour
Erfolgskontrolle(n)

See partial Achievements (Teilleistung)

Voraussetzungen

See partial Achievements (Teilleistung)

Qualifikationsziele

The students choose a topic from the field of humanoid robotics, e.g. robot design, motion generation, perception or learning. They conduct a literature research on this topic under the guidance of a scientific supervisor. At the end of the semester, they present the results and write a term paper in English in the form of a scientific publication.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The student gained experience with literature research on a current research topic. He/she explored, understood and compared different approaches to a selected scientific problem. The student is able to write a summary of their literature research in the form of a scientific publication in English and to give a scientific talk on it.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP
3 LP corresponds to 90 hours, including
45 hours literature research
25 hours manuscript preparation
10 hours preparation of the presentation
10 hours attendance time

Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III – Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Modul: Industrielle Produktion II [M-WIWI-101471]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-114618 Design and Operation of Industrial Plants and Processes WS 5,5 Schultmann
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-114057 Circular Economy – Challenges and Potentials SS 3,5 Schultmann
T-WIWI-102634 Emissionen in die Umwelt WS 3,5 Karl
T-WIWI-112103 Global Manufacturing WS 3,5 Sasse
T-WIWI-113107 Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext WS 3,5 Schultmann
T-WIWI-103134 Project Management WS 3,5 Schultmann
T-WIWI-102826 Risk Management in Industrial Supply Networks WS 3,5 Schultmann
T-WIWI-102763 Supply Chain Management with Advanced Planning Systems SS 3,5 Bosch, Göbelt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 SPO) über die Kernvorlesung "Design and Operation of Industrial Plants and Processes" und eine weitere Lehrveranstaltung des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 LP). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3,5 LP ca. 105h, für Lehrveranstaltungen mit 5,5 LP ca. 165h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Industrielle Produktion III [M-WIWI-101412]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
7
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-102632 Produktions- und Logistikmanagement SS 5,5 Schultmann
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-114057 Circular Economy – Challenges and Potentials SS 3,5 Schultmann
T-WIWI-102634 Emissionen in die Umwelt WS 3,5 Karl
T-WIWI-112103 Global Manufacturing WS 3,5 Sasse
T-WIWI-113107 Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext WS 3,5 Schultmann
T-WIWI-103134 Project Management WS 3,5 Schultmann
T-WIWI-102826 Risk Management in Industrial Supply Networks WS 3,5 Schultmann
T-WIWI-102763 Supply Chain Management with Advanced Planning Systems SS 3,5 Bosch, Göbelt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 SPO) über die Kernvorlesung Produktions- und Logistikmanagement [2581954] und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Inhalt

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. 

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Die Kurse sind so konzipiert, dass sie unabhängig voneinander gehört werden können. Daher kann sowohl im Winter- als auch im Sommersemester mit dem Modul begonnen werden.

Empfohlen, aber nicht zwingend notwendig, ist die Kombination der Module Industrielle Produktion III, Industrielle Produktion I (Bachelor) und Industrielle Produktion II (Master).

Dringend empfohlen werden Kenntnisse aus den Pflichtveranstaltungen in BWL, Ingenieurwissenschaften, Operations Research und Informatik.

Modul: Innovationsmanagement [M-WIWI-101507]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
15
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-102893 Innovationsmanagement: Konzepte, Strategien und Methoden SS 3 Weissenberger-Eibl
Wahlpflichtangebot (Wahl: 1 Bestandteil)
T-WIWI-113663 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen Unregelm. 3 Weissenberger-Eibl
T-WIWI-111823 Erfolgreiche Transformation durch Innovation SS 3 Busch
T-WIWI-102852 Fallstudienseminar Innovationsmanagement WS 3 Weissenberger-Eibl
T-WIWI-110263 Methoden im Innovationsmanagement Unregelm. 3 Weissenberger-Eibl
T-WIWI-114184 Pioneering Leadership im deutschen Mittelstand Unregelm. 3 Weissenberger-Eibl
T-WIWI-115243 Transformationsprozesse in komplexen Systemen am Beispiel von KI und Gesundheit Unregelm. 3 Walter
T-WIWI-114748 Wissenschaftskommunikation im Innovationsprozess Unregelm. 3 Schwind
Ergänzungsangebot (Wahl: 1 Bestandteil)
T-WIWI-102866 Design Thinking Unregelm. 3 Terzidis
T-WIWI-102864 Entrepreneurship WS+SS 3 Terzidis
T-WIWI-111823 Erfolgreiche Transformation durch Innovation SS 3 Busch
T-WIWI-102852 Fallstudienseminar Innovationsmanagement WS 3 Weissenberger-Eibl
T-WIWI-110263 Methoden im Innovationsmanagement Unregelm. 3 Weissenberger-Eibl
T-WIWI-114184 Pioneering Leadership im deutschen Mittelstand Unregelm. 3 Weissenberger-Eibl
T-WIWI-115243 Transformationsprozesse in komplexen Systemen am Beispiel von KI und Gesundheit Unregelm. 3 Walter
T-WIWI-114748 Wissenschaftskommunikation im Innovationsprozess Unregelm. 3 Schwind
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Kernveranstaltung und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung des Moduls beschrieben.

Die Gesamtnote ergibt sich zu 50% aus der Vorlesung „Innovationsmanagement: Konzepte, Strategien und Methoden“, zu 25% aus einem der Seminare des Lehrstuhls für Innovations- und Technologiemanagement und zu 25% aus einer weiteren im Modul zugelassenen Veranstaltung. Die Gesamtnote wird nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Die Vorlesung „Innovationsmanagement: Konzepte, Strategien und Methoden“ sowie eines der Seminare des Lehrstuhls für Innovations- und Technologiemanagement sind Pflicht. Die dritte Veranstaltung kann frei aus den im Modul enthaltenen Lehrveranstaltungen gewählt werden.

Qualifikationsziele

Der/ Die Studierende soll ein umfassendes Verständnis für den Innovationsprozess und seine Bedingtheit entwickeln. Weiterhin wird auf Konzepte und Prozesse, die im Hinblick auf die Gestaltung des Gesamtprozesses von besonderer Bedeutung sind, fokussiert. Davon ausgehend werden verschiedene Strategien und Methoden vermittelt.

Nach Abschluss des Moduls sollten die Studierenden ein systemisches Verständnis des Innovationsprozesses entwickelt haben und diesen durch Anwendung und Entwicklung geeigneter Methoden gestalten können.

Inhalt

In der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden werden ein systemisches Verständnis des Innovationsprozesses und für das Gestalten des Prozesses geeignete Konzepte, Strategien und Methoden vermittelt. Ausgehend von diesem ganzheitlichen Verständnis stellen die Seminare Vertiefungen dar, in denen sich dezidiert mit spezifischen, für das Innovationsmanagement zentralen, Prozessen und Methoden auseinandergesetzt wird.

Anmerkungen

Seminare, die von Herrn Prof. Terzidis (oder den Mitarbeitenden seiner Forschungsgruppe) angeboten werden, sind nicht für die Anrechnung in einem Seminarmodul der WiWi-Studiengänge zugelassen. Ausnahme: Seminar „Entrepreneurship-Forschung“.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Empfehlungen

Keine

Modul: Innovative Konzepte zur Programmierung von Industrierobotern [M-INFO-100791]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101328 Innovative Konzepte zur Programmierung von Industrierobotern SS 4 Hein
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Qualifikationsziele: Die Teilnehmer kennen neuartige Herangehensweisen bei der Programmierung von Industrierobotern und sind in der Lage diese geeignet auswählen, einzusetzen und Aufgabenstellungen in diesem Kontext selbständig zu bewältigen.

Lernziele:

- beherrschen die theoretischen Grundlagen, die für den Einsatz modellgestützter Planungsverfahren (Kollisionsvermeidung, Bahnplanung, Bahnoptimierung, Kalibrierung) notwendig sind.

- beherrschen im Bereich der Off-line Programmierung aktuelle Algorithmen und modellgestützte Verfahren zur kollisionsfreien Bahnplanung und Bahnoptimierung.

- besitzen die Fähigkeit die behandelten Verfahren zu analysieren und zu beurteilen, wann und in welchem Kontext diese einzusetzen sind.

- Die Teilnehmer können die behandelten Planungs- und Optimierungsverfahren anhand von gegebenem Pseudocode in der Programmiersprache Python implementieren (400 - 800 Zeilen Code) und graphisch analysieren. Sie sind in der Lage für die Verfahren Optimierungen abzuleiten und diese Verfahren selbständig weiterzuentwickeln.

Inhalt

Die fortschreitende Leistungssteigerung heutiger Robotersteuerungen eröffnet neue Wege in der Programmierung von Industrierobotern. Viele Roboterhersteller nutzen die frei-werdenen Leistungsressourcen, um zusätzliche Modellberechnungen durchzuführen. Die Integration von Geometriemodellen auf der Robotersteuerung ermöglicht beispielsweise Kollisionserkennung bzw. Kollisionsvermeidung während der händischen Programmierung. Darüber hinaus lassen sich diese Modelle zur automatischen kollisionsfreien Bahnplanung und Bahnoptimierung heranziehen. Vor diesem Hintergrund vermittelt dieses Modul nach einer Einführung in die Themenstellung die theoretischen Grundlagen im Bereich der Kollisionserkennung, automatischen Bahngenerierung und –optimierung unter Berücksichtigung der Fähigkeiten heutiger industrieller Robotersteuerungen. Die behandelten Verfahren werden im Rahmen kleiner Implementierungsaufgaben in Python umgesetzt und evaluiert.

Arbeitsaufwand

(2 SWS + 2,5 x 2 SWS) x 15 + 15 h Klausurvorbereitung = 120h/30 = 4 ECTS

Aufwand 2,5/SWS entsteht insbesondere durch die geforderte Implementierung der Verfahren in Python.

Empfehlungen

Siehe Teilleistung

Modul: Integrierte Intelligente Sensoren [M-ETIT-100457]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100961 Integrierte Intelligente Sensoren SS 3 Stork
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Durch die Vorlesung soll den Studenten ein Einblick in das weite Feld der Anwendungsmöglichkeiten intelligenter Sensorsysteme und deren wirtschaftlicher Bedeutung vermittelt werden.

Die Studierenden

Inhalt

In der Vorlesung werden Anwendungen verschiedener Mikrotechniken für Sensortechnologien, wie z.B. der Mikrooptik oder der Mikromechanik, anhand von aktuellen Beispielen aus Industrie und Forschung dargestellt. Die Hauptthemen der Vorlesung sind Mikrosensoren mit integrierter Signalverarbeitung („Smart Sensors“) für Anwendungen sowohl in der Automobilindustrie und der Fertigungsindustrie als auch im Umweltschutz und der biomedizinischen Technik.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen, Übungen: 30 h

2. Vor-/Nachbereitung derselbigen: 30 h

3. Klausurvorbereitung und Präsenz in selbiger: 30h

Modul: Interaktive Computergrafik [M-INFO-100732]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101269 Interaktive Computergrafik SS 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen in dieser Vorlesung wichtige Algorithmen und Verfahren für interaktive Computergrafik und Echtzeit-Computergrafik kennen, können diese verstehen und bewerten. Die erworbenen Kenntnisse sind in vielen Bereichen der Forschung in der Computergrafik und bei der Entwicklung von computergrafischen Anwendungen, interaktiven Visualisierungen, (Serious) Games und Simulatoren/Virtual Reality wichtig. Die Studierenden können geeignete Rendering-Verfahren für einen gegebenen Einsatzzweck auswählen und selbst implementieren.

Inhalt

Algorithmen und Verfahren der interaktiven Computergrafik. Die Themen sind unter anderem: Programmierung von Grafik-Hardware mittels OpenGL, Culling und Level-of-Detail Verfahren, effiziente Schatten- und Beleuchtungsverfahren, Deferred Shading und Bildraumverfahren, Voxeldarstellungen, Precomputed Radiance Transfer, Tessellierung.

Arbeitsaufwand

60h = Präsenzzeit

70h = Vor-/Nachbereitung 

20h = Klausurvorbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergrafik.

Modul: Internet of Everything [M-INFO-100800]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV bis 31.03.2027)
Vertiefungsfach 2 / Telematik (EV bis 31.03.2027)
Wahlbereich Informatik (EV bis 31.03.2027)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101337 Internet of Everything WS 4 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

Students know the platforms and applications of the Internet of Everything. Students have an understanding the challenges of designing protocols and applications for the IoE.

Students know and understand the risks to the privacy of users of the future IoE. They know protocols and mechanisms to enable future applications, such as smart metering and smart traffic, while protecting the privacy of users.

Students know and understand classic sensor network protocols and applications, such as media access procedures, routing protocols, transport protocols and mechanisms for topology control. Students know and understand the interaction of individual communication layers and the influence on, for example, the energy requirements of the systems.

Students know protocols for the Internet of Things such as 6LoWPAN, RPL, CoAP and DICE. Students understand the challenges and assumptions that have led to the standardization of protocols.

Students have a basic understanding of security technologies in IoE. They know typical protection goals and attacks, as well as building blocks and protocols to implement the protection goals.

Inhalt

The lecture deals with selected protocols, architectures, procedures and algorithms that are essential for IoE. In addition to classic topics from the field of wireless sensor-actuator networks, such as media access and routing, this also includes new challenges and solutions for the security and privacy of transmitted data in IoE. Socially and legally relevant aspects are also addressed.

Anmerkungen

Offered for the last time in WS 26/27!!!!!

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Empfehlungen

See partial achievements (Teilleistung) 

Modul: Introduction to Bioinformatics for Computer Scientists [M-INFO-100749]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Voraussetzung für: T-INFO-101287 - Seminar: Hot Topics in Bioinformatics
T-INFO-103009 - Hands-on Bioinformatics Practical
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101286 Introduction to Bioinformatics for Computer Scientists WS 3 Stamatakis
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students attain comprehensive knowledge of standard methods, algorithms, theoretical principles and open problems in the field of sequence-based bioinformatics (biological principles, sequence assembly, pairwise sequence alignment, multiple sequence alignment, phylogenetic tree reconstruction under parsimony, likelihood and Bayesian models, coalescent inference in population genetics). They develop the ability to categorise and evaluate algorithms and problems. They can select suitable models and methods for a given biological data analysis problem and can justify their choice. Students will be able to design analysis pipelines for biological data analysis.

Inhalt

Initially, some basic concepts and mechanisms of biology are introduced. Subsequently, algorithms and models from the fields of sequence analysis (sequence alignment, dynamic programming, sequence assembly), population genetics, and discrete as well as numerical algorithms for inferring molecular phylogenetic trees (parsimony, likelihood, Bayesian inference) are discussed. Furthermore, discrete operations on trees are treated (e.g., topological distances between trees, consensus tree algorithms). A substantial part of the lectures will cover the practical implementation, the optimisation, and the parallelisation of the respective methods.

Arbeitsaufwand

2 SWS lecture + 1.5 * 2 SWS follow-up) * 15 + 15 hours exam preparation = 90 hours = 3 ECTS

Modul: IT Security [M-INFO-106998]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113960 IT Security WS 6 Müller-Quade, Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students
• have in-depth knowledge of cryptography and IT security
• know and understands sophisticated techniques and security primitives to achieve the protection goals
• know and understand scientific evaluation and analysis methods of IT security (game-based formalization of confidentiality and integrity, security and anonymity notions)
• have a good understanding of types of data, personal data, legal and technical fundamentals of privacy protection
• know and understand the fundamentals of system security (buffer overflow, return-oriented programming, ...)
• know different mechanisms for anonymous communication (TOR, Nym, ANON) and can assess their effectivity

Inhalt

This advanced mandatory module deepens different topics of IT security. These include in particular:
• Elliptic curve cryptography
• Threshold cryptography
• Zero-knowledge proofs
• Secret sharing
• Secure multi-party computation and homomorphic encryption
• Methods of IT security (game-based analysis and the UC model)
• Crypto-currencies and consensus through proof-of-work/stake
• Anonymity on the Internet, anonymity with online payments
• Privacy-preserving machine learning
• Security of machine learning
• System security and exploits
• Threat modeling and quantification of IT security

Arbeitsaufwand

Course workload:
1. Attendance time: 56 h
2. Self-study: 56 h
3. Preparation for the exam: 68 h

Empfehlungen

Attendance of the lecture Information Security is recommended.

Literatur

Literature:
• Katz/Lindell: Introduction to Modern Cryptography (Chapman & Hall)
• Schäfer/Roßberg: Netzsicherheit (dpunkt)
• Anderson: Security Engineering (Wiley, and online)
• Stallings/Brown: Computer Security (Pearson)
• Pfleeger, Pfleeger, Margulies: Security in Computing (Prentice Hall)

Modul: IT-Sicherheitsmanagement für vernetzte Systeme [M-INFO-100786]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2018)
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2018)
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101323 IT-Sicherheitsmanagement für vernetzte Systeme WS 5 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende kennt die wesentlichen technischen, organisatorischen, und rechtlichen Bausteine eines professionellen IT-Sicherheitsmanagements, kann ihre Funktionsweise beschreiben und sie selbst in der Praxis anwenden sowie Vor- und Nachteile alternativer Ansätze analysieren. Weiterhin kann er/sie die Eignung bestehender IT-Sicherheitskonzepte beurteilen. Zudem kennt der/die Studierende den Stand aktueller Forschungsfragen im Bereich des IT-Sicherheitsmanagements sowie zugehörige Lösungsansätze. Die Lernziele sind im Einzelnen:
1. Der/Die Studierende kennt die wesentlichen Schutzziele der IT-Sicherheit und kann ihre Bedeutung und Zielsetzung wiedergeben.
2. Der/Die Studierende versteht Aufbau, Phasen und wichtige Standards des IT-Sicherheitsprozesses und kann seine Anwendung beschreiben.
3. Der/Die Studierende kennt die Bedeutung des Risikomanagements für Organisationen, kann dessen wesentliche Bestandteile verdeutlichen, und kann die Risikoanalyse auf exemplarische Bedrohungen anwenden.
4. Der/Die Studierende kennt wesentliche Gesetze aus dem rechtlichen Umfeld der IT-Sicherheit und kann ihre Anwendung erläutern.
5. Der/Die Studierende kennt alternative Schlüsselmanagement-Architekturen und kann ihre Vor- und Nachteile beurteilen.
6. Der/Die Studierende versteht die Begriffe der digitalen Identität und des Identitätsmanagements.
7. Der/Die Studierende kennt unterschiedliche, weit verbreitete Zugriffskontrollmodelle und kann ihre Anwendung in der Praxis verdeutlichen.
8. Der/Die Studierende versteht Bedeutung eines professionellen Notfallmanagements und kann dessen Umsetzung beschreiben.
9. Der/Die Studierende versteht die in der Vorlesung vorgestellten Problemstellungen aktueller Forschung und ist in der Lage diese zu erläutern.

Inhalt

Die Vorlesung behandelt Methodik, Technik und aktuelle Forschungsfragen im Bereich des Managements der IT-Sicherheit verteilter und vernetzter IT-Systeme und -Dienste. Nach Einführung allgemeiner Management-Konzepte werden die wesentlichen Problemfelder und Herausforderungen herausgearbeitet und die Hauptaufgaben des IT-Sicherheitsmanagements erläutert. Anschließend werden die Standards aus dem Rahmenwerk ISO 2700x und dem Grundschutzkompendium des BSI eingeführt. Die Studierenden erlernen, wie auf Basis der in diesen Werken vorgestellten Prozesse ein angemessenes IT-Sicherheitsniveau aufgebaut und erhalten werden kann. Als weitere Werkzeuge werden rechtliche Grundlagen vermittelt und Methoden vorgestellt, um Risiken zu ermitteln, zu bewerten und zu behandeln.
 
Der zweite Teil der Vorlesung stellt wichtige technische Bausteine des IT-Sicherheitsmanagements vor. Hierzu zählen Managementaspekte kryptographischer Verfahren, das Schlüsselmanagement sowie Zugangs- und Zugriffskontrolle. Der Bereich Identity & Access Management (IAM) wird im weiteren Verlauf der Vorlesung als wesentlicher Bestandteil eines funktionierenden IT-Sicherheitsmanagements herausgestellt. Es werden weiterhin Integrationskonzepte bestehender IT-Dienste in moderne IAM-Infrastrukturen und Infrastrukturen zum Aufbau von organisationsübergreifenden Authentifikations- und Autorisationssystemen bzw. Single-Sign-On-Systemen vorgestellt. Des Weiteren werden die Themen „sicherer Betrieb“ und „Business Continuity Management“/Resilienz behandelt.
 
Im dritten Teil der Vorlesung werden aktuelle Forschungsbeiträge diskutiert, z.B. hinsichtlich künstlicher Intelligenz und agentischer Systeme.

Arbeitsaufwand

Präsenzzeit: 45h (3 SWS * 15 Vorlesungswochen)
Vor- und Nachbereitungszeit: 67.5h (3 SWS * 1.5h/SWS * 15 Vorlesungswochen)
Klausurvorbereitung: 37.5h
Gesamt: 150h (= 5 ECTS Punkte)

Empfehlungen

Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.

Modul: Kombinatorik [M-MATH-102950]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
siehe Anmerkungen
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105916 Kombinatorik Unregelm. 9 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Prüfung (2h).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Um einen Bonus zu bekommen, muss man jeweils 50% der Punkte für die Lösungen der Übungsblätter 1-6 sowie der Übungsblätter 7-12 erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können grundlegende Begriffe und Techniken der Kombinatorik
nennen, erörtern und anwenden. Sie können kombinatorische Probleme analysieren, strukturieren und formal beschreiben. Die Studierenden können Resultate und Methoden, wie das Inklusions-Exklusions- Prinzip, Erzeugendenfunktionen oder Young Tableaux, sowie die in den Beweisen entwickelten Ideen, auf kombinatorische Probleme anwenden. Insbesondere sind sie in der Lage, die Anzahl der geordneten und ungeordneten Arrangements gegebener Größe zu bestimmen oder die Existenz solcher Arrangements zu beweisen oder zu widerlegen. Die Studierenden sind fähig, Methoden aus dem Bereich der Kombinatorik zu verstehen und kritisch zu beurteilen. Desweiteren können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Die Vorlesung bietet eine Einführung in die Kombinatorik. Angefangen mit Problemen des Abzählens und Bijektionen, werden die klassischen Methoden des Inklusion- Exklusions-Prinzip und der erzeugenden Funktionen behandelt. Weitere Themengebiete beinhalten Catalan-Familien, Permutationen, Partitionen, Young Tableaux, partielle Ordnungen und kombinatorische Designs.

Zusammensetzung der Modulnote

Die Modulnote ist Note der schriftlichen Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Kenntnisse aus den Vorlesungen Lineare Algebra 1 und 2 sowie Analysis 1 und 2 sind empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Komplexitätstheorie, mit Anwendungen in der Kryptographie [M-INFO-101575]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103014 Komplexitätstheorie, mit Anwendungen in der Kryptographie Unregelm. 6 Hofheinz, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der /die Studierende

Inhalt

Was ist ein "effizienter" Algorithmus? Kann jede algorithmische Aufgabe effizient gelöst werden? Oder gibt es inhärent schwierige Probleme? Die Komplexitätstheorie stellt eine streng mathematische Grundlage für die Diskussion dieser Fragen bereit. In dieser Vorlesung behandelte Themen sind

Diese Themen werden mit praktischen Beispielen illustriert. Die Vorlesung gibt einen Ausblick auf Anwendungen der Komplexitätstheorie, insbesondere auf dem Gebiet der Kryptographie.

Arbeitsaufwand
  1. Präsenzzeit in Vorlesungen: 48 h
  2. Vor-/Nachbereitung derselbigen: 48 h
  3. Prüfungsvorbereitung und Präsenz in selbiger: 84 h
Empfehlungen

Siehe Teilleistung

Modul: Kontextsensitive Systeme [M-INFO-100728]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-107499 Kontextsensitive Systeme SS 5 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel der Vorlesung ist es, Kenntnisse über Grundlagen und weitergehende Methoden und Techniken zu kontextsensitiven Systemen in vermitteln.

Nach Abschluss der Vorlesung können die Studierenden

  • das Konzept von Kontext erörtern und verschiedene für die Informationsverarbeitung durch Menschen und Computer relevante Kontexte aufzählen
  • verschiedene Arten von kontextsensitiven Systemen anhand verschiedener Kriterien kategorisieren und unterscheiden
  • aus einem allgemeinen Aufbau konkrete technische Implementierungen durch existierende Komponenten ableiten
  • die Leistungsfähigkeit konkreter kontextsensitiver Systemen anhand von experimentell ermittelter Metriken bewerten und vergleichen
  • Selbst für anhand gegebener Anforderungen neue kontextsensitive Systeme unter Einsatz existierender „Sensor“, „Machine Learning“ und „Big Data“-Komponenten entwerfen.

Inhalt

Kontextsensitivität (englisch: Context-Awareness) ist die Eigenschaft einer Anwendung sich situationsgemäß zu verhalten. Beispiele für aktuelle kontextsensitive Systeme sind mobile Apps, die ihrer Ausgabe anhand der Nutzungshistorie, der Lokation und mit Hilfe der eingebauten Sensorik auf die Umgebungsbedingungen anpassen.

Kontext (wie auch in der zwischenmenschlichen Kommunikation) ist Grundlage einer effizienteren Interaktion zwischen Rechnersystemen und ihren Nutzern, idealerweise ohne explizite Eingaben. Kontexterkennung unterstützt außerdem in verschiedensten Systemen komplexe Entscheidungen durch Vorhersagen auf Basis großer Datenmengen. Die verschiedenen Facetten des Kontextbegriffes, die für das Verständnis kontextsensitiver Systeme gebraucht werden wie sensorischer, Anwendungs-, und Nutzerkontext, werden in der Vorlesung erläutert und ein allgemeiner Entwurfsansatz für Kontextverarbeitung abgeleitet.

Wissen über den aktuellen und voraussichtlichen Kontext erhält ein System, indem es Zeitserien und Sensordatenströme kontinuierlich vorverarbeitet und über prädiktive Analysen klassifiziert. Zur Erstellung geeigneter Modelle werden verschiedenste Methoden des maschinellen Lernens in der Vorlesung vorgestellt. Im Fokus der Vorlesung steht der Entwurf, Implementierung und Integration einer vollständigen, effizienten und verteilten Verarbeitungskette auf der Basis geeigneter „Big Data“-Ansätze. Geeignete technische Lösungsansätze für große Datenbestände, zeitnahe Verarbeitung, verschiedene Datentypen, schützenswerten Daten und Datenqualität werden mit Bezug auf das Anwendungsfeld diskutiert. Die Vorlesung vermittelt weiterhin Wissen und Methoden in den Bereichen Sensorik, sensorbasierte Informationsverarbeitung, wissensbasierte Systeme und Mustererkennung, intelligente, reaktive Systeme.

Arbeitsaufwand
Der Gesamtaufwand für diese Lerneinheit beträgt 150 Stunden (5.0 Credits)

Aktivität

Präsenzzeit: Besuch der Vorlesung

15 x 90 min

22 h 30 min

Vor-/Nachbereitung der Vorlesung

15 x 90 min

22 h 30 min

Literatur erarbeiten

14 x 45 min

10 h 30 min

Präsenzzeit: Besuch der Übung

7 x 90 min

10 h 30 min

Vor-/ Nachbereitung der Übung

7 x 240 min

28 h 00 min

Foliensatz 2x durchgehen

2 x 12 h

24 h 00 min

Prüfung vorbereiten

32 h 00 min

SUMME

150 h 00 min

Modul: Kryptographische Protokolle [M-INFO-105631]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2021)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2021)
Wahlbereich Informatik (EV ab 01.04.2021)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111261 Kryptographische Protokolle SS 5 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

Inhalt

Während sich die klassische Kryptographie mit der Gewährleistung von Authentizität und Geheimhaltung gegenüber externen Angreifern beschäftigt, gibt es inzwischen auch eine Vielzahl interaktiver Protokolle zwischen sich gegenseitig misstrauenden Parteien.
Aufbauend auf der Vorlesung "Theoretische Grundlagen der Kryptographie" stellt diese Vorlesung solche grundlegende Primitive, Protokolle sowie dazu passende Sicherheitsmodelle vor.
Im ersten Teil der Vorlesung werden grundlegende (interaktive) Bausteine wie Commitment-Verfahren, Secret-Sharing, Zero-Knowledge-Beweissysteme und Oblivious Transfer eingeführt. Zum Nachweis der Sicherheit werden spielbasierte Begriffe sowie das Real/Ideal-Sicherheitsmodell verwendet.
Darauf aufbauend werden im zweiten Teil komplexere Protokolle zur sicheren gemeinsamen Auswertung beliebiger Funktionen auf geheimen Eingaben vorgestellt. Dabei werden sowohl Protokolle basierend auf Secret-Sharing, als auch so genannte „Garbled Circuits“ behandelt.
Zuerst wird die Sicherheit gegen sogenannte passive Angreifer, welche dem Protokoll ehrlich folgen und lediglich versuchen, zusätzliche Informationen zu lernen, betrachtet. Darauf aufbauend wird die Sicherheit gegen aktive Angreifer, welche beliebig vom Protokoll abweichen dürfen, betrachtet.

Anmerkungen

Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.

Arbeitsaufwand

Präsenzzeit für Inverted-Classroom Videos: 24 h
Vor-/Nachbereitung: 36 h
Präsenzzeit in der Übung: 24 h
Vor-/Nachbereitung der selbigen: 36 h
Prüfungsvorbereitung und Präsenz in selbiger: 30 h

= 150 h

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein.

Modul: Kryptographische Wahlverfahren [M-INFO-100742]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101279 Kryptographische Wahlverfahren Unregelm. 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende

• kennt und versteht die Grundbegriffe verschiedener kryptographischer Wahlverfahren

• beurteilt die Eigenschaften sowie Vor- und Nachteile verschiedener kryptographischer Wahlverfahren

• kennt und versteht die Primitive für kryptographische Wahlverfahren und kombiniert sie zu größeren Systemen

• kennt und versteht die grundlegenden Definitionen und Sicherheitsbegriffe für Wahlverfahren und wendet sie an

• schätzt die Sicherheitsanforderungen einer Wahl ein, erkennt und bewertet Angriffspotentiale und Sicherheitsmaßnahmen

Inhalt

Die Lehrveranstaltung gibt einen ausführlichen Überblick über aktuelle kryptographische Wahlverfahren sowohl für Präsenzwahlen als auch für Fernwahlen (Briefwahl und Internetwahl).

• Es werden notwendige kryptographische Primitive wie Commitments, homomorphe Verschlüsselungsverfahren, Mix-Netze und Zero-Knowledge Beweise behandelt.

• Die Vorlesung präsentiert und erläutert gängige Sicherheitsbegriffe für kryptographische Wahlverfahren.

• Im Rahmen der Veranstaltung werden die Anforderungen an eine Wahl, insbesondere in Hinblick auf die Unterschiede zwischen Fernwahl und Präsenzwahl, diskutiert. Daraus werden Angriffsszenarien entwickelt und mit den Sicherheitseigenschaften der einzelnen Verfahren sowie den etablierten Sicherheitsbegriffen verglichen.

Arbeitsaufwand

Präsenzzeit in Vorlesungen: 22,5 h
Vor-/Nachbereitung derselbigen: 30 h
Prüfungsvorbereitung und Präsenz in selbiger: 37 h

Empfehlungen

Siehe Teilleistung.

Modul: Lab Project: Speech Translation [M-INFO-107176]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114205 Lab Project: Speech Translation WS 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student 
- is able to develop a language translation system using state-of-the-art methods.
- can evaluate language translation systems.
- can present his/her findings in a scientific lecture.

Inhalt

The use of deep learning technologies has significantly improved the quality of machine translation of text and speech in recent years. In this internship, students will develop a language translation system for a new language pair using state-of-the-art methods. 
In the first part of the internship, students are introduced step-by-step to the development of a translation system and its evaluation. To this end, the various subtasks must be solved. In the second part of the internship, the students are asked to independently analyse various improvements to the system.

Arbeitsaufwand

180h
Approx. 15h presence
Approx. 15h pre/post processing
Approx. 140h self-study
Approx. 10h Preparation of scientific presentation

Empfehlungen

Students should have understood the theoretical principles as introduced in the lectures Deep Learning or Machine Translation.

Modul: Lineare Elektrische Netze [M-ETIT-101845]

Verantwortung:
Prof. Dr. Olaf Dössel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
7 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-101917 Lineare Elektrische Netze WS 7 Dössel
Erfolgskontrolle(n)

In einer schriftlichen Prüfung im Umfang von 120 Minuten werden die Inhalte der Lehrveranstaltung Lineare Elektrische Netze (7 LP) geprüft. Bei bestandener Prüfung können Studierende einen Notenbonus von bis zu 0,4 Notenpunkten erhalten, wenn zuvor semesterbegleitend zwei Projektaufgaben erfolgreich bearbeitet wurden. Die Bearbeitung der Projektaufgaben wird durch die Abgabe einer Dokumentation oder des Projektcodes nachgewiesen.

Voraussetzungen

keine

Qualifikationsziele

Im Modul Lineare Elektrische Netze erwirbt der Studierende Kompetenzen bei der Analyse und dem Design von elektrischen Schaltungen mit linearen Bauelementen mit Gleichstrom und Wechselstrom. Hierbei ist er in der Lage, die Themen zu erinnern und zu verstehen, zudem die behandelten Methoden anzuwenden, um hiermit die elektrischen Schaltungen mit linearen Bauelementen zu analysieren und deren Relevanz, korrekte Funktion und Eigenschaften zu beurteilen.

Inhalt

Methoden zur Analyse komplexer linearer elektrischer Schaltungen
Definitionen von U, I, R, L, C, unabhängige Quellen, abhängige Quellen
Kirchhoffsche Gleichungen, Knotenpunkt-Potential-Methode, Maschenstrom-Methode
Ersatz-Stromquelle, Ersatz-Spannungsquelle, Stern-Dreiecks-Transformation, Leistungsanpassung
Operationsverstärker, invertierender Verstärker, Addierer, Spannungsfolger, nicht-invertierender Verstärker, Differenzverstärker
Sinusförmige Ströme und Spannungen, Differentialgleichungen für L und C, komplexe Zahlen
Beschreibung von RLC-Schaltungen mit komplexen Zahlen, Impedanz, komplexe Leistung, Leistungsanpassung
Brückenschaltungen, Wheatstone-, Maxwell-Wien- und Wien-Brückenschaltungen
Serien- und Parallel-Schwingkreise
Vierpoltheorie, Z, Y und A-Matrix, Impedanztransformation, Ortskurven und Bodediagramm
Transformator, Gegeninduktivität, Transformator-Gleichungen, Ersatzschaltbilder des Transformators
Drehstrom, Leistungsübertragung und symmetrische Last.

Zusammensetzung der Modulnote

Die Modulnote entspricht der Note der Teilleistung Lineare Elektrische Netze. Wie im Abschnitt „Erfolgskontrolle(n)“ beschrieben, setzt diese sich aus der Note der schriftlichen Prüfung Lineare Elektrische Netze und einem eventuell erhaltenen Notenbonus zusammen.

Anmerkungen

Achtung:
Die diesem Modul zugeordnete Teilleistung ist Bestandteil der Orientierungsprüfung folgender Studiengänge:

Die Prüfung ist zum Ende des 2. Fachsemesters anzutreten. Eine Wiederholungsprüfung ist bis zum Ende des 3. Fachsemesters abzulegen.

Arbeitsaufwand

Unter den Arbeitsaufwand der LV Lineare Elektrische Netze fallen

  1. Präsenzzeit in Vorlesungen, Übungen
  2. Vor-/Nachbereitung
  3. Klausurvorbereitung und Präsenz in selbiger

Der Arbeitsaufwand für Punkt 1 entspricht etwa 60 Stunden, für die Punkte 2-3 etwa 115 -150 Stunden. Insgesamt beträgt der Arbeitsaufwand für die LV Lineare Elektrische Netze 175-210 Stunden. Dies entspricht 7 LP.

Modul: lntroduction to Quantum Machine Learning [M-INFO-107821]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115215 lntroduction to Quantum Machine Learning SS 3 Kühn
Erfolgskontrolle(n)

see partial achievement

Qualifikationsziele

Students have a systematic understanding of the issues surrounding the use of currently available quantum computers and of solution approaches from the field of hybrid quantum machine learning. They will be able to transfer these findings to other problems and, in particular, evaluate the efficiency and feasibility for different data sets in practice. In addition, they will be able to interpret and understand current research results in quantum machine learning with the knowledge you have acquired.

After successfully completing the course, students will be able to

Inhalt

This module aims to familiarize students with the theoretical and practical aspects of the hybrid use of quantum circuits in classical machine learning algorithms. In the first part of the lecture, the necessary mathematical foundations of quantum systems and their representation by qubits and quantum circuits are summarized before the advantages and possibilities of quantum computing are demonstrated on the basis of known quantum algorithms. Finally, an overview of current hybrid approaches in the field of quantum machine learning (OML) and their possible applications and limitations is provided:

The module focuses in particular on the applicability to today's quantum computers and the scalability of the approaches presented.

Arbeitsaufwand

- Lecture attendance: 23h (2 SWS x 15)
- Preparation and follow-up: 45h (2 x 2 SWS x 15)
- Exam preparation: 22h
- Total: 90h / 30 = 3 credits

Empfehlungen

- Attendance of the lecture "Introduction to Quantum Computing" is recommended
- Knowledge of linear algebra is recommended
- Programming skills in Python are helpful

Modul: Localization of Mobile Agents [M-INFO-107663]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115014 Localization of Mobile Agents SS 6 Hanebeck
T-INFO-115015 Localization of Mobile Agents - Pass SS 0 Hanebeck
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Participants in this course will gain a broad overview of probabilistic machine learning tools and learn how to creatively combine them to solve a wide variety of problems.

Inhalt

This module provides a systematic introduction to the field of localization methods. To facilitate entry, the module is divided into four central topics. Dead reckoning (1) deals with the step-by-step determination of a vehicle's position from dynamic parameters such as speed or steering angle, as well as intertial measurement unit (IMU) data. Localization with the aid of measurements to external, known landmarks is part of static localization (2). Specifically, signal times of arrival (multilateration and GPS), distance measurements, and angle measurements (bearings) are covered. In addition to closed-form solutions for special measurements, the method of least squares for fusing arbitrary measurements is introduced. This also includes nonlinear optimization methods and certifiable global optimization. Dynamic localization (3) deals with the combination of dead reckoning and static localization using the Kalman filter, which is used in virtually all object tracking scenarios and other state estimation problems. General estimator properties are also discussed. The course concludes with simultaneous localization and mapping (SLAM) (4), which allows localization even when the location of landmarks is partially unknown. Thereby the measurement association problem is also addressed. 

Arbeitsaufwand

Per week:

2 SWS Presence
2h Follow-up
6h Digital exercise with computation tasks
2h exam preparation
= 12h/week und 180h/semester 

Empfehlungen

Knowledge of a higher-level programming language with mature libraries for scientific and numerical computing (e.g., Julia, Matlab, Python) is an advantage.

Modul: Logic Programming [M-INFO-107906]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115318 Logic Programming Unregelm. 6 Erdweg
Qualifikationsziele

Inhalt

Logic programs consist of logical implications that are executed to derive complex conclusions from initial knowledge. Logic programming has applications in many different areas such as network modeling, symbolic artificial intelligence, and source-code analysis. This course introduces foundational and advanced topics of logic programming, including: logical foundations, unification, denotational and operational semantics, evaluation strategies, negation as failure, Datalog, Prolog, and incremental resolution. 

Arbeitsaufwand

1. Attendance time 4 h x 15 weeks = 60 h
2. Self-study 7 h x 15 weeks = 105 h
3. Preparation for the exam 15 h

Empfehlungen

Modul: Logical Foundations of Cyber-Physical Systems [M-INFO-106102]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2022)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2022)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2022)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik (EV ab 01.10.2022)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112360 Logical Foundations of Cyber-Physical Systems WS 6 Platzer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

In modeling and control, successful students will

– understand core principles behind CPS. A solid understanding of these principles is important for anyone who wants to integrate cyber and physical components to solve problems that no part could solve alone.
– develop models and controls. In order to understand, design, and analyze CPS, it is important to be able to develop models for the relevant aspects of a CPS design and to design controllers for the intended functionalities based on appropriate specifications, including modeling with differential equations.
– identify relevant dynamical aspects. It is important to be able to identify which types of phenomena influence a property of a system. These allow us to judge, for example, where it is important to manage adversarial effects, or where a nondeterministic model is sufficient. 

In computational thinking, successful students should be able to

– identify safety specifications and critical properties. In order to develop correct CPS designs, it is important to identify what “correctness” means, how a design may fail to be correct, and how to make it correct.
– understand abstraction in system designs. The power of abstraction is essential for the modular organization of CPS, and the ability to reason about separate parts of a system independently.
– express pre- and post-conditions and invariants for CPS models. Pre- and post-conditions allow us to capture under which circumstance it is safe to run a CPS or a part of a CPS design, and what safety entails. They allow us to achieve what abstraction and hierarchies achieve at the system level: decompose correctness of a full CPS into correctness of smaller pieces. Invariants achieve a similar decomposition by establishing which relations of variables remain true no matter how long and how often the CPS runs.
– reason rigorously about CPS models. Reasoning is required to ensure correctness and find flaws in CPS designs. Both informal and formal reasoning in a logic are important objectives for being able to establish correctness, which includes rigorous reasoning about differential equations. 

In CPS skills, successful students will be able to

– understand the semantics of a CPS model. What may be easy in a classical isolated program becomes very demanding when that program interfaces with effects in the physical world.
– develop an intuition for operational effects. Intuition for the joint operational effect of a CPS is crucial, e.g., about what the effect of a particular discrete computer control algorithm on a continuous plant will be.
– understand opportunities and challenges in CPS and verification. While the beneficial prospects of CPS for society are substantial, it is crucial to also develop an understanding of their inherent challenges and of approaches for minimizing the impact of potential safety hazards. Likewise, it is important to understand the ways in which formal verification can best help improve the safety of system designs.

Inhalt

Cyber-physical systems (CPSs) combine cyber capabilities (computation and/or communication) with physical capabilities (motion or other physical processes). Cars, aircraft, and robots are prime examples, because they move physically in space in a way that is determined by discrete computerized control algorithms. Designing these algorithms to control CPSs is challenging due to their tight coupling with physical behavior. At the same time, it is vital that these algorithms be correct, since we rely on CPSs for safety-critical tasks like keeping aircraft from colliding. In this course we will strive to answer the fundamental question posed by Jeannette Wing:

“How can we provide people with cyber-physical systems they can bet their lives on?”

The cornerstone of this course design are hybrid programs (HPs), which capture relevant dynamical aspects of CPSs in a simple programming language with a simple semantics. One important aspect of HPs is that they directly allow the programmer to refer to real-valued variables representing real quantities and specify their dynamics as part of the HP.

This course will give you the required skills to formally analyze the CPSs that are all around us—from power plants to pacemakers and everything in between—so that when you contribute to the design of a CPS, you are able to understand important safety-critical aspects and feel confident designing and analyzing system models. It will provide an excellent foundation for students who seek industry positions and for students interested in pursuing research.

Anmerkungen

Course web page: https://lfcps.org/course/lfcps.html

Arbeitsaufwand

6 ECTS from 180h of coursework consisting of
45h = 15 * 3 from 3 SWS lectures
15h = 15 * 1 from 1 SWS exercises
68h preparation, reading textbook, studying
40h solving exercises
12h exam preparation

Empfehlungen

The course assumes prior exposure to basic computer programming and mathematical reasoning. This course covers the basic required mathematical and logical background of cyber-physical systems. You will be expected to follow the textbook as needed: André Platzer. Logical Foundations of Cyber-Physical Systems. Springer 2018. DOI:10.1007/978-3-319-63588-0

Modul: Low Power Design [M-INFO-100807]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101344 Low Power Design SS 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are made aware of various low power design optimizations employed in state-of-the-art embedded devices. This involves optimization techniques that incorporate embedded machine learning algorithms to enhance system performance. At the end of the lecture, the students will be able to recognize the challenges involved in crafting efficient low power designs and how to tackle them.

Inhalt

The lecture provides an overview of design methods, synthesis tools, estimation models, software techniques, operating system strategies, scheduling algorithms, embedded machine learning methods, etc., with the aim of minimizing the power consumption of embedded devices without compromising their performance. Both the research-relevant and industry-prevalent topics at different level of abstractions (from circuit to system) are discussed in this lecture.

Arbeitsaufwand

Attendance time: 30 hours (2 SWS × 15 weeks)

Self-study: 45 hours (1.5 × 2 SWS × 15 weeks)

Exam preparation: 15 hours

Total: 90 hours (3 ECTS)

Modul: Machine Learning - Foundations and Algorithms [M-INFO-107169]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114197 Machine Learning - Foundations and Algorithms SS 6 Neumann
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

• Students acquire knowledge of the basic methods of Machine Learning
• Students acquire the mathematical knowledge to understand the theoretical foundations of Machine Learning
• Students can categorize, formally describe and evaluate methods of Machine Learning
• Students can apply their knowledge to select appropriate models and methods for selected problems in the field of Machine Learning.

Inhalt

The field of Machine Learning has made enormous progress in recent years and good knowledge of Machine Learning is becoming increasingly in demand on the job market. Machine Learning describes the acquisition of knowledge by an artificial system based on experience or data. Rules or certain calculations no longer have to be manually coded but can be extracted from data by intelligent systems.

This lecture provides an overview of essential and current methods of Machine Learning. After reviewing the necessary mathematical background, the lecture primarily deals with algorithms for classification, regression, and density estimation, with a focus on the mathematical understanding of probabilistic methods and neural networks.

Examples of topics include:
-    Basics in Linear Algebra, Probability Theory, Optimization and Constraint Optimization 
-    Linear Regression
-    Linear Classification
-    Model Selection, Overfitting, and Regularization
-    Support Vector Machines
-    Kernel Methods
-    Bayesian Learning and Gaussian Processes
-    Neural Networks
-    Dimensionality Reduction
-    Density estimation
-    Clustering
-    Expectation Maximization
-    Graphical Models

Arbeitsaufwand

180h, divided into: 
- ca 45h lecture attendance
- approx. 15h attending exercises
- approx. 90h post-processing and working on the exercise sheets
- ca 30h exam preparation

Modul: Machine Learning for Natural Sciences [M-INFO-106959]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.04.2025)
Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113916 Machine Learning for Natural Sciences SS 3 Friederich
T-INFO-113917 Machine Learning for Natural Sciences - Pass SS 3 Friederich
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

Qualification Objectives

• Students are able to name relevant machine learning methods, describe them, as well as develop independent proposals on how questions in the natural sciences and material sciences can be answered using machine learning methods.
Learning Objectives
• Necessary knowledge for the selection and, if necessary, the adaptation of suitable machine learning models.
• Knowledge about data availability and, if necessary, planning of training data generation
• Knowledge of practical implementation, training, and systematic evaluation of machine learning models in python using common libraries (sklearn, TensorFlow, Keras, PyTorch, etc.)
• Knowledge of ways and means to systematically analyze and interpret results.

Inhalt

This module covers the theoretical and practical aspects of machine learning methods and their application to problems in natural sciences, especially in materials science and chemistry. Students gain insight into machine learning fundamentals as well as current research topics of this still young interdisciplinary field. Topics covered include the application of machine learning methods for medical image analysis, sequence analysis and generation, the prediction of material and molecular properties, generative models for materials design, Bayesian methods for decision making in autonomous experiments, as well as interpretation possibilities of all methods for gaining scientific understanding.
A practical exercise based on jupyter notebooks gives students insight into the practical aspects of machine learning for natural sciences and supports the learning process.

Arbeitsaufwand

4 SWS: (2 SWS Lecture + 2 SWS Exercise + 1,5 x 4 SWS Preparation) x 15 + 30 h exam preparation
= 180 h

Empfehlungen

• Knowledge of the basics of machine learning is helpful but not required
• Interest in natural science topics is required
• Basic knowledge of python is recommended. It has to be acquired during the semester through self-study

Modul: Machine Learning in Climate and Environmental Sciences [M-INFO-106470]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.07.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.07.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113083 Machine Learning in Climate and Environmental Sciences SS 6 Nowack
T-INFO-113085 Machine Learning in Climate and Environmental Sciences - Pass SS 0 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Learning objectives:

Students will be able to effectively address complex data science challenges. They can design and use robust strategies/modelling pipelines for machine learning applications in the climate and environmental sciences, which are transferable to other disciplines.
Their acquired knowledge will include major classes of machine learning techniques, how to choose and differentiate among algorithms in a variety of problem settings, ways of assessing important data properties that could for example help or interfere with modelling goals, and methods to combine data-driven modelling with prior scientific system understanding to increase performance and trustworthiness of machine learning.

Students will learn how to implement these approaches in Python, using major machine learning software packages.

Inhalt

This module covers key concepts for real-world applications of machine learning, focusing on environmental data science. These include:

• foundations of machine learning (e.g., curse of dimensionality, cross-validation, cost functions, feature engineering)
• several widely applied regression, classification, and unsupervised learning algorithms (e.g., LASSO, random forests, Gaussian processes, neural networks, LSTMs, transformers, self-organizing maps)
• time series forecasting and causal inference.
• explainable AI (e.g., SHAP value analyses, feature permutation methods, intrinsically interpretable methods).

These concepts will be discussed in applied contexts, using current research examples from the climate and environmental sciences, including: climate change modelling, machine learning emulation of numerical models, forecasting air pollution and wildfires, understanding coupled dynamical systems such as global teleconnections in climate science, challenges in modelling non-stationary systems (e.g., predicting extreme weather events under global warming), and anomaly detection in measurement data.

The lectures are accompanied by computer exercises in which students learn how to implement and modify machine learning modelling pipelines first-hand.

Arbeitsaufwand

Concerning in-person events, this is a 4 SWS module: 2 SWS for lectures, 2 SWS for exercises

Overall:

(2 SWS lectures + 2 SWS exercises + 1.5 x 4 SWS preparation and homework) x 15 +30 h preparation for the exam = 180 h = 6 ECTS

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Modul: Market Engineering [M-WIWI-101446]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
10
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-112823 Platform & Market Engineering: Commerce, Media, and Digital Democracy SS 4,5 Weinhardt
Ergänzungsangebot (Wahl: 4,5 LP)
T-WIWI-102613 Auktionstheorie WS 4,5 Ehrhart
T-WIWI-113160 Digital Democracy WS 4,5 Fegert
T-WIWI-110797 eFinance: Informationssysteme für den Wertpapierhandel WS 4,5 Weinhardt
T-WIWI-107501 Energy Market Engineering SS 4,5 Weinhardt
T-WIWI-107503 Energy Networks and Regulation WS 4,5 Weinhardt
T-WIWI-115061 Experimentelle Forschung in Wirtschaftswissenschaft und -informatik WS 4,5 Weinhardt
T-WIWI-111109 KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics Unregelm. 4,5 Weinhardt
T-WIWI-107504 Smart Grid Applications s. Anm. 4,5 Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) über die Kernveranstaltung und weitere Lehrveranstaltungen des Moduls im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul erklärt die Zusammenhänge zwischen dem Design von Märkten und deren Erfolg. Märkte sind komplexe Gebilde und die Teilnehmer am Markt verhalten sich strategisch gemäß den Regeln des Marktes. Die Erstellung und somit das Design des Marktes bzw. der Marktmechanismen beeinflusst das Verhalten der Teilnehmer in einem hohen Maße. Deshalb ist ein systematisches Vorgehen und eine gründlich Analyse existierender Märkte unabdingbar, damit ein Marktplatz erfolgreich betrieben werden kann. In der Kernveranstaltung Market Engineering [2540460] werden die Ansätze für eine systematische Analyse erklärt, indem Theorien über den Mechanismusdesign und Institutionenökonomik behandelt werden. In einer zweiten Vorlesung hat der Studierende die Möglichkeit, seine Kenntnisse theoretisch und praxisnah zu vertiefen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 4,5 Credits ca. 135h für Lehrveranstaltungen mit 5 Credits ca. 150h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Maschinelle Übersetzung [M-INFO-100848]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101385 Maschinelle Übersetzung SS 6 Niehues
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Arbeitsaufwand
90 h

Modul: Masterarbeit [M-INFO-101892]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Masterarbeit
Leistungspunkte
30 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103589 Masterarbeit WS+SS 30 Koziolek
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. In den folgenden Bereichen müssen in Summe mindestens 15 Leistungspunkte erbracht worden sein:
      • Vertiefungsfach 1
    2. In den folgenden Bereichen müssen in Summe mindestens 15 Leistungspunkte erbracht worden sein:
      • Vertiefungsfach 2
  2. In den folgenden Bereichen müssen in Summe mindestens 60 Leistungspunkte erbracht worden sein:
    • Ergänzungsfach
    • Überfachliche Qualifikationen
    • Vertiefungsfach 1
    • Vertiefungsfach 2
    • Wahlbereich Informatik
Qualifikationsziele

Inhalt

Arbeitsaufwand

Der Arbeitsaufwand für das Modul beträgt i.d.R. 900 Stunden.

Modul: Materialwissenschaften für dataintensives Rechnen [M-INFO-104200]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Materialwissenschaften für dataintensives Rechnen
Leistungspunkte
18 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
5
Kennung Name Turnus LP Dozierende
Materialwissenschaften für Data-Intensives Rechnen (Wahl: mindestens 1 Bestandteil)
T-MATH-106415 Statistik - Klausur WS 10 Ebner, Fasen-Hartmann, Klar
T-MATH-106416 Statistik - Praktikum WS 0 Ebner, Fasen-Hartmann, Klar, Trabs
T-MACH-105303 Mikrostruktursimulation WS 4 August, Nestler
T-MACH-105369 Werkstoffmodellierung: versetzungsbasierte Plastizität SS 4 Weygand
T-MACH-107660 Seminar Werkstoffsimulation WS+SS 8 Nestler, Schulz
T-MACH-105320 Einführung in die Finite-Elemente-Methode WS 3 Böhlke, Langhoff
T-MACH-110330 Übungen zu Einführung in die Finite-Elemente-Methode WS 1 Böhlke, Langhoff
T-MACH-113412 Atomistische Simulation und Partikeldynamik SS 4 Gumbsch, Schneider, Weygand
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind 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.

Inhalt

Studierende sind 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.

Arbeitsaufwand

Der Arbeitsaufwand beträgt i.d.R. 540 Stunden.

Modul: Mathematische Modellierung und Simulation in der Praxis [M-MATH-102929]

Verantwortung:
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105889 Mathematische Modellierung und Simulation in der Praxis 5 Thäter
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Das allgemeine Ziel dieser Vorlesung ist ein dreifaches:

1) verschiedene mathematische Bereiche miteinander zu verbinden,
2) eine Verbindung zwischen Mathematik und Problemen des wirklichen Lebens herzustellen,
3) zu lernen, kritisch zu sein und relevante Fragen zu stellen.

Absolventinnen und Absolventen können

Inhalt

Mathematisches Denken (als Modellieren) und mathematische Techniken (als Handwerkszeug) treffen auf Anwendungsprobleme wie:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Die Veranstaltung findet immer auf Englisch statt.

Um die Credits zu erwerben, müssen Sie die Vorlesung besuchen, die Arbeit an einem Projekt während des Semesters in einer Gruppe von 2-3 Personen beenden und die Prüfung bestehen. Das Thema des Projekts kann von jeder Gruppe selbst gewählt werden.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Numerische Mathematik 12 sowie Numerische Methoden für Differentialgleichungen bzw. vergleichbare HM-Vorlesungen werden empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+1 SWS)

Literatur

Hans-Joachim Bungartz e.a.: Modeling and Simulation: An Application-Oriented Introduction,
Springer, 2013 

Modul: Mathematische Optimierung [M-WIWI-101473]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
9
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: höchstens 2 Bestandteile)
T-WIWI-115386 Gemischt-ganzzahlige Optimierung SS 4,5 Stein
T-WIWI-102726 Globale Optimierung I SS 4,5 Stein
T-WIWI-103638 Globale Optimierung I und II SS 9 Stein
T-WIWI-115501 Multikriterielle Optimierung WS 4,5 Stein
T-WIWI-102724 Nichtlineare Optimierung I WS 4,5 Stein
T-WIWI-103637 Nichtlineare Optimierung I und II WS 9 Stein
Ergänzungsangebot (Wahl: höchstens 2 Bestandteile)
T-WIWI-106548 Fortgeschrittene Stochastische Optimierung Unregelm. 4,5 Rebennack
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II Unregelm. 4,5 Stein
T-WIWI-102727 Globale Optimierung II SS 4,5 Stein
T-WIWI-102723 Graph Theory and Advanced Location Models Unregelm. 4,5 Nickel
T-WIWI-106549 Large-scale Optimierung SS 4,5 Rebennack
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik Unregelm. 4,5 Grothe
T-WIWI-103124 Multivariate Verfahren Unregelm. 4,5 Grothe
T-WIWI-102725 Nichtlineare Optimierung II WS 4,5 Stein
T-WIWI-102715 Operations Research in Supply Chain Management Unregelm. 4,5 Nickel
T-WIWI-112109 Topics in Stochastic Optimization WS 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Pflicht ist mindestens eine der sechs Teilleistungen "Gemischt-ganzzahlige Optimierung I", "Multikriterielle Optimierung", "Konvexe Analysis", "Parametrische Optimierung", "Nichtlineare Optimierung I" und "Globale Optimierung I".

Qualifikationsziele

Der/die Studierende

Inhalt

Dieses Modul bietet eine vertiefte Ausbildung in mathematischen Grundlagen und fortgeschrittenen Methoden der Optimierung. Es adressiert komplexe Entscheidungssituationen, in denen unter Nebenbedingungen optimale Lösungen gefunden werden müssen, und deckt dabei ein breites Spektrum spezialisierter Optimierungsklassen ab.

Die Kerninhalte umfassen:

Die Studierenden erlernen sowohl die mathematische Modellierung komplexer Systeme als auch die Anwendung und Implementierung moderner Lösungsalgorithmen, um praxisnahe Optimierungsprobleme effizient bearbeiten zu können.

Anmerkungen

Die Lehrveranstaltungen werden zum Teil unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet (www.ior.kit.edu) nachgelesen werden.

Bei den Vorlesungen von Professor Stein ist jeweils eine Prüfungsvorleistung (30% der Übungspunkte) zu erbringen. Die jeweiligen Lehrveranstaltungsbeschreibungen enthalten weitere Einzelheiten.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: MathSEE Modeling Week [M-MATH-106836]

Verantwortung:
Prof. Dr. Sebastian Krumscheid
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Informatik
KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-113711 MathSEE Modeling Week WS 3 Krumscheid, Kühnlein
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form eines Vortrags über die Ergebnisse des jeweiligen Projekts zusammen mit einer abschließenden Ausarbeitung.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Studentinnen und Studenten arbeiten jeweils in Teams an Aufgaben im Bereich der mathematischen Modellierung, der Unsicherheitsquantifizierung oder des Hochleistungsrechnens. Durch die Zusammenarbeit zwischen diesen Teams lösen sie komplexe wissenschaftliche Fragestellungen, die je nach Kenntnisstand von zugänglichen Aufgaben bis zu aktuellen Forschungsthemen reichen. Kurze Vorträge bieten eine Einführung zu sämtlichen Themenbereichen, und bereitgestelltes Material erlaubt die eigenständige Einarbeitung in fortgeschrittene Methoden und deren Umsetzung in wissenschaftlicher Software. Die Zusammenarbeit zwischen den Teams wird durch eine universelle Schnittstelle für Simulationssoftware ermöglicht.

Zusammensetzung der Modulnote

Die Modulnote ist die Note für Vortrag und schriftliche Ausarbeitung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 90 Stunden    

Präsenzzeit: 30 Stunden

Selbststudium: 60 Stunden

Lehr- und Lernformen

Vorlesung (0+2 SWS)

Modul: Medienkunst [M-INFO-102288]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Medienkunst
Leistungspunkte
18 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-104585 Medienkunst WS+SS 18
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erwerben Kompetenzen in einer außergewöhn­liche künstlerische Ausbildung und sind mit den neuesten Medientechnolo­gien vertraut.

Sie können gemein­sam an der Zukunft der medialen Künste forschen.

Sie haben grundlegende Kompetenzen in den Bereichen Digi­tale Kunst/InfoArt, Film, Fotografie, Moving Images und Sound und 3D­Produktionen.

Inhalt

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Den Antrag zur Zulassung vollständig ausfüllen und per Email an simone.siewerdt@hfg-karlsruhe.de senden
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    http://beta.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben eingereicht wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Arbeitsaufwand

Insgesamt 18 ECTS:

2 Praxis-Seminare mit jeweils 150 Stunden

1 Theorie-Seminar 180 Stunden

1 Grundlagenkurs 60 Stunden

Modul: Medienkunst Modell "kleines Nebenfach" [M-INFO-103147]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Medienkunst
Leistungspunkte
14 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106264 Medienkunst WS+SS 14
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende erwerben Kompetenzen in einer außergewöhn­liche künstlerische Ausbildung und sind mit den neuesten Medientechnolo­gien vertraut.

Sie können gemein­sam an der Zukunft der medialen Künste forschen.

Sie haben grundlegende Kompetenzen in den Bereichen Digi­tale Kunst/InfoArt, Film, Fotografie, Moving Images und Sound und 3D-Produktionen.

Inhalt

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Den Antrag zur Zulassung vollständig ausfüllen und per Email an simone.siewerdt@hfg-karlsruhe.de senden
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    http://beta.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben eingereicht wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Arbeitsaufwand

Insgesamt 14 ETCS:

1 Praxis-Seminar

1 Theorie-Seminar

1 Grundlagenkurs

Modul: Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen [M-INFO-100824]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101361 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen WS 3 Beyerer, van de Camp
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Ziel der Vorlesung ist es, den Studierenden fundiertes Wissen über die Phänomene, Teilsysteme und Wirkungsbeziehungen an der Schnittstelle zwischen Mensch und informationsverarbeitender Maschine zu vermittelen. Dafür lernen sie die Sinnesorgane des Menschen mit deren Leistungsvermögen und Grenzen im Wahrnehmungsprozess sowie die Äußerungsmöglichkeiten von Menschen gegenüber Maschinen kennen. Weiter wird ihnen Kenntnis über qualitative und quantitative Modelle und charakteristische Systemgrößen für den Wirkungskreis Mensch-Maschine-Mensch vermittelt sowie in die für dieses Gebiet wesentlichen Normen und Richtlinien eingeführt. Die Studierenden werden in die Lage versetzt, einen modellgestützten Systementwurf im Ansatz durchzuführen und verschiedene Entwürfe modellgestützt im Bezug auf die Leistung des Mensch-Maschine-Systems und die Beanspruchung des Menschen zu bewerten.

Inhalt

Inhalt der Vorlesung ist Basiswissen für die Mensch-Maschine-Wechselwirkung als Teilgebiet der Arbeitswissenschaft:

Arbeitsaufwand

Gesamt: ca. 60h, davon
1. Präsenzzeit in Vorlesungen: 23h
2. Vor-/Nachbereitung derselbigen: 12h
3. Klausurvorbereitung und Präsenz in selbiger: 25h

Empfehlungen

Siehe Teilleistung.

Modul: Mess- und Regelungstechnik [M-MACH-102564]

Verantwortung:
Prof. Dr.-Ing. Christoph Stiller
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Mess- und Regelungstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
7 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-104745 Grundlagen der Mess- und Regelungstechnik WS 7 Stiller
Erfolgskontrolle(n)

Art der Prüfung: schriftliche Prüfung
Dauer der Prüfung: 150 Minuten

Voraussetzungen

keine

Qualifikationsziele

Inhalt

1. Dynamische Systeme
2. Eigenschaften wichtiger Systeme und Modellbildung
3. Übertragungsverhalten und Stabilität
4. Synthese von Reglern
5. Grundbegriffe der Messtechnik
6. Estimation
7. Messaufnehmer
8. Einführung in digitale Messverfahren

Zusammensetzung der Modulnote

Note der Prüfung

Anmerkungen

Im Bachelorstudiengang Maschinenbau wird dieses Modul samt allen Teilleistungen, Prüfungen und Lehrveranstaltungen in deutscher Sprache angeboten. 

Im Bachelorstudiengang Mechanical Engineering (International) wird dieses Modul samt allen Teilleistungen, Prüfungen und Lehrveranstaltungen in englischer Sprache angeboten.

Arbeitsaufwand

84 Stunden Präsenzzeit, 126 Stunden Selbststudium.

Empfehlungen

Grundkenntnisse der Physik und Elektrotechnik, gewöhnliche lineare Differentialgleichungen, Laplace Transformation

Lehr- und Lernformen

Vorlesung

Übungen

Literatur

Buch zur Vorlesung:
C. Stiller: Grundlagen der Mess- und Regelungstechnik, Shaker Verlag, Aachen, 2005

R.H. Cannon: Dynamics of Physical Systems, McGraw-Hill Book Comp., New York,
1967
G.F. Franklin: Feedback Control of Dynamic Systems, Addison-Wesley Publishing Company,
USA, 1988
R. Dorf and R. Bishop: Modern Control Systems, Addison-Wesley
C. Phillips and R. Harbor: Feedback Control Systems, Prentice-Hall

J. Lunze: Regelungstechnik 1 & 2, Springer-Verlag
R. Unbehauen: Regelungstechnik 1 & 2, Vieweg-Verlag
O. Föllinger: Regelungstechnik, Hüthig-Verlag
W. Leonhard: Einführung in die Regelungstechnik, Teubner-Verlag
Schmidt, G.: Grundlagen der Regelungstechnik, Springer-Verlag, 2. Aufl., 1989

E. Schrüfer: Elektrische Meßtechnik, Hanser-Verlag, München, 5. Aufl., 1992
U. Kiencke, H. Kronmüller, R. Eger: Meßtechnik, Springer-Verlag, 5. Aufl., 2001
H.-R. Tränkler: Taschenbuch der Messtechnik, Verlag Oldenbourg München, 1996
W. Pfeiffer: Elektrische Messtechnik, VDE Verlag Berlin 1999
Kronmüller, H.: Prinzipien der Prozeßmeßtechnik 2, Schnäcker-Verlag, Karlsruhe, 1. Aufl.,
1980

Measurement and Control Systems

Modul: Mess- und Regelungstechnik [M-ETIT-106339]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-112852 Mess- und Regelungstechnik SS 6 Heizmann, Hohmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

 

Inhalt

 

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamt ca. 180h, davon

  1. Präsenzzeit in Vorlesungen und Übungen: 60h
  2. Vor-/Nachbereitung der Vorlesungen und Übungen: 60h
  3. Klausurvorbereitung und Präsenz in selbiger: 60h

Summe: 180 LP = 6 LP

Empfehlungen

Kenntnisse aus „Signale und Systeme“ sind hilfreich.

Modul: Methoden empirischer Sozialforschung [M-GEISTSOZ-103736]

Verantwortung:
apl. Prof. Dr. Andreas Haupt
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Soziologie
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-104565 Computergestützte Datenauswertung 0 Nollmann
T-GEISTSOZ-109052 Methodenanwendung (WiWi) WS+SS 9 Nollmann
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer schriftlichen Ausarbeitung (Hausarbeit) durchgeführt im Seminar "Methodenanwendung" durchgeführt. Zur Modulprüfung wird zugelassen, wer im Rahmen des Seminars "Computergestützte Datenauswertung" drei Arbeitsblätter mit der Bewertung "Bestanden" erhält.

Modul: Microeconomic Theory [M-WIWI-101500]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
4
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: mind. 9 LP)
T-WIWI-102609 Advanced Topics in Economic Theory Unregelm. 4,5 Brumm, Mitusch
T-WIWI-102861 Advanced Game Theory WS 4,5 Ehrhart, Puppe, Reiß
T-WIWI-102613 Auktionstheorie WS 4,5 Ehrhart
T-WIWI-105781 Incentives in Organizations SS 4,5 Nieken
T-WIWI-113264 Matching Theory WS 4,5 Puppe
T-WIWI-102859 Social Choice Theory SS 4,5 Puppe
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden

Ein Beispiel einer positiven Fragestellung wäre: welche Regulierungspolitik führt zu welchen Firmenentscheidungen bei unvollständigem Wettbewerb? Ein Beispiel einer normativen Fragestellung wäre: welches Wahlverfahren hat wünschenswerte Eigenschaften?

Inhalt

Das Modul vermittelt Konzepte und Inhalte der fortgeschrittenen mikroökonomischen Theorie. Thematische Schwerpunkte sind die mathematisch fundierte Modellierung spieltheoretischer Probleme und ihrer Anwendung, beispielsweise auf strategische Marktinteraktion, kooperative und nichtkooperative Verhandlungen usw. („Advanced Game Theory“), sowie die besondere Betrachtung von Auktionen („Auktionstheorie“) und Anreizmechanismen in Unternehmen und Organisationen („Incentives in Organizations“). Es besteht außerdem die Möglichkeit, sich mit der wissenschaftlichen Theorie zu Wahlen und gesellschaftlichen Entscheidungsverfahren, also der Aggregation von Präferenzen und Meinungen, zu beschäftigen („Social Choice Theory“).

Arbeitsaufwand

Präsenzzeit: 90 h

Selbststudium: ca. 100 h

Prüfungsvorbereitung: ca. 80 h

Gesamtsumme: 270 h 

Modul: Mikrosystemtechnik [M-ETIT-100454]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100752 Mikrosystemtechnik WS 3 Stork
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden

Inhalt

Es werden die Methoden der Mikrostrukturtechnik von Lithographie und Ätztechniken bis hin zu ultrapräzisen spanabhebenden Verfahren erläutert und deren Anwendungen vor allem in Mikromechanik und Mikrooptik vorgestellt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen, Übungen: 30 h

2. Vor-/Nachbereitung derselbigen: 30 h

3. Klausurvorbereitung und Präsenz in selbiger: 30 h

Modul: Mobile Communication [M-INFO-107245]

Verantwortung:
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2025)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114271 Mobile Communication WS 4 Waldhorst, Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

- know the basic concepts of mobile communication and can evaluate basic methods and influencing factors of wireless communication

- are familiar with the structure and functionality of prominent, practically relevant mobile communication systems (e.g. GSM, UMTS, WLAN)

- know typical problems in mobile communication systems and can evaluate, select and apply suitable methods to solve them

Students are familiar with typical problems in wireless transmission (e.g. signal propagation, attenuation) and can explain these using examples and relate them to each other. They can also recognize where these problems typically occur when designing different communication systems.

Students are familiar with a portfolio of methods for modulating digital data, multiplexing, coordinating competing media access and mobility management. They will be able to explain these in their own words, evaluate them and select suitable candidates when designing mobile communication systems.

Students master the basic concepts of wireless local networks according to IEEE 802.11 and wireless personal networks with Bluetooth. They can explain these and compare the respective variants with each other. They will also be able to analyze and evaluate media access in detail.

Students master the structure of digital telecommunications systems such as GSM, UMTS and LTE as well as the individual tasks of the respective components and their detailed interaction in the overall system. They are familiar with the conceptual differences between the systems presented and can explain in their own words why certain methods from the portfolio are used in the respective systems.

Students will be familiar with basic routing methods in self-organizing wireless ad hoc networks and will be able to analyse these comprehensively and evaluate their use depending on the application scenario. Furthermore, they master the basic concepts of mobility support on the Internet (Mobile IP and Mobile IPv6).

Inhalt

The lecture first discusses typical problems in wireless transmission, such as signal propagation, attenuation, reflections and interference. Based on this, it develops a portfolio of methods for modulation of digital data, multiplexing, coordination of competing media accesses and mobility management. To illustrate where and how these methods are used in practice, typical mobile communication systems of great practical relevance are presented in detail. These include wireless local area networks according to IEEE 802.11, wireless personal networks with Bluetooth as well as wireless telecommunication systems such as GSM, UMTS with HSPA and LTE. Discussions of mechanisms at the network layer (mobile ad-hoc networks and MobileIP) and transport layer round off the lecture.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Modul: Mobile Communications [M-ETIT-105971]

Verantwortung:
Prof. Dr.-Ing. Peter Rost
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2022)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-112127 Mobile Communications WS 4 Rost
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting approx. 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Qualifikationsziele

Students are enabled to analyze and assess functionalities of mobile communication systems. They learn how to apply and implement fundamental methods of the lecture “Communications Engineering I” in mobile radio networks. Furthermore, students will be enabled to understand requirements and limitations of mobile applications.

Inhalt

At the beginning, this course describes exemplary applications of mobile communications and elaborates on resulting requirements. Based on a solid understanding of those requirements, selected approaches and techniques will be presented that are solving the respective challenges in mobile communication systems. To this end, algorithms as well as system architectures are discussed in order to acquire solid knowledge on the radio network, the core network and the integration with applications and services.

Zusammensetzung der Modulnote

Grade of the module corresponds to the grade of the oral exam.

Arbeitsaufwand
  1. Attendance time in lectures: 15 * 2 h = 30 h
  2. Preparation and follow-up of lectures: 15 * 2 h = 30 h
  3. Attendance time in excercises: 15 * 1 h = 15 h
  4. Preparation and follow-up of excercises: 15 * 1 h = 15 h
  5. Preparation for the oral exam: 30 h

In total: 120 h = 4 LP

Empfehlungen

Knowledge of basic engineering as well as basic knowledge of communications engineering and Previous attendance of the lecture "Communication Engineering I" is recommended. Sound English language skills are required.

Modul: Model-Driven Software Development [M-INFO-106931]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113896 Model-Driven Software Development WS 3 Burger, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

* Students understand model-driven approaches for software and systems development, and they can use and assess them.
* Students can create metamodels and transformations using established model-driven development processes and standards of the OMG (MOF, QVT, XMI, UML, etc.), as well as state-of-the-art languages and tool} (Xtext, Xtend, Xpand, etc.)
* Students know the theoretical background of model transformation languages.
* Students know practical applications of model-driven technologies.
* Students can assess standards and technologies and can estimate their respective advantages and disadvantages.

Inhalt

Model-driven software development pursues the development of software systems on the basis of models. The models are not only used to document, design and analyse an initial system, as is usual in conventional software development, but rather serve as primary development artefacts from which the final system can be generated in its entirety if possible. This focus on models offers a number of advantages, such as an increase in the level of abstraction at which the system is specified, improved communication options that can extend to the end customer through domain-specific languages (DSL), and an increase in the efficiency of software development through automated transformations of the created models to the source code of the system. However, there are still some unresolved challenges in the use of model-driven software development, such as model versioning, evolution of DSLs, maintenance of transformations or the combination of teamwork and MDSD. Although MDSD is already used in practice due to the advantages mentioned, the challenges mentioned also offer opportunities for current research.

The lecture introduces concepts and techniques that are part of MDSD. As a basis, the systematic creation of meta-models and DSLs including all necessary components (concrete and abstract syntax, static and dynamic semantics) is introduced. This is followed by a general discussion of the concepts of transformation languages and an introduction to some selected transformation languages. The embedding of MDSD in the software development process provides the necessary foundations for their practical use. The remaining lectures deal with further issues such as model versioning, model coupling, MDSD standards, teamwork based on models, testing of model-driven software, as well as the maintenance and further development of models, meta-models and transformations. Finally, model-driven methods for analysing software architecture models are covered as an advanced unit. The lecture deepens concepts from existing courses such as software engineering or compiler construction or transfers and extends them to model-driven approaches. Furthermore, formal techniques are applied in transformation languages, such as graph grammars, logical calculi or relational algebrae.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Modul: Modeling Physiological Systems [M-ETIT-106782]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
1
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-113630 Modeling Physiological Systems SS 6 Loewe
T-ETIT-114690 Modeling Physiological Systems - Workshop SS 0 Loewe
Erfolgskontrolle(n)

Voraussetzungen

none

Qualifikationsziele

The students will be able to

Inhalt

The module provides knowledge and methods for modeling physiological processes and pathomechanisms. Physiological functional principles are described using the example of 2-3 organ systems and then implemented in mathematical-technical models. The model types of ordinary differential equations, electrical equivalent circuits and control loops are taken up and deepened in practical tasks. The course is deepened both fundamentally by working on theoretical tasks with pen and paper as well as through programming and simulation studies.

At least one clinical disease entity is introduced for each example organ system and examined using modeling and simulation.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam. 

Arbeitsaufwand

Attendance in lectures and exercises: 22*2h = 44h

Preparation / follow-up: 22*2h = 44h

Preparation of and attendance in examination: 42h

Programming exercises 25h+25h = 50h

A total of 180 h = 6 CR

 

Empfehlungen

Basic knowledge of

Modul: Moderne Experimentalphysik II, Struktur der Materie [M-PHYS-106332]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP) (EV ab 18.02.2026)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-112847 Moderne Experimentalphysik II, Struktur der Materie WS 9 Studiendekan/in Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlangt Verständnis der experimentellen Grundlagen und deren mathematischer Beschreibung auf dem Gebiet der Kern- und Teilchenphysik und auf dem Gebiet der Festkörperphysik. Er/sie kann einfache physikalische Probleme aus diesem Gebiet selbständig bearbeiten.

Inhalt

Teilchenphysik

Festkörperphysik

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen und der Prüfung (150)

Literatur

Lehrbücher der Molekülphysik und der Festkörperphysik sowie Lehrbücher der Kern- und Teilchenphysik

Modul: Moderne Methoden der Kombinatorik [M-MATH-106957]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-113911 Moderne Methoden der Kombinatorik Unregelm. 6 Aksenovich
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden können moderne Methoden der Kombinatorik benennen, erläutern und anwenden. Insbesondere sind sie in der Lage, probabilistische Techniken, die polynomiale Methode, die Container-Methode sowie Regularisierungsverfahren auf kombinatorische Problemstellungen anzuwenden. Darüber hinaus können die Studierenden in englischer Fachsprache kommunizieren.

Inhalt

Der Kurs befasst sich mit modernen Methoden der Kombinatorik, einschließlich probabilistischer und algebraischer Methoden. Jede vorgestellte Methode wird mit mehreren Anwendungen illustriert.

Der probabilistische Teil umfasst die folgenden Themen: Zufallsgraphen, Linearität der Erwartung, Methode des zweiten Moments und Lovasz-Lemma. Der algebraische Teil umfasst: polynomiale Methoden, spektrale Methoden und lineare algebraische Techniken.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 180 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 120 Stunden

Empfehlungen

Kenntnisse in linearer Algebra und Stochastik werden dringend empfohlen. Die Kurse Graphentheorie und Kombinatorik werden empfohlen, sind aber nicht erforderlich.

Lehr- und Lernformen

Vorlesung + Übung (3+1 SWS)

Modul: Moderne Theoretische Physik für Lehramt [M-PHYS-101664]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Pflichtbestandteil)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-103203 Moderne Theoretische Physik für Lehramt - Vorleistung WS 0 Gieseke
T-PHYS-103204 Moderne Theoretische Physik für Lehramt WS 9 Gieseke
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen der Grundlagen der Theorie elektrischer und magnetischer Felder und der elektrischen und magnetischen Eigenschaften der Materie. Grundlagen der Quantenmechanik mit einfachen Anwendungen.

Inhalt

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (150)

Empfehlungen

Lehramt Physik: Module Klassische Theoretische Physik I und II.
Bei anderen Studiengängen entsprechende Module mit dem Inhalt klassischer Physik.

Modul: Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik [M-PHYS-106335]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock) (EV ab 18.02.2026)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-112849 Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik WS 9 Studiendekan/in Physik
Erfolgskontrolle(n)

Siehe Bestandteile dieses Moduls

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende erlernt die grundlegenden Konzepte der Quantenmechanik für Mehrteilchensysteme und der relativistischen Quantenmechanik, sowie die grundlegenden Konzepte der Quantenstatistik und statistischen Thermodynamik.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

240 Stunden bestehend aus Präsenzzeiten (90), Nachbereitung der Vorlesung und Vorbereitung der Übungen und der Prüfung (150)

Empfehlungen

Grundlagen der Quantenmechanik

Literatur

Lehrbücher der Quantenmechanik und der statistischen Physik

Modul: Motion in Human and Machine - Seminar [M-INFO-102555]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105140 Motion in Human and Machine - Seminar SS 3 Asfour
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students understand methods for modeling, processing, and analyzing human motions. They can explain approaches for capturing biological motion and biomechanical simulation.
 
Students can describe methods for learning motion primitives from human demonstrations and understand how human motion is mapped to robots with different kinematics and dynamics. They can apply these methods in new contexts.
 
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This interdisciplinary block seminar addresses methods for modeling, generating, and controlling movements in human and robot systems. Students gain insight into this interdisciplinary field, learning fundamentals of capturing biological motion, biomechanical simulation, robotics, and machine learning.
 
The seminar begins with the generation of human movement as an effect of muscle contraction. It covers how observed movement patterns can be identified and categorized. Methods for learning movement primitives from human demonstrations are presented, including approaches for reproducing these patterns on humanoid robots. The seminar addresses the challenge of mapping human motion to robots with different kinematics and dynamics. Students learn how motion primitives enable transfer of human movements to robotic systems and their application to motion generation in humanoid robots.

Students work in small groups on collaborative projects that apply the learned methods. These projects allow students to deepen their understanding through practical application of the methods.

Anmerkungen

This interdisciplinary seminar is conducted in cooperation with the University of Stuttgart and the University of Tübingen.

Arbeitsaufwand

Seminar with 3 SWS, 3 LP
3 LP corresponds to 90 hours, including
30 hours attendance time
15 hours group work
20 hours literature research
20 hours manuscript preparation
5 hours video creation

Empfehlungen

Programming experience in C++, Python or Matlab is recommended.
Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Modul: Multimodal Artificial Intelligence [M-INFO-107676]

Verantwortung:
Prof. Dr. Jan Niehues
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115041 Multimodal Artificial Intelligence SS 6 Niehues, Stiefelhagen
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Inhalt

Due to the successes in research, multimodal AI systems are increasingly integrated into our everyday lives. These are, for example, systems that can understand and generate language and speech or analyze images and videos. Furthermore, advanced video and image generation AI shows leads to new applications
 
Based on the knowledge of the lecture “Introduction to AI”, the students learn to understand, develop and evaluate multimodal AI Systems.
In order to bring this knowledge closer to the students, the lecture is divided into 5 parts. First, the lecture investigates method of speech and language perception followed by a part about visual perception. The second part deals speech and language generation followed by a part about video processing. Finally, multimodal AI methods are presented. 

Arbeitsaufwand

Lecture with 3 SWS + 1 SWS exercise , 6 CP.
6 LP corresponds to approx. 180 hours, of which
approx. 45 hours lecture attendance
approx. 15 hours exercise visit
approx. 90 hours post-processing and processing of the exercise sheets (self-study)
approx. 30 hours exam preparation (self-study)

Empfehlungen

See Partial Achievements (Teilleistung).

Modul: Mustererkennung [M-INFO-100825]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV bis 30.09.2027)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV bis 30.09.2027)
Vertiefungsfach 2 / Theoretische Grundlagen (EV bis 30.09.2027)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV bis 30.09.2027)
Wahlbereich Informatik (EV bis 30.09.2027)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101362 Mustererkennung SS 6 Beyerer, Zander
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Merkmale:

Klassifikatoren:

Allgemeine Prinzipien:

Anmerkungen

Findet zum letzten Mal im SS 2027 statt.

Arbeitsaufwand

Gesamt: ca. 180h, davon

Präsenzzeit Vorlesung 31h
Vor-Nachbereitung 40h
Präsenzzeit Übung 10h
Vorbereitung, Lösung der Übungsaufgaben, Nachbereitung 40h
Klausurvorbereitung und Präsenz 59h

Empfehlungen

Siehe Teilleistung.

Modul: Nano- and Quantum Electronics [M-ETIT-105604]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2021)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-111232 Nano- and Quantum Electronics SS 6 Kempf
Erfolgskontrolle(n)

The assessment of success takes place in the form of a written examination lasting 120min. The grade corresponds to the result of the written examination.

Voraussetzungen

none

Qualifikationsziele

Students will understand the physical limits of CMOS scaling and will be able to analyze the function of conventional nanoelectronic devices. Students will also understand the operation of novel nanoelectronic and quantum electronic devices and will be able to design this kind of devices that are based on quantum mechanical effects. They develop the ability to design nanoelectronic sensors and devices and can understand and analyze the fabrication methods for nano- and quantum electronic devices.

Inhalt

Nanoelectronics deals with integrated circuits whose typical length scale is well below 100nm. In this regime, physical effects, in particular of quantum mechanical origin, occur and strongly influence the scaling of classical microelectronic devices. This ultimately leads to a new form of electronic components as well as novel operation principles. A special form of nanoelectronics is quantum electronics in which quantum mechanical effects are exploited on purpose to build an entirely new class of devices whose performance reaches far beyond any other microelectronics devices. Well-known examples are superconducting digital electronics which enables to build, for example, microprocessors with clock rates exceeding several 100GHz, or the quantum computer, which will lead to a change of paradigms in the field of information processing.

 

Within this context, the module "Nano- and quantum electronics" intends to give students an overview of the theoretical and practical aspects of nano- and quantum electronics. In particular, it discusses the following topics:

 

The tutorial is closely linked to the lecture and deals with special aspects concerning the development of nano- and quantum electronics. In particular, the development and system integration of such devices for various applications is discussed by means of exercises.

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Arbeitsaufwand

A workload of approx. 175h is required for the successful completion of the module. This is composed as follows:

Empfehlungen

Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.

Modul: Natural Language Processing [M-INFO-107178]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114207 Natural Language Processing WS 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

- To familiarise the student with the problems that exist in natural language processing
- The student should be introduced to the basic techniques for solving the problems.
- The student should gain an insight into current research in the field of natural language processing and be able to use the language processing and can use the acquired knowledge to work on current research topics

Inhalt

Summarise today's lecture? When were neural networks invented? Artificial intelligence that can answer these questions has long been a dream of mankind. And today we are seeing the first programmes that can solve these problems. In this lecture we will provide the skills and knowledge to develop solutions to these problems of natural language processing using state-of-the-art methods.
After an introduction to the challenges of natural language processing, the different tasks in natural language processing are discussed. One focus of the course is on methods from the field of deep learning. Firstly, sequence classification tasks such as sentiment analysis are covered. Next, methods of sequence labelling are discussed, such as those used in the recognition of proper names or the determination of part-of-speech tags. The lecture will then discuss sequence-to-sequence methods. These models are used in many natural language processing tasks, such as machine translation, automatic summarisation and automatic question answering. 
In this course, the important challenges in the development of systems will be addressed: The representation of words, neural architectures to model language, methods to train complex models, and finding the most likely output.

Arbeitsaufwand

Lecture with 4 SWS, 6 CP.
6 LP corresponds to approx. 180 hours, of which
approx. 60 hours lecture attendance
approx. 90 hours post-processing (self-study)
approx. 30 hours exam preparation (self-study)

Modul: Natural Language Processing and Software Engineering [M-INFO-107233]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114257 Natural Language Processing and Software Engineering WS 3 Koziolek
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know basic concepts of linguistics such as syntax, semantics and pragmatics, and can explain and compare them. They are familiar with lexical relations such as polysemy, homonymy, and troponymy and can identify relevant examples. Furthermore, they can identify and compare connections between the relations. 

Students are familiar with basic concepts of computational linguistics. Basic techniques such as part-of-speech tagging, lemmatization, word similarities and disambiguation can be explained. Associated methods (lexical, rule-based, or probabilistic) can be described and their respective strengths and weaknesses assessed. Different parsing methods can be named, explained and conceptually reproduced. 

Students can describe and compare the structure, content and benefits of different knowledge bases. In addition to the overarching concepts of ontology, lexical databases and other knowledge representations, they are also familiar with specific representatives, such as WordNet, DBpedia and similar, and can use them.

Students understand the connection between the functionality of basic computational linguistics techniques and their applicability in software engineering. In addition, they can break down tool chains into individual components and evaluate them. In particular, students will be able to analyze and evaluate different applications. These include automated modeling, improving requirements specifications, and traceability link recovery. In addition, students can explain the concept of large language models (LLMs) and their application and use in the field of language processing. Students can identify application scenarios in software engineering for text analysis systems and design their own solutions.

Inhalt

This lecture provides the basics for the automated processing of natural language texts. Language processing is becoming increasingly important. 

Linguistic input plays a critical role in interactive systems, such as voice commands, assistance systems, and query interfaces. Additionally, the analysis and processing of text-based software artifacts represents an important field of research. Computational linguistics is therefore not only of great importance for software applications, but also for software engineering itself. 

The aim of this lecture is to provide basic knowledge of natural language processing (NLP) and its potential applications in the development of software systems. Key topics include the automated analysis of texts, the challenges posed by the inherent ambiguity of natural language, the translation of natural language texts into software models, and the use of large language models (LLMs) in software engineering. The lecture will also explore current research developments and trends in the field.

Arbeitsaufwand

3 ECTS correspond to approximately 90 hours of work, including:

approx. 30 hours of attending lectures

approx. 45 hours of preparation and follow-up work

approx. 15 hours of exam preparation

Modul: Network Security: Architectures and Protocols [M-INFO-107218]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2025)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114238 Network Security: Architectures and Protocols SS 4 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

In particular, students are familiar with typical attack techniques such as eavesdropping, interception or replaying and can explain these using examples. In addition, students are familiar with cryptographic primitives such as symmetric and asymmetric encryption, digital signatures, message authentication codes and can apply these in particular for the design of secure communication services.

Students are familiar with the Kerberos distributed authentication service and can explain the protocol flow in their own words and name basic concepts (e.g. tickets). In addition, students are familiar with relevant communication protocols for protecting communication on the Internet (e.g. IPsec, TLS) and can explain these and analyze and evaluate their security properties.

Students know different methods for network access protection and can explain and compare common authentication methods (e.g. CHAP, PAP, EAP). Furthermore, students are proficient in methods for protecting wireless access networks and can analyze and evaluate methods such as WEP, WPA and WPA2.

Students master different trust models and can explain and apply basic technical concepts (e.g. digital certificates, PKI) in their own words. In addition, students develop an understanding of data protection aspects in communication networks and can explain and apply technical procedures to protect privacy.

Inhalt

The lecture "Network Security: Architectures and Protocols" looks at challenges and techniques in the design of secure communication protocols as well as data protection and privacy issues. Complex systems such as Kerberos are examined in detail and their design decisions with regard to security aspects are highlighted. Special focus is placed on PKI fundamentals, infrastructures and specific PKI formats. Further emphasis is placed on the common security protocols IPSec and TLS/SSL as well as protocols for infrastructure protection.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Modul: Next Generation Internet [M-INFO-100784]

Verantwortung:
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101321 Next Generation Internet SS 4 Bless, Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students 

- know the basic properties and architectural concepts of the Internet as well as its limitations- know newer transport protocols and current approaches to increase the flexibility of Internet-based communication and can apply this knowledge in practice.are familiar with concepts for quality of service support and group communications and can apply mechanisms for their implementation on the Internethave the ability to analyze and evaluate peer-to-peer systems and advanced routing protocolsare familiar with concepts of satellite networking and quantum Internet in particular, 

- know important architectural concepts and design principles that are used on the Internet andcan explain these using examples or apply them themselves when designing systems. In addition, students know theconcept of quality of service and important quality of service parameters, are familiar with basic mechanisms for supportingquality of service (e.g. classifiers, traffic shapers, queuing and scheduling strategies, resource reservation), can analyze and evaluate them and can apply them to the design of communication systems.

- Moreover, students know the requirements and challenges for today's transport protocols and newer congestioncontrol algorithms and can analyze and assess trade-offs of the presented approaches.

- know the characteristics of peer-to-peer systems, can explain them and can compare different forms of organization.Furthermore, students master routing procedures in such decentrally organized peer-to-peer systems and can explainhow they work in detail in their own words.

- Similarly, students know inherent trade-offs for routing in the Internetand can explain newer approaches in their own words.

- In addition, students develop an understanding of the functioning of newer approaches to increase the flexibility ofcommunication networks (e.g. network virtualization, software-defined networking, service function chaining) andan analyze, explain, and apply technical procedures for their implementation.

- Moreover, students know properties of satellite and quantum networks and their corresponding challenges.

Inhalt

The lecture focuses on current developments in Internet-based network technologies. First, architectural principles of today's Internet are presented and discussed, subsequently nowadays and future challenges are motivated. 
The lecture also discusses approaches and paradigms beyond the current Internet architecture, methods for quality-of-service support, newer transport protocols and congestion control approaches  as well as group communication support. Deployments of the presented technologies in IP-based networks are discussed. The lecture presents advanced approaches such as programmable networks, network virtualization as well as newer approaches and protocols for routing, satellite networking, and peer-to-peer networks. A brief introduction to
the technology of a future quantum Internet is provided as well.

Arbeitsaufwand

Lecture with 2 SWS plus follow-up/exam preparation, 4 CP.

4 CP corresponds to approx. 120 working hours, of which

approx. 30 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 30 hours exam preparation

Literatur

J.F. Kurose, K.W. Ross; Computer Networking: A Top-Down Approach. Pearson, 2022, 8th Edition, ISBN 978-1292405469

Modul: Nichtparametrische Statistik [M-MATH-102910]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105873 Nichtparametrische Statistik 5 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls 'Wahrscheinlichkeitstheorie' werden dringend empfohlen. Das Modul 'Mathematische Statistik' wird empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+1 SWS)

Modul: Nonlinear Control Systems [M-ETIT-107644]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114989 Nonlinear Control Systems SS 6 Kluwe
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Arbeitsaufwand

The workload includes (4 SWS):

  1. attendance in lectures and exercises: 15*4 h = 60 h
  2. preparation / follow-up: 15*4 h = 60 h
  3. preparation of and attendance in examination: 60 h

       A total of 180 h

Empfehlungen

Basic and advanced knowledge knowledge in the field of control theory is recommended (for example the contents of the bachelor module M-ETIT-106339 “Mess- und Regelungstechnik” and the master module M-ETIT-107515 “Multivariable Control Systems”)

Lehr- und Lernformen

Lecture (3 SWS) + exercises (1 SWS) 

Modul: NoSQL- und Cloud-native Datenbanksysteme [M-INFO-107809]

Verantwortung:
Dr. rer. nat. Peter Reimann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.10.2026)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115203 NoSQL- und Cloud-native Datenbanksysteme WS 6 Reimann
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach erfolgreichem Abschluss der Lehrveranstaltung sind die Studierenden in der Lage, verschiedene Klassen von NoSQL-Datenbanksystemen sowie Cloud-native SQL-Datenbanksysteme hinsichtlich zentraler Eigenschaften zu analysieren, zu erläutern und zu vergleichen. Die Studierenden können insbesondere 

Inhalt

Die Lehrveranstaltung behandelt sowohl NoSQL-Datenbanksysteme als Alternativen zu klassischen relationalen Datenbanksystemen als auch moderne Cloud-native SQL-Datenbanksysteme. Im Bereich der NoSQL-Systeme werden insbesondere die Systemklassen Key-Value Stores, Document Stores, Column-Family Stores, Vektordatenbanken, Zeitreihendatenbanken, Graphdatenbanken und Triple Stores betrachtet. Cloud-native SQL-Datenbanksysteme werden hinsichtlich der beiden wesentlichen Klassen transaktionaler Systeme (OLTP) und analytischer Systeme behandelt.
 
Schwerpunkte der Vorlesung sind:

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen: 3 SWS x 15h = 45h
2. Präsenzzeit in Übungen: 1 SWS x 15h = 15h
3. Vor-/Nachbereitung des Kursmaterials und der Übungen: 6h x 15 = 90h
4. Prüfungsvorbereitung: 30h
 
Gesamtaufwand (ca.): 180h 

Empfehlungen

Kenntnisse zu Grundlagen von Datenbanksystemen werden vorausgesetzt, z. B. aus der Vorlesung „Datenbanksysteme“ [24516] oder ähnlichen Lehrveranstaltungen. 

Modul: Öffentliches Wirtschafts- und Technikrecht [M-INFO-106754]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht (EV ab 01.04.2025)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Öffentliches Wirtschafts- und Technikrecht (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-101309 Telekommunikationsrecht SS 3
T-INFO-101312 Europäisches und Internationales Recht SS 3 Brühann
T-INFO-111404 Seminar: IT-Sicherheitsrecht WS 3 Schallbruch
T-INFO-113381 Public International Law SS 3 Zufall
T-INFO-113887 EU Data Protection Law WS 3 Gil Gasiola
T-INFO-115479 EU-Law WS 3 Zufall
Erfolgskontrolle(n)

siehe Teilleistungen

Voraussetzungen

siehe Teilleistungen

Qualifikationsziele

Studierende
    •    verfügen über ein vertieftes Wissen und Verständnis in ausgewählten Rechtsgebieten des Öffentlichen Wirtschafts- und Technikrechts,
    •    verstehen internationale und europäische Dimensionen der Rechtsordnung
    •    können Verbindungen zwischen technischen und rechtlichen Fragestellungen herstellen, rechtlich einordnen und bewerten.

Inhalt

Das Modul umfasst eine Reihe von Spezialmaterien des Öffentlichen Wirtschafts- und Technikrechts. Hierzu zählt neben den Gebieten des Telekommunikationsrechts und des IT-Sicherheitsrechts auch eine vertiefende Auseinandersetzung mit dem europäischen und internationalen Rechtsrahmen. Aktuelle rechtliche Aspekte der Plattformökonomie, des digitalen Binnenmarktes und der Regulierung künstlicher Intelligenz werden hierbei aufgegriffen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h. Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

siehe Teilleistungen

Modul: Ökonomische Theorie und ihre Anwendung in Finance [M-WIWI-101502]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Volkswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
6
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: 1 Bestandteil)
T-WIWI-102609 Advanced Topics in Economic Theory Unregelm. 4,5 Brumm, Mitusch
T-WIWI-102861 Advanced Game Theory WS 4,5 Ehrhart, Puppe, Reiß
Ergänzungsangebot (Wahl: )
T-WIWI-113469 Advanced Corporate Finance SS 4,5 Ruckes
T-WIWI-102647 Asset Pricing SS 4,5 Ruckes, Uhrig-Homburg
T-WIWI-109050 Corporate Risk Management Unregelm. 4,5 Ruckes
T-WIWI-102623 Finanzintermediation WS 4,5 Ruckes
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Prüfungen werden in jedem Semester angeboten und können zu jedem ordentlichen Prüfungstermin wiederholt werden. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Eine der beiden Teilleistungen T-WIWI-102861 "Advanced Game Theory" und T-WIWI-102609 "Advanced Topics in Economic Theory" ist Pflicht im Modul. Das Modul kann entweder im Pflichtbereich Volkswirtschaftslehre oder im Wahlpflichtbereich angerechnet werden.

Qualifikationsziele

Die Studierenden

Inhalt

In der Pflichtveranstaltung "Advanced Topics in Economic Theory" werden in zwei gleichen Teilen die methodischen Grundlagen der Allgemeinen Gleichgewichtstheorie (Allokationstheorie) und der Vertragstheorie behandelt. In der Veranstaltung "Asset Pricing" werden die Techniken der Allgemeinen Gleichgewichtstheorie auf Fragen der Preisbildung für Finanztitel angewandt. In den Veranstaltungen "Corporate Financial Policy" und "Finanzintermediation" werden die Techniken der Vertragstheorie auf Fragen der Unternehmensfinanzierung und auf Institutionen des Finanzsektors angewandt.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Die genaue Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls.

Modul: Operations Research im Supply Chain Management [M-WIWI-102832]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch/Englisch
Level
4
Version
11
Wahlinformationen

Falls dieses Modul als OR-Pflichtmodul eingebracht wird, ist mindestens eine der Veranstaltungen Operations Research im Supply Chain Management, Graph Theory and Advanced Location Models, und Modellieren und OR-Software: Fortgeschrittene Themen verpflichtend. Diese Pflichtregelung gilt nicht, wenn das Modul in den Wahlpflichtbereich eingebracht wird.

In den Studiengängen Informationswirtschaft/Wirtschaftsinformatik M.Sc. können zwei beliebige Teilleistungen im Modul gewählt werden.

Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-102723 Graph Theory and Advanced Location Models Unregelm. 4,5 Nickel
T-WIWI-106200 Modellieren und OR-Software: Fortgeschrittene Themen WS 4,5 Nickel
T-WIWI-102715 Operations Research in Supply Chain Management Unregelm. 4,5 Nickel
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-MACH-112213 Angewandte Materialflusssimulation WS 4,5 Baumann
T-WIWI-106546 Einführung in die Stochastische Optimierung SS 4,5 Rebennack
T-WIWI-102718 Ereignisdiskrete Simulation in Produktion und Logistik SS 4,5 Spieckermann
T-WIWI-115386 Gemischt-ganzzahlige Optimierung SS 4,5 Stein
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II Unregelm. 4,5 Stein
T-WIWI-106549 Large-scale Optimierung SS 4,5 Rebennack
T-WIWI-115501 Multikriterielle Optimierung WS 4,5 Stein
T-WIWI-114747 Praktisches Seminar zur Diskreten Optimierung: Lösungsverfahren implementieren und bewerten (mit Python) Einmalig 4,5 Bakker
T-WIWI-112109 Topics in Stochastic Optimization WS 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen(nach § 4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderungen an Leistungspunkten erfüllt ist.

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung beschrieben.

Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/ die Studierende

Inhalt

Supply Chain Management befasst sich mit der Planung und Optimierung des gesamten, unternehmensübergreifenden Beschaffungs-, Herstellungs- und Distributionsprozesses mehrerer Produkte zwischen allen beteiligten Geschäftspartnern (Lieferanten, Logistikdienstleistern, Händlern). Ziel ist, unter Berücksichtigung verschiedenster Rahmenbedingungen die Befriedigung der (Kunden-) Bedarfe, so dass die Gesamtkosten minimiert werden.

Dieses Modul befasst sich mit mehreren Teilgebieten des SCM. Zum einen mit der Bestimmung optimaler Standorte innerhalb von Supply Chains. Diese strategischen Entscheidungen über die die Platzierung von Anlagen wie Produktionsstätten, Vertriebszentren und Lager u.ä., sind von großer Bedeutung für die Rentabilität von Supply-Chains. Sorgfältig durchgeführte Standortplanungen erlauben einen effizienteren Materialfluss und führen zu verringerten Kosten und besserem Kundenservice. Ein weiterer Schwerpunkt bildet die Planung des Materialtransports im Rahmen des Supply Chain Managements.Durch eine Aneinanderreihung von Transportverbindungen und Zwischenstationen wird die Lieferstelle (Produzent) mit der Empfangsstelle (Kunde) verbunden. Es wird betrachtet, wie für vorgegebene Warenströme oder Sendungen aus den möglichen Logistikketten die optimale Liefer- und Transportkette auszuwählen ist, die bei Einhaltung der geforderten Lieferzeiten und Randbedingungen zu den geringsten Kosten führt. Darüber hinaus bietet das Modul die Möglichkeit verschiedene Aspekte der taktischen und operativen Planungsebene im Supply Chain Management kennenzulernen. Hierzu gehören v.a. Methoden des Schedulings sowie verschiedene Vorgehensweisen in der Beschaffungs- und Distributionslogistik. Fragestellungen der Warenhaltung und des Lagerhaltungsmanagements werden ebenfalls angesprochen.

Anmerkungen

Einige Veranstaltungen werden unregelmäßig angeboten.

Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research vermittelt werden, werden vorausgesetzt.

Modul: Optical Engineering and Machine Vision [M-ETIT-106974]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-113941 Optical Engineering and Machine Vision WS 6 Heizmann
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes. 

Voraussetzungen

none

Qualifikationsziele

Inhalt

Optical engineering and machine vision are collective terms for using optical signals to solve tasks of information retrieval for technical and other application. They comprise the propagation of light in optical systems, the acquisition of image signals using optical imaging and cameras, the processing of the recorded image signals using (digital) image processing and the evaluation of the image data to obtain useful information from the recorded images.

The module teaches the basics, procedures and exemplary applications of optical engineering and image processing.

The module include in detail:

The following topics do not apply for KSOP students:

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Arbeitsaufwand

The workload includes:

  1.  attendance in lectures and exercises: 15*4 h = 60 h
  2.  preparation / follow-up: 15*4 h = 60 h
  3.  preparation of and attendance in examination: 60 h

       A total of 180 h = 6 CR

Empfehlungen

Basic knowledge of systems theory and signal processing (e.g. from the module “Signals and Systems”) as well as optics is helpful.

Lehr- und Lernformen

lecture (3 SWS) and exercise (1 SWS)

Modul: Optimal Control [M-ETIT-107497]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Automation und Energienetze
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-114701 Optimal Control WS 6 Hohmann
Erfolgskontrolle(n)

The assessment consists of a written exam (120 min) taking place in the recess period.

Voraussetzungen

none

Qualifikationsziele

Inhalt

The module teaches the mathematical basics that are required to solve optimization problems. The first part of the lecture treats methods for solving dynamic optimization problems, including Dynamic Programming and methods derived from the calculus of variations, such as the Hamilton method. 

This is followed by a section on optimal control problems. After presenting techniques to transform dynamic optimization problems into static ones, the final part of the lecture addresses methods for solving static optimization problems, both constrained and unconstrained.

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Anmerkungen

Successor of "M-ETIT-100531 - Optimization of Dynamic Systems"

Arbeitsaufwand

The amount of work includes

1. presence in lecture/exercises/tutorial(optional) (2+2 SWS: 60h)

2. preparation/postprocessing of lecture/exercises (90h)

3. preparation/presence in the written exam (30h)

Lehr- und Lernformen

lecture (2 SWS), excercise (2 SWS)

Modul: Optimierungstheorie [M-MATH-103219]

Verantwortung:
Prof. Dr. Roland Griesmaier
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-106401 Optimierungstheorie - Klausur WS+SS 9 Arens, Griesmaier, Hettlich, Rieder, Wieners
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen  Prüfung von 120 Minuten Dauer.

Voraussetzungen

Keine.

Qualifikationsziele

Die Studierenden sollen in die Lage versetzt werden, endlichdimensionale Optimierungsaufgaben in Standardformen zu transformieren und zu klassifizieren und diese hinsichtlich Existenz, Eindeutigkeit und Dualität zu analysieren.
Sie sollen in der Lage sein, mit Hilfe des Simplexverfahrens (Phase I und II) lineare Probleme zu lösen und sollen die notwendigen und hinreichenden Optimalitätsbedingungen für konvexe und nichtlineare Probleme nennen und erläutern können.

Inhalt

Konvexe Mengen, lineare Optimierungsaufgaben (Existenz, Dualität, Anwendungen), Simplexverfahren, konvexe Optimierungsaufgaben (Existenz, Eindeutigkeit, Dualität), differenzierbare Optimierungsaufgaben (Lagrangesche Multiplikatorenregel), Anwendungen (z.B. in der Spieltheorie oder Graphentheorie)

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Lineare Algebra 1+2, Analysis 1+2

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Modul: Optimization and Synthesis of Embedded Systems (ESI) [M-INFO-107229]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114253 Optimization and Synthesis of Embedded Systems (ESI) WS 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student can develop embedded systems. They can specify, synthesize and optimize their own hardware. They learn the hardware description language and are familiar with the special boundary conditions of the design of embedded systems.

Inhalt

The cost-effective and error-free development of embedded systems represents a challenge that should not be underestimated and which is having an ever greater influence on the added value of the overall system. In Europe in particular, the design of embedded systems is playing an increasingly important economic role in many sectors of the economy, such as the automotive industry, so that a number of well-known companies are already involved in the development of embedded systems.

The lecture deals comprehensively with all aspects of the development of embedded systems at hardware, software and system level. This includes diverse areas such as modelling, optimization and synthesis of systems.

Arbeitsaufwand

90 hours:
30 hours of lectures (15 weeks*2 hours)
30 hours of self study (15 weeks*2 hours)
15 hours of deepening (coding RTL) to grasp the theory with practical 
15 hours exam preparation

Modul: Optimization Methods for Machine Learning and Engineering [M-INFO-105329]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2020)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2020)
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110809 Optimization Methods for Machine Learning and Engineering WS 5 Beyerer, Pfrommer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are able to formulate practical tasks as optimisation problems and solve them using suitable algorithmic methods.
Learning objectives: The students know
- The most important categories of (convex) optimisation problems and their mathematical foundations
- The associated algorithmic solution methods and their runtime complexity
- Techniques for modelling practical tasks as optimisation problems (machine learning, engineering, finance)
- Methods for transforming and approximating optimisation problems for the use of resource-efficient methods

Inhalt

The term optimization refers to techniques for the identification of the best solution in a complex problem setting. Many applications from machine learning and engineering are based on solving an optimization problem. This lecture introduces the major theoretical and algorithmic tools for solving of convex optimization problems. Practical problems for machine learning, engineering and further application domains are used as illustration. The students apply their knowledge to practical optimization problems in tutorial exercises.

Arbeitsaufwand

Lecture with 2 SWS + 1 SWS exercise
5 ECTS corresponds to approx. 150 hours
approx. 30 hours lecture attendance,
approx. 15 hours attending exercises,
approx. 90 hours of post-processing and working on the exercise sheets
approx. 30 hours exam preparation

Literatur

Modul: Optoelectronic Components [M-ETIT-100509]

Verantwortung:
TT-Prof. Dr. Tobias Huber-Loyola
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-101907 Optoelectronic Components SS 4 Huber-Loyola
Erfolgskontrolle(n)

Type of Examination: oral exam

Duration of Examination: approx. 30 minutes

Modality of Exam: Oral examination, usually one examination day per month during the Summer and Winter terms. An extra questions-and-answers session will be held if students wish so.

Voraussetzungen

none

Qualifikationsziele

Comprehending the physical layer of optical communication systems. Developing a basic understanding which enables a designer to read a device´s data sheet, to make most of its properties, and to avoid hitting its limitations.

The students

Inhalt

The course concentrates on the most basic optical communication components. Emphasis is on physical understanding, exploiting results from electromagnetic field theory, (light waveguides), solid-state physics (laser diodes, LED, and photodiodes), and communication theory (receivers, noise). The following components are discussed:

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Anmerkungen

There are no prerequisites, but solution of the problems on the exercise sheet, which can be downloaded as homework each
week, is highly recommended. Also, active participation in the problem classes and studying in learning groups are strongly
advised.

Arbeitsaufwand

total 120 h, hereof 45 h contact hours (30 h lecture, 15 h problem class), and 75 h homework and self-studies

Empfehlungen

Minimal background required: Calculus, differential equations, Fourier transforms and p-n junction physics.

Literatur

Detailed textbook-style lecture notes as well as the presentation slides can be downloaded from the IPQ lecture pages.

Agrawal, G.P.: Lightwave technology. Hoboken: John Wiley & Sons 2004

Iizuka, K.: Elements of photonics. Vol. I, especially Vol. II. Hoboken: John Wiley & Sons 2002

Further textbooks in German (also in electronic form) can be named on request.

Modul: Parallel Algorithms [M-INFO-107199]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 1 / Parallelverarbeitung (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Parallelverarbeitung (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114221 Parallel Algorithms WS 4 Sanders
T-INFO-114222 Parallel Algorithms Pass WS 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students acquire a systematic understanding for algorithmic problems and their solutions in the field of parallel algorithms, building on existing knowledge in algorithmics. Additionally, they are able to apply learned techniques to related problems and to interpret and comprehend current research topics.

After successful attendance of the course, the students are able to


• explain terms, structures, basic problem definitions and algorithms from the lecture;
• decide which algorithms and data structures are suitable for solving a given problem and, if necessary, adapt them to the requirements ofa specific problem;
• execute algorithms and data structures, conduct a mathematically precise analysis, and prove their algorithmic properties;
• explain machine models from the lecture and analyze algorithms and data structures in them;
• analyze new problems from application contexts, reduce them to their algorithmic core and design an abstract model; design own solutions in this model using concepts and techniques from the lecture, analyze them and prove the algorithmic properties.

Inhalt

Models and their relation to real machines:
• shared memory - PRAM
• message passing - BSP
• circuits

Analysis: speedup, efficiency, scalability

Basic techniques:
• SPMD
• parallel divide-and-conquer
• collective communication
• load balancing

Concrete algorithms (examples):
• collective communication (including large data volumes): broadcast,
• reduce, prefix sums, all-to-all exchange
• matrix computations
• sorting
• list ranking
• minimum spanning trees
• load balancing: master worker with adaptive problem size, random
• polling, random distribution

Arbeitsaufwand

Lecture and exercise with 3 semester hours per week, 5 ECTS correspond to approx. 150 working hours, consisting of
• approx. 30 h attendance of the lecture and exercise session / block seminar
• approx. 60 h preparation and follow-up work
• approx. 30 h working on exercise sheets / preparation of seminar presentation
• approx. 30 h exam preparation

Empfehlungen

See partial achievements (Teilleistung) 

Modul: Paralleles Rechnen [M-MATH-101338]

Verantwortung:
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-102271 Paralleles Rechnen Unregelm. 6 Krause, Wieners
Erfolgskontrolle(n)

Prüfungsvorleistung: bestandenes Praktikum

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

• Parallele Programmiermodelle
• Paralleles Lösen linearer Gleichungssysteme
• Parallele Finite Differenzen, Finite Elemente, Finite Volumen
• Methoden der Gebietszerlegung
• Matrix-Matrix und Matrix-Vektor-Operationen
• Konvergenz- und Leistungsanalyse
• Lastverteilung
• Anwendungen aus den Natur- und Ingenieurwissenschaften

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 180 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 120 Stunden

Empfehlungen

Kenntnisse in einer höheren Programmiersprache (C++, Java, Fortran) und Grundlagenkenntnisse in der numerischen Behandlung von Differentialgleichungen (Finite Differenzen oder Finite Elemente) werden empfohlen.

Lehr- und Lernformen

Vorlesung + Übung am Computer (2+2 SWS)

Modul: Parallelrechner und Parallelprogrammierung [M-INFO-100808]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101345 Parallelrechner und Parallelprogrammierung SS 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende erörtern die Grundbegriffe paralleler Architekturen und die Konzepte ihrer Programmierung. Sie analysieren verschiedene Architekturen von Höchstleistungsrechnern und differenzierenzwischen verschiedene Typen anhand von Beispielen aus der Vergangenheit und Gegenwart .

Studierende analysieren Methoden und Techniken zum Entwurf, Bewertung und Optimierung paralleler Programme, die für den Einsatz in Alltags- oder industriellen Anwendungen geeignet sind und wenden diese an. Studierende können Probleme im Bereich der Parallelprogrammierung beschreiben, analysieren, und beurteilen.

Inhalt

Die Vorlesung gibt eine Einführung in die Welt moderner Parallel- und Höchstleistungsrechner, des Supercomputings bzw. des High-Performance Computings (HPC) und die Programmierung dieser Systeme.

Zunächst werden allgemein und exemplarisch Parallelrechnersysteme vorgestellt und klassifiziert. Im Einzelnen wird auf speichergekoppelte und nachrichtengekoppelte System, Hybride System und Cluster sowie Vektorrechner eingegangen. Aktuelle Beispiele der leistungsfähigsten Supercomputer der Welt werden ebenso wie die Supercomputer am KIT kurz vorgestellt.

Im zweiten Teil wird auf die Programmierung solcher Parallelrechner, die notwendigen Programmierparadigmen und Synchronisationsmechanismen, die Grundlagen paralleler Software sowie den Entwurf paralleler Programme eingegangen. Eine Einführung in die heute üblichen Methoden der parallelen Programmierung mit OpenMP und MPI runden die Veranstaltung ab.

Arbeitsaufwand
120 h / Semester
Empfehlungen

Siehe Teilleistung

Modul: Parameterized Algorithms [M-INFO-107167]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114194 Parameterized Algorithms Unregelm. 6 Bläsius
T-INFO-114195 Parameterized Algorithms - Pass Unregelm. 0 Bläsius
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students acquire a systematic understanding of the parameterised approach in the runtime analysis of algorithms, as well as the associated techniques for algorithm design, which build on existing knowledge in theoretical computer science and algorithmics. After successfully completing the course, students will be able to
- reproduce and explain basic algorithmic techniques and analysis techniques in the field of parameterised algorithms,
- execute parameterised algorithms by way of example, analyse them with mathematical precision and prove their properties,
- select which algorithms or algorithmic techniques are suitable for a given parameterised problem,
- analyse unknown problems with regard to their parameterised complexity.

Inhalt

Many problems that arise in practice are NP-hard and therefore generally (presumably) cannot be solved in polynomial time. Nevertheless, these problems can often be solved efficiently because the inputs are "benign". One way to formally capture this benignity of the instances is to consider the parameterised complexity. This involves associating a parameter k with each instance, which represents a measure of the complexity of the input. The aim is then to find an algorithm whose runtime depends only polynomially on the input size n but possibly exponentially on the parameter k. Compared to the rough classification of a problem as polynomially solvable or NP-hard, the parameterised approach offers a much more differentiated view of hard problems.

Arbeitsaufwand

Lecture with tutorial with 4 SWS, 6 CP
6 CP corresponds to approx. 180 working hours, of which
approx. 60 hours attending the lecture and tutorial
approx. 30 hours of preparation and follow-up work
approx. 60 hours working on the exercise sheets
approx. 30 hours exam preparation

Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) is helpful.

Modul: Participatory Technology Design [M-INFO-107170]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114199 Participatory Technology Design WS 6 Gerling
T-INFO-114200 Participatory Technology Design - Pass WS 0 Gerling
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After completing the course, students will be able to reproduce basic and advanced theoretical concepts from human-machine interaction and participatory technology design. Furthermore, they will be able to apply relevant methods for participatory design and evaluation to given problems, taking into account the needs of users and ethical aspects, and derive concrete design recommendations from the results. Finally, students are able to recognise and critically reflect on the connections between participation, design, implementation and evaluation of technologies.

Inhalt

In human-machine interaction, the participatory development of new technologies - i.e. the direct and equal involvement of users in the development process - is becoming increasingly important. It is used, for example, in the development of body-centred and wearable systems, or contributes to the design of solutions in the field of smart and assisted living and personal robotics. Participation is often realised through interviews, focus groups and design workshops; new technologies are also regularly evaluated as part of user studies. The direct involvement of users is intended to ensure that the resulting technologies are better adapted to people's needs and that their benefits and relevance for individuals and society can be increased as a result.
The lecture deals with current research approaches to the participatory design of new technologies and covers the following topics in particular, while continuously taking ethical aspects into account:

- Design approaches, in particular theory-driven design, ethical approaches such as value-sensitive design, and future-oriented approaches such as speculative design and design fiction
- Typical methods of participation in the design and development of technologies, and reflection on the associated challenges and opportunities
- Participatory and user-centred evaluation of technologies and implications for society, research and development
In the associated exercise, students actively develop relevant concepts and reflect on theoretical aspects in their application in the context of practical examples. In addition, current research publications are analysed as part of the exercise.

Arbeitsaufwand

The total workload for this course is approx. 180 hours (6 credits).
Approximately...
28h for attending the lecture,
24 hours for attending the exercises,
40h for preparation and follow-up of the lecture,
40h for preparation and follow-up of the exercise,
48h for exam preparation.

Empfehlungen

Knowledge of the basics of human-machine interaction is helpful.

Modul: Photorealistic Rendering [M-INFO-107817]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115210 Photorealistic Rendering SS 5 Dachsbacher
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung)

Voraussetzungen

See Partial Achievements (Teilleistung)

Qualifikationsziele

Students understand algorithms and techniques for generating realistic images (e.g., reflection models, light transport simulation, Monte Carlo methods), can analyze and evaluate them, and can select and implement appropriate rendering techniques for a given application.

Inhalt

Algorithms and techniques in computer graphics for generating photorealistic images. Topics include: global illumination and light transport phenomena, path tracing, photon mapping, radiometry, BRDFs, radiosity, Monte Carlo methods, and importance sampling.

Arbeitsaufwand

60 hours = 1. attendance, time of attendance, face-to-face teaching (Studierende), 2. core working hours (Arbeitnehmer); 3. contact hours (in Modulbeschreibung) 

70 hours = preparation/follow-up

20 hours = Exam preparation

Empfehlungen

See Partial Achievements (Teilleistung)

Modul: Physics, Technology and Applications of Thin Films [M-ETIT-105608]

Verantwortung:
Dr. Konstantin Ilin
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2021)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-111237 Physics, Technology and Applications of Thin Films WS 4 Ilin
Erfolgskontrolle(n)

Oral examination of approximately 20 minutes

Voraussetzungen

The modul "M-ETIT-102332 - Thin films: technology, physics and applications" and "Thin Films: Technology, Physics and Applications I" may neither be started nor completed.

Qualifikationsziele

Students should be able to discuss interplay between growth conditions of thin films, physical and geometrical properties of nanostructure made of these films, and performance and suitable areas of application of detectors of radiation based on interaction of these nanostructures with electromagnetic power. The knowledge obtained by students should provide a theoretical basis for the most important steps in development of thin film nanoelectronic devices.

Inhalt

Students will get practically oriented information about technology of thin films including different methods of deposition of thin films like magnetron sputtering, thermal evaporation, pulsed laser ablation, about basics of vacuum technology, and about mechanisms of growth of thin films of different materials at different conditions.

Patterning methods (photo- and e-beam lithography, reactive ion etching, ion milling, and lift-off techniques) suitable for nanometer scale features of electronic devices will be considered in details.

Experimental methods of characterization of material, geometrical, optical, physical, superconducting, electron and phonon properties of thin films, nanostructures made of these films, and devices based on these nanostructures will be discussed.

Consideration of technology and physics of thin film structures will be done on example of development of three types of fast and sensitive detectors of electro-magnetic radiation for applications in optical and THz spectral ranges: superconducting nanowire single-photon detector, hot-electron bolometer, and YBCO ps-fast detector of synchrotron emission. Dependence of detector’s performance on their fabrication condition will be analyzed in frame of physical models which describe response mechanisms of the detectors to absorbed radiation.

Practical actualization of the knowledge is possible in frame of Praktikum Nanoelektronik (LVN 23669).

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand

A workload of approx. 90 h is required for the successful completion of the module. This is composed as follows

1. attendance time in lecture/exercise 18 h

2. pre-/postprocessing of the lecture 24 h

3. preparation/attendance oral exam 48 h

Modul: Physiologie und Anatomie für die Medizintechnik [M-ETIT-105874]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2022)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-111815 Physiologie und Anatomie für die Medizintechnik WS 6 Nahm
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Erfolgskontrolle umfasst den Inhalt von Physiologie und Anatomie I (jedes Wintersemester) and Physiologie und Anatomie II (jedes Sommersemester).

Voraussetzungen

Die Module "M-ETIT-100390 - Physiologie und Anatomie I" und "M-ETIT-100391 - Physiologie und Anatomie II" dürfen nicht begonnen sein.

Qualifikationsziele

Nach dem Studium dieses Moduls

Nachhaltigkeits-Kompetenzziel: Die Studierenden haben ihren Lernprozess aktiv mitgestaltet.

Inhalt

Physiologie und Anatomie I (Wintersemester)

Die Vorlesung vermittelt Basiswissen über die wesentlichen Organsysteme des Menschen und die medizinische Terminologie. Sie wendet sich an Studierende technischer Studiengänge, die an physiologischen Fragestellungen interessiert sind.

Themenblöcke:

Physiologie und Anatomie II (Sommersemester)

Die Vorlesung erweitert das vermittelte Wissen des ersten Teils der Vorlesung und stellt weitere Organsysteme des Menschen vor.

Themenblöcke:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Es können Bonuspunkte für einen studentischen Beitrag zur Vorlesung vergeben werden.

Die Anrechnung der Bonuspunkte erfolgt folgendermaßen:

Anmerkungen

Achtung:
Die diesem Modul zugeordnete Teilleistung ist Bestandteil der Orientierungsprüfung folgender Studiengänge:

Die Prüfung ist zum Ende des 2. Fachsemesters anzutreten. Eine Wiederholungsprüfung ist bis zum Ende des 3. Fachsemesters abzulegen.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

Gesamtaufwand ca. 180 Stunden = 6 LP

Lehr- und Lernformen

Winter-/Sommersemester:

Modul: Post-quantum Cryptography from Lattices [M-INFO-107642]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2026)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114987 Post-quantum Cryptography from Lattices Unregelm. 3 Müller-Quade
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

The student
- knows the assumptions and framework underlying lattice-based cryptography.
- understands and is able to explain the common tools of the area.
- knows and understands the protocols and proofs presented in the lecture and can reproduce them.
- can apply the contents of the lecture to construct new (simple) schemes or analyze the security of given (simple) schemes.

Inhalt

The lecture “Post-Quantum (Lattice-based) Cryptography” introduces the framework of lattice-based cryptography, its common tools and concepts, and important constructions of advanced cryptographic primitives. The central hardness assumptions underlying lattice-based cryptography are believed to be intractable even for quantum algorithms, and as such provide a foundation for post-quantum security. Beyond that, lattice-based cryptography enables a wealth of constructions of theoretical and practical interest.

Arbeitsaufwand

90 h
Lectures: 24 h
Self-study during semester: 31 h
Preparation for the exam: 35 h

Empfehlungen

See Partial Achievements (Teilleistung).

Modul: Power Management [M-INFO-100804]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101341 Power Management WS 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende beschreiben die grundlegenden Mechanismen und Strategien zur Verwaltung der Ressource Energie in Rechnersystemen. Die verschiedenen Möglichkeiten, welche die Hardware bietet, um den Energieverbrauch zu beeinflussen, könnend die Studierenden einordnen und hinsichtlich ihrer Einsatzfähigkeit in Betriebssystemen bewerten.Studierende können Informationen über Energiezustände und Energieverbrauch der Hardware ermitteln und den Energieverbrauch dem jeweiligen Verursacher, z.B. einzelnen Anwendungen und Diensten, zuordnen.

Inhalt

Studierende können die Auswirkung von Drosselungsmechanismen der CPU bzgl. Energieeffizienz, Leistungsaufnahme und Integrationsfähigkeit in das Betriebssystem bewerten. Sie modellieren den Energieverbrauch eines Rechners und leiten die Hitzeentwicklung daraus ab.

Studierende beschreiben die Stromsparmechanismen von Speicherkomponenten und bewerten die Auswirkungen der Speicherallokation auf den Energieverbrauch.

Studierende beschreiben die Energieeigenschaften von Batterien und bewerten Einplanungsverfahren hinsichtlich ihrer Auswirkungen auf die effektive Batteriekapazität.

Studierende gliedern die Strukturen einer architekturneutralen Schnittstelle zu Mechanismen der Speicherverwaltung und bewerten ihren Einsatz in skalierbaren Systemen.

Anmerkungen

Findet im WS 26/27 nicht statt.

Arbeitsaufwand
(2 SWS + 2 h Nachbereitung) * 15 + 30h Prüfungsvorbereitung = 90 h = 3 ECTS
Empfehlungen

Siehe Teilleistung.

Modul: Power Management Praktikum [M-INFO-101542]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-102958 Power Management Praktikum WS 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende beurteilen die Mechanismen zur Verwaltung der Ressource Energie in Rechnersystemen und entwerfen neue Verfahren zur Energieverwaltung in einem bestehenden komplexen Betriebssystemkern.
Die Studierenden analysieren, entwerfen, implementieren, dokumentieren und präsentieren die neuen Ansätze in kleinen Teams von 2-3 Studierenden.

Inhalt

Die Studierenden entwerfen Dateisysteme, Abrechnungsmechanismen, Drosselungsverfahren und evaluieren ihre Implementierung mit selbst instrumentierten Betriebssystemkernen auf Testrechnern.

Anmerkungen

Findet im WS 26/27 nicht statt.

Arbeitsaufwand
30 h = 2 SWS * 15
50 h Design, Implementierung, Evaluation
10 h (Dokumentation + Präsentationsvorbereitung
= 90 h = 3 ECTS

Modul: Practical Course on Telematics [M-INFO-107597]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV zwischen 01.10.2025 und 31.03.2027)
Vertiefungsfach 2 / Telematik (EV zwischen 01.10.2025 und 31.03.2027)
Wahlbereich Informatik (EV zwischen 01.10.2025 und 31.03.2027)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114894 Practical Course on Telematics WS 3 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student can use the tools learned to identify and evaluate the behavior of selected protocols, architectures, procedures and algorithms in practice. In doing so, the student applies the basic theoretical knowledge from the course Telematics [24128] in practice and thus deepens the concepts learned.
In addition, the student is able to examine, design and configure networks using the knowledge acquired and tools learned.
The student can independently transfer the skills acquired and tools learned to a self-conceived, experimental setup.

Inhalt

In a series of laboratory experiments, participants learn to apply their theoretical knowledge from the core module "Telematics" in practical experiments. The practical course is therefore an excellent complement to the core module. The lab experiments provide hands-on experience in a variety of topics, including protocols and algorithms for Internet routing, congestion control methods, access networks and traffic engineering.
Participants also configure their own networks and are introduced to the concept of software-defined networks, a novel approach to network design. At the same time, participants learn the various tools for measuring and analyzing the behavior of the protocols and algorithms presented in practical use.
The observations and results are discussed in small groups. At the end of the semester, participants deepen their knowledge in a small project.

Anmerkungen

Will take place for the last time in the winter semester of 26/27.

Arbeitsaufwand

3 ECTS:
- Biweekly laboratory experiments + exercise sheets: 50h

- Final project + final report: 30h

Empfehlungen

Previous or parallel attendance of the lecture "Telematics"

Modul: Practical Course: Internet of Things (IoT) [M-INFO-103706]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-107493 Practical Course: Internet of Things (IoT) WS+SS 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

-  Students will understand the core concepts of IoT systems, including design objectives, application domains, and requirements.

-  They will gain skills in developing software programs for IoT embedded devices, debugging, and testing software on hardware.

-  They will be capable of integrating and evaluating IoT systems comprising sensors, processors, wireless communication modules, and data storage.

Inhalt

Arbeitsaufwand

Attendance time: 45 hours
Final project: 55 hours
Final presentation & Report: 20 hours

Total = 120 hours = 4 ECTS

Empfehlungen

-    Familiarity with other (than C) languages like Python could be helpful as well.
-    Basic knowledge from the modules “Design and Architectures of Embedded Systems (ESII)” and “Optimization and Synthesis of Embedded Systems (ESI)” are helpful but not essential for understanding the lab.

Modul: Practical Course: Advanced Software Development Tools [M-INFO-107739]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115130 Practical Course: Advanced Software Development Tools WS+SS 6 Schaefer
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students will be able to:
·      Understand academically driven problems and, in collaboration with advisors, define requirements for the software to be developed or enhanced.
·      Create medium-sized programs using current development environments, or familiarize themselves with medium- to large-scale programs and further develop them.
·      Present project progress to advisors at regular meetings and identify potential obstacles.
·      Evaluate third-party programs during code reviews, identify potential vulnerabilities, and discuss them.
·      Present a (further) developed program in a short presentation.
·      Document a (further) developed program.

Inhalt

The requirements to modern software are becoming increasingly stringent and complex. As a result, new software development techniques are constantly being introduced to meet these demands. This often requires researchers to implement new development environments and tools that support these advanced development techniques.
In this module, participants will use and expand advanced software development tools from both industry and research. The goal is either to extend the functionality of the tool or to improve its non- functional properties.
Practical work is graded individually, and group work is required. The practical course is integrated into the department’s current research projects and offers ample opportunity for creativity. The assignments are practice-oriented and prepare students for real-world tasks in research and industry.

Anmerkungen

The module can also be offered in German by arrangement.

Arbeitsaufwand

20 h familiarization + 120 h development work + 20 h weekly meetings and their follow-up + 10 h preparation and
code review + 10 h preparation and holding of the final presentation = 180 h

Modul: Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics [M-INFO-105870]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2021)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2021)
Wahlbereich Informatik (EV ab 01.04.2021)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111803 Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics Unregelm. 6 Streit
Erfolgskontrolle(n)

See partial achivements (Teilleitung)

Voraussetzungen

See partial achivements (Teilleitung)

Qualifikationsziele

Students know and can apply tools and techniques in the fields of high-performance computing, data management and data analysis. They acquire the possibility to analyze complex scenarios and develop solutions for this. Besides working on the content, students improve their competences in communication and presentation.

Inhalt

Participants will have the chance to deepen their knowledge of high-performance computing, data management and data analysis and to apply it in a practical way. The tasks to be worked on come from the subfields:
• HPC simulations (e.g., parallelization, MPI, performance engineering)
• HPC systems and operating environment (e.g., On Demand File Systems, Infiniband Networks, Job Scheduling)
• Machine Learning and Data Mining (e.g., RapidMiner, scikit)
• Data-Intensive Computing (e.g., Hadoop, Spark).
• HPC and data analysis with Python (e.g., Numpy, Scipy, Pandas, Dask, Parsl)
• Distributed & Parallel File Systems (e.g., glusterFS, BeeGFS)
• Object Storage (e.g., S3, CEPH)
• Data Management System (e.g., dCache, iRods)
• Databases (e.g., SQL, NoSQL)
• Workflow management systems for HPC and data analysis (e.g., FireWorks, AiiDA, SimStack)
• Opportunistic resource integration and utilization (e.g., using COBalD/TARDIS)
• Authentication and authorization infrastructure (e.g., OpenID, SAML)

Students are individually supervised by scientific staff of the Scientific Centre for Computing and can apply their skills in a practical and research-oriented way by being involved in current research tasks (e.g., Helmholtz program, BMBF and EU projects).

Arbeitsaufwand

3 SWS = 150 h per semester
• 12 h in meetings during the semester (kick-off, regular meetings with the supervisor, final meeting including presentation)
• 18 h preparation of meetings
• 120 h working on the topic and preparation of the exam

Empfehlungen

Knowledge in the area of databases, data management, data analytics, parallel computing is helpful.

Modul: Practical Course: AI for Climate and Weather Predictions [M-INFO-106800]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113659 Practical Course: AI for Climate and Weather Predictions Unregelm. 6 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will be able to
•    define current opportunities and challenges in building advanced AI models for climate and weather predictions.
•    explain advanced AI model architectures.
•    generate and critically assess output of state-of-the-art AI models.
•    professionally present their results both orally and in a concise scientific paper.

Inhalt

Students will learn how to work with state-of-the-art AI models for climate science and weather forecasting. 

For example, typical AI models will include recent releases of 

•    Foundation models for climate science and weather forecasting.
•    Generative AI models for tasks such as ensemble generation of weather forecasts and of climate change simulations for uncertainty quantification.
•    Transformer and graph neural network models for weather forecasting.
•    Climate model emulators.

Each student will be able to select from a variety of topics to explore in their practical experiments. These could include, but are not limited to:

•    The representation of physical concepts in data-driven AI models (e.g., does the model indirectly learn to “understand physics”?).
•    Detecting and understanding failure modes of AI models.
•    Forecast accuracy and uncertainty quantification for AI-generated ensembles of simulations.
•    Effective solutions to post-processing AI results and/or to modifying AI model architectures.
•    Assessing if certain AI architectures perform significantly better for specific tasks.

Arbeitsaufwand

In-person introductory session, individual and group meetings, final presentation sessions: 30h

Practical tasks – getting started, implementation, experiments, analysis: 100h

Write up results in the style of a scientific paper and preparation of final presentation: 50h

Empfehlungen

•    Knowledge of the Python programming language. 
•    Good knowledge of mathematical concepts such as linear algebra is an advantage.
•    An interest in scientific questions around climate science and weather forecasting.

Modul: Practical Course: Application Security [M-INFO-106996]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113958 Practical Course: Application Security WS+SS 4 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification objective:

Students are able to identify security-relevant weaknesses and errors in a program analysis and suggest corrections.

Learning objectives:

Inhalt

This module is dedicated to techniques for exploiting programming errors and common countermeasures, such as:

Arbeitsaufwand

Attendance time: 15 h
Solving the tasks: 75
Preparation for exam: 30
(1 SWS + 5 SWS) x 15 + 30 h exam preparation = 120 h

Empfehlungen

Modul: Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) [M-INFO-106867]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113760 Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) SS 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know how to apply basic concepts of artificial intelligence and machine learning, and are able to evaluate the performance of such systems on real-world data from computer security research.


-    Students know and understand concepts of machine learning for computer security.
-    Students are able independently design, implement, and evaluate learning-based systems.
-    Students understand limits of learning-based approaches.

Inhalt

In this practical course, the students develop learning-based systems for different computer security tasks, thereby intensifying their knowledge gained in the corresponding lectures. The students have the unique opportunity to design, implement, and evaluate systems based on real-world data used in computer security research.

The module is composed of multiple units with several individual tasks/challenges covering different topics from classical computer security research to security of artificial intelligence. In each unit, the students develop an approach, train and validate it on known data, and submit their solution to the course platform, where the approach is tested against unknown data.

Arbeitsaufwand

- 30h attendance time
- 70h Time to complete the exercises
- 15h Preparation of final presentation
- 5h attendance time (final event)

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Practical Course: Building PETs [M-INFO-107412]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114550 Practical Course: Building PETs WS 4 Schadt, Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to implement basic methods to handle data in a privacy-preserving manner.

Inhalt

This practical course teaches students the basics of Privacy Enhancing Technology implementations. The methods consist of data privacy notions (k-anonymity and Differential Privacy), private information retrieval and anonymous communication. Students must implement those methods in small example programs in a programming language of their choice. 

Anmerkungen

Participation slots are limited. The sign-up modality can be found on the institute website.

Arbeitsaufwand

Attendance time: 9h
Practical work: 100h
Lecture preparations/follow-up: 11h 

Empfehlungen

Familiarity with a programming language and a HTTP library

Modul: Practical Course: Chip Design I [M-INFO-107265]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114298 Practical Course: Chip Design I WS+SS 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Hands-on, practical learning by working on hardware-related projects

Inhalt

The Project Lab is a unique opportunity for students to engage in hands-on, practical
learning by working on hardware-related projects from various fields, including
- Hardware-based Neural-Networks implementation
- Neuromorphic computing
- Printed Electronics
- Computation in Memory
- Open-source electronic design automation (EDA) tools extension
- Field Programmable Gate Arrays (FPGA)
- Risc-V architecture
- Hardware Security
- Reliability and Test
- other Emerging Technologies

Students can work individually or in groups of 2-4, collaborating to tackle challenges
based on a selected topic. The lab accepts a limited number of participants each term
based on the number of offered projects, ensuring a focused and immersive
experience for everyone involved.
Project topics are carefully defined and curated each term to align with active research
initiatives within the Chair of Dependable Nano Computing (CDNC). Participants not
only contribute to these projects but also have the potential to co-author research
papers and make tangible contributions to the academic community.
The lab emphasizes practical skills, especially in hardware-related fields, offering
students access to state-of-the-art tools and technologies. It provides an invaluable
opportunity to bridge the gap between theory and practice while preparing for a future
in research, development, or industry.

Arbeitsaufwand

4 SWS of practical workload including meetings with the supervisor. 90h.

Modul: Practical Course: Chip Design II [M-INFO-107266]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114299 Practical Course: Chip Design II WS+SS 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Hands-on, practical learning by working on hardware-related projects

Inhalt

The Project Lab is a unique opportunity for students to engage in hands-on, practical
learning by working on hardware-related projects from various fields, including
- Hardware-based Neural-Networks implementation
- Neuromorphic computing
- Printed Electronics
- Computation in Memory
- Open-source electronic design automation (EDA) tools extension
- Field Programmable Gate Arrays (FPGA)
- Risc-V architecture
- Hardware Security
- Reliability and Test
- other Emerging Technologies

Students can work individually or in groups of 2-4, collaborating to tackle challenges
based on a selected topic. The lab accepts a limited number of participants each term
based on the number of offered projects, ensuring a focused and immersive
experience for everyone involved.
Project topics are carefully defined and curated each term to align with active research
initiatives within the Chair of Dependable Nano Computing (CDNC). Participants not
only contribute to these projects but also have the potential to co-author research
papers and make tangible contributions to the academic community.
The lab emphasizes practical skills, especially in hardware-related fields, offering
students access to state-of-the-art tools and technologies. It provides an invaluable
opportunity to bridge the gap between theory and practice while preparing for a future
in research, development, or industry.

Arbeitsaufwand

4 SWS of practical workload including meetings with the supervisor. 90h.

Modul: Practical Course: Continuous Software Engineering [M-INFO-107677]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115043 Practical Course: Continuous Software Engineering WS+SS 6 Koziolek
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung)

Voraussetzungen

See Partial Achievements (Teilleistung)

Qualifikationsziele

Students are able to
·      understand scientifically motivated problem statements and, in cooperation with
upervisors, derive requirements for the software to be developed or extended.
·      develop medium-sized programs using current development environments, or familiarize themselves with medium- to large-scale software systems and further develop them.
·      present project progress to supervisors in regular meetings and identify and communicate potential obstacles.
·      evaluate third-party code in the context of code reviews, identify potential weaknesses, and discuss them.
·      present a (further) developed software system in a short presentation.
·      document a (further) developed software system

Inhalt

Agile software development methods refer to a class of iterative and incremental development approaches that place particular emphasis on executable software, early feedback from stakeholders, and embracing necessary changes. In these approaches, efforts that are not directly related to producing running software are viewed critically.
 
In this lab course, participants use and extend state-of-the-art tools from both practice and research to support agile software development. The following types of tools are considered:
 
-    tools that leverage large language models (LLMs) to support agile software development methods, e.g., creating trace links from existing software engineering artifacts and models
-    tools for semi-automatically deriving models from source code and runtime information, in particular performance data
-    tools for simpler, domain-specific modeling
-    tools for automatically maintaining consistency between development artifacts and models
 
Depending on the chosen topic, different technologies and programming languages are used, including:
 
-    LLMs
-    Java, Python, Java/TypeScript
-    Spring Boot, React, Maven, EMF (Eclipse Modeling Framework)
-    development of VS Code extensions or language servers
-    Vitruvius
-    Palladio Simulator
-    ARDoCo
-    JPlag
 
Course assessment is graded individually; group work is intended. The lab is embedded in the chair’s ongoing research and offers plenty room for creativity. The assignments are practice-oriented and prepare students for realistic tasks in both research and industry.
 
The lab can be completed entirely in English. If preferred, supervision and presentations in German are also possible. 

Anmerkungen

In earlier semesters, this course was named „Praktikum: Werkzeuge für agile Modellierung “.

Arbeitsaufwand

Course workload:
20 hours of work for onboarding,
120 hours of work for development,
20 hours of work for weekly meetings and follow-up,
10 hours for preparing and conducting a code review,
10 hours for preparing and delivering the final presentation.

In total, this amounts to 180 hours of work.

Empfehlungen

See Partial Achievements (Teilleistung)

Modul: Practical Course: Customized Embedded Processor Design [M-INFO-107897]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 13.07.2026)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 13.07.2026)
Wahlbereich Informatik (EV ab 13.07.2026)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115314 Practical Course: Customized Embedded Processor Design SS 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student will be able to adapt a processor to specific applications with the help of suitable tools so that it is particularly efficient in terms of performance and power consumption. The student will be able to synthesize and simulate the design.

Inhalt

The design of embedded processors has made rapid progress in recent years. This development has been and continues to be characterized by the increasing demand for application-specific solutions in order to meet the diverse and sometimes contradictory requirements for low power consumption, high performance, low costs and, above all, a fast time-to-market.

This is where the internship comes in. The use of an embedded processor tool suite is practiced. Specifically, application-specific processors are developed for embedded applications, whereby the main focus is on adapting the application-specific instruction set. The description of the customized

processor is then evaluated for functional correctness and efficiency, e.g. performance/power consumption, performance/chip area, etc., on an FPGA platform after various simulation and synthesis steps. If necessary, some or all design steps are iterated several times in order to find an optimal solution. One learning objective is to see that optimizations at a high level of abstraction are particularly effective.

.

Arbeitsaufwand

1. attendance time in the internship: 36 h
2. Preparation/follow-up of the same: 24

Modul: Practical Course: Decentralized Learning Lab [M-INFO-107836]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2026)
Vertiefungsfach 1 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2026)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115246 Practical Course: Decentralized Learning Lab WS 3 Hartenstein
Erfolgskontrolle(n)

See partial achivements (Teilleitung)

Voraussetzungen

See partial achivements (Teilleitung)

Qualifikationsziele

Students know the foundations of Federated and Decentralized Learning. They know and can apply techniques in these fields. They can identify and explain important trade-offs, attacks and defenses in this field. Students are able to independently implement various algorithms and identify fitting solutions for several important application scenarios.

Inhalt

This lab introduces students to the principles and practice of federated and decentralized machine learning. In the first phase, participants implement standard federated learning across a range of application scenarios, gaining hands-on experience with distributed training and aggregation. The course then transitions to decentralized federated learning, removing the central coordinator and exploring peer-to-peer collaboration.
Students will analyze and implement common attack vectors, such as poisoning and inference attacks, and evaluate corresponding defense mechanisms. A common theme throughout the lab is the privacy-robustness-efficiency-trilemma, examining the fundamental trade-offs between protecting user data, ensuring model integrity, and maintaining system performance. By the end, students will be equipped to design and critically assess secure and efficient decentralized learning systems.

Arbeitsaufwand

In class: 45 h (meetings, reviews, presentation, etc.)
Independent work: 45 h
Sum: 90 h = 3 ECTS

Empfehlungen

Basic knowledge of Machine Learning and Decentralized Systems is helpful. 

Modul: Practical Course: Designing and Conducting Experimental Studies [M-INFO-107919]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115341 Practical Course: Designing and Conducting Experimental Studies WS+SS 6 Beigl
Qualifikationsziele

Planning and conducting a study on a current research topic in the areas of Human–Computer Interaction, Ubiquitous Systems, and Context-Aware Systems.
Upon successful completion of the seminar, students will be able to:
independently search for, identify, analyze, and critically evaluate relevant scientific literature; 
derive the framework conditions and parameters for user studies and experiments from the literature; 
design, conduct, and evaluate a study addressing a given research question; 
present scientific findings in a structured manner and communicate them to a specialist audience in the form of a short presentation; 
apply the principles and techniques of scientific writing to prepare a scientific paper describing the planning, execution, and results of the study. 
Students are familiar with the German Research Foundation (DFG) Code of Conduct Guidelines for Safeguarding Good Research Practice and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The practical course focuses on investigating specific research questions through the design and execution of a user study.
 
Particular emphasis is placed on designing a user study to address a defined research question, followed by conducting the study and analyzing the collected data. Depending on the research question, the workload associated with the individual components may vary.
 
The lecture part provides both theoretical and practical knowledge on the planning, execution, and evaluation of user studies. It is intended to serve as valuable preparation for the Master's thesis.

Anmerkungen

Nach Rücksprache kann der Leistungsnachweis auch auf Deutsch erbracht werden.

Arbeitsaufwand

Total: 180h 

Empfehlungen

Recommendation: The student should be familiar with the content of the course “Human Computer Interaction” or similar.

Modul: Practical Course: Engineering Approaches to Software Development [M-INFO-107678]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115044 Practical Course: Engineering Approaches to Software Development WS+SS 6 Reussner
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung)

.

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students are able to
-        understand scientifically motivated problem statements and, in cooperation with supervisors, derive requirements for the software to be developed or extended.
-        develop medium-sized programs using current development environments, or familiarize themselves with medium- to large-scale software systems and further develop them.
-        present project progress to supervisors in regular meetings and identify and communicate potential obstacles.
-        evaluate third-party code in the context of code reviews, identify potential weaknesses, and discuss them.
-        present a (further) developed software system in a short presentation.

Inhalt

The engineering-oriented development of software is an indispensable prerequisite for building large systems. Accordingly, software engineers must systematically analyze the system’s quality already during software design and, where possible, also predict it.
 
In this practical course, participants use and extend state-of-the-art tools from both practice and research to evaluate and predict the performance of software systems. These tools provide solutions for the following tasks:
 
-    assessing the scalability of software depending on the execution environment
-    maintaining consistency across different development artifacts
 
The development tasks are drawn from the following areas:
 
-    MDSD (Model-Driven Software Development)
-    plugin development
-    benchmarking
-    reverse engineering
 
The technologies used include:
 
-    Java, Python, Java/TypeScript
-    Spring Boot, React, Maven, EMF (Eclipse Modeling Framework)
-    Development of VS Code extensions or language servers
-    Vitruvius
-    Palladio Simulator
 
Course assessment is graded individually; group work is intended. The lab is embedded in the chair’s ongoing research and offers plenty room for creativity. The assignments are practice-oriented and prepare students for realistic tasks in both research and industry.
 
The lab can be completed entirely in English. If preferred, supervision and presentations in German are also possible. 

Anmerkungen

In earlier semesters, this course was named „Praktikum Ingenieursmäßige Software-Entwicklung“.

Arbeitsaufwand

Course workload:
20 hours of work for onboarding,
120 hours of work for development,
20 hours of work for weekly meetings and follow-up,
10 hours for preparing and conducting a code review,
10 hours for preparing and delivering the final presentation.

In total, this amounts to 180 hours of work.

Empfehlungen

See Partial Achievements (Teilleistung).

Modul: Practical Course: Fine-grained Algorithm Design and Engineering [M-INFO-106784]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2024)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2024)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2024)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113635 Practical Course: Fine-grained Algorithm Design and Engineering Unregelm. 6 Künnemann-Goos
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students should be able to apply knowledge in the specializations “Algorithmtechnik” and “Theoretische Grundlagen” to derive fast algorithms and their implementations for a given algorithmic problem.

This includes:
– modeling a given problem of interest as a well-defined algorithmic problem as well as identifying reasonable relaxations
– performing a literature search to identify algorithmic ideas previously proposed for a given problem
– researching a given algorithmic or conditional lower bound technique and investigating its applicability on a given problem
– implementing resulting algorithms efficiently
– creating reasonable benchmark data sets (generated randomly, via reductions or from real-world data sources)
– evaluating an implementation on benchmark data and gaining insights on possible improvements of the model, algorithm or implementation.

Furthermore, the students can constructively engage in a team setting and are able to clearly communicate their ideas and results.

Inhalt

Each group of students will receive a topic among a list of possible algorithmic problems with relevance for fine-grained and parameterized complexity (usually from the fields of graph theory, computational geometry or string problems). In some cases, the proposed topic is the subject of an ongoing algorithmic contest (e.g., the PACE challenge), providing an opportunity of participation as part of the practical course.  

Under supervision, each group will:
– research the theoretical state-of-the-art for their algorithmic problem and/or design a novel algorithm,
– implement one or more algorithmic approaches
– evaluate and improve them using appropriate benchmark data sets. 

The course aims to investigate the connections between worst-case upper & conditional lower bounds and fast practical implementations.

Arbeitsaufwand

6 CP correspond to ~ 180 h, distributed roughly as follows:
~ 40 h meetings, literature review, etc.
~ 100 h implementation and evaluation
~ 40 h preparation of presentation and report

Empfehlungen

-    Basic knowledge of algorithms and data structures is assumed. 
-    Knowledge of fine-grained complexity is helpful, but not required.

Modul: Practical Course: FPGA Programming [M-INFO-102661]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105576 Practical Course: FPGA Programming WS+SS 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students will learn to design and to simulate digital circuits with FPGA.

Inhalt

This lab emphasizes on the practical aspects of Field Programmable Gate Arrays (FPGAs). In the beginning, a short background introduction on FPGAs is given, followed by a tutorial on the workflow of configuring and programming an FPGA. This lab includes FPGA design using schematic layouts as well as several example of VHDL/Verilog programming to implement some sample digital circuits. Students will learn to design and to simulate digital circuits with FPGA. The design will be compiled on run a FPGA. The lab is designed around the DE2-115 prototyping board, which provides a programmer, program memory, and array of switches, buttons, LEDs, an LCD, and several I/O ports.

Arbeitsaufwand

4 SWS / 3 CP = 90 h/week

 

Empfehlungen

Knowledge of “Dependable Computing” and “Fault Tolerant Computing” and Computer Architecture is helpful.

Modul: Practical Course: General-Purpose Computation on Graphics Processing Units [M-INFO-100724]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-109914 Practical Course: General-Purpose Computation on Graphics Processing Units WS+SS 3 Dachsbacher
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students should acquire the ability to use programmable graphics hardware using suitable interfaces (e.g. OpenCL, CUDA) to solve scientific and technical calculations. The students should thereby acquire the practical ability to systematically develop a parallel, efficient programme on the basis of suitable algorithms. Students learn basic algorithms for parallel architectures, are able to analyse and evaluate them, and practice their use in practical applications.

Inhalt

The practical course covers basic concepts for the use of modern graphics hardware for technical and scientific calculations and simulations. Starting with basic algorithms, e.g. parallel reduction or matrix multiplication, the practical course imparts knowledge about the properties and capabilities of modern graphics processors (GPUs). As part of the practical course, students work on smaller sub-projects in which they acquire knowledge about the algorithms used and apply them to a specific problem; OpenCL or CUDA, for example, is used as a programming interface.

Arbeitsaufwand

Attendance time = 12h
Preparation/post-processing = 78h

Modul: Practical Course: Human-Centred Robotics [M-INFO-106646]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113393 Practical Course: Human-Centred Robotics WS+SS 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to understand and scrutinize complex scientific topics and to reproduce and verify published results. They gain in-depth knowledge and practical experience in the field of motion generation and control of human-centered robots while working on a specific project task. They also learn how to plan, work together and communicate in a team. Students will be able to present their project results in a scientific presentation, demonstrate the practical results and answer detailed questions. They can also summarize their project results in writing using Latex in the style of a scientific paper and place them in a scientific context.

Inhalt

Human-centered robots are robots that directly interact with humans or support humans in their motions. This includes humanoid robots, but also wearable robots (exoskeletons and prostheses) or external physical assistive devices. In this practical course, students learn how to implement theoretical knowledge about human-centered robots and use it to solve a given task based on a individual project with robot hardware. Projects can either focus on code development for a given hardware or on the development or modification of robot hardware along with the basic code. Students learn about the challenges of working with real robot hardware vs model computations, and about working principles and practical implementation of sensors and actuators.   

Anmerkungen

For capacity reasons (supervision of practical projects and workspace) , the practical course is limited in terms of projects and number of students. Specific project topics will be different each term and will be announced in a presentation during the first semester week.
Subsequently, a selection and topic assignment will be carried out, taking into account the students'  subject and topic specific skills.

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
20h – In person events (kickoff meeting, individual meetings with supervisor, presentations) 
130h – Individual project work 
30h -  Writing report and preparing presentation 

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Modul: Practical Course: Interactive Theorem Proving [M-INFO-107494]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114691 Practical Course: Interactive Theorem Proving Unregelm. 3 Beckert, Stübinger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are able to use an interactive theorem prover such as Isabelle/HOL
and can formulate and prove formal statements in the field of programming
language technology (e.g. related to type safety, compilers, and semantics).
 
Students can name and describe the foundational features of the theorem prover, including its meta-logic, unification, resolution and rule application as well as the axiomatisations of higher-order logic.
 
Furthermore, students are able to write proofs themselves in the proof language. They can assess which proof methods (simplification, case distinction, induction, etc.) are appropriate for a given statement. They are also able to formulate statements which fit a given proof method. Students can apply advanced methods for structuring proofs (e.g. using Isar). They know the automatic and manual tactics of the theorem prover and can decide in which situations these should be applied.
 
Students are proficient in defining (recursive) data types, functions and inductive predicates and can prove statements about them. Students can implement simple algorithms from the field of program analysis (e.g. constant propagation) and verify its correctness with the help of the theorem prover. 

Inhalt

In this lab course students are familiarized with the use of the
interactive theorem prover Isabelle/HOL and use it to formalise and verify a project. In the first half of the course, important principles of theorem proving (e.g. simplification, recursion, inductive definitions and proofs) are learned and practiced via exercise sheets. In the second half of the course, students will work independently in teams formalising and verifying a topic in the area of formal methods, e.g. in programming language theory, type systems, or compilers. Project topics are set at the end of the first half of the course.

Arbeitsaufwand

3  CP equate to approximately 90 SWS. These are distributed as follows:
·   approx. 15 h attendance time
·   approx. 30 h  work on the exercise sheets
·   approx. 43 h work on the independent project
·   approx. 2 h work on preparing the project presentation

Empfehlungen


-        Knowledge of functional programming is assumed.
-        Some knowledge of logic (e.g. via courses such as Formale Systeme and/or Constructive Logic) will be helpful, but is not required

Modul: Practical Course: Low Power Design and Embedded Systems [M-INFO-104031]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik (EV ab 01.10.2017)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-108323 Practical Course: Low Power Design and Embedded Systems SS 4 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Upon completion of this lab, students will: 
 
•    Apply and evaluate different hardware/software optimization techniques for low power and energy consumption under given constraints (e.g., performance) on embedded systems.  
•    Develop a deep understanding of system-level resource management techniques in modern systems. They will learn to apply machine learning methods to automate and optimize complex resource allocation decisions, thereby acquiring practical skills in data collection, model training, and iterative system tuning.
•    Collaborate effectively in a team to practically solve technical problems related to power, temperature and energy optimizations on a real hardware platform. 
 

Inhalt

This lab explores different software and hardware approaches for power reduction on modern embedded systems, considering other relevant metrics and constraints such as performance, power, temperature, chip area, among others, both on simulation and real-hardware platforms. 
 
The course is divided in two main topics: 
•    Smart resource management (RM) for multi/-many-core computing systems: This topic covers system level techniques based on RM control knobs such as application mapping, dynamic task migration and dynamic voltage and frequency scaling (DVFS), using both from the heuristic and machine-learning methods. 
•    Hardware/Software design for low power systems: This topic includes the application of several design principles among the computing stack to optimize different metrics such as performance, power and energy in embedded systems. Techniques include compiler optimizations, HW/SW co-simulation, design-space exploration and high-level synthesis. 
 
 

Arbeitsaufwand

Attendance time: 
40 hours 

Project work: 
60 hours

Final Report preparation: 
20 hours

Total: 120 hours (4 ECTS)

Empfehlungen

Students should be familiar with software development practices under Linux-based systems. Practical knowledge in C/C++ as well as Python is required.  

Modul: Practical Course: Machine Learning and Intelligent Systems [M-INFO-107845]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
8 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115259 Practical Course: Machine Learning and Intelligent Systems WS+SS 8 Hanebeck
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students are able to: 

Inhalt

This course offers the opportunity to work on research-related topics in the areas of extended reality, robotics, state estimation, and measurement and control systems. The specific tasks in each semester are based on current research work at ISAS and are published on the lab’s website. The tasks are worked on by small groups of up to three students, by designing, implementing, and testing suitable hardware and/or software components. Each group is supported by a designated supervisor regularly giving personal feedback and advice. The main goal of the course is the implementation of theoretical methods in real-world applications. An initial familiarization and brainstorming phase is followed by an extensive practical phase in which, in addition to the implementation work, project and time management skills are trained. In parallel, results are documented in the form of presentations and a final report. 
 
http://isas.iar.kit.edu

Arbeitsaufwand

Modul: Practical Course: Mathematical and Computational Methods in Robotics and AI [M-INFO-107609]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2025)
Wahlbereich Informatik (EV ab 01.10.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114911 Practical Course: Mathematical and Computational Methods in Robotics and AI WS+SS 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)  

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to understand scientific topics. They will learn how to address specific project tasks and solve them in a structured way. They will obtain deepened knowledge about fundamental mathematical and computational methods, including their potential, strengths and limitations and in which areas they are suited to be applied. Students learn to present their results to a an audience, as well as suitably documenting their results in form or in addition to a scientific paper and being capable of assessing the advantages and disadvantages of the methods used.

Inhalt

Efficient mathematical and computational methods are an irreplaceable cornerstone of modern research and industrial applications in forms such as numerical simulation, optimization or inference, ranging from the generation of task-specific trajectories for robotic systems over stabilization of existing robots to data-driven prediction and inference as well as AI-applications.
In this practical course, students learn, on the basis of an individual programming project, how to implement and apply fundamental mathematical and computational methods to solve an existing task in a robotics application or related fields and gain experience leveraging methods from this area in said real-world context.

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week or can be indivdually agreed upon with people supervising the practical. Students can propose topics on their own as well.

Arbeitsaufwand

Estimated effort for this module is 180 hours:
20h – In person events (kickoff meeting, individual meetings with supervisor, presentations)
130h – Individual project work
30h -  Writing report and preparing presentation 

Empfehlungen

Basic mathematical knowledge will be helpful, depending on topic. For Projects in the context of robotics, knowledge of robotics is recommended, but not strictly necessary.

Modul: Practical Course: Model-Driven Software Development [M-INFO-106932]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113897 Practical Course: Model-Driven Software Development SS 6 Burger, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can

Inhalt

Model-driven development methods have become particularly popular thanks to the Eclipse Modelling Framework (EMF) and the OMG standards MOF, UML and QVT. Advanced software development concepts such as product lines, generative programming and model transformations now make it possible to develop software more flexibly and quickly and to use it on different platforms. Domain-specific languages (DSL) and the graphical and textual editors generated from them can be easily created.

This practical course deals with current techniques of model-driven software development (MDSD). Students work with current frameworks and languages such as EMF, QVT, ATL and XText and create a domain-specific language and model transformations.

Arbeitsaufwand

96 working hours for exercises, 48 working hours for project work, 16 working hours for preparing the final presentation, 20 working hours for weekly meetings and final presentation. This results in a total of 180 working hours.

Modul: Practical Course: Movement and Technology [M-INFO-106648]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113394 Practical Course: Movement and Technology SS 6 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to analyze and understand complex scientific topics in the area of human motion capture and motion analysis. They gain in-depth knowledge and practical experience with motion capture technology, experiment planning, and analysis. They also learn how to plan, work together and communicate in an interdisciplinary team. Students will be able to present their project results in a scientific presentation, demonstrate the practical results and answer detailed questions. They can also summarize their project results in writing using Latex and place them in a scientific context.

Inhalt

In this joint course between Informatics and Sports Science, and in the sense of research-oriented teaching, students learn about current research projects of the BioRobotics Lab (Informatics) and the BioMotion Center (Sports Science) at the interface of motor control and biomechanics of human movement. This research involves the use of latest motion capture technology, advanced analysis tools, and partly also assistive robotics technology. Students work in in teams (interdisciplinary teams between students from different study programs are highly encouraged) to carry out motion capture experiments, analyze the data and present the results in written and oral form. Depending on the specific project, these motion capture studies are either stand-alone studies just for this course or part of a larger research project at one of the organizing research groups. 

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  

Arbeitsaufwand

Estimated effort for this module is 180 hours: 
20h – In person events (kickoff meeting, individual meetings with supervisor, presentations) 
120h – Individual project work 
40h -  Writing report and preparing presentation 

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Programming skills.

Modul: Practical Course: Natural Language Dialog Systems [M-INFO-107177]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114206 Practical Course: Natural Language Dialog Systems Unregelm. 6 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student

Inhalt

Thanks to major advances in the field of deep learning and, in particular, large language models, it is now possible to develop dialogue systems and chatbots that can support people in many situations.
As part of this internship, students will develop a personal assistant for various application scenarios. To do this, students must first deal with data collection and data preparation. This data should then be used to develop a chatbot for the addressed application using freely available pre-trained models. In addition, the students will investigate various options for evaluating the systems. 
In the final part of the internship, students can independently choose a focus to improve their initial system. The final systems will be presented in a final presentation.

Arbeitsaufwand

180 h

Modul: Practical Course: Neural Network Acceleration on FPGAs [M-INFO-106503]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2024)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113122 Practical Course: Neural Network Acceleration on FPGAs WS+SS 3 Gnad, Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

After the lab is finished, the students will have acquired the following skills and expertise:

- Be able to implement a neural network accelerator based on established benchmark data, generating an ONNX model and finishing with a dedicated FPGA design, based on the open source FINN framework for AMD FPGAs.

- Understand the implications of using quantization and other resource-constraining methods.

- Be able to understand the distinctive advantages (or disadvantages) of FPGAs versus other implementations.

Inhalt

Neural networks are applied in a variety of domains, even critical application scenarios in transportation and medicine. Important aspects of accelerating neural networks in various application domains are performance, latency, reliability, and energy footprint. Dedicated hardware can have advantages in all of these domains over a traditional CPU and also GPU implementations. In this regard, Field-Programmable Gate Arrays (FPGAs; reconfigurable hardware) have shown to be an efficient and versatile solution for accelerating quantized neural networks, which are compact representations of neural network models. Their benefits are proven by the use in Microsoft Azure ML, Amazon AWS and other cloud platforms.
This module will teach students how to implement neural networks on reconfigurable hardware using an established framework, and also looks into relevant practical details when optimizing the network for hardware deployment.

Arbeitsaufwand

(2 SWS + 2 x 2 SWS) x 15 = 90h = 3 ECTS

Empfehlungen

Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.

Modul: Practical Course: Performance Engineering in C++ and Rust [M-INFO-107865]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 1 / Parallelverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 2 / Parallelverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115280 Practical Course: Performance Engineering in C++ and Rust Unregelm. 6 Groot Koerkamp, Maas
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students
- can use the methods of algorithm engineering in order to
  implement and evaluate given algorithmic problems and data structures in
  C++ or Rust.
- recognize factors that lead to inefficient code and can, if possible, replace them with more efficient constructions.
- understand how the presented techniques can be used to optimize
  CPU-bound code using SIMD instructions and multi-threading and to optimize memory-bound code using cache-efficient data structures.
- know the features of the standard library and are able to use them selectively.
- can test, profile, and benchmark the generated code for correctness and performance, furthermore they can represent and analyze the obtained results.

Inhalt

In this practical course students solve multiple programming tasks in C++ or Rust. The main focus is on the efficient implementation and
their evaluation through extensive experiments. The programming tasks are motivated by scientific work in the field of algorithm
engineering.
They cover complex algorithms as well as advanced data structures, furthermore
advanced programming techniques are used, such as SIMD, multi-threading, and prefetching.

Anmerkungen

This course used to be called "Efficient Parallel C++".

Arbeitsaufwand

~ 15h attendance time
~ 25h presentation/discussion/assessment of the solutions (with preparation)
~ 140h working on the tasks (implementation and evaluation)

Empfehlungen

At least basic knowledge of the C++ language *or* Rust language is necessary for
participation in the course. Students should be able to implement given
algorithms.

Modul: Practical Course: Programming Language Design and Implementation [M-INFO-108020]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115486 Practical Course: Programming Language Design and Implementation Unregelm. 6 Erdweg
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung)

Voraussetzungen

See Partial Achievements (Teilleistung)

Qualifikationsziele

Upon completion of this practical course, students will be able to:
·       Name and describe the different parts of a language implementation.
·       Distinguish and compare alternative implementation techniques for programming languages.
Contribute to and adapt parts of a language implementation.  

Inhalt

In the first few weeks of this course, students are introduced to the different parts and techniques for implementing programming languages. This may include for example: language design, frontend, type checking and inference, static analysis, macros and metaprogramming, code generation, optimization, run-time systems, memory management, and debugging.
 
After the introductory sessions, students will work in independent groups to develop a new language implementation or extend an existing one. Project topics will be set after the introductory part of the course.

Arbeitsaufwand

6 CP equate to approximately 180 SWS. These are distributed as follows:
·   approx. 30 h in-person meetings (introductory lectures, individual meetings with project supervisors, presentations)
·   approx. 40 h self-study of existing language implementations
·   approx. 100 h work on the independent project and its presentation
·   approx. 10 h write a project summary

Empfehlungen

Very good programming skills.

Modul: Practical Course: Real-world Vulnerability Discovery and Exploits [M-INFO-106627]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2023)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113350 Practical Course: Real-world Vulnerability Discovery and Exploits WS+SS 4 Wressnegger
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

← Students know and understand exploitation techniques.
← Students are able to independently research software vulnerabilities.
← Students are comfortable engaging with software vendors in vulnerability disclosure.

Inhalt

Students understand modern exploitation techniques and can apply them. Moreover, they get familiar with the vulnerability disclosure process of prominent software vendors, reporting their findings.

Arbeitsaufwand

• 2h Präsenzzeit/ Woche (Vorträge)
• 5h Projektarbeit/ Woche
• 10h Vorbereitung Abschlusspräsentation
• 5h Präsenzzeit (Abschlussveranstaltung)

Insgesamt 120h

Empfehlungen

Praktikum Anwendungssicherheit

Modul: Practical Course: Route Planning [M-INFO-107600]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114899 Practical Course: Route Planning Unregelm. 6 Bläsius, Ueckerdt
Erfolgskontrolle(n)

See partial achievements. (Teilleistung)

Voraussetzungen

See partial achievements. (Teilleistung)

Qualifikationsziele

The students
- can practically apply the knowledge from the the module "Algorithmen für Routenplanung",
- are capable of efficiently implementing given topics in route planning (e.g., separator computation, shortest path acceleration techniques, ...),
- master the steps from design to implementation and evaluation in the practical application of algorithmic methods,
- possess the ability to act in a results-oriented manner within a team, critically assess their own actions, and demonstrate strong communication skills.
 
The participants are furthermore able to efficiently implement algorithms with consideration for modern computer architectures, as well as to plan and conduct meaningful experimental evaluations.

Inhalt

In the practical course route planning, various topics from route planning are assigned, which are to be implemented independently by small student groups.
A main focus is placed on efficient programming in C++ or Rust.

Arbeitsaufwand

Practical course with 4 SWS, 6 LP

6 LP corresponds to approx. 180 working hours, of which
approx. 10 hours attendance time,
approx. 12 hours working on the exercises,
approx. 128 hours implementation phase,
approx. 30 hours elaboration and preparation of the presentation

Modul: Practical Course: Security, Usability and Society [M-INFO-105453]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110990 Practical Course: Security, Usability and Society Unregelm. 4 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students know established security and data protection programs, can implement them in apps and can carry out user studies.

Learning objectives:

- Students know and understand the methods for developing privacy-friendly apps and can apply them.
- Students are able to implement various applicable security measures in programs.
- Students can set up and conduct user studies.
- Students are able to prepare and present a report of their work.

.

Inhalt

The internship "Security, Usability and Society" covers topics such as usable security and privacy programs as well as conducting user studies.
Topics include:

- Privacy-friendly apps
- Programming usable security measures
- Conducting usable security user studies

Arbeitsaufwand

Attendance time: 15 h
Solving the tasks: 75
Preparation of presentation and report: 30

Modul: Practical Course: Smart Energy System [M-INFO-105955]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2022)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2022)
Wahlbereich Informatik (EV ab 01.04.2022)
Ergänzungsfach / Automation und Energienetze (EV ab 01.04.2022)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112030 Practical Course: Smart Energy System Lab WS+SS 6 Jumar
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After successfully completing the course, students will be able to
 
-        explain and categorize a set of current research issues in modern energy systems 
-        explain structure and objectives of the KIT Energy Lab and its role in smart grid research
-        conduct selected research activities in the field of innovative, application-oriented information, automation and system technology for sustainable energy systems
-        isolate a research activity / hypothesis suitable for evaluation in the Smart Energy System Simulation and Control Center
-        plan, organize and manage their laboratory / experimental work to fit a given time-frame
-        concisely present and defend their research activity and results in front of a peer audience
-        structure and writeup their work in research-paper-style
-        work in team

Inhalt

As part of the two-week lab course, students work in teams of two on a project topic derived from current research questions of the Smart Energy System Simulation and Control Centre of the Energy Lab (https://www.iai.kit.edu/RPE.php). A list of topics is made available in advance via the Campus Plus Portal. Interested students should indicate their preferences based on which the topics will be assigned. 
 
The group of students typically goes through the following phases: Concept development/experiment
preparation, implementation/experiment execution, evaluation/experiment analysis, presentation of results and write-up. The teams will work independently on the assigned project - supervision is provided by research assistants. 
 
The course begins with a joint kick-off event. This includes an organizational introduction, a tour of the Energy
Lab and a brief presentation of all project topics. For the following preparation phase students are provided with literature and material to thoroughly familiarize themselves with the topic, research background and literature, plan and prepare experiments etc. In the two lab weeks the experiments are conducted and a scientific writing workshop is held. At the end of the lab course each team has to defend their work in a 10 min presentation followed by 5 minutes of discussion in front of peers and examiners. Additionally, the work needs to be documented in the style of a scientific paper.

Arbeitsaufwand

6 credit points corresponds to approx. 180 working hours, of which
- Attendance time / meetings in large and small groups: 10h 
- Select and carry out project work: 140h
- Writing a research report and preparing a presentation: 30 hours

Empfehlungen

- Knowledge of the fundamentals of energy informatics is a prerequisite.
- Knowledge of the fundamentals of electrical engineering and energy technology is required.
- Knowledge of the basics of mechatronics, data analysis and signal processing is helpful.
- Knowledge of power systems or power electronics is helpful.

Modul: Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots [M-MACH-106904]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-113854 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots WS 6 Rönnau
Erfolgskontrolle(n)

SieheTeilleistung

Voraussetzungen

Keine

Qualifikationsziele

Studierende sind in der Lage, biologisch inspirierte, mobile Roboter zu verstehen und deren Software zu erweitern.

Inhalt

Dieses Modul vermittelt Studierenden den Umgang mit und die Erweiterung biologisch inspirierter, mobiler Robotik. Dabei werden die Themenbereiche Regelungstechnik, Computer-Vision, 3D Kartierung, Navigation und Mensch-Maschine-Interaktion behandelt.

Die Studierenden arbeiten in Gruppen und erstellen einen gemeinsamen Abschlussbericht und eine gemeinsame Präsentation.

 

Arbeitsaufwand

180h

•   30h wöchentliches Regeltreffen

•   120h Vor- und Nachbereitungszeiten

•   30h Präsentations- und Berichtvorbereitung

Empfehlungen

SieheTeilleistung

Modul: Practical Course: Visual Computing [M-INFO-101567]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103000 Practical Course: Visual Computing WS+SS 6 Dachsbacher
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

In this course, practical problems from the core area of computer graphics and the broader field of visual computing are solved where graphics hardware is used. In individual sub-projects, or self-defined larger projects, the application of various computer graphics techniques and the use of modern graphics hardware are practised. In addition, students can work together in a team to solve the tasks of the work placement.

Inhalt

The practical course deals with specific topics, some of which were addressed in corresponding lectures on the specialisation subject of computer graphics, and explores these in greater depth. Previous attendance of the respective lecture is helpful, but not a prerequisite for attendance.

Arbeitsaufwand

Attendance time = 30h
Preparation/follow-up = 150h

Empfehlungen

Programming skills in C/C++ are recommended.

Modul: Practical Course: Wearable Computing [M-INFO-107527]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114744 Practical Course: Wearable Computing WS 6 Beigl
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Während tragbare Kleincomputer vor ein paar Jahren noch die Ausnahme waren, sind sie mittlerweile im Alltag allgegenwärtig. Besonders häufig ist die Smartwatch, doch auch andere tragbare Gadgets wie Kopfhörer oder Ringe sind mittlerweile oft computerisiert. In diesem Praktikum lernen die Studierenden, die so erfassten Biosignale und deren wissenschaftliches Potential zu nutzen. Hierfür arbeiten die Studierenden in Kleingruppen zusammen. Jede Kleingruppe erhält ein spezifisches Projekt, bei dem unter Einsatz eines Wearables eine spezifische Fragestellung zu bearbeiten ist. Zur Beantwortung dieser Fragestellung müssen die Studierenden auf die Anforderungen auf Geräteebene abstrahieren, Daten auswerten und die zugehörigen Ergebnisse evaluieren. Je nach Projekt kann es sein, dass kleine Nutzerstudien durchgeführt werden, Algorithmen direkt auf den Wearables implementiert oder andere wissenschaftliche Aufgaben von den Studierenden verrichtet werden müssen. Die so erzielten Ergebnisse müssen dann in einer Abschlusspräsentation vorgestellt bzw. in einer abschließenden Demo vorgeführt werden. Zusätzlich muss ein Abschlussbericht verfasst werden. 

Arbeitsaufwand
Empfehlungen

Erfahrung mit ML-Frameworks, Signalverarbeitung und Embedded Systems sind von Vorteil 

Modul: Practical Introduction to Hardware Security [M-INFO-107241]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114267 Practical Introduction to Hardware Security WS+SS 6 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The goal of this course, which is a combination of lectures and lab assignments, is to have a hands-on experience on basic concepts and new developments in hardware security, by combining both theory and practice in a coherent course. The theoretical concepts for each topic will be presented to the students in form of lectures, followed by a set of lab assignments on both hardware and software platforms to be performed by the students for each topic.

Inhalt

1. Hardware security primitives (PUF, TRNG)
2. Hardware Implementation of encryption modules (AES)
3. Passive Attack with side channel (on AES)
4. Active fault attack (on AES)

Arbeitsaufwand

4 SWS / 6 ECTS = 180h

2 SWS lecture (1,5h) + 2 SWS practical course (1,5h) / week

Empfehlungen

Knowledge of Digital Design (lecture TI)

Practical Course “FPGA Programming”

Modul: Practical SAT Solving [M-INFO-107238]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114262 Practical SAT Solving Unregelm. 5 Balyo, Iser, Sanders, Schreiber
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to evaluate combinatorial problems, assess their complexity, and solve them using computers.

Students learn how to solve combinatorial problems efficiently using SAT Solving. Students are able to assess the practical complexity of decision and optimization problems, encode problems as SAT problems, and implement efficient solution procedures for combinatorial problems.

Students gain insight into state-of-the-art solution methods for SAT and related problems and their implementations in SAT solvers.

.

Inhalt

The problem of propositional satisfiability (SAT) is an outstanding problem of computer science from a theoretical as well as practical perspective. Being the first problem proven to be NP-complete, it serves as a fundamental tool for research in complexity theory. Moreover, SAT solving has been established as one of the most important fundamental methods in hardware and software verification, and is used to solve hard combinatorial problems in industrial practice as well. This module aims to provide students with the theoretical and practical aspects of SAT-Solving. Covered are:
1. basics, historical development
2. encodings, e.g. cardinality constraints
3. phase transitions in random problems
4. local search (GSAT, WalkSAT, ..., ProbSAT)
5. resolution, Davis-Putnam algorithm, DPLL algorithm, look-ahead algorithm
6. efficient implementations, data structures
7. heuristics in the DPLL algorithm
8. CDCL algorithm, clause learning, implication graphs
9. restarts and heuristics in the CDCL algorithm
10. preprocessing, inprocessing
11. generation of proofs and their checking
12. parallel SAT solving (guiding paths, portfolios, cube-and-conquer)
13. related problems: MaxSAT, MUS, #SAT, QBF
14. advanced applications: Bounded model checking, planning, satisfiability-modulo-theories

Anmerkungen

 

Arbeitsaufwand

Lecture (2 SWS) + exercise (1 SWS)

(Preparation and follow-up: 4h/week, exercises: 2h/week, preparation for exam: 15h)

Total workload: (2 SWS + 1 SWS + 4 SWS + 2 SWS) x 15 h + 15h preparation = 9x15h + 15h = 150h = 5 ECTS

Modul: Practice of Research (Methods, 1st Semester) [M-INFO-107829]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen (EV ab 01.10.2026)
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115231 Practice of Research (Methods, 1st Semester) WS+SS 2 Beckert
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

s. Teilleistung

See Partial Achievements (Teilleistung).

Qualifikationsziele

The aim of “Practice of Research" is to acquire both subject-specific knowledge and methodological competences for scientific work, and to test them on an actual research project.
 
After completing all four modules of “Practice of Research,” participants can:
•       conduct a literature search starting from a given topic, independently identify, locate, classify, evaluate and analyze relevant literature,
•       present the results of the literature search to a specialist audience in their own words using self-created presentation slides, and discuss them critically,
•       formulate, delimit and articulate the relevance of a research question or research problem,
•       explain the basics of the philosophy of science and relate them to their project,
•       discuss the fundamentals of the employed research approach (e.g., experimental design and execution) and apply them to their project,
•       design, justify, evaluate and place their own research (sub-)approach,
•       derive concrete work steps and a project plan from the research question and the chosen approach,
•       determine workloads, coordinate tasks and, if applicable, allocate them within a team,
•       identify and analyze risk factors and develop and plan countermeasures,
•       conduct scientific work in the project’s research field,
•       identify, plan and carry out the necessary preparatory work for the project,
•       work scientifically in the project’s research area,
•       know, apply the relevant substantive foundations for the project and assess their relevance to the research question,
•       document, summarize and present their planning and project progress,
•       recognize and evaluate progress and develop and apply steering measures,
•       name, explain and apply techniques of scientific work and scientific writing,
•       plan, prepare and evaluate scientific publications,
•       document, summarize and illustrate the project process and results,
•       work scientifically in collaboration with others or in a team.

Inhalt

The content of “Practice of Research” is the guided execution of a scientific research project. Over a total period of two semesters, intensive and continuous work on the project takes place. Within the framework established by “Practice of Research,” students acquire both subject knowledge and methodological competence for scientific work.
The topics of the participants’ projects come from the research areas of the respective supervisors. In general, the project takes place within an ongoing research initiative, which ensures a strong integration of research and teaching.
The emphasis in the first semester is on project planning and carrying out preparatory work. The emphasis in the second semester is on project execution and presentation of results.
At the end of “Practice of Research” (end of the second semester), participants write a scientific paper on the project results. This work should meet the quality standards of a scientific publication and, if possible, be published.
Participation in “Practice of Research” also serves as preparation for a Master’s thesis for which the scholarly level may go beyond the usually expected scope.
In parallel to the project work, there are accompanying courses in which competencies for scientific and project-oriented work are taught (these are credited as cross-disciplinary qualifications; see the modules “Practice of Research (Methods, 1st semester)” and “Practice of Research (Methods, 2nd Semester)”). The topics of these accompanying courses are:
 
•       scientific research methods;
•       methodical search for related works on a research topic, in particular literature search, basic understanding of scientific literature;
•       presentation of scientific works;
•       teamwork in scientific contexts;
•       methodical creation of work plans for scientific projects;
•       methodical evaluation of scientific works;
•       strategies for conducting scientific projects;
•       creating scientific publications.

Anmerkungen

This module forms a unit with the modules “Practice of Research (Project, 1st Semester)”, “Practice of Research (Project, 2nd Semester)”, and “Practice of Research (Methods, 2nd Semester)”. Across the four modules, a continuous research project is conducted over two semesters.

The module can also be provided in German if needed.

Arbeitsaufwand

The total workload for this module is 60 hours (the total workload for all four modules of “Practice of Research” is 720 hours).
Teaching corresponding to 0.5 of the module’s 2 credit points is provided by lecturers of the KIT Faculty of Informatics, and teaching corresponding to 1.5 credit points is provided by the House of Competence. The courses offered by the House of Competence are:
    - Workshop “Presenting for Computer Science Students (Master)”, 1 CP
    - Workshop “Project Management for Computer Science Students (Master)”, 0.5 CP
 
* Contact hours in workshops and courses: 26 hours
* Preparation and follow-up of the courses: 8 hours
* Reflection and transfer to the context of the student’s own project: 14 hours
* Working on exercise tasks: 4 hours
* Exam preparation: 8 hours
Total: 60 hours (= 2 credit points)

Modul: Practice of Research (Methods, 2nd Semester) [M-INFO-107830]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen (EV ab 01.10.2026)
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115232 Practice of Research (Methods, 2nd Semester) WS+SS 2 Beckert
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

The aim of “Practice of Research" is to acquire both subject-specific knowledge and methodological competences for scientific work, and to test them on an actual research project. 

After completing all four modules of “Practice of Research,” participants can:
•       conduct a literature search starting from a given topic, independently identify, locate, classify, evaluate and analyze relevant literature,
•       present the results of the literature search to a specialist audience in their own words using self-created presentation slides, and discuss them critically,
•       formulate, delimit and articulate the relevance of a research question or research problem,
•       explain the basics of the philosophy of science and relate them to their project,
•       discuss the fundamentals of the employed research approach (e.g., experimental design and execution) and apply them to their project,
•       design, justify, evaluate and place their own research (sub-)approach,
•       derive concrete work steps and a project plan from the research question and the chosen approach,
•       determine workloads, coordinate tasks and, if applicable, allocate them within a team,
•       identify and analyze risk factors and develop and plan countermeasures,
•       conduct scientific work in the project’s research field,
•       identify, plan and carry out the necessary preparatory work for the project,
•       work scientifically in the project’s research area,
•       know, apply the relevant substantive foundations for the project and assess their relevance to the research question,
•       document, summarize and present their planning and project progress,
•       recognize and evaluate progress and develop and apply steering measures,
•       name, explain and apply techniques of scientific work and scientific writing,
•       plan, prepare and evaluate scientific publications,
•       document, summarize and illustrate the project process and results,
•       work scientifically in collaboration with others or in a team.

Inhalt

The content of “Practice of Research” is the guided execution of a scientific research project. Over a total period of two semesters, intensive and continuous work on the project takes place. Within the framework established by “Practice of Research,” students acquire both subject knowledge and methodological competence for scientific work.


The topics of the participants’ projects come from the research areas of the respective supervisors. In general, the project takes place within an ongoing research initiative, which ensures a strong integration of research and teaching.


The emphasis in the first semester is on project planning and carrying out preparatory work. The emphasis in the second semester is on project execution and presentation of results.
At the end of “Practice of Research” (end of the second semester), participants write a scientific paper on the project results. This work should meet the quality standards of a scientific publication and, if possible, be published.


Participation in “Practice of Research” also serves as preparation for a Master’s thesis for which the scholarly level may go beyond the usually expected scope.
In parallel to the project work, there are accompanying courses in which competencies for scientific and project-oriented work are taught (these are credited as cross-disciplinary qualifications; see the modules “Practice of Research (Methods, 1st semester)” and “Practice of Research (Methods, 2nd Semester)”). The topics of these accompanying courses are:


•       scientific research methods;
•       methodical search for related works on a research topic, in particular literature search, basic understanding of scientific literature;
•       presentation of scientific works;
•       teamwork in scientific contexts;
•       methodical creation of work plans for scientific projects;
•       methodical evaluation of scientific works;
•       strategies for conducting scientific projects;
•       creating scientific publications.

Anmerkungen

This module forms a unit with the modules “Practice of Research (Project, 1st Semester)”, “Practice of Research (Project, 2nd Semester)”, and “Practice of Research (Methods, 1st Semester)”. Across the four modules, a continuous research project is conducted over two semesters. 

The module can also be provided in German if needed.

Arbeitsaufwand

The total workload for this module is 60 hours (the total workload for all four modules of “Practice of Research” is 720 hours).
Teaching corresponding to 0.5 of the module’s 2 credit points is provided by lecturers of the KIT Faculty of Informatics, and teaching corresponding to 1.5 credit points is provided by the House of Competence. The courses offered by the House of Competence are:


    - Workshop “Presenting for Computer Science Students (Master)”, 1 CP
    - Workshop “Project Management for Computer Science Students (Master)”, 0.5 CP
 
* Contact hours in workshops and courses: 26 hours
* Preparation and follow-up of the courses: 8 hours
* Reflection and transfer to the context of the student’s own project: 14 hours
* Working on exercise tasks: 4 hours
* Exam preparation: 8 hours
Total: 60 hours (= 2 credit points)

Modul: Practice of Research (Project, 1st Semester) [M-INFO-107831]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2026)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2026)
Vertiefungsfach 1 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 1 / Informationssysteme (EV ab 01.10.2026)
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2026)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.10.2026)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
10 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115235 Practice of Research (Project, 1st Semester) - Oral Exam WS+SS 3 Beckert
T-INFO-115233 Practice of Research (Project, 1st Semester) - Presentation WS+SS 3 Beckert
T-INFO-115234 Practice of Research (Project, 1st Semester) - Project Proposal WS+SS 4 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

The aim of “Practice of Research" is to acquire both subject-specific knowledge and methodological competences for scientific work, and to test them on an actual research project.
 
After completing all four modules of “Practice of Research,” participants can:
•       conduct a literature search starting from a given topic, independently identify, locate, classify, evaluate and analyze relevant literature,
•       present the results of the literature search to a specialist audience in their own words using self-created presentation slides, and discuss them critically,
•       formulate, delimit and articulate the relevance of a research question or research problem,
•       explain the basics of the philosophy of science and relate them to their project,
•       discuss the fundamentals of the employed research approach (e.g., experimental design and execution) and apply them to their project,
•       design, justify, evaluate and place their own research (sub-)approach,
•       derive concrete work steps and a project plan from the research question and the chosen approach,
•       determine workloads, coordinate tasks and, if applicable, allocate them within a team,
•       identify and analyze risk factors and develop and plan countermeasures,
•       conduct scientific work in the project’s research field,
•       identify, plan and carry out the necessary preparatory work for the project,
•       work scientifically in the project’s research area,
•       know, apply the relevant substantive foundations for the project and assess their relevance to the research question,
•       document, summarize and present their planning and project progress,
•       recognize and evaluate progress and develop and apply steering measures,
•       name, explain and apply techniques of scientific work and scientific writing,
•       plan, prepare and evaluate scientific publications,
•       document, summarize and illustrate the project process and results,
•       work scientifically in collaboration with others or in a team.

Inhalt

The content of “Practice of Research” is the guided execution of a scientific research project. Over a total period of two semesters, intensive and continuous work on the project takes place. Within the framework established by “Practice of Research,” students acquire both subject knowledge and methodological competence for scientific work.
The topics of the participants’ projects come from the research areas of the respective supervisors. In general, the project takes place within an ongoing research initiative, which ensures a strong integration of research and teaching.
The emphasis in the first semester is on project planning and carrying out preparatory work. The emphasis in the second semester is on project execution and presentation of results.
At the end of “Practice of Research” (end of the second semester), participants write a scientific paper on the project results. This work should meet the quality standards of a scientific publication and, if possible, be published.
Participation in “Practice of Research” also serves as preparation for a Master’s thesis for which the scholarly level may go beyond the usually expected scope.
In parallel to the project work, there are accompanying courses in which competencies for scientific and project-oriented work are taught (these are credited as cross-disciplinary qualifications; see the modules “Practice of Research (Methods, 1st semester)” and “Practice of Research (Methods, 2nd Semester)”). The topics of these accompanying courses are:
 
•       scientific research methods;
•       methodical search for related works on a research topic, in particular literature search, basic understanding of scientific literature;
•       presentation of scientific works;
•       teamwork in scientific contexts;
•       methodical creation of work plans for scientific projects;
•       methodical evaluation of scientific works;
•       strategies for conducting scientific projects;
•       creating scientific publications.

Anmerkungen

•       This module forms a unit with the modules “Practice of Research (Project, 2nd Semester)”, “Practice of Research (Methods, 1st Semester)” and “Practice of Research (Methods, 2nd Semester)”. Across the four modules, a continuous research project is conducted over two semesters.
•       This module can be credited either in an area of specialization or in the elective area. The corresponding mapping of offered projects to specialization areas will be announced at the beginning of the semester.
•       This module includes lecture credit points, practical course credit points and seminar credit points. The practical course points cover practical scientific work under supervision; the seminar points cover the independent study and (written and oral) presentation of external scientific works; the lecture points cover acquiring substantive knowledge through reading, listening, etc. The distribution of the module’s credit points among the different types of credits will be announced at the beginning of the first semester for each project (where the modules “Practice of Research (Project, 1st Semester)” and “Practice of Research (Project, 2nd Semester)” together have at least 5 lecture credits, at least 3 seminar credits and at least 3 practical course credits).

The module can also be provided in German if needed.

Arbeitsaufwand

The total workload for this module is 300 hours (the total workload for all four modules of “Practice of Research” is 720 hours).
The distribution of workload across the various phases and steps is project-dependent and will be announced at the beginning of the first semester.
 
- Attendance time in lectures and discussions: 8 hours
- Literature research and drafting the written work: 72 hours
- Practical project work individually and in a team: 136 hours
- Creation of the project proposal: 72 hours
- Exam preparation: 12 hours

Total: 300 hours (= 10 credit points)

Modul: Practice of Research (Project, 2nd Semester) [M-INFO-107832]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2026)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2026)
Vertiefungsfach 1 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 1 / Informationssysteme (EV ab 01.10.2026)
Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2026)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2026)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2026)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.10.2026)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2026)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.10.2026)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
10 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115236 Practice of Research (Project, 2nd Semester) - Oral Exam WS+SS 3 Beckert
T-INFO-115237 Practice of Research (Project, 2nd Semester) - Presentation WS+SS 3 Beckert
T-INFO-115238 Research Project (Project, 2nd Semester) - Scientific Report WS+SS 4 Beckert
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 3 Bedingungen erfüllt werden:
    1. Das Modul M-INFO-102418 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
    2. Das Modul M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
    3. Das Modul M-INFO-107831 - Practice of Research (Project, 1st Semester) muss begonnen worden sein.
Qualifikationsziele

The aim of “Practice of Research" is to acquire both subject-specific knowledge and methodological competences for scientific work, and to test them on an actual research project.
 
After completing all four modules of “Practice of Research,” participants can:


•       conduct a literature search starting from a given topic, independently identify, locate, classify, evaluate and analyze relevant literature,
•       present the results of the literature search to a specialist audience in their own words using self-created presentation slides, and discuss them critically,
•       formulate, delimit and articulate the relevance of a research question or research problem,
•       explain the basics of the philosophy of science and relate them to their project,
•       discuss the fundamentals of the employed research approach (e.g., experimental design and execution) and apply them to their project,
•       design, justify, evaluate and place their own research (sub-)approach,
•       derive concrete work steps and a project plan from the research question and the chosen approach,
•       determine workloads, coordinate tasks and, if applicable, allocate them within a team,
•       identify and analyze risk factors and develop and plan countermeasures,
•       conduct scientific work in the project’s research field,
•       identify, plan and carry out the necessary preparatory work for the project,
•       work scientifically in the project’s research area,
•       know, apply the relevant substantive foundations for the project and assess their relevance to the research question,
•       document, summarize and present their planning and project progress,
•       recognize and evaluate progress and develop and apply steering measures,
•       name, explain and apply techniques of scientific work and scientific writing,
•       plan, prepare and evaluate scientific publications,
•       document, summarize and illustrate the project process and results,
•       work scientifically in collaboration with others or in a team.

Inhalt

IThe content of “Practice of Research” is the guided execution of a scientific research project. Over a total period of two semesters, intensive and continuous work on the project takes place. Within the framework established by “Practice of Research,” students acquire both subject knowledge and methodological competence for scientific work.
The topics of the participants’ projects come from the research areas of the respective supervisors. In general, the project takes place within an ongoing research initiative, which ensures a strong integration of research and teaching.
The emphasis in the first semester is on project planning and carrying out preparatory work. The emphasis in the second semester is on project execution and presentation of results.


At the end of “Practice of Research” (end of the second semester), participants write a scientific paper on the project results. This work should meet the quality standards of a scientific publication and, if possible, be published.
Participation in “Practice of Research” also serves as preparation for a Master’s thesis for which the scholarly level may go beyond the usually expected scope.


In parallel to the project work, there are accompanying courses in which competencies for scientific and project-oriented work are taught (these are credited as cross-disciplinary qualifications; see the modules “Practice of Research (Methods, 1st semester)” and “Practice of Research (Methods, 2nd Semester)”). The topics of these accompanying courses are:
 
•       scientific research methods;
•       methodical search for related works on a research topic, in particular literature search, basic understanding of scientific literature;
•       presentation of scientific works;
•       teamwork in scientific contexts;
•       methodical creation of work plans for scientific projects;
•       methodical evaluation of scientific works;
•       strategies for conducting scientific projects;
•       creating scientific publications.

Anmerkungen

•       This module forms a unit with the modules “Practice of Research (Project, 1st Semester)”, “Practice of Research (Methods, 1st Semester)” and “Practice of Research (Methods, 2nd Semester)”. Across the four modules, a continuous research project is conducted over two semesters.
•       This module can be credited either in an area of specialization or in the elective area. The corresponding mapping of offered projects to specialization areas will be announced at the beginning of the semester.
•       This module includes lecture credit points, practical course credit points and seminar credit points. The practical course points cover practical scientific work under supervision; the seminar points cover the independent study and (written and oral) presentation of external scientific works; the lecture points cover acquiring substantive knowledge through reading, listening, etc. The distribution of the module’s credit points among the different types of credits will be announced at the beginning of the first semester for each project (where the modules “Practice of Research (Project, 1st Semester)” and “Practice of Research (Project, 2nd Semester)” together have at least 5 lecture credits, at least 3 seminar credits and at least 3 practical course credits).

The module can also be provided in German if needed.

Arbeitsaufwand

The total workload for this module is 300 hours (the total workload for all four modules of “Practice of Research” is 720 hours).
The distribution of workload across the various phases and steps is project-dependent and will be announced at the beginning of the first semester.
 
- Attendance time in lectures and discussions: 6 hours
- Practical project work, individually and in a team: 220 hours
- Preparation of the paper: 62 hours
- Exam preparation: 12 hours

Total: 300 hours (= 10 credit points)

Modul: Praktikum Dezentrale Systeme und Netzdienste [M-INFO-103047]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106063 Praktikum Dezentrale Systeme und Netzdienste Unregelm. 4 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende kann eine Fragestellung in ein konkretes technisches Problem überführen.

Der/Die Studierende kann eine geeignete Umsetzung hinsichtlich identifizierter Anforderungen entwerfen.

Der/Die Studierende findet eine Umsetzung der technischen Lösung und kann diese bezüglich Kritieren wie Performance und Sicherheit evaluieren.

Inhalt

Im Praktikum werden aktuelle Forschungsfragen im Bereich dezentrale Systeme und Netzdienste aufgegriffen und Teilaspekte von Studierenden praktisch erarbeitet. Die Studierenden erhalten damit „hands-on“-Erfahrung bei der Lösung von konkreten technischen Problemen, die sich im Kontext dezentraler Systeme ergeben.

Arbeitsaufwand

Präsenzzeit: 2 SWS * 15 Vorlesungswochen

Praktische Arbeit: 70h

Vorbereitung Abschlusspräsentation + Präsentationstermine: 20h

Summe: 120h

Modul: Praktikum Klassische Physik I [M-PHYS-101353]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
Leistungspunkte
6 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-102289 Praktikum Klassische Physik I WS 6 Wolf
Erfolgskontrolle(n)

Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen grundlegende physikalische Phänomene kennen, indem sie selbstständig Experimente durchführen. Sie beherrschen unterschiedliche Messgeräte und Messmethoden und erlangen die Fähigkeit, experimentelle Daten zu erfassen und darzustellen, sowie die Daten zu analysieren, eine Fehlerrechnung durchzuführen und ein Messprotokoll zu erstellen.

Inhalt

Das Praktikum umfasst die Gebiete

Zusammensetzung der Modulnote

Für das Praktikum wird keine Note vergeben.

Anmerkungen

Verpflichtende Teilnahme an der Vorbesprechung

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)

Empfehlungen

Klassische Experimentalphysik I und II, Computergestützte Datenauswertung

Literatur

Modul: Praktikum Klassische Physik II [M-PHYS-101354]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Praktikum Klassische Physik I oder II)
Leistungspunkte
6 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-102290 Praktikum Klassische Physik II SS 6 Hartmann, Wolf
Erfolgskontrolle(n)

Das Praktikum ist bestanden, wenn alle 10 Versuche durchgeführt und die zugehörigen Protokolle fristgerecht angefertigt und anerkannt sind.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden lernen grundlegende physikalische Phänomene kennen, indem sie selbstständig Experimente durchführen. Sie beherrschen unterschiedliche Messgeräte und Messmethoden und erlangen die Fähigkeit, experimentelle Daten zu erfassen und darzustellen, sowie die Daten zu analysieren, eine Fehlerrechnung durchzuführen und ein Messprotokoll zu erstellen.

Inhalt

Das Praktikum umfasst die Gebiete

Zusammensetzung der Modulnote

Für das Praktikum wird keine Note vergeben.

Anmerkungen

Verpflichtende Teilnahme an der Vorbesprechung und an der Strahlenschutzbelehrung.

Arbeitsaufwand

180 Stunden bestehend aus Präsenzzeiten (60), Vor- und Nachbereitung (120)

Empfehlungen

Klassische Experimentalphysik I – III, Praktikum Klassische Physik I, Computergestützte Datenauswertung

Literatur

Modul: Praktikum Kryptoanalyse [M-INFO-101559]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit
Vertiefungsfach 2 / Kryptographie und Sicherheit
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-102990 Praktikum Kryptoanalyse WS+SS 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/Die Studierende

Inhalt

Das Praktikum behandelt verschiedene Gebiete aus der Computersicherheit und Kryptographie, die zunächst theoretisch erarbeitet und dann praktisch implementiert werden. Themen sind z.B.

 - historische Verschlüsselungsverfahren

- Hashfunktionen

- Blockchiffren

- effiziente Langzahl-Arithmetik

- ElGamal Verschlüsselung/Signatur

Anmerkungen

Die Platze sind beschränkt. Die Anmeldung erfolgt über das Ilias mittels First-Come-First-Serve-Prinzip. 

Arbeitsaufwand

Präsenzzeit im theoretischen Teil: 10,5 h
Praktische Durchführung der Versuche: 70 h
Prüfungsvorbereitung: 9 h

Empfehlungen

Siehe Teilleistung

Modul: Praktikum Nanoelektronik [M-ETIT-100468]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100757 Praktikum Nanoelektronik WS+SS 6 Kempf
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Bewertung eines schriftlichen Abschlussberichts (Umfang ca. 10-20 Seiten), in dessen Rahmen, in dem eine Einführung in das Thema, die Versuchsdurchführung, die wissenschaftlichen Ergebnisse sowie eine Einordnung der Ergebnisse in den Gesamtkontext zusammengefasst werden sollen.

Competence Certificate

The control of success takes place in form of the evaluation of a written report (approx. 10-20 pages) which introduces the topic, discusses the execution of the lab course and the scientific results puts the results into the overall context.

Voraussetzungen

Keine

Prerequisites

none

Qualifikationsziele

Nach erfolgreichem Abschluss des Moduls kennen die Studierenden elementare Prozesse der Mikrosystemtechnik und der Dünnschichttechnologie und können selbstständig und ohne fremde Anleitung die Fertigung von vorgegebenen Dünnschichtstrukturen optimieren und ihre Ergebnisse mittels adäquater Messwerkzeuge analysieren und kritisch bewerten. Durch die Bearbeitung des Praktikums in Kleingruppen erwerben bzw. verbessern die Studierenden zudem Ihre Team-Fähigkeit.

Competence Goal

After successful completion of the module, students will be familiar with elementary processes of microsystems and thin-film technology and will be able to optimize the fabrication of thin-film structures independently and without external guidance. In addition, they will be able analyze and critically evaluate their results using adequate measuring tools. By working on the practical course in small groups, students also acquire or improve their teamwork skills.

Inhalt

Die Studierenden lernen die grundlegenden Verfahren und Prozesse zur Herstellung von integrierten Schaltkreisen, wie sie auch in der Industrie eingesetzt werden, kennen. Sie arbeiten nach einer Einführung an eigenständigen Aufgaben im Reinraum und Technologielabor des Instituts für Mikro- und Nanoelektronische Systeme und bearbeiten selbstständig einen im Vorfeld mit dem Betreuer abgesprochenen Aufgabenkomplex. Im Einzelnen erlernen die Studierenden folgende Verfahren bzw. Prozesse:

Die gesammelten Ergebnisse werden im Anschluss von den Studierenden in einem Abschlussbericht zusammengefasst, in den Kontext gebracht und kritisch diskutiert.

Content

The students learn the basic procedures and processes for the fabrication of integrated circuits as they are also used in industry. After an introduction, they work on specified tasks in the clean room and technology laboratory of the Institute for Micro- and Nanoelectronic Systems and work independently on a set of tasks agreed upon in advance with the supervisor. In detail, the students learn the following methods or processes:

The results are subsequently summarized by the students in a final report, put into context and critically discussed.

Zusammensetzung der Modulnote

Die Modulnote ergibt sich durch die Note der Abschlussberichts.

Module grade calculation

The module grade is the grade of the written report.

Anmerkungen

Zwei Wochen Block Praktikum in Vorlesungsfreier Zeit

Annotation

Two weeks block course in lecture-free time

Arbeitsaufwand

Für den erfolgreichen Abschluss des Moduls ist ein Arbeitsaufwand von 180h erforderlich. Dieser setzt sich wie folgt zusammen:

Workload

A workload of approx. 180h is required for the successful completion of the module. This is composed as follows:

Empfehlungen

Der erfolgreiche Abschluss von M-ETIT-103451 - Thin Films: technology, physics and application I oder des Nachfolgemoduls M-ETIT-105608 - Physics, Technology and Applications of Thin Films ist erwünscht.

Recommendation

Successful completion of the module M-ETIT-103451 - Thin Films: technology, physics and application I or M-ETIT-105608 - Physics, Technology and Applications of Thin Films is recommended.

Modul: Praktikum Software Engineering [M-ETIT-100460]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100681 Praktikum Software Engineering SS 6 Sax
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (5-10 min.) während des Labors, dem eingereichten Softwareprojekt und einer Abschlusspräsentation (5-10 min.) mit Fragerunde. Der Gesamteindruck wird bewertet.

Voraussetzungen

keine

Qualifikationsziele

Nach Abschluss des Moduls sind die Studierenden in der Lage, ein praxisnahes Softwareprojekt im Bereich eingebetteter Systeme eigenständig zu konzipieren und umzusetzen. Dies umfasst die Analyse der Problemstellung, den Lösungsentwurf und das Systemdesign, die Implementierung sowie umfassende Tests in einer Simulationsumgebung. Dabei werden die Kenntnisse in den Bereichen UML, Objektorientierung, Serviceorientierte Architektur, Virtualisierung sowie der Programmiersprachen C++ und Python vertieft.

Die Studierenden sind fähig, aus einer vorgegebenen User Story die erforderlichen Spezifikationen abzuleiten und darauf basierend einen Systementwurf zu erstellen. Mithilfe gängiger UML-Standards können sie Softwarearchitektur klar und präzise Entwickeln und Visualisieren. Zudem sind sie in der Lage, Projekte erfolgreich im Team durchzuführen. Dies beinhaltet die Koordination von Aufgabenverteilungen, das konstruktive Lösen von Konflikten innerhalb des Teams sowie die Bewertung und Präsentation der eigenen Arbeitsergebnisse.

Inhalt

Die Studierenden erwerben zunächst unter Anleitung die notwendigen Grundlagen in den Bereichen Virtualisierung und Service-Orientierung, wobei die Tools Docker/Podman und ROS2 exemplarisch behandelt werden. Darauf aufbauend entwerfen und implementieren die Studierenden eigenständig eine Serviceorientierte Software zur Realisierung einer automatisierten Fahrfunktion. Diese umfasst die Verarbeitung von Sensordaten zur Regelung der Aktorik eines Fahrzeugs innerhalb einer Simulationsumgebung.

Die Arbeit erfolgt in Teams von drei bis vier Personen, wobei die Studierenden selbstständig die Ziele des Labors verfolgen und bearbeiten. Im Rahmen des Labors werden professionelle Entwicklungswerkzeuge eingesetzt, darunter die Simulationsumgebung CarMaker.

Zusammensetzung der Modulnote

In die Modulnote gehen die Beurteilung der mündlichen Abfragen, des Softwareprojekts und der Abschlusspräsentation mit Fragerunde ein. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Arbeitsaufwand

1. Präsenzzeit in Laborterminen: 48 Stunden

2. Vor-/Nachbereitung: 96 Stunden

3. Vorbereitung der Präsentation: 10 Stunden

4. Vorbereitung der mündlichen Prüfung: 10 Stunden

Summe: 164 Stunden

Empfehlungen

Modul: Praktikum: Aktuelle Forschungsthemen der Computergrafik [M-INFO-104699]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-109577 Praktikum: Aktuelle Forschungsthemen der Computergrafik Unregelm. 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden arbeiten sich in neueste wissenschaftliche Publikationen in einem aktuellen Forschungsthema in der Computergrafik ein, beurteilen und implementieren State-of-the-Art Methoden und vergleichen sie mit neu entwickelten Ansätzen, die sie selbst konstruieren. Die Studierenden lernen die Resultate des Praktikums in Form eines wissenschaftlichen Papiers zu dokumentieren (inkl. Literaturrecherche, Präsentation wie im Bereich der Computergrafik üblich

Inhalt

Dieses Praktikum vermittelt Studierenden theoretische und praktische Aspekte von aktuellen Forschungsthemen am Lehrstuhl Computergrafik.

Arbeitsaufwand

Präsenzzeit = 30h

Vor-/Nachbereitung = 150h

Empfehlungen

Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.

Modul: Praktikum: Aktuelle Themen des Quantencomputings [M-INFO-106286]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112741 Praktikum: Aktuelle Themen des Quantencomputings SS 6 Schaefer, Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden können wissenschaftlich motivierte Problemstellungen verstehen und relevante Literatur zur Bearbeitung der Problemstellung und Lösungsmöglichkeiten in Kooperation mit ihren Betreuenden erarbeiten. Unter Verwendung aktueller Quanten-Softwareframeworks können Studierende praktische Lösungen implementieren und bewerten. Mit dem erworbenen Wissen und mit Bezug auf aktuelle Forschungsergebnisse können Studierende ihre Ergebnisse interpretieren und nachvollziehen. Bei regelmäßigen Treffen wird der Fortschritt dargestellt und mögliche Hindernisse erläutert. Die Studierenden können die erarbeiteten Lösungen theoretisch dokumentieren und verständlich präsentieren.

Inhalt

Dieses Praktikum fokussiert sich auf die theoretische Analyse und praktische Umsetzung aktueller Themen des Quantencomputings. Die Einführung umfasst notwendigen mathematischen Grundlagen von Quantensystemen und deren Repräsentation durch Qubits und Quantenschaltkreise, bevor auf die Spezifika der angebotenen Themenbereiche eingegangen wird. Mögliche Themenbereiche umfassen unter anderem Quantenalgorithmen, Optimierung von Quantensystemen, Quanten-Software-Engineering oder Quanten maschinelles lernen.

Es gibt feste Termine für die Themenvergabe und Präsenztermine zur Einführung in die Thematik des Quantencomputing. Weitere Präsenztermine zur Besprechung des Fortschritts werden individuell zwischen den Praktikumsteilnehmenden und Betreuenden koordiniert. Praktikumsteilnehmende bearbeiten separate Aufgabengebiete, die auf Basis aktueller Forschungsarbeiten definiert werden und damit realitätsnahe Fragestellungen aus Praxis und Forschung bieten. Die Praktikumsleistungen sind individuell benotet, Gruppenarbeit ist möglich. Bei der Vergabe der Themen werden Vorkenntnisse und Interessensgebiete der Teilnehmenden berücksichtigt.

Arbeitsaufwand

- Präsenzzeit: 20h (Kick-Off, Einführung in Theorie und Themenbereiche, Betreuungstreffen, Abschlussveranstaltung) und deren Vor-/Nachbereitung
- 20h Einarbeitung
- 20h Erstellen der Prüfungsleistung und Präsentation
- 120h Bearbeitung der Aufgaben
- Gesamt: 180h / 30 = 6 Credits

Empfehlungen

- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich

Modul: Praktikum: Automotive Software Engineering [M-INFO-106261]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2023)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112710 Praktikum: Automotive Software Engineering WS+SS 6 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss dieses Moduls besitzen die Studierenden ein tiefer gehendes Verständnis zur Entwicklung komplexer Softwaresysteme im Automobilbereich. Sie haben praktische Erfahrung in der Durchführung von Softwareentwicklungsprojekten im automobilen Umfeld und der Sicherstellung der Qualität der Ergebnisse. Sie sind in der Lage, die Aufgabenstellung zu erfassen, in einen Software-/Systementwurf umzusetzen, zu implementieren und zu testen.

Inhalt

• Paradigmen des System- und Softwareengineerings
• Modellierung
• Frameworks
• Software/System-Architekturen
• Muster in der Software-/Systementwicklung
• Technische Werkzeuge
• Praktische Anwendung der gelernten Konzepte

Arbeitsaufwand

20 h Einarbeitung + 120 h Entwicklungsarbeit + 20 h wöchentliche Treffen und deren Nachbereitung + 10 h Vorbereitung und
Durchführung Code-Review + 10 h Anfertigung und Halten der Abschlusspräsentation = 180 h

Empfehlungen

Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.

Modul: Praktikum: Data Science [M-INFO-105632]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.04.2021)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.04.2021)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2021)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111262 Praktikum: Data Science SS 6 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Teilnehmer und Teilnehmerinnen des Praktikums sollen das in der Vorlesung „Data Science“ erlernte Wissen systematisch und vertieft anwenden, mit Beispielen aus der Praxis von realistischer Komplexität. Dabei sollen die Studierenden gängige Softwaretools kennenlernen und einsetzen.

Die Studierenden werden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im Data Science-Prozess vertraut gemacht. Sie sollen lernen, wie man sowohl mit handelsüblichen als auch sehr modernen Werkzeugen die bestmöglichen Ergebnisse in einer gegebenen Anwendung erzielen kann.

Darüber hinaus sollen die Studierenden lernen, im Team zusammenzuarbeiten, um die gestellten Aufgaben erfolgreich zu lösen. Das Praktikum soll sie dazu befähigen, verständlich Ergebnisse und Vorgehensweisen sowohl innerhalb als auch außerhalb ihres Teams zu kommunizieren.

Inhalt

Im Rahmen des Praktikums „Data Science“ wird das theoretische Wissen aus der gleichnamigen Vorlesung mit Hilfe gängiger Softwaretools praktisch vertieft.

Die Veranstaltung teilt sich in mehrere Blöcke, in denen die Teilnehmer jeweils einen Data Science-Prozess, d. h. die Wissensextraktion und Datenexploration in einem konkreten Anwendungsfall, durchgehen. Dabei werden verschiedene Verfahren näher beleuchtet.

Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Die Bearbeitung der einzelnen Aufgaben erfolgt in Teams.

Arbeitsaufwand

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h

Modul: Praktikum: Data Science für die Wissenschaften [M-INFO-106329]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.04.2023)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112844 Praktikum: Data Science für die Wissenschaften Unregelm. 6 Böhm
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Im Rahmen des Praktikums „Data Science für die Wissenschaften“ wird das theoretische Wissen aus der Vorlesung „Data Science“ mit Hilfe gängiger Softwaretools praktisch vertieft. Die Veranstaltung teilt sich in zwei Blöcke: Einen zum aktuellen Stand der Technik und einen darüberhinausgehenden Themenblock mit Forschungsfragen, die sich auf wissenschaftliche Daten beziehen. Im ersten Block wird unter Anlehnung an den KDD-Prozess ein Anwendungsbeispiel für die Wissensextraktion und Datenexploration durchgespielt. Es werden verschiedene Data Mining Verfahren näher beleuchtet. Das beinhaltet moderne Verfahren zum Clustering, der Klassifikation und der Regression und in manchen Fällen zur Bestimmung von häufigen Mustern und Association Rules. Im zweiten Block wird ein einzelner Schritt im KDD-Prozess und dessen Schwächen im Stand der Technik betrachtet. Die Studierenden werden für diese offenen Probleme sensibilisiert und angeleitet, eigene Lösungs¬ansätze zu diesen offenen Forschungsfragen zu entwickeln. Sowohl das Anwendungsbeispiel als auch die offenen Forschungsfragen werden in Teams bearbeitet.

Inhalt

Im Praktikum soll das in der Vorlesung „Data Science“ erlernte Wissen in die Praxis umgesetzt werden. Dabei sollen die Studierenden gängige einschlägige Softwaretools kennenlernen und diese in einer wissenschaftlichen Anwendung einsetzen. Im ersten Teil des Praktikums sollen die Studierenden mit der Vorverarbeitung von Rohdaten sowie mit den Analyseschritten im KDD-Prozess vertraut gemacht werden. Sie sollen lernen, wie man mit gängigen Analysetools die bestmöglichen Ergebnisse für einen gegebenen wissenschaftlichen Anwendungsfall erzielen kann. Im zweiten Teil des Praktikums sollen die Schwächen eines einzelnen Analyseschrittes näher untersucht werden. Die Studierenden werden mit ungelösten Problemen aus der Fachliteratur konfrontiert und lernen Lösungen dazu selbst zu entwickeln. Darüber hinaus sollen die Studenten lernen, im Team zusammenzuarbeiten, um die einzelnen Aufgaben erfolgreich zu lösen.

Arbeitsaufwand

Präsenzzeit (15 x 2) = 30 h
Einarbeitung 25h
Eigenverantwortliches Arbeiten 105 h
Präsentationsvorbereitung 20h

Summe: 180h

Modul: Praktikum: Gestaltung und Evaluierung Interaktiver Systeme [M-INFO-106290]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112749 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme SS 6 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Das Praktikum bietet Studierenden die Möglichkeit, Methoden der Mensch-Maschine-Interaktion im Rahmen projektbasierter Arbeit anzuwenden. Es werden Teilprojekte im Bereich der Barrierefreiheit, nutzendenzentrierten Systemgestaltung sowie im Bereich der digitalen Spiele angeboten; innerhalb dieser Themenbereiche ist es den Studierenden möglich, eigene Ideen einzubringen. Themen werden durch einzelne Studierende oder in Kleingruppen bearbeitet. Fokus liegt auf der prototypischen Gestaltung und Implementierung sowie auf der Evaluierung resultierender Prototypen mittels relevanter Methoden (z.B. nutzendenzentriertes Design sowie qualitative oder quantitative Nutzendenstudien).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 180 Stunden (6 Credits).

Davon entfallen etwa…

20h auf Präsenztermine,
10h auf deren Vor- und Nachbearbeitung,

140h auf das Selbststudium,

10h auf die Prüfungsvorbereitung.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Praktikum: Graphenvisualisierung in der Praxis [M-INFO-103302]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106580 Praktikum: Graphenvisualisierung in der Praxis Unregelm. 5 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach erfolgreichem Abschluss des Moduls sollen die Studierenden

Inhalt

Netzwerke sind relational strukturierte Daten, die in zunehmendem Maße und in den unterschiedlichsten Anwendungsbereichen auftreten. Die Beispiele reichen von physischen Netzwerken, wie z.B. Transport- und Versorgungsnetzen, hin zu abstrakten Netzwerken, z.B. sozialen Netzwerken. Für die Untersuchung und das Verständnis von Netzwerken durch den Menschen ist die Visualisierung ein grundlegendes Werkzeug.

Mathematisch lassen sich Netzwerke als Graphen modellieren und das Visualisierungsproblem lässt sich auf das algorithmische Kernproblem reduzieren, ein Layout des Graphen, d.h. geeignete Knoten- und Kantenpositionen in der Ebene, zu bestimmen. Dabei werden je nach Anwendung und Graphenklasse unterschiedliche Anforderungen an die Art der Zeichnung und die zu optimierenden Gütekriterien gestellt. Das Forschungsgebiet des Graphenzeichnens greift dabei auf Ansätze aus der klassischen Algorithmik, der Graphentheorie und der algorithmischen Geometrie zurück.

In diesem Modul wird die Graphenvisualisierung in ihrer praktischen Umsetzung behandelt. Dazu erarbeiten sich die Studierenden zunächst die relevante Literatur zum Thema, entwerfen dann im Team neue Lösungsansätze durch Modifikation bestehender Algorithmen und Entwicklung neuer Heuristiken, und implementieren und evaluieren schließlich ihren eigenen Lösungsansatz.

Arbeitsaufwand

150 h

~15h Präsenzzeit
~30h Einarbeitung
~90h Implementieren und Evaluieren
~15h Vorbereitung des Abschlussvortrags

Modul: Praktikum: Graphics and Game Development [M-INFO-105384]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2020)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110872 Praktikum: Graphics and Game Development Unregelm. 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben Kenntnisse der Grafik-Programmierung und sind in der Lage eigenständig interaktive 3D-Anwendungen zu entwickeln. Während des Praktikums erarbeiten sich die Teilnehmer die dazu notwendigen Grundlagen der Computergrafik und ein tieferes Verständnis ausgewählter Teilgebiete, insbesondere auch durch praktische Implementierungen.

Inhalt

Im Rahmen des Praktikums können Studierende eigene Projekte vorschlagen und während des Semesters bearbeiten (aufbauend auf Themen aus den Vorlesungen des Vertiefungsgebiets, z.B. physikalisch-basierte Bildsynthese, interaktive Computergrafik, Visualisierung oder Spieleentwicklung). Je nach Umfang des Projekts ist Team-Arbeit möglich.

Alternativ besteht die Möglichkeit einzelne vorgegebene Teilprojekte zu bearbeiten, die wichtige Teilgebiete der Computergrafik behandeln. Hierzu zählen Grundlagen der (interaktiven) Bildsynthese und moderne Grafik-Hardware/-APIs, Modellierung und Visualisierung.

Arbeitsaufwand

180h

Empfehlungen

Siehe Teilleistung

Literatur

Spezielle Literatur, die per Aushang und in einer Vorbesprechung bekannt gegeben wird.

Modul: Praktikum: Penetration Testing [M-INFO-104895]

Verantwortung:
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2019)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2019)
Wahlbereich Informatik (EV ab 01.04.2019)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-109929 Praktikum: Penetration Testing SS 4 Baumgart, Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziel:

Studierende kennen etablierte Methodiken und Werkzeuge des Penetration Testings und sind in der Lage diese auf Windows- und Linux-Systeme anzuwenden, Schwachstellen zu identifizieren und auszunutzen.


Lernziele:

Studierende sind selbstständig in der Lage einen strukturierten Testreport mit einer Darstellung ihrer Vorgehensweise sowie der Prüfergebnisse zu erstellen.

Inhalt

In einer Einführung wird in diesem Praktikum zunächst Wissen über verschiedene Aspekte des Penetration Testings vermittelt. Themen sind unter anderem:

- Enumeration / Information Gathering

- Identifikation von verwundbaren Diensten und zugehörigen Exploits

- Web-basierte Angriffstechniken

- Passwortbasierte Angriffe

- Techniken zur Datenübertragung

- Privilege Escalation unter Windows und Linux

- Das Metasploit-Framework

Anschließend wenden Studierende die erlernten Methoden und Werkzeuge selbstständig auf eine Reihe von ausgewählten Testrechnern an und erstellen einen Penetration Testing Report dazu.

Arbeitsaufwand

Präsenzzeit: 15 h

Lösen der Aufgaben: 75h

Erstellung Vortrag und Report: 30h

Gesamt: 120h

Empfehlungen

Grundlagen der IT-Sicherheit sowie grundlegende Kenntnisse der Betriebssysteme Linux und Windows werden vorausgesetzt. Zudem werden die Inhalte der Vorlesung Einführung in Rechnernetze als bekannt vorausgesetzt.

Modul: Praktikum: Programmverifikation [M-INFO-101537]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-102953 Praktikum: Programmverifikation Unregelm. 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden lernen Methodiken im Bereich der Programmverifikation
kennen.
Bei der Bearbeitung praktischer Aufgaben lernen sie, die zugrundeliegenden
Methodiken verstehen, begründen, bewerten und einordnen zu können. Weiterhin
lernen sie, die erzielten Ergebnisse dokumentieren, zusammenfassen und
präsentieren, sowie diskutieren zu können.

Inhalt

Im Praktikum soll das aus Vorlesungen zu Themen der Programmverifikation erlernte Wissen in die Praxis umgesetzt und vertieft werden.

Arbeitsaufwand

* Präsenzzeit und Gruppentreffen: 15 Stunden
* Einarbeitung in das Thema: 10 Stunden
* Planung und Bearbeitung der praktischen Aufgaben: 49 Stunden
* Erstellen der Präsentation: 8 Stunde
* Dokumentation und Zusammenfassung der Ergebnisse: 8 Stunden

Summe: 90 Stunden (= 3 Leistungspunkte)

Modul: Praktikum: Realtime Computer Graphics [M-INFO-106851]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2024)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113737 Praktikum: Realtime Computer Graphics WS+SS 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der Echtzeit-Bildsynthese. Während des Praktikums sammeln die Teilnehmenden Erfahrung mit der Programmierung von modernen Bildsyntheseverfahren und den zugrundeliegenden algorithmischen und mathematischen Konzepten, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der Echtzeit-Bildsynthese, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach „Computergrafik und Geometrieverarbeitung“ behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen, die von effizienten Schattierungstechniken (ggf. mittels Vorberechnungen), über die Darstellung geometrisch komplexer Szenen, bis hin zu Herausforderungen im Kontext von Echtzeit-Path Tracing (wie bspw. Path Guiding, Denoising) reichen. 

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Interaktive Computergrafik“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).

Modul: Praktikum: Rendering in CGI [M-INFO-106687]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2024)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113443 Praktikum: Rendering in CGI WS+SS 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der fotorealistischen Bildsynthese. Während des Praktikums sammeln die Teilnehmenden Erfahrung mit der Programmierung von Bildsyntheseverfahren und den zugrundeliegenden algorithmischen und mathematischen Konzepten, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der fotorealistischen Bildsynthese, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach „Computergrafik und Geometrieverarbeitung“ behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen, die eine einfache Path Tracing-Implementierung schrittweise hin zu einem robusten und effizienten Rendering-System entwickeln, das fotorealistische Bilder von komplexen Szenen und mit unterschiedlichsten Lichttransportphänomene berechnen kann.

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Fotorealistische Bildsynthese“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).

Modul: Praktikum: Scientific Visualization [M-INFO-106686]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2024)
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113442 Praktikum: Scientific Visualization WS+SS 6 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden erlangen vertiefte Kenntnisse in der Umsetzung und Entwicklung von Techniken der wissenschaftlichen Visualisierung. Während des Praktikums sammeln die Teilnehmenden die dazu notwendigen Kenntnisse der Computergrafik, Visualisierung und Programmierung von Grafik-Hardware, und entwickeln ein tieferes Verständnis ausgewählter Teilgebiete, insbesondere auch durch praktische Implementierungen.

Inhalt

Das Praktikum behandelt spezifische Themen der wissenschaftlichen Visualisierung, die teilweise in entsprechenden Vorlesungen aus dem Vertiefungsfach Computergrafik und Geometrieverarbeitung behandelt wurden und vertieft diese. 

Im Rahmen des Praktikums bearbeiten die Teilnehmenden Aufgabenstellungen und implementieren interaktive Visualisierungen von Volumendaten (z.B. MRT-/CT-Aufnahmen, Simulationen), Vektorfeldern (Strömungsvisualisierung), sowie von Tensorfeldern und erarbeiten sich wichtige Kenntnisse für den Umgang von großen Daten und effizienten Algorithmen und Datenstrukturen auf Grafik-Hardware.

Ein vorheriger Besuch der Vorlesungen „Computergrafik“ und „Visualisierung“ ist formal keine Voraussetzung für die Teilnahme, wird jedoch empfohlen und Kenntnisse aus diesen Vorlesungen vorausgesetzt.

Arbeitsaufwand

30h = Präsenzzeit
150h = Vor-/Nachbereitung

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).

Modul: Praktikum: Smart Data Analytics [M-INFO-103235]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Telematik
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106426 Praktikum: Smart Data Analytics SS 6 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Nach Abschluss des Praktikums können die Studierenden

Inhalt

Kontextsensitivität wird oftmals als Schlüsselkomponente intelligenter Software bezeichnet. Systeme, die den Kontext ihrer Nutzer erkennen und verarbeiten können, können Dienste optimal und idealerweise ohne explizite Eingaben der Nutzer erbringen (siehe auch Beschreibung zur Vorlesung 24658)

Im Praktikum werden Techniken, Methoden und Software der Kontexterfassung und -verarbeitung als Basis von Smart Data Analytics vertieft. Im Fokus steht vor allem die im Smart Data Innovation Lab verwendete Hardware und Software (industriell genutzte Systeme wie z.B. SAP HANA und IBM Watson aber auch insbesondere Open Source Software zur Datenanalyse wie Spark, scikit-learn und Jupyter/iPython Notebooks) sowie Nutzung von Sensordaten und Zeitserien in wirtschaftlich-relevanten Anwendungen

Bewertet wird die praktische Lösung von Aufgaben die als Übungsblätter verteilt werden. Des Weiteren wird ein beispielhaftes Anwendungsproblem aus dem Analyticsbereich während des Praktikums mit Teilnahme an Wettbewerben (z.B.Kaggle o.Ä.) gelöst. In dieser Phase wird an das CRISP-DM Vorgehensweise angelehnt, was während des Praktikums erläutert wird. Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt.

Die praktischen Aufgaben finden im Umfeld aktueller wissenschaftlicher Arbeiten sowie aktueller Plattformen und Technologien statt. Das Praktikum ist forschungsorientiert und orientiert sich thematisch an aktuellen Projekte am Smart Data Innovation Lab am KIT. Dabei sollen insbesondere Einblicke in aktuelle Problemstellungen in der industriellen Anwendung gewährt werden. Ziel ist es auf Basis von konkreten Anwendungsbeispielen in Gruppen innovative, effiziente und praxisorientierte Lösungsansätze zu erarbeiten und als technologische Demonstratoren wissenschaftlich zu präsentieren.

Die Teilnehmerinnen und Teilnehmer werden bei der Durchführung von den wissenschaftlichen Mitarbeiterinnen und Mitarbeitern unterstützt und erhalten Zugang zu den notwendigen Datenquellen und Großrechnern.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 180 Stunden (6.0 Credits).

Präsenzzeit: Präsentation/Diskussion:
15 x 45 min: 11 h 15 min

Persönliche Nachbereitung der Folien/Aufgaben:
15 x 30 min; 7 h 30 min

Individuelle Präsentation eines für die Implementierung relevanten wiss. Artikels:
30 h 0 min

Praktische Bearbeitung der Aufgaben in Gruppe und individuell:
15 x 8h; 120 h 0 min

Ergebnisse dokumentieren und für Präsentation aufbereiten:
15 x 45 min; 11 h 15min

SUMME: 180 h 00 min

Empfehlungen

Siehe Teilleistung.

Modul: Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) [M-INFO-101635]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2024)
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2024)
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103121 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) SS 5 Abeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Im Praktikum wird eine individuelle Projektaufgabe gestellt, die vom Studierenden unter Nutzung der in der Vorlesung "Web-Anwendungen und Serviceorientierte Architekturen (I und II)" behandelten Konzepte in einem Projektteam zu lösen ist.

Arbeitsaufwand

150h
Präsenzzeit (Projektteamtreffen) 22,5 (15 x 1,5)
Nacharbeit der Projektteamtreffen 22,5 (15 x 1,5)
Entwicklungsarbeiten, praktische Experimente 45 (15 x 3)
Ausarbeitung 60 (15 x 4)

Empfehlungen

Siehe Teilleistung.

Modul: Praktische Philosophie I [M-GEISTSOZ-104507]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Voraussetzung für: T-GEISTSOZ-109223 - Modulprüfung Praktische Philosophie II
Leistungspunkte
11 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
3
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-101170 Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) WS 3 Schefczyk
T-GEISTSOZ-101081 Praktische Philosophie 1.2 WS+SS 3 Schefczyk
T-GEISTSOZ-101171 Praktische Philosophie 1.3 WS+SS 3 Schefczyk
T-GEISTSOZ-109222 Modulprüfung Praktische Philosophie I WS+SS 2 Schefczyk
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden sind in der Lage, normative Argumente fundiert zu bewerten und eigenständig zu entwickeln. Sie kennen Konzepte ethischen Urteilens und Entscheidens und können sie zur Klärung konkreter moralischer Herausforderungen einsetzen. Sie zeigen in einer selbstständig verfassten Hausarbeit, dass sie die wissenschaftlichen Standards der zeitgenössischen Praktischen Philosophie, bezogen auf ein begrenztes Thema, kennen und philosophische Urteilsfähigkeit erworben haben und – wo nötig –relevantes interdisziplinäres Kontextwissen kritisch verarbeiten können.

Inhalt

In diesem Modul sollen die Studierenden Überblick über Theorien der Praktischen Philosophie in Geschichte und Gegenwart erlangen und sich in einer durch Pluralität und interdisziplinäres Kontextwissen gekennzeichneten Diskussionslage orientieren. Sie lernen Grundbegriffe der Ethik (wie Autonomie, Pflichten, Tugenden, Verantwortung, Werte), der Politischen Philosophie (wie Freiheit, Gerechtigkeit und Gleichheit, Toleranz, Demokratie, Fortschritt und Menschenrechte) beziehungsweise der Rechts- und Sozialphilosophie (wie Autorität, Macht und Gewalt, kollektives Handeln, Verantwortung, Solidarität). Die Studierenden lernen zudem Ansätze der Begründung von Normen und Werten kennen, unter anderem durch die Lektüre klassischer Texte auf Einführungsstufe.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung.

Arbeitsaufwand

Insgesamt 330 h: Präsenz in Veranstaltungen: 90 h, Vor- und Nachbereitung der Sitzungen sowie Lektüre empfohlener Literatur: 90 h, Studienleistungen: 90 h, Modulprüfung: 60 h

Modul: Praktische Philosophie II [M-GEISTSOZ-104508]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach) (EV ab 01.10.2025)
Leistungspunkte
12 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-101202 Praktische Philosophie 2.1 WS+SS 3 Schefczyk
T-GEISTSOZ-101203 Praktische Philosophie 2.2 WS+SS 3 Schefczyk
T-GEISTSOZ-101204 Praktische Philosophie 2.3 WS+SS 3 Schefczyk
T-GEISTSOZ-109223 Modulprüfung Praktische Philosophie II WS+SS 3 Schefczyk
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen in den Veranstaltungen sowie das Bestehen der Modulprüfung.

Voraussetzungen

Das Modul "Praktische Philosophie I" muss für die Anmeldung zur Modulprüfung bestanden sein.

Qualifikationsziele

Die Studierenden können selbstständig abgegrenzte Probleme der praktischen Philosophie darstellen, analysieren, Positionen abwägen und deren Vertretbarkeit im disziplinären Diskurs beurteilen.

Inhalt

In diesem Modul arbeiten sich die Studierenden in aktuelle Debatten im Bereich der Politischen Philosophie, der Rechts- und der Sozialphilosophie (wie der Frage der Normenbegründung, der Wertkonflikte in pluralistischen Gesellschaften) ein. Sie werden mit unterschiedlichen Ansätzen und Positionen der Normativen Ethik bekannt gemacht, insbesondere durch die Lektüre klassischer Texte auf Aufbaustufe. Die Studierenden lernen dabei philosophische Techniken der Auslegung schwieriger Texte kennen.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung.

Arbeitsaufwand

Präsenz in Veranstaltungen: 90 h, Vor- und Nachbereitung der Sitzungen sowie Lektüre empfohlener Literatur: 90 h, Studienleistungen: 90 h, Vorbereitung auf Modulprüfung: 90 h

Empfehlungen

Es wird empfohlen, die im dritten Studienjahr zu besuchenden Hauptseminare möglichst gleichmäßig über Winter- und Sommersemester zu verteilen.

Modul: Praxis der Forschung (Projekt, 2. Semester) [M-INFO-105038]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Michael Beigl
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV zwischen 13.07.2019 und 01.10.2026)
Leistungspunkte
10 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110221 Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung WS+SS 3 Beckert
T-INFO-110222 Praxis der Forschung (Projekt, 2. Semester) - Präsentation WS+SS 3 Beckert
T-INFO-110223 Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung WS+SS 4 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Das Modul M-INFO-102418 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
    2. Das Modul M-INFO-105037 - Praxis der Forschung (Projekt, 1. Semester) muss begonnen worden sein.
Qualifikationsziele

Ziel von „Praxis der Forschung“ ist es, sowohl Fachwissen als auch methodische Kompetenzen zu wissenschaftlicher Arbeit zu erwerben und an Hand eines eigenen Projektes zu erproben.

Die Teilnehmer können nach Abschluss aller vier Module von „Praxis der Forschung“ ...

· eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur selbstständig identifizieren, auffinden, einordnen, bewerten und auswerten,

· die Ergebnisse der Literaturrecherche mit eigenen Worten und unter Zuhilfenahme selbst erstellter Präsentationsfolien einem Fachpublikum präsentieren und kritisch diskutieren,

· eine Forschungsfrage bzw. ein Forschungsproblem inhaltlich formulieren, abgrenzen und die Relevanz der Frage bzw. des Problems darstellen,

· Grundlagen der Wissenschaftstheorie erläutern und in Bezug zu ihrem Projekt setzen,

· Grundlagen des verwendeten Forschungsansatzes, wie bspw. des Experiment-Designs und der Experiment-Durchführung, erörtern und auf ihr Projekt anwenden,

· einen eigenen Forschungs(teil)ansatz entwerfen, begründen, bewerten und einordnen,

· aus der Fragestellung und dem Forschungsansatz konkrete Arbeitsschritte und einen Projektplan entwickeln

· Arbeitsaufwände bestimmen, Arbeitsschritte koordinieren und ggfs. im Team zuteilen,

· Risikofaktoren erkennen und analysieren sowie Gegenmaßnahmen entwickeln und planen ,

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das durchzuführende Projekt notwendigen Vorarbeiten identifizieren, planen und durchzuführen

· in dem Forschungsbereich des Projekts wissenschaftlich arbeiten,

· die für das Projekt relevanten inhaltlichen Grundlagen kennen, einsetzen und die Relevanz für die Fragestellung bewerten,

· ihre Planung und den Projektfortschritt dokumentieren, zusammenfassen und präsentieren,

· Fortschritt erkennen und bewerten sowie Steuerungsmaßnahmen entwickeln und anwenden,

· Techniken des wissenschaftlichen Arbeitens und des wissenschaftlichen Schreibens benennen, erläutern und anwenden,

· Wissenschaftliche Veröffentlichungen planen, anfertigen und bewerten,

· den Projektablauf und Ergebnisse dokumentieren, zusammenfassen und illustrieren,

· wissenschaftlich Arbeiten in Zusammenarbeit mit Anderen bzw. im Team.

Inhalt

Inhalt von „Praxis der Forschung“ ist die angeleitete Durchführung eines wissenschaftlichen Forschungsprojekts. Über einen Zeitraum von insgesamt zwei Semestern wird intensiv und kontinuierlich an dem Projekt gearbeitet. Studierende erwerben im Rahmen von „Praxis der Forschung“ sowohl Fachwissen als auch methodische Kompetenz zu wissenschaftlicher Arbeit.
Die Fragestellungen der Projekte, an denen die Teilnehmer arbeiten, entstammen den Forschungsgebieten der jeweiligen Betreuer. In der Regel findet das Projekt im Rahmen eines laufenden Forschungsvorhabens statt, was eine starke Verzahnung von Forschung und Lehre gewährleistet.
Der Schwerpunkt im ersten Semester liegt auf der Planung des Projekts und der Durchführung der Vorarbeiten. Der Schwerpunkt im zweiten Semester liegt auf der Durchführung des Projekts und der Darstellung der Ergebnisse.
Zum Abschluss von „Praxis der Forschung“ (am Ende des zweiten Semesters) verfassen die Teilnehmer eine wissenschaftliche Arbeit zu den Ergebnissen ihres Projekts. Diese Arbeit soll den Qualitätsansprüchen einer wissenschaftlichen Publikation genügen und nach Möglichkeit veröffentlicht werden.
Die Teilnahme an Praxis der Forschung dient auch als Vorbereitung auf eine Masterarbeit, deren Wissenschaftlichkeit über das normale Maß hinausgeht.
Ergänzend zur Projektarbeit finden begleitende Lehrveranstaltungen statt, in denen Kompetenzen zur wissenschaftlichen und projektorientierten Arbeit vermittelt werden (diese werden als Überfachliche Qualifikationen angerechnet; siehe Module „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“). Die Themen dieser begleitenden Veranstaltungen sind:
- Wissenschaftliche Forschungsmethoden;
- Methodische Suche nach verwandten Arbeiten zu einem Forschungsthema, insbesondere Literaturrecherche, Grundverständnis wissenschaftlicher Fachliteratur;
- Präsentation wissenschaftlicher Arbeiten;
- Arbeiten in wissenschaftlichen Teams;
- Methodische Erstellung von Arbeitsplänen für wissenschaftliche Projekte;
- Methodische Evaluierung wissenschaftlicher Arbeiten;
- Strategien der Durchführung wissenschaftlicher Projekte;
- Erstellung wissenschaftlicher Publikationen.

Anmerkungen

- Dieses Modul bildet eine Einheit mit den Modulen „Praxis der Forschung (Projekt, 1. Semester)“, „Praxis der Forschung (Methoden, 1. Semester)“ und „Praxis der Forschung (Methoden, 2. Semester)“. In den vier Modulen zusammen wird über einen Zeitraum von zwei Semestern ein einheitliches Praxis-der-Forschung-Projekt durchgeführt.
- Dieses Modul kann entweder in einem Vertiefungsfach oder im Wahlbereich angerechnet werden. Die jeweilige Zuordnung der angebotenen Projekte zu Vertiefungsfächern wird am Anfang des Semesters bekannt gegeben.
- Dieses Modul beinhaltet Vorlesungsleistungspunkte, Praktikumsleistungspunkte und Seminarleistungspunkte. Der Praktikumsanteil umfasst das praktische wissenschaftliche Arbeiten unter Anleitung; der Seminaranteil umfasst das selbstständige Erschließen und (schriftliche und mündliche) Präsentieren fremder wissenschaftlicher Arbeiten; der Vorlesungsanteil umfasst das Erwerben von inhaltlichem Wissen durch Lesen, Zuhören usw. Die Verteilung der Leistungspunkte des Moduls auf die verschiedenen Arten von Leistungspunkte wird zu Beginn ersten des Semesters für jedes Projekt bekannt gegeben (wobei die Module „Praxis der Forschung (Projekt, 1. Semester)“ und „Praxis der Forschung (Projekt, 2. Semester)“ zusammen mindestens 5 Vorlesungs-LP, mindestens 3 Seminar-LP und mindestens 3 Praktikums-LP haben).

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt 300 Stunden (der Gesamtarbeitsaufwand für alle vier Module von „Praxis der Forschung“ ist 720 Stunden).

Die Aufteilung des Arbeitsaufwands auf die verschiedenen Phasen und Arbeitsschritte ist projektabhängig und wird zu Beginn des ersten Semesters bekannt gegeben.

* Präsenzzeit in Vorträgen und Diskussionen: 6 Stunden
* Praktische Projektarbeit individuell und im Team: 220 Stunden
* Ausarbeitung des Papers: 62 Stunden
* Prüfungsvorbereitung: 12 Stunden

Summe: 300 Stunden (= 10 Leistungspunkte)

Modul: Privacy Enhancing Technologies [M-INFO-105452]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110989 Privacy Enhancing Technologies SS 6 Strufe
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

This course will provide students with a basic understanding of privacy risks, the most common technologies to tackle them and the human factors shaping their design. The course will analyze the adversary models and evaluation metrics underlying the design of privacy-enhancing technologies

• The students have a critical reasoning about privacy,
• have knowledge in the evaluation of privacy risks,
• understand the design aspects of privacy-enhancing technologies,
• are familiar with the latest research in the field
• are able to analyze and discuss the space of solutions to a given privacy problem

Inhalt

The following topics will be covered
• Freedom of information, the surveillance economy, and other motivations for privacy
• Privacy metrics and adversary models
• Anonymous communications
• Data-perturbative privacy-enhancing technologies
• Anonymization algorithms for databases
• Homomorphic encryption and zero knowledge proofs
• Selective disclosure for identity management
• Usable privacy
• Applying privacy principles and case studies

Arbeitsaufwand

Attendance time in lectures: 45 h
Preparation and follow-up of the same: 90 h
Exam preparation and attendance in the same: 45 h

Modul: Probability and Computing [M-INFO-107168]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114196 Probability and Computing Unregelm. 5 Bläsius, Katzmann, Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The students
- understand when and why randomisation is useful or necessary for solving an algorithmic problem,
- can explain central design methods and analysis tools of randomised algorithms,
- can design and explain simple randomised algorithms and data structures for solving a problem,
- can decide which tools are suitable for the analysis of given randomised algorithms and data structures and apply them.

Inhalt

Randomised algorithms and data structures make their approach dependent on random experiments. While the design of deterministic algorithms is often driven by a pessimistic view of worst-case behaviour, randomised algorithms rely on approaches that occasionally fail but usually perform much better.
The runtime of such algorithms as well as the solution quality (in the case of optimisation problems) and sometimes also the correctness (in the case of computational problems) are then subject to chance. A formal analysis therefore focusses on expected values and probabilities of success. We will look at classical examples as well as current research topics from the field of hashing and graph theory. Specific design methods (such as probability amplification) and advanced analysis tools of probability theory (such as coupling, Poissonisation and concentration bounds) will be applied. It will often turn out that randomised approaches are more efficient or simpler than all (or at least all known) deterministic approaches.
We will also briefly consider on the theoretical side how randomised complexity classes relate to known classes such as P and NP, and on the practical side we will clarify how randomised algorithms can be implemented on common (essentially deterministic) computers with pseudorandomness.

Arbeitsaufwand

Lecture with exercise with 3 SWS, 5 LP
approx. 45h attendance of the lecture and exercise
approx. 30h preparation and follow-up work
approx. 45 hours working on the exercise sheets
approx. 30h exam preparation

Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) as well as basic knowledge of probability theory (e.g. from the lecture Introduction to Stochastics) are helpful.

Modul: Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen [M-ETIT-104475]

Verantwortung:
Dr.-Ing. Manfred Nolle
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2019)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-109148 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen WS 4 Nolle
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden verfügen über grundlegende Kenntnisse aller im Projektmanagement wichtigen Begriffe, Methoden und Prozesse, die in den verschiedenen Phasen eines Projekts zur Anwendung kommen. Die Studierenden können in internationalen Projekten zur Entwicklung von technischen Systemen im Projektmanagement konstruktiv mitarbeiten und sind befähigt, auch kleinere Projekte selbst zu leiten sowie ein Projektteam zu führen. Sie kennen die spezifischen Anforderungen überall dort, wo Produkt-Sicherheit ein wesentliches Merkmal ist. Als Projektleiter:in wissen die Studierenden, worauf es dabei ankommt, ohne selbst Experte in technischen Belangen zu sein.

Inhalt

Die Vorlesung vermittelt:

  1. Begriffe und grundlegende Kenntnisse des Projektmanagements (PM)
  2. Aufteilung der Durchführung von Projekten in Phasen mit den jeweiligen Aufgaben, Methoden und Prozessen des PMs einerseits und der Projektrealisierung andererseits
  3. Kenntnis unterschiedlicher Vorgehensmodelle bei der Projektrealisierung wie planbasiert, agil und hybrid sowie die Umsetzung spezifischer Vorgaben, die bei Produkten für sicherheitskritischen Anwendungen für eine Zertifizierung zwingend zu befolgen sind
  4. Kenntnis und Anwendung der typischen Prozesse wie
    • Planung / Steuerung
    • Organisation / Teambildung / Führung
    • Anforderungsmanagement
    • Änderungs- und Konfigurationsmanagement
    • Risiko- (& Chancen-) Management
    • Stakeholdermanagement
    • Qualitätsmanagement
    • Vertrags- & Nachforderungsmanagement

mit Hinweisen zu den spezifischen Herausforderung bzgl. Sicherheit

  1. Kenntnis der Anforderungen aus dem Projektumfeld innerhalb und außerhalb der das Projekt initiierenden Organisation (Normen, Standards, Prozesse, Zulassungen etc.)
  2. eine Einführung in soziale Kompetenzen wie Teambildung, Führung eines Projektteams, Kommunikation, Konfliktmanagement etc.
  3. kulturellen Unterschiede und daraus resultierende Herausforderungen bei internationalen Vorhaben allgemein.

Beispielhaft dargestellt und erläutert für die Entwicklung von Produkten für sicherkritische Anwendungen.

Übungen, in denen die erworbenen Kenntnisse angewandt und vertieft werden:

  1. durch Abfragen und Wiederholen der vermittelten Kenntnisse
  2. mit der Durchführung kleinerer Projekte
  3. mit Planspielen und Fallbeispielen
Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen:

   1. Präsenzzeit in Vorlesungen, Übungen: 45h

   2. Vor-/Nachbereitung der selbigen: 30h

   3. Klausurvorbereitung und -teilnahme: 45h

Empfehlungen

Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.

Lehr- und Lernformen

Vorlesung und Übung

Modul: Projektpraktikum Bildauswertung und -fusion [M-INFO-102383]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV bis 31.03.2028)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV bis 31.03.2028)
Vertiefungsfach 2 / Robotik und Automation (EV bis 31.03.2028)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV bis 31.03.2028)
Wahlbereich Informatik (EV bis 31.03.2028)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-104746 Projektpraktikum Bildauswertung und -fusion WS 6 Beyerer
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Dieses Modul soll Studierenden die Möglichkeit bieten, praktische Erfahrungen mit Aufgabenstellungen im Bereich der Vorlesungen des Lehrstuhls Interaktive Echtzeitsysteme zu erwerben, mit welchen es fachlich eng verknüpft ist.

Ablauf:

Zu Beginn des Semesters findet eine Vorbesprechung mit der Vorstellung und Vergabe der einzelnen Projektthemen statt. Die angebotenen Aufgaben wechseln jedes Jahr. Es werden Aufgaben aus den folgenden Bereichen behandelt, z.B.:

Automatische Sichtprüfung und Mustererkennung:

Semantische Umweltmodellierung und Automatisierung Mensch-Maschine-Interaktion:

Von den Teilnehmern wird erwartet, dass sie zusammen mit ihren Projektpartnern einen Projektplan erstellen und auf dessen Grundlage die einzelnen Arbeitspakete selbstständig bearbeiten. Im Laufe des Projektpraktikums sind zwei Präsentationen zu halten:

Die Ergebnisse der Projektarbeit sind schriftlich zu dokumentieren.

Als Hilfestellung für die Durchführung des Projektpraktikums werden zwei Workshops angeboten, deren Besuch Pflicht für alle Teilnehmer ist. Die "Einführung ins Projektmanagement" findet nach der Vorbesprechung statt, die "Einführung in die effektive Präsentationstechnik" ca. zwei Wochen vor der Zwischenpräsentation.

Anmerkungen

wird zum letzten Mal im WS 27/28 angeboten

Arbeitsaufwand

ca. 180 h, davon:

1. Präsenzzeit in Praktikumsbesprechungen: 12h
2. Vor-/Nachbereitung derselben: 18h
3. Bearbeitung des Themas und schriftliche Ausarbeitung: 150h

Modul: Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion [M-INFO-102966]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105943 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion SS 6 Stiefelhagen
Erfolgskontrolle(n)

Siehe Teillestung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben praktische Erfahrungen mit Methoden der Computer Vision im Anwendungsfeld Mensch-Maschine-Interaktion. Zu diesem Zweck sollen die Studenten die grundlegenden Konzepte der Computer Vision verstehen und anwenden lernen. Die Studierenden lernen in Gruppenarbeit ein Computer Vision System aufzubauen, Lösungen zu den entstehenden praktischen Problemen zu erarbeiten und am Schluss die entwickelten Komponenten zu evaluieren.

Darüber hinaus sollen die Studenten erste Erfahrungen darin sammeln, den notwendigen Zeitaufwand der einzelnen Entwicklungsschritte einzuschätzen. Ferner soll durch die Arbeit in einer Gruppe und die abschließende Präsentation die Fähigkeit der Studenten gefördert werden die eigene Arbeit zu vermitteln.

Inhalt

as Praktikum beschäftigt sich mit der Umsetzung von Methoden der Computer Vision und des maschinellen Lernens in praktischen Systemen zur visuellen Wahrnehmung von Menschen und der Umgebung.

Zu diesem Zweck werden wir ein übergreifendes Thema zur Bearbeitung vorstellen und einzelne Teilprojekte passend zu diesem Thema zur Bearbeitung durch einzelne Studenten oder Kleingruppen vorschlagen; allerdings ist auch die Benennung und Verwirklichung eigener Ideen/Projekte unter dem vorgegebenen Thema möglich und sogar erwünscht. Jedes Teilprojekt soll dabei seine Arbeit präsentieren und insbesondere die gemachten Erfahrung bzgl. praktischer Probleme und deren Lösungen austauschen.

Da in diesem Projektpraktikum praxistaugliche Systeme entwickelt werden sollen, werden wir einen Fokus auf der Realisierung von echtzeitfähigen, interaktiven System setzen, die im Idealfall in realistischen Umgebungen getestet werden sollen. Da in diesem Kontext häufig Probleme auftreten, die in Vorlesungen nicht vermittelt werden können, bildet die Vermittlung von Erfahrung im Umgang mit praktischen Problemen einen wichtigen Bestandteil der Veranstaltung.

Aktuelle Informationen finden Sie unter http://cvhci.anthropomatik.kit.edu/

Arbeitsaufwand

180h

Empfehlungen

siehe Teilleistung

Modul: Projektpraktikum: Humanoide Roboter [M-INFO-105792]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2021)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2021)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2021)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2021)
Wahlbereich Informatik (EV ab 01.10.2021)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111590 Projektpraktikum: Humanoide Roboter WS 6 Asfour
Erfolgskontrolle(n)

Siehe Teilleistung.

Qualifikationsziele

Inhalt

In diesem Praktikum wird eine Aufgabenstellung alleine oder in kleinen Teams mit bis zu 3 Studierenden bearbeitet. Hierbei werden Fragestellungen der humanoiden Robotik behandelt, wie beispielsweise semantische Szeneninterpretation, aktive Perzeption, Planung von Greif- und Manipulationsaufgaben, Aktionsrepräsentation mit Bewegungsprimitiven, und Programmieren durch Vormachen.

Die Projektarbeit (alleine oder in Gruppen) findet weitestgehend selbstständig statt, wird aber durch wissenschaftliche Mitarbeiter und Mitarbeiterinnen fachlich unterstützt. Am Ende des Praktikums ist die geleistete Arbeit zu dokumentieren und in einem wissenschaftlichen Vortrag zu präsentieren.

Anmerkungen

Arbeitsaufwand

Praktikum mit 4 SWS, 6 LP.
6 LP entspricht ca. 180h, davon
ca. 10h Präsenzzeit in Praktikumsbesprechungen
ca. 10h Vor- und Nachbereitung derselben
ca. 150h Selbststudium zur Bearbeitung des Themas
ca. 10h Vorbereitung und Halten eines wissenschaftlichen Vortrags

Empfehlungen

Modul: Quantifizierung von Unsicherheiten [M-MATH-104054]

Verantwortung:
Prof. Dr. Martin Frank
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-108399 Quantifizierung von Unsicherheiten Unregelm. 4 Frank
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 Minuten).

Voraussetzungen

Keine

Qualifikationsziele

After successfully taking part in the module's classes and exams, students have gained knowledge and abilities as described in the "Inhalt" section.

Specifically, students know several parametrization methods for uncertainties. Furthermore, students are able to describe the basics of several solution methods (stochastic collocation, stochastic Galerkin, Monte-Carlo). Students can explain the so-called curse of dimensionality.

Students are able to apply numerical methods to solve engineering problems formulated as algebraic or differential equations with uncertainties. They can name the advantages and disadvantages of each method. Students can judge whether specific methods are applicable to the specific problem and discuss their results with specialists and colleagues. Finally, students are able to implement the above methods in computer codes.

Inhalt

In this class, we learn to propagate uncertain input parameters through differential equation models, a field called Uncertainty Quantification (UQ). Given uncertain input (parameter values, initial or boundary conditions), how uncertain is the output? The first part of the course ("how to do it") gives an overview on techniques that are used. Among these are:

The second part of the course ("why to do it like this") deals with the theoretical foundations of these methods. The so-called "curse of dimensionality" leads us to questions from approximation theory. We look back at the very standard numerical algorithms of interpolation and quadrature, and ask how they perform in many dimensions.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 20 Stunden

Selbststudium: 100 Stunden

Empfehlungen

Numerische Methoden für Differentialgleichungen

Lehr- und Lernformen

Vorlesung + Übung im Flipped Classroom-Format

Modul: Rechnerstrukturen [M-INFO-100818]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Parallelverarbeitung
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101355 Rechnerstrukturen SS 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende ist in der Lage,

Insbesondere soll die Lehrveranstaltung die Voraussetzung liefern, vertiefende Veranstaltungen über eingebettete Systeme, moderne Mikroprozessorarchitekturen, Parallelrechner, Fehlertoleranz und Leistungsbewertung zu besuchen und aktuelle Forschungsthemen zu verstehen.

Inhalt

Der Inhalt umfasst:

Arbeitsaufwand

((4 + 1,5*4) * 15 + 15) / 30 = 165 /30 = 5,5 = 6 ECTS

Empfehlungen

Siehe Teilleistung

Modul: Recht der Wirtschaftsunternehmen [M-INFO-101216]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
6
Kennung Name Turnus LP Dozierende
Recht der Wirtschaftsunternehmen (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-111405 Seminar: Handels- und Gesellschaftsrecht in der IT-Branche WS 3 Nolte
T-INFO-101288 Regelkonformes Verhalten im Unternehmensbereich WS 3 Herzig
T-INFO-102036 Vertragsgestaltung im IT-Bereich WS 3 Menk
T-INFO-111436 Arbeitsrecht SS 3 Hoff
T-INFO-111437 Steuerrecht SS 3 Dietrich
Erfolgskontrolle(n)

siehe Teilleistungen

Voraussetzungen

Keine

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul umfasst eine Reihe von Spezialmaterien im Unternehmensrecht, deren Kenntnis unerlässlich ist, um sinnvolle unternehmerische Entscheidungen treffen zu können. Aufbauend auf dem bisher erworbenen Wissen im Privatrecht erhalten die Studierenden praxisrelevante Einblicke darin, wie Verträge konzipiert werden, sowie noch detailliertere Kenntnisse im Bürgerlichen Recht und im deutschen Handels- und Gesellschaftsrecht. Daneben steht die Vermittlung solider Kenntnisse im Arbeits- und Steuerrecht.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits).

Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.

Modul: Recht des geistigen Eigentums [M-INFO-101215]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
5
Kennung Name Turnus LP Dozierende
Recht des Geistigen Eigentums (Wahl: mindestens 1 Bestandteil sowie mind. 9 LP)
T-INFO-101308 Urheberrecht WS 3 N.N.
T-INFO-101313 Markenrecht WS+SS 3 Matz
T-INFO-101307 Internetrecht WS 3 N.N.
T-INFO-108462 Ausgewählte Rechtsfragen des Internetrechts SS 3 N.N.
T-INFO-101310 Patentrecht SS 3 Straßburger
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Der/die Studierende

Inhalt

Das Modul vermittelt Kenntnisse in den Kerngebieten des Immaterialgüterrechts und Kernthemen des Internetrechts. Es werden die Voraussetzungen und das erforderliche Procedere erklärt, um Erfindungen und gewerbliche Kennzeichen national und international zu schützen. Zudem wird das nötige Know How vermittelt, um Schutzrechte zu verwenden und Schutzrechte gegen Angriffe Dritter zu verteidigen.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Dabei beträgt der Arbeitsaufwand für Lehrveranstaltungen mit 3 Credits ca. 90h.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Modul: Regelung linearer Mehrgrößensysteme [M-ETIT-100374]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100666 Regelung linearer Mehrgrößensysteme WS 6 Kluwe
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.

Voraussetzungen

keine

Qualifikationsziele

- Die Studierenden haben zunächst grundlegende Kenntnisse über die verschiedenen Beschreibungsformen linearer Mehrgrößensysteme in Frequenz- und Zeitbereich mit sowohl zeitkontinuierlichen als auch zeitdiskreten Modellen erworben.
- Insbesondere sind sie in der Lage, Mehrgrößensysteme im Zustandsraum je nach Anforderungen auf unterschiedliche Normalformen zu transformieren.
- Die Studierenden haben ein Verständnis über fundamentale Eigenschaften wie z.B. Stabilität, Trajektorienverläufe, Steuer- und Beobachtbarkeit sowie Pol-/Nullstellenkonfiguration erlangt und können die Systeme entsprechend analysieren.
- Sie beherrschen die grundlegenden Prinzipien zur Regelung linearer Mehrgrößensysteme sowohl im Frequenzbereich (Serienentkopplung) als auch im Zeitbereich (Polvorgabe mit Vorfilter)
- Konkret kennen die Studierenden die Entwurfsverfahren Modale Regelung, Entkopplungsregelung im Zeitbereich und die Vollständige Modale Synthese.
- Sie sind vertraut mit dem Problem der Zustandsgrößenermittlung durch Zustandsbeobachter und dem Entwurf vollständiger und reduzierter Beobachter.
- Die Studierenden sind in der Lage, bei Bedarf auch weiterführende Konzepte wie Ausgangsrückführungen und Dynamische Regler einzusetzen zu können.
- Sie können weiterhin der Problematik hoher Modellordnungen im Zustandsraum durch eine Ordnungsreduktion auf Basis der Dominanzanalyse begegnen.

 

Inhalt

Ziel ist die Vermittlung von grundlegenden und weiterführenden Methoden zur Behandlung linearer Mehrgrößensysteme, wobei der Schwerpunkt in der Betrachtung im Zustandsraum liegt. Dadurch wird den Studierenden eine Modellform nahegebracht, die modernere und insbesondere nichtlineare Verfahren zulässt. Zum einen liefert das Modul dabei einen umfassenden Überblick über die wichtigsten Aspekte bei der variablen Beschreibung der Systeme und der Analyse ihrer charakteristischen Eigenschaften. Zum anderen werden alle Facetten der Synthese von Regelungen für Anfangs- und Dauerstörungen und hierzu häufig erforderlichen Beobachtern vermittelt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Unter den Arbeitsaufwand fallen

  1. Präsenzzeit in Vorlesung/Übung (3+1 SWS: 60h = 2 LP)
  2. Vor-/Nachbereitung Vorlesung/Übung (90h = 3 LP)
  3. Vorbereitung/Präsenzzeit schriftliche Prüfung (30h = 1 LP)
Empfehlungen

Zum tieferen Verständnis sind unbedingt Grundlagenkenntnisse zur Systemdynamik und Regelungstechnik erforderlich, wie sie etwa im ETIT-Bachelor-Modul „Systemdynamik und Regelungstechnik“ M-ETIT-102181 vermittelt werden.

Modul: Reinforcement Learning [M-INFO-105623]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2021)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2021)
Wahlbereich Informatik (EV ab 01.04.2021)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111255 Reinforcement Learning WS 6 Lioutikov, Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

- Students are able to understand the RL problem and challenges.
- Students can differentiate between different RL algorithm and understand their underlying theory
- Students will know the mathematical tools necessary to understand RL algorithms
- Students can implement RL algorithms for various tasks
- Students understand current research questions in RL

Inhalt

Reinforcement Learning (RL) is a sub-field of machine learning in which an artificial agent has to interact with its environment and learn how to improve its behaviour by trial and error. For doing so, the agent is provided with an evaluative feedback signal, called reward, that he perceives for each action performed in its environment. RL is one of the hardest machine learning problems, as, in contrast to standard supervised learning, we do not know the targets (i.e. the optimal actions) for our inputs (i.e. the state of the environment) and we also need to consider the long-term effects of the agent’s actions on the state of the environment. Due to recent successes, RL has gained a lot of popularity with applications in robotics, automation, health care, trading and finance, natural language processing, autonomous driving and computer games. This lecture will introduce the concepts and theory of RL and review current state of the art methods with a particular focus on RL applications in robotics. An exemplary list of topics is given below:


• Primer in Machine Learning and Deep Learning
• Supervised Learning of Behaviour
• Introduction in Reinforcement Learning
• Dynamic Programming
• Value Based Methods
• Policy Optimization and Trust Regions
• Episodic Reinforcement Learning and Skill Learning
• Bayesian Optimization
• Variational Inference, Max-Entropy RL and Versatility
• Model-based Reinforcement Learning
• Offline Reinforcement Learning
• Inverse Reinforcement Learning
• Hierarchical Reinforcement Learning
• Exploration and Artificial Curiosity
• Meta Reinforcement Learning

Arbeitsaufwand

Approximately 180 hours, divided into:
• 45 hours of lecture attendance
• 15 hours of exercise attendance
• 90 hours of post-processing and working on exercise sheets
• 30 hours of exam preparation.

Empfehlungen

Modul: Reliable Computing I [M-INFO-100850]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101387 Reliable Computing I Unregelm. 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this course is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems.

Inhalt

The objective of this course is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems. The students will study and investigate existing fault-tolerant systems. Both Hardware and software methods will be studied and new research topics will be investigated.

This course overviews reliable (fault-tolerant) computing and the design and evaluation of dependable systems, and provides a base for research in reliable systems. Models and methods are used in the analysis and design of fault-tolerant and highly reliable computer systems will be taught in this course. Topics include faults and their manifestations, fault/error modeling, reliability, availability and maintainability analysis, system evaluation, performance-reliability trade-offs, system level fault diagnosis, hardware and software redundancy techniques, and fault-tolerant system design methods.

Arbeitsaufwand

2 SWS:  (2 SWS + 1,5 x 2 SWS) x 15 + 15 h preparation for the exam = 90 h = 3 ECTS 


Modul: Research Focus Class: Blockchain & Cryptocurrencies [M-INFO-106654]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2024)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2024)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113400 Research Focus Class: Blockchain & Cryptocurrencies Unregelm. 3 Hartenstein
T-INFO-113401 Research Focus Class: Blockchain & Cryptocurrencies - Seminar Unregelm. 3 Hartenstein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Students are familiar with current issues in the field of blockchain and cryptocurrencies and can identify specific research questions.
•    Students have the necessary basic knowledge to identify, discuss and scientifically address current issues in the subject area.
•    Students are able to independently develop a research topic and find and process related literature.
•    Students are familiar with research methods in the field of decentralized systems and have gained initial experience in a specific research topic.
•    Students can write a paper according to scientific standards.
•    Students can present and discuss a research topic in a colloquium.

Inhalt

Blockchains such as Ethereum are decentralized systems that are currently receiving a lot of attention both in practice and in research. These systems can not only be used to carry out payment transactions in a decentralized manner, but also to programmatically record and enforce processes between mutually distrustful parties in so-called smart contracts. In particular, security and fairness properties as well as scalability in terms of transaction throughput play a key role.

This course begins with a lecture in which the basics of blockchains and Ethereum in particular are taught and current problems are introduced. After an introduction to the structure and functionality of Ethereum, advanced aspects that are necessary to address current research questions will be covered. The basics of scientific methodology in dealing with decentralized systems are also covered. The basic knowledge imparted in the lecture will be applied and consolidated in the seminar - the second part of the course - through the students' own research work.

The seminar offers the opportunity to work on a self-chosen topic in the field of blockchains and cryptocurrencies, which is facilitated by the previous lecture and direct consultation. The students' task is to find and process literature on the chosen topic and to work on the chosen topic. The results are documented in a paper according to scientific standards and presented in a colloquium.

Anmerkungen

Places are limited. Information about the registration process is given in the first lecture. Registration is usually carried out via CampusPlus or Wiwi-Portal. A listing in one of them indicates that the module is offered in the current term. 

Arbeitsaufwand

6 ECTS = 180 hours 
-    Lecture attendance and discussion (20 hours)
-    Lecture preparation and follow-up (20 hours)
-    Literature research (20 hours)
-    Implementation of self-chosen project (60 hours)
-    Writing a scientific report (60 hours)

 

Empfehlungen

Knowledge from ‘Decentralized Systems: Fundamentals, Modeling, and Applications’ [M-INFO-105334] and skills from ‘Scientific Methods to Design and Analyze Secure Decentralized Systems’ [M-INFO-105780] are of advantage.

Modul: Research Practical Course on Behavior Foundation Models [M-INFO-107728]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115118 Research Practical Course on Behavior Foundation Models SS 6 Lioutikov
Erfolgskontrolle(n)

See Partial achivements (Teilleistung).

Voraussetzungen

See Partial achivements (Teilleistung).

Qualifikationsziele

Students learn to understand and scrutinise complex scientific topics and to reproduce and check published results.
and to reproduce and verify published results. Students gain in-depth knowledge in the field of interactive learning and experience with the use of novel learning methods.

Inhalt

Each student will select a topic in the field of Behavior Foundation Models. The organizers will suggest topics but the students are welcome suggest relevant topics. The students will then implement and evaluate several algorithms corresponding to the chosen topic. The experimental evaluation will be documented in a report and presented to their peers.
It is highly recommended to take this research project in combination with the Seminar on Behavior Foundation Models, where the students get the chance to acquire the required background on the literature.

Arbeitsaufwand

Workload = 180h = 6 ECTS 
- Attendance time: 15h
- Project work: 135h
- Writing scientific report + preparing presentation: 30h

Empfehlungen

We highly recommend to take this research project in combination with the Seminar on Behavior Foundation Models.

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this project.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Research Practical Course: Artificial Intelligence & Security [M-INFO-106866]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113759 Research Practical Course: Artificial Intelligence & Security WS+SS 6 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualifikationsziele: Students understand how to interpret results from state-of-the-art research and are able to actively contribute to timely research.

Lernziele:
←    Students know and understand concepts of recent research at the intersection of artificial intelligence and computer security.
←    Students are able independently research topics and methods in this field of research.
←    Students understand limits of current approach in computer security research.

Inhalt

In this practical course, the students work on a project at the intersection of artificial intelligence, machine learning, and computer security. They come in contact with and participate in timely and state-of-the-art research in this exciting field. In this scope, the students read up on a sub-field, design and implement a learning-based system, and conduct evaluations on real-world data.

Topics include but are not limited to adversarial machine learning, explainability of machine learning in computer security, learning-based attack detection, and vulnerability discovery.

Arbeitsaufwand

•    140h Projektarbeit
•    20h Abschlussbericht
•    15h Vorbereitung Abschlusspräsentation
•    5h Präsenzzeit (Abschlussveranstaltung)

Modul: Research Practical Course: Explainable Artificial Intelligence [M-INFO-106495]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113114 Research Practical Course: Explainable Artificial Intelligence WS 6 Lioutikov
Erfolgskontrolle(n)

See partial achievements (Teilleistung).

Voraussetzungen

See partial achievements (Teilleistung).

Qualifikationsziele

Students learn to understand and question complex scientific topics and to reproduce and verify published results.
to reproduce and review published results. Students gain in-depth knowledge of interactive learning and experience with the use of novel learning methods.

Inhalt

Each student will select a topic in the field of Explainable Artificial Intelligence and study and analyze it in the context of Robot Learning. The organizers will suggest topics but the students are welcome suggest relevant topics. The students will then implement and evaluate several algorithms corresponding to the chosen topic. The experimental evaluation will be documented in a report and presented to their peers.
It is highly recommended to take this research project in combination with the “Explainable Artificial Intelligence” Seminar, where the students get the chance to acquire the required background on the literature.

Anmerkungen

It is only possible to resign within two weeks after assignment of the topic.

Arbeitsaufwand

Workload = 180h = 6 ECTS
- Attendance time: 15h
- Project work: 135h
- Write scientific report + prepare presentation: 30h

Empfehlungen

We recommend taking this Praktikum after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this research project in combination with the “Explainable Artificial Intelligence” seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Research Project Deep Learning for Robotics [M-INFO-107174]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114203 Research Project Deep Learning for Robotics WS 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn to understand and scrutinise complex scientific topics and to reproduce and verify published results.  Students gain in-depth knowledge in the field of learning with robots and experience with the use of novel learning methods.

Inhalt

Each student has to choose one of the offered topics from the area of deep learning / robot learning / deep reinforcement learning / deep imitation learning. The students need to implement one or several algorithms and evaluate them against available baselines on standard benchmark tasks as well as on (custom-made) physically realistic simulations and/or a real robot platform. The experiments have to be documented in a report.  Students will work in teams of 2. It is recommended to take this course together with the seminar “Deep learning for robotics” where the students will acquire the required background on the literature.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h

Project work: 135h

Writing a report + preparing a presentation: 30h

Empfehlungen

-        Experience in Machine Learning is recommended.

-        Python experience is recommended

-        We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Modul: Research Project: Generative AI for Autonomous Agents [M-INFO-107163]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114189 Research Project: Generative AI for Autonomous Agents SS 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn to understand, question, and reproduce complex scientific topics and published results. They will gain in-depth knowledge in the field of learning for decision making and experience with the application of novel learning methods.

Inhalt

This practical research course explores advanced machine learning methods and generative AI such as diffusion models to empower autonomous agents with intelligent decision-making capabilities. Students will delve into:
•    Generative Models for Decision Making
•    Reinforcement Learning (RL)
•    Imitation Learning
•    Multi-Agent Systems
•    Uncertainty Quantification
•    Learning Prediction Models of Physical Processes
•    Time-Series Modeling
•    Discovery and Inference of Latent Variables

Each student will choose one of the offered topics, implement one or several algorithms, and evaluate them against available baselines using standard benchmark tasks. The course emphasizes hands-on experimentation, requiring students to document their findings in a detailed report. Students will work in teams of two, closely collaborating with their supervisor with the aim of achieving publishable results. This course provides students with their first experience in running a research project in machine learning, including algorithm design, evaluation, benchmarking, deploying algorithms on HPC hardware, and paper writing.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Modul: Research Project: Machine Learning for Autonomous Agents and Decision Making [M-INFO-106871]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113765 Research Project: Machine Learning for Autonomous Agents and Decision Making WS 6 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will learn to understand, question, and reproduce complex scientific topics and published results. They will gain in-depth knowledge in the field of learning for decision making and experience with the application of novel learning methods.

Inhalt

This practical research course explores advanced machine learning methods to empower autonomous agents with intelligent decision-making capabilities. Students will delve into:
•    Generative Models for Decision Making
•    Reinforcement Learning (RL)
•    Imitation Learning
•    Multi-Agent Systems
•    Uncertainty Quantification
•    Learning Prediction Models of Physical Processes
•    Time-Series Modeling
•    Discovery and Inference of Latent Variables

Each student will choose one of the offered topics, implement one or several algorithms, and evaluate them against available baselines using standard benchmark tasks. The course emphasizes hands-on experimentation, requiring students to document their findings in a detailed report. Students will work in teams of two, closely collaborating with their supervisor with the aim of achieving publishable results. This course provides students with their first experience in running a research project in machine learning, including algorithm design, evaluation, benchmarking, deploying algorithms on HPC hardware, and paper writing.

Arbeitsaufwand

Workload: 180h

Attendance time: 15h
Project work: 135h
Writing a report + preparing a presentation: 30h

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Modul: Research Seminar in Selected Topics in Statistical Learning and Data Science [M-INFO-106813]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.03.2025)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.03.2025)
Wahlbereich Informatik (EV ab 01.03.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113674 Research Seminar in Selected Topics in Statistical Learning and Data Science Unregelm. 3 Klein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

•    Report Writing Support: Master students will receive guidance in developing and writing their reports, including assistance with literature review, research design, data analysis, and result interpretation.
•    Peer Feedback and Collaboration: The seminar fosters collaboration and peer learning, with participants offering constructive criticism to improve research projects.

Inhalt

The Research Seminar provides a platform for advanced Master students, to explore and delve into topics aligned with recent advances in statistical learning and data science.
It is designed for Master students in Computer Science, Mathematics, Economathematics, Techno-Mathematics, Business Informatics, or similar programs seeking to enhance their expertise in the fields of Bayesian statistics, uncertainty quantification, statistical learning and methods for big data.

The seminar aims to foster a collaborative and intellectually stimulating environment where participants can refine their research skills, exchange ideas, and receive feedback on their work. 

Arbeitsaufwand

90h

Empfehlungen

Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Modul: Resilient Networking [M-INFO-105591]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Vertiefungsfach 1 / Telematik (EV ab 01.10.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2020)
Wahlbereich Informatik (EV ab 01.10.2020)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111209 Resilient Networking WS 6 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

This course will provide students with a basic understanding of threats to the Internet, and the most common technologies to tackle them. The course will analyze the adversary models and evaluation metrics underlying their design.

Inhalt

The lecture resilient networking provides an overview on the basics  of secure networks as well as on current threats and respective  countermeasures. Especially bandwidth-depleting Denial of Service  attacks represent a serious threat. Moreover, over the last years the  number of targeted and highly sophisticated attacks on company and  governmental networks increased. To make it worse, as a new trend at the  moment, the interconnection of the Internet with cyber physical systems  takes place. Such systems, e.g., the energy network (smart grid),  trans- portation systems and large industrial facilities, are critical  infrastructures with severe results in case of their failure. Thus, the  Internet that interconnects these systems has evolved to a critical  infrastructure as well.

The lecture introduces the current state-of-the-art in the research  towards resilient networks. Resilience-enhancing techniques can be  generally classified in proactive and reactive methods. Proactive  techniques are redundancy and compartmentalization. Redundancy allows to  tolerate attacks to a certain extent, while compartmentalization  attempts to restrict the attack locally and preventing its expansion  across the whole system. Reactive techniques follow a three step  approach by comprising the phases of detecting an attack, mitigate its  impacts, and finally restore a system's usual operation.

Based upon this categorisation of resilience strategies the lecture  will give an excursus to graph theorie and will introduce generic  strategies to increase the resilience of networks, e.g., proactively  establishing backup routes and fast restoration strategies. Furthermore,  the lecture will provide an overview on BGP routing and the Domain Name  Service, as two essential Internet services. Both services are  presented and current attacks as well as corresponding countermeasures  are described. Moreover, Denial of Service attacks and their mitigation  are observed in detail as well as mechanism for increasing the  resilience of P2P networks. Finally, Intrusion Detection systems are  covered as mechanisms to mitigate the impacts of successful attacks.

Arbeitsaufwand
  1. Attendance time in lectures: 45 h
  2. Preparation and follow-up of the same: 90 h
  3. Exam preparation and attendance in the same: 45 h

 

Empfehlungen

Knowledge of the basics of cryptography and computer networks is helpful.

Modul: Robotic Intelligence: Navigation and Mobile Manipulation [M-MACH-107621]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-114952 Robotic Intelligence: Navigation and Mobile Manipulation SS 6 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben ein fundiertes Verständnis der grundlegenden Prinzipien sowie aktueller Methoden der Robotik in den Bereichen Navigation, mehrbeinige Lokomotion und Manipulation mit mobilen Systemen. Sie sind in der Lage, geeignete Verfahren des maschinellen Lernens, der simultanen Lokalisierung und Kartierung (SLAM), der Entscheidungsfindung sowie der kollisionsfreien Pfadplanung anzuwenden, um komplexe reale Umgebungen autonom, beispielsweise mit einem Laufroboter, zu durchqueren. Ein besonderer Schwerpunkt liegt auch auf der direkten physischen Interaktion von Laufrobotern mit dem Untergrund und Hindernissen. Die Studierenden lernen, geeignete Machine Learning Ansätze zur Lokomotion zu entwerfen und in dynamischen Simulationsumgebungen zu trainieren, um Bewegungen auf einfachem, ebenem Gelände ebenso wie das Überwinden komplexer Hindernisse, etwa Treppen, zu erlernen.

Darüber hinaus erwerben die Studierenden Kenntnisse über verschiedene Verfahren der Manipulation, dem robotischen Greifen und Handhaben von Objekten. Sie sind in der Lage, sowohl klassische Manipulationsansätze als auch moderne, auf maschinellem Lernen basierende Ansätze zu analysieren, zu vergleichen und hinsichtlich ihrer Leistungsfähigkeit zu bewerten. In Kombination können mobile Roboter so  einen Weg durch schwieriges Gelände finden und am Ziel autonom Objekte manipulieren.

Inhalt

Die Vorlesung Robotic Intelligence: Navigation and Mobile Manipulation vermittelt grundlegende und fortgeschrittene Konzepte zur Entwicklung intelligenter, autonomer Roboter für den Einsatz in komplexen Umgebungen. Im Fokus stehen Methoden zur Navigation, mehrbeinigen Lokomotion und mobilen Manipulation sowie deren Integration in reale Robotersysteme. Behandelt werden Verfahren der Sensorfusion, Lokalisierung und Kartierung (SLAM), Entscheidungsfindung sowie der kollisionsfreien Bewegungs- und Pfadplanung. Weiter werden maschinelle Lernverfahren zur Steuerung von Laufrobotern in schwierigem Gelände sowie zur direkten physischen Interaktion mit der Umwelt vorgestellt. Ergänzend werden Konzepte der mobilen Manipulation behandelt, die es Robotern ermöglichen, Objekte sicher zu greifen, zu handhaben oder mit ihrer Umgebung zu interagieren. Dabei werden sowohl klassische als auch moderne, lernbasierte Ansätze betrachtet. Durch die Kombination dieser Ansätze können Robotersysteme ein hohes Maß an Autonomie erreichen. Die Vorlesung verbindet theoretische Grundlagen mit anwendungsorientierten Methoden und befähigt die Studierenden, autonome robotische Systeme und deren Methoden für reale Einsatzszenarien zu entwickeln und kritisch zu bewerten.

Ein wichtiger Teil des Kurses ist die praktische Gruppenarbeit im Machine Intelligence and Robotics Lab (MaiRo), in dem die Studierenden Aufgaben mit echten Sensoren und Robotern lösen und dabei sowohl technische Kompetenzen als auch Team-Fähigkeiten für die Lösung komplexer Navigations- und Manipulationsaufgaben mobiler Systeme entwickeln.

Die Themen umfassen:

Am Ende des Kurses sind Studierende in der Lage, Methoden zur Navigation und mobilen Manipulation zu entwerfen, zu implementieren und zu integrieren. Diese Ansätze ermöglichen es mobilen Systemen, durch komplexe, dynamische Umgebungen autonom zu navigieren, hierfür gelernte Lokomotionskonzepte einzusetzen sowie verschiedene Manipulationsaufgaben zu lösen.

Zusammensetzung der Modulnote

Schriftliche Klausur: Dauer 60 Minuten. Durch erfolgreiche Bearbeitung der Übungen kann ein Notenbonus erreicht werden.

Anmerkungen

Siehe weitere Details zu der Organisation der Veranstaltung: lehre.imi.kit.edu sowie in ILIAS.

Arbeitsaufwand

180 Arbeitsstunden, davon ca.:

Lehr- und Lernformen

Vorlesung, Übung und Gruppenarbeit

Modul: Robotic Intelligence: Perception and Scene Understanding [M-MACH-107558]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics (EV ab 01.04.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-114813 Robotic Intelligence: Perception and Scene Understanding WS+SS 6 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Die Studierenden verstehen die grundlegenden Prinzipien und aktuelle Methoden aus dem Bereich Robotik für die Wahrnehmung und das Verstehen von Szenen. Sie erlangen die Fähigkeit, geeignete Ansätze des maschinellen Lernens und der Bildverarbeitung auszuwählen und anzuwenden, um komplexe reale Umgebungen zu interpretieren, von sensorischen Rohdaten bis hin zu strukturierten Szenendarstellungen. Die Studierenden sind in der Lage, Systeme zu entwerfen, die mehrere Wahrnehmungsmodalitäten kombinieren und eine robuste Objekterkennung, Verfolgung, Segmentierung und 3D-Szenenanalyse ermöglichen. Darüber hinaus können sie diese Methoden kritisch bewerten und für Robotikanwendungen anpassen, die ein Situationsbewusstsein und/oder fundierte Entscheidungen erfordern.

Inhalt

Die Vorlesung Robotic Intelligence: Perception and Scene Understanding kombiniert moderne KI-basierte Methoden zur maschinellen Wahrnehmung mit den technischen Fähigkeiten, die für deren reale Anwendung in der Robotik erforderlich sind. Sie deckt die gesamte Wahrnehmungskette ab, von der Erfassung und Kalibrierung von Sensordaten bis hin zur Interpretation von Szenen und der Integration in Robotersysteme, wie z.B. mobile Laufroboter.
Die Studierenden werden zunächst die Grundlagen in maschinellem Lernen und Bildverarbeitung lernen, die z.B. die Bildklassifikation, Objekterkennung, Tracking und Segmentierung von Objekten in 2D und 3D abdeckt. Anschließend werden fortgeschrittene Deep-Learning-Architekturen betrachtet, darunter Vision Transformers, multimodale Wahrnehmungssysteme und End-To-End multimodale ML-Ansätze. Ein besonderer Schwerpunkt liegt auf Techniken zur Integration von Bildverarbeitung, Tiefenwahrnehmung und anderen Wahrnehmungsmodalitäten, die eine robuste Wahrnehmung in anspruchsvollen realen Umgebungen ermöglichen.
Ein wichtiger Teil des Kurses ist die praktische Gruppenarbeit im Machine Intelligence and Robotics Lab (MaiRo), in dem die Studierenden praktische Aufgaben mit echten Sensoren und Robotern lösen und dabei sowohl technische Kompetenzen als auch Team-Fähigkeiten zum Lösen komplexen Wahrnehmungsaufgaben für mobile Systeme entwickeln.

Die Themen umfassen:

Am Ende des Kurses sind Studierenden in der Lage, intelligente robotische Systeme zur Wahrnehmung zu entwerfen, zu implementieren und zu integrieren, die es mobilen Systemen ermöglichen, komplexe, dynamische Umgebungen zu verstehen und darin möglichst autonom zu agieren.

Zusammensetzung der Modulnote

Schriftliche Klausur: Dauer 60 Minuten. Durch erfolgreiche Bearbeitung der Übungen kann ein Notenbonus erreicht werden.

Arbeitsaufwand

180 Arbeitsstunden, davon ca.:

Lehr- und Lernformen

Vorlesung, Übung und Gruppenarbeit

Modul: Robotics - Practical Course [M-INFO-107155]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114172 Practical Course: Robotics SS 6 Asfour
Erfolgskontrolle(n)

See partial Achievements (Teilleistung)

Voraussetzungen

See partial Achievements (Teilleistung)

Qualifikationsziele

The student knows concrete solutions for different problems in robotics. He/she uses methods of inverse kinematics, grasp and motion planning, and visual perception. The student can implement solutions in the programming languages C++ and Python with the help of suitable software frameworks.

Inhalt

The practical course is offered as an accompanying course to the lectures Robotics I-III. Every week, a small team of students will work on solving a given robotics problem. The list of topics includes robot modeling and simulation, inverse kinematics, robot programming via state charts, collision-free motion planning, grasp planning, robot vision and robot learning.

Arbeitsaufwand

Practical course with 4 SWS, 6 LP
6 LP corresponds to 180 hours, including
2 hours introductory event
18 hours initial familiarization with the software framework
120 hours group work
40 hours attendance time

Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics and Mechano-Informatics and Robotics is recommended.

Modul: Robotics I - Introduction to Robotics [M-INFO-107162]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114190 Robotics I - Introduction to Robotics WS 6 Asfour
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

The students are able to apply the presented concepts to simple and realistic tasks from robotics. This includes mastering and deriving the mathematical concepts relevant for robot modeling. Furthermore, the students master the kinematic and dynamic modeling of robot systems, as well as the modeling and design of simple controllers. The students know the algorithmic basics of motion and grasp planning and can apply these algorithms to problems in robotics. They know algorithms from the field of image processing and are able to apply them to problems in robotics. They are able to model and solve tasks as a symbolic planning problem. The students have knowledge about intuitive programming procedures for robots and know procedures for programming and learning by demonstration.

Inhalt

The lecture provides an overview of the fundamentals of robotics using the examples of industrial robots, service robots and autonomous humanoid robots. An insight into all relevant topics is given. This includes methods and algorithms for robot modeling, control and motion planning, image processing and robot programming. First, mathematical basics and methods for kinematic and dynamic robot modeling, trajectory planning and control as well as algorithms for collision-free motion planning and grasp planning are covered. Subsequently, basics of image processing, intuitive robot programming especially by human demonstration and symbolic planning are presented. 

In the exercise, the theoretical contents of the lecture are further illustrated with examples. Students deepen their knowledge of the methods and algorithms by independently working on problems and discussing them in the exercise. In particular, students can gain practical programming experience with tools and software libraries commonly used in robotics.

Arbeitsaufwand

Lecture with 3 SWS + 1 SWS Tutorial, 6 LP
6 LP corresponds to 180 hours, including
15 * 3 = 45 hours attendance time (lecture)
15 * 1 = 15 hours attendance time (tutorial)
15 * 6 = 90 hours self-study and exercise sheets
30 hours preparation for the exam

Modul: Robotics II - Humanoid Robotics [M-INFO-107123]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114152 Robotics II - Humanoid Robotics SS 3 Asfour
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students can explain the challenges and goals of humanoid robotics research, particularly regarding the implementation of complex sensorimotor and cognitive abilities in humanoid robots. They are familiar with the history of the field and understand how biomechanical models of the human body inform humanoid robot design.
 
Students have comprehensive knowledge of human and robotic grasping and manipulation. They can analyze human grasping and manipulation strategies, understand taxonomies, and evaluate different computational approaches for  grasping and manipulation. They understand the challenges in transferring concepts from human studies to humanoid robots.
 
Students understand fundamentals of learning from human demonstration and imitation learning. They can explain the learning from demonstration cycle and methods for learning generalized task representation, especially task constraints from demonstrations, and how learned behaviors are reproduced on robots.
 
Students can describe cognitive and AI-based architectures for humanoid robots, including approaches to address the signal-to-symbol gap and human-inspired memory architectures that enable intelligent robot behavior.

Inhalt

This lecture addresses the implementation of complex sensorimotor and cognitive abilities in humanoid robots, with humans serving as inspiration. The lecture begins by addressing the motivation for humanoid robotics. The history of humanoid robotics and biomechanical models of the human body that inform robot design are covered, along with some mechatronic principles underlying humanoid robot systems.
 
The first main topic comprehensively addresses grasping and manipulation. After covering fundamentals, the lecture discusses neuroscientific insights and concepts like grasp phases and grasping synergies to reduce control complexity. Taxonomies are presented as structured frameworks for understanding the space of possible constraints in grasping and manipulation. The lecture addresses computational approaches for grasping known, familiar, and unknown objects, covering both classical methods and modern learning-based approaches using deep learning and vision-language-action models.
 
The second main topic covers learning from demonstration and imitation learning. After introducing the topic, fundamentals are presented including the learning from demonstration cycle. The lecture emphasizes learning task models on both symbolic/semantic and subsymbolic/sensorimotor levels. While methods for capturing human demonstrations are briefly covered, the focus is on semantic segmentation of human demonstrations and learning of task constraints that capture the task and allow generalization. Movement primitives are presented as efficient representations that allow robots to generalize learned behaviors to new situations.
 
The lecture concludes with cognitive and AI-based architectures for humanoid robots, discussing state-of-the-art approaches, methods to address the signal-to-symbol gap, and human-inspired memory architectures that enable intelligent robot behavior.

Arbeitsaufwand

Lecture with 2 SWS, 3 ECTS.
3 ECTS corresponds to approx. 90 hours, thereof:
approx. 15 * 2h = 30h attendance time
approx. 15 * 2h = 30h self-study prior/after the lecture
approx. 30h preparation for the exam and exam itself

Empfehlungen

Having visited the lecture on Robotics I – Introduction to Robotics is recommended 

Modul: Robotics III - Sensors and Perception in Robotics [M-INFO-107130]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114155 Robotics III - Sensors and Perception in Robotics SS 3 Asfour
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Qualifikationsziele

Students can explain the main sensor principles used in robotics and distinguish between proprioceptive sensors (encoders, force/torque sensors, IMUs) and exteroceptive sensors (proximity, range, visual, and tactile sensors). They understand and can characterize sensor properties such as resolution, range, accuracy, and bandwidth, and can explain the principles of analog-to-digital conversion. Students are able to propose, analyze, and justify suitable sensor concepts for specific robotic tasks, taking into account trade-offs between different sensor modalities.
 
Students can apply fundamental perception methods for robotic applications. This includes robot vision techniques such as feature detection and matching, object detection and recognition, and semantic segmentation, including deep learning-based approaches. They can describe and analyze perception methods for manipulation tasks, including object pose estimation, grasp detection, active vision strategies, and haptic exploration. In addition, students can explain point cloud processing methods for registration and surface reconstruction, as well as principles of simultaneous localization and mapping (SLAM).

Inhalt

This lecture complements the lecture “Robotics I” and provides a comprehensive overview of sensors and perception methods in robotics. It is divided into two main parts.
 
The first part introduces fundamental concepts of perception in robotics, including the distinction between sensation and perception within the perception-cognition-action loop. It covers sensor fundamentals, such as sensor characteristics (resolution, range, accuracy, bandwidth), analog-to-digital conversion, and common sensor classification schemes. Proprioceptive sensors for measuring the robot’s internal state are discussed, including encoders (optical, magnetic, absolute, and incremental), force/torque sensors, and inertial measurement units (IMUs). The lecture then covers exteroceptive sensors, including proximity sensors, range sensors (LiDAR, time-of-flight cameras, ultrasonic sensors), visual sensors (monocular, stereo, RGB-D cameras), and tactile sensing technologies (capacitive, resistive, and optical).
 
The second part focuses on processing and interpreting sensor data. Topics in robot vision include image representation, feature detection and matching, object detection and recognition, semantic segmentation, and corresponding deep learning approaches. Point cloud processing is covered with emphasis on data structures, registration, surface reconstruction, and semantic segmentation.  The lecture also addresses perception for manipulation, covering object pose estimation, grasp detection, visual servoing, active vision, and haptic exploration. It concludes with the simultaneous localization and mapping (SLAM) problem, including EKF SLAM, Graph SLAM, and FastSLAM.

Arbeitsaufwand

Lecture with 2 SWS, 3 ECTS.
3 ECTS corresponds to approx. 90 hours, thereof:
approx. 15 * 2h = 30h attendance time
approx. 15 * 2h = 30h self-study prior/after the lecture
approx. 30h preparation for the exam and exam itself

Empfehlungen

Having visited the lectures on Robotics I – Introduction to Robotics is recommended.

Modul: Robotics Institute Germany - Lecture Series [M-INFO-107598]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
TT-Prof. Dr. Barbara Bruno
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114895 Robotics Institute Germany - Lecture Series WS 3 Asfour, Bruno, Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students can discuss the foundations of various open research directions related to AI-powered robotics, as well as their open challenges, relevant findings/breakthroughs and state-of-the-art approaches. 

Inhalt

The course is structured as an inter-institutional lecture series, concurrently offered by various German institutions affiliated with the Robotics Institute Germany (RIG). In the lecture series students are offered an overview of significant open research directions related to AI-powered robotics by leading figures in the field. The lecturers are affiliated with various RIG partner institutions and students from various RIG partner institutions attend the lectures remotely. The lectures cover topics such as cognitive robotics, robot learning, robot perception, manipulation, natural interaction and communication with robots, human-robot interaction, soft robotics and responsible robotics. The exposure to top researchers in the field from different German institutions and the possibility of exchanges with students from other German universities are unique opportunities offered by this lecture series.

Arbeitsaufwand

Lecture series with 2 SWS, 3 LP. 3 LP corresponds to approx. 90 hours, of which: approx. 22.5 hrs. of compulsory attendance approx. 45 hours of literature research approx. 22.5 hrs. exam preparation

Empfehlungen

Knowledge of the content of module Robotics I - Introduction to Robotics is helpful. 

Modul: Sampling Methods for Machine Learning [M-INFO-107090]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114133 Sampling Methods for Machine Learning SS 6 Hanebeck
T-INFO-114134 Sampling Methods for Machine Learning - Pass SS 0 Hanebeck
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students will understand and be able to implement various sampling techniques, from basic random number generation to advanced methods like normalizing flows. They will develop the ability to evaluate sampling quality, optimize procedures, and select appropriate methods for specific machine learning tasks. Graduates will be capable of independently developing sampling solutions for complex problems and critically assessing different approaches. Their comprehensive understanding will enable them to engage with current developments in the field and apply their knowledge effectively in both research and practical applications. This will be supported via a digital exercise.

Inhalt

Sample-based inference is the de-facto standard for solving otherwise infeasible problems in machine learning, estimation, and control under (unavoidable) uncertainties. Thus, it is an important foundation for further studies. This lecture gives a thorough overview of state-of-the-art sampling methods and discusses current developments from the research frontier.
 
The first part shows how to efficiently sample large numbers of random samples from given densities starting with the special cases of uniform and Gaussian distributions. For sampling from arbitrary densities, important techniques such as inverse transform sampling, Knothe-Rosenblatt maps, Markov chain Monte Carlo, normalizing flows, and Langevin equations are introduced.
 
The second part is concerned with deterministic or low-discrepancy sampling, where the goal is to find a set of representative samples of a given density. These are usually obtained by optimization, which, in contrast to random samples, leads to good coverage, high homogeneity, and reproducible results. To analyze and synthesize such samples, various statistical tests and discrepancy measures are presented. This includes scalar tests such as the Cramér-von Mises test, Kolmogorov-Smirnov test, and multivariate generalizations based on Localized Cumulative Distributions and Stein discrepancy.
 
Finally, advanced topics such as importance sampling and sampling from the posterior density in a Bayesian update are discussed. Typical applications of sample-based inference include Bayesian neural networks, information fusion, and reinforcement learning.

Arbeitsaufwand

Per week:
2 SWS Presence
2h Follow-up
6h Digital exercise with programming tasks
2h Exam preparation
= 12h/week und 180h/semester

Empfehlungen

Knowledge of a higher programming language with sophisticated libraries for scientific-numerical computing (e.g. Julia, Matlab, Python) is advantageous.

Modul: Scalable Graph and Sparse Matrix Algorithms for Learning [M-INFO-107867]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115282 Scalable Graph and Sparse Matrix Algorithms for Learning Unregelm. 5 Meyerhenke
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students acquire a unified view of graph algorithms, sparse linear algebra, and graph learning. They learn to formulate graph computations as sparse operators, to analyze their algorithmic and architectural properties, and to develop scalable implementations for modern parallel systems.
 
After successful completion of the module, students are able to

Inhalt

The module introduces algorithmic and computational foundations for the analysis and learning of large-scale graph-structured data. A central theme is the interpretation of graph computations as sparse operators and the resulting interplay between graph algorithms, sparse linear algebra, and modern parallel architectures.
 
The course revisits classical graph algorithms from the perspective of propagation processes and sparse computations. It covers sparse matrix representations and kernels, graph algorithms based on sparse linear algebra, iterative methods, and spectral techniques. Advanced algorithmic topics include sparse matrix-matrix multiplication, graph coarsening, multilevel methods, and sparsification.
 
Building on these foundations, the course investigates the design and implementation of scalable graph and sparse matrix algorithms. Topics include parallel graph algorithms, performance engineering for sparse computations, graph partitioning, and communication-efficient computation.
 
Finally, the course introduces graph learning methods and relates them to the concepts developed throughout the module. Graph neural networks are studied as parameterized sparse propagation operators, with a particular focus on their computational characteristics. 

Arbeitsaufwand

1. Attendance time (Course, exercise, etc.) 45 h
2. Self-study (e.g. independent review of course material,
work on homework assignments) 75 h
3. Preparation for the exam 30 h

Empfehlungen

Basic knowledge of graph algorithms, linear algebra, and C++.

Modul: Schlüsselqualifikationen [M-INFO-102835]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Überfachliche Qualifikationen
Leistungspunkte
6 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
10
Kennung Name Turnus LP Dozierende
SQ- Master (Wahl: zwischen 1 und 6 LP)
T-INFO-111839 Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT SS 1 Kaplan
T-INFO-112148 Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT SS 2 Kaplan
T-INFO-102051 Lesegruppe Softwaretechnik WS+SS 1 Reussner
T-INFO-110998 Projektmanagement im Zeitalter der Digitalisierung Unregelm. 3 Asfour, Kaiser
T-INFO-115228 Scientific Figures and Presentations in Ipe Unregelm. 2 Bläsius
T-INFO-111474 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet WS+SS 1 Coerdt
T-INFO-111475 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet WS+SS 2 Coerdt
T-INFO-111476 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet WS+SS 3 Coerdt
T-INFO-115027 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet WS+SS 2 Coerdt
T-INFO-115028 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet WS+SS 1 Coerdt
T-INFO-111477 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet WS+SS 1 Coerdt
T-INFO-111478 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet WS+SS 2 Coerdt
T-INFO-111479 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet WS+SS 3 Coerdt
T-INFO-115029 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet WS+SS 2 Coerdt
T-INFO-115030 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet WS+SS 1 Coerdt
T-INFO-115077 Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet WS+SS 4 Coerdt
T-INFO-104385 Teamarbeit im Bereich Serviceorientierte Architekturen SS 2 Abeck
T-INFO-102068 Teamarbeit im Bereich Web-Anwendungen SS 2 Abeck
Erfolgskontrolle(n)

Siehe Teilleistungen

Voraussetzungen

Siehe Teilleistungen

Qualifikationsziele

Lernziele lassen sich in in drei Hauptkategorien einteilen, die sich wechselseitig ergänzen:

1. Orientierungswissen

2. Praxisorientierung

3. Basiskompetenzen

Inhalt

Das House of Competence (HoC) ist die zentrale, forschungsbasierte Einrichtung im Bereich fachübergreifender Kompetenzentwicklung am KIT und bietet Studierenden aller Fachrichtungen ein breites Lernportfolio. Das HoC-Seminarprogramm ist in Schwerpunkte gegliedert, die auf die Entwicklung fachübergreifender Kompetenzen für Studium und Beruf abzielen. Die Schwerpunkte werden maßgeblich von den drei HoC-Laboren verantwortet: dem MethodenLABOR, LernLABOR und SchreibLABOR.

Die Lehrveranstaltungen des HoC-Programms können in den Bereichen „Schlüsselqualifikationen“ (SQ), „Berufsfeldorientierte Zusatzqualifikationen“ (BOZ) sowie im „Modul Personale Kompetenz“ für Lehramtsstudierende (MPK) angerechnet werden. Die Anforderungen für die jeweiligen Studiengänge sind in den gültigen Prüfungs- und Studienordnungen nachzulesen. Das aktuelle Seminarprogramm, welches zu jedem Semester neu erscheint, ist auf der HoC-Homepage unter www.hoc.kit.edu zu finden.

Anmerkungen

Deutschkurse und/oder Sprachkurse in der Muttersprache werden nicht als Schlüsselqualifikationen anerkannt.

Es können nur solche Prüfungs- und Studienleistungen angerechnet werden,
die nicht in den Informatik- oder Ergänzungsfächer belegt werden können.
Teilnahmebescheinigungen werden nicht akzeptiert.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden). Hierbei ist vom durchschnittlichen Studierenden auszugehen, der eine durchschnittliche Leistung erreicht. Unter den Arbeitsaufwand fallen (für eine Vorlesung)
1. Präsenzzeit in Vorlesungen, Übungen
2. Vor-/Nachbereitung derselbigen
3. Klausurvorbereitung und Präsenz in selbiger.

Modul: Scientific Methods to Design and Analyze Secure Decentralized Systems [M-INFO-105780]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2021)
Vertiefungsfach 1 / Telematik (EV ab 01.10.2021)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2021)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2021)
Wahlbereich Informatik (EV ab 01.10.2021)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111568 Scientific Methods to Design and Analyze Secure Decentralized Systems WS 6 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

1. Philosophy of Science: The student understands epistemological principles like the scientific and mathematical process, within the context of networked and decentralized systems. The student knows about the current limits of scientific research, especially with respect to the security of a given decentralized system.
2. Empirical Methods: Observation / Monitoring: The student can construct setups for observation studies of system properties related to performance or security. The student knows how to monitor a decentralized system like an overlay network without interference, i.e., without impact on the behavior to measure as well as the overall system functionality.
3. Combined Empirical / Formal Methods: The student has a fundamental understanding of Discrete Event Simulations, as well as stochastic modelling and random number generation. The student can conduct a simulation study consisting of observation, modelling, simulation, validation, and result analysis.
4. Formal Methods: The student knows how to apply formal methods like formal verification / model checking and model comparison / simulation-based proofs to decentralized systems. The student understands tradeoffs between empirical and formal methods, and can choose suitable methods for given research tasks.
5. Applications in Research: The student understands how the methods of this lecture are applied to practical examples, and knows how to apply the methods on problems of a researcher’s everyday life.

Inhalt

Decentralized Systems (like peer-to-peer- or blockchain-based systems) are systems controlled by multiple parties who make their own independent decisions to reach a common goal. However, not knowing which parties are trustworthy and which are betrayers requires a radically different way of thinking. Based on the lecture “Decentralized Systems: Fundamentals, Modeling, and Applications”, in this lecture, we cover the necessary scientific methods to analyze existing and to create new decentralized systems. We cover a mix of both empirical and formal methods and their tradeoffs, as well as the overarching philosophy of science behind the research process. Together with its practical parts, this lecture provides the foundational scientific toolbox to work on the decentralized systems of the future. 

Arbeitsaufwand

Lecture workload:
1. Attendance time (Course, exercise,): 4 SWS: 15 x 4h = 60h
2. Self-study (e.g. independent review of course material,
work on homework assignments)
Weekly preparation and follow-up of the lecture/exercise: 15 x 4 SWS x 1,25h = 75h
3. Preparation for the exam: 45h
Σ = 180h = 6 ECTS

Empfehlungen

Prior knowledge on the abstract concepts as well as concrete use cases of decentralized systems is strongly recommended. The “Decentralized Systems: Fundamentals, Modeling, and Applications” lecture covers all necessary aspects, but equivalent lectures and / or self-study can also be sufficient.

Modul: Selected Topics in Meteorology (Second Major, graded) [M-PHYS-104577]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Meteorologie
Leistungspunkte
14 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
4
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-109380 Exam on Selected Topics in Meteorology (Second Major) WS+SS 4 Hoose
Elective Subjects (Wahl: mindestens 3 Bestandteile sowie mind. 10 LP)
T-PHYS-111410 Seminar on IPCC Assessment Report WS 1 Ginete Werner Pinto
T-PHYS-111411 Tropical Meteorology WS 3 Knippertz
T-PHYS-111412 Climate Modeling & Dynamics with ICON WS 3 Ginete Werner Pinto
T-PHYS-111413 Middle Atmosphere in the Climate System WS 1 Höpfner, Sinnhuber
T-PHYS-111414 Ocean-Atmosphere Interactions WS 1 Fink
T-PHYS-111416 Cloud Physics WS 3 Hoose
T-PHYS-111417 Energetics WS 1 Fink
T-PHYS-111418 Atmospheric Aerosols WS 3 Möhler
T-PHYS-111419 Atmospheric Radiation WS 1 Höpfner
T-PHYS-111424 Remote Sensing of Atmosphere and Ocean SS 3 Sinnhuber
T-PHYS-111426 Methods of Data Analysis SS 3 Ginete Werner Pinto, Knippertz
T-PHYS-111427 Turbulent Diffusion SS 3 Hoose, Hoshyaripour
T-PHYS-111428 Energy Meteorology SS 1 Emeis, Ginete Werner Pinto
T-PHYS-111429 Advanced Numerical Weather Prediction SS 3 Knippertz
T-PHYS-109177 Physics of Planetary Atmospheres WS 6 Leisner
T-PHYS-111273 Arctic Climate System WS 1 Sinnhuber
Erfolgskontrolle(n)

Coursework can be computer and modelling classes, exercise sheets or preparation of a presentation.

→ successful completion of the prerequisites entitles to exam

(T-PHYS-109380) Exam on Selected Topics in Meteorology (Second Major):

Oral exam (approx. 60 minutes) in accordance with § 4 (2) No. 2 SPO Physik Master

Voraussetzungen

Keine

Qualifikationsziele

Depending on their choice students can

Inhalt

This module aims to give students of other master programs an insight into various areas of meteorology:

Zusammensetzung der Modulnote

Grade of he Oral Exam.

Arbeitsaufwand

420 hours composed of

Empfehlungen

Basic knowledge in Physics, Physical Chemistry and Fluid Dynamics at BSc level

Modul: Seminar Ausgewählte Kapitel der Rechnerarchitektur [M-INFO-103062]

Verantwortung:
Prof. Dr. Wolfgang Karl
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-108313 Seminar Ausgewählte Kapitel der Rechnerarchitektur WS+SS 3 Karl, Längle
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende sind in der Lage Themen der Informatik in Wort und Schrift darzustellen und mit Informatikern wie Fachfremden überzeugend zu diskutieren. Sie können selbstständig weiterführende zur gestellten Aufgabenstellung suchen, diese analysieren und miteinander vergleichen. Dabei entwickeln die Studierende grundlegende Kenntnisse zur Bewertung verschiedener Lösungsansätze. Außerdem sind die Studierenden in der Lage, die theoretisch erarbeitete Betrachtung der verschiedenen Lösungsansätze.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Rahmen dieses Moduls sollen ausgewählte Kapitel der modernen Rechnerarchitektur vorgestellt, detailliert betrachtet und diskutiert werden. Im Fokus stehen hierbei vor allem Forschungsarbeiten, die sich mit der Programmierung, dem Aufbau und der Steuerung von zukünftigen Rechensystemen beschäftigen. Dabei soll den Studierenden ein Überblick über die Entwicklung von leistungsstarken Einprozessorsystemen hin zu Multicore-Prozessoren und insbesondere auch hin zu heterogenen und adaptiven Rechnerarchitekturen gegeben werden. Ein weiterer Schwerpunkt sind Arbeiten zu Echtzeitsystemen..

Arbeitsaufwand

30 h Literaturrecherche + 40 h Schreiben der Ausarbeitung + 20 h Vorbereitung und Erstellung der Präsentation = 90 h = 3 ECTS

Modul: Seminar Betriebssysteme für Fortgeschrittene [M-INFO-100849]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101386 Seminar Betriebssysteme für Fortgeschrittene SS 3 Bellosa
T-INFO-106276 Betriebssysteme für Fortgeschrittene SS 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bewerten einflussreiche wissenschaftliche Veröffentlichungen aus dem Bereiche Betriebssysteme und beurteilen deren Qualität nach den Kriterien Relevanz, Neuigkeit, Design, Evaluation und Darstellung.

Studierende diskutieren in moderierter Runde ihre Gutachten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Alle Gebiete der Betriebssystemforschung werden berücksichtigt wie Einplanungsverfahren, Speicherverwaltung, Hintergrundspeicher, Ein-/Ausgabe und Virtualisierung.

Arbeitsaufwand

60 h = 4 SWS * 15 Präsenz

90 h Nachbereitung

30 h Prüfungsvorbereitung

180 h = 6 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Seminar Bildauswertung und -fusion [M-INFO-102375]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV bis 30.09.2027)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV bis 30.09.2027)
Vertiefungsfach 2 / Robotik und Automation (EV bis 30.09.2027)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV bis 30.09.2027)
Wahlbereich Informatik (EV bis 30.09.2027)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-104743 Seminar Bildauswertung und -fusion SS 3 Beyerer
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Inhalt

Das Seminar hat zum Ziel, aktuelle und innovative Methoden sowie Anwendungen der Bildauswertung und -fusion zu erarbeiten.

Anmerkungen

Wird im SS 2027 zum letzten Mal angeboten.

Arbeitsaufwand

Gesamtarbeitsaufwand 90 h, davon:

1. Vorlesungen zu den Themen: Einführung ins wissenschaftliche Schreiben und Einführung in die effektive Präsentationstechnik: 5h

2.  Literaturrecherche: 30h

3.  Verfassen der Ausarbeitung (15-20 Seiten) und Erstellen der Präsentation (20 Minuten Dauer): 50h

4.  Präsentation der Ergebnisse vor wissenschaftlichem Publikum: 5h

Empfehlungen

siehe Teilleistung

Modul: Seminar Computer Vision für Mensch-Maschine-Schnittstellen [M-INFO-102373]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-104741 Seminar Computer Vision für Mensch-Maschine-Schnittstellen WS 3 Stiefelhagen
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Derzeitige Mensch-Maschine Schnittstellen sind immer noch weitgehend "blind" was die Wahrnehmung Ihrer Benutzer betrifft. Sie sind daher weder in der Lage, die natürlichen menschlichen Kommunikationskanäle wie Mimik, Blickrichtung, Gestik, Körpersprache etc. für die Mensch-Maschine Interaktion zu nutzen, noch um ausreichendes Wissen über Ihre Nutzer, deren Zustand und Absichten zu gewinnen. Aktuelle Forschungsarbeiten beschäftigen sich damit, dies zu verbessern und neue Mensch-Maschine Schnittstellen zu entwickeln, welche ihre Benutzer und deren Handlungen wahrnehmen, und die gewonnene Kontextinformation dazu verwenden, um angemessen mit den Benutzern zu interagieren.

In diesem Seminar bearbeiten und präsentieren die Teilnehmer aktuelle Arbeiten aus den folgenden Bereichen:

Jeder Seminarteilnehmer hält zu seinem gewählten Thema einen Seminarvortrag auf Englisch (25-30 min) mit anschließender Diskussion und erstellt eine Ausarbeitung. Die Ausarbeitung mit einem Umfang von ca. 5-10 Seiten muss erst zu Semesterende fertiggestellt werden, es wird allerdings empfohlen, sie wenn möglich schon vor dem Seminarvortrag anzufertigen. Es wird erwartet, dass sich jeder Seminarteilnehmer selbständig in sein Thema einarbeitet und weiterführende Literatur recherchiert. Die Erfolgskontrolle für Masterstudenten erfolgt als Erfolgskontrolle anderer Art. Die Gesamtnote setzt sich zu gleichen Teilen aus der Bewertung der Ausarbeitung, der Präsentation und der Mitarbeit im Seminar zusammen (je 1/3).

Arbeitsaufwand

90 h

Empfehlungen

siehe Teilleistung

Modul: Seminar Dependable Computing [M-INFO-102662]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105577 Seminar Dependable Computing WS+SS 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this seminar is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Reliability plays a major role in design of contemporary and next generation electronics. In many safety-critical application domains, reliability is considered as the main design criteria. With nanoscale technologies, the reliability of individual devices is decreasing, therefore, reliable computing must be considered in the design flow in order to ensure correctness of computing.
The objective of this seminar is to become familiar with general and state of the art techniques used in design and analysis of fault-tolerant digital systems. This seminar overviews reliable (fault-tolerant) computing and the design and evaluation of dependable systems, and provides a base for research in reliable systems.
The topics include study and investigation of existing and classical fault-tolerant systems as well as current trend in the research of reliable computing. Since reliability spans from hardware to software, and from device-level to system-level, various topics can be envisioned in the scope of this seminar and the prospective students can choose specific topic from a wide range of areas based on their interests and background.

Arbeitsaufwand

4 SWS / 3CP = 90h/week

Empfehlungen

Knowledge of “Fault Tolerant Computing” and Computer Architecture is helpful.

Modul: Seminar Dezentrale Systeme und Netzdienste [M-INFO-103048]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2021)
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2021)
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106064 Seminar Dezentrale Systeme und Netzdienste Unregelm. 3 Hartenstein
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende ist in der Lage, sich eigenständig in ein aktuelles Forschungsthema und die zugehörigen Grundlagen einzuarbeiten, indem relevante Literatur identifiziert und strukturiert aufgearbeitet wird.

Der/Die Studierende ist in der Lage, eine Ausarbeitung nach wissenschaftlichen Standards verfassen.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende ist in der Lage, ein wissenschaftliches Themengebiet in einem Kolloquium zu präsentieren und zu diskutieren.

Der/Die Studierende kann die Herausforderungen einer konkreten technischen Problemstellung im Kontext dezentraler Systeme betrachten und vorhande Lösungsansätze auf die gegebene Problemstellung übertragen und hinsichtlich der Aspekte Performance und Sicherheit bewerten.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Im Seminar werden Grundlagen und aktuelle Arbeiten aus dem Bereich der dezentralen Systeme und Netzdienste behandelt. Ausgehend von aktuellen Forschungsarbeiten werden grundsätzliche Herausforderungen und Herangehensweisen identifiziert. Entsprechende Lösungen werden analysiert und verglichen. Schließlich wird der Bezug zu verwandten Domänen hergestellt.

Arbeitsaufwand

Auftaktveranstaltungen: 4h

Treffen mit dem Betreuer: 4h

Präsentationstermine: 8h

Literaturrecherche: 25h

Verfassen der Ausarbeitung und Vorbereitung der Präsentation: 50h

Summe: 91h

Modul: Seminar for Practical Course: Machine Learning and Intelligent Systems [M-INFO-107846]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115260 Seminar for Practical Course: Machine Learning and Intelligent Systems Unregelm. 3 Hanebeck
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Inhalt

This course builds on the “Practical Course: Machine Learning and Intelligent Systems.” Students study one of the topics introduced there in greater depth and prepare a scientific report and presentation. The seminar is intended to prepare students for writing their master’s thesis.
 
http://isas.iar.kit.edu
 

Arbeitsaufwand

Modul: Seminar Hot Topics in Networking [M-INFO-100746]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101283 Seminar Hot Topics in Networking WS+SS 3 Zitterbart
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Das Seminar behandelt spezifische Themen, die teilweise in entsprechenden Vorlesungen angesprochen wurden, und vertieft diese. Es werden beispielsweise die Themenschwerpunkte Future Internet, Sensornetze, Sicherheit und Internet Performance behandelt. Bei letzterem steht vor allem die Betrachtung hochverteilter System (Peer-to-Peer-Netze, Cloud, Soziale Netze, Fahrzeugnetze) im Vordergrund.

Arbeitsaufwand

Jeder Leistungspunkt (Credit) entspricht ca. 25-30h Arbeitsaufwand (des Studierenden).

Modul: Seminar in Privacy [M-INFO-107242]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114268 Seminar in Privacy SS 4 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The seminar deals with current topics from the research field of technical data protection.
These include, for example:
- Attacks on private information in behavioral data
- Anonymous communication
- Publication of anonymized usage data (semantic/syntactic privacy)
- Understanding and supporting the use of online media
- Security in networks

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The student is able to
- carry out a literature search based on a given topic, identify and evaluate the relevant literature;
- independently compile research results from IT security and technical data protection;
- analyze and discuss scientific studies and place them in their context;
- carry out their own classifications and evaluations of scientific studies, report on them in writing and present the results in a short scientific presentation.

Arbeitsaufwand

Workload attendance time in the seminar: 10h
Research and preparation of a paper: 75h
Reviewing and commenting on the preliminary papers of fellow students: 5h
Preparing the presentation: 30h

Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Modul: Seminar on Behavior Foundation Models [M-INFO-107729]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115119 Seminar on Behavior Foundation Models SS 3 Lioutikov
Erfolgskontrolle(n)

See Partial Achivements (Teilleistung).

Voraussetzungen

See Partial Achivements (Teilleistung)..

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student will select several related papers in the field of Behavior Foundation Models. The organizers will suggest several papers but the students will be encouraged to indentify and research additional relevant papers during the semester. The students will then prepare a presentation and a basic scientific research paper.
It is highly recommended to take this seminar in combination with the Research Practical Course on Behavior Foundation Models (Forschungspraktikum), where the students get the chance to deepen their understanding, implement and evaluate their presented work.

Arbeitsaufwand

Workload = 90 h = 3 ECTS 
- Attendance time: 15hr
- Self-study: 45h
- Writing a scientific report: 20h
- Prepare presentation: 10h

Empfehlungen

We highly recommend to take this seminar in combination with the Research Practical Course on Behavior Foundation Models (Forschungspraktikum).

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Modul: Seminar Radiation Protection in Medicine [M-ETIT-107839]

Verantwortung:
PD Dr. Bastian Breustedt
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-115253 Seminar Radiation Protection in Medicine WS 3 Breustedt
Erfolgskontrolle(n)

The examination consists of a written handout (approx. 2-3 pages) and an oral presentation (approx. 25-35 min.) of the students work. Considered will be the quality of the contents, the style of the presentation, the quality and content of the handout. The overall impression is rated.

Voraussetzungen

none

Qualifikationsziele

Inhalt

The seminar will consist of a block of 3 introductory lectures presenting medical exposures in the system of radiological protection. Applications of radiation in medicine will be presented and their specific issues regarding protection of patient, staff and public will be outlined. The second block will consist of presentations of the students on a dedicated topic, which will be selected by them a the begin of the term. Students shall look into the problem and develop a solution to the issues identified. The presentations shall introduce the topic, state the problems from a radiation protection perspective and introduce solutions and methods applied. The topic will then be discussed within the group. A final lecture will summarize the presentations of the students and offer space for a final discussion on medical radiation protection.

Zusammensetzung der Modulnote

The module grade is the grade of the seminar contributions. Details will be given during the lecture.

Anmerkungen

For capacity reasons, the seminar is limited to 20 students. If necessary, a selection procedure will be carried out. Places will be allocated according to the progress of the students (semester and number of attended courses with topics covering radiation medicine). Details will be announced in the first course and on the course homepage.

Arbeitsaufwand
  1. Attendance in lectures: 15* 2 h= 30 h
  2. Preparation / follow up of lectures: 15 * 2 h = 30 h
  3. Preparation of Presentation/Handout = 30h
  4. A total of 90 h = 3 CR
Empfehlungen

Knowledge about of the basics of radiation protection is strongly recommanded. Information and material for self-study will be provided in the seminar.

Lehr- und Lernformen

2 SWS

Modul: Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics [M-INFO-105888]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung (EV ab 01.10.2021)
Vertiefungsfach 1 / Telematik (EV ab 01.10.2021)
Vertiefungsfach 2 / Parallelverarbeitung (EV ab 01.10.2021)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2021)
Wahlbereich Informatik (EV ab 01.10.2021)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111837 Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics Unregelm. 4 Streit
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Dieses Modul soll Studierenden die praktischen Herausforderungen, welche im Umfeld von Hochleistungsrechnen, Datenmanagements und Datenanalyse entstehen, und die zugehörigen effiziente Methoden und Werkzeuge vermitteln, in dem Studierende diese Themen erarbeiten, ausprobieren, sich gegenseitig vorstellen und miteinander diskutieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Künstliche Intelligenz, Big Data, Supercomputing, High Performance Data Analytics, Machine Learning, Exabytes, GPUs, Exaflops, Daten-intensives Rechnen, FAIR-Data, Quantencomputing – all das sind moderne Begriffe und Themen in den Bereichen High Performance Computing (HPC), Data Management und Data Analytics.

Mit HPC-Rechensystemen können digitale Zwillinge natürlicher und von Menschenhand geschaffener Dinge, Vorgänge und Phänomene hocheffizient simuliert werden. Künstliche Intelligenz und Machine Learning ist erst durch die unglaubliche Rechenleistung moderner Hochleistungsrechner und GPUs (und zukünftiger Quantencomputer) effizient möglich geworden. Das explosionsartige Wachstum großer Datenmengen stellt einerseits eine enorme Herausforderung für den performanten und nachhaltigen Umgang dar, bietet gleichzeitig aber auch die Möglichkeit mit rechenhungrigen Analysetechniken Daten in neues Wissen und Handeln zu transformieren.

Im Seminar werden ausgewählte Themenfeldern des Hochleistungsrechnens, des Datenmanagements und der Datenanalyse behandelt. Stichworte sind z.B. MPI, OpenMP, CUDA, OpenCL, OpenACC, Werkzeuge zur Analyse von Effizienz und Skalierbarkeit, parallele und verteilte Dateisysteme, on-demand Dateisysteme, Hochgeschwindigkeits-Übertragungstechnologien, Scheduling, Metadaten, Datenrepositorien, PyTorch, Zeitreihenanalyse, Analyse von Big-Data-Streams, Optimierung des Trainings neuronaler Netzwerke, Uncertainty Quantification oder Graphen-basierte Neuronale Netzwerke.

 

Arbeitsaufwand

120 h

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Modul: Seminar: Advanced Topics in Natural Language Processing [M-INFO-107353]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2025)
Wahlbereich Informatik (EV ab 01.10.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114433 Seminar: Advanced Topics in Natural Language Processing WS+SS 3 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to familiarise themselves independently with topics based on scientific literature and prepare them for presentations.
From the other presentations, students gain in-depth knowledge in sub-areas of machine translation and learn to critically analyse the work presented.

Inhalt

Machine translation now makes it possible to automatically translate both written texts and spoken language into another language. In statistical approaches to machine translation, methods from machine learning are primarily used to train statistical models for the translation process.
In the seminar, current research results on various aspects of the systems will be discussed. Selected publications from the fields will be presented by the participants. Possible topics include improvement of word order and grammar of the target language, adaptation to topic or genre, treatment of spoken language phenomena, error correction, ...
Students are familiar with the DFG Code of Good Scientific Practice and successfully apply these guidelines when writing their scientific work.

Arbeitsaufwand

90h

Empfehlungen

Previous knowledge from the lecture "Machine Translation" is an advantage.

Modul: Seminar: Advanced Topics on SAT Solving [M-INFO-107209]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114231 Seminar: Advanced Topics on SAT Solving WS 3 Iser, Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

With selected high-influence papers from the field of SAT solving, we take a close look at how SAT solvers evolved in the past decade and learn about the major cornerstones of modern and efficient large scale SAT solving systems.

Arbeitsaufwand

Attendance time (3-4 dates): 4.5 - 6h
Reading, summarising and relating (2-3 papers): 30 - 40h
Preparation of the presentation: 16 - 24h
Total 90h

Empfehlungen

Knowledge of the basics from "SAT Solving in Practice" is helpful.

Modul: Seminar: Aktuelle Forschungsthemen in der Computergrafik [M-INFO-105708]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111384 Seminar: Aktuelle Forschungsthemen in der Computergrafik SS 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Aktuelle Forschungsgebiete der Computergrafik.

Arbeitsaufwand

2 SWS entsprechen ca 60 Arbeitsstunden, davon

ca 15 Std Treffen mit den Betreuern

ca 5 Std Teilnahme an Phasenkolloquien

ca 15 Std Vorbereitung von Präsentationen/Dokumenten

ca 10 Std. für Implementierungs- und Testplanung/management

ca 15 Std. Kommunikation/Organisation im Team

Modul: Seminar: Algorithm Engineering [M-INFO-106086]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2022)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.10.2022)
Vertiefungsfach 1 / Parallelverarbeitung (EV ab 01.10.2022)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2022)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.10.2022)
Vertiefungsfach 2 / Parallelverarbeitung (EV ab 01.10.2022)
Wahlbereich Informatik (EV ab 01.10.2022)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112312 Seminar: Algorithm Engineering Unregelm. 4 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can
- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyse the relevant literature.
- prepare presentations in a scientific context. To this end, students master techniques that enable them to prepare and present the content to be presented to the audience.
- prepare their written seminar paper (as required later for further academic work) in accordance with the requirements and quality standards of academic writing, taking into account the format requirements specified by academic publishers for the publication of documents.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

This seminar covers various topics from the field of algorithm engineering. The focus can be on scalability, parallelism, efficiency or theoretical guarantees of algorithms. Example topics may include graph algorithms, sorting algorithms, string algorithms, SAT solvers, data structures or other algorithms. The exact focus of the seminar for the current semester will be announced in advance on the institute website by the chair of Prof. Sanders.
Participants in the seminar carry out their own literature research, present their results to their fellow students and prepare a paper.
The exact formalities will be announced at a kick-off event at the beginning of the semester, which will also be announced on the institute's website.

Arbeitsaufwand

4 LP corresponds to approx. 120 working hours, of which
- 10h seminar attendance
- 45h Literature research, assessment and evaluation of relevant literature
- 25h preparation of own presentation
- 25h Preparation of the written paper
- 15h preparation and follow-up work

Empfehlungen

Knowledge of algorithms is an advantage. Exemplary lectures are Algorithms I, Algorithms II, Algorithm Engineering and Parallel Algorithms.

Modul: Seminar: Anwendung Formaler Verifikation [M-INFO-101536]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-102952 Seminar: Anwendung Formaler Verifikation Unregelm. 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Studierende können:

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich formaler Verifikationsverfahren.

Die Teilnehmer erarbeiten Präsentationen zu vorgegebenen Themen und tragen diese im Seminar vor (in der Regel ca.40 Minuten Dauer). Sie diskutieren die Inhalte der Seminarpräsentationen mit den anderen Teilnehmern und den Betreuern. Sie erstellen eine schriftliche Ausarbeitung zu ihrem Thema (in der Regel ca.10 Seiten).

Arbeitsaufwand

Präsenzzeit im Seminar (Vorträge und Diskussionen): 15h

Selbständige Einarbeitung in das Thema des Seminars, Literaturrecherche und Studium der Literatur zum eigenen Vortrag: 30h

Erstellen der Vortrags: 20h

Erstellen der schriftlichen Ausarbeitung: 20h

Besprechung mit Betreuern in Vorbereitung auf das Seminar: 5h

Summe: 90h

Empfehlungen

Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.

Modul: Seminar: Artificial Intelligence for Energy Systems [M-INFO-106490]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.10.2023)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Vertiefungsfach 2 / Telematik (EV ab 01.10.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113110 Seminar: Artificial Intelligence for Energy Systems WS 4 Schäfer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

• Students obtained a foundational knowledge of AI in energy systems as an active research field and can name some ongoing challenges
• Students are able to independently conduct a literature review on a given topic.
• Students are able to present their knowledge in a written and structured report
• Students are able to orally present results and discuss topics of the seminar in the broader context of the field

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Artificial Intelligence (AI) is a key technology in many areas of society and research. Energy systems with the ongoing energy transition (“Energiewende”) make it a fascinating field for deploying AI methods. AI and machine learning algorithms can play a crucial role in improving energy efficiency, optimizing power generation and distribution or enhancing system stability while facilitating additional renewable energy integration. This seminar will explore fundamental AI algorithms and their applications in energy systems. Examples may include forecasting of energy demand or renewable generation, explainability of algorithms as well as optimization via AI.

Arbeitsaufwand

20h attendance time (kick-off and talks by other students)
20h literature review
40h writing of own contribution
10h per-review for other students
30h preparation of the final presentation
120h=4ECTS

Empfehlungen

Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.

Modul: Seminar: Ausgewählte Themen der Public-Key-Kryptographie [M-INFO-105586]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Wahlbereich Informatik (EV ab 01.10.2020)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111201 Seminar: Ausgewählte Themen der Public-Key-Kryptographie Unregelm. 3
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt verschiedene aktuelle Aspekte der asymmetrischen
Kryptographie.

Es werden verschiedene Verschlüsselungs- und Signatur-Verfahren mit
besonderen Anforderungen untersucht und deren jeweiligen
Sicherheitsgarantien mathematisch bewiesen.

Einige Beispiele sind

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar: Bionic Algorithms and Robot Technologies [M-MACH-106902]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: Ergänzungsfach / Biologically Inspired Robotics
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MACH-113842 Seminar: Bionic Algorithms and Robot Technologies WS+SS 3 Rönnau
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Keine

Qualifikationsziele

Ziel ist das selbständige Erarbeiten eines wissenschaftlichen Themas im Themenfeld der biologisch inspirierten Algorithmen und Robotertechnologien. 

Die Studierenden sind in der Lage selbständig eine Literaturrecherche über den Stand der Forschung durchzuführen, fremde Arbeiten treffend zusammenzufassen, untereinander in Bezug zu setzen und zu bewerten.

Die Ergebnisse und Inhalte können in englischer Fachsprache schriftlich ausgearbeitet und im Rahmen eines Vortrags in Englisch präsentiert werden.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis" vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an.

Inhalt

Biologisch inspirierte Roboter und deren Methoden und Technologien übertragen Konzepte zur Problemlösung aus der Natur unter anderem in die mechanische Konstruktion, Sensorik, Navigation, Steuerung oder Interpretation. Dabei werden diese Lösungsansätze durch technische Systeme angenähert. Die Bandbreite der von der Biologie inspirierten Robotik reicht von mehrbeinigen Laufrobotern, verteilten Sensorkonzepten und dem Leichtbau über Methodiken des maschinellen Lernens bis hin zu neuromorpher Hardware.

Arbeitsaufwand

90h Arbeitsaufwand

•   Literaturrecherche: 35h

•   Ausarbeitung der Seminararbeit: 35h

•   Vorbereitung der Abschlusspräsentation: 10h

•   Präsenzzeit: Kickoff, Präsentation und Diskussion sowie Treffen mit Betreuern: 10h

Empfehlungen

Der Besuch der Vorlesung "Biologically Inspired Robots" ist hilfreich.

Modul: Seminar: Continuous Software Engineering [M-INFO-105309]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2019)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2019)
Wahlbereich Informatik (EV ab 01.10.2019)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110794 Seminar: Continuous Software Engineering SS 4 Koziolek
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can

- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyze the relevant literature.

- prepare their seminar paper (and later their Bachelor's/Master's thesis) with a minimum of training, taking into account the format requirements specified by all publishers for the publication of documents.

- Preparing presentations in a scientific context. To this end, techniques are introduced that make it possible to prepare and present the content to be presented in an auditorium-appropriate manner.

present the results of their research in written form, as is generally the case in scientific publications.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their scientific work.

Inhalt

Modern software engineering takes place in short cycles that enable rapid feedback Technologies such as build servers and containerization enable fast, frequent and automatic deployment of software in productive operation and rapid feedback into development (DevOps).

The term "Continuous Software Engineering" summarizes the interlocking of the various activities.

The seminar will examine various current challenges in the field of continuous software engineering, including the engineering of applications with machine learning components.

Arbeitsaufwand

25 working hours for the literature research
55 working hours for the preparation of the thesis and peer reviews
20 working hours for the preparation of the final presentation
20 working hours for the final block event and meeting with the supervisor.
This results in a total of 120 working hours

Modul: Seminar: Critical Topics in AI [M-INFO-106958]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113915 Seminar: Critical Topics in AI SS 3 Friederich
Erfolgskontrolle(n)

See partial achivements (Teilleistung)

Voraussetzungen

See partial achivements (Teilleistung)

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz darf nicht begonnen worden sein.
Qualifikationsziele

Qualification objectives:
• Students are able to work independently on literature about a topic of current research and to critically evaluate it, to find and understand relevant publications, and to classify and process their content accordingly in order to be able to present the chosen topic area in the form of a presentation and a written paper.

Learning Objectives

• Overview of positive as well as negative impact of AI technology
• Overview of scientific and related ethical issues in current AI research

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar covers the technical as well as ethical aspects of critical issues in AI. Topics covered include bias in machine learning methods, ethically and socially critical applications of AI, and the impact of AI on society. The exact topics will be determined in each semester.

Students will work independently on an advanced topic and critically engage with it, presenting and discussing their findings in a lecture and summarizing them in a seminar paper.

Arbeitsaufwand

Total 90 h, of which:
• Introductory courses: 4 h
• Literature research: 30 h
• Writing the report (10-15 pages) and preparing the presentation (30+15 minutes): 50 h
• Presentation of the results: 6 h

Empfehlungen

Interest in social topics and research questions is required

Modul: Seminar: Current Trends in Theoretical Computer Science [M-INFO-107027]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2024)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114091 Seminar: Current Trends in Theoretical Computer Science Unregelm. 4 Künnemann-Goos
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to:
- perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in theoretical computer science and to identify the scientific context.
- present a scientific paper and its context.
- lead the discussion on the merits of the paper.
- create a written report of their topic in accordance to usual quality standards
for scientific writing

Inhalt

This seminar discusses current trends and topics in theoretical computer science, with a focus on algorithms & complexity theory. This includes short deep-dives into hot topics of research, as well as possibly required background material. Topics covered in this class may well inspire subsequent research projects/thesis topics.

The seminar is organized in a reading group format: Each student is expected to perform a basic reading of the topic for each session. A  designated session leader (either a student or non-student participant) has prepared the material more thoroughly and leads the discussion, usually including a basic presentation. Every student participant is expected to lead a session at least once.

The sessions usually take place in blocked format (i.e., on a small number of dates).

The specific contents vary, but often focus on 2-3 main themes of current research in the field.

Arbeitsaufwand

4 CP amounts to 120 h, distributed as follows:
- about 15 h attendance in class
- about 45 h reviewing the literature
- about 40 h preparation of presentation/discussion
- about 20 h writing of scientific report

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Modul: Seminar: Deep Learning for Robotics [M-INFO-107175]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114204 Seminar: Deep Learning for Robotics WS 3 Neumann
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.


Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student has to choose one of the offered topics from the area of deep learning / robot learning / deep reinforcement learning / deep imitation learning. Each topic consists of several research papers for which the students have to prepare a presentation as well as a report in form of a scientific research paper. It is recommended to take the seminar together with the “Research Project Deep Learning for Robotics”, where the presented algorithms will be implemented and evaluated. Students will work in teams of 2.

Arbeitsaufwand

Workload = 90 h = 3 ECTS
Attendance time: 15h
Self-study: 45h
Writing a scientific report: 20h
Prepare presentation: 10h

Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Modul: Seminar: Digitale Barrierefreiheit und Assistive Technologien [M-INFO-105884]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2022)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2022)
Wahlbereich Informatik (EV ab 01.04.2022)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111832 Seminar: Digitale Barrierefreiheit und Assistive Technologien WS 3 Stiefelhagen
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden erwerben Grundkenntnisse über

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Digitale Barrierefreiheit oder besser digitale „Zugänglichkeit“ (Accessibiltiy, wie es auf Englisch heißt) ist ein Thema, das uns alle betrifft. Digital an Informationen zu kommen, von Kindesbeinen an bis ins hohe Alter. Assistive Technologien, wie Smartphones, Tablets, Smartwatches, Wearables allgemein sind ein Teil unseres Alltages geworden. Genau diese Dinge sollten von allen Menschen bedienbar und nutzbar sein. Unabhängig jeglicher Barrieren.

Aber was steckt an Details dahinter? Wie sehen Rechte und Grundlagen hierzu aus? Was muss alles getan werden, um „barrierefrei“ zu sein?

Dies alles lässt sich am besten am Beispiel „Sehbehinderung“ zeigen.

Weltweit gibt es nach Angaben der Weltgesundheitsorganisation ca. 285 Million Menschen mit Sehschädigungen, davon ca. 39 Millionen Menschen, die blind sind. Der teilweise oder vollständige Verlust des Sehvermögens schränkt Blinde und Sehbehinderte in erheblichem Maße in ihrem Arbeits- und Sozialleben ein. Sich ohne fremde Hilfe im öffentlichen Raum zu orientieren und fortzubewegen, gestaltet sich schwierig: Gründe hierfür sind Probleme bei der Wahrnehmung von Hindernissen und Landmarken sowie die daraus resultierende Angst vor Unfällen und Orientierungsschwierigkeiten. Weitere Probleme im Alltagsleben sind: das Lesen von Texten, die Erkennung von Geldscheinen, von Nahrungsmitteln, Kleidungstücken oder das Wiederfinden von Gegenständen im Haushalt.

Zur Unterstützung können Blinde und Sehbehinderte bereits auf eine Reihe von technischen Hilfsmitteln zurückgreifen. So können digitalisierte Texte durch Sprachausgabe oder Braille-Ausgabegeräte zugänglich gemacht werden. Es gibt auch verschiedene speziell für Blinde hergestellte Geräte. Das wichtigste Hilfsmittel zur Verbesserung der Mobilität ist mit großem Abstand der Blindenstock. In den vergangenen Jahren wurden auch einige elektronische Hilfsmittel zur Hinderniserkennung oder Orientierungsunterstützung entwickelt, diese bieten aber nur eine sehr eingeschränkte Funktionalität zu einem relativ hohen Preis und sind daher eher selten im Einsatz.

Das Seminar soll einen Einblick in Themen IT-basierter Assistiver Technologien (AT) geben und zum anderen die Teilnehmer auf das Schreiben von Konferenzartikeln zum Thema vorbereiten. Die Themenauswahl kann sich über einen größeren Bereich erstrecken. Wie zum Beispiel:

Arbeitsaufwand

(6 Vorlesungswochen pro Semester) x (2 SWS + 1,5 x 2 SWS Vor-/Nacharbeit) = 30 h
30h Vortragsrecherche, -vorbereitung
30h schriftliche Ausarbeitung
= 90h = 3 ECTS

Modul: Seminar: Embedded Systems I [M-INFO-107231]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114255 Seminar: Embedded Systems I WS+SS 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students learn the basics of scientific work in the form of literature research, writing a scientific paper and giving a presentation to a specialist audience.

Learning objectives:

Students learn to read conference papers, articles in specialist journals and standard literature. Furthermore, they interpret these texts in order to give an overview of the topic in their own words in a paper. Finally, they also present an overview of the topic to other computer scientists. In doing so, they are trained in scientific writing in the form of expression, text structure and reduction to the essentials.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Inhalt

This module bundles the seminars at the Chair of Embedded Systems:

Internt of Things

Machine Learning

Embedded Security and Architectures

For current information, please check the course catalog and the Chair of Embedded Systems homepage at https://ces.itec.kit.edu.

Arbeitsaufwand

90 h

Modul: Seminar: Embedded Systems II [M-INFO-107232]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114256 Seminar: Embedded Systems II WS+SS 3 Henkel
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification objective: Students learn the basics of scientific work in the form of literature research, writing a scientific paper and giving a presentation to a specialist audience.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Learning objectives:Students learn how to read conference papers, articles in specialist journals and standard literature. Furthermore, they interpret these texts in order to give an overview of the topic in their own words in a paper. Finally, they also present an overview of the topic to other computer scientists. In doing so, they are trained in scientific writing in the form of expression, text structure and reduction to the essentials.

Inhalt

This module bundles the seminars at the Chair of Embedded Systems:
Internet of Things (IoT) for Healthcare

Internet of Things (IoT) in Embedded Systems

Approximate Computing

Thermal-aware Embedded Systems

Dependability in Internet of Things (IoT)
Performance Optimization for Multicore Chips
Power Efficient Reliability

Distributed Decision Making

Low Power Design for Embedded Systems

Reconfigurable Embedded Systems

Mixed Criticality Systems

Security in Internet of Things (IoT)

For current information, please refer to the course catalog and the Chair of Embedded Systems homepage at http://ces.itec.kit.edu.

Anmerkungen

This is identical to the module 'Seminars: Embedded Systems I' and enables participation in a second seminar at the CES Chair..

Arbeitsaufwand

90 h

Modul: Seminar: Energieinformatik [M-INFO-103153]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106270 Seminar: Energieinformatik Unregelm. 4 Hagenmeyer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende besitzt einen vertieften Einblick in Themenbereiche der Energieinformatik und hat grundlegende Kenntnisse in den Bereichen der Modellierung, Simulation und Algorithmen in Energienetzen. Ausgehend von einem vorgegebenen Thema kann er/sie mithilfe einer Literaturrecherche relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten. Er/sie kann das Thema in den Themenkomplex einordnen und in einen Gesamtzusammenhang bringen.

Er/sie ist in der Lage eine Seminararbeit (und später die Bachelor-/Masterarbeit) mit minimalem Einarbeitungsaufwand anzufertigen und dabei Formatvorgaben zu berücksichtigen, wie sie von allen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden. Außerdem versteht er/sie das vorgegebene Thema in Form einer wissenschaftlichen Präsentation auszuarbeiten und kennt Techniken um die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen. Somit besitzt er/sie die Kenntnis wissenschaftliche Ergebnisse der Recherche in schriftlicher Form derart zu präsentieren, wie es in wissenschaftlichen Publikationen der Fall ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Energieinformatik ist eine junges Forschungsgebiet, welches verschiedene Bereiche ausserhalb der Informatik beinhaltet wie der Wirtschaftswissenschaft, Elektrotechnik und Rechtswissenschaften. Bedingt durch die Energiewende wird vermehrt Strom aus erneuerbaren Erzeugern in das Netz eingespeist. Der Trend hin zu dezentralen und volatilen Stromerzeugung führt jedoch schon heute zu Engpässen in Stromnetzen, da diese für ein bidirektionales Szenario nicht ausgelegt wurden. Mithilfe der Energieinformatik und der dazugehörigen Vernetzung der verschiedenen Kompetenzen soll eine intelligente Steuerung der Netzinfrastruktur—von Stromverbrauchern, -erzeugern, -speichern und Netzkomponenten—zu einer umweltfreundlichen, nachhaltigen, effizienten und verlässlichen Energieversorgung beitragen.

Daher sollen im Rahmen des Seminars „Seminar: Energieinformatik“, unterschiedliche Algorithmen, Simulationen und Modellierungen bzgl. ihrer Vor- und Nachteile in den verschiedenen Bereichen der Netzinfrastruktur untersucht werden.

In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 30 Minuten Dauer.

Arbeitsaufwand

4 LP entspricht ca. 120 Stunden

- ca. 21 Std. Besuch des Seminars,

- ca. 45 Std. Analyse und Bearbeitung des Themas,

- ca. 27 Std. Vorbereitung und Erstellung der Präsentation, und

- ca. 27 Std. Schreiben der Ausarbeitung.

Modul: Seminar: E-Voting [M-INFO-105409]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2020)
Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110905 Seminar: E-Voting Unregelm. 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

kann die Erarbeitung einer Seminararbeit weitestgehend selbstständig organisieren.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Was sollte ein Wahlverfahren erfüllen? Wann ist ein Wahlverfahren sicher? Welche Bestandteile muss man dabei untersuchen? Mithilfe welcher Methoden lässt sich dies untersuchen?

Es werden kryptographische Wahlverfahren sowie algorithmische Wahl-(auszähl-)verfahren aus verschiedenen Blickwinkeln (kryptographische Methoden, formale Korrektheit, menschliche Faktoren) untersucht.

Anmerkungen

Diese Lehrveranstaltung wird gemeinsam von den Lehrstühlen für Anwendungsorientierte Formale Verifikation, Kryptographie und Sicherheit, sowie dem Lehrstuhl Security • Usability • Society vom Institut für Angewandte Informatik und Formale Beschreibungsverfahren veranstaltet.

Arbeitsaufwand

Summe: 90 Stunden (= 3 Leistungspunkte)

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.

Modul: Seminar: Exoskeletons & Motion Capture [M-INFO-106927]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113892 Seminar: Exoskeletons & Motion Capture WS 3 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

-  The students know the state of the art of exoskeletons and assistive robots and current medical applications. 
- Students are familiar with the most important methods and devices for measuring human movements with and without robotic mobility assistance systems
- Students are able to independently research, understand, critically evaluate and summarize scientific literature on a given topic (usually in English).
- Students will be able to prepare and deliver a scientific presentation, taking into account the level of knowledge of the other seminar participants, and to answer detailed questions on the topic 
- Students will be able to ask questions about scientific presentations of other students and make active contributions to scientific discussions 
- Students will be able to use Latex to create a scientific text (in English) incorporating the sources they have read. 

Inhalt

This seminar provides an insight into the current state of research and the practical use of exoskeletons in medicine and their potential to improve the quality of life of people with and without physical disabilities. It also gives an overview of different motion capture technologies, which play an important role in exoskeleton research but have many other applications.  The proseminar is offered by the research group Optimization and Biomechanics for Human-Centred Robotics at the IAR.  

Exoskeletons are used to improve mobility and are worn by people directly on the body to support or completely replace their muscle strength. One class of exoskeletons assists people with mobility impairments to walk, stand and perform other physical activities so that they can regain their independence and participate in the activities of daily living. Other types of exoskeletons are used by healthy people to prevent injuries in difficult working conditions. 

The applications of motion capture include many disciplines in which human behavior and movements are of interest, such as sports science, biomechanics, medicine, psychology, etc., but they also play an important role in the creation of animated films and computer games. In robotics, and especially in the development of exoskeletons, they are important for analyzing human-robot interaction and improving robot design and control. Various motion capture technologies exist for recording movement kinematics, ground reaction forces and muscle activity. 

The proseminar presentation topics cover the spectrum of different exoskeleton types and motion capture technologies. 

Schedule of the proseminar: 
In an event in the first week of the semester, the topic of the seminar and the individual lecture topics are presented in detail and distributed to the students according to their preferences. In a second session in week 3, an introduction to academic literature research, writing and presentations will take place.  Afterwards, the students carry out a literature search under supervision and prepare a presentation and a corresponding paper. As the scientific literature is mostly in English, the paper should also be written in English. Presentations  can be held in either English or German and take place in one or more block courses during the last third of the semester.

Anmerkungen

Limited number of participants

Arbeitsaufwand

Estimated effort for this module is 90 hours: 
20h – In person events (kickoff meeting, indiidual preparatory meetings, seminar block) 
20h – Literature research
20h – Preparation of presentation  
30h -  Paper writing 

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) is helpful 

Modul: Seminar: Explainable Artificial Intelligence [M-INFO-106497]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2023)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113115 Seminar: Explainable Artificial Intelligence WS 3 Lioutikov
Erfolgskontrolle(n)

See partial achievements (Teilleistung).

Voraussetzungen

See partial achievements (Teilleistung).

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic.
Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art learning algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Each student will select several related papers in the field of Explainable Artificial Intelligence and study and analyze it in the context of Robot Learning. The organizers will suggest several papers but the students will be encouraged to indentify and research additional relevant papers during the semester. The students will then prepare a presentation and a basic scientific research paper.
It is highly recommended to take this seminar in combination with the “Explainable Robot Intelligence” Research Project (Forschungspraktikum), where the students get the chance to deepen their understanding, implement and evaluate their presented work.

Anmerkungen

It is only possible to resign within two weeks after assignment of the topic.

Arbeitsaufwand

Workload = 90 h = 3 ECTS
- Attendance time: 15h
- Self-study: 45h
- Writing a scientific report: 20h
- Preparing a presentation: 10h

Empfehlungen

We recommend taking this research project after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this seminar in combination with the “Explainable Artificial Intelligence” research project (Forschungspraktikum).

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Modul: Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society [M-INFO-106651]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113398 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society SS 3 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students gain experience with literature research on a current research topic. They explore, understand and compare different approaches to a selected scientific problem. The students are able to write a summary of their literature research in the form of a scientific publication in English and give a scientific talk on it.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The students choose a topic from the field of robotics (e.g. remote control, behavior-based robotics, human-robot interaction, the “uncanny valley,” natural language understanding, machine learning) and conduct a research on it that, building on literature findings, also includes and addresses the perspectives of society and the general media (as given by science fiction books, movies and games, as well as media and news outlets) and technology assessment (including social/societal expectations and needs, ethical implications, and risks/benefits analyses).
Students work under the guidance of a scientific supervisor. At the end of the semester, they present the results and write an elaboration in English in the form of a scientific publication.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP.
3 LP corresponds to approx. 90 hours, of which
approx. 45 hours of literature research
approx. 25 hrs. elaboration
approx. 10 hrs. preparation of presentation
approx. 10 hrs. compulsory attendance

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research [M-INFO-107436]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114604 Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research WS 3 Bruno
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students refine their critical reading skills and gain experience with literature research on a current research topic. They can identify and propose good research practices. The students are able to present their findings and reflections in the form of a scientific publication in English and give a scientific talk on it. 

Inhalt

The students choose a topic from the field of human-robot interaction (e.g. about robots in public spaces, or robots and diversity, or companion robots for older adults). They then conduct a literature research under the guidance of a scientific supervisor, aimed at identifying what makes good research and good research reporting on the chosen topic. At the end of the semester, they present the results and write an elaboration in English in the form of a short scientific position paper. 

Arbeitsaufwand

Seminar with 2 SWS, 3 LP.
3 LP corresponds to approx. 90 hours, of which
approx. 45 hours of literature research
approx. 25 hrs. elaboration
approx. 10 hrs. preparation of presentation
approx. 10 hrs. compulsory attendance

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Modul: Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik [M-INFO-104941]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2019)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2019)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2019)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2019)
Wahlbereich Informatik (EV ab 01.04.2019)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110046 Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik Unregelm. 3 Beckert
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Kann ein Algorithmus gegen die Diskriminierungsfreiheit verstoßen? Wann ist eine algorithmische Entscheidung unfair oder fair bzw. diskriminierend oder nicht-diskriminierend? Kann ein sinnvoller Algorithmus überhaupt nicht-diskriminierend sein? Wie entstehen unfaire Vorurteile bei Algorithmen und wie kann man sie entfernen oder abschwächen? Wie sind solche Entscheidungen gesellschaftlich zu bewerten?

Solche und verwandte Fragestellungen möchten wir hier vertieft behandeln und dabei Studierenden ermöglichen, über den Rand der Disziplin Informatik hinaus zu blicken und Themen am Schnittpunkt der Bereiche der theoretischen Informatik sowie der praktischen Philosophie auf reale (informatisch-) gesellschaftliche Probleme anzuwenden. Das Seminar wird interdisziplinär veranstaltet und richtet sich vorrangig an Studierende der Informatik mit Interesse an der Verbindung philosophisch-ethischer und formal-logischer Fragestellungen mit Anwendung auf das praktische Problem der Diskriminierung durch maschinell-gelernte Entscheidungsverfahren.

Mögliche Themen sind unter Anderem:

Anmerkungen

Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.

Arbeitsaufwand

Summe: 90 Stunden (= 3 Leistungspunkte)

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.

Modul: Seminar: Fine-Grained Complexity Theory & Algorithms [M-INFO-106645]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2024)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2024)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2024)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113392 Seminar: Fine-Grained Complexity Theory & Algorithms Unregelm. 4 Künnemann-Goos
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students are able to:
- perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in algorithms & complexity theory and to identify the scientific context.
- present a scientific paper and its context. This includes competency in tools and techniques for making the content accessible for a target audience.
- create a written report of their topic in accordance to usual quality standards
for scientific writing

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Selected topics from the field of fine-grained complexity theory & algorithm design. This consists of recent papers on fine-grained hardness assumptions, conditional lower bounds and algorithmic results for important problems from various sub-areas.

Each student will present a topic and summarize it in a scientific report.

Arbeitsaufwand

4 CP amounts to 120 h, distributed as follows:
- about 10 h attendance in class
- about 40 h literature search and review
- about 40 h preparation of presentation
- about 30 h writing of scientific report

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Concurrent or previous attendance of the lecture “Fine-Grained Complexity Theory & Algorithms” is helpful, but not required. This seminar can be attended independently.

Modul: Seminar: Forschungstrends in der Mensch-Maschine-Interaktion [M-INFO-106594]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2023)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113284 Seminar: Forschungstrends in der Mensch-Maschine-Interaktion WS 3 Gerling
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

• Die Studierenden können aktuelle Themen der Mensch-Maschine Interaktion wissenschaftlich aufarbeiten, und eine innerhalb ihres Themengebiets gemeinsam festgelegte Forschungsfrage angemessen beantworten.
• Die Studierenden können aktuelle Herausforderungen und Chancen der Mensch-Maschine-Interaktion beurteilen, und sind in der Lage, Zusammenhänge insbesondere im bearbeiteten Forschungsschwerpunkt nachzuvollziehen und kritisch zu reflektieren.
• Die Studierenden können wissenschaftliche Quellen recherchieren, verstehen, und im Rahmen von Ausarbeitung und Vortrag angemessen evaluieren und zur Untermauerung ihrer Argumentation einbringen.
• Die Studierenden sind in der Lage, einen wissenschaftlichen Text unter Einbezug entsprechender Quellen zu erstellen, sowie einen wissenschaftlichen Vortrag zu halten, der dem Kenntnisstand des Publikums angemessen ist.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Mensch-Maschine-Interaktion (MMI, englisch: Human-Computer Interaction (HCI)) ist ein sich stetig weiterentwickelndes, interdisziplinäres Feld, das die dynamische Beziehung zwischen Menschen und Technologie erforscht. Dazu gehört u.a. die Untersuchung von Nutzendenverhalten, kognitiven Prozessen, menschlichen Fähigkeiten und Bedürfnissen und Nutzungsschnittstellen. Ziel ist es, Nutzungserlebnisse und Interfacedesigns zu verstehen und zu verbessern.  Die stetige Weiterentwicklung von Technologie eröffnet zunehmend vielfältigere Möglichkeiten der Interaktion zwischen Mensch und Maschine. Somit ist ein zukunftsfähiges Verständnis der MMI besonders wichtig. In diesem Seminar tauchen wir deswegen in die aktuellen Forschungstrends in der MMI ein. 

Durch die Auseinandersetzung mit diesen Themen gewinnen Sie Einblicke in die Herausforderungen und Chancen, die in den Bereichen Interfacedesign, User Experience (UX) und Mensch-Maschine-Interaktion bestehen. Sie verbessern zudem Ihre Fähigkeiten im Anfertigen von wissenschaftlichen Arbeiten.

Das Seminar erfordert die Erstellung eines Positionspapiers, in dem Sie ein Thema Ihrer Wahl analysieren, den aktuellen Forschungsstand darstellen und potentielle Forschungslücken diskutieren. Ihre Ausarbeitung präsentieren Sie in einem Vortrag zum Ende des Semesters vor Ihren Kommiliton:innen und Mitarbeitenden des Lehrstuhls. Während des Semesters stehen Ihre Betreuenden Ihnen in regelmäßigen Sprechstunden für Feedback und Fragen zur Verfügung.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Veranstaltung beträgt ca. 90 Stunden (3 Credits).

Davon entfallen etwa…

10h auf Präsenzveranstaltungen,
35h auf die Literaturrecherche,
35h auf die Erstellung der Ausarbeitung,
10h auf die Erstellung des Vortrags.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Modul: Seminar: Fortgeschrittene Algorithmen in der Computergrafik [M-INFO-102729]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105664 Seminar: Fortgeschrittene Algorithmen in der Computergrafik WS 3 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Keine.

Qualifikationsziele

Studierende können,

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Aktuelle Forschungsgebiete der Computergrafik.

Arbeitsaufwand

2 SWS entsprechen ca 60 Arbeitsstunden, davon

ca 15 Std Treffen mit den Betreuern

ca 5 Std Teilnahme an Phasenkolloquien

ca 15 Std Vorbereitung von Präsentationen/Dokumenten

ca 10 Std. für Implementierungs- und Testplanung/management

ca 15 Std. Kommunikation/Organisation im Team

Modul: Seminar: Graphenalgorithmen [M-INFO-102550]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Algorithmentechnik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105128 Seminar Graphenalgorithmen Unregelm. 4 Ueckerdt
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können,

•  eine Literaturrecherche ausgehend von einem vorgegebenen Thema durchführen, die relevante Literatur identifizieren, auffinden, bewerten und schließlich auswerten.

• Präsentationen im Rahmen eines wissenschaftlichen Kontextes ausarbeiten. Hierfür beherrschen die Studenten Techniken, die es ermöglichen, die vorzustellenden Inhalte auditoriumsgerecht aufzuarbeiten und vorzutragen.

• ihre schriftliche Seminararbeit (wie später für weitere wissenschaftliche Arbeiten erforderlich) nach den Anforderungen und Qualitätsstandards des wissenschaftlichen Schreibens anfertigen und dabei Formatvorgaben berücksichtigen, wie sie von wissenschaftlichen Verlagen bei der Veröffentlichung von Dokumenten vorgegeben werden.

• die Ausarbeitungen anderer Teilnehmer kritisch beurteilen und konstruktive Verbesserungsvorschläge erstellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich Graphenalgorithmen und vertiefen diese. In der Regel ist die Voraussetzung für das Bestehen des Moduls die Anfertigung einer schriftlichen Ausarbeitung von max. 15 Seiten sowie eine mündliche Präsentation von mindestens 45 Minuten Dauer.

Arbeitsaufwand

4 LP entspricht ca. 120 Arbeitsstunden, davon

ca. 10h Seminarbesuch

ca. 40h Literaturrecherche, Beurteilung und Auswertung relevanter Literatur

ca. 30h Vorbereitung der eigenen Präsentation

ca. 30h Verfassen der schriftlichen Ausarbeitung

ca. 10h Lesen zweier Ausarbeitungen und schriftliches Formulieren von konstruktiver Kritik und Verbesserungsvorschlägen

Modul: Seminar: Hot Topics in Artificial Intelligence & Security 1 [M-INFO-106868]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113761 Seminar: Hot Topics in Artificial Intelligence & Security 1 WS 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know basic concepts artificial intelligence and machine learning in computer security, and are able to understand/interpret results from state-of-the-art research.

•    Students know and understand basic concepts of combining artificial intelligence and computer security.
•    Students are able independently research topics and methods.
•    Students understand limits of current methods and applications

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work

Inhalt

This seminar is concerned with the combination of artificial intelligence, machine learning and computer security in practice. Many tasks in the security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more "intelligent" security
solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI).

This module is part of a seminar series to intensifies the contents of the AISEC lecture. It can be attended individually and in no particular order. The module puts focus on timely topics from recent research and teaches students to work up results from state-of-the-art research. To this end, the they will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Arbeitsaufwand

- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Seminar: Hot Topics in Artificial Intelligence & Security 2 [M-INFO-106869]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113762 Seminar: Hot Topics in Artificial Intelligence & Security 2 SS 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know basic concepts artificial intelligence and machine learning in computer security, and are able to understand/interpret results from state-of-the-art research.

•    Students know and understand basic concepts of combining artificial intelligence and computer security.
•    Students are able independently research topics and methods.
•    Students understand limits of current methods and applications

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work

Inhalt

This seminar is concerned with the combination of artificial intelligence, machine learning and computer security in practice. Many tasks in the security landscape are based on manual labor, such as searching for vulnerabilities or analyzing malware. Here, machine learning can be used to establish a higher degree of automation, providing more "intelligent" security
solutions (AI for Security). However, also these learning-based systems can be attacked and need to be secured (Security of AI).

This module is part of a seminar series to intensifies the contents of the AISEC lecture. It can be attended individually and in no particular order. The module puts focus on timely topics from recent research and teaches students to work up results from state-of-the-art research. To this end, the they will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Arbeitsaufwand

- 30h Literature research
- 60h Elaboration of the seminar paper
- 20h Preparation of final presentation
- 10h attendance time

Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Modul: Seminar: Hot Topics in Bioinformatics [M-INFO-100750]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik
Vertiefungsfach 1 / Parallelverarbeitung
Vertiefungsfach 2 / Algorithmentechnik
Vertiefungsfach 2 / Parallelverarbeitung
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101287 Seminar: Hot Topics in Bioinformatics SS 3 Stamatakis
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Participants will be able to understand, critically evaluate and compare current scientific publications in the field of sequence-based bioinformatics. They are able to present, understand, and critically assess the algorithms and models from current publications orally and in writing at a level that corresponds to the quality of scientific publications and conference presentations. They are able to suggest possible extensions to existing work and assess if the results are reproducible.

Inhalt

The field of Bioinformatics is by now established as an independent application area of computer science. One of the main objectives of classical bioinformatics is to generate biological knowledge (usually from molecular data, e.g., DNA data sets) using appropriate models and algorithms. The so-called molecular data flood, which is being driven by increasingly faster and cheaper methods for extracting DNA, presents bioinformatics with new challenges regarding data storage and processing. These challenges range from discrete algorithms on strings and trees to parallel processing of data and large numerical simulations on supercomputers. The aim of the module is to provide an insight into the many facets of current bioinformatics research.

Arbeitsaufwand

10 hours of topic selection + 10 hours of attending the seminar lectures + 30 hours of reading and understanding the paper(s) + 10 hours of lecture preparation + 30 hours for writing the report = 90 hours = 3 ECTS

Modul: Seminar: Hot Topics in Decentralized Systems [M-INFO-104891]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2021)
Vertiefungsfach 1 / Telematik (EV ab 01.04.2019)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2021)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2019)
Wahlbereich Informatik (EV ab 01.04.2019)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-109922 Seminar: Hot Topics in Decentralized Systems Unregelm. 3 Hartenstein
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student is familiar with the current state of research in the field of decentralised systems.
The student is able to familiarise him/herself independently with a current research topic and the associated fundamentals by identifying relevant literature and processing it in a structured manner.
The student is able to write a paper according to scientific standards.
The student is able to present and discuss a scientific topic in a colloquium.
The student is able to consider the challenges of a specific technical problem in the context of decentralised systems and transfer existing solution approaches to the given problem and evaluate them with regard to performance and security.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The seminar deals with current work in the field of decentralised systems. Based on current research work, challenges and approaches are identified. Corresponding solutions are analysed and compared. Finally, the reference to related domains is established.

Arbeitsaufwand

Kick-off events: 4h
Meeting with the supervisor: 4h
Presentation dates: 8h
Literature research: 25h
Writing the paper and preparing the presentation: 50h
Total: 91h = 3 ECTS points

Empfehlungen

Knowledge of the basics of IT security management for networked systems and the basic security module is helpfu

Modul: Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) [M-INFO-106392]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2023)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112917 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) SS 4 Wressnegger
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know concepts of explainable machine learning and are able to understand/interpret results from state-of-the-art research. 

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

This seminar is concerned with explainable machine learning in computer security. Learning-based systems often are difficult to interpret, and their decisions are opaque to practitioners. This lack of transparency is a considerable problem in computer security, as black-box learning systems are hard to audit and protect from attacks.

The module introduces students to the emerging field of explainable machine learning and teaches them to work up results from recent research. To this end, the students will read up on a sub-field, prepare a seminar report, and present their work at the end of the term to their colleagues.

Topics cover different aspects of the explainability of machine learning methods for the application in computer security in particular.

Arbeitsaufwand

- 24h literature research
- 48h Elaboration of the seminar paper
- 24h Review of preliminary work by fellow students
- 16h preparation of final presentation
- 8h attendance time

In total 120h

Modul: Seminar: Informatik TECO [M-INFO-105328]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik (EV ab 01.10.2019)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110808 Seminar: Informatik TECO Unregelm. 3 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich ubiquitärer Systeme sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden
• selbständig eine strukturierte Literaturrecherche zu einem gegebenen Thema durchführen und geeignete Literatur selbständig suchen, identifizieren, analysieren und bewerten
• den Stand der Technik bzw. Wissenshaft zu einem Themenbereich darstellen, differenziert bewerten und Schlüsse draus ziehen
• wissenschaftliche Ergebnisse zu einem Thema strukturiert darstellen und einem Fachpublikum im Rahmen eines Vortrags präsentieren
• Techniken des wissenschaftlichen Schreibens dazu anzuwenden, einen wissenschaftlichen Übersichtsartikel zu einem Thema zu verfassen
• Wissenschaftliche Texte anderer kritisch bewerten und einordnen

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich Ubiquitous Computing. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 90 Stunden (3.0 Credits).



Päsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern
:
10 h 00 min


Literaturrecherche, Studienplanung, Durchführung, Analyse und Dokumentation
:
76 h 00 min


Vorbereiten der Präsentation
:
4 h 00 min

SUMME
: 90 h 00 min

Modul: Seminar: Information Systems [M-INFO-107686]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Informationssysteme (EV ab 01.04.2026)
Vertiefungsfach 2 / Informationssysteme (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115055 Seminar: Information Systems WS+SS 3 Böhm
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Inhalt

The Chair of Information Management Systems offers at least one seminar per semester on a selected information systems topic (every seminar at the "Chair of Information Management Systems" that is not a proseminar counts as an "Information Systems Seminar").

These are usually current research topics, for example from the fields of databases, data mining or workflow management.

Details are announced each semester (notices and homepage of the Chair of Information Management Systems).

Arbeitsaufwand

Total = 90h (3 ECTS)

Empfehlungen

Lectures of the Chair of Information Management Systems that match the topic of the seminar are strongly recommended.

Modul: Seminar: Interpretability and Causality in Machine Learning [M-INFO-107217]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114237 Seminar: Interpretability and Causality in Machine Learning SS 3 Stühmer
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Qualification target:

Students acquire the foundations of scientific literature research, writing of a scientific report, and presenting their results in front of an audience.

Learning objectives:

Students independently acquire an understanding of their research topic from scientific literature such as conference papers, journal papers and textbooks.
They are able to independently present the content in a concise and understandable way in a written report and in a presentation in front of an audience.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Topic of this Masterseminar are machine learning approaches and deep learning methods for learning of interpretable representations. These methods enable to reconstruct underlying principles from data, for example the reconstruction of generative factors of a dataset.
Starting from these methods for interpretable representations, we will discuss further methods for causal discovery, that enable the inference of causal dependencies in data.
Methods and algorithms covered include for example variational inference, contrastive learning, as well as statistical methods for factor analysis.
There will be a kick-off meeting at the beginning of the semester and 2-3 block seminars towards the end of the term.
Dates for both will still be determined.
The Masterseminar will be held in English language.

Arbeitsaufwand

90h

Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Modul: Seminar: KI und Recht [M-INFO-107933]

Verantwortung:
Prof. Dr. Franziska Boehm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115357 Seminar: KI und Recht WS+SS 3 Boehm
Erfolgskontrolle(n)

siehe Teilleistung.

Voraussetzungen

siehe Teilleistung.

Qualifikationsziele

Der/die Studierende


Die im Rahmen des Seminarmoduls erworben Kompetenzen dienen im Besonderen der Vorbereitung auf die Abschlussarbeit. Begleitet durch die entsprechenden Prüfer übt sich der Studierende beim Verfassen der abschließenden Seminararbeiten und bei der Präsentation derselben im selbstständigen wissenschaftlichen Arbeiten.
Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Modul besteht aus einem Seminar, das thematisch den Rechtswissenschaften zuzuordnen ist. Eine Liste der zugelassenen Lehrveranstaltungen wird im Internet bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 90 Stunden (3 Credits) für Präsenzzeit, Vor- und Nachbearbeitung sowie die Prüfungsleistung der Veranstaltung.
Der konkrete Arbeitsaufwand variiert je nach dem konkret gewählten Seminar und wird bei der einzelnen Veranstaltung beschrieben.

Modul: Seminar: Kritische Fragestellungen der Künstlichen Intelligenz [M-INFO-105926]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2022)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2022)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2022)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2022)
Wahlbereich Informatik (EV ab 01.04.2022)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111916 Seminar: Kritische Fragestellungen der Künstlichen Intelligenz WS 3 Friederich
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Inhalt

Dieses Seminar wird von der Fakultät für Informatik (Pascal Friederich) und der Fakultät für Geistes- und Sozialwissenschaften (Linda Nierling, Jascha Bareis) organisiert. Ziel ist es, in Tandems aus beiden Studiengängen kritische Themen der KI zu erarbeiten, im Seminar vorzustellen und zu diskutieren. Folgende Themenblöcke werden zur Auswahl stehen:

In einem gemeinsamen Abschlusstreffen werden wir dann ein Kleingruppen Zukunftsszenarien erarbeiten und vorstellen.

Studierende arbeiten sich selbständig in ein fortgeschrittenes Thema ein und setzen sich kritisch damit auseinander, präsentieren und diskutieren ihre Ergebnisse in einem Vortrag und fassen Sie in einer Seminararbeit zusammen.

Arbeitsaufwand

Insgesamt 90 h, davon:

Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Modul: Seminar: Kryptoanalyse [M-INFO-105337]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110823 Seminar: Kryptoanalyse SS 3 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Seminar behandelt Angriffe auf verschiedene Klassen von Kryptosystemen.

Bei Public-Key Verfahren z.B. Angriffe auf die zugrundeliegenden schwierigen Probleme wie Faktorisieren ganzer Zahlen, Berechnen von diskreten Logarithmen und Berechnen von kurzen Vektoren in ganzzahligen Gittern.

Bei symmetrischen Verschlüsselungsverfahren z.B. differentielle und lineare Analyse, sowie Meet-in-the-Middle-Angriffe.

Weiterhin werden Angriffe auf verschiedene (meist neu vorgeschlagene) Kryptosysteme behandelt, die in letzter Zeit gefunden wurden.

Arbeitsaufwand

Präsenzzeit in Seminar: 15 h


Erstellen der Ausarbeitung: 45 h


Entwerfen und Erstellen des Vortrags: 30 h

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Modul: Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz [M-INFO-107033]

Verantwortung:
Dr. Dominik Janzing
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114102 Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz SS 3 Janzing
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/Die Studierende

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Traditionelle Methoden der Statistik können zwar statistische Zusammenhänge zwischen beobachteten Größen zeigen, machen aber keinerlei Aussage darüber, welcher kausale Zusammenhang zugrunde liegt. Nun ist aber die Frage nach Ursache und Wirkung oft gerade die zentrale Frage, sowohl in der rein akademischen wissenschaftlichen Forschung, als auch in der industriellen Anwendung. Erst in den vergangenen 2-3 Jahrzehnten beginnt sich bei Wissenschaftlern auf den Gebieten maschinelles Lernen, Statistik, Philosophie und Physik die Ansicht durchzusetzen, dass statistische Daten durchaus Information über Kausalitäten beinhalten, auch wenn es noch immer nicht einfach ist, diese Information zu extrahieren. Das Seminar vermittelt Einblick in neueste Forschungsergebnisse der kausalen Datenanalyse.

Arbeitsaufwand

Arbeitsaufwand = 90 h = 3 ECTS 

Präsenzzeit: 15h
Selbststudium: 45h
Scientific Report schreiben: 20h
Präsentation vorbereiten: 10h 

Empfehlungen

Das Seminar richtet sich an Studierende der Informatik, aber auch anderer Fächer soweit guter mathematischer Hintergrund und Interesse vorhanden ist (z.B. Mathematik Physik, Psychologie). 
Grundbegriffe der Wahrscheinlichkeitstheorie werden vorausgesetzt

Modul: Seminar: Machine Learning in Climate and Environmental Sciences [M-INFO-106719]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 15.03.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 15.03.2024)
Wahlbereich Informatik (EV ab 15.03.2024)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113519 Seminar: Machine Learning in Climate and Environmental Sciences Unregelm. 3 Nowack
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students will learn to:
•    independently discuss current research topics on machine learning in climate and environmental sciences. 
•    summarize published research in a structured way and explain it in their own words, in group discussions and in the form of a presentation.
•    contrast modern problem-solving approaches and methods and propose suitable solutions for a variety of subject-relevant issues.
•    Optional: students are invited to develop their own research ideas on the basis of what they have learned and to refine them in discussion with their supervisors. Such ideas could be pursued as a project internship, in the “Practical Research course” or in the form of a master’s thesis.

Inhalt

Machine learning (ML) methods are already ubiquitous in many areas of society and research. This is especially true for climate and environmental sciences, where ML algorithms help e.g. to improve predictions of climate change and weather, or to optimize energy supply systems. In this session, we will discuss cutting-edge publications on ML applications in climate and environmental sciences, as well as the underlying theory behind the classes of algorithms. While organizers will suggest initial papers, students will be encouraged to seek out additional relevant literature throughout the semester.
The seminar will cover both the in-depth study of the climate/environmental sciences topic as well as of the specific machine learning method(s) employed in the literature. It will include two short and one longer final presentation from each student. The first presentation will focus solely on the chosen climate or environmental event or phenomenon, while the second presentation will cover the machine learning methods employed in studying it. Next to suggested reading by the module organizers, students will be encouraged to seek out additional relevant literature throughout the semester. 
Towards the end, students will compile their findings into the final presentation accompanied by a scientific report, presenting the results in the form of a lecture.

Arbeitsaufwand

Total 90 h, consisting of:
Seminar attendance and personal meetings with the supervisors: 10 h
Literature research: 30 h
Writing the seminar paper and preparing the final presentation: 50 h

Empfehlungen

•    An interest in climate and environmental sciences topics is a prerequisite.

Modul: Seminar: Multimodal Large Language Models [M-INFO-106653]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2024)
Wahlbereich Informatik (EV ab 01.04.2024)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113399 Seminar: Multimodal Large Language Models SS 3 Stiefelhagen
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students know the foundations of machine learning, computer vision. 
They know and can apply techniques in these fields.
They can identify and explain concept in basic deep learning and AI.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Multimodal Large Language Models (LLMs) like ChatGPT/ GPT4 have revolutionized the digital era. The models trained at scale exhibit remarkable understanding of language as well as visual scenes. This seminar is intended to provide students with an up-to-date understanding of technologies behind the recent developments in large multimodal models like GPT4. The topics include Transformer architecture, attention mechanisms, GPT model, training strategies such as finetuning and reinforcement learning with human feedback. Multi-modal training, prompt injection and prompt tuning methods.
The seminar will be a hybrid of lectures and self-reading.

Arbeitsaufwand

Course workload:
1. Attendance time (2 h)
2. Self-study (e.g. independent review of course material, 
work on homework assignments) (1.5 h)
3. Preparation for the exam (1.5 h)

Empfehlungen

Knowledge of deep learning in general and natural language processing is helpful.

Modul: Seminar: Neural Networks and Artificial Intelligence [M-INFO-107816]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115209 Seminar: Neural Networks and Artificial Intelligence WS 3 Niehues
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students learn to independently familiarize themselves with topics using academic literature and to prepare them for presentations.
Through the other presentations, students gain in-depth knowledge in specific areas of neural networks.
By evaluating their peers’ presentations, students improve their social skills.

Students are familiar with the DFG Code of Conduct “Guidelines for Ensuring Good Scientific Practice” and successfully apply these guidelines when writing their academic papers. 

Inhalt

Even the fastest computers are no match for the human brain when it comes to many tasks that we take for granted. Neural networks attempt to simulate the brain’s parallel and distributed architecture in order to better master these capabilities through learning processes. In this context, the course covers neural approaches in image and speech recognition, robotics, and other fields.
Students independently research individual topics using the provided literature and present their findings in the form of a slide-based presentation to the other seminar participants.

Arbeitsaufwand

Approx. 6 in-person sessions = 12 hours; seminar
paper and presentation = 78 hours;
total = 90 hours

Empfehlungen

Advanced Artificial Intelligence

Modul: Seminar: Nutzeradaptive Systeme [M-INFO-105898]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2022)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2022)
Wahlbereich Informatik (EV ab 01.04.2022)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111854 Seminar: Nutzeradaptive Systeme SS 3 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Learning objectives of the seminar:

• Explain what a user-adaptive system is and how it can be conceptualized

• Suggest and evaluate different design solutions for addressing the identified problem

• Build a user-adaptive system prototype using state-of-the-art hard- and software

• Perform a user-centric evaluation of the user-adaptive system prototype

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

User-adaptive systems collect and analyze biosignals from users to recognize user states as a basis for adaptation. Thermic, mechanical, electric, acoustic, and optical signals are collected using sensors which are integrated in wearables, e.g. glasses, earphones, belts, or bracelets. The collected data is processed with analytics and machine learning techniques in order to determine short-term, evolving over time, and long-term user states in the form of user characteristics, affective-cognitive states, or behavior. Finally, the recognized user states are leveraged for realizing user-centric adaptations.

In this seminar, interdisciplinary teams of students design, develop, and evaluate a user-adaptive system prototype leveraging state-of-the-art hard- and software. This seminar follows an interdisciplinary approach. Students from the fields of computer science, information systems and industrial engineering & management collaborate in the prototype design, development, and evaluation.

The seminar is carried out in cooperation between Teco/Chair of Pervasive Computing Systems (Prof. Beigl) and the Institute of Information Systems and Marketing (Research Group ISSD, Prof. Mädche). It is offered as part of the DFG-funded graduate school “KD2School: Designing Adaptive Systems for Economic Decisions“ (https://kd2school.info/)

Arbeitsaufwand

90 Stunden

Empfehlungen

Prerequisites Strong analytical abilities and profound software development skills are required.

Literature required literature will be made available in the seminar."

Modul: Seminar: Öffentliches Recht und Informatik 1 [M-INFO-107940]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115383 Seminar: Öffentliches Recht und Informatik 1 WS+SS 3 Zufall
Erfolgskontrolle(n)

siehe Teilleistung.

Voraussetzungen

siehe Teilleistung.

Qualifikationsziele

Der/die Studierende


Die im Rahmen des Seminarmoduls erworben Kompetenzen dienen im Besonderen der Vorbereitung auf die Abschlussarbeit. Begleitet durch die entsprechenden Prüfer übt sich der Studierende beim Verfassen der abschließenden Seminararbeiten und bei der Präsentation derselben im selbstständigen wissenschaftlichen Arbeiten.
Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Modul besteht aus einem Seminar, das thematisch den Rechtswissenschaften zuzuordnen ist. Eine Liste der zugelassenen Lehrveranstaltungen wird im Internet bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 90 Stunden (3 Credits) für Präsenzzeit, Vor- und Nachbearbeitung sowie die Prüfungsleistung der Veranstaltung.
Der konkrete Arbeitsaufwand variiert je nach dem konkret gewählten Seminar und wird bei der einzelnen Veranstaltung beschrieben.

Modul: Seminar: Operating Systems [M-INFO-107205]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114230 Seminar: Operating Systems Unregelm. 3 Bellosa
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students analyse and present scientific work in the field of operating systems.
In addition to techniques of scientific work, key qualifications are also taught in an integrative manner by attending the seminars.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines when writing their scientific work.

Inhalt

The seminar is dedicated to a current area of operating system research.

Arbeitsaufwand

30 h = 2 SWS * 15 attendance 
30 h preparation 
10 h Presentation 
20 h elaboration
90 h = 3 ECTS

Modul: Seminar: Post-Quantum Cryptography [M-INFO-105585]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Wahlbereich Informatik (EV ab 01.10.2020)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111200 Seminar: Post-Quantum Cryptography Unregelm. 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

The Seminar deals with the foundations of post-quantum cryptography and quantum hard problems.

First, the mathematical basics describing several quantum-hard problems are introduced in introductionary lectures. Subsequently, different post-quantum cryptosytems and common cryptographic notions will be introduced. Furthermore the seminar covers related topics, such as provability in the event of quantum adversaries.

Arbeitsaufwand

Attendance time in seminar: 15 h
Writing the paper: 30 h
Designing and preparing the presentation: 45 h

Empfehlungen

Basic knowledge of IT-Security and cryptography are recommended.

Modul: Seminar: Practical Graph Algorithms [M-INFO-107264]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114297 Seminar: Practical Graph Algorithms Unregelm. 4 Meyerhenke
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students are able to:
-    perform a literature review on the basis of a given topic/scientific paper, to read and understand relevant scientific works in algorithm engineering for graph problem and to identify the scientific context.
-    present a scientific paper and its context. This includes competency in tools and techniques for making the content accessible for a target audience.
-    create a written report of their topic in accordance to usual quality standards for scientific writing
-    critically assess the work of other participants and make constructive suggestions for improvement.
-    Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

This seminar covers various topics from the field of practical graph algorithms such as small subgraph detection, graph robustness, centrality computations, and related ones. The exact focus of the seminar for the current semester will be announced in advance on the website of Prof. Meyerhenke’s chair. Participants in the seminar carry out their own literature research, present their results to their fellow students and prepare a paper.

The seminar will be held in several blocks, partially online, partially on-site. The exact formalities will be announced at an online kick-off event at the beginning of the semester, which will also be announced on the course website mentioned above.

Arbeitsaufwand

4 LP corresponds to approx. 120 working hours, of which
- 15h seminar attendance
- 35h Literature research, assessment and evaluation of relevant literature
- 35h preparation of own presentation
- 35h preparation of the scientific report

Empfehlungen

Knowledge of algorithms, in particular graph algorithms, is a clear advantage. Exemplary lectures are Algorithms I and Algorithms II.

Modul: Seminar: Privacy and Security [M-INFO-107216]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114236 Seminar: Privacy and Security WS 4 Strufe
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The student is able to
- conduct a literature search based on a given topic, identify and evaluate the relevant literature;
- independently compile research results from IT security and technical data protection;
- analyze and discuss scientific studies and place them in their context;
- conduct their own classifications and evaluations of scientific studies, report on them in writing and present the results in a short scientific presentation.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The seminar deals with current topics from the research field of data protection and security.
These include, for example:
- Privacy attacks on communication
- Network security
- Anonymized online services
- Evaluation of the anonymity of online services
- Anonymized publication of data (differential privacy, k-anonymity)
- Transparency/awareness-enhancing systems
- Behavioral analysis of media use
- Biometric authentication

Arbeitsaufwand

Seminar attendance time: 10h
Researching and writing a paper: 75h
Reviewing and commenting on the preliminary papers of fellow students: 5h
Preparing the presentation: 30h

Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Modul: Seminar: Proofs from THE BOOK [M-INFO-103306]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 2 / Theoretische Grundlagen
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-106604 Seminar: Proofs from THE BOOK Unregelm. 3 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students learn to follow and understand complex mathematical proofs on their own. They learn to represent these proofs in an appealing manner and present the proofs to the other participants using a blackboard.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

According to the Hungarian mathematician Paul Erdős, God is keeping a book – the BOOK – under wraps that contains the most elegant mathematical proofs. Erdős’ loftiest goal was to find such proofs from the BOOK.
After Erdős’ death in 1996, Martin Aigner and Günter Ziegler published the book “Proofs from THE BOOK” in 1998. The book has also been published in German with the title “Das BUCH der Beweise”. In Aigner and Ziegler’s collection, there are some 40 of the most elegant proofs which are handled as candidates for BOOK-proofs.

In this seminar, the participants will present and discuss proofs from “Proofs from THE BOOK” and other well known and well studied proofs in the area of mathematics and informatics.

Arbeitsaufwand

Seminar with 2 SWS, 3 LP
3 LP correspond to about 90h of work, split into

about 20h attendance
about 60h preparation for seminar
about 10h follow-up

Empfehlungen

The German version “Das Buch der Beweise” is available online at the KIT library within the KIT network. The English version “Proofs from THE BOOK” is available as a physical copy at the KIT library. We recommend having a look inside either version before registering for this seminar.

Modul: Seminar: Quantum Information Theory [M-INFO-105408]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2020)
Wahlbereich Informatik (EV ab 01.04.2020)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-110904 Seminar: Quantum Information Theory Unregelm. 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The student…
• understands the basics of Quantum Information Theory.
• understands formalizing quantum states via state vectors and is able to autonomously use the state vector formalism to design and analyze quantum algorithms.
• knows and understands the quantum gates introduced in the seminar.
• knows the visual quantum circuit tool “Quirk” and is able to autonomously apply it to design and analyze quantum algorithms.
• knows and understands the quantum problems and algorithms discussed in the seminar and is able to explain them and relate them to one another.
• knows and understands the impact quantum algorithms have on classic cryptography.
• knows and understands the basics of and presented protocols for quantum key distribution.
• is able to autonomously apply the techniques presented in the seminar, e.g. to prove correctness of simple quantum algorithms.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

• Basics of Quantum Information Theory
• Formalism for dealing with quantum systems
• “Quirk”
• Important quantum problems and algorithms
• Quantum key distribution
• Quantum walks

Arbeitsaufwand

Seminar attendance time: 18h
Preparation and follow-up work: 12h
Preparation of a presentation: 30h
Preparation of a written examination: 30h

Empfehlungen

Students should be familiar with the contents of the module "Linear Algebra 1 and 2", as well as the basics of IT security.

Modul: Seminar: Recent Highlights in Algorithms [M-INFO-107172]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114201 Seminar: Recent Highlights in Algorithms Unregelm. 4 Bläsius, Sanders, Ueckerdt
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can,
- carry out a literature search based on a given topic, identify, locate, evaluate and finally analyse the relevant literature.
- prepare presentations in a scientific context. To this end, students master techniques that enable them to prepare and present the content to be presented in a manner suitable for an audience.
- prepare their written seminar paper (as required later for further academic work) in accordance with the requirements and quality standards of academic writing, taking into account the format requirements specified by academic publishers for the publication of documents.
- critically assess the work of other participants and make constructive suggestions for improvement.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

The seminars offered as part of this seminar module deal with current topics in algorithm technology and explore them in depth. As a rule, the prerequisite for passing the module is the preparation of a written paper of max. 15 pages and an oral presentation of at least 45 minutes.

Arbeitsaufwand

Seminar with 2SWS, 4LP
4 LP corresponds to approx. 120 working hours, of which
approx. 10h seminar attendance
approx. 40 hours of literature research, assessment and evaluation of relevant literature
approx. 30h preparation of own presentation
approx. 30 hours writing the paper
approx. 10h Reading two papers and formulating constructive criticism and suggestions for improvement in writing

Modul: Seminar: Robot Reinforcement Learning [M-INFO-107926]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115349 Seminar: Robot Reinforcement Learning Unregelm. 3 Neumann
Erfolgskontrolle(n)

See partial achievement (Teilleistung).

Voraussetzungen

See partial achievement (Teilleistung).

Qualifikationsziele

Students are able to independently understand a complex research topic, present the content in a concise and understandable way and prepare a scientific report summarizing the topic. Students get a deeper understanding of state-of-the art RL algorithms and get to know current research challenges.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work. 

Inhalt

Reinforcement Learning is a popular machine learning method where an artificial agent has to learn how to act optimally in an unknown environment by trial and error.  In this seminar, we will focus on recent developments in RL for robotics, i.e., RL for continuous state and action spaces.

The students can choose from different topics from the area of reinforcement learning (RL) for robotics, including deep reinforcement learning, model-free RL, actor-critic methods, model-based RL, meta learning, hierarchical reinforcement learning and robot applications of RL. Each topic consists of several research papers for which the students have to prepare a presentation as well as a report in form of a scientific research paper.

Arbeitsaufwand

Workload = 90 hours = 3 ECTS

Modul: Seminar: Secure Multiparty Computation [M-INFO-105761]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2021)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2021)
Wahlbereich Informatik (EV ab 01.10.2021)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111501 Seminar: Secure Multiparty Computation Unregelm. 3 Müller-Quade
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to familiarize themselves thoroughly with scientific papers, to present them to other students and to deal with questions on their topic in a subsequent discussion round.

Students will be able to differentiate between different protocols for secure multiparty computation and weigh up their advantages and weaknesses.

Students will be able to present academic publications from the research field of secure multiparty computation in a suitable manner, place them in the historical context of the research field and critically examine the results and findings presented.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their academic work.

Inhalt

In the setting of secure multiparty computation, two or more parties with private inputs wish to compute some joint function of their inputs. The security requirements of such a computation are privacy (meaning that the parties learn the output and nothing more), correctness (meaning that the output is correctly distributed), independence of inputs, and more. Due to its generality, secure computation is a central tool in cryptography.

In this seminar, we examine modern protocols for secure multiparty computation of arbitrary functions.

Arbeitsaufwand

Attendance time in seminar: 15 h

Meeting with supervisors: 5 h

Independent work in relation to the individual seminar topic: 70 h

Empfehlungen

Knowledge of the content of the lecture Cryptographic Protocols is assumed.

Modul: Seminar: Serviceorientierte Architekturen [M-INFO-102372]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-104740 Seminar: Serviceorientierte Architekturen WS+SS 3 Abeck
Erfolgskontrolle(n)

siehe Teilleistung

Voraussetzungen

siehe Teilleistung

Qualifikationsziele

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Internet und das darauf aufsetzenden Web sind zu der Standard-Verteilungsplattform für verteilte Anwendungen geworden. Die Grundlage hierfür liefern neben den etablierten objekt- und komponentenorientierten Methoden des Software Engineering eine Vielzahl von standardisierten Technologien (u.a. XML und Web-Services), die in der Vorlesung "Web-Anwendungen und Serviceorientierte Architekturen" (WASA) detailliert behandelt werden.

Arbeitsaufwand

90 h

Präsenzzeit 15 (15 x 1 Std)

Literaturrecherche 15

Erstellung der Ausarbeitung 50

Präsentation (inkl. Vorbereitung) 10

Modul: Seminar: Software Architecture, Security and Privacy [M-INFO-107236]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114260 Seminar: Software Architecture, Security and Privacy Unregelm. 4 Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can,

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their scientific work.

Inhalt

Anyone who processes personal data automatically must effectively protect this data from unauthorized access in order to act in accordance with data protection laws, but also to prevent damage to reputation and trustworthiness should data protection violations become public. Protecting personal data from unauthorized access and complying with other data protection obligations is therefore actually one of the most important goals in software design and operation.

However, looking at data protection in isolation does not do justice to reality. If an attacker gains access to personal data, voluntary commitments and internal data protection regulations no longer apply. In case of doubt, the operator of the software is liable for severe fines. Effective security precautions are therefore indispensable as a mainstay for protecting personal data.

Security-critical vulnerabilities must be identified at an early stage, ideally before the vulnerability is introduced. Such quality assessments are performed by software architecture-based analyses. How security can be described and analyzed at the software architecture level is the subject of ongoing research, as is the question of whether - and how - security can be expressed in figures.

In this seminar, students deal with these questions and the state of research at the interface between data protection, security and software architecture. Possible topics are located in one or more of these areas.

Arbeitsaufwand

25 working hours for literature research
55 working hours for writing the thesis and preparing peer reviews
20 working hours for preparing the final presentation
20 working hours for the final block event and meeting with the supervisor.
This results in a total of 120 working hours

Modul: Seminar: Softwarequalitätssicherung und Softwaretest [M-INFO-105895]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2022)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2022)
Wahlbereich Informatik (EV ab 01.04.2022)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111850 Seminar: Softwarequalitätssicherung und Softwaretest SS 4 Schaefer
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende können:

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Die Seminare, die im Rahmen dieses Seminarmoduls angeboten werden, behandeln Themen im Bereich Softwarequalitätssicherung und Softwaretest. Die Teilnehmer erarbeiten Präsentationen zu vorgegebenen Themen und tragen diese im Seminar vor. Sie diskutieren die Inhalte der Seminarpräsentationen mit den anderen Teilnehmern und den Betreuern. Sie erstellen eine schriftliche Ausarbeitung zu ihrem Thema.

Arbeitsaufwand

Präsenzzeit im Seminar (Vorträge und Diskussionen):

20h Selbständige Einarbeitung in das Thema des Seminars, Literaturrecherche und Studium der Literatur zum eigenen Vortrag:
30h
Erstellen der Vortrags: 20h
Erstellen der schriftlichen Ausarbeitung: 45h
Besprechung mit Betreuern in Vorbereitung auf das Seminar: 5h
Summe: 120h = 4LP

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Modul: Seminar: Speech-to-Speech Translation [M-INFO-107179]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114208 Seminar: Speech-to-Speech Translation SS 3 Niehues
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn to familiarise themselves independently with topics based on academic literature and prepare them for presentations.
From the other presentations, students gain in-depth knowledge in sub-areas of language-to-language translation
By evaluating the presentations of their fellow students, students improve their social skills.
Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and successfully apply these guidelines in the preparation of their scientific work.

Inhalt

Speech-to-speech translation is a popular application that combines automatic speech recognition and machine translation. However, a user-friendly combination requires more than just a linear connection of the individual techniques.
In this seminar, students work independently on individual topics from the fields of automatic speech recognition, machine translation and their combination into speech-to-speech translation systems using the literature provided and present the summarised findings to the other participants in the seminar in the form of a slide-based presentation.

Arbeitsaufwand

90 h

Modul: Seminar: Type Systems and Static Program Analysis [M-INFO-107625]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.10.2025)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2025)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.10.2025)
Wahlbereich Informatik (EV ab 01.10.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114955 Seminar: Type Systems and Static Program Analysis WS 4 Erdweg
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

None.

Qualifikationsziele

Students can:

•    carry out a literature search based on a given topic. They can identify, locate, evaluate and comprehend the relevant literature.
•    prepare and deliver a scientific presentation on a given topic, using adequate presentation techniques.
•    write a seminar paper that meets the requirements and quality standards of academic writing.
•    participate in academic discussions with their peers.

Students are familiar with the DFG Code of Conduct "Guidelines for Safeguarding Good Scientific Practice" and apply these guidelines successfully in the preparation of their scientific work.

Inhalt

Type systems and static program analyses predict the behavior of programs through source-code analysis, but without executing the program. They are fundamental for isolating ill-defined program behavior (e.g., from type errors), but also can provide guarantees (e.g., memory safety). Topics covered in this seminar include the design, definition, formalization, and application of type systems and static program analyses, including type inference, dependent typing, control flow, data flow, abstract interpretation, soundness, and precision.

Arbeitsaufwand

10 working hours for independent study of the seminar topic
25 working hours for literature research
20 working hours for preparing the presentation
55 working hours for writing the thesis and preparing peer reviews
10 working hours for the final block event and meetings with the supervisor
 
This results in a total of 120 working hours

Empfehlungen

Students should be familiar with the foundational knowledge about type systems (e.g., typing rules, type checking, polymorphism) or static program analysis (e.g., data flow, abstract interpretation).

Modul: Seminar: Ubiquitäre Systeme [M-INFO-101880]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-103578 Seminar: Ubiquitäre Systeme WS+SS 4 Beigl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Aktuelle Forschungsergebnisse aus dem Bereich ubiquitärer Systeme sollen erarbeitet und kritisch diskutiert werden. Nach Abschluss des Seminars können die Studierenden

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

In dieser Seminarreihe wird in jedem Semester ein Schwerpunktthema aufgegriffen, zu dem von den Veranstaltungsteilnehmern einzelne Beiträge aufzuarbeiten sind. Ziel ist die Erfassung des Stands der Entwicklung bzgl. Technologien und deren Anwendungen im Bereich Ubiquitous Computing. Themen werden in der ersten Veranstaltung und auf der Web-Seite des Instituts bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 120 Stunden (4.0 Credits).

Aktivität
Arbeitsaufwand
Präsenzzeit: Kickoff, Präsentation und Diskussion und Treffen mit Betreuern: 10 h

Literaturrecherche und Schreiben der Ausarbeitung: 106 h

Vorbereiten der Präsentation: 4 h

SUMME: 120 h 00 min

Modul: Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung [M-INFO-102305]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme
Vertiefungsfach 2 / Robotik und Automation
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101270 Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung WS+SS 3 Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Qualifikationsziele:

Die Studierenden sind in der Lage sich selbständig mit wissenschaftlichen Arbeiten auseinanderzusetzen, sie einzuordnen, wiederzugeben, anzuwenden und vorzustellen.

Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Lernziele:


Inhalt

Dieses Seminar behandelt die theoretischen und praktischen Aspekte der Data Science. Der Ansatz vereint Herangehensweisen und Methoden aus den Bereichen Machine Learning, Mathematik, Schätztheorie, Visualisierung und Mustererkennung. Im Rahmen dieses Seminars sollen die in der Data Science verwendeten Konzepte und Methoden, insbesondere im Kontext der Schätztheorie, vorgestellt und an konkreten Anwendungsbeispielen dargestellt werden.

Arbeitsaufwand

Modul: Seminar: Zivilrecht 1 [M-INFO-107929]

Verantwortung:
Prof. Dr. Andreas Sattler
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Ergänzungsfach / Recht (EV ab 01.10.2026)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115351 Seminar: Zivilrecht 1 WS+SS 3 Sattler
Erfolgskontrolle(n)

siehe Teilleistung.

Voraussetzungen

siehe Teilleistung.

Qualifikationsziele

Der/die Studierende


Die im Rahmen des Seminarmoduls erworben Kompetenzen dienen im Besonderen der Vorbereitung auf die Abschlussarbeit. Begleitet durch die entsprechenden Prüfer übt sich der Studierende beim Verfassen der abschließenden Seminararbeiten und bei der Präsentation derselben im selbstständigen wissenschaftlichen Arbeiten.
Die Studierenden sind mit dem DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ vertraut und wenden diese Leitlinien erfolgreich bei der Erstellung Ihrer wissenschaftlichen Arbeit an. 

Inhalt

Das Modul besteht aus einem Seminar, das thematisch den Rechtswissenschaften zuzuordnen ist. Eine Liste der zugelassenen Lehrveranstaltungen wird im Internet bekannt gegeben.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 90 Stunden (3 Credits) für Präsenzzeit, Vor- und Nachbearbeitung sowie die Prüfungsleistung der Veranstaltung.
Der konkrete Arbeitsaufwand variiert je nach dem konkret gewählten Seminar und wird bei der einzelnen Veranstaltung beschrieben.

Modul: Service Analytics [M-WIWI-101506]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
12
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-108715 Artificial Intelligence in Service Systems WS 4,5 Satzger
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption SS 4,5 Satzger
T-WIWI-105777 Business Intelligence Systems WS 4,5 Mädche
T-WIWI-112152 Practical Seminar: Artificial Intelligence in Service Systems Unregelm. 4,5 Satzger
T-WIWI-115325 Practical Seminar: Human-AI Collaboration WS 4,5 Förster
T-WIWI-113725 Spezialveranstaltung Wirtschaftsinformatik WS+SS 4,5 Weinhardt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1-3 SPO) im Umfang von insgesamt mindestens 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Keine

Qualifikationsziele

Der/ die Studierende

• kennt die theoretischen Grundlagen und die wichtigsten Bausteine von Business Intelligence Systemen,

• erwirbt die grundlegenden Fähigkeiten, Business Intelligence- und Analytics-Software im Service-Kontext anzuwenden,

• lernt unterschiedliche Anwendungsszenarien von Analytics im Service-Kontext kennen,

• ist in der Lage verschiedene Analytics Methoden zu unterscheiden und diese kontextbezogen anzuwenden,

• lernt Analytics-Software im Service-Kontext anzuwenden,

• trainiert die strukturierte Erfassung und Lösung von praxisbezogenen Problemstellungen mit Hilfe kommerzieller Business Intelligence Softwarepaketen sowie Analytics-Methoden und -Werkzeugen.

Inhalt

Die Bedeutung von Dienstleistungen in modernen Volkswirtschaften ist unverkennbar – nahezu 70% der Bruttowertschöpfung werden im tertiären Sektor erzielt und eine wachsende Anzahl von Industrieunternehmen reichern ihre Sachgüter mit kundenspezifischen Dienstleistungen an oder transformieren ihre Geschäftsmodelle fundamental. Die rapide zunehmende Verfügbarkeit von Daten („Big Data“) und deren intelligente Verarbeitung unter Verwendung analytischer Methoden und Business Intelligence-Systemen spielt hierbei eine zentrale Rolle.

Ziel dieses Moduls ist es den Studierenden einen umfassenden Überblick in den Themenbereich des Business Intelligence & Analytics mit einem Fokus auf Dienstleistungsfragestellungen zu geben. Anhand verschiedener Szenarien wird aufgezeigt, wie die Methoden und Systeme dabei helfen können existierende Dienstleistungen zu verbessern bzw. neue innovative datenbasierte Dienstleistungen zu schaffen.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden.

Präsenzzeit: 90 Stunden

Vor- /Nachbereitung: 100 Stunden

Prüfung und Prüfungsvorbereitung: 80 Stunden

Modul: Service Design Thinking [M-WIWI-101503]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-WIWI-102849 Service Design Thinking Unregelm. 9 Satzger, Terzidis
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer Gesamtprüfung (nach §4(2), 3 SPO). Die Gesamtnote des Moduls entspricht der (Drittel-)Note der Prüfung (nach §4(2), 3 SPO).

Voraussetzungen

Keine

Qualifikationsziele

Studierende 

Inhalt

Kursphasen (jeweils ca. 4 Wochen):

Design Space Exploration:

Critical Function Prototype:

Dark Horse Prototype:

Funky Prototype:

Functional Prototype:

Final Prototype:

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer beschränkt. Das Modul (und auch die Teilleistung) geht über zwei Semester. Es startet jedes Jahr Ende September und läuft bis Ende Juni des darauffolgenden Jahres. Ein Einstieg ist nur zu Programmstart im September (Bewerbung im Mai/Juni) möglich. Weitergehende Informationen zum Bewerbungsprozess und dem Programm selbst finden Sie in der Teilleistungsbeschreibung sowie über die Website des Programms (https://sdtkarlsruhe.de/). Ferner führen die Dozenten jedes Jahr im Mai eine Informationsveranstaltung zum Programm durch. 

Arbeitsaufwand

Der Aufwand für dieses Modul beträgt ca. 2 Tage pro Woche über einen Zeitraum von 9 Monaten. Der Aufwand für dieses praxisnahe Modul ist somit vergleichsweise hoch. Die Ursache dafür ist, dass die Teilnehmenden in internationalen Teams mit Studierenden anderer Universitäten sowie Partnerorganisationen zusammenarbeiten und echte Innovationsherausforderungen lösen.

Der Arbeitsaufwand in Höhe von ca. 270 Stunden verteilt sich dabei auf ca. 105 Stunden (3,5 LP) im ersten und 165 Stunden (5,5 LP) im zweiten Semester. 

Empfehlungen

Diese Veranstaltung findet in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein.

Unsere bisherigen Teilnehmer fanden es empfehlenswert, das Modul zu Beginn des Master-Programms zu belegen.

Modul: Service Management [M-WIWI-101448]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Betriebswirtschaftslehre
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
13
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: 9 LP)
T-WIWI-108715 Artificial Intelligence in Service Systems WS 4,5 Satzger
T-WIWI-114209 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption SS 4,5 Satzger
T-WIWI-112757 Digital Services: Innovation & Business Models SS 4,5 Satzger
T-WIWI-115325 Practical Seminar: Human-AI Collaboration WS 4,5 Förster
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von Teilprüfungen im Umfang von insgesamt 9 LP. Die Erfolgskontrolle wird bei jeder Lehrveranstaltung dieses Moduls beschrieben.

Die Gesamtnote des Moduls wird aus den mit LP gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Qualifikationsziele

Der/die Studierende

Inhalt

In diesem Modul werden die Grundlagen für die Entwicklung und das Management IT-basierter Dienstleistungen gelegt. Die Veranstaltungen des Moduls vermitteln den Einsatz von OR-Methoden im Bereich des Dienstleistungsmanagements, Fähigkeiten zur Analyse von großen Datenmengen im IT-Service Bereich und deren Einsatz für die Entscheidungsunterstützung, insbesondere mit Blick auf die im Unternehmen stattfindenden Innovationsprozesse. Anhand aktueller Beispiele aus Forschung und Praxis wird die Relevanz der bearbeiteten Themen verdeutlicht.

Anmerkungen

Ab dem Sommersemester 2023 wird die Veranstaltung Service Innovation mit einem überarbeiteten Lernkonzept und -inhalten angeboten. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Derzeitige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Arbeitsaufwand

Gesamtaufwand bei 9 Leistungspunkten: ca. 270 Stunden. Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. 120-135h für die Lehrveranstaltungen mit 4,5 Credits, 135-150h für die Lehrveranstaltungen mit 5 Credits und 150-180h für die Lehrveranstaltungen mit 6 Credits.

Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Keine

Modul: Sichere Mensch-Roboter-Kollaboration [M-INFO-104877]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2019)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2019)
Wahlbereich Informatik (EV ab 01.04.2019)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-109911 Sichere Mensch-Roboter-Kollaboration WS 3 Kurth
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Teilnehmer kennen die verschiedenen Formen der Mensch-Roboter-Kollaboration (MRK) mit ihren jeweiligen Vorteilen. Sie verstehen die Anforderungen aus der Maschinenrichtlinie und den relevanten Normen an die Sicherheit von MRK-Applikationen. Die Teilnehmer sind in der Lage, Risiken zu erkennen und ein Sicherheitskonzept für MRK-Anlagen zu entwickeln

Lernziele:

Inhalt

Arbeitsaufwand

(2 SWS + 1,5 x 2 SWS) x 15 + 15 h Prüfungsvorbereitung = 90 h = 3 ECTS

Empfehlungen

Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]

Literatur

Wird in der der Veranstaltung bekanntgegeben.

Modul: Signal Processing for Communication Receivers [M-ETIT-107871]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
1
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-115288 Signal Processing for Communication Receivers SS 6 Jäkel
Erfolgskontrolle(n)

Exam will be held as 25 mins oral. Beforehand, students are elaborating small problems within a 15 mins. period of preparation.

Voraussetzungen

none

Qualifikationsziele

The students are able to analyze and assess algorithms of signal processing used in communication systems and to consider aspects of implementation. They can use mathematical methods in the context of signal processing in communication systems for autonomously deriving and elaborating theoretical results, and check their viability by simulations.

Inhalt

The module is introducing and deriving results in the areas of:

Topics already covered in the Bachelor system theory modules are deduced thoroughly and mathematical derivations and reasoning are provided.

Zusammensetzung der Modulnote

The module grade is the grade of the oral exam.

Arbeitsaufwand
  1. Attendance to the lecture: 20 * 1,5 h = 30 h
  2. Preparation and review: 20 * 3 h = 60 h
  3. Attendance to the tutorial: 6 * 1,5 h = 9 h
  4. Preparation and review: 6 * 3,5 h = 21 h
  5. Preparation for the exam: 60 h

In total: 180 h = 6 LP

Empfehlungen

Basics knowledge of communication systems, as, e.g., provided in KIT’s Bachelor course “Grundlagen der Datenübertragung”, is supposed, Furthermore, working knowledge in the areas system theory (KIT’s Bachelor course “Signale und Systeme”) and probability theory (KIT’s Bachelor course “Wahrscheinlichkeitstheorie) is assumed.

Lehr- und Lernformen

3 SWS lecture, 1 SWS practical exercise

Modul: Signal Processing Lab [M-ETIT-106633]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.04.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-113369 Signal Processing Lab SS 6 Wahls
Erfolgskontrolle(n)

Success is assessed in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Qualifikationsziele

After this module, students will have a sound basic knowledge of the main methods of signal processing as well as their areas of application, key parameters and the effects of parameter changes on the behavior of the methods. Students will be able to analyze given signal processing tasks in group work, develop solutions and document their results.

Inhalt

The Digital Signal Processing practical course currently comprises eight experiments designed to familiarize students with the fundamentals of signal processing, in particular some selected measurement methods such as correlation measurement technology and modal analysis as well as Kalman filtering and the fundamentals of image processing. The focus of the experiments to be completed with various programs and devices is to teach students the practical aspects of modern signal processing.

Note: The lecturer reserves the right to include experiments other than those listed here in this practical course without prior notice.

Zusammensetzung der Modulnote

The module grade is the grade of the written examination.

Anmerkungen

A prerequisite for admission to the examination is the submission of protocols of all experiments. The quality of the protocols will be assessed; they must be acceptable for admission to the examination.

Compulsory attendance is necessary both for carrying out the work in the team on site and for the practical teaching of skills and hardware experience that cannot be learned in pure self-study.

Arbeitsaufwand

The workload results from attending the introductory event (1.5 h), 8 experimental sessions of 4 h each. In addition, the preparation of the experiments is estimated at 8x4 h and the writing of the protocols as well as the follow-up work at 8x4 h. Preparing for the exam and attending it takes about 60 hours. This results in a total workload of approx. 160 hours.

Empfehlungen

Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.

Modul: Signal Processing Methods [M-ETIT-106899]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-113837 Signal Processing Methods WS 6 Wahls
Erfolgskontrolle(n)

Written exam, 120 minutes.

Voraussetzungen

none

Qualifikationsziele

Students can 

Inhalt

This module introduces students to advanced signal processing methods that are widely employed in engineering. The three main topic areas are

1.  Parameter estimation

2.  Decomposition of data into components and modes

3.  Time-frequency analysis

 

The following topics are treated:

·   Best linear unbiased estimator

·   Maximum likelihood estimation

·   General Bayesian estimators

·   Linear Bayesian estimators

·   Principal component analysis

·   Independent component analysis

·   Dynamic and empirical mode decomposition

·   Hilbert spaces and frames

·   Short-time Fourier transform

·   Wavelets

·   Analytic signals

·   Wigner-Ville-Distribution

·   Huang-Hilbert transform

Illustrating examples from diverse application areas are discussed.  

Zusammensetzung der Modulnote

The module grade is the grade of the written exam.

Arbeitsaufwand

The workload includes:

  1. attendance in lectures and tutorials: 15*4 h = 60 h
  2. preparation / follow-up: 15*4 h = 60 h
  3. preparation of and attendance in examination: 60 h

A total of 180 h = 6 CR

Empfehlungen

Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.

Modul: Simulation and Optimization in Robotics and Biomechanics [M-INFO-106504]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2023)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2023)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2023)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113123 Simulation and Optimization in Robotics and Biomechanics WS 6 Mombaur
T-INFO-114838 Simulation and Optimization in Robotics and Biomechanics - Pass WS 0 Mombaur
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The students
•    can explain advanced principles of modeling, optimization and control of dynamic processes, in particular mechanical systems and can apply them
•    can model, classify and analyze complex motions in robotics or biomechanics, and investigate specific properties such as stability.
•    can apply nonlinear optimization and optimal control methods and can compare and evaluate different mathematical approaches.
•    know how to use software tools based on C++ and Lua for modeling, simulation, optimization and visualization of humanoid and robotic systems
are capable of solving optimal control problems numerically and to evaluate the quality of the solution.

Inhalt

The goal of this course is to give a practical introduction into simulation and optimization of motions in robotics and biomechanics. Simulation and optimization play an important role in generating and controlling motions in complex robotics systems and in predicting and analyzing motions of humans. Theory and methods will be covered, but the focus is on the use software tools for modeling, simulation, optimization and visualization of multibody systems. Topics covered include: 
•    Dynamic process modeling
•    Transforming real world problems into mathematical models 
•    Modeling of complex robotics and biomechanics systems (e.g.  humanoids), based on previous modeling knowledge
•    Common template models for bipedal walking and running in robotics and biomechanics 
•    Simulation of mechanical / robotics systems (Integrators and Initial value problems)
•    Boundary value problems
•    Nonlinear optimization problems
•    Optimal control problems 
•    Direct and indirect methods for optimal control problems, focus on direct methods, especially direct multiple shooting
•    Stability of dynamical systems, stability in biomechanics and robotics

Anmerkungen

Limitation to 30 participants

Arbeitsaufwand

Estimated effort for this module is 180 hours:
60h - Lecture and exercises (2+2 SWS)
80h - Independent work (repetition of lecture contents, preparation of assignments
40h - Exam preparation

Modul: Skalierbare Methoden der künstlichen Intelligenz [M-INFO-105868]

Verantwortung:
Dr. Charlotte Debus
Dr. Markus Götz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Parallelverarbeitung (EV ab 01.10.2021)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2021)
Vertiefungsfach 2 / Parallelverarbeitung (EV ab 01.10.2021)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2021)
Wahlbereich Informatik (EV ab 01.10.2021)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111801 Skalierbare Methoden der künstlichen Intelligenz Unregelm. 4 Debus, Götz
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Sihee Teilleistung.

Qualifikationsziele

Studierende verstehen die Grundbegriffe, Motivation und Herausforderungen im Einsatz von parallelen und verteilten Algorithmen in der künstlichen Intelligenz (KI) auf gängigen Maschinenmodellen.  Studierenden werden befähigt die Skalierbarkeit von verschiedenen Strategien in unterschiedlichen Anwendungsszenarien zu vergleichen

Studierenden analysieren verschiedene KI-Algorithmenklassen und deren Skalierbarkeit, die im Einsatz in akademischen und industriellen Szenarien Verwendung finden.

Studierende sind in der Lage die vermittelten Skalierungsstrategien auf KI-Algorithmen anzuwenden.

Inhalt

Die Methoden der künstlichen Intelligenz haben in der letzten Dekade zu erstaunlichen Durchbrüchen in Wissenschaft und Technik geführt. Dabei zeichnet sich zunehmend ein Trend zur Verarbeitung von immer größeren Datenmengen und dem Einsatz von paralleler und verteilten Rechenressourcen ab. Ein prominentes Beispiel ist das Maschinenübersetzungsalgorithmus Generative Pre-trained Transformer 3 (GPT-3) welches mit 175 Milliarden trainierbaren Parametern auf 285.000 Prozessorkernen und 10.000 Grafikkarten die Grenzen herkömmlicher KI-Hardware sprengt.

In der Vorlesung werden den Studierenden die Parallelisierung und Skalierbarkeit verschiedener KI Algorithmen nähergebracht. Hierbei liegt der Fokus auf den Vorteilen und Ansätzen des parallelen Rechnens für KI Methoden, verschiedene verfügbaren Softwarepaketen zur Implementierung sowie den algorithmenspezifischen Herausforderungen. Diese werden anhand verschiedener Beispiele und Algorithmenklassen dargestellt, um die vielfältigen Anwendungsmöglichkeiten für skalierbare künstliche Intelligenz zu illustrieren:

Darüber hinaus werden auf die Eigenheiten Datenformaten und -management, gängiger Maschinenmodelle sowie auf den Einsatz neuartiger Hardware, z.B. Quantencomputer oder neuromorphe Geräte, diskutiert werden.

Arbeitsaufwand

3 SWS, 120 h/Semester = 4 ECTS

Empfehlungen

Modul: Software Architecture and Quality [M-INFO-107237]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114261 Software Architecture and Quality WS 3 Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students can explain the role of components and explicit software architecture descriptions for engineering software development.

They can also explain the basic concepts of component-based software development.

Students are familiar with advanced concepts of view-based metamodeling and can apply these to the scenarios of the software development domain.

In addition, they can use procedures for the documentation, evaluation and reuse of software architectures, such as architecture patterns or architecture styles.

Furthermore, they can differentiate between and use different software development processes.

Students can design models for software quality characteristics such as performance.

The effects of architecture design decisions on software quality characteristics such as performance can also be analyzed.

Inhalt

In many software development projects, the software architecture is the main determining factor for software quality. Runtime properties such as performance or reliability, as well as maintainability, essentially depend on the architecture of a software system.

In the lecture, students learn about and apply modern approaches to software architecture modeling and analysis, which can be used to predict the quality characteristics of the system at design time. The lecture thus lays the scientific foundations for software design as an engineering discipline, as the methods learned enable an understanding of the effects of architectural design decisions on software quality. In particular, software qualities such as performance, reliability and maintainability are discussed.

In connection with software architecture, software components are also introduced as "software building blocks". In particular, techniques for the reuse of architectural knowledge such as patterns, styles and reference architectures and product lines are discussed.

The lecture deals with the Palladio component model as a description language for software components and architectures.

Using the Palladio component model, role models for the design and development of component-based software are presented in addition to quality prediction.

Its use is demonstrated using industry-related case studies and techniques for evaluating the quality of your software architecture are illustrated.

The lecture covers technologies such as MOF, OCL and architecture-centered, model-driven software development (AC-MDSD). Modern middleware from practice such as Java EE / EJB is also presented.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h h

Modul: Software Engineering II [M-INFO-107235]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Raffaela Mirandola
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114259 Software Engineering II SS 6 Koziolek, Mirandola, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Software processes: Students understand evolutionary and incremental development and can describe the advantages over the sequential approach. They can describe the phases and disciplines of the unified process.

Requirements engineering: Students can describe the terms of requirements engineering and name activities in the requirements engineering process. They can classify and assess requirements according to the facets of type and representation. They can apply basic guidelines for specifying natural language requirements and describe prioritization procedures for requirements. Describe the purpose and elements of use case models. You can classify use cases according to their granularity and objectives. You can create use case diagrams and use cases. They can derive system sequence diagrams and operation contracts from use cases and can describe their role in the software development process.

Software architecture: Students can reproduce and explain the definition of software architecture and software components. They can explain the difference between software architecture and software architecture documentation. They can describe the advantages of explicit architecture and the factors influencing architecture decisions. You can assign design decisions and elements to the layers of an architecture. You will be able to describe what component models define. They can describe the components of the Palladio component model and discuss some of the design decisions made.

Enterprise Software Patterns: Students can characterize enterprise applications and decide for a described application which properties it fulfills. They know patterns for structuring domain logic, architectural patterns for data access and object-relational structure patterns. They can select a suitable pattern for a design problem and justify the selection based on the advantages and disadvantages of the patterns.

Software design: Students can assign the responsibilities resulting from system operations to classes or objects in object-oriented design using the GRASP patterns and thus design object-oriented software.

Software quality: Students know the principles for readable program code, can identify violations of these principles and develop proposals for solutions.

Model-driven software development: Students can describe the goals and the idealized division of labor of model-driven software development (MDSD) and reproduce and explain the definitions for model and metamodel. They can discuss the goals of modeling. You will be able to describe the model-driven architecture and express constraints in the Object Constraint Language. You can express simple transformation fragments of model-to-text transformations in a template language. You can weigh up the advantages and disadvantages of MDSD.

Embedded systems: Students will be able to explain the principle of a real-time system and why they are usually implemented as parallel processes. They can describe a rough design process for real-time systems. They can describe the role of a real-time operating system. They can distinguish between different classes of real-time systems.

Reliability: Students can describe the various dimensions of reliability and categorize a given requirement. They can illustrate that unit tests are not sufficient to evaluate software reliability and can describe how usage profile and realistic error data have an influence.

Domain-driven design (DDD): Students are familiar with the design metaphor of ubiquitous language, Closed Contexts, and Strategic Design. They can describe a domain using the DDD concepts, entity, value objects, services, and improve the resulting domain model using the patterns of aggregates, factories, and depots. They know the different types of interactions between Closed Contexts and can apply them.

Security (in the sense of security): Students can describe the basic ideas and challenges of security assessment. They can recognize common security problems and propose solutions.

Inhalt

Requirements engineering, software development processes, software quality, software architectures, MDD, Enterprise Software Patterns software maintainability, software security, dependability, embedded software, middleware, domain-driven design

Anmerkungen

The Software Engineering II module is a basic module.

Arbeitsaufwand

Preparation and follow-up time 1.5 h / 1 SWS

Total workload:
(4 SWS + 1.5 x 4 SWS) x 15 + 30 h exam preparation = 180 h = 6 ECTS

Modul: Software Product Line Engineering [M-INFO-107212]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114234 Software Product Line Engineering SS 3 Schaefer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students understand the essential concepts (such as modularity, variation point, feature model, feature mapping, configuration, product generator, and product) and techniques (such as feature-oriented domain analysis, variant extraction, delta modelling, variant space analyses, product generation, testing of software product lines) of the development of software product lines, their relationships and their assignment to problem and solution spaces. They are able to understand and apply the different methods for designing software product lines, such as feature-orientated domain analysis or variant extraction. Students are familiar with various product generation strategies and know their advantages and disadvantages in practical use. Students are familiar with techniques for the maintenance of software product lines, such as variant space analysis, the generation of product samples and the testing of software product lines, and are able to apply these. In addition, students are familiar with current results and issues from the research field of software product lines and understand their significance, e.g. results from the field of language product lines.

Learning objectives: Students are able to independently design, implement and maintain a software product line. Students can apply feature-orientated domain analysis to a given domain and design a software product line based on a domain description and implement it in practice with tool support. Students can use variant extraction independently and with tool support to design a software product line from a series of product variants of a software system and implement it by refactoring. Students can select a suitable product generation strategy for a given domain and implement it with tool support. Students can analyse and improve the variant space of a given software product line. Students know different techniques to maintain a software product line and can analyse the variant space, generate product samples and develop tests for a given software product line.

Inhalt

This module teaches students the procedures and techniques for the development and maintenance of multi-variant software systems using software product lines.  The lecture will provide an overview of the basic goals, processes, concepts and techniques in the development and maintenance of software product lines. It is subdivided into the subject areas of the problem space and the solution space. In the first topic area, topics such as feature-oriented domain analysis, feature models and analyses of the variant space are dealt with, whereas in the second topic area, different techniques for product generation and testing of product lines are discussed and demonstrated in practice.
In addition, current results and questions from software product line research are presented and discussed.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Empfehlungen

Basic knowledge from the lectures Software Engineering II [T-INFO-101370] and Formal Systems [T-INFO-101336] is helpful.

Modul: Software Security Engineering [M-INFO-106344]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2023)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.04.2023)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2023)
Wahlbereich Informatik (EV ab 01.04.2023)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-112862 Software Security Engineering SS 3 Gerking, Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Qualification target: Participants will be able to apply measures to detect or avoid vulnerabilities in different development phases.
 
Learning objectives:

Inhalt

The course deals with the engineering of cyber security along the development cycle of software systems. This includes constructive and analytical development measures to achieve protection goals through systematic prevention and detection of vulnerabilities. The course familiarizes participants with the adoption and implementation of security measures in various development phases. Relevant fundamentals from the field of formal security models are introduced.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Empfehlungen

Knowledge of Software Engineering I and Software Engineering II is recommended.

Modul: Software-Evolution [M-INFO-100719]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101256 Software-Evolution WS 3 Reussner
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students learn about the particular challenges of long-lived software systems and the possibilities of influencing the future development of a software system through targeted software evolution. Students will learn which tools and concepts they can use in the context of software evolution and which factors have an impact on the software development process. In addition to the theoretical basics, students will gain insight into practical examples and suitable tools that simplify the handling of software evolution. A cross-section of implementation aspects, techniques, management and concepts will be conveyed to the participants of the lecture. Students are enabled to analyze, evaluate and improve software systems.

Inhalt

The lecture Software Evolution covers: Software development processes, special features of long-lived software systems, evolution scenarios for software systems, software architecture development, software refurbishment, implementation techniques, architecture patterns, traceability, software evaluation methods, maintainability analyses and tools to support software evolution.

Arbeitsaufwand

(2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h

Modul: Softwarepraktikum Parallele Numerik [M-INFO-102998]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105988 Softwarepraktikum Parallele Numerik WS+SS 6 Karl
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der Studierende besitzt grundlegende Kenntnisse zur Lösung partieller Differentialgleichungen mit Hilfe der Methode der Finiten Elemente. Die Studierenden sind in der Lage, für komplexe Problemstellungen aus der Mathematik, Natur- und Ingenieurwissenschaften Lösungsansätze zu erstellen und bezüglich ihrer mathematischen Eigenschaften bewerten. Die Studierenden sind in der Lage, parallele Lösungsversionen zu erstellen und bezüglich ihrer Rechenleistung zu bewerten.

Inhalt

Das Modul soll Studierenden (Informatiker, Mathematiker, Natur- und Ingenieurwissenschaftler) die Methode der Finiten Elemente (FEM) zur Lösung partieller Differentialgleichungen (PDEs) an praxisrelevanten Problemstellungen aus der Mathematik, Natur- und Ingenieurwissenschaften vermitteln. Darüber hinaus werden Parallelisierungsmöglichkeiten unter Verwendung paralleler Programmierbibliotheken wie OpenMP oder OpenCL/CUDA vermittelt. Den Studierenden wird der Einsatz einer Open-Source FEM-Software HiFlow3 vermittelt, anhand derer experimentell das Lösungsverhalten von PDEs untersucht wird. Das Modul vermittelt neben dem mathematischen Hintergrund einer Aufgabe auch die technische Umsetzung sowie Parallelisierungsansätze.

Arbeitsaufwand

- 2x Wöchentlicher Termin 4 SWS

- Durchführung projektaufgaben 4 SWS

- Präsentation und Ausarbeitung 60 h

 Gesamt: (4 SWS + 4 SWS) x 15 + 60 h = 180 h = 6 ECTS

Empfehlungen

Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.

Modul: Softwaretest and Quality Management (SQM) [M-INFO-107239]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114263 Softwaretest and Quality Management (SQM) WS 5 Schaefer
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

After completing the module, participants will be familiar with the basic principles of software testing. They will be able to apply the general testing process and master the activities and techniques to support it. Participants will be able to
specify test cases in all phases of the software life cycle. They know test procedures and methods with which they can
prepare and carry out software tests efficiently. They are familiar with common methods of
test management methods and test tools for automating test activities.

Inhalt

1. Basics (introduction, definition of terms, principles of software testing, fundamental test process, psychology of testing)
2. Testing in the software life cycle (general V-model, component test, integration test, system test, acceptance test,
testing of new product versions, overview of test types)
3. Static testing (structured group tests, static analyses, metrics)
4. Dynamic testing (black-box procedure, white-box procedure, experience-based test case determination)
5. Test management (test organisation and planning, economic aspects, test strategy, management of test work, error management, requirements for configuration management).
6. Testing tools (types, selection, introduction)
7. Modern test procedures (model-based testing, regression testing, testing of variant-rich systems)
8. Debugging

Anmerkungen

At the end of the course there is also the opportunity to be certified as an "ISTQB - Certified Tester - Foundation Level". A date and the modalities for the exam will be agreed on in the lecture.

Arbeitsaufwand

150h

Modul: Statistik [M-MATH-103220]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
10 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-106415 Statistik - Klausur WS 10 Ebner, Fasen-Hartmann, Klar
T-MATH-106416 Statistik - Praktikum WS 0 Ebner, Fasen-Hartmann, Klar, Trabs
Erfolgskontrolle(n)

Prüfungsvorleistung: Praktikumsschein


Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

Keine

Qualifikationsziele

Die Studierenden
• können die grundlegenden Aufgaben der Statistik nennen und an Beispielen verdeutlichen,
• können die prinzipielle Vorgehensweise statistischer Tests erläutern,
• sind mit den wichtigsten Schätz- und Testverfahren vertraut und können diese Verfahren mit Hilfe moderner
Software praktisch anwenden,
• können in einfachen Situationen beurteilen, welche statistischen Methoden anwendbar sind,
• kennen spezifische probabilistische Techniken und können damit statistische Verfahren mathematisch analysieren.

Inhalt

Die Statistik befasst sich mit der Frage, wie man mit Methoden der Wahrscheinlichkeitstheorie aus Datensätzen Informationen über eine größere Gesamtheit gewinnen kann. Inhalte der Vorlesung sind:

• Statistische Modelle


• Parameterschätzung
   - Maximum-Likelihood-Methode
   - Momentenmethode
   - Eigenschaften von Schätzern
   - Cramer-Rao-Ungleichung
   - Asymptotik von ML-Schätzern


• Konfidenzintervalle
   - Satz von Student
   - Intervall-Schätzung unter Normalverteilungsannahme

• Testen statistischer Hypothesen
   - p-Wert
   - Gauß- und Ein-Stichproben-t-Test
   - Optimalität von Tests
   - Likelihood-Quotienten-Tests
   - Vergleich von zwei Stichproben unter Normalverteilungsannahme


• Lineare Regressionsmodelle
   - Kleinste-Quadrate-Methode
   - Tests und Konfidenzbereiche im klassischen linearen Regressionsmodell


• Varianz- und Kovarianzanalyse


• Analyse von kategorialen Daten


• Nichtparametrische Verfahren


• Verwendung von Statistiksoftware zur Durchführung wichtiger Verfahren

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 300 Stunden

Präsenzzeit: 120 Stunden

Selbststudium: 180 Stunden

Empfehlungen

Kenntnisse in der Stochastik, wie sie etwa in den Modulen „Einführung in die Stochastik“ oder „Einführung in die Stochastik für das Lehramt“ vermittelt werden, werden dringend empfohlen.

Modul: Stochastic Information Processing [M-INFO-107847]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115261 Stochastic Information Processing WS 6 Hanebeck
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Qualification objective: Students can describe a given nonlinear dynamic model probabilistically and set up the equations for Bayesian inference. If no analytical solution exists, they can estimate the strength of the nonlinearity and select and implement a suitable practical filter for real-time state estimation.

Learning objective: Students are familiar with dynamic state models and methods for recursively estimating the state. The advantages and disadvantages of the various practical filters can be assessed in a problem-oriented manner.

Inhalt

o deal with complex dynamic systems, as they occur for example in robotics, one typically requires both system models and the temporal evolution of the system states. For both system identification and state reconstruction, however, usually only noisy data are available. 

For continuous state spaces, an exact calculation of the probability densities is only possible in a few special cases. In practice, general nonlinear systems are often traced back to these special cases by simplifying assumptions. One extreme is linearization with subsequent application of linear estimation theory. However, this often leads to unsatisfactory results and requires additional heuristic measures. At the other extreme are numerical approximation methods, which only evaluate the desired probability densities at discrete points in the state space. Although the basic principle of these methods is usually quite simple, their practical implementation is often difficult and, in particular for higher-dimensional systems, computationally demanding.

As a middle ground, analytical nonlinear estimation methods would therefore often be desirable. In this lecture the main difficulties in the development of such estimation methods are outlined and corresponding solution modules are presented. Based on these building blocks, some analytical estimation methods are discussed in detail as examples, which are very suitable for practical implementation and offer a good compromise between computing effort and performance. Useful applications of these estimation methods are also discussed. Both known methods and the results of current research are presented. 

Anmerkungen

As a theoretical foundation lecture, "Stochastic Information Processing" is an ideal introduction to the ISAS lectures. Conversely, prior knowledge of "Localization of Mobile Agents" (LMA) [course no. 24613] may nevertheless be helpful depending on the type of learner - more concrete applications are highlighted there. In all of our lectures, the content is always derived and explained in detail from the beginning; it is therefore possible to start with SI or LMA.

Arbeitsaufwand

[1.5 h lecture + 1.5 h exercise (3 SWS)] x 15
+ [4.5 h follow-up lecture + 3.5 h preparation exercise] x 15
+ 15 h exam preparation
= 180 h ≙ 6 ECTS

Empfehlungen

Knowledge of the basics of probability theory is helpful.

Modul: Stochastische Optimierung [M-WIWI-103289]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: Ergänzungsfach / Operations Research
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
12
Kennung Name Turnus LP Dozierende
Wahlpflichtangebot (Wahl: zwischen 1 und 2 Bestandteilen)
T-WIWI-106546 Einführung in die Stochastische Optimierung SS 4,5 Rebennack
T-WIWI-106548 Fortgeschrittene Stochastische Optimierung Unregelm. 4,5 Rebennack
T-WIWI-106549 Large-scale Optimierung SS 4,5 Rebennack
Ergänzungsangebot (Wahl: höchstens 1 Bestandteil)
T-WIWI-102723 Graph Theory and Advanced Location Models Unregelm. 4,5 Nickel
T-WIWI-115386 Gemischt-ganzzahlige Optimierung SS 4,5 Stein
T-WIWI-102720 Gemischt-ganzzahlige Optimierung II Unregelm. 4,5 Stein
T-WIWI-111247 Mathematische Grundlagen hochdimensionaler Statistik Unregelm. 4,5 Grothe
T-WIWI-115501 Multikriterielle Optimierung WS 4,5 Stein
T-WIWI-103124 Multivariate Verfahren Unregelm. 4,5 Grothe
T-WIWI-102715 Operations Research in Supply Chain Management Unregelm. 4,5 Nickel
T-WIWI-106545 Optimierungsansätze unter Unsicherheit WS 4,5 Rebennack
T-WIWI-112109 Topics in Stochastic Optimization WS 4,5 Rebennack
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach § 4(2), 1 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderungen an Leistungspunkten erfüllt ist.

Die Erfolgskontrolle wird bei jeder Lehrveranstaltung beschrieben.

Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten.

Voraussetzungen

Mindestens eine der Teilleistungen "Fortgeschrittene Stochastische Optimierung", "Large-scale Optimierung", oder "Einführung in die stochastische Optimierung" ist Pflicht. 

Qualifikationsziele

Der/die Studierende

Inhalt

Der Schwerpunkt des Moduls liegt auf der Modellierung sowie das Vermitteln von theoretischen Grundlagen und Lösungsverfahren für Optimierungsprobleme mit spezielle Struktur, welche zum Beispiel bei der stochastischen Optimierung auftreten.

Anmerkungen

Die Lehrveranstaltungen werden zum Teil unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://sop.ior.kit.edu/28.php nachgelesen werden.

Arbeitsaufwand

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Credits). Die Aufteilung erfolgt nach den Leistungspunkten der Lehrveranstaltungen des Moduls. Die Gesamtstundenzahl je Lehrveranstaltung ergibt sich dabei aus dem Aufwand für den Besuch der Vorlesungen und Übungen, sowie den Prüfungszeiten und dem zeitlichen Aufwand, der zur Erreichung der Lernziele des Moduls für einen durchschnittlichen Studenten für eine durchschnittliche Leistung erforderlich ist.

Empfehlungen

Es wird empfohlen, die Vorlesung "Einführung in die Stochastische Optimierung" zu hören, bevor die Vorlesung "Fortgeschrittene Stochastische Optimierung" besucht wird.

Modul: Stochastische Simulation [M-MATH-106053]

Verantwortung:
Prof. Dr. Sebastian Krumscheid
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-112242 Stochastische Simulation WS 5 Krumscheid
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 Minuten).

Voraussetzungen

Keine

Qualifikationsziele

After successfully taking part in the module's classes and the exam, students will be acquainted with sampling-based computational tools used to analyze systems with uncertainty arising in engineering,
physics, chemistry, and economics. Specifically, by the end of this course, students will be able to analyze the convergence of sampling algorithms and implement the discussed sampling methods for different
stochastic processes as computer codes. Understanding the advantages and disadvantages of different sampling-based methods, the students can, in particular, choose appropriate stochastic simulation
techniques and propose efficient sampling methods for a specific stochastic problem. In particular, they can name and discuss essential theoretical concepts, and understand the structure of the sampling-based computational methods. Finally, the course prepares students to write a thesis in the field of Uncertainty Quantification.

Inhalt

The course covers mathematical concepts and computational tools used to analyze systems with uncertainty arising across various application domains. First, we will address stochastic modelling strategies to represent uncertainty in such systems. Then we will discuss sampling-based methods to assess uncertain system outputs via stochastic simulation techniques. The focus of this course will be on
the theoretical foundations of the discussed techniques, as well as their methodological realization as efficient computational tools. Topics covered include:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 150 Stunden

Präsenzzeit: 60 Stunden

Selbststudium: 90 Stunden

Empfehlungen

Die Inhalte der Module 'M-MATH-101321 - Einführung in die Stochastik' und 'M-MATH-103214 – Numerische Mathematik 1+2' werden empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+2 SWS)

Modul: Student Innovation Lab [M-ETIT-105073]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Prof. Dr. Werner Nahm
Prof. Dr.-Ing. Eric Sax
Prof. Dr. Wilhelm Stork
Prof. Dr. Orestis Terzidis
Prof. Dr.-Ing. Thomas Zwick
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 04.09.2019)
Leistungspunkte
15 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-110291 Innovation Lab WS+SS 9 Hohmann, Nahm, Sax, Stork, Zwick
T-WIWI-102864 Entrepreneurship WS+SS 3 Terzidis
T-WIWI-110166 SIL Entrepreneurship Projekt WS 3 Terzidis
Erfolgskontrolle(n)

This module consists of an 60-minute written exam on the contents of the Entrepreneurship lectures, as well as 5 other types of exams on the contents of the seminar Entrepreneurship and Innovation Lab in the form of term papers and presentations. All exams results are graded. Details are given in the module components and will be given during the course.

Voraussetzungen

none

Qualifikationsziele

Personal competence

Social competence

Innovation and entrepreneurship competence

Systemic technical competence

Inhalt

This module strives to combine technical, social and personal competences from the technical and entrepreneurial domain. The objective is to prepare students as best as possible for entrepreneurial activity within or outside of an established organization. Our teaching methods are research-based with a practical orientation.

 

The lecture Entrepreneurship as the essential component offers the theoretical basis and provides insight in important theoretical concepts and empirical evidence. Currently released case studies and practical experiences of successful founders support the theoretical and empirical content. In order to run a company for the long term additional knowledge is important. That’s why the lecture also teaches basic principles for opportunity recognition, business modeling, an introduction to entrepreneurial marketing and leadership. Customer-based design methods from the lean startup approach as well as methods of technology-centered innovation are presented. Future founders have to be able to develop and handle resources such as financial and human capital, infrastructure and intellectual property. Further aspects tackle the establishment of an organization and funding of the own project. 

The knowledge taught in the lecture Entrepreneurship will be applied in an application-oriented seminar and the labs. Hence we use an action learning approach to extend the taught knowledge by practical skills and reflection capabilities. In an team of five, the students will experience their way from the ideation process to the final pitch in front of investors.

The students are able to choose between the following options concerning the labs:

The module also presents methods of agile system development (Scrum) along with associated validation methods as well as methods for functional prototyping. Gate plans are used within the module to determine the progress of the project. Methods for single person work and teamwork are presented and applied. Additionally group-specific knowledge of the different roles of team members, solutions to conflict situations and interdisciplinary teams are presented.

Zusammensetzung der Modulnote

The module grade consists of the written exam of the Lecture Entrepreneurship (40%), of the submissions and presentation of the Innovation Lab (40%) and of the submissions and presentation of the SIL Entrepreneurship Project (20%).

Anmerkungen

An application is required to participate in this module. Information about the application: www.kit-student-innovation-lab.de.

Arbeitsaufwand

Lecture Entrepreneurship: 32h attendance time, 48h preparation and follow-up time, 10h preparation time for assessment

Seminar Entrepreneurship: 34h attendance time, 3h preparation and follow-up time, 53h preparation time for assessment.

Innovation Lab: 8h attendance time, 213h preparation and follow-up time, 49h preparation time for assessment.

This results in a total of 450 hours and a total of 15 LPs for both semesters (15*30/2 = 225).

Empfehlungen

It is recommended to attend the lecture Entrepreneurship at the same time as the seminar Entrepreneurship Project and the Innovation Lab in the winter semester.

Lehr- und Lernformen

Related courses:

Lecture Entrepreneurship
Seminar Entrepreneurship Project
Innovation Labs
Please note that the courses must be booked in parallel.

Related exams:

Written exams covering the content of lecture Entrepreneurship
Presentation of the Value Profile (seminar Entrepreneurship)
Submission of the Business Plan (seminar Entrepreneurship)
Submission of a Technical Report with requirements list and system architecture (Innovation Lab)
Submission of the reflection of the Gate Plans (Innovation Lab)
Presentation of the High-fidelity (Innovation Lab)

Modul: System-on-Chip Lab [M-ETIT-107763]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-115155 System-on-Chip Lab WS 6 Becker, Peric
Erfolgskontrolle(n)

Success control takes place in the form of other types of examination. The examination consists of:

The overall impression is rated.

Voraussetzungen

none

Qualifikationsziele

Students can reproduce basic knowledge of digital and analog circuit design and hardware-related software programming. In practice, students are able to apply these methods in the following areas using a current system-on-chip architecture:

In addition, they can apply the hardware / software code design approach and can evaluate implementation targets based on the given requirements (FPGA and ASIC).

Inhalt

In the System-on-Chip Laboratory, a complete mixed-signal hardware architecture for audio playback based on a System-on-Chip (SoC) is developed. 

The system design includes the creation of necessary sub-components, their integration into an overall system, and the simulation and verification of the individual components and the overall system. A prototype is implemented and tested on an FPGA basis. The integration is then prepared for a possible ASIC production. Analog circuits are also considered and designed to build an audio amplifier.

Zusammensetzung der Modulnote

The module grade results from the combination of the processing of the exercise sheets, the evaluations during the lab and a final presentation including discussion of the results developed in the project. Details will be given during the lecture.

Arbeitsaufwand

1. Presence time in laboratory appointments: 15 * 4 = 60 hours    

2. Preparation / post-processing: 7 * 6 = 42 hours    

3. Project preparation: 3 * 10 = 30 hours    

4. Preparation of the final presentation: 30 hours

5. Preparation for the oral exam: 18 hours

Total: 180 h

Empfehlungen

Modul: Systems and Software Engineering [M-ETIT-100537]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100675 Systems and Software Engineering WS 6 Sax
Erfolgskontrolle(n)

Written exam of 90 minutes.

Students are given the opportunity to earn a grade bonus through separate task assignments. If the grade of the written exam is between 4.0 and 1.3, the bonus improves the grade by a maximum of one grade level (0.3 or 0.4). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. Bonus points do not expire and remain valid for exams taken at a later date.



Voraussetzungen

none

Qualifikationsziele

Students are able to analyse and explain the functional principles and applications of embedded systems.

• Students are able to evaluate and apply maturity models as well as Software Development Life Cycle models including the waterfall model, V-model, prototyping model, agile models, and DevOps.

• Students are able to apply various creativity techniques to develop innovative solutions to problems. They will be able to derive and analyse requirements.

• Students are familiar with diagram formats software modelling languages; they can evaluate and create these based on problem descriptions of an application area. They will be able to create and evaluate functional, data-oriented, algorithmic, state-oriented, and object-oriented views.

• Students are able to understand and apply various aspects of the realization of embedded systems. They will be able to consider implementation alternatives: hardware, co-design and scheduling aspects.

• Students are familiar with the various testing phases in a project and can explain them. They can assess the reliability of a system and understand the concept of functional safety.

Inhalt

The focus of the course is on processes and methods for the design of systems composed of electrical, electronic and electronically programmable systems that contain software, hardware and mechanical components. The desired competencies of the course include the knowledge and goal-oriented use of modeling techniques, design processes, description and representation tools as well as specification languages that correspond to the current state of the art.

Zusammensetzung der Modulnote

The grade is determined by the written exam and the bonus points.

Arbeitsaufwand

In total: 180h

Empfehlungen

Knowledge in Digital Technology and Information and Automation Technology (e.g. module M-ETIT-102102 and M-ETIT-106336)

Modul: Systems Engineering for Automotive Electronics [M-ETIT-100462]

Verantwortung:
Prof. Dr.-Ing. Jürgen Bortolazzi
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100677 Systems Engineering for Automotive Electronics SS 4 Bortolazzi
Erfolgskontrolle(n)

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Prüfung findet ohne Hilfsmittel statt.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden kennen den systematischen Entwicklungsprozess von elektrischen und elektronischen Systemen und Architekturen im Umfeld der Fahrzeugtechnik sowie der Automobilindustrie. Sie sind in der Lage die systematische Entwicklung unterstützenden Werkzeuge anzuwenden sowie Elektrik- und Elektronikarchitekturen modellbasiert zu beschreiben. Sie können in den Domänen funktionale und physikalische Modellierung Systeme analysieren und beurteilen.

Inhalt

Die Vorlesung vermittelt Kenntnisse bezüglich Methoden, Techniken und Vorgehensweisen die in den Phasen der Entwicklung von elektrischen und elektronischen Systemen für Fahrzeuge zum Einsatz kommen.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen bzw. mündlichen Prüfung. Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Anmerkungen

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Vorlesung wird im Haupttermin schriftlich geprüft, für den Nacholtermin kann die Prüfung auch mündlich erfolgen.

Die Prüfung findet ohne Hilfsmittel statt.

Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesung und Übung: 60 h

2. Vor-/Nachbereitung derselbigen: 30 h

3. Klausurvorbereitung: 30 h

Empfehlungen

Empfohlen wird der Besuch der Vorlesung SE (23611)

Modul: Systemsoftware für Echtzeitsysteme [M-INFO-107877]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Wahlbereich Informatik (EV zwischen 01.10.2026 und 31.03.2027)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Einmalig
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115294 Systemsoftware für Echtzeitsysteme Einmalig 6 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende, die das Modul erfolgreich abgeschlossen haben:

Inhalt

Videobearbeitung in Echtzeit, Echtzeitstrategiespiele, echtzeitfähig - der Begriff Echtzeit ist einer der am meisten strapazierten Begriffe der Informatik und wird in den verschiedensten Zusammenhängen verwendet.

Diese Vorlesung beschäftigt sich mit dem Begriff Echtzeit aus der Sicht von Betriebssystemen:
Was versteht man unter dem Begriff Echtzeit im Betriebssystemumfeld, wo und warum setzt man Echtzeitbetriebssysteme ein und was zeichnet solche Echtzeitbetriebssysteme aus?
In dieser Vorlesung geht es darum, die oben genannten Fragen zu beantworten, indem die grundlegenden Techniken und Mechanismen vermittelt werden, die man im Betriebssystemumfeld verwendet, um Echtzeitsysteme und Echtzeitbetriebssysteme zu realisieren.
Im Rahmen dieser Vorlesung werden unter anderem folgende Themen behandelt:

- statische und dynamische Laufzeitanalyse
- zeitgesteuerte und ereignisgesteuerte Systeme
- statische und dynamische Ablaufplanungsverfahren
- Behandlung periodischer und nicht-periodischer Ereignisse
- Synchronisation in Echtzeitbetriebssystemen

In den begleitenden praktischen Übungen (Praktika) werden die in der Vorlesung vorgestellten Techniken praktisch umgesetzt.

Anmerkungen

Das Modul wird einmalig im WS 26/27 angeboten.

Arbeitsaufwand

15 Wochen × 2 SWS Vorlesung  = 30 Stunden Vorlesung
15 Wochen × 2 SWS Tafelübung = 30 Stunden Tafelübung
15 Wochen × 2 SWS Praktikum  = 30 Stunden Praktikum
=> 90 Stunden Präsenzzeit
90 Stunden Präsenzzeit + 60 Stunden Selbststudium + 30 Stunden Prüfungsvorbereitung = 180 Stunden.

Empfehlungen

Für eine erfolgreiche Teilnahme an der Veranstaltung sind grundlegende Programmierkenntnisse in C/C++ dringend empfohlen.
Diese können durch den Besuch entsprechender Grundlagenveranstaltungen (Betriebssysteme, T-INFO-101969) oder im Eigenstudium erworben worden sein.
Eine formale Voraussetzung besteht in diesem Zusammenhang nicht.

Literatur

Modul: Teilchenphysik I [M-PHYS-102114]

Verantwortung:
Prof. Dr. Torben Ferber
Prof. Dr. Markus Klute
Prof. Dr. Günter Quast
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Experimentalphysik (Wahlpflichtblock 9 LP)
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-102369 Teilchenphysik I WS 9 Ferber, Klute, Quast, Rabbertz
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden können Elementarteilchen klassifizieren und mithilfe von Symmetrien, Feynman-Diagrammen und Lagrangedichten qualitativ Wechsel­wirkungen zwischen Elementar­teilchen analysieren. Durch die Kombination dieser Kenntnisse mit Wissen über den Nachweis von Elementarteilchen können die Studierenden die Funktionsweise moderner Teilchenphysikdetektoren diskutieren. Die Studierenden werden befähigt, aktuelle Daten und Abbildungen aus der wissenschaftlichen Literatur zur Teilchenphysik zu interpretieren und den aktuellen Stand der Forschung sowie wichtige „offene Fragen“ darzustellen. Die Studierenden können Techniken der statistischen Datenanalyse und Monte-Carlo-Simulation auf einfache Probleme der Teilchenphysik anwenden und eine grundlegende Charakterisierung von Silizium-Spurdetektoren im Labor durchführen.

Inhalt

Vorlesung:

Praktische Übungen:

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

ca. 240 Stunden bestehend aus Präsenzzeiten (60 Stunden), Nachbereitung der Vorlesung inkl. Prüfungsvorbereitung und Vorbereitung der Übungen (180 Stunden)

Empfehlungen

Grundkenntnisse der experimentellen Teilchenphysik aus der Vorlesung Moderne Experimentalphysik III im Bachelorstudiengang Physik.

Literatur

M. Thomson: Modern Particle Physics, Cambridge University Press (2013). D. Griffith: Introduction to Elementary Particles, Wiley (2008). A. Bettini: Introduction to Elementary Particle Physics, Cambridge University Press (2008). C. Berger: Elementarteilchenphysik, Springer (2006).

Weitere Literaturhinweise werden in der Vorlesung gegeben.

Modul: Telematics [M-INFO-107243]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV zwischen 01.04.2025 und 31.03.2027)
Vertiefungsfach 2 / Telematik (EV zwischen 01.04.2025 und 31.03.2027)
Wahlbereich Informatik (EV zwischen 01.04.2025 und 31.03.2027)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114269 Telematics WS 6 Zitterbart
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

Students

Students master the basic protocol mechanisms for establishing reliable end-to-end communication. Students have detailed knowledge of the mechanisms used in TCP for congestion and flow control and can discuss the issue of fairness with multiple parallel transport streams. Students can analytically determine the performance of transport protocols and know methods that fulfill special requirements of TCP, such as high data rates and short latencies. Students are familiar with current topics such as problems introduced by utilization of middle boxes in the Internet, the use of TCP in data centers and multipath TCP. Students can use transport protocols in practice.

Students know the functions of routers in the Internet and can reproduce and apply common routing algorithms. Students can reproduce the architecture of a router and know different approaches to buffer placement as well as their advantages and disadvantages.

Students understand the distinction of routing protocols into interior and exterior gateway protocols and have detailed knowledge of the functionality and properties of common protocols such as RIP, OSPF and BGP. The students are familiar with current topics such as SDN.

Students know the function of media allocation and can classify and analytically evaluate media allocation processes. Students have in-depth knowledge of Ethernet and are familiar with various Ethernet forms and their differences, especially current developments such as real-time Ethernet and data center Ethernet. Students can reproduce and apply the spanning tree protocol.
Students can reproduce the technical characteristics of DSL. Students are familiar with the concept of label switching and can compare existing approaches such as MPLS.

Inhalt

Anmerkungen

Offered for the last time in WS 26/27!!!!!

Arbeitsaufwand

Lecture with 3 SWS plus follow-up/exam preparation, 6 CP.

6 CP corresponds to approx. 180 working hours, of which

approx. 60 hours lecture attendance

approx. 60 hours preparation/follow-up work

approx. 60 hours exam preparation

Modul: Test eingebetteter Systeme im industriellen Umfeld [M-ETIT-100546]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
1
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100811 Test eingebetteter Systeme im industriellen Umfeld WS 4 Sax
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (ca. 25 Minuten).

Voraussetzungen

keine

Qualifikationsziele

Die Studenten können nach Abschluss des Moduls die gelehrten Testmethoden gruppieren und benennen. Weiterhin sind die Studenten in der Lage, aufbauend auf den theoretischen Grundlagen für konkrete Anwendung eine Auswahl geeigneter Testmethodiken auszuwählen und in verschiedenen Szenarien zu testen. Hierzu können die Studenten die demonstrierten State-of-the-Art Technologien einsetzen und haben einen Einblick in aktuelle Werkzeuge. Die praxisnahen Inhalte der Vorlesung können von den Studenten in anderem Kontext, z.B. in der Standard-Software-Entwicklung, erfolgreich eingesetzt werden.

Inhalt

Die Vorlesung vermittelt Kenntnisse bezüglich Methoden, Technologien und Vorgehensweisen, die beim Test von Software für eingebettete Systeme zum Einsatz kommen. In der angeschlossenen praktischen Übung werden Übungsaufgaben bearbeitet und aktuelle Testwerkzeuge eingesetzt.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

1. Präsenzzeit in Vorlesungen + Übung: 60h

2. Vor-/Nachbereitung von Übung und Vorlesung = 35h

3. Prüfungsvorbereitung und Präsenz in selbiger  = 20h

Empfehlungen

Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.

Modul: Testing Digital Systems I [M-INFO-100851]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101388 Testing Digital Systems I Unregelm. 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The course provides the basic techniques for testing digital circuits

Inhalt

Testing of digital circuits plays a critical role during the design and manufacturing cycles. It also ensures the quality of parts shipped to the customers. Test generation and design for testability are integral parts of automated design flow of all electronics products. The objective of this course is to provide the foundations for developing test methods for digital systems and provides the techniques necessary to practice design for testability.

This course encompasses the theoretical and practical aspects of digital systems testing and the design of easily testable circuits. Topics include Introduction to Testing (testing definition, types of test, automatic test equipment, test economics, and quality models), Failures and Errors (definitions, failure modes, failure mechanisms, reliability defects), Faults (fault models, stuck-at faults, bridging faults, timing faults, transistor-level faults, functional-level faults, effectiveness of different fault models based on real data), Logic and Fault Simulation (fault equivalence and fault collapsing, true-value simulation, fault simulation algorithms, statistical methods), Test Generation for Combinational Circuits (algebraic methods, path-tracing (D-alg, PODEM, FAN), testability metrics, test file compression), Digital Design-For-Testability and Internal Scan Design (ad-hoc methods, scan architectures, scan-based test methodology).

Arbeitsaufwand

2 SWS: (2 SWS + 1,5 x 2 SWS) x 15 + 15 h preparation for the exam = 90 h = 3 ECTS

Modul: Testing Digital Systems II [M-INFO-102962]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Vertiefungsfach 2 / Entwurf eingebetteter Systeme und Rechnerarchitektur
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-105936 Testing Digital Systems II Unregelm. 3 Tahoori
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

The objective of this course is to provide more advanced topics on testing of digital systems and complement the foundation covered in Testing Digital Systems I.

Inhalt

Testing of digital circuits plays a critical role during the design and manufacturing cycles. It also ensures the quality of parts shipped to the customers. Test generation and design for testability are integral parts of automated design flow of all electronic products. The objective of this course is to provide more advanced topics on testing of digital systems and complement the foundation covered in Testing Digital Systems I.
Topics include Functional and Structural Testing (design verification vectors, exhaustive test, pseudo-exhaustive test, pseudo-random testing), Essentials of Test Generation for Sequential Circuits (state-machine initialization, time-frame expansion method), Built-in Self Test (test economics of BIST, test pattern generation, output response analysis, BIST architectures), Boundry Scan (Boundry scan architectures, BS test methodology), Delay Testing (path delay test, hazard-free, robust, and non-robust delay tests), transition faults, delay test schemes), Current-Based Testing (motivation, test vectors for IDDQ, variations of IDDQ), Memory Test (memory test algorithm, memory BIST, memory repair), and DFT for System-on-Chip.

Arbeitsaufwand

2 SWS: (2 SWS + 1.5 x 2 SWS) x 15 + 15 h exam preparation = 90 h = 3 ECTS

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Modul: Text Indexing [M-INFO-107202]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2025)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114226 Text-Indexing WS 4 Sanders
T-INFO-114227 Text-Indexing Project/Experiment WS 1 Sanders
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students acquire a systematic understanding of algorithmic issues and solution approaches in the area of text indexing, building on existing knowledge in the subject area of algorithms. They will also be able to
apply learned techniques to related problems and interpret and comprehend current research topics in the area of text indexing.

Upon successful completion of the course, students will be able to:
• explain terms, structures, basic problem definitions, and algorithms from the lecture;
• select which algorithms and data structures are suitable for solving a problem and, if necessary, adapt them to the requirements of a specific problem;
• use algorithms and data structures, analyze them mathematically, and prove the algorithmic properties.

Inhalt

In this lecture we deal with algorithms and data structures for texts, especially text indices. Text indices are data structures that provide additional information about a text in order to accelerate queries regarding this text. These can be simple pattern matching queries ("Does a pattern occur in the text?") or more complex data mining queries ("Which pattern of a certain length occurs most often in the text?").

Furthermore, we deal with text compression. Here, we want to represent a text as space-efficiently as possible. However, we have to make sure that the original text can be reconstructed completely. Here, we speak of lossless compression. In the lecture, we will learn about techniques that are used in compression programs such as gzip.

Anmerkungen

 

Arbeitsaufwand

The lectures including the project/experiment with 5 ECTS corresponds to 150 working hours, which are divided approximately as follows:
• ca. 30 hours attending lectures
• ca. 60 hours preparing and following-up lectures
• ca. 30 hours working on the project/experiment
• ca. 30 hours preparing for the examination

Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Modul: Theoretical Optics [M-PHYS-102277]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: Ergänzungsfach / Theoretische Physik (Wahlblock)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-PHYS-104578 Theoretische Optik SS 6 Rockstuhl
Erfolgskontrolle(n)

Mündliche Prüfung. Im Rahmen des Schwerpunktfachs des MSc Physik wird das Modul zusammen mit weiteren belegten Modulen geprüft. Die Dauer der mündlichen Prüfung beträgt insgesamt ca. 60 Minuten.

Voraussetzungen

keine

Qualifikationsziele

The students deepen their knowledge about the theory and the mathematical tools in optics and photonics. They learn how to apply these tools to describe fundamental phenomena and how to predict observable quantities that reflect the actual physics from the theory by way of a corresponding purposeful mathematical analyses. They learn how to solve problems of both, interpretative and predictive nature with regards to model systems and real life situations.

Inhalt

Anmerkungen

Für Studierende der KIT-Fakultät für Informatik gilt: Die Prüfungen in diesem Modul sind über Zulassungen vom ISS (KIT-Fakultät für Informatik) anzumelden. Dafür reicht eine E-Mail mit Matrikeln. und Name der gewünschten Prüfung an Beratung-informatik@informatik.kit.edu aus.

Arbeitsaufwand

180 hours composed of active time (45 hours), wrap-up of the lecture incl. preparation of the examination (135 hours)

Empfehlungen

Solid mathematical background, good knowledge of classical electromagnetism and basic knowledge of quantum mechanics.

Literatur

Modul: Theoretische Grundlagen der Kryptographie [M-INFO-105584]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2020)
Wahlbereich Informatik (EV ab 01.10.2020)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-111199 Theoretische Grundlagen der Kryptographie WS 6 Müller-Quade
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Der/die Studierende
- kann die grundlegende Begriffe der Kryptographie motivieren, erklären, ihre Unterschiede aufzeigen, und sie untereinander in Beziehung setzen.
- ist in der Lage, Sicherheitsmodelle und -ziele zu vergleichen und zu bewerten.
- kennt und versteht Definitionen und Konstruktionen, und deren Zusammenhänge und Abhängigkeiten. Beispielweise Eigenschaften wie „einweg“, „kollisionsresistent“, „pseudo-zufällig“, „IND-CPA“, „IND-CCA“, „EUF-CMA“, etc., und Kandidaten, Konstruktionen, und Verfahren mit solchen Eigenschaften.
- versteht elementare Beweistechniken (wie z.B. Reduktionen und Hybridargumente) und kann diese anwenden
- kann Sicherheitsbeweise nachvollziehen, prüfen und erklären.
- kann einfache neue Verfahren konstruieren, bewerten, und mögliche Angriffe finden.
- kann (einfache) sichere Verfahren mit den gelernten Techniken als sicher beweisen.

Inhalt

Die Vorlesung behandelt die theoretischen Grundlagen der Kryptographie, mit Fokus auf nicht-interaktiven Grundlagen. Die Vorlesung besteht aus drei großen Teilen.
1. Komplexitätstheoretische Aspekte
2. Secret-Key Kryptographie
3. Public-Key Kryptographie

Die üblichen Inhalte umfassen:
- Asymptotische Sicherheit, Einwegfunktionen, Pseudozufall und Ununterscheidbarkeit
- Secret-Key Kryptographie (Verschlüsselung, Sicherheitsbegriffe wie IND-CPA, IND-CCA, Authentizität, und authentifizierte Verschlüsselung)
- Public-Key Verschlüsselung (Sicherheitsbegriffe in dieser Situation, insbesondere CCA-Sicherheit)
- Signaturen (Definition und grundlegende Konstruktionen.)
- Ausblicke auf weiterführende Themen (beispielsweise als Teil der Übungen)

Zur Vorlesung findet eine ergänzende Übung statt, die Stoff rekapituliert, vertieft, und in neuem Kontext anwendet.

Die konkreten Inhalte von Vorlesung und Übung variieren, je nach Wahl des Schwerpunktes. Sie dient als Grundlage für weiterführende Vorlesungen und Seminare, beispielsweise zu kryptographischen Protokollen (interaktive Kryptographie) und fortgeschrittene nicht-interaktive Kryptographie.

Arbeitsaufwand

Präsenzzeit in der Vorlesung: 48 h


Vor-/Nachbereitung derselbigen: 52 h


Prüfungsvorbereitung und Präsenz in selbiger: 80 h

Modul: Theoretische Philosophie I [M-GEISTSOZ-104509]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach)
Voraussetzung für: T-GEISTSOZ-109225 - Modulprüfung Theoretische Philosophie II
Leistungspunkte
11 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-101176 Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) 3 Betz
T-GEISTSOZ-101177 Theoretische Philosophie 1.2 WS+SS 3 Betz
T-GEISTSOZ-101178 Theoretische Philosophie 1.3 WS+SS 3 Betz
T-GEISTSOZ-109224 Modulprüfung Theoretische Philosophie I WS+SS 2 Betz
Erfolgskontrolle(n)

Das Bestehen der Studienleistungen sowie der Modulprüfung.

Voraussetzungen

keine

Qualifikationsziele

Die Studierenden sind imstande, Grundprobleme der theoretischen Philosophie zu benennen, verschiedene Lösungsansätze wiederzugeben, kritisch zu hinterfragen, ihren historischen Kontext zu bestimmen und sie im Hinblick auf ihre systematischen Implikationen zu beurteilen.

Inhalt

Die Studierenden erwerben umfangreiche Kenntnisse moderner und aktueller Positionen der theoretischen Philosophie, insbesondere der Philosophie der Wissenschaften. Exemplarisch werden dafür zentrale Themen und Problemstellungen der theoretischen Philosophie eingeführt, wie zum Beispiel Probleme der Erkenntnis, der Rechtfertigung und Begründung; Fragen der Entwicklung, des Geltungsanspruchs und der kulturell-gesellschaftlichen Rolle der Wissenschaften; Probleme der Bedeutung, der Wahrheit und Objektivität; Fragen der Logik und Argumentation; das Leib-Seele-Problem und Fragen des Seins.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung.

Arbeitsaufwand

Insgesamt 330 h: Präsenz in den Veranstaltungen ca. 90 h, Vor- und Nachbereitung einschließlich selbstständiger Lektüre empfohlener Fachliteratur 80 h, Vorbereitung der Referate bzw. Hausaufgaben 60 h, Hausarbeit ca. 100 h.

Empfehlungen

Weil die Modulprüfung u.U. Voraussetzung für nachfolgende Module ist, wird dringend empfohlen, die Hausarbeit bis zum Ende des zweiten Semesters des Moduls abgegeben zu haben.

Modul: Theoretische Philosophie II [M-GEISTSOZ-104510]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: Ergänzungsfach / Philosophie (Wahlpflichtfach) (EV ab 01.10.2025)
Leistungspunkte
12 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-GEISTSOZ-101199 Theoretische Philosophie 2.1 WS+SS 3 Betz
T-GEISTSOZ-101200 Theoretische Philosophie 2.2 WS+SS 3 Betz
T-GEISTSOZ-101201 Theoretische Philosophie 2.3 WS+SS 3 Betz
T-GEISTSOZ-109225 Modulprüfung Theoretische Philosophie II WS+SS 3 Betz
Erfolgskontrolle(n)

Alle Studienleistungen und Modulprüfung

Voraussetzungen

Das Modul "Theoretische Philosophie I" muss für die Anmeldung zur Modulprüfung bestanden sein.

Qualifikationsziele

Die Studierenden können selbstständig abgegrenzte Probleme der theoretischen Philosophie darstellen, analysieren, Positionen gegeneinander abwägen und deren Triftigkeit beurteilen.

Inhalt

Exemplarisch werden zentrale Themen und Problemstellungen der theoretischen Philosophie, insbesondere der Philosophie der Wissenschaften, vertieft und detailliert analysiert, wie zum Beispiel Probleme der Erkenntnis, der Rechtfertigung und Begründung; Fragen der Entwicklung, des Geltungsanspruchs und der kulturell-gesellschaftlichen Rolle der Wissenschaften; Probleme der Bedeutung, der Wahrheit und Objektivität; Fragen der Logik und Argumentation; das Leib-Seele-Problem und Fragen des Seins. Diese Analysen berücksichtigen die drei Dimensionen der historischen Entwicklung in exemplarischer Darstellung, der systematischen Rekonstruktion sowie der fachlichen wie fachübergreifenden Reflexion.

Zusammensetzung der Modulnote

Die Modulnote ist die Note der Modulprüfung.

Arbeitsaufwand

Präsenz in Veranstaltungen: 90 h, Vor- und Nachbereitung der Sitzungen sowie Lektüre empfohlener Literatur: 90 h, Studienleistungen: 90 h, Vorbereitung auf Modulprüfung: 90 h

Empfehlungen

Es wird empfohlen, die im dritten Studienjahr zu besuchenden Hauptseminare möglichst gleichmäßig über Winter- und Sommersemester zu verteilen.

Modul: Theory of Satisfiability Algorithms [M-INFO-107639]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen (EV ab 01.04.2026)
Vertiefungsfach 1 / Algorithmentechnik (EV ab 01.04.2026)
Vertiefungsfach 2 / Theoretische Grundlagen (EV ab 01.04.2026)
Vertiefungsfach 2 / Algorithmentechnik (EV ab 01.04.2026)
Wahlbereich Informatik (EV ab 01.04.2026)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114982 Theory of Satisfiability Algorithms Unregelm. 4 Künnemann-Goos
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students know the foundations of the rigorous theoretical analysis of algorithms for the Satisfiability problem and its many variants. They have an overview over the state of the art of worst-case time upper bounds. They understand further theoretical aspects such as combinatorial properties, hardness conjectures, etc. and are able to derive implications for the (sub)exponential-time solvability of related problems.

Inhalt

The Satisfiability (SAT) problem for Boolean formulas is fundamental for computer science, due to a variety of applications (cf. the practical success of SAT solvers) as well as its central role for the theory of computation. This course focuses on theoretical aspects of the problem, which includes topics among:

- exponential-time algorithms with provable worst-case guarantees (e.g., for k-SAT, CNF-SAT and further variants)
- tractable special cases of the problem
- classification of constraint satisfaction problems
- combinatorial insights (e.g., the algorithmic Lovasz Local Lemma)
- the sparsification lemma and its limits
- generalizations: MaxSAT, #SAT, Quantified SAT
- hardness hypotheses and their implications: ETH, SETH, NSETH, MASETH, Formula-SETH
- isolation lemma

Arbeitsaufwand

4 CP correspond to approx. 120 h of work, estimated as follows:
- ca. 30 h attendance in lectures
- ca. 60 h follow-up on lectures, solving exercises, independent review
- ca. 30 h preparation for exam

Empfehlungen

See Partial Achievements (Teilleistung).

Modul: Tools für Probabilistisches Machine Learning [M-INFO-106870]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2024)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2024)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2024)
Wahlbereich Informatik (EV ab 01.10.2024)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
3
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-113763 Tools für Probabilistisches Machine Learning WS 6 Frisch, Hanebeck
T-INFO-113764 Tools für Probabilistisches Machine Learning - Übungsschein WS 0 Frisch, Hanebeck
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Teilnehmerinnen und Teilnehmer dieses Kurses haben einen breiten Überblick über Werkzeuge der probabilistischen Parameter- und Zustandsschätzung mittels Machine Learning und können diese zur Lösung verschiedenster Probleme kreativ miteinander verketten.

Inhalt

Das Modul soll den Studenten die theoretischen und praktischen Aspekte des probabilistischen Machine Learning vermitteln. Eine breite Auswahl an Werkzeugen aus der Schätztheorie wird so präsentiert, dass jeweils sowohl ein formal-akademisches als auch anschaulich-intuitives Verständnis des grundlegenden Prinzips entsteht. Des Weiteren soll die Funktionalität der aktuellen Implementierungen in den einschlägigen Bibliotheken überblickt werden. Im Fokus steht die Befähigung zur Problemlösung vielfältiger Aufgaben durch bausteinartige Verknüpfung einzelner numerischer und theoretischer Tools zu einer formal korrekten und numerisch berechenbaren Verarbeitungspipeline. Dabei wird jeweils auch die Zuverlässigkeit und Glaubwürdigkeit der Ergebnisse beleuchtet. All das wird von einer rein digitalen Übung mit Rechen- und Programmieraufgaben unterstützt.
Vorgestellte numerische Werkzeuge sind Interpolation, Regression (linear and spline, kernel method, Gaussian process, neural network), Differenzierung (finite differences, automatic differentiation), Nullstellen finden (bisection, Newton-Raphson, secant method), nichtlineare Optimierung (steepest descent, Newton, BFGS, Levenberg-Marquardt, KKT), Sampling (independent random, MCMC, deterministic, control variates, low-discrepancy), Kubatur (Monte Carlo, quasi-Monte Carlo) und gewöhnliche Differentialgleichungen (Euler, Runge-Kutta).
Vorgestellte theoretische Werkzeuge sind Least Squares, Maximum- Likelihood, fehlertolerante Schätzung, Bayessche Inferenz, Expectation Maximization, Message Passing.
Die praktischen Problemstellungen, die mit diesen Werkzeugen gelöst werden können, beinhalten Dichteschätzung, Klassifikation, Navigation (RSS, GNSS), Lokalisierung (radar, bearings-only, TDOA multilateration), allgemeine Zustandsschätzung (KF, EKF, UKF, PF), Regelung (NMPC). Ein wichtiger Aspekt ist jeweils auch die Aufteilung der Probleme in lineare und nichtlineare Teile mit effizienter separater Bearbeitung.

Arbeitsaufwand

Pro Woche:
2 SWS Präsenzzeit
2h Nachbereitung
6h Digitale Übung mit Programmieraufgaben 2h Klausurvorbereitung
= 12h/Woche und 180h/Semester

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Modul: Type Systems and Program Analysis [M-INFO-107664]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Theoretische Grundlagen
Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau
Vertiefungsfach 2 / Theoretische Grundlagen
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau
Wahlbereich Informatik
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115016 Type Systems and Program Analysis Unregelm. 6 Erdweg
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

- Students can understand, design, and implement static type systems.
- Students can validate the soundness of static type systems.
- Students know the foundations of abstract interpretation. 
- Students can understand, design, and implement data-flow analyses.
- Students can assess analyses based on their soundness, recall, and precision.

Inhalt

Static type systems and program analyses predict the behavior of programs through source-code analysis, but without executing the program. They are fundamental for isolating ill-defined program behavior (e.g., from type errors), but can also find bugs or also can provide guarantees (e.g., memory safety). Topics covered in this course include the design, definition, formalization, and application of type systems and static program analyses, including type inference, dependent typing, control flow, data flow, abstract interpretation, soundness, and precision.

Arbeitsaufwand

1. Attendance time 4 h x 15 weeks = 60 h
2. Self-study 7 h x 15 weeks = 105 h
3. Preparation for the exam 15 h

Empfehlungen

Knowledge of programming semantics is helpful but not required.
Knowledge of logic inference systems is helpful but not required. 

Modul: Ubiquitous Computing [M-INFO-107161]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Telematik (EV ab 01.04.2025)
Vertiefungsfach 2 / Telematik (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114188 Ubiquitous Computing WS 5 Beigl
Erfolgskontrolle(n)

See partial achievements (Teilleistung) 

Voraussetzungen

See partial achievements (Teilleistung) 

Qualifikationsziele

The aim of the lecture is to impart knowledge of the fundamentals and advanced methods and techniques of ubiquitous computing. After completing the lecture, students will be able to
reproduce and discuss what they have learnt about existing ubiquitous computing systems.
evaluate the general knowledge of ubiquitous systems and transfer statements and laws to special cases.
evaluate and assess different methods for design processes and user studies and select suitable methods for the development of new solutions.
invent, plan, design and evaluate new ubiquitous systems for use in everyday or industrial process environments and assess the costs and technical implications.

Inhalt

The lecture provides an overview of the history and teaches the concepts, theories and methods of ubiquitous information technology (ubiquitous computing). Based on the appliance concept, students then design their own appliances in the exercise, plan the construction and then develop them. The necessary technical and methodological basics such as hardware for ubiquitous systems, software for ubiquitous systems, principles of context recognition for ubiquitous systems, networking of ubiquitous systems and design of ubiquitous systems and in particular information appliances are discussed. Methods of design and testing for human-machine interaction and human-machine interfaces developed in ubiquitous computing are explained in detail. There is also an introduction to the economic aspects of a ubiquitous system.


In the practical part of the lecture, the understanding of ubiquitous systems is deepened through practical application of the knowledge base of the lecture. The students design and develop their own appliance and test it. The aim is to have gone through the steps towards a prototypical and possibly marketable appliance.

Arbeitsaufwand

The total workload for this course unit is approximately 150 hours (5.0 credits).

Activity Workload:
- Attendance time: Attendance of the lecture
15 x 90 min; 22 h 30 min
- Attendance time: Attendance of the exercise
15 x 45 min; 11 h 15 min
- Preparation / follow-up of the lecture and exercise
15 x 90 min; 22 h 30 min
- Developing a self-developed concept for an information appliance
33 h 45 min
- Go through set of slides 2x
2 x 12 h; 24 h 00 min
- Prepare exam
36 h 00 min

TOTAL
150 h 00 min

Modul: User Studies in Human-Robot Interaction [M-INFO-107834]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.10.2026)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.10.2026)
Wahlbereich Informatik (EV ab 01.10.2026)
Leistungspunkte
6 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-115244 User Studies in Human-Robot Interaction WS 6 Bruno, Neef, Norman
Erfolgskontrolle(n)

See Partial Achievements (Teilleistung).

Voraussetzungen

See Partial Achievements (Teilleistung).

Qualifikationsziele

Students acquire methodological competencies for independently designing, conducting, and critically evaluating empirical user studies in Human-Robot Interaction (HRI). The focus is on robots interacting with people in social and interactive contexts (e.g., as assistants, companions, tutors, coaches, or collaborative partners).

Students develop the ability to formulate research questions based on existing HRI literature and to select appropriate empirical methods for answering them. This includes quantitative, qualitative, and mixed-methods approaches. Students gain familiarity with central constructs commonly investigated in HRI, such as engagement, trust, acceptance, social presence, and interaction quality.

Particular emphasis is placed on informed methodological decision-making. Students are trained to consider the technical, contextual, and ethical constraints that often arise in HRI studies, especially when robots are evaluated with human participants in realistic or semi-realistic settings. The module draws on perspectives from computer science, engineering, psychology, and the social sciences. Students are able to address both the technical preparation of an interaction scenario and the human-centered evaluation of the resulting interaction.

Through hands-on project work, students gain practical experience in planning and conducting an HRI user study. This includes the development of interaction scenarios, preparation of study materials, participant recruitment, data collection and analysis, and reflection on methodological trade-offs, such as experimental control versus ecological validity. Students also develop the ability to communicate empirical findings and their limitations in written and oral research-oriented formats.

Inhalt

The module focuses on empirical research methods for studying how people interact with robots. It covers the systematic design, execution, analysis, and critical reflection of HRI user studies.


Topics include the formulation of research questions; experimental, quasi-experimental, and exploratory study designs; Wizard-of-Oz methodologies (i.e., robots partly or fully controlled by a human during a study); qualitative and quantitative data collection techniques; mixed-methods approaches; data analysis strategies; and ethical considerations in HRI research. Ethical aspects include informed consent, responsible handling of participant data, and the consideration of participant comfort and safety during human-robot interaction.


Students work in small groups to plan, pilot, and conduct their own HRI user study projects. Depending on the project, this may include interaction design and scripting, study protocols, participant recruitment, data logging, observation, and questionnaire as well as interview-based data collection, and the analysis of behavioral, observational, and self-report data.
Empirical results are interpreted in relation to methodological limitations, contextual factors, and study assumptions. Students critically reflect on the strengths and weaknesses of different study designs and motivate their methodological choices. Group discussions and peer feedback support exchange between student groups and encourage critical engagement with different research approaches.


The module prepares students for independent research projects, Master’s theses, and empirical work in academic or industrial HRI contexts.


The module is designed as a methodological complement to and continuation of the lecture “HRI and Social Robotics”. While the lecture provides a broad introduction to theories, technologies, and interaction capabilities of social robots, "User Studies in Human-Robot Interaction" focuses on the empirical study of human-robot interaction. The two modules are independent but mutually reinforcing.

Anmerkungen

Attendance is mandatory, as active participation in discussions, group work, and presentations is required.

Arbeitsaufwand

Course workload:

1)     Attendance of interactive course/exercise sessions: 45h (15 x 180 min) 
2)     Self-study of course material and work on homework assignments: 45h (≈3h/week)
3)     Project work (study design, data collection, analysis, reporting): 90 h

Total Load = 180 h

Empfehlungen

Participation in the lecture “HRI and Social Robotics” or similar introductory courses is recommended but not required. Familiarization with the lecture content is recommended if the course has not been attended.

Modul: Verkehrswesen für Informatik - Vertiefung [M-BGU-106811]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: Ergänzungsfach / Verkehrswesen (EV ab 01.10.2024)
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Semester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Wahlinformationen

Es ist eine der Lehrveranstaltungen mit der dazugehörenden Erfolgskontrolle auszuwählen.  Auf Antrag an den Prüfungsausschuss können bis zu drei Lehrveranstaltungen mit den dazugehörenden Erfolgskontrollen gewählt werden.

Bei Wahl "Verkehrsmanagement und Telematik" muss die "Übungsaufgabe Verkehrsdatenauswertung" als Vorleistung gewählt werden.

Kennung Name Turnus LP Dozierende
Wahlpflicht (Wahl: 3 LP)
T-BGU-113971 Übungsaufgabe Verkehrsdatenauswertung SS 0 Vortisch
T-BGU-101799 Verkehrsmanagement und Telematik WS+SS 3 Vortisch
T-BGU-100010 Empirische Daten im Verkehrswesen WS+SS 3 Kagerbauer
T-BGU-106611 Güterverkehr WS+SS 3 Szimba, Vortisch
T-BGU-106301 Fern- und Luftverkehr WS+SS 3 Vortisch
T-BGU-100014 Seminar Verkehrswesen WS+SS 3 Kagerbauer, Vortisch
T-BGU-112552 Seminar Modellierung und Simulation im Verkehrswesen WS 3 Kagerbauer, Vortisch
T-BGU-106608 Informationsmanagement für öffentliche Mobilitätsangebote WS 3 Vortisch
Erfolgskontrolle(n)

je nach gewählter Lehrveranstaltung:

- Teilleistung T-BGU-113971 mit einer unbenoteten Studienleistung nach § 4 Abs. 3 als Prüfungsvorleistung zur Teilleistung T-BGU-101799
- Teilleistung T-BGU-101799 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
- Teilleistung T-BGU-100010 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2
- Teilleistung T-BGU-106611 mit einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1
- Teilleistung T-BGU-106301 mit einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1
- Teilleistung T-BGU-100014 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3
- Teilleistung T-BGU-112552 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3
- Teilleistung T-BGU-106608 mit einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3

Einzelheiten zu den Erfolgskontrollen siehe bei der jeweiligen Teilleistung.

Voraussetzungen

keine

Qualifikationsziele

Der/die Studierende besitzt vertieftes Wissen und kann die wesentliche Werkzeuge anwenden, um in Kombination mit dem grundlegenden Methodenwissen als Informatiker, je nach gewählter ”Vertiefung”,

tätig sein.

Inhalt

Dieses Modul bietet einen vertiefenden Einblick im Verkehrsbereich. Durch die Wahl der Veranstaltung(en) wird die Spezialisierung gewählt - mehr in Richtung Verkehrsplanung oder eher in Richtung Verkehrstechnik und/oder Verkehrssimulation. Dieses Modul richtet sich an diejenigen Studierenden, die einen Schwerpunkt im Verkehrsbereich legen wollen. Interesse für Verkehrsplanung und den Verkehrssektor wird vorausgesetzt.

Zusammensetzung der Modulnote

Modulnote ist Note der Prüfung;

bei genehmigter Wahl von mehr als einer Teilleistung:
Modulnote ist nach Leistungspunkten gewichteter Durchschnitt aus Noten der Teilprüfungen

Anmerkungen

Lehrveranstaltungen mit zugehörender Prüfung aus folgender Auswahl:

Ab dem Sommersemester 2025 wird die Übungsaufgabe Verkehrsdatenauswertung als Prüfungsvorleistung zu Verkehrsmanagement und -Telematik eingeführt.

Arbeitsaufwand

Präsenzzeit (1 SWS = 1 Std. x 15 Wo.), je nach gewählter Lehrveranstaltung bzw. Prüfung:

Selbststudium, je nach gewählter Lehrveranstaltung bzw. Prüfung:

Summe: 90 - 270 Std.

Empfehlungen

Belegung des Moduls Verkehrswesen für Informatik I (M-BGU-102963)

Modul: Verkehrswesen für Informatik I [M-BGU-102963]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: Ergänzungsfach / Verkehrswesen
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
2 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-BGU-105938 Verkehrswesen für Informatik I WS+SS 9 Vortisch
Erfolgskontrolle(n)

Teilleistung T-BGU-105938 mit einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2

Einzelheiten zur Erfolgskontrolle siehe bei der Teilleistung.

Voraussetzungen

Modul darf nicht zusammen mit dem Modul M-BGU-102964 Verkehrswesen für Informatik II [bauiEX311] belegt werden.

Qualifikationsziele

Der/die Studierende

Inhalt

Das Fach Verkehrswesen befasst sich mit Fragen des Verkehrssektors, die von gesamtgesellschaftlich begründeten Planungskonzepten bis hin zu technischen Problemen des Verkehrs reichen. Die Lehre ist interdisziplinär angelegt und reicht von den methodischen Grundlagen (analytischen Ansätzen) bis hin zu komplexen Simulationen. Dieses Modul richtet sich an diejenigen Studierenden, die einen vertiefenden Einblick in den Verkehrsbereich erhalten möchten. Interesse für Verkehrsplanung und den Verkehrssektor wird vorausgesetzt.

Zusammensetzung der Modulnote

Modulnote ist Note der Prüfung in der Teilleistung "T-BGU-105938 Verkehrswesen für Informatik I".

Anmerkungen

Keine

Arbeitsaufwand
Präsenzzeit (1 SWS = 1 Std. x 15 Wo.):

Selbststudium:

Summe: 270 Std.

Empfehlungen

Keine

Modul: Verteilte ereignisdiskrete Systeme [M-ETIT-100361]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: Ergänzungsfach / Elektro- und Informationstechnik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
2
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-ETIT-100960 Verteilte ereignisdiskrete Systeme SS 4 Heizmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Qualifikationsziele

Inhalt

Das Modul behandelt die Grundlagen zur Beschreibung und Analyse ereignisdiskreter Systeme. Der Inhalt der Vorlesung setzt sich aus folgenden Themengebieten zusammen: 

Zusammensetzung der Modulnote

Die Modulnote ist die Note der schriftlichen Prüfung.

Arbeitsaufwand
  1. Präsenzzeit in Vorlesungen und Übungen: 45h
  2. Vor-/Nachbereitung der Vorlesungen und Übungen: 40h
  3. Klausurvorbereitung und Präsenz in selbiger: 35h

Gesamt 120 h

Empfehlungen

Kenntnis zu Wahrscheinlichkeiten und Messtechnik (z.B. aus dem Bachelor-Modul „Mess- und Regelungstechnik“) sowie zur Systemtheorie (z.B. aus dem Bachelor-Modul „Signale und Systeme“) sind hilfreich.

Lehr- und Lernformen

Im Modul werden eine Vorlesung und eine Übung angeboten.

Modul: Virtuelle Systeme [M-INFO-100867]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Kryptographie und Sicherheit (EV ab 01.10.2022)
Vertiefungsfach 2 / Kryptographie und Sicherheit (EV ab 01.10.2022)
Wahlbereich Informatik
Leistungspunkte
3 LP
Notenskala
Zehntelnoten
Turnus
Jedes Wintersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101612 Virtuelle Systeme WS 3 Bellosa
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Studierende bewerten einflussreiche wissenschaftliche Veröffentlichungen aus dem Bereich der Virtuellen Systeme und beurteilen deren Qualität nach den Kriterien Relevanz, Neuigkeit, Design, Evaluation und Darstellung.

Studierende diskutieren in moderierter Runde ihre Gutachten.

Inhalt

Alle Gebiete der virtuellen Systeme werden berücksichtigt wie Virtuelle Maschinen, Emulation und Interpretation, Simulation, Aufzeichnung und Wiedergabe.

Anmerkungen

Findet im WS 26/27 nicht statt.

Arbeitsaufwand
30 h = 2 SWS * 15 Präsenz

45 h Nachbereitung

15 h Prüfungsvorbereitung

90 h = 3 ECTS

Empfehlungen

Siehe Teilleistung.

Modul: Visualisierung [M-INFO-100738]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Computergrafik und Geometrieverarbeitung
Vertiefungsfach 2 / Computergrafik und Geometrieverarbeitung
Wahlbereich Informatik
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch/Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101275 Visualisierung SS 5 Dachsbacher
Erfolgskontrolle(n)

Siehe Teilleistung.

Voraussetzungen

Siehe Teilleistung.

Qualifikationsziele

Die Studierenden lernen in dieser Vorlesung wichtige Algorithmen und Verfahren der Visualisierung kennen und können diese unterschiedlichen Anwendungsfeldern zuordnen, sie analsieren und bewerten. Die erworbenen Kenntnisse sind in vielen Bereichen der Forschung in der Computergrafik, und der (Medizin-/Bio-/Ingenieurs-)Informatik wertvoll. Die Studierenden können für ein gestelltes Problem geeignete Visualisierungstechniken auswählen und selbst implementieren.

Inhalt

Die Visualisierung beschäftigt sich mit der visuellen Repräsentation von Daten aus wissenschaftlichen Experimenten, Simulationen, medizinischen Scannern, Datenbanken etc., mit dem Ziel ein größeres Verständnis oder eine einfachere Repräsentation komplexer Vorgänge zu erhalten. Hierzu werden u.a. Methoden aus der interaktiven Computergrafik herangezogen und neue Methoden entwickelt. Diese Vorlesung behandelt die sogenannte Visualisierungspipeline, spezielle Algorithmen und Datenstrukturen und zeigt praktische Anwendungen.

Themen dieser Vorlesung sind u.a.:

Arbeitsaufwand

Präsenzzeit                   = 60h

Vor-/Nachbereitung        = 70h

Klausurvorbereitung       = 20h   

Empfehlungen

Siehe Teilleistung.

Modul: Vorhersagen: Theorie und Praxis [M-MATH-102956]

Verantwortung:
Prof. Dr. Tilmann Gneiting
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
9 LP
Notenskala
Zehntelnoten
Turnus
Unregelmäßig
Dauer
2 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105928 Vorhersagen: Theorie und Praxis 9 Gneiting
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten.

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Anmerkungen

Arbeitsaufwand

Gesamter Arbeitsaufwand: 240 Stunden

Präsenzzeit: 90 Stunden

Selbststudium: 150 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (4+2 SWS)

Literatur

Gneiting, T, Katzfuss, M (2014). Probabilistic forecasting. Annual Review of Statistics and Its Application, 1, 125-151. 

Weiterführende Literatur wird im Kurs empfohlen. 

Modul: Wearable Robotic Technologies [M-INFO-107113]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 1 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Vertiefungsfach 2 / Robotik und Automation (EV ab 01.04.2025)
Vertiefungsfach 2 / Anthropomatik und Kognitive Systeme (EV ab 01.04.2025)
Wahlbereich Informatik (EV ab 01.04.2025)
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-114145 Wearable Robotic Technologies SS 4 Asfour, Beigl
Erfolgskontrolle(n)

See partial achievements (Teilleistung)

Voraussetzungen

See partial achievements (Teilleistung)

Qualifikationsziele

Students can explain the fundamentals, motivation, and applications of wearable robotic technologies including exoskeletons, orthoses, and prostheses. They have comprehensive knowledge of human anatomy, biomechanics, and the neuromuscular system relevant to wearable robot design.
 
Students understand the core components and challenges associated with the design of wearable robotic technologies, including mechanisms, actuation technologies, sensing approaches, and wearable computing concepts. They can analyze design requirements and challenges including kinematic compatibility and human-robot interfaces for wearable robots.
 
Students can explain control strategies for prosthetic and exoskeleton systems, understand both physical and cognitive aspects of human-robot interaction, and comprehend concepts such as body schema and symbiotic human-machine interaction in wearable systems.

Inhalt

The lecture provides a comprehensive introduction to wearable robotic technologies. It covers human anatomy and biomechanics as foundations for wearable robot design. Joint biomechanics, locomotion and gait analysis, the neuromuscular system, and models of the human body are discussed to understand how wearable robots can be designed and controlled.
 
Design principles and mechanisms of wearable robots are addressed. Actuation technologies are covered in depth: requirements analysis based on human motion and user needs, compliant actuation approaches (serial elastic, parallel elastic, variable stiffness actuation), and strategies for increasing efficiency such as energy harvesting, multi-articulation, and underactuation.
 
The lecture covers wearable computing principles such as body signals and phenomena, design principles for body-worn systems, attachment considerations based on body maps for heat tolerance, weight distribution, and flexibility, and fabric design with textile-embedded electronics.
 
Exoskeleton systems are presented, covering application areas, design challenges such as redundancy, kinematic compatibility, and misalignments, various types of exoskeletons, and the general design process. Prosthetic systems cover types of hand and lower limb prostheses, hand synergies for control, and mechanical interfaces through socket design.
 
Human-robot interaction addresses both physical and cognitive interfaces. Control strategies are presented for prosthetic systems (semi-autonomous grasping) and exoskeleton systems (hierarchical control, assistance evaluation). The concept of body schema from both neuroscience and robotics perspectives is discussed, emphasizing symbiotic human-machine interaction in tightly coupled wearable systems. State-of-the-art examples across various application domains illustrate current research and developments.

Arbeitsaufwand

Lecture with 2 SWS, 4 ECTS.
4 ECTS corresponds to ca. 120 hours, thereof
ca. 15 * 2h = 30h attendance in the lecture
ca. 15 * 3h = 45h preparation and follow-up of the lecture
ca. 45h preparation for the exam and exam itself 

Modul: Web-Anwendungen und Serviceorientierte Architekturen (II) [M-INFO-100734]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: Vertiefungsfach 1 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2024)
Vertiefungsfach 1 / Telematik
Vertiefungsfach 2 / Softwaretechnik und Übersetzerbau (EV ab 01.04.2024)
Vertiefungsfach 2 / Telematik
Wahlbereich Informatik
Leistungspunkte
4 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Deutsch
Level
4
Version
1
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-INFO-101271 Web-Anwendungen und Serviceorientierte Architekturen (II) SS 4 Abeck
Erfolgskontrolle(n)

Siehe Teilleistung

Voraussetzungen

Siehe Teilleistung

Qualifikationsziele

Inhalt

Es werden die aktuellen Entwicklungs- und Architekturkonzepte (u.a. Domain-Driven Design, Behavior-Driven Development, Microservices, RESTful Webservices) sowie die zu deren Umsetzung bestehenden Standards und Technologien (u.a. HTML5, CSS3, JavaScript/TypeScript, Angular, Bootstrap, Java, Spring) behandelt, um fortgeschrittene, mobile Web-Anwendungen zu entwickeln. Als Entwicklungsmethode wird Scrum eingeführt, durch das ein Rahmenwerk für die agile Softwareentwicklung bereitgestellt wird. Die IT-Sicherheit wird als ein wesentlicher Aspekt der Web-Entwicklung betrachtet. Die vorgestellten Web-Anwendungen stammen aus verschiedenen Domänen (Connected-Car, Campus-Management, Projektorganisation). Da die in der Vorlesung vorgestellten Konzepte und Technologien nur im Zusammenhang mit deren praktische Anwendung verstanden werden können, wird die Vorlesung nur in Kombination mit einem parallel dazu angebotenen Praktikum angeboten.

Arbeitsaufwand

120h
Präsenzzeit Vorlesung 22,5 (15 x 1,5)
Vor- und Nachbereitung Vorlesung: 60 (15 x 4)
Vorbereitung Prüfung: 37,5

Empfehlungen

Siehe Teilleistung

Modul: Zeitreihenanalyse [M-MATH-102911]

Verantwortung:
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: Ergänzungsfach / Mathematik für Daten-Intensives Rechnen
Leistungspunkte
5 LP
Notenskala
Zehntelnoten
Turnus
Jedes Sommersemester
Dauer
1 Semester
Sprache
Englisch
Level
4
Version
3
Kennung Name Turnus LP Dozierende
Pflichtbestandteile
T-MATH-105874 Zeitreihenanalyse 5 Ebner, Fasen-Hartmann, Gneiting, Klar, Trabs
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 20 min).

Voraussetzungen

Keine

Qualifikationsziele

Absolventinnen und Absolventen

Inhalt

Die Vorlesung behandelt die grundlegenden Begriffe der klassischen Zeitreihenanalyse:

Zusammensetzung der Modulnote

Die Modulnote ist die Note der mündlichen Prüfung.

Arbeitsaufwand

Gesamter Arbeitsaufwand: 120 Stunden

Präsenzzeit: 45 Stunden

Selbststudium: 75 Stunden

Empfehlungen

Die Inhalte des Moduls "Wahrscheinlichkeitstheorie" werden dringend empfohlen. Das Modul "Statistik" wird empfohlen.

Lehr- und Lernformen

Vorlesung + Übung (2+1 SWS)

Teilleistungen

Teilleistung: Practical Course: Decentralized Learning Lab [T-INFO-115246]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107836 - Practical Course: Decentralized Learning Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400102 Practical Course: Decentralized Learning Lab 1 SWS Praktikum (P) / 🗣 Hartenstein, Hemken
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  The following partial aspects are included in the grading: Presentation (duration approx. 20 min.) and a corresponding report. The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once. 

Voraussetzungen

None.

Empfehlungen

Basic knowledge of Machine Learning and Decentralized Systems is helpful.

Teilleistung: Access Control Systems: Models and Technology [T-INFO-112775]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106303 - Access Control Systems: Models and Technology
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400147 Access Control Systems: Models and Technology 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Hemken
Prüfungsveranstaltungen
SS 2026 7500176 Access Control Systems: Models and Technology Hartenstein
WS 26/27 7500087 Access Control Systems: Models and Technology Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 Nr. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO) whether the examination takes place
•    in the form of an oral examination lasting 30 minutes pursuant to § 4 Abs. 2 Nr. 2 SPO or
•    in the form of a written examination lasting 60 minutes in accordance with § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106061 - Access Control Systems: Foundations and Practice darf nicht begonnen worden sein.
Empfehlungen

Basics according to the lectures "Information Security" and "IT Security Management for Networked Systems" are recommended.

Teilleistung: Advanced Bayesian Data Analysis [T-INFO-113673]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106812 - Advanced Bayesian Data Analysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400120 Advanced Bayesian Data Analysis 3 SWS Vorlesung / Übung (VÜ) / 🗣 Klein
Prüfungsveranstaltungen
SS 2026 7500233 Nachklausur Advanced Bayesian Data Analysis Klein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Empfehlungen

-    Knowledge in R or Python
-    Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Teilleistung: Advanced Communications Engineering [T-ETIT-113676]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106815 - Advanced Communications Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2310540 Advanced Communications Engineering 3 SWS Vorlesung (V) / 🗣 Jäkel
WS 26/27 2310541 Exercises for 2310540 Advanced Communications Engineering 1 SWS Übung (Ü) / 🗣 Jäkel
Prüfungsveranstaltungen
SS 2026 7300038 Advanced Communications Engineering Jäkel
WS 26/27 7310552 Advanced Communications Engineering Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment takes place in the form of a written examination lasting 120 min.

The module grade is the grade of the written exam.

Voraussetzungen

none

Teilleistung: Advanced Competitive Programming [T-INFO-115279]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107863 - Advanced Competitive Programming
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400145 Advanced Competitive Programming 2 SWS Vorlesung (V) / 🗣 Künnemann-Goos, Bläsius
Prüfungsveranstaltungen
WS 26/27 7500317 Advanced Competitive Programming Künnemann-Goos, Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  The grade will be determined by the performance in solving programming assignments in the form of homework contests, live contests and a final exam contest. The grading scale will be announced in the course. Students may redraw from the examination until the second live contest. 

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111399 - Fortgeschrittenes Algorithmisches Programmieren darf nicht begonnen worden sein.
Empfehlungen

The course assumes basic knowledge of algorithms and data structures (e.g., lectures Algorithms 1 and 2) and coding in C++.
 
We strongly recommend successful participation in “Basispraktikum zum ICPC Programmierwettbewerb”, a similar course or basic experience with competitive programming contests.

Teilleistung: Advanced Corporate Finance [T-WIWI-113469]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2530214 Advanced Corporate Finance 2 SWS Vorlesung (V) / 🗣 Ruckes
Prüfungsveranstaltungen
SS 2026 7900317 Advanced Corporate Finance Ruckes
SS 2026 7900337 Advanced Corporate Finance (intern) Ruckes
WS 26/27 7900058 Advanced Corporate Finance Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Teilleistung: Advanced Data Structures [T-INFO-114223]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107200 - Advanced Data Structures
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400164 Advanced Data Structures 3 SWS Vorlesung (V) / 🗣 Sanders, Hermann, Walzer, Groot Koerkamp
Prüfungsveranstaltungen
SS 2026 7500155 Advanced Data Structures Sanders
WS 26/27 7500538 Advanced Data Structures Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105687 - Fortgeschrittene Datenstrukturen darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114224 - Advanced Data Structures Project/Experiment muss begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Teilleistung: Advanced Data Structures Project/Experiment [T-INFO-114224]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107200 - Advanced Data Structures
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400164 Advanced Data Structures 3 SWS Vorlesung (V) / 🗣 Sanders, Hermann, Walzer, Groot Koerkamp
Prüfungsveranstaltungen
SS 2026 7500135 Advanced Data Structures Project/Experiment Sanders
WS 26/27 7500216 Advanced Data Structures Project/Experiment Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in the form of an an examination of another type (§ 4 Abs. 2 No. 3 SPO) in form of a project/experiment.

An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111849 - Fortgeschrittene Datenstrukturen Projekt/Experiment darf nicht begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Teilleistung: Advanced Game Theory [T-WIWI-102861]

Verantwortung:
Prof. Dr. Karl-Martin Ehrhart
Prof. Dr. Clemens Puppe
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2500037 Advanced Game Theory 2 SWS Vorlesung (V) / 🗣 Puppe, Ammann
WS 26/27 2500038 Übung zu Advanced Game Theory 1 SWS Übung (Ü) / 🗣 Puppe, Ammann
WS 26/27 2521533 Advanced Game Theory 2 SWS Vorlesung (V) / 🗣 Reiß, Puppe
WS 26/27 2521534 Übung zu Advanced Game Theory 1 SWS Übung (Ü) / 🗣 Reiß, Puppe
Prüfungsveranstaltungen
SS 2026 7900001 Advanced Game Theory Reiß
SS 2026 7900126 Advanced Game Theory Puppe
WS 26/27 7900013 Advanced Game Theory Puppe
WS 26/27 7900027 Advanced Game Theory
WS 26/27 7910020 Advanced Game Theory Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen, dass Studierende über Grundkenntnisse in Mathematik und Statistik verfügen. 

Teilleistung: Advanced Machine Learning and Data Science [T-WIWI-111305]

Verantwortung:
Prof. Dr. Maxim Ulrich
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-105659 - Advanced Machine Learning and Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
5
Lehrveranstaltungen
SS 2026 2500016 Advanced Machine Learning and Data Science 4 SWS Projekt (PRO) / 🧩 Ulrich
WS 26/27 2500063 Advanced Machine Learning and Data Science 4 SWS Projekt (PRO) / 🧩 Ulrich
Prüfungsveranstaltungen
SS 2026 7900378 Advanced Machine Learning and Data Science Ulrich
WS 26/27 7900378 Advanced Machine Learning and Data Science Ulrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer einzelnen Prüfungsleistung anderer Art. Sie umfasst die Zwischenpräsentationen während des Projekts, die Qualität der Implementierung, die schriftliche Abschlussarbeit sowie die Endpräsentation. Alle Bestandteile werden zu einer Gesamtbewertung zusammengefasst, deren Note den Gesamteindruck der kombinierten Leistung widerspiegelt.

Anmerkungen

The course is aimed at students majoring in data science and/or machine learning. It offers students the opportunity to gain practical knowledge of new developments in the fields of data science and machine learning.

Kick-off Meeting for Winter Term 2025/26: 
We will introduce project topics designed for students of computer science, engineering, and mathematics. The meeting will provide an overview of the course structure, project topics, and expectations for the semester.

After the meeting (within 48 hours): Please submit your Priority A and Priority B topic preferences via the form within 48 hours after the kick-off.

If you need more information, please visit https://risk.fbv.kit.edu/2307.php. 

Arbeitsaufwand
270 Std.

Teilleistung: Advanced Numerical Weather Prediction [T-PHYS-111429]

Verantwortung:
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2026 4052051 Advanced Numerical Weather Prediction 2 SWS Vorlesung (V) / 🗣 Knippertz
SS 2026 4052052 Exercises to Advanced Numerical Weather Prediction 1 SWS Übung (Ü) / 🗣 Oertel, Knippertz
Prüfungsveranstaltungen
SS 2026 7800017 Advanced Numerical Weather Prediction (Prerequisite) Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students must achieve 50% of the points on the exercise sheets.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Advanced Quantitative Finance [T-WIWI-114979]

Verantwortung:
Prof. Dr. Julian Thimme
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 26/27 2530602 Advanced Empirical Asset Pricing 2 SWS Vorlesung (V) / 🧩 Thimme
Prüfungsveranstaltungen
SS 2026 7900386 Advanced Quantitative Finance Thimme
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art. Die Note setzt sich wie folgt zusammen:

  1. Schriftliche Ausarbeitung (Gewichtung: 33 %).
  2. Bearbeitung und Präsentation von Datenanalyseproblemen in Kleingruppen (Gewichtung: 67 %).
Anmerkungen

Neue Lehrveranstaltung ab Sommersemester 2026

Arbeitsaufwand
135 Std.

Teilleistung: Advanced Topics in Economic Theory [T-WIWI-102609]

Verantwortung:
Prof. Dr. Johannes Brumm
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2520527 Advanced Topics in Economic Theory 2 SWS Vorlesung (V) / 🗣 Mitusch, Brumm
SS 2026 2520528 Übung zu Advanced Topics in Economic Theory 1 SWS Übung (Ü) / 🗣 Pegorari, Corbo, Mitusch, Brumm
Prüfungsveranstaltungen
SS 2026 00227 Advanced Topics in Economic Theory Mitusch, Brumm
SS 2026 7900329 Advanced Topics in Economic Theory Mitusch, Brumm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Erfolgskontrolle erfolgt an zwei Terminen am Ende der Vorlesungszeit bzw. zu Beginn des Folgesemesters.

Voraussetzungen

Keine

Empfehlungen

This course is designed for advanced Master students with a strong interest in economic theory and mathematical models. Bachelor students who would like to participate are free to do so, but should be aware that the level is much more advanced than in other courses of their curriculum.

Teilleistung: Algebra [T-MATH-102253]

Verantwortung:
PD Dr. Stefan Kühnlein
Prof. Dr. Roman Sauer
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101315 - Algebra
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 26/27 0102200 Algebra 4 SWS Vorlesung (V) / 🗣 Kühnlein
WS 26/27 0102210 Übungen zu 0102200 (Algebra) 2 SWS Übung (Ü) / 🗣 Kühnlein
Prüfungsveranstaltungen
SS 2026 7700079 Algebra Kühnlein
SS 2026 7700144 Algebra (WH) Kühnlein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung (ca. 30 min).

Voraussetzungen

keine

Teilleistung: Algebraische Geometrie [T-MATH-103340]

Verantwortung:
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101724 - Algebraische Geometrie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2026 0152000 Algebraische Geometrie 4 SWS Vorlesung (V) Herrlich
SS 2026 0152010 Übungen zu 0152000 (Algebraische Geometrie) 2 SWS Übung (Ü) Herrlich
WS 26/27 0102400 Algebraische Geometrie 4 SWS Vorlesung (V) Herrlich
Voraussetzungen

keine

Teilleistung: Algebraische Zahlentheorie [T-MATH-103346]

Verantwortung:
Prof. Dr. Frank Herrlich
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101725 - Algebraische Zahlentheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Version
1
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 min.).

Voraussetzungen

keine

Arbeitsaufwand
240 Std.

Teilleistung: Algorithm Engineering [T-INFO-101332]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100795 - Algorithm Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Lehrveranstaltungen
SS 2026 2400022 Algorithm Engineering 3 SWS Vorlesung (V) / 🗣 Sanders, Hermann
WS 26/27 2400021 Nicht im WS 26/27! Algorithm Engineering Vorlesung (V) / 🗣 Sanders, Seemaier
Prüfungsveranstaltungen
SS 2026 7500276 Algorithm Engineering Sanders
SS 2026 75514 Algorithm Engineering Sanders
WS 26/27 75514 Algorithm Engineering Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination lasting approximately 20 minutes (§ 4 Abs. 2 Nr. 2 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111856 - Algorithm Engineering Pass muss begonnen worden sein.

Teilleistung: Algorithm Engineering Pass [T-INFO-111856]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100795 - Algorithm Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Prüfungsveranstaltungen
SS 2026 7500339 Algorithm Engineering Pass Sanders
WS 26/27 7500187 Algorithm Engineering Pass Sanders
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 2 Abs. 2 Nr. 3).

The exercise can be evidenced by various performance records. This is determined individually during the lecture. Usually, the student prepares a seminar presentation and/or works on a practical tasks with written elaboration and evaluation (the main performance consists of the programming, documented by the source code that is to be handed in and supplemented by a short written report).

Students may redraw from the examination during the first four weeks after they have been assigned a task.

An overall grade is awarded.

Voraussetzungen

None.

Teilleistung: Algorithmen für Routenplanung [T-INFO-100002]

Verantwortung:
Moritz Laupichler
Dr. Jonas Sebastian Sauer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100031 - Algorithmen für Routenplanung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2424638 Algorithmen für Routenplanung (mit Übungen) 3 SWS Vorlesung / Übung (VÜ) / 🗣 Sauer, Laupichler
Prüfungsveranstaltungen
SS 2026 7500019 Algorithmen für Routenplanung Meyerhenke
WS 26/27 7500154 Algorithmen für Routenplanung Meyerhenke
WS 26/27 7500333 Algorithmen für Routenplanung Ueckerdt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Algorithmic Graph Theory [T-INFO-113918]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106960 - Algorithmic Graph Theory
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400028 Algorithmic Graph Theory - findet im SS 26 nicht statt 3 SWS Vorlesung / Übung (VÜ) / 🗣 Ueckerdt
Prüfungsveranstaltungen
SS 2026 7500238 Algorithmic Graph Theory Ueckerdt
WS 26/27 7500281 Algorithmic Graph Theory Ueckerdt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103588 - Algorithmische Graphentheorie darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of graph theory and algorithm technology is helpful

Teilleistung: Algorithmische Netzwerkanalyse [T-INFO-114642]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107460 - Algorithmische Netzwerkanalyse
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500394 Algorithmische Netzwerkanalyse Meyerhenke
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

T-INFO-114643 – Algorithmische Netzwerkanalyse - Übung muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114643 - Algorithmische Netzwerkanalyse - Übung muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-INFO-104759 - Algorithmische Methoden zur Netzwerkanalyse darf nicht begonnen worden sein.
Empfehlungen

Grundlegende Kenntnisse in Graphenalgorithmen, linearer Algebra und C++ werden empfohlen. 

Teilleistung: Algorithmische Netzwerkanalyse - Übung [T-INFO-114643]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107460 - Algorithmische Netzwerkanalyse
Voraussetzung für: T-INFO-114642 - Algorithmische Netzwerkanalyse
Teilleistungsart
Studienleistung schriftlich
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung, in Form eines Übungsscheins, nach § 4 Abs. 3 SPO. Informationen zur Anzahl der Punkte und Übungsblätter für das Bestehen werden am Anfang des Semesters mitgeteilt.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104759 - Algorithmische Methoden zur Netzwerkanalyse darf nicht begonnen worden sein.
Empfehlungen

Grundlegende Kenntnisse in Graphenalgorithmen, linearer Algebra und C++ werden empfohlen.

Teilleistung: Algorithms for Visualization of Graphs [T-INFO-113919]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106961 - Algorithms for Visualization of Graphs
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400155 Graph Drawing 3 SWS Vorlesung / Übung (VÜ) / 🗣 Ueckerdt
Prüfungsveranstaltungen
SS 2026 7500404 Graph Drawing Ueckerdt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104390 - Algorithmen zur Visualisierung von Graphen darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of graph theory and algorithm technology is helpful.

Teilleistung: Algorithms II [T-INFO-114225]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107201 - Algorithms II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424079 Algorithms II 4 SWS Vorlesung (V) / 🗣 Sanders, Künnemann-Goos, Stieß, Gokaj
Prüfungsveranstaltungen
SS 2026 7500080 Algorithms II - Nachklausur Künnemann-Goos
WS 26/27 7500245 Algorithms II Künnemann-Goos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102020 - Algorithmen II darf nicht begonnen worden sein.

Teilleistung: Analog Circuit Design [T-ETIT-114457]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107364 - Analog Circuit Design
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2312664 Analog Circuit Design 2 SWS Vorlesung (V) / 🧩 Peric
WS 26/27 2312666 Practical Exercise for 2312664 Analog Circuit Design 1 SWS Übung (Ü) / 🧩 Peric
Prüfungsveranstaltungen
SS 2026 7312664 Analog Circuit Design Peric
WS 26/27 7312664 Analog Circuit Design Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success control takes place in form of an oral examination (approx. 20 minutes) and a written report with the results of the exercises. Details will be given during the lecture.

Voraussetzungen

none

Teilleistung: Analysis 4 - Prüfung [T-MATH-106286]

Verantwortung:
Prof. Dr. Dorothee Frey
PD Dr. Gerd Herzog
Prof. Dr. Dirk Hundertmark
Prof. Dr. Tobias Lamm
Prof. Dr. Michael Plum
Prof. Dr. Wolfgang Reichel
Prof. Dr. Roland Schnaubelt
Dr. rer. nat. Patrick Tolksdorf
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103164 - Analysis 4
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 0163900 Analysis 4 4 SWS Vorlesung (V) Lamm
SS 2026 0164000 Übungen zu 0163900 (Analysis 4) 2 SWS Übung (Ü) Lamm
Prüfungsveranstaltungen
SS 2026 7700022 Analysis 4 - Prüfung Hundertmark, Frey, Reichel, Tolksdorf, Lamm, Schnaubelt
WS 26/27 7700022 Analysis 4 - Prüfung Lamm, Schnaubelt, Frey, Reichel, Tolksdorf
Erfolgskontrolle(n)

Schriftliche Prüfung (120 min).

Voraussetzungen

Keine

Teilleistung: Angewandte Materialflusssimulation [T-MACH-112213]

Verantwortung:
Dr.-Ing. Marion Baumann
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Fördertechnik und Logistiksysteme
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2117054 Angewandte Materialflusssimulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 Baumann
Prüfungsveranstaltungen
SS 2026 76-T-MACH-112213 Angewandte Materialflusssimulation Baumann
WS 26/27 76-T-MACH-112213 Angewandte Materialflusssimulation Baumann, Furmans
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 20 min.) in der vorlesungsfreien Zeit des Semesters nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Anmerkungen

Die Lehrveranstaltung wird in deutscher Sprache angeboten.

Arbeitsaufwand
135 Std.

Teilleistung: Applied Information Theory [T-ETIT-114412]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107333 - Applied Information Theory
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2310537 Applied Information Theory 3 SWS Vorlesung (V) / 🗣 Jäkel
WS 26/27 2310539 Exercises for 2310537 Applied Information Theory 1 SWS Übung (Ü) / 🗣 Jäkel
Prüfungsveranstaltungen
SS 2026 7310537-1 Applied Information Theory Jäkel
WS 26/27 7310537-1 Applied Information Theory Jäkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting approx. 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Teilleistung: Arbeitsrecht [T-INFO-111436]

Verantwortung:
Dr. Alexander Hoff
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 24668 Arbeitsrecht 2 SWS Vorlesung (V) / 🗣 Steg
Prüfungsveranstaltungen
SS 2026 7500082 Arbeitsrecht Sattler
WS 26/27 7500001 Arbeitsrecht Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (i.d.R. 60min Klausur) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

keine

Teilleistung: Arctic Climate System [T-PHYS-111273]

Verantwortung:
Prof. Dr. Björn-Martin Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
WS 26/27 4052101 Arctic Climate System 2 SWS Vorlesung (V) / 🧩 Sinnhuber
Prüfungsveranstaltungen
WS 26/27 7800066 Arctic Climate System (Prerequisite) Sinnhuber, Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment consists of a coursework according to §4 (3) SPO MSc Meteorology and Climate Physics in the form of a short lecture (approx. 10 minutes) on a topic relevant to the llecture . The detailled conditions will be discussed in the lecture.

Voraussetzungen

None

Anmerkungen

Serreze, M., & Barry, R. (2014). The Arctic Climate System (2nd ed., Cambridge Atmospheric and Space Science Series). Cambridge: Cambridge University Press. doi:10.1017/CBO9781139583817

Arbeitsaufwand
30 Std.

Teilleistung: Ars Rationalis I [T-GEISTSOZ-101174]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Voraussetzung für: T-GEISTSOZ-101175 - Ars Rationalis II
T-GEISTSOZ-110370 - Modulteilprüfung 1 - Ars Rationalis (Klausur)
Teilleistungsart
Studienleistung
Leistungspunkte
4 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 5012001 Ars Rationalis I 2 SWS Kurs (Ku) / 🗣 Betz
Prüfungsveranstaltungen
WS 26/27 7400153 Ars Rationalis I Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Ars Rationalis I", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind. Dabei kann es sich um kleinere, wöchentlich zu erbringende Aufgaben (z.B. Übungszettel) handeln oder auch um weniger häufig zu erbringende, umfangreichere Aufgaben (etwa Essays).

Voraussetzungen

keine

Empfehlungen

Besuch des Tutoriums

Teilleistung: Ars Rationalis II [T-GEISTSOZ-101175]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Voraussetzung für: T-GEISTSOZ-110371 - Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse)
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 5012001 Ars Rationalis II 2 SWS Kurs (Ku) / 🗣 Betz
Prüfungsveranstaltungen
SS 2026 7400085 Ars Rationalis II Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs "Ars Rationalis II", d.h. im Bestehen der Studienleistungen, die in der Veranstaltung in Form von Hausaufgaben zu erbringen sind. Dabei kann es sich um kleinere, wöchentlich zu erbringende Aufgaben (z.B. Übungszettel) handeln oder auch um weniger häufig zu erbringende, umfangreichere Aufgaben (etwa Essays).

Voraussetzungen

Die Studienleistung "Ars Rationalis I"

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101174 - Ars Rationalis I muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Besuch des Tutoriums

Teilleistung: Artificial Intelligence & IT-Security [T-INFO-113668]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106810 - Artificial Intelligence & IT-Security
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 24000 Artificial Intelligence & IT-Security 4 SWS Vorlesung / Übung (VÜ) / 🗣 Wressnegger
Prüfungsveranstaltungen
WS 26/27 7500396 Artificial Intelligence & IT-Security
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Depending on the number of participants, it will be announced six weeks before the examination performance (§ 6 Abs. 3 SPO) whether the performance review will be

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110859 - Maschinelles Lernen für die Computersicherheit darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112588 - Maschinelles Lernen für die Computersicherheit - Übung darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-111802 - Sicherheit von Maschinellem Lernen darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Artificial Intelligence in Service Systems [T-WIWI-108715]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2595650 Artificial Intelligence in Service Systems 1.5 SWS Vorlesung (V) / 🧩 Spitzer, Holstein, Satzger
WS 26/27 2595651 Übung zu Artificial Intelligence in Service Systems 1.5 SWS Übung (Ü) / 🗣 Spitzer, Holstein, Hendriks, Satzger
Prüfungsveranstaltungen
SS 2026 7900073 Artificial Intelligence in Service Systems (NK am 15.06.2026) Satzger
WS 26/27 7900065 Artificial Intelligence in Service Systems (Hauptklausur 17.03.2027) Satzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min). Die erfolgreiche Teilnahme am Übungsbetrieb ist Voraussetzung für die Zulassung zur schriftlichen Prüfung.

Voraussetzungen

Keine

Anmerkungen

Die Veranstaltung wird ab dem Wintersemester 2022/2023 in Form eines Flipped Classroom Konzeptes angeboten. Die Vorlesung wird im Voraus aufgezeichnet und zur Verfügung gestellt. Im Rahmen der Übungen werden die Inhalte der Vorlesung diskutiert und in Programmierübungen angewendet. 

Arbeitsaufwand
135 Std.

Teilleistung: Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption [T-WIWI-114209]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2595501 Artificial Intelligence in Service Systems - Generative AI Applications and Adoption 3 SWS Vorlesung (V) / 🗣 Spitzer, Holstein, Satzger
Prüfungsveranstaltungen
SS 2026 7900342 Artificial Intelligence in Service Systems II: Generative AI Applications & Adoption Satzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of an examination of another type. The following aspects are included in the assessment:

Further details on the organization of the performance and the points system for the assessment will be announced in the lecture.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-111219 - Artificial Intelligence in Service Systems - Applications in Computer Vision darf nicht begonnen worden sein.
Anmerkungen

This course is admission restricted (see https://dsi.win.kit.edu/index.php). You can apply for this course via the Wiwi-Portal. 
The course replaces T-WIWI-111219 "Artificial Intelligence in Service Systems - Applications in Computer Vision" as of summer semester 2025.

Arbeitsaufwand
135 Std.

Teilleistung: Asset Pricing [T-WIWI-102647]

Verantwortung:
Prof. Dr. Martin Ruckes
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2530555 Asset Pricing 2 SWS Vorlesung (V) / 🗣 Uhrig-Homburg, Thimme
SS 2026 2530556 Übung zu Asset Pricing 1 SWS Übung (Ü) / 🗣 Böll, Uhrig-Homburg, Thimme
Prüfungsveranstaltungen
SS 2026 7900110 Asset Pricing Uhrig-Homburg, Thimme
WS 26/27 7900056 Asset Pricing Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Die Inhalte der Bachelor-Veranstaltung Investments werden als bekannt vorausgesetzt und sind notwendig, um dem Kurs folgen zu können.

Teilleistung: Atmospheric Aerosols [T-PHYS-111418]

Verantwortung:
Dr. Ottmar Möhler
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Prüfungsveranstaltungen
WS 26/27 7800083 Atmospheric Aerosols (Prerequisite) Hoose
Erfolgskontrolle(n)

The students participating in the lecture on Atmospheric Aerosols with Exercises are expected to regularly participate in the Exercises. To pass the course, each student has to submit a solution for at least 50% of all exercises, and to present at least one solution to the tutor and the other participants.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Atmospheric Radiation [T-PHYS-111419]

Verantwortung:
PD Dr. Michael Höpfner
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052071 Atmospheric Radiation 2 SWS Vorlesung (V) / 🧩 Höpfner
Prüfungsveranstaltungen
WS 26/27 7800106 Atmospheric Radiation (Prerequisite) Hoose
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Short presentation at the end of the semester

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Atomistische Simulation und Partikeldynamik [T-MACH-113412]

Verantwortung:
Prof. Dr. Peter Gumbsch
Dr.-Ing. Johannes Schneider
Dr. Daniel Weygand
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2181740 Particle Dynamics and Atomistic Simulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 Weygand, Gumbsch
Prüfungsveranstaltungen
SS 2026 76-T-MACH-105308 Atomistische Simulation und Partikeldynamik Gumbsch, Weygand
SS 2026 76-T-MACH-105308-W Atomistische Simulation und Partikeldynamik (Wiederholung) Weygand, Gumbsch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung ca. 30 Minuten

Voraussetzungen

keine

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
120 Std.

Teilleistung: Auktionstheorie [T-WIWI-102613]

Verantwortung:
Prof. Dr. Karl-Martin Ehrhart
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2520408 Auktionstheorie 2 SWS Vorlesung (V) Ehrhart
WS 26/27 2520409 Übungen zu Auktionstheorie 1 SWS Übung (Ü) Ehrhart
Prüfungsveranstaltungen
SS 2026 7900255 Auktionstheorie Ehrhart
WS 26/27 7900033 Auktionstheorie Ehrhart
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60 min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).

Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung (nach §4 (2), 2 SPO) angeboten werden.

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Teilleistung: Ausgewählte Rechtsfragen des Internetrechts [T-INFO-108462]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24821 Ausgewählte Rechtsfragen des Internetrechts 2 SWS Kolloquium (KOL) / 🗣 Sattler
Prüfungsveranstaltungen
SS 2026 7500099 Ausgewählte Rechtsfragen des Internetrechts Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Referat) nach § 4 Abs. 2 Nr. 3 SPO. (mündliche Präsentation und Diskussion). Es wird eine Gesamtnote vergeben.

Voraussetzungen

die Veranstaltung Internetrecht T-INFO-101307 darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101307 - Internetrecht darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Vorlesung (mit Klausur) Internetrecht T-INFO-101307 wird im WS angeboten.

Kolloquium (Prüfung sonstiger Art) Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 wird im SS angeboten

Teilleistung: Ausgewählte Themen der Echtzeitsysteme [T-INFO-114599]

Verantwortung:
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107431 - Ausgewählte Themen der Echtzeitsysteme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 26/27 2400164 Ausgewählte Themen der Echtzeitsysteme 2 SWS Vorlesung (V) / 🗣 Längle
Prüfungsveranstaltungen
WS 26/27 7500229 Ausgewählte Themen der Echtzeitsysteme Längle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§
6 Abs. 3 SPO), ob die Erfolgskontrolle
- in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO, oder
- in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101340 - Echtzeitsysteme darf nicht begonnen worden sein.

Teilleistung: Authentisierung und Verschlüsselung [T-INFO-110824]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105338 - Authentisierung und Verschlüsselung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400045 Authentisierung und Verschlüsselung 2 SWS Vorlesung (V) / 🗣 Müller-Quade, Raiber, Bayreuther
Prüfungsveranstaltungen
SS 2026 7500256 Authentisierung und Verschlüsselung Müller-Quade
WS 26/27 7500255 Authentisierung und Verschlüsselung Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Modul darf nicht zusammen mit dem Modul M-INFO-100743 Digitale Signaturen belegt werden

Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein

Teilleistung: Automated Planning and Scheduling [T-INFO-109085]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104447 - Automated Planning and Scheduling
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400108 Nicht im SoSe 2026! Automated Planning and Scheduling Vorlesung / Übung (VÜ) Schreiber, Sanders
WS 26/27 2400026 Nicht im WS 2026/27! - Automated Planning and Scheduling Vorlesung / Übung (VÜ) Schreiber, Sanders
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 30 minutes.

Voraussetzungen

None.

Teilleistung: Automatische Sichtprüfung und Bildverarbeitung [T-INFO-101363]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100826 - Automatische Sichtprüfung und Bildverarbeitung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2424169 Automatische Sichtprüfung und Bildverarbeitung 4 SWS Vorlesung (V) / 🗣 Beyerer
Prüfungsveranstaltungen
SS 2026 7500003 Automatische Sichtprüfung und Bildverarbeitung Beyerer
WS 26/27 7500008 Automatische Sichtprüfung und Bildverarbeitung Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse der Optik und der Signalverarbeitung sind hilfreich.

Anmerkungen

Wird zum letzten Mal im WS 27/28 angeboten.

Teilleistung: Autonomous Driving in Practice [T-MACH-115202]

Verantwortung:
Kevin Simon
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-107806 - Autonomous Driving in Practice
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2113820 Autonomous Driving in Practice 3 SWS Vorlesung / Übung (VÜ) / 🗣 Frey, Simon
Prüfungsveranstaltungen
WS 26/27 76-T-MACH-115202 Autonomous Driving in Practice Simon
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Gesamtnote setzt sich zusammen aus: 2 schriftlichen Tests ( Umfang ca. 30 Minuten) sowie der Abschlusspräsentation der Praxisaufgabe ( Umfang max. 30 Minuten), inkl. Abschlussbericht (Umfang 2-3 Seiten). Die Abgabe der Hausaufgaben ist verpflichtend.

Der Gesamteindruck wird bewertet.

Empfehlungen

Vorkenntnisse im Bereich Autonomes Fahren, Fahrzeugtechnik und Machine Learning sind von Vorteil.

Anmerkungen

Die Veranstaltung ist aus Kapazitätsgründen auf eine Teilnehmendenzahl von 16 Studierenden begrenzt. Sofern erforderlich wird ein Auswahlverfahren durchgeführt. Die Plätze werden unter Berücksichtigung des Studienfortschritts der Studierenden (Fachsemester und fachspezifische Programmierkenntnisse) vergeben. 

Die Veranstaltung findet in englischer Sprache statt.

Arbeitsaufwand
180 Std.

Teilleistung: Autonomous Learning for Intelligent Robot Perception [T-INFO-113327]

Verantwortung:
Prof. Dr. Rudolph Triebel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106608 - Autonomous Learning for Intelligent Robot Perception
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400213 Autonomous Learning for Intelligent Robot Perception 2 SWS Vorlesung / Übung (VÜ) / 🗣 Triebel
Prüfungsveranstaltungen
SS 2026 7500423 Autonomous Learning for Intelligent Robot Perception (Nachprüfung) Triebel
WS 26/27 7500373 Autonomous Learning for Intelligent Robot Perception Triebel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

A basic understanding of probability theory and linear algebra is required

Teilleistung: Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen [T-MATH-112842]

Verantwortung:
Prof. Dr. Sebastian Krumscheid
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-106328 - Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Prüfungsveranstaltungen
SS 2026 7700131 Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen Krumscheid
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 Minuten).

Voraussetzungen

keine

Arbeitsaufwand
120 Std.

Teilleistung: Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms [T-INFO-114898]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107599 - Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400121 Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen 4 SWS Praktikum (P) / 🗣 Wilhelm, von der Heydt, Bläsius
WS 26/27 2400253 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms 4 SWS Praktikum (P) / 🗣 Bläsius, von der Heydt, Göttlicher
Prüfungsveranstaltungen
WS 26/27 7500368 Beating the Worst-Case in Practice: Unexpectedly Efficient Algorithms Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). An implementation and a written elaboration must be prepared.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111040 - Beating the Worst Case in Practice: Unerwartet effiziente Algorithmen darf nicht begonnen worden sein.

Teilleistung: Begleitseminar: Abschlussarbeiten in der Computergrafik [T-INFO-114948]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107620 - Begleitseminar: Abschlussarbeiten in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2400238 Begleitseminar: Abschlußarbeiten in der Computergrafik 2 SWS Seminar (S) / 🗣 Dachsbacher
WS 26/27 2400342 Begleitseminar: Abschlussarbeiten in der Computergrafik 2 SWS Seminar (S) Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500389 Begleitseminar: Abschlussarbeiten in der Computergrafik Dachsbacher
WS 26/27 7500342 Begleitseminar: Abschlussarbeiten in der Computergrafik Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen ein bis zwei Präsentationen begleitend zur Bearbeitung der Bachelorarbeit, bzw. zwei bis drei Präsentationen begleitend zur Bearbeitung der Masterarbeit gehalten werden.

Anmerkungen

Dieses Seminar kann nur begleitend zu einer Bachelor- oder Masterarbeit am IVD belegt werden. 

Teilleistung: Behavioral Dimensions of Energy Transitions [T-WIWI-114980]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Prüfungsveranstaltungen
SS 2026 7900271 Behavioral Dimensions of Energy Transitions Fichtner
WS 26/27 7900280 Behavioral Dimensions of Energy Transitions Fichtner
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Arbeitsaufwand
105 Std.

Teilleistung: Betriebssysteme für Fortgeschrittene [T-INFO-106276]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24604 Advanced Operating Systems 4 SWS Seminar (S) / 🗣 Bellosa
Prüfungsveranstaltungen
SS 2026 7500260 Betriebssysteme für Fortgeschrittene Bellosa
WS 26/27 7500199 Betriebssysteme für Fortgeschrittene Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Die regelmäßige Teilnahme ist verpflichtend.

Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.

Teilleistung: Biologically Inspired Robots [T-MACH-113856]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106903 - Biologically Inspired Robots
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2122330 Biologically Inspired Robots 2 SWS Vorlesung (V) / 🗣 Rönnau
Prüfungsveranstaltungen
SS 2026 76-T-MACH-113856 Biologically Inspired Robots Rönnau
SS 2026 76-T-MACH-113856-mdl Biologically Inspired Robots Rönnau
WS 26/27 76-T-MACH-113856 Biologically Inspired Robots Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 15-20min.)

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101351 - Biologisch Motivierte Robotersysteme darf nicht begonnen worden sein.
Empfehlungen

Es ist empfehlenswert zuvor die LV „Robotik I" zu hören.

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
90 Std.

Teilleistung: Bond Markets [T-WIWI-110995]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2530560 Bond Markets 3 SWS Vorlesung / Übung (VÜ) / 🗣 Müller, Uhrig-Homburg, Molnar
Prüfungsveranstaltungen
SS 2026 7900280 Bond Markets Uhrig-Homburg
WS 26/27 7900311 Bond Markets Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (75min.).

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
135 Std.

Teilleistung: Bond Markets - Models & Derivatives [T-WIWI-110997]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2530565 Bond Markets - Models & Derivatives 2 SWS Block (B) / 🗣 Grauer, Uhrig-Homburg, Müller
Prüfungsveranstaltungen
SS 2026 7900313 Bond Markets - Models & Derivatives Uhrig-Homburg
WS 26/27 7900318 Bond Markets - Models & Derivatives Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt zu gleichen Teilen in Form einer schriftlichen Ausarbeitung und einer mündlichen Prüfung inkl. Diskussion der eigenen Arbeit. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.

Empfehlungen

Kenntnisse aus der Veranstaltung „Bond Markets“ und „Derivate“ sind sehr hilfreich.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
90 Std.

Teilleistung: Bond Markets - Tools & Applications [T-WIWI-110996]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2530562 Bond Markets - Tools & Applications 1 SWS Block (B) / 🗣 Uhrig-Homburg, Grauer, Müller
Prüfungsveranstaltungen
SS 2026 7900283 Bond Markets - Tools & Applications Uhrig-Homburg
WS 26/27 7900317 Bond Markets - Tools & Applications Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer zu bearbeitenden empirischen Fallstudie mit schriftlicher Ausarbeitung und Präsentation. Die Hauptprüfung wird einmal jährlich angeboten, Nachprüfungen jedes Semester.

Empfehlungen

Kenntnisse aus der Veranstaltung „Bond Markes“ sind sehr hilfreich.

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
45 Std.

Teilleistung: Business Innovation in Optics and Photonics [T-ETIT-104572]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-101834 - Business Innovation in Optics and Photonics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2305742 Business Innovation in Optics and Photonics 2 SWS Vorlesung (V) / 🗣 Riedel, Nahm
WS 26/27 2305743 Exercise for 2305742 Business Innovation in Optics and Photonics 1 SWS Übung (Ü) / 🗣 Riedel, Nahm
Prüfungsveranstaltungen
WS 26/27 7305742 Business Innovation in Optics and Photonics Nahm, Riedel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Type of Examination: examination of another type

Duration of Examination: 4 group presentations à 20 minutes (approx.)

Modality of Exam: The exam consists of four group presentations. 2nd day: Technology Presentation. 3rd day: Development plan presentation. 4th day: Business Canvas presentation. Final presentation: Business pitch. The overall impression is rated.

Voraussetzungen

none

Empfehlungen

Good knowledge in optics & photonics. Personal motivation and interest for getting deeper into business development aspects, methods and tools. Commitment to active, regular and coninuous participation in the group work.

Teilleistung: Business Intelligence Systems [T-WIWI-105777]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101506 - Service Analytics
M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2540422 Business Intelligence Systems 3 SWS Vorlesung (V) / 🧩 Mädche
Prüfungsveranstaltungen
SS 2026 7900149 Business Intelligence Systems Mädche
WS 26/27 7900224 Business Intelligence Systems Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer einzelnen Prüfungsleistung anderer Art, die aus einer einstündigen Klausur und der Durchführung eines Capstone‑Projektes besteht. Beide Bestandteile werden zu einer gesamtgewichteten Bewertung zusammengefasst, die den Gesamteindruck der kombinierten Leistung widerspiegelt. Weitere Details zur konkreten Ausgestaltung werden im Rahmen der Vorlesung bekannt gegeben. 

Voraussetzungen

Keine

Empfehlungen

Grundlegendes Wissen über Datenbanksysteme kann hilfreich sein.

Teilleistung: Business Planning for Founders [T-WIWI-115110]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2545109 Business Planning for Founders - Startup CFO 2 SWS Seminar (S) / 🗣 Wessendorf, Heidemann, Wessendorf
Prüfungsveranstaltungen
SS 2026 7900234 Business Planning for Founders Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.

Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: CAD Engineering Project for Intelligent Systems [T-MACH-113857]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106905 - CAD Engineering Project for Intelligent Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 2122331 CAD Engineering Project for Intelligent Systems 4 SWS Projekt (PRO) / 🗣 Rönnau
WS 26/27 2122331 CAD Engineering Project for Intelligent Systems 4 SWS Seminar (S) / 🗣 Rönnau
Prüfungsveranstaltungen
SS 2026 76-T-MACH-113857 CAD Engineering Project for Intelligent Systems Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Prüfungsleistung anderer Art. Konstruktionsprojekt sowie schriftliche Ausarbeitung im Team und ein Abschlussvortrag. Der Gesamteindruck wird bewertet. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Voraussetzungen

keine

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
180 Std.

Teilleistung: Channel Coding: Algebraic Methods for Communications and Storage [T-ETIT-111244]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105616 - Channel Coding: Algebraic Methods for Communications and Storage
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2310546 Channel Coding: Algebraic Methods for Communications and Storage 2 SWS Vorlesung (V) / 🗣 Fengler, Schmalen
Prüfungsveranstaltungen
SS 2026 7310546-1 Channel Coding: Algebraic Methods for Communications and Storage Fengler
WS 26/27 7310546-1 Channel Coding: Algebraic Methods for Communications and Storage Fengler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The exam is held as an oral exam of approx. 20 min.

The module grade of the module corresponds to the grade of the oral exam.

Voraussetzungen

keine

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Probability Theory" is recommended.

Teilleistung: Channel Coding: Graph-Based Codes [T-ETIT-111245]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105617 - Channel Coding: Graph-Based Codes
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2310520 Channel Coding: Graph-Based Codes 3 SWS Vorlesung (V) / 🗣 Schmalen
WS 26/27 2310521 Exercise for 2310520 Channel Coding: Graph-Based Codes 1 SWS Übung (Ü) / 🗣 Schmalen
Prüfungsveranstaltungen
SS 2026 7310520-1 Channel Coding: Graph-Based Codes Schmalen
WS 26/27 7310520-1 Channel Coding: Graph-Based Codes Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting approx. 25 minutes. Before the examination, there is a preparation phase of 30 minutes in which preparatory tasks are solved.

Voraussetzungen

none

Empfehlungen

Previous attendance of the lectures "Communication Engineering I" and "Theory of Probability" is recommended. Knowledge from the lectures "Applied Information Theory" and "Verfahren der Kanalcodierung" is helpful.

Teilleistung: Circular Economy – Challenges and Potentials [T-WIWI-114057]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2581965 Circular Economy - Challenges and Potentials 2 SWS Vorlesung (V) / 🗣 Schultmann, Rudi
Prüfungsveranstaltungen
SS 2026 7981965 Circular Economy – Challenges and Potentials Schultmann
WS 26/27 7981965 Circular Economy – Challenges and Potentials Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen (60 Minuten) oder mündlichen (30 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Arbeitsaufwand
105 Std.

Teilleistung: Climate Modeling & Dynamics with ICON [T-PHYS-111412]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052151 Climate Modeling & Dynamics with ICON 2 SWS Vorlesung (V) / 🧩 Ginete Werner Pinto, Ludwig
WS 26/27 4052152 Exercises to Climate Modeling & Dynamics with ICON 1 SWS Übung (Ü) / 🧩 Ginete Werner Pinto, Lemburg, Hundhausen
Prüfungsveranstaltungen
WS 26/27 7800087 Climate Modeling & Dynamics with ICON (Prerequisite) Fink, Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Successful participation in the exrcises.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Cloud Physics [T-PHYS-111416]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052081 Cloud Physics 2 SWS Vorlesung (V) / 🧩 Hoose, Keshtgar
WS 26/27 4052082 Exercises to Cloud Physics 2 SWS Übung (Ü) / 🧩 Hoose, NN 
Prüfungsveranstaltungen
WS 26/27 7800105 Cloud Physics (Prerequisite) Hoose
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

At least 50% of the points of the exercises have to be reached. At least once, a solution to one of the exercises has to be presented in class.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Codierungstheorie [T-INFO-113693]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106824 - Codierungstheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400152 Codierungstheorie 2 SWS Vorlesung (V) Müller-Quade, Benz, Hetzel
Prüfungsveranstaltungen
SS 2026 7500382 Codierungstheorie Müller-Quade
WS 26/27 7500090 Codierungstheorie Müller-Quade
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.
Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle 
•    in Form einer mündlichen Prüfung von ca. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO oder
•    in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101360 - Signale und Codes darf nicht begonnen worden sein.
Empfehlungen

Keine.

Teilleistung: Coding of Audiovisual Signals [T-ETIT-114615]

Verantwortung:
Prof. Dr.-Ing. Laurent Schmalen
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107440 - Coding of Audiovisual Signals
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 2310565 Coding of Audiovisual Signals 2 SWS Vorlesung (V) / 🗣 Schmalen
Prüfungsveranstaltungen
SS 2026 7310565-1 Coding of Audiovisual Signals Schmalen
WS 26/27 7310567 Coding of Audiovisual Signals Schmalen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success control takes place in the form of an oral examination of approx. 20 min.

The module grade is the grade of the oral exam.

Voraussetzungen

see module

Empfehlungen

see module

Teilleistung: Compiler Design [T-INFO-113925]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106966 - Compiler Design
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2026 2400055 Compiler Design (findet im SoSe 2026 nicht statt) 4 SWS Vorlesung (V) / 🗣 Platzer
Prüfungsveranstaltungen
SS 2026 7500151 Compiler Design Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes. 

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

In order to receive a bonus, you must earn at least 50% of the points for solving the exercises. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). 

Voraussetzungen

None.

Empfehlungen

Students are expected to have significant experience in a high-level programming language. Students are also expected to follow the lecture notes.

Teilleistung: Computational Fluid Dynamics and Simulation Lab [T-MATH-113373]

Verantwortung:
Prof. Dr. Martin Frank
PD Dr. Mathias Krause
Dr. Stephan Simonis
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-106634 - Computational Fluid Dynamics and Simulation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
SS 2026 0161700 Computational Fluid Dynamics and Simulation Lab 4 SWS Praktikum (P) Thäter, Krause, Simonis
Prüfungsveranstaltungen
SS 2026 7700120 Computational Fluid Dynamics and Simulation Lab Thäter
Voraussetzungen

Keine

Arbeitsaufwand
120 Std.

Teilleistung: Computational Geometry [T-INFO-114251]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107228 - Computational Geometry
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400119 Computational Geometry - findet im SS 26 nicht statt 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi, Wilhelm, von der Heydt
WS 26/27 2400156 Computational Geometry 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi, von der Heydt, Schmidt
Prüfungsveranstaltungen
SS 2026 7500247 Computational Geometry Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

PLUS: The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104429 - Algorithmische Geometrie darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113718 - Algorithmische Geometrie - Übung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g., from the courses Algorithms 1 + 2) is expected.

Teilleistung: Computational Geometry - Pass [T-INFO-114252]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107228 - Computational Geometry
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400119 Computational Geometry - findet im SS 26 nicht statt 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi, Wilhelm, von der Heydt
WS 26/27 2400156 Computational Geometry 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius, Yi, von der Heydt, Schmidt
Prüfungsveranstaltungen
SS 2026 7500034 Computational Geometry - Pass Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104429 - Algorithmische Geometrie darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113718 - Algorithmische Geometrie - Übung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g., from the courses Algorithms 1 + 2) is expected.

Teilleistung: Computational Imaging [T-INFO-112573]

Verantwortung:
Dr.-Ing. Johannes Meyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106190 - Computational Imaging
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400173 Computational Imaging 3 SWS Vorlesung / Übung (VÜ) / 🗣 Meyer, Beyerer
Prüfungsveranstaltungen
SS 2026 7500351 Computational Imaging Beyerer
WS 26/27 7500276 Computational Imaging Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment takes the form of a written examination, usually lasting 60 minutes in accordance with Section 4 (2) No. 1 SPO.


Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take place
- in the form of an oral examination in accordance with Section 4 (2) No. 2 SPO or
- in the form of a written examination in accordance with Section 4 (2) No. 1 SPO.

Voraussetzungen

None.

Teilleistung: Computational Photonics, with ext. Exercises [T-PHYS-103633]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101933 - Computational Photonics, with ext. Exercises
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
8 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Voraussetzungen

keine

Arbeitsaufwand
240 Std.

Teilleistung: Computational Photonics, without ext. Exercises [T-PHYS-106131]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-103089 - Computational Photonics, without ext. Exercises
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Prüfungsveranstaltungen
WS 26/27 7800095 Computational Photonics, without ext. Exercises Rockstuhl

Teilleistung: Computergestützte Datenauswertung [T-GEISTSOZ-104565]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung
Voraussetzung für: T-GEISTSOZ-109052 - Methodenanwendung (WiWi)
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
SS 2026 5011018 Computational Social Science: Themen und Positionen im Deutschen Bundestag (Teil 2) 2 SWS Seminar (S) / 🧩 Banisch
WS 26/27 5000058 Computergestütze Datenauswertung: Dekompositionen und Regressionsverfahren 2 SWS Kurs (Ku) / 🖥 Nollmann
WS 26/27 5000059 Computergestützte Datenauswertung: Der gender pay gap 2 SWS Kurs (Ku) / 🖥 Nollmann
WS 26/27 501100117 Verstehen, was passiert. Mit R. 2 SWS Kurs (Ku) / 🗣 Haupt
Prüfungsveranstaltungen
SS 2026 7400369 Computergestützte Datenauswertung Nollmann
WS 26/27 7400278 Computergestützte Datenauswertung Nollmann, Teutsch
WS 26/27 7400353 Computergestützte Datenauswertung Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine.

Teilleistung: Computergrafik [T-INFO-101393]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100856 - Computergrafik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424081 Computergrafik 4 SWS Vorlesung (V) / 🗣 Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500257 Computergrafik Dachsbacher
WS 26/27 7500430 Computergrafik Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten nach § 4 Abs. 2 Nr. 1 SPO.
 
Durch die erfolgreiche Bearbeitung von Übungsaufgaben kann ein Notenbonus für Prüfungen im Erstversuch erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben. Dieser Bonus ist nur innerhalb eines Jahres für eine Prüfung im gleichen Semester oder im Folgesemester gültig. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Teilleistung: Computergrafik 2 [T-INFO-113441]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106685 - Computergrafik 2
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400111 Computer Graphics 2 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500293 Computergrafik 2 Dachsbacher
WS 26/27 7500237 Computergrafik 2 Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Vorkenntnisse aus der Vorlesung Computergraphik.

Teilleistung: Constructive Logic [T-INFO-112704]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106256 - Constructive Logic
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400097 Constructive Logic (findet im SoSe 26 nicht statt!) 4 SWS Vorlesung (V) / 🗣 Platzer
Prüfungsveranstaltungen
SS 2026 7500206 Constructive Logic (findet im SS25 nicht statt!) Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx.
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

Voraussetzungen

None.

Empfehlungen

You will be expected to follow the lecture notes.

Teilleistung: Corporate Risk Management [T-WIWI-109050]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2026 2530218 Corporate Risk Management 2 SWS Vorlesung (V) / 🧩 Ruckes
SS 2026 2530219 Übungen Corporate Risk Management Übung (Ü) / 🧩 Ruckes
WS 26/27 2530220 Übung zu Corporate Risk Management Übung (Ü) Ruckes
Prüfungsveranstaltungen
SS 2026 7900259 Corporate Risk Management Ruckes
WS 26/27 7900030 Corporate Risk Management (intern) Ruckes
WS 26/27 7900136 Corporate Risk Management Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle über die Lehrveranstaltung (Vorlesung und Übung) erfolgt in Form einer schriftlichen Prüfung (60 min.) nach § 4 Abs. 2 Nr. 1 SPO. Bei einer geringen Anzahl zur Klausur angemeldeter Teilnehmer behalten wir uns die Möglichkeit vor, eine mündliche Prüfung anstelle einer schriftlichen Prüfung abzuhalten. 
Bitte beachten Sie, dass die Prüfung nur im Semester der Vorlesung und im darauffolgenden Semester angeboten wird.

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
135 Std.

Teilleistung: Cryptographic Protocols II: Universal Composability [T-INFO-114602]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107435 - Cryptographic Protocols II: Universal Composability
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400022 Cryptographic Protocols II: Universal Composability 2 SWS Vorlesung (V) / 🗣 Müller-Quade, Mechler
Prüfungsveranstaltungen
SS 2026 7500179 Cryptographic Protocols II: Universal Composability Müller-Quade, Mechler
WS 26/27 7500296 Cryptographic Protocols II: Universal Composability Müller-Quade, Mechler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) approx. 30 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111584 - Universal Composability in der Kryptographie darf nicht begonnen worden sein.
Empfehlungen

Students should be familiar with the contents of the modules "Theoretische Grundlagen der Kryptographie" (Theoretical Foundations of Cryptography) and „Kryptographische Protokolle“ (Cryptographic Protocols I).

Teilleistung: Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen [T-INFO-112880]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106355 - Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400160 Cybersicherheit für industrielle Automatisierungs- und Steuerungssysteme (findet im SS 2026 nicht statt) 2 SWS Vorlesung (V) / 🗣 Haas, Beyerer
Prüfungsveranstaltungen
SS 2026 7500361 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen Beyerer
WS 26/27 7500113 Cybersicherheit für industrielle Automatisierungs- und Steuerungsanlagen Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

- Kenntnisse zu Grundlagen des Moduls Sicherheit sind hilfreich.
- Kenntnisse aus dem Modul Netzwerksicherheit: Architekturen und Protokolle sind hilfreich

Teilleistung: Data Science and Artificial Intelligence for Energy Systems [T-INFO-113402]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106655 - Data Science and Artificial Intelligence for Energy Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400098 Data science and Artificial Intelligence for Energy Systems 2 SWS Vorlesung (V) / 🗣 Schäfer
SS 2026 2400173 Data science and Artificial Intelligence for Energy Systems (Excercise) 2 SWS Übung (Ü) / 🗣 Schäfer
WS 26/27 2400079 Data Science and Artificial Intelligence for Energy Systems 2 SWS Vorlesung (V) / 🗣 Schäfer
WS 26/27 2400082 Data Science and Artificial Intelligence for Energy Systems 2 SWS Übung (Ü) / 🗣 Schäfer, Nikoltchovska, Sadric
Prüfungsveranstaltungen
SS 2026 7500309 Data Science and Artificial Intelligence for Energy Systems Schäfer
WS 26/27 7500398 Data Science and Artificial Intelligence for Energy Systems Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting about 30 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of AI basics is very helpful. 
Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.
Knowledge of Python is highly recommended. 

Teilleistung: Datenbank-Praktikum [T-INFO-103201]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Fabian Richter
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101662 - Datenbank-Praktikum
Teilleistungsart
Studienleistung
Leistungspunkte
4 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
5
Lehrveranstaltungen
SS 2026 2424286 Datenbankpraktikum 2 SWS Praktikum (P) / 🗣 Böhm, Richter, Reimann
WS 26/27 2424286 Datenbankpraktikum 2 SWS Praktikum (P) / 🗣 Richter, Reimann
Prüfungsveranstaltungen
SS 2026 7500030 Datenbank-Praktikum Böhm
WS 26/27 7500130 Datenbank-Praktikum Böhm, Reimann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es müssen eine schriftliche Ausarbeitung über die praktische Arbeit erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von einer Woche nach Beginn der Veranstaltung möglich.

Es ist eine Wiederholung möglich.

Voraussetzungen

Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme.

Empfehlungen

Datenbankkenntnisse aus den Vorlesungen Datenbanksysteme werden vorausgesetzt.

Teilleistung: Decentralized Systems: Fundamentals, Modeling, and Applications [T-INFO-110820]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105334 - Decentralized Systems: Fundamentals, Modeling, and Applications
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
5
Lehrveranstaltungen
SS 2026 2400089 Decentralized Systems: Fundamentals, Modeling, and Applications 4 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Jacob
Prüfungsveranstaltungen
SS 2026 7500070 Decentralized Systems: Fundamentals, Modeling, and Applications Hartenstein
SS 2026 7500284 Decentralized Systems: Fundamentals, Modeling, and Applications Hartenstein
WS 26/27 7500141 Decentralized Systems: Fundamentals, Modeling, and Applications Hartenstein
WS 26/27 7500371 Decentralized Systems: Fundamentals, Modeling, and Applications Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO) whether the examination takes place

in the form of an oral examination lasting 30 minutes pursuant to § 4 Abs. 2 Nr. 2 SPO or

in the form of a written examination lasting 60 minutes in accordance with § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

None.

Empfehlungen

Basics according to the lectures "Information Security" and "Introduction to Computer Networks" are recommended.

Teilleistung: Deep Learning and Neural Networks [T-INFO-114219]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107197 - Deep Learning and Neural Networks
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400024 Deep Learning and Neural Networks 4 SWS Vorlesung (V) / 🗣 Niehues
Prüfungsveranstaltungen
SS 2026 7500044 Deep Learning and Neural Networks Niehues
WS 26/27 7500400 Deep Learning and Neural Networks (Nachklausur) Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

T-INFO-101383 - Neural networks must not be started.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101383 - Neuronale Netze darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-109124 - Deep Learning und Neuronale Netze darf nicht begonnen worden sein.
Empfehlungen

Prior successful completion of the core module "Cognitive Systems" is recommended.

Teilleistung: Deep Learning for Computer Vision: Advanced Topics [T-INFO-115257]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107843 - Deep Learning for Computer Vision: Advanced Topics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Success is assessed in the form of a written examination (lasting 60 minutes) in accordance with § 4 Abs. 2 No. 1 SPO .

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111494 - Deep Learning für Computer Vision II: Fortgeschrittene Themen darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-115078 - Deep Learning für Computer Vision: Fortgeschrittene Themen darf nicht begonnen worden sein.
Empfehlungen

Knowledge of deep learning basics is strongly recommended.

Teilleistung: Derivate [T-WIWI-102643]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2530550 Derivate 2 SWS Vorlesung (V) / 🗣 Uhrig-Homburg
SS 2026 2530551 Übung zu Derivate 1 SWS Übung (Ü) / 🗣 Dinger, Uhrig-Homburg
Prüfungsveranstaltungen
SS 2026 7900111 Derivate Uhrig-Homburg
WS 26/27 7900051 Derivate Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (75 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Bei erfolgreicher Teilnahme am Übungsbetrieb durch die Abgabe korrekter Lösungen zu mindestens 50% der gestellten Bonusübungsaufgaben kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um bis zu eine Notenstufe (0,3 oder 0,4). Details werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Design and Architectures of Embedded Systems (ESII) [T-INFO-114254]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107230 - Design and Architectures of Embedded Systems (ESII)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424106 Design and architectures of embedded systems (ES2) 2 SWS Vorlesung (V) Khdr, Henkel
Prüfungsveranstaltungen
SS 2026 7500037 VL: Entwurf und Architekturen für Eingebettete Systeme (ES2) Henkel
WS 26/27 7500124 VL: Entwurf und Architekturen für Eingebettete Systeme (ES2) Henkel
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101368 - Entwurf und Architekturen für Eingebettete Systeme (ES2) darf nicht begonnen worden sein.
Empfehlungen

Knowledge of computer structures is helpful.

Teilleistung: Design and Operation of Industrial Plants and Processes [T-WIWI-114618]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Prüfungsveranstaltungen
SS 2026 7981952 Design and Operation of Industrial Plants and Processes Schultmann
WS 26/27 7981952 Design and Operation of Industrial Plants and Processes Schultmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Design Thinking [T-WIWI-102866]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2545008 Design Thinking (Track 1) 2 SWS Seminar (S) / 🗣 Haller
WS 26/27 2545008 Design Thinking (Track 1) 2 SWS Seminar (S) / 🧩 Haller
Prüfungsveranstaltungen
SS 2026 7900053 Design Thinking (Track 1) Terzidis
WS 26/27 7900084 Design Thinking (Track 1) Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (§4(2), 3 SPO). Details zur Ausgestaltung der Prüfungsleistung anderer Art werden ggf. im Rahmen der Lehrveranstaltung bekannt gegeben. 

Die Note ist die Note der schriftlichen Ausarbeitung.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Bitte beachten Sie, dass die Teilnehmerzahl begrenzt ist. Die Anmeldung erfolgt über das Wiwi-Portal. Die Seminarinhalte werden auf der Institutshomepage veröffentlicht.

Teilleistung: Designing Interactive Systems: Human-AI Interaction [T-WIWI-113465]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2540558 Designing Interactive Systems: Human-AI Interaction 3 SWS Vorlesung (V) / 🧩 Mädche, Seitz Sänger
Prüfungsveranstaltungen
SS 2026 7900299 Designing Interactive Systems: Human-AI Interaction Mädche
WS 26/27 7900205 Designing Interactive Systems Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer einzelnen Prüfungsleistung anderer Art, die aus einer einstündigen Klausur und der Durchführung eines Capstone‑Projektes besteht. Beide Bestandteile werden zu einer gesamtgewichteten Bewertung zusammengefasst, die den Gesamteindruck der kombinierten Leistung widerspiegelt. Weitere Details zur konkreten Ausgestaltung werden im Rahmen der Vorlesung bekannt gegeben. 

Anmerkungen

Die Veranstaltung wird auf Englisch gehalten.

Arbeitsaufwand
135 Std.

Teilleistung: Differentialgeometrie [T-MATH-102275]

Verantwortung:
Prof. Dr. Alexander Lytchak
Prof. Dr. Wilderich Tuschmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101317 - Differentialgeometrie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 0100300 Differential Geometry 4 SWS Vorlesung (V) Lytchak
SS 2026 0100310 Tutorial for 0100300 (Differential Geometry) 2 SWS Übung (Ü) Lytchak
Prüfungsveranstaltungen
SS 2026 7700033 Differentialgeometrie - Prüfung Tuschmann, Lytchak
WS 26/27 7700033 Differentialgeometrie - Prüfung Tuschmann
Voraussetzungen

keine

Teilleistung: Digital Circuit Design [T-ETIT-114458]

Verantwortung:
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107365 - Digital Circuit Design
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2312683 Digital Circuit Design 2 SWS Vorlesung (V) / 🧩 Peric
SS 2026 2312685 Practical Excercise to 2312683 Digital Circuit Design 1 SWS Übung (Ü) / 🧩 Peric
Prüfungsveranstaltungen
SS 2026 7312683 Digital Circuit Design Peric
WS 26/27 7312683 Digital Circuit Design Peric
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success control takes place in form of an oral examination (approx. 20 minutes) and a written report with the results of the exercises. Details will be given during the lecture.

Voraussetzungen

none

Teilleistung: Digital Democracy [T-WIWI-113160]

Verantwortung:
Jonas Fegert
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 26/27 00053 Übung zur Digital Democracy 1 SWS Übung (Ü) / 🧩 Borukhson
WS 26/27 2500045 Digital Democracy – Herausforderungen und Möglichkeiten der digitalen Gesellschaft 2 SWS Seminar (S) / 🧩 Fegert, Labbouz, Borukhson, Ni, Pfannschmidt
WS 26/27 2600052 Digital Democracy 2 SWS Vorlesung (V) / 🧩 Fegert
Prüfungsveranstaltungen
WS 26/27 00059 Digital Democracy Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). 

Anmerkungen

Beschränkung auf 25 Plätze mit Bewerbung per kurzem Motivationschreiben (über das Wiwi-Portal).

Arbeitsaufwand
135 Std.

Teilleistung: Digital Marketing [T-WIWI-112693]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2571185 Digital Marketing 2 SWS Vorlesung (V) / 🗣 Kupfer
SS 2026 2571186 Digital Marketing Exercise 1 SWS Übung (Ü) / 🗣 Schmitt, Cinar, Kupfer
Prüfungsveranstaltungen
SS 2026 7900064 Digital Marketing Kupfer
WS 26/27 7900021 Digital Marketing Kupfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of an examination of another type. The following aspects are included in the assessment:

Further details on the organization of the performance and the points system for the assessment will be announced in the lecture.

Voraussetzungen

None

Empfehlungen

Students are highly encouraged to actively participate in class.

Arbeitsaufwand
135 Std.

Teilleistung: Digital Services: Innovation & Business Models [T-WIWI-112757]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101448 - Service Management
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2595468 Digital Services: Innovation & Business Models 1.5 SWS Vorlesung (V) / 🧩 Satzger, Benz, Schüritz, Heinz
SS 2026 2595469 Übung zu Digital Services: Innovation & Business Models 1.5 SWS Übung (Ü) / 🗣 Satzger, Benz, Schüritz, Heinz
Prüfungsveranstaltungen
SS 2026 7900163 Digital Services: Innovation & Business Models (HK 11.08.2026) Satzger
WS 26/27 7900115 Digital Services: Innovation & Business Models (Nachklausur am 7.12.2026) Satzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60min. schriftlichen Prüfung (Klausur).

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Ab dem Sommersemester 2023 wird die Veranstaltung "Digital Services: Innovation & Business Models" basierend auf einem überarbeiteten Lernkonzept und -inhalten die frühere Veranstaltung Service Innovation ersetzen. Dabei liegt der Fokus auf der engeren Verzahnung der Themenfelder Service Innovation und Digitalisierung. Bisherige grundlegende Inhalte (z.B. zu ​Herausforderungen ​von ​Service ​Innovation ​oder human-zentrische Innovationsmethoden) ​bleiben ​erhalten.

Teilleistung: Digitale Barrierefreiheit und Assistive Technologien [T-INFO-111830]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105882 - Digitale Barrierefreiheit und Assistive Technologien
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400165 Digitale Barrierefreiheit und Assistive Technologien 2 SWS Vorlesung (V) / 🗣 Stiefelhagen, Schwarz
Prüfungsveranstaltungen
SS 2026 7500163 Digitale Barrierefreiheit und Assistive Technologien Stiefelhagen
WS 26/27 7500320 Digitale Barrierefreiheit und Assistive Technologien Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

T-INFO-101301 Barrierefreiheit - Assistive Technologien für Sehgeschädigtedarf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101301 - Barrierefreiheit - Assistive Technologien für Sehgeschädigte darf nicht begonnen worden sein.

Teilleistung: Distributed Computing [T-INFO-114235]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107215 - Distributed Computing
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400050 Distributed Computing 2 SWS Vorlesung (V) / 🗣 Streit, Schnepf, Gudu
Prüfungsveranstaltungen
WS 26/27 7500322 Distributed Computing Streit
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes. Depending on the number of participants it will be announced six weeks before the assessment (§3 Abs. 3 SPO) if the assessment is done
• as an oral examination according to § 4 Abs. 2 No. 2 SPO or
• as a written examination according to § 4 Abs. 2 No. 1 SPO.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101298 - Verteiltes Rechnen darf nicht begonnen worden sein.
Empfehlungen

Knowledge in the area of computer networks helpful.

Teilleistung: Economic Decision Making [T-WIWI-114174]

Verantwortung:
Prof. Dr. Benjamin Scheibehenne
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 26/27 2500059 Economic Decision Making 3 SWS Vorlesung / Übung (VÜ) / 🗣 Scheibehenne
Prüfungsveranstaltungen
WS 26/27 7900173 Economic Decision Making Scheibehenne
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Alternative exam assessment. The grading includes the following aspects:

The scoring system for the grading will be announced at the beginning of the course.

Voraussetzungen

Due to the interactive nature of the class, the number of participants is limited to 30 students. Registration via the WiWi Portal is required for participation in the class. Further information on participant selection will be provided in the WiWi Portal.

Anmerkungen

The judgments and decisions that we make can have long ranging and important consequences for our (financial) well-being and individual health. Hence, the goal of this lecture is to gain a better understanding of how people make judgments and decisions and the factors that influences their behavior. We will look into simple heuristics and mental shortcuts that decision makers use to navigate their environment, in particular so in an economic context. Following this, the lecture will provide an overview into social and emotional influences on decision making. In the second half of the semester we will look into some more specific topics including self-control, nudging, and food choice. The last part of the lecture will focus on risk communication and risk perception. We will address these questions from an interdisciplinary perspective at the intersection of Psychology, Behavioral Economics, Marketing, Cognitive Science, and Biology. Across all topics covered in class, we will engage with basic theoretical work as well as with groundbreaking empirical research and current scientific debates.
The workload of the class is 4.5 ECTS. This consists of 3 ETCS for the lecture and 1.5 ETCS for the Übung. Details about the Übung will be communicated at the first day of the class. The class will take place twice a week during the first half of the wintersemester. The exam will take place before Christmas.

Arbeitsaufwand
135 Std.

Teilleistung: Edge-AI in Software and Sensor Applications [T-INFO-114258]

Verantwortung:
Dr. Victor Pankratius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107234 - Edge-AI in Software and Sensor Applications
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400006 EdgeAI in Software and Sensor Applications 2 SWS Vorlesung (V) / 🖥 Pankratius
WS 26/27 2400124 EdgeAI in Software and Sensor Applications 2 SWS Vorlesung (V) / 🖥 Pankratius
Prüfungsveranstaltungen
SS 2026 7500196 Edge-AI in Software- und Sensor-Anwendungen_10.08.2026 Pankratius
WS 26/27 7500303 Edge-AI in Software- und Sensor-Anwendungen Pankratius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Grundstudium Informatik

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110819 - Edge-AI in Software- und Sensor-Anwendungen darf nicht begonnen worden sein.
Empfehlungen

Hilfreich sind Kenntnisse z.B. aus Kognitive Systeme, Softwaretechnik, Algorithmen, Rechnernetze & -strukturen, Low-Power-Design

Teilleistung: Efficient Energy Systems and Electric Mobility [T-WIWI-102793]

Verantwortung:
Prof. Dr. Patrick Jochem
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2581006 Efficient Energy Systems and Electric Mobility 2 SWS Vorlesung (V) / 🗣 Jochem
Prüfungsveranstaltungen
SS 2026 7981006 Efficient Energy Systems and Electric Mobility Fichtner
WS 26/27 7981006 Efficient Energy Systems and Electric Mobility Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Literatur:

Masters, G. M. & K. F. Hsu (2023). Renewable and efficient electric power systems. John Wiley & Sons. (Chapter 9).
Viral, R., Tomar, A., Asija, D., Rao, U. M., & Sarwar, A. (Eds.). (2024). Smart Grids for Renewable Energy Systems, Electric Vehicles and Energy Storage Systems. CRC Press.

Teilleistung: eFinance: Informationssysteme für den Wertpapierhandel [T-WIWI-110797]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2540454 eFinance: Informationssysteme für den Wertpapierhandel 2 SWS Vorlesung (V) / 🗣 Weinhardt, Wagener
WS 26/27 2540455 Übungen zu eFinance: Informationssysteme für den Wertpapierhandel 1 SWS Übung (Ü) / 🗣 Motz, Motz
Prüfungsveranstaltungen
SS 2026 7900269 eFinance: Informationssysteme für den Wertpapierhandel (Nachklausur aus WS 25/26) Weinhardt
WS 26/27 7900182 eFinance: Informationssysteme für den Wertpapierhandel (Hauptklausur) Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch laufende Ausarbeitungen und Präsentationen von Aufgaben und eine Klausur (60 Minuten) am Ende der Vorlesungszeit. Das Punkteschema für die Gesamtbewertung wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Anmerkungen

Der Kurs “eFinance: Informationssysteme für den Wertpapierhandel” behandelt eingehend verschiedene Akteure und ihre Funktion in der Finanzindustrie und beleuchtet die wichtigsten Trends in modernen Finanzmärkten, wie z.B. Distributed Ledger Technology, Sustainable Finance und künstliche Intelligenz. Wertpapierpreise entwickeln sich durch eine große Anzahl bilateraler Geschäfte, die von Marktteilnehmern mit spezifischen, gut regulierten und institutionalisierten Rollen ausgeführt werden. Die Marktmikrostruktur ist das Teilgebiet der Finanzwirtschaft, das den Preisbildungsprozess untersucht. Dieser Prozess wird maßgeblich durch Regulierung beeinflusst und durch technologische Innovation vorangetrieben. Unter Verwendung von theoretischen ökonomischen Modellen werden in diesem Kurs Erkenntnisse über das strategische Handelsverhalten einzelner Marktteilnehmer überprüft, und die Modelle werden mit Marktdaten versehen. Analytische Werkzeuge und empirische Methoden der Marktmikrostruktur helfen, viele rätselhafte Phänomene auf Wertpapiermärkten zu verstehen.

Arbeitsaufwand
135 Std.

Teilleistung: Einführung in das Quantencomputing (IQC) [T-INFO-112344]

Verantwortung:
Prof. Dr. Bernhard Beckert
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106101 - Einführung in das Quantencomputing (IQC)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400073 Einführung ins Quantencomputing 2 SWS Vorlesung (V) / 🗣 Schaefer
Prüfungsveranstaltungen
SS 2026 7500342 Einführung in das Quantencomputing (IQC) Schaefer
WS 26/27 7500107 Einführung in das Quantencomputing (IQC) Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 90 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse in Linearer Algebra empfohlen.

Anmerkungen

Diese Vorlesung wird als Ringvorlesung angeboten.

Teilleistung: Einführung in das Wissenschaftliche Rechnen [T-MATH-105837]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Marlis Hochbruck
Prof. Dr. Tobias Jahnke
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102889 - Einführung in das Wissenschaftliche Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2026 0165000 Einführung in das Wissenschaftliche Rechnen 3 SWS Vorlesung (V) Jahnke
SS 2026 0165010 Praktikum zu Einführung in das Wissenschaftliche Rechnen (0165000) 3 SWS Praktikum (P) Jahnke, Kirn
Prüfungsveranstaltungen
SS 2026 7700009 Einführung in das Wissenschaftliche Rechnen Rieder
SS 2026 7700126 Einführung in das Wissenschaftliche Rechnen Jahnke
Voraussetzungen

Prüfungsvorleistung: Praktikumsschein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MATH-114059 - Praktikum Wissenschaftliches Rechnen muss erfolgreich abgeschlossen worden sein.

Teilleistung: Einführung in die Bildfolgenauswertung [T-INFO-101273]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100736 - Einführung in die Bildfolgenauswertung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24684 Einführung in die Bildfolgenauswertung 2 SWS Vorlesung (V) / 🗣 Arens
Prüfungsveranstaltungen
SS 2026 7500031 Einführung in die Bildfolgenauswertung Beyerer, Arens
WS 26/27 7500099 Einführung in die Bildfolgenauswertung Beyerer, Arens
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 30 Minuten) nach §4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Teilleistung: Einführung in die Finite-Elemente-Methode [T-MACH-105320]

Verantwortung:
Prof. Dr.-Ing. Thomas Böhlke
Dr.-Ing. Tom-Alexander Langhoff
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Technische Mechanik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
5
Lehrveranstaltungen
WS 26/27 2162282 Einführung in die Finite-Elemente-Methode 2 SWS Vorlesung (V) / 🗣 Langhoff, Böhlke
Prüfungsveranstaltungen
SS 2026 76-T-MACH-105320 Einführung in die Finite-Elemente-Methode Böhlke, Langhoff
WS 26/27 76-T-MACH-105320 Einführung in die Finite-Elemente-Methode Böhlke, Langhoff
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung, 90 min, benotet. Hilfsmittel gemäß Ankündigung

Voraussetzungen

Bestandene Studienleistung in den Übungen zu Einführung in die Finite Elemente Methode (T-MACH-110330)

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MACH-110330 - Übungen zu Einführung in die Finite-Elemente-Methode muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Die zugehörige Lehrveranstaltung wird in deutscher Sprache angeboten.

Arbeitsaufwand 90 Stunden

Präsenzstudium 30 Stunden

Selbststudium 60 Stunden

Arbeitsaufwand
90 Std.

Teilleistung: Einführung in die kinetische Theorie [T-MATH-108013]

Verantwortung:
Prof. Dr. Martin Frank
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103919 - Einführung in die kinetische Theorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 0155450 Introduction to Kinetic Theory 2 SWS Vorlesung (V) Frank
WS 26/27 0155460 Tutorial for 0155450 (Introduction to Kinetic Theory) 1 SWS Übung (Ü) Frank
Prüfungsveranstaltungen
SS 2026 7700137 Introduction to Kinetic Theory Frank, Loevbak
SS 2026 7700158 Introduction to Kinetic Theory Frank
WS 26/27 7700078 Introduction to Kinetic Theory Frank, Loevbak
Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 1 [T-GEISTSOZ-111610]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-107546 - Einführung in die Philosophie
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 26/27 5012019 Tutorium – Einführung in die Philosophie 1 2 SWS Tutorium (Tu) Brambach, Finkbeiner, Hahn
WS 26/27 5012055 Einführung in die Philosophie 1 2 SWS Vorlesung (V) / 🗣 Seidel-Saul, Betz, Mezzadri, Lohmar
Prüfungsveranstaltungen
WS 26/27 7400076 Einführung in die Philosophie 1 Betz, Mezzadri
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 1" in Form von kleineren Schreibaufgaben.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 2 [T-GEISTSOZ-111612]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-107546 - Einführung in die Philosophie
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 5012017 Einführung in die Philosophie 2 2 SWS Vorlesung (V) / 🗣 Seidel-Saul
SS 2026 5012078 Tutorium – Einführung in die Philosophie 2 2 SWS Tutorium (Tu) Brambach, Hahn, Behrends
Prüfungsveranstaltungen
SS 2026 7400499 Einführung in die Philosophie 2 Seidel-Saul
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in der Vorlesung "Einführung in die Philosophie 2" in Form von kleineren Schreibaufgaben.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 3 [T-GEISTSOZ-111608]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-107546 - Einführung in die Philosophie
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 26/27 5012002 Einführung in die Philosophie 3 - Gruppe B 2 SWS Proseminar (PS) / 🗣 Link
WS 26/27 5012005 Einführung in die Philosophie 3 - Gruppe A 2 SWS Proseminar (PS) / 🗣 Link
WS 26/27 5012017 Einführung in die Philosophie 3 - Gruppe D 2 SWS Proseminar (PS) / 🗣 Schmidt-Petri
WS 26/27 5012046 Einführung in die Philosophie 3 - Gruppe C 2 SWS Proseminar (PS) / 🗣 Schmidt-Petri
Prüfungsveranstaltungen
WS 26/27 7400031 Einführung in die Philosophie 3 - Gruppe A (Nachprüfung) Seidel-Saul, Link
WS 26/27 7400032 Einführung in die Philosophie 3 - Gruppe D (Nachprüfung) Seidel-Saul, Schmidt-Petri
WS 26/27 7400077 Einführung in die Philosophie 3 - Gruppe A Seidel-Saul, Link
WS 26/27 7400258 Einführung in die Philosophie 3 - Gruppe B (Nachprüfung) Seidel-Saul, Link
WS 26/27 7400266 Einführung in die Philosophie 3 - Gruppe C (Nachprüfung) Seidel-Saul, Schmidt-Petri
WS 26/27 7400603 Einführung in die Philosophie 3 (Nachprüfung) Link
WS 26/27 741210116 Einführung in die Philosophie 3 - Gruppe C Seidel-Saul, Schmidt-Petri
WS 26/27 741210118 Einführung in die Philosophie 3 - Gruppe B Seidel-Saul, Link
WS 26/27 741210128 Einführung in die Philosophie 3 - Gruppe D Seidel-Saul, Schmidt-Petri
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in einem der angebotenen Seminare "Einführung in die Philosophie 3" in Form von Übungsblättern.

Voraussetzungen

keine

Teilleistung: Einführung in die Philosophie 4 [T-GEISTSOZ-111607]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-107546 - Einführung in die Philosophie
Voraussetzung für: T-GEISTSOZ-106828 - Modulprüfung Einführung in die Philosophie
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 5012002 Einführung in die Philosophie 4 - Gruppe A 2 SWS Proseminar (PS) / 🗣 Link
SS 2026 5012007 Einführung in die Philosophie 4 - Gruppe B 2 SWS Proseminar (PS) / 🗣 Link
SS 2026 5012022 Einführung in die Philosophie 4 - Gruppe C 2 SWS Proseminar (PS) / 🗣 Schmidt-Petri
Prüfungsveranstaltungen
SS 2026 7400046 Einführung in die Philosophie 4 - Gruppe C Seidel-Saul, Schmidt-Petri
SS 2026 7400155 Einführung in die Philosophie 4 - Gruppe A Seidel-Saul, Link
SS 2026 7400156 Einführung in die Philosophie 4 - Gruppe B Seidel-Saul, Link
SS 2026 7400653 Einführung in die Philosophie 4 - Gruppe C (Wiederholung) Seidel-Saul, Schmidt-Petri
SS 2026 7400679 Einführung in die Philosophie 4 - Gruppe A (Wiederholung) Seidel-Saul, Link
SS 2026 7400680 Einführung in die Philosophie 4 - Gruppe B (Wiederholung) Seidel-Saul, Link
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Das Bestehen von den geforderten Studienleistungen in einer Veranstaltung "Einführung in die Philosophie 4" in Form von Übungsblättern.

Voraussetzungen

keine

Teilleistung: Einführung in die Stochastische Optimierung [T-WIWI-106546]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2550470 Einführung in die Stochastische Optimierung 2 SWS Vorlesung (V) / 🖥 Rebennack
SS 2026 2550471 Übung zur Einführung in die Stochastische Optimierung 1 SWS Übung (Ü) / 🗣 Rebennack, Kandora
SS 2026 2550474 Rechnerübung zur Einführung in die Stochastische Optimierung 2 SWS Sonstige (sonst.) Rebennack, Kandora
Prüfungsveranstaltungen
SS 2026 7900311 Einführung in die Stochastische Optimierung Rebennack
WS 26/27 7900242 Einführung in die Stochastische Optimierung Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten. 

Voraussetzungen

Keine.

Arbeitsaufwand
135 Std.

Teilleistung: Electric Power Transmission & Grid Control [T-ETIT-110883]

Verantwortung:
Prof. Dr.-Ing. Thomas Leibfried
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105394 - Electric Power Transmission & Grid Control
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 2307376 Electric Power Transmission & Grid Control 2 SWS Vorlesung (V) / 🗣 Leibfried
SS 2026 2307377 Tutorial for 2307376 Electric Power Transmission & Grid Control 2 SWS Übung (Ü) / 🗣 Weber
Prüfungsveranstaltungen
SS 2026 7307376 Electric Power Transmission & Grid Control Leibfried
WS 26/27 7307376 Electric Power Transmission & Grid Control Leibfried
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes. The module grade is the grade of the written exam.

Voraussetzungen

none

Teilleistung: Embedded Machine Learning Lab [T-INFO-111549]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105775 - Embedded Machine Learning Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400295 Embedded Machine Learning Lab 4 SWS Praktikum (P) / 🗣 Henkel, Ahmed, Dietrich, Khdr
WS 26/27 2400295 Embedded Machine Learning Lab 4 SWS Praktikum (P) / 🗣 Henkel, Ahmed, Dietrich
Prüfungsveranstaltungen
SS 2026 7500321 Embedded Machine Learning Lab Henkel
WS 26/27 7500295 Embedded Machine Learning Lab Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of a practical assignment, presentations and, if applicable, a written paper. The written paper, presentations and practical work are weighted according to the course.

Voraussetzungen

None.

Empfehlungen

This lab requires a basic (theoretic) knowledge about neural networks and training. Further knowledge of Linux environments and Python is strongly advised since they will be intensively used in the lab and are the de-facto industry standard for machine learning research.

Teilleistung: Emissionen in die Umwelt [T-WIWI-102634]

Verantwortung:
Ute Karl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2581962 Emissionen in die Umwelt 2 SWS Vorlesung (V) / 🧩 Karl
Prüfungsveranstaltungen
SS 2026 7981962 Emissionen in die Umwelt Schultmann
WS 26/27 7981962 Emissionen in die Umwelt Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Empfehlungen

Keine

Arbeitsaufwand
105 Std.

Teilleistung: Empirical Software Engineering [T-INFO-115054]

Verantwortung:
Raziyeh Dehghani
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107685 - Empirical Software Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 26/27 2424156 Empirical Software Engineering 2 SWS Vorlesung (V) / 🗣 Koziolek, Dehghani, Kaplan
Prüfungsveranstaltungen
SS 2026 7500053 Empirische Softwaretechnik Gerking
SS 2026 7500372 Empirical Software Engineering Koziolek
WS 26/27 7500312 Empirical Software Engineering Koziolek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination, lasting approx. 30 minutes  in accordance with Section 4 (2) No. 2 SPO. 

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101335 - Empirische Softwaretechnik darf nicht begonnen worden sein.
Empfehlungen

Familiarity with statistical analysis methods is highly recommended.

Teilleistung: Empirische Daten im Verkehrswesen [T-BGU-100010]

Verantwortung:
Prof. Dr.-Ing. Martin Kagerbauer
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
WS 26/27 6232901 Empirische Daten im Verkehrswesen 2 SWS Vorlesung / Übung (VÜ) / 🗣 Kagerbauer
Prüfungsveranstaltungen
SS 2026 8240100010 Empirische Daten im Verkehrswesen Kagerbauer
WS 26/27 8245100010 Empirische Daten im Verkehrswesen Kagerbauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

mündiche Prüfung, ca. 20 min.

Voraussetzungen

Die Übungsaufgabe Empirische Daten im Verkehrswesen (T-BGU-113671) muss bestanden sein.

Empfehlungen

Keine

Anmerkungen

Keine

Arbeitsaufwand
90 Std.

Teilleistung: Energetics [T-PHYS-111417]

Verantwortung:
Prof. Dr. Andreas Fink
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052131 Energetics 2 SWS Vorlesung (V) / 🧩 Fink
Prüfungsveranstaltungen
WS 26/27 7800107 Energetics (Prerequisite) Hoose
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Active participation

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Energie und Umwelt [T-WIWI-102650]

Verantwortung:
Ute Karl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2581003 Energie und Umwelt 2 SWS Vorlesung (V) / 🗣 Karl
Prüfungsveranstaltungen
SS 2026 7900294 Energie und Umwelt NEU Karl
WS 26/27 7900302 Energie und Umwelt NEU Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine.

Arbeitsaufwand
105 Std.

Teilleistung: Energieinformatik 1 [T-INFO-103582]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Voraussetzung für: T-INFO-106059 - Energieinformatik 2
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2400058 Energieinformatik 1 4 SWS Vorlesung / Übung (VÜ) Hagenmeyer, Rapp, Dorn, Schmurr, Martens, Kreusel
Prüfungsveranstaltungen
SS 2026 7500079 Energieinformatik 1 Hagenmeyer
WS 26/27 7500174 Energieinformatik 1 Hagenmeyer
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Die Vorleistung (T-INFO-110356) muss bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110356 - Energieinformatik 1 - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Energieinformatik 1 - Vorleistung [T-INFO-110356]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Voraussetzung für: T-INFO-103582 - Energieinformatik 1
T-INFO-106059 - Energieinformatik 2
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Prüfungsveranstaltungen
SS 2026 7500065 Energieinformatik 1 - Vorleistung Hagenmeyer
WS 26/27 7500235 Energieinformatik 1 - Vorleistung Hagenmeyer
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine

Teilleistung: Energieinformatik 2 [T-INFO-106059]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106864 - Energieinformatik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400017 Energieinformatik 2 4 SWS Vorlesung / Übung (VÜ) / 🗣 Hagenmeyer, Förderer, Bao, Suess, Cakmak, Mikut, Schmurr, Langner, Rapp, Dorn, Martens, Kreusel
Prüfungsveranstaltungen
SS 2026 7500156 Energieinformatik 2 Hagenmeyer
WS 26/27 7500156 Energieinformatik 2 Hagenmeyer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Energieinformatik I

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103582 - Energieinformatik 1 muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-INFO-110356 - Energieinformatik 1 - Vorleistung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Energy Market Engineering [T-WIWI-107501]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2540464 Energy Market Engineering 2 SWS Vorlesung (V) / 🗣 Semmelmann, Miskiw
SS 2026 2540465 Übung zu Energy Market Engineering 1 SWS Übung (Ü) / 🗣 Resch
Prüfungsveranstaltungen
SS 2026 79852 Energy Market Engineering (Hauptklausur) Weinhardt
WS 26/27 7900127 Energy Market Engineering (Nachklausur SS 2026) Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs). 

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Frühere Bezeichnung bis einschließlich SS17: T-WIWI-102794 "eEnergy: Markets, Services, Systems".

Die Veranstaltung wird neben den Modulen des IISM auch im Modul Energiewirtschaft und Energiemärkte des IIP angeboten.

Teilleistung: Energy Meteorology [T-PHYS-111428]

Verantwortung:
apl. Prof. Dr. Stefan Emeis
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 4052191 Energy Meteorology 2 SWS Vorlesung (V) / 🗣 Emeis, Schroedter-Homscheidt, Ginete Werner Pinto, NN 
Prüfungsveranstaltungen
SS 2026 7800021 Energy Meteorology (Prerequisite) Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The students work in small groups on a task chosen at the beginning of the course on the topics of wind, solar or electricity grids. At the end, each student presents his or her results in a short presentation (max. 5 slides) followed by a discussion.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Energy Networks and Regulation [T-WIWI-107503]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2540494 Energy Networks and Regulation 2 SWS Vorlesung (V) / 🗣 Rogat, Miskiw
WS 26/27 2540495 Übung zu Energy Networks and Regulation 1 SWS Übung (Ü) / 🗣 Rogat, Miskiw
Prüfungsveranstaltungen
WS 26/27 7900198 Energy Networks and Regulation Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (ca. 20-30 Minuten).
Die Prüfung wird im Semester der Vorlesung angeboten.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Energy Trading and Risk Management [T-WIWI-112151]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2581020 Energy Trading and Risk Management 2 SWS Vorlesung (V) / 🗣 Kraft, Fichtner, Beranek
Prüfungsveranstaltungen
SS 2026 7981020 Energy Trading and Risk Management Fichtner
WS 26/27 7981020 Energy Trading and Risk Management Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Vorlesung „Energiehandel und Risikomanagement“ findet seit dem Sommersemester 2022 in englischer Sprache unter dem Titel „Energy Trading and Risk Management“ statt. Die Prüfung zur englischsprachigen Vorlesung wird seit dem Sommersemester 2022 auf Englisch angeboten.
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
105 Std.

Teilleistung: Engineering Interactive Systems: AI & Wearables [T-WIWI-113460]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2540420 Engineering Interactive Systems: AI & Wearables 3 SWS Vorlesung (V) / 🧩 Mädche, Feick, Kretzer
Prüfungsveranstaltungen
SS 2026 7900300 Engineering Interactive Systems: AI & Wearables Mädche
WS 26/27 7900195 Engineering Interactive Systems: AI & Wearables Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer einzelnen Prüfungsleistung anderer Art, die aus einer einstündigen Klausur und der Durchführung eines Capstone‑Projektes besteht. Beide Bestandteile werden zu einer gesamtgewichteten Bewertung zusammengefasst, die den Gesamteindruck der kombinierten Leistung widerspiegelt. Weitere Details zur konkreten Ausgestaltung werden im Rahmen der Vorlesung bekannt gegeben. 

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird in englischer Sprache gehalten.

Arbeitsaufwand
135 Std.

Teilleistung: Engineering Self-Adaptive Systems [T-INFO-113349]

Verantwortung:
Prof. Dr. Raffaela Mirandola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106626 - Engineering Self-Adaptive Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400186 Engineering Self-Adaptive Systems 2 SWS Vorlesung (V) Mirandola
Prüfungsveranstaltungen
WS 26/27 7500381 Engineering Self-Adaptive Systems Mirandola
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Teilleistung: Entrepreneurship [T-WIWI-102864]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 2545001 Entrepreneurship 2 SWS Vorlesung (V) / 🗣 Terzidis, Dang
WS 26/27 2545001 Entrepreneurship 2 SWS Vorlesung (V) / 🧩 Terzidis, Dang
Prüfungsveranstaltungen
SS 2026 7900002 Entrepreneurship Terzidis
SS 2026 7900192 Entrepreneurship Terzidis
SS 2026 7900376 Entrepreneurship (Withdraw) (nicht bestätigt) Terzidis
SS 2026 7900377 Entrepreneurship (Withdraw) Terzidis
WS 26/27 7900045 Entrepreneurship Terzidis
WS 26/27 7900229 Entrepreneurship Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).

Die Note ist die Note der schriftlichen Prüfung.

Den Studierenden wird durch gesonderte Aufgabenstellungen die Möglichkeit geboten einen Notenbonus zu erwerben. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um maximal eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Entrepreneurship Seasonal School [T-WIWI-113151]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2500215 Entrepreneurship Seasonal School 2 SWS Block (B) / 🗣 Weimar
Prüfungsveranstaltungen
WS 26/27 7900146 Entrepreneurship Seasonal School Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Note setzt sich aus der Präsentation und der schriftlichen Ausarbeitung zusammen. Details zur Ausgestaltung der Prüfungsleistung anderer Art werden im Rahmen der Lehrveranstaltung bekannt gegeben. 

Voraussetzungen

Die Seasonal School richtet sich an fortgeschrittene Bachelor- und alle Masterstudierende (alle Fachrichtungen).  Voraussetzung ist die Teilnahme am Auswahlverfahren.

Empfehlungen

Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.

Anmerkungen

Die Arbeitssprache der Seasonal School ist Englisch.

Arbeitsaufwand
90 Std.

Teilleistung: Entrepreneurship-Forschung [T-WIWI-102894]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2545002 Entrepreneurship-Forschung 2 SWS Seminar (S) / 🗣 Kuschel
Prüfungsveranstaltungen
SS 2026 7900052 Entrepreneurship-Forschung Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Seminararbeit). Die Note ergibt sich aus der Bewertung der Seminararbeit und deren Präsentation, sowie der aktiven Beteiligung an der Seminarveranstaltung.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Themen werden jeweils in Kleingruppen erarbeitet. Die Präsentation der Ergebnisse findet im Rahmen einer 2-tägigen Blockveranstaltung am Ende des Semesters statt. An allen Seminartagen besteht Anwesensheitspflicht.

Teilleistung: Entwicklung von nachhaltigen, digitalen Geschäftsmodellen [T-WIWI-113663]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2500043 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Prüfungsveranstaltungen
WS 26/27 7900050 Entwicklung von Nachhaltigen Geschäftsmodellen Weissenberger-Eibl
WS 26/27 7900345 Entwicklung von nachhaltigen, digitalen Geschäftsmodellen Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art.
Die Note setzt sich zu 70% aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen. Der Umfang der schriftlichen Ausarbeitung entspricht den aktuellen Vorgaben für die Anrechnung im Seminarmodul. Details werden zu Beginn der Veranstaltung bekannt gegeben. 
 

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Ereignisdiskrete Simulation in Produktion und Logistik [T-WIWI-102718]

Verantwortung:
Hon.-Prof. Dr. Sven Spieckermann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2550488 Ereignisdiskrete Simulation in Produktion und Logistik 3 SWS Vorlesung (V) / 🗣 Spieckermann
Prüfungsveranstaltungen
SS 2026 7900244 Ereignisdiskrete Simulation in Produktion und Logistik Spieckermann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgskontrolle anderer Art bestehend aus schriftlicher Ausarbeitung und mündlicher Abschlussprüfung von ca. 30-40 min Dauer (Prüfungsleistung anderer Art).

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul "Einführung in das Operations Research" vermittelt werden, werden dringend empfohlen.

Anmerkungen

Aufgrund der begrenzten Teilnehmerzahl ist eine Bewerbung erforderlich. Weitere Informationen entnehmen Sie der Internetseite der Veranstaltung.
Die Lehrveranstaltung wird voraussichtlich in jedem Sommersemester angeboten.
Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Teilleistung: Erfolgreiche Transformation durch Innovation [T-WIWI-111823]

Verantwortung:
Malte Busch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2500018 Erfolgreiche Transformation durch Innovation 2 SWS Seminar (S) / 🗣 Busch
Prüfungsveranstaltungen
SS 2026 7900025 Erfolgreiche Transformation durch Innovation Busch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse (50%) und einer Seminararbeit (Ausarbeitung in der Gruppe, mit ca. 5 Seiten/Person) (50%).

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement [2545015] wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Arbeitsaufwand
90 Std.

Teilleistung: EU Data Protection Law [T-INFO-113887]

Verantwortung:
Gustavo Gil Gasiola
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424019 EU Data Protection Law 2 SWS Vorlesung (V) / 🗣 Gil Gasiola
Prüfungsveranstaltungen
WS 26/27 7500378 EU Data Protection Law Zufall
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

None

Anmerkungen

Competency Goals:

Students are able to comprehend the EU data protection regulation, including the General Data Protection Regulation and related EU data regulations. 

They know the foundations of data protection rules, including fundamental concepts (e.g., “personal data”, “processing”, “data subject”). They are also familiar with the principles of personal data processing (lawfulness, limited purpose, transparency, accountability) as well as the rights of the data subject.

They can identify the main obligations of the controller and the processor. 

Students understand the conditions for the transfer of personal data to third countries.

They can identify the other regulations that govern data in the European Union.

Students are able to read and understand legal text related to data regulation. 

They can understand and solve simple data protection cases. 

Content:

The General Data Protection Regulation (GDPR) of the European Union is a milestone in protecting individuals from the unlawful use of their data. In a data-driven society, economy, and government, this protection has become essential to guarantee fundamental rights. In addition to its direct impact on the legal systems of all Member States, the GDPR has a major influence on third countries that have adopted similar regulations (e.g. Switzerland, Argentina, Brazil, South Africa, and many others). In this way, the EU Data Protection Regulation has established itself as the “gold standard” of data protection, providing guidance to address the challenges posed by new technologies and new ways of creating, using and sharing personal data. Understanding the structure of data protection in the EU is therefore essential to grasp its impact on individual rights, public administration, business models, and even technological development.
This lecture aims to provide a structured overview of the EU Data Protection Regulation, and to offer tools to understand the regulatory structure of the EU Data Regulation. The lecture will cover the following topics:
-    Introduction to EU law
-    Development of the EU data protection regulation
-    Legal structure of data protection in the EU
-    Role of national and sectoral laws
-    Data protection as fundamental right
-    Principles of data protection
-    Lawfulness of personal data processing 
-    Anonymization and pseudonymization of personal data
-    Special categories of personal data
-    Rights of the data subject
-    Transfer of personal data to third countries
-    Responsibility of the controller and the processor
-    Security of personal data and personal data breach
-    Open Data Directive
-    Data Governance Act
-    Data Act

Workload

-    Attendance time to the lectures = 15 x 90 min = 22 h 30 min
-    Self-study during the semester = 47 h 30 min
-    Preparation for the exam = 20 h
-    Total = 90 h 

Teilleistung: EU-Law [T-INFO-115479]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

Depending on the number of attending students, the assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting approximately 20 minutes or as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes. The type of assessment will be announced at least six weeks before the end of the course.

Empfehlungen

Students are advised to have the EU Treaties and other relevant legal texts at hand (e.g. Blackstone’s EU Treaties & Legislation or online at https://eur-lex.europa.eu/collection/eu-law/treaties/treaties-force.html ).

Teilleistung: Europäisches und Internationales Recht [T-INFO-101312]

Verantwortung:
Ulf Brühann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24666 Europäisches und Internationales Recht 2 SWS Vorlesung (V) / 🗣 Brühann
Prüfungsveranstaltungen
SS 2026 7500084 Europäisches und Internationales Recht Zufall
WS 26/27 7500048 Europäisches und Internationales Recht Zufall
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Parallel zu den Veranstaltungen werden begleitende Tutorien angeboten, die insbesondere der Vertiefung der juristischen Arbeitsweise dienen. Ihr Besuch wird nachdrücklich empfohlen.
Während des Semesters wird eine Probeklausur zu jeder Vorlesung mit ausführlicher Besprechung gestellt. Außerdem wird eine Vorbereitungsstunde auf die Klausuren in der vorlesungsfreien Zeit angeboten.
Details dazu auf der Homepage des ZAR (www.kit.edu/zar).

Teilleistung: Exam on Selected Topics in Meteorology (Second Major) [T-PHYS-109380]

Verantwortung:
Prof. Dr. Corinna Hoose
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Prüfungsveranstaltungen
SS 2026 7800115 Exam on Selected Topics in Meteorology (Second Major) Hoose, Ginete Werner Pinto, Knippertz, Leisner, Fink, Sinnhuber
Erfolgskontrolle(n)

Mündliche Prüfung über die im Wahlbereich gewählten Vorlesungen.

Voraussetzungen

Vorleistungen im Umfang von mindestens 10 ECTS aus dem Wahlangebot des Moduls müssen bestanden sein, um zur Prüfung zugelassen zu werden. 

Modellierte Voraussetzungen
Es muss eine von 4 Bedingungen erfüllt werden:
  1. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es muss eine von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es müssen die folgenden Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  2. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 2 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es müssen 4 von 7 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  3. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 3 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
    2. Es muss eine von 7 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111410 - Seminar on IPCC Assessment Report muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111413 - Middle Atmosphere in the Climate System muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111414 - Ocean-Atmosphere Interactions muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111417 - Energetics muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111419 - Atmospheric Radiation muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111428 - Energy Meteorology muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111273 - Arctic Climate System muss erfolgreich abgeschlossen worden sein.
  4. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Es müssen 4 von 8 Bedingungen erfüllt werden:
      1. Die Teilleistung T-PHYS-111411 - Tropical Meteorology muss erfolgreich abgeschlossen worden sein.
      2. Die Teilleistung T-PHYS-111412 - Climate Modeling & Dynamics with ICON muss erfolgreich abgeschlossen worden sein.
      3. Die Teilleistung T-PHYS-111416 - Cloud Physics muss erfolgreich abgeschlossen worden sein.
      4. Die Teilleistung T-PHYS-111418 - Atmospheric Aerosols muss erfolgreich abgeschlossen worden sein.
      5. Die Teilleistung T-PHYS-111424 - Remote Sensing of Atmosphere and Ocean muss erfolgreich abgeschlossen worden sein.
      6. Die Teilleistung T-PHYS-111426 - Methods of Data Analysis muss erfolgreich abgeschlossen worden sein.
      7. Die Teilleistung T-PHYS-111427 - Turbulent Diffusion muss erfolgreich abgeschlossen worden sein.
      8. Die Teilleistung T-PHYS-111429 - Advanced Numerical Weather Prediction muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
120 Std.

Teilleistung: Experimentelle Forschung in Wirtschaftswissenschaft und -informatik [T-WIWI-115061]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2540489 Experimentelle Forschung in Wirtschaftswissenschaft und -informatik 2 SWS Vorlesung (V) / 🗣 Knierim
WS 26/27 2540493 Übung zu Experimentelle Forschung in Wirtschaftswissenschaft und -informatik 1 SWS Übung (Ü) / 🗣 del Puppo
Prüfungsveranstaltungen
SS 2026 7900258 Experimentelle Wirtschaftsforschung (Nachklausur aus WS 25/26) Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min).

Voraussetzungen

Keine

Anmerkungen

Die Vorlesung wird in englischer Sprache gehalten.

Teilleistung: Explainable Artificial Intelligence [T-INFO-112774]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106302 - Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400128 Explainable Artificial Intelligence 2 SWS Vorlesung (V) / 🗣 Lioutikov
Prüfungsveranstaltungen
SS 2026 7500359 Explainable Artificial Intelligence Lioutikov
WS 26/27 7500370 Explainable Artificial Intelligence Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.


A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Voraussetzungen

None.

Empfehlungen

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python / PyTorch experience could be beneficial when we discuss practical examples/implementations.

Teilleistung: Extremwerttheorie [T-MATH-105908]

Verantwortung:
Prof. Dr. Vicky Fasen-Hartmann
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102939 - Extremwerttheorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2026 0155600 Extremwerttheorie 2 SWS Vorlesung (V) Fasen-Hartmann
SS 2026 0155610 Übungen zu 0155600 (Extremwerttheorie) 1 SWS Übung (Ü) Fasen-Hartmann
WS 26/27 0103400 Extremwerttheorie 2 SWS Vorlesung (V) Desmettre
WS 26/27 0103410 Übungen zu 0103400 1 SWS Übung (Ü) Desmettre
Voraussetzungen

Keine

Teilleistung: Fallstudienseminar Innovationsmanagement [T-WIWI-102852]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2545105 Fallstudienseminar Innovationsmanagement 2 SWS Seminar (S) / 🗣 Weissenberger-Eibl
Prüfungsveranstaltungen
WS 26/27 7900237 Fallstudienseminar Innovationsmanagement Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Lehrveranstaltung erfolgt als Prüfungsleistung anderer Art in Form einer gesamtbewerteten Einzelleistung.

Die Bewertung erfolgt über ein Punktesystem, in das die Teilleistungen wie folgt einfließen:

  1. Schriftliche Ausarbeitung: maximal 2/3 der Gesamtpunktzahl. Der erforderliche Umfang richtet sich nach den jeweils aktuellen Vorgaben der Fakultät für die Anrechnung im Seminarmodul.

  2. Referat: maximal 1/3 der Gesamtpunktzahl.

Die Gesamtnote wird aus der erreichten Gesamtpunktzahl gebildet. Details zum Bewertungsschema und zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Fern- und Luftverkehr [T-BGU-106301]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 6232904 Fern- und Luftverkehr 2 SWS Vorlesung (V) / 🧩 Dozenten
Prüfungsveranstaltungen
SS 2026 8245106301 Fern- und Luftverkehr Vortisch
WS 26/27 8245106301 Fern- und Luftverkehr Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

schriftliche Prüfung, 60 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Finanzintermediation [T-WIWI-102623]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101483 - Finance 2
M-WIWI-101502 - Ökonomische Theorie und ihre Anwendung in Finance
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2530232 Finanzintermediation 2 SWS Vorlesung (V) / 🗣 Ruckes
WS 26/27 2530233 Übung zu Finanzintermediation 1 SWS Übung (Ü) Ruckes, Benz
Prüfungsveranstaltungen
SS 2026 7900078 Finanzintermediation Ruckes
SS 2026 7900338 Finanzintermediation (intern) Ruckes
WS 26/27 7900063 Finanzintermediation Ruckes
WS 26/27 7900288 Finanzintermediation (intern) Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO).

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Fine-Grained Complexity Theory & Algorithms [T-INFO-113391]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106644 - Fine-Grained Complexity Theory & Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400152 Fine-Grained Complexity Theory & Algorithms 4 SWS Vorlesung / Übung (VÜ) / 🗣 Künnemann-Goos
WS 26/27 2400104 Fine-grained Algorithm Design and Engineering 4 SWS Praktikum (P) / 🗣 Künnemann-Goos, Angrick, Gokaj
Prüfungsveranstaltungen
SS 2026 7500346 Fine-Grained Complexity Theory & Algorithms Künnemann-Goos
WS 26/27 7500042 Fine-Grained Algorithm Design and Engineering Künnemann-Goos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20-30 minutes.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Teilleistung: Formale Systeme [T-INFO-101336]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100799 - Formale Systeme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424086 Formale Systeme 4 SWS Vorlesung / Übung (VÜ) Beckert, Ulbrich, Weigl
Prüfungsveranstaltungen
SS 2026 7500009 Formale Systeme WS 25/26 - Nachklausur Beckert
WS 26/27 7500036 Formale Systeme Beckert
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 der SPO.

Zusätzlich werden Zwischentests und Praxisaufgaben angeboten, für die ein Notenbonus von max. 0,4 (entspricht einem Notenschritt) vergeben werden. Der erlangte Notenbonus wird auf eine bestandene schriftliche Prüfung (Klausur) im gleichen Semester angerechnet. Danach verfällt der Notenbonus.

Voraussetzungen

Keine.

Empfehlungen

Der erfolgreiche Abschluss des Moduls Theoretische Grundlagen der Informatik wird empfohlen.

Teilleistung: Formale Systeme II: Anwendung [T-INFO-101281]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100744 - Formale Systeme II: Anwendung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400093 Formale Systeme II: Anwendung - findet im SS 2026 nicht statt ! 3 SWS Vorlesung (V) / 🗣 Ulbrich, Beckert
Prüfungsveranstaltungen
SS 2026 7500006 Formale Systeme II: Anwendung Beckert, Ulbrich
WS 26/27 7500200 Formale Systeme II: Anwendung Beckert, Ulbrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die belegten Vorlesungen nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der vorherige Besuch des Stammoduls "Formale Systeme" wird empfohlen.

Die Module "Formale Systeme II - Anwendung und "Formale Systeme II - Theorie" ergänzen sich. Sie können jedoch auch ohne Einschränkungen einzeln belegt werden.

Teilleistung: Formale Systeme II: Theorie [T-INFO-101378]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100841 - Formale Systeme II: Theorie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24608 Formale Systeme II - Theorie 3 SWS Vorlesung (V) / 🗣 Beckert, Ulbrich
Prüfungsveranstaltungen
SS 2026 7500129 Formale Systeme II: Theorie Beckert
WS 26/27 7500369 Formale Systeme II: Theorie Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (§ 4 Abs. 2 Nr. 2 der SPO).

Voraussetzungen

Keine

Teilleistung: Forschungspraktikum Autonome Lernende Roboter [T-INFO-110861]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105378 - Forschungspraktikum Autonome Lernende Roboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400112 Research Laboratory Autonomous Learning Robots 4 SWS Praktikum (P) / 🗣 Neumann
Prüfungsveranstaltungen
SS 2026 7500274 Forschungspraktikum Autonome Lernende Roboter Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Experience in Machine Learning is recommended.

Teilleistung: Fortgeschrittene Stochastische Optimierung [T-WIWI-106548]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
WS 26/27 2500050 Advanced Stochastic Optimization 2 SWS Vorlesung (V) / 🖥 Rebennack
WS 26/27 2550468 Übung zu Advanced Stochastic Optimization 1 SWS Übung (Ü) / 🧩 Rebennack
Prüfungsveranstaltungen
SS 2026 7900034 Fortgeschrittene Stochastische Optimierung Rebennack
WS 26/27 7900144 Fortgeschrittene Stochastische Optimierung Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (20 Minuten). Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen, die Vorlesung „Einführung in die Stochastische Optimierung“ zu hören, bevor die Vorlesung „Advanced Stochastic Optimization (Fortgeschrittene Stochastische Optimierung)“ besucht wird.

Anmerkungen

Vorlesung und Übung werden unregelmäßig angeboten.

Arbeitsaufwand
135 Std.

Teilleistung: Fundamentals of Optics and Photonics [T-PHYS-103628]

Verantwortung:
Prof. Dr. David Hunger
Prof. Dr. Moritz Kreysing
Prof. Dr. Ulrich Lemmer
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101927 - Fundamentals of Optics and Photonics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4044021 KSOP - Fundamentals of Optics & Photonics 4 SWS Vorlesung (V) / 🗣 Müller
WS 26/27 4044022 KSOP - Exercises to Fundamentals of Optics & Photonics 2 SWS Übung (Ü) / 🗣 Müller, Kreysing
Prüfungsveranstaltungen
WS 26/27 7800046 Fundamentals of Optics and Photonics - Exam 2 Müller
WS 26/27 7800058 Fundamentals of Optics and Photonics - Exam 1 Müller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle findet für WMK-Studierende in Form einer mündlichen Prüfung statt.

Voraussetzungen

Erfolgreiche Übungsteilnahme

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-PHYS-103630 - Fundamentals of Optics and Photonics - Unit muss erfolgreich abgeschlossen worden sein.

Teilleistung: Fundamentals of Optics and Photonics - Unit [T-PHYS-103630]

Verantwortung:
Prof. Dr. David Hunger
Prof. Dr. Moritz Kreysing
Prof. Dr. Ulrich Lemmer
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101927 - Fundamentals of Optics and Photonics
Voraussetzung für: T-PHYS-103628 - Fundamentals of Optics and Photonics
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Version
1
Lehrveranstaltungen
WS 26/27 4044021 KSOP - Fundamentals of Optics & Photonics 4 SWS Vorlesung (V) / 🗣 Müller
WS 26/27 4044022 KSOP - Exercises to Fundamentals of Optics & Photonics 2 SWS Übung (Ü) / 🗣 Müller, Kreysing
Prüfungsveranstaltungen
WS 26/27 7800057 Fundamentals of Optics & Photonics - Exercises Hunger, Kreysing, Lemmer, Müller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Funktionalanalysis [T-MATH-102255]

Verantwortung:
Prof. Dr. Dorothee Frey
PD Dr. Gerd Herzog
Prof. Dr. Dirk Hundertmark
Prof. Dr. Tobias Lamm
Prof. Dr. Wolfgang Reichel
Prof. Dr. Roland Schnaubelt
Dr. rer. nat. Patrick Tolksdorf
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101320 - Funktionalanalysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 0104800 Functional Analysis 4 SWS Vorlesung (V) / 🗣 Lamm
WS 26/27 0104810 Tutorial for 0104800 (Functional Analysis) 2 SWS Übung (Ü) / 🗣 Lamm
Prüfungsveranstaltungen
SS 2026 7700078 Funktionalanalysis Frey, Hundertmark, Reichel, Tolksdorf
WS 26/27 0100047 Funktionalanalysis Lamm, Hundertmark, Kunstmann, Schnaubelt, Frey, Reichel, Tolksdorf, de Rijk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer schriftlichen Gesamtprüfung (120 min).

Voraussetzungen

keine

Arbeitsaufwand
240 Std.

Teilleistung: Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie [T-INFO-101262]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Hon.-Prof. Dr. Uwe Spetzger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100725 - Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 24678 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 2 SWS Vorlesung (V) / 🗣 Spetzger
WS 26/27 2424139 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie 2 SWS Vorlesung (V) / 🗣 Spetzger
Prüfungsveranstaltungen
SS 2026 7500145 Gehirn und zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie Spetzger
WS 26/27 7500118 Gehirn und Zentrales Nervensystem: Struktur, Informationstransfer, Reizverarbeitung, Neurophysiologie und Therapie Spetzger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 45 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Der Besuch der Praktika und Seminare im Bereich Medizintechnik am Institut ist empfehlenswert, da erste praktische und theoretische Erfahrungen in den vielen unterschiedlichen Bereichen vermittelt und vertieft werden.

Teilleistung: Gemischt-ganzzahlige Optimierung [T-WIWI-115386]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 26/27 2550138 Gemischt-ganzzahlige Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 26/27 2550139 Übungen zu Gemischt-ganzzahlige Optimierung I 2 SWS Übung (Ü) / 🗣 Stein, Beck, Neussel
Prüfungsveranstaltungen
SS 2026 7900014_SS2026_NK Gemischt-ganzzahlige Optimierung I Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102719 - Gemischt-ganzzahlige Optimierung I darf nicht begonnen worden sein.
Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Vorlesung wird auf Englisch gehalten. 

Der Gesamtarbeitsaufwand für diese Lehrveranstaltung gliedert sich wie folgt:

Gesamtsumme: 135 h (entspricht 4,5 LP)

Arbeitsaufwand
135 Std.

Teilleistung: Gemischt-ganzzahlige Optimierung II [T-WIWI-102720]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2550140 Gemischt-ganzzahlige Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
SS 2026 2550141 Übungen zu Gemischt-ganzzahlige Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Schwarze
Prüfungsveranstaltungen
SS 2026 7900009_SS2026_HK Gemischt-ganzzahlige Optimierung II Stein
WS 26/27 7900007_WS2627_HK Gemischt-ganzzahlige Optimierung II Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Prüfung wird letztmals im Wintersemester 2026/27 angeboten.

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten. 

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Gemischt-ganzzahlige Optimierung I [2550138] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Teilleistung: Generalisierte Regressionsmodelle [T-MATH-105870]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102906 - Generalisierte Regressionsmodelle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Version
3
Lehrveranstaltungen
SS 2026 0161400 Generalisierte Regressionsmodelle 2 SWS Vorlesung (V) Klar
SS 2026 0161410 Übungen zu 0161400 (generalisierte Regressionsmodelle) 1 SWS Übung (Ü) Klar
Prüfungsveranstaltungen
SS 2026 7700128 Generalisierte Regressionsmodelle (Termin 1) Klar
SS 2026 7700129 Generalisierte Regressionsmodelle (Termin 2) Klar
WS 26/27 7700066 Generalisierte Regressionsmodelle (Termin 3) Klar
Erfolgskontrolle(n)

Mündliche Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Das Modul kann nicht zusammen mit der Lehrveranstaltung Statistische Modellierung von allgemeinen Regressionsmodellen [T-WIWI-103065] geprüft werden.

Arbeitsaufwand
120 Std.

Teilleistung: Geometric Deep Learning [T-INFO-112662]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106237 - Geometric Deep Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2400179 Geometric Deep Learning 4 SWS Vorlesung / Übung (VÜ) / 🗣 Stühmer, Berndt
Prüfungsveranstaltungen
SS 2026 7500374 Geometric Deep Learning Stühmer
WS 26/27 7500338 Geometric Deep Learning Stühmer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge about the foundations of machine learning, group theory and linear algebra useful but not required.

Teilleistung: Global Manufacturing [T-WIWI-112103]

Verantwortung:
Dr. Henning Sasse
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2581956 Global Manufacturing 2 SWS Vorlesung (V) / 🧩 Sasse
Prüfungsveranstaltungen
SS 2026 7981956 Global Manufacturing Schultmann
WS 26/27 7981956 Global Manufacturing Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
105 Std.

Teilleistung: Globale Optimierung I [T-WIWI-102726]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2550134 Globale Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
Prüfungsveranstaltungen
SS 2026 7900205_SS2026_HK Global Optimization I Stein
WS 26/27 7900004_WS2627_NK Global Optimization I Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer englischsprachigen schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. 

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu "Globale Optimierung II" erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103638 - Globale Optimierung I und II darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Globale Optimierung I und II [T-WIWI-103638]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2550134 Globale Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
SS 2026 2550135 Übungen zu Globale Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Huber
SS 2026 2550136 Globale Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Prüfungsveranstaltungen
SS 2026 7900207_SS2026_HK Global Optimization I and II Stein
WS 26/27 7900006_WS2627_NK Global Optimization I und II Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer englischsprachigen schriftlichen Prüfung (120min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

  

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102726 - Globale Optimierung I darf nicht begonnen worden sein.
  2. Die Teilleistung T-WIWI-102727 - Globale Optimierung II darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Globale Optimierung II [T-WIWI-102727]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2550136 Globale Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
SS 2026 2550137 Übungen zu Globale Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Huber
Prüfungsveranstaltungen
SS 2026 7900206_SS2026_HK Global Optimization II Stein
WS 26/27 7900005_WS2627_NK Global Optimization II Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer englischsprachigen schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu "Globale Optimierung I" erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103638 - Globale Optimierung I und II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Graph Partitioning and Graph Clustering in Theory and Practice [T-INFO-114232]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107211 - Graph Partitioning and Graph Clustering in Theory and Practice
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
WS 26/27 75722 Graphpartitionierung und Graphenclustern in Theorie und Praxis Sanders
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

The module grade is made up of the graded and weighted performance assessments (usually 80% of the oral examination and 20% of the other performance).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101295 - Graphpartitionierung und Graphenclustern in Theorie und Praxis darf nicht begonnen worden sein.
Empfehlungen

Knowledge of graph theory and algorithm technology is helpful.

Teilleistung: Graph Partitioning and Graph Clustering in Theory and Practice - Practical [T-INFO-114233]

Verantwortung:
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107211 - Graph Partitioning and Graph Clustering in Theory and Practice
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  (seminar paper/presentation/programming task or similar).

The module grade is made up of the graded and weighted performance assessments (usually 80% of the oral examination and 20% of the other performance). An overall grade is awarded.

Voraussetzungen

None.

Empfehlungen

Knowledge of graph theory and algorithm technology is helpful.

Teilleistung: Graph Theory and Advanced Location Models [T-WIWI-102723]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
4
Lehrveranstaltungen
SS 2026 2500033 Übungen zu Graph Theory and Advanced Location Models 1.5 SWS Übung (Ü) / 🧩 Hoffmann
SS 2026 2500050 Graph Theory and Advanced Location Models 3 SWS Vorlesung (V) / 🗣 Nickel
WS 26/27 2550485 Übungen zu Graph Theory and Advanced Location Models 1 SWS Übung (Ü) Dunke, Bindewald
Prüfungsveranstaltungen
SS 2026 7900209 Graph Theory and Advanced Location Models Nickel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle zur Lehrveranstaltung (Vorlesung und Übung) erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO).

Die Prüfung wird im Semester der Vorlesung und im darauffolgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen, dass Studierende Kenntnisse im Operations Research besitzen, wie sie beispielsweise im Modul „Einführung in das Operations Research“ vermittelt werden. 

Anmerkungen

Die Lehrveranstaltung wird unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden. 

Teilleistung: Graphentheorie [T-MATH-102273]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101336 - Graphentheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Lehrveranstaltungen
WS 26/27 0104500 Graph Theory 4 SWS Vorlesung (V) Aksenovich, Liu
WS 26/27 0104510 Tutorial for 0104500 (Graph Theory) 2 SWS Übung (Ü) Aksenovich, Liu
Prüfungsveranstaltungen
SS 2026 7700108 Graphentheorie Aksenovich
Voraussetzungen

Keine

Anmerkungen

Unterrichtssprache: Englisch

Teilleistung: Grundlagen der Biologie [T-CHEMBIO-100180]

Verantwortung:
Prof. Dr. Peter Nick
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: M-CHEMBIO-101957 - Ergänzungsfach Biologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 07001 Tutorium zu Grundlagen der Biologie (zu Modul BA-01) 1 SWS Tutorium (Tu) Nick, Bastmeyer, Kämper
WS 26/27 7001 Grundlagen der Biologie (zu Modul BA-01) 4 SWS Vorlesung (V) / 🗣 Nick, Bastmeyer, Kämper
Prüfungsveranstaltungen
SS 2026 71-100180 BA-01_2 Grundlagen der Biologie Kämper, Bastmeyer, Nick
WS 26/27 71100180 BA-01 Grundlagen der Biologie Kämper, Nick, Bastmeyer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung zu BA-01 im Umfang von 120 Minuten;
Zum Bestehen der Prüfung müssen mindesten 50% der Gesamtpunktzahl erreicht werden.

Voraussetzungen

keine

Empfehlungen

Materialien

 

Tutorien zur Vorlesung

Informationen werden in ILIAS bereit gestellt

Anmerkungen

Vorlesungsplan und Folien:

siehe entsprechenden ILIAS-Kurs

Arbeitsaufwand
120 Std.

Teilleistung: Grundlagen der Mess- und Regelungstechnik [T-MACH-104745]

Verantwortung:
Prof. Dr.-Ing. Christoph Stiller
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Mess- und Regelungstechnik
Bestandteil von: M-MACH-102564 - Mess- und Regelungstechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
7 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2137301 Grundlagen der Mess- und Regelungstechnik 3 SWS Vorlesung (V) / 🗣 Stiller
WS 26/27 2137302 Übungen zu Grundlagen der Mess- und Regelungstechnik 1 SWS Übung (Ü) / 🗣 Stiller
WS 26/27 3137020 Measurement and Control Systems 3 SWS Vorlesung (V) / 🗣 Stiller
WS 26/27 3137021 Measurement and Control Systems (Tutorial) 1 SWS Übung (Ü) / 🗣 Stiller
Prüfungsveranstaltungen
SS 2026 76-T-MACH-104745 Grundlagen der Mess- und Regelungstechnik Stiller
WS 26/27 76-T-MACH-104745 Grundlagen der Mess- und Regelungstechnik Stiller
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung

2,5 Stunden

Voraussetzungen

keine

Anmerkungen

Die Lehrveranstaltung wird in deutscher Sprache angeboten

Arbeitsaufwand
210 Std.

Teilleistung: Güterverkehr [T-BGU-106611]

Verantwortung:
Dr. Eckhard Szimba
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 6232809 Güterverkehr 2 SWS Vorlesung / Übung (VÜ) / 🗣 Szimba
Prüfungsveranstaltungen
SS 2026 8245106611 Güterverkehr Szimba
WS 26/27 8245106611 Güterverkehr Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

schriftliche Prüfung, 60 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Hands-on Bioinformatics Practical [T-INFO-103009]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101573 - Hands-on Bioinformatics Practical
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
3
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Practical tasks in the field of bioinformatics must be completed. The results must be presented in writing or orally.

Voraussetzungen

The exam in Introduction to Bioinformatics for Computer Scientists must have been passed in one of the preceding semesters.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists muss erfolgreich abgeschlossen worden sein.

Teilleistung: Hardware Modeling and Simulation [T-ETIT-100672]

Verantwortung:
Dr.-Ing. Jens Becker
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100449 - Hardware Modeling and Simulation
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2311608 Hardware Modeling and Simulation 2 SWS Vorlesung (V) / 🗣 Becker, Becker
WS 26/27 2311610 Tutorial for 2311608 Hardware Modeling and Simulation 1 SWS Übung (Ü) / 🗣 Sotiropoulos
Prüfungsveranstaltungen
SS 2026 7311608 Hardware Modeling and Simulation Becker, Becker
WS 26/27 7311608 Hardware Modeling and Simulation Becker, Becker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Achievement is examined in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Teilleistung: Hardware Synthesis and Optimization [T-ETIT-113922]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106963 - Hardware Synthesis and Optimization
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2311619 Hardware Synthesis and Optimization 3 SWS Vorlesung (V) / 🗣 Becker
SS 2026 2311621 Tutorial for 2311619 Hardware Synthesis and Optimization 1 SWS Übung (Ü) / 🗣 Schmidt
Prüfungsveranstaltungen
SS 2026 7311619 Hardware Synthesis and Optimization Becker
WS 26/27 7311619 Hardware Synthesis and Optimisation Becker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place within the framework of an oral overall examination (approx. 30 minutes).
The module grade is the grade of the oral exam.

Voraussetzungen

none

Teilleistung: Hardware/Software Co-Design [T-ETIT-114623]

Verantwortung:
Dr.-Ing. Tanja Harbaum
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107444 - Hardware/Software Co-Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2311620 Hardware/Software Co-Design 3 SWS Vorlesung (V) / 🗣 Harbaum, Becker
WS 26/27 2311623 Tutorial for 2311620 Hardware/Software Co-Design 1 SWS Übung (Ü) / 🗣 Paraskevas
Prüfungsveranstaltungen
SS 2026 7311620 Hardware/Software Co-Design Harbaum, Becker
SS 2026 73116202 Hardware/Software Co-Design (Wiederholer) Harbaum, Becker
WS 26/27 73116202 Hardware/Software Co-Design Harbaum, Becker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place within the framework of an oral overall examination (approx. 25 minutes).

The module grade is the grade of the oral exam.

Voraussetzungen

none

Empfehlungen

Basic knowledge in the fields of digital technology and information technology is helpful.

Teilleistung: Hardware-efficient Artificial Intelligence [T-INFO-114628]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Dr. Martin Rapp
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107448 - Hardware-efficient Artificial Intelligence
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
WS 26/27 2400232 Hardware-effizientes Maschinelles Lernen 2 SWS Vorlesung (V) Rapp
Prüfungsveranstaltungen
WS 26/27 7500406 Hardware-efficient Artificial Intelligence Henkel
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) approx. 30 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO)
whether the examination takes place

Voraussetzungen

None.

Empfehlungen

A basic understanding of deep learning concepts and neural networks is expected; familiarity with hardware architectures and embedded systems is helpful but not required. 

Teilleistung: Heterogene parallele Rechensysteme [T-INFO-101359]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100822 - Heterogene parallele Rechensysteme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424117 Heterogene parallele Rechensysteme 2 SWS Vorlesung (V) / 🗣 Karl
Prüfungsveranstaltungen
SS 2026 7500205 Heterogene parallele Rechensysteme Karl
SS 2026 7500216 Heterogene parallele Rechensysteme Karl
WS 26/27 7500209 VL: Heterogene parallele Rechensysteme Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Teilleistung: HRI and Social Robotics [T-INFO-113396]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106650 - HRI and Social Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400159 HRI and Social Robotics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bruno, Maure
Prüfungsveranstaltungen
SS 2026 7500101 HRI and Social Robotics Bruno
WS 26/27 7500390 HRI and Social Robotics - Post Exam Bruno
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics is helpful.

Teilleistung: HRI and Social Robotics - Pass [T-INFO-113397]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106650 - HRI and Social Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400159 HRI and Social Robotics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bruno, Maure
Prüfungsveranstaltungen
SS 2026 7500358 HRI and Social Robotics - Übungen Bruno
WS 26/27 7500399 HRI and Social Robotics - Pass (Post-Exam) Bruno
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment can only be repeated once.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics is helpful.

Teilleistung: Human-Computer-Interaction [T-INFO-114192]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107166 - Human Computer Interaction
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24659 Human-Computer-Interaction 2 SWS Vorlesung (V) / 🧩 Beigl
Prüfungsveranstaltungen
SS 2026 7500048 Human-Computer-Interaction Beigl
SS 2026 7500390 Mensch Maschine Interaktion Riedel
WS 26/27 7500076 Human-Computer-Interaction Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written exam (of approx. 60 minutes) as a digital exam according to §2 (3) of the Statute for the implementation of online examinations. The exam takes place ON SITE at KIT!

Voraussetzungen

Participation in the exercise is compulsory and the contents of the exercise are relevant for the examination.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101266 - Mensch-Maschine-Interaktion darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114193 - Human-Computer-Interaction Pass muss erfolgreich abgeschlossen worden sein.

Teilleistung: Human-Computer-Interaction Pass [T-INFO-114193]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107166 - Human Computer Interaction
Voraussetzung für: T-INFO-114192 - Human-Computer-Interaction
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400095 Human-Computer-Interaction 1 SWS Übung (Ü) / 🧩 Beigl
Prüfungsveranstaltungen
SS 2026 7500121 Human-Computer-Interaction Pass Beigl
SS 2026 7500387 Mensch Maschine Interaktion Pass Riedel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).


Exercise sheets must be handed in regularly to pass the course. The specific details will be announced in the lecture.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106257 - Übungsschein Mensch-Maschine-Interaktion darf nicht begonnen worden sein.
Anmerkungen

Participation in the exercise is compulsory and the contents of the exercise are relevant for the examination.

Teilleistung: Humanoid Robots - Locomotion and Whole-Body Control [T-INFO-113395]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106649 - Humanoid Robots - Locomotion and Whole-Body Control
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400135 Humanoid Robots – Locomotion and Whole-Body Control 4 SWS Vorlesung (V) / 🗣 Mombaur, Große Sundrup
Prüfungsveranstaltungen
SS 2026 7500160 Humanoid Robots - Locomotion and Whole-Body Control Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The grade of the course is given based on the performance in in an individual programming project on the topic of humanoid robots, which consists of the definition and solution of the project itself as well as a subsequent oral presentation in a block event and the submission of a written report. Project work starts in the exercise slots during the second half of the term and ends during the lecture free time. 

As a prerequisite for the enrollment in the project, the students must regularly and successfully participate in the exercises and present their results for the exercise sheets during the first part of the term, according to the modalities announced at the beginning of the course.
Both components can be completed in the same group of two students. Withdrawal is possible until 2 weeks after enrollment in the project. 
Active participation in the class is expected from all students and is a necessary requirement for the course. 

Voraussetzungen

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Anmerkungen

Limitation to 30 participants 

Teilleistung: Humanoid Robots - Locomotion and Whole-Body Control -Pass [T-INFO-114282]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106649 - Humanoid Robots - Locomotion and Whole-Body Control
Teilleistungsart
Studienleistung mündlich
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400135 Humanoid Robots – Locomotion and Whole-Body Control 4 SWS Vorlesung (V) / 🗣 Mombaur, Große Sundrup
Prüfungsveranstaltungen
SS 2026 7500364 Humanoid Robots - Locomotion and Whole-Body Control -Pass Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). 

The grade of the course is given based on the performance in in an individual programming project on the topic of humanoid robots, which consists of the definition and solution of the project itself as well as a subsequent oral presentation in a block event and the submission of a written report. Project work starts in the exercise slots during the second half of the term and ends during the lecture free time. 

As a prerequisite for the enrollment in the project, the students must regularly and successfully participate in the exercises and present their results for the exercise sheets during the first part of the term, according to the modalities announced at the beginning of the course.
Both components can be completed in the same group of two students. Withdrawal is possible until 2 weeks after enrollment in the project. 
Active participation in the class is expected from all students and is a necessary requirement for the course. 

Voraussetzungen

Empfehlungen

Attendance of the lectures Robotics I - Introduction to Robotics and Mechano-Informatics in Robotics is required. 

Anmerkungen

Limitation to 30 participants 

Teilleistung: Humanoid Robots - Seminar [T-INFO-114170]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107152 - Humanoid Robots - Seminar
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400048 Humanoid Robots - Seminar 2 SWS Seminar (S) / 🗣 Asfour
Prüfungsveranstaltungen
WS 26/27 7500119 Humanoid Robots - Seminar Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). It includes a presentation at the end of the term and a term paper.

Voraussetzungen

None.

Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III – Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robotic Technologies is recommended.

Teilleistung: Incentives in Organizations [T-WIWI-105781]

Verantwortung:
Prof. Dr. Petra Nieken
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2573003 Incentives in Organizations 2 SWS Vorlesung (V) / 🗣 Nieken
SS 2026 2573004 Übung zu Incentives in Organizations 2 SWS Übung (Ü) / 🗣 Nieken, Mitarbeiter, Gorny
Prüfungsveranstaltungen
SS 2026 7900132 Incentives in Organizations Nieken
WS 26/27 7900201 Incentives in Organizations Nieken
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 1 Stunde. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.
Bei einer geringen Anzahl an zur Klausur angemeldeten Teilnehmerinnen und Teilnehmer behalten wir uns die Möglichkeit vor, eine mündliche Prüfung anstelle einer schriftlichen Prüfung stattfinden zu lassen.

Voraussetzungen

Keine

Empfehlungen

Es wird empfohlen, dass Studierende Kenntnisse in Mikroökonomie, Spieltheorie und Statistik besitzen.

Teilleistung: Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT [T-INFO-111839]

Verantwortung:
Dr.-Ing. Angelika Kaplan
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400094 Ethik der IT 2 SWS Vorlesung (V) / 🖥 Reussner, Bagattini
Prüfungsveranstaltungen
SS 2026 7500210 Ethik der IT Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.

Voraussetzungen

Keine.

Empfehlungen

Keine.

Anmerkungen

Selbstfahrende Autos, Pflegeroboter, Apps, Software für Einstellungsverfahren oder für die Anwendung in komplexen medizinischen Diagnoseverfahren wie dem MRT. Längst ist klar, dass viele neue Technologien im Bereich der IT gleichermaßen Vorteile aber auch Gefahren mit sich bringen. Heute sind wir fast alle persönlich von phishing emails und spam betroffen, und die adversen Effekte von social media – wie Vereinsamung und damit korrelierende psychische Erkrankungen – sind allgemein bekannt. Eine wesentlich größere Tragweite wird deutlich, wenn man an die Möglichkeiten moderner Überwachungssysteme, Gesichtserkennungstechnologien und Big Data Algorithmen in sozio-globalen Kontexten betrachtet, wo sie, wie beim Cambridge Analytica Skandal, politische Wahlen und sogar ganze politische Systeme unterminieren können. Diese Ambivalenz neuer Technologien führt auch zur Frage nach der Verantwortung für die mit ihnen verbundenen Folgen. Es greift hier sicherlich zu kurz, den einzelnen Informatiker allein in der Pflicht zu sehen, schließlich handelt es sich um ein gesamtgesellschaftliches Problemfeld, an dem beispielsweise politische Akteure und Firmen beteiligt sind, was sich angesichts der oftmals globalen Dimension kooperativer Projekte im Bereich der IT noch komplizierter darstellt. Allerdings sind Informatiker oftmals diejenigen, die als erste mit ethischen Problemen konfrontiert sind. Um hier eine eigene Position beziehen zu können, ist wichtig zu lernen, wie man sich souverän in den für ethische Fragestellungen typischen Grauzonen (in denen es oft kein klares Wahr oder Falsch gibt) argumentativ bewegen kann.

Das Ziel dieser Ringvorlesung ist es, hierzu einen Beitrag zu leisten, indem wir gemeinsam mit einschlägigen Expert*innen über grundsätzliche und anwendungsbezogene ethische Fragen im Bereich der IT diskutieren. Hierbei ist uns ein offener Diskurs wichtig, bei dem zu den oftmals kontroversen Themen alle Argumente gehört und bewertet werden können.

Teilleistung: Information, Wissenschaft und Verantwortung – aktuelle ethische Herausforderungen der IT [T-INFO-112148]

Verantwortung:
Dr.-Ing. Angelika Kaplan
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400094 Ethik der IT 2 SWS Vorlesung (V) / 🖥 Reussner, Bagattini
Prüfungsveranstaltungen
SS 2026 7500338 Ethik der IT Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO. Es besteht Anwesenheitspflicht zwecks Erfolgskontrolle. Es wird eine Teilnahmebestätigung ausgestellt.

Voraussetzungen

Keine.

Empfehlungen

Keine.

Anmerkungen

Selbstfahrende Autos, Pflegeroboter, Apps, Software für Einstellungsverfahren oder für die Anwendung in komplexen medizinischen Diagnoseverfahren wie dem MRT. Längst ist klar, dass viele neue Technologien im Bereich der IT gleichermaßen Vorteile aber auch Gefahren mit sich bringen. Heute sind wir fast alle persönlich von phishing emails und spam betroffen, und die adversen Effekte von social media – wie Vereinsamung und damit korrelierende psychische Erkrankungen – sind allgemein bekannt. Eine wesentlich größere Tragweite wird deutlich, wenn man an die Möglichkeiten moderner Überwachungssysteme, Gesichtserkennungstechnologien und Big Data Algorithmen in sozio-globalen Kontexten betrachtet, wo sie, wie beim Cambridge Analytica Skandal, politische Wahlen und sogar ganze politische Systeme unterminieren können. Diese Ambivalenz neuer Technologien führt auch zur Frage nach der Verantwortung für die mit ihnen verbundenen Folgen. Es greift hier sicherlich zu kurz, den einzelnen Informatiker allein in der Pflicht zu sehen, schließlich handelt es sich um ein gesamtgesellschaftliches Problemfeld, an dem beispielsweise politische Akteure und Firmen beteiligt sind, was sich angesichts der oftmals globalen Dimension kooperativer Projekte im Bereich der IT noch komplizierter darstellt. Allerdings sind Informatiker oftmals diejenigen, die als erste mit ethischen Problemen konfrontiert sind. Um hier eine eigene Position beziehen zu können, ist wichtig zu lernen, wie man sich souverän in den für ethische Fragestellungen typischen Grauzonen (in denen es oft kein klares Wahr oder Falsch gibt) argumentativ bewegen kann.

Das Ziel dieser Ringvorlesung ist es, hierzu einen Beitrag zu leisten, indem wir gemeinsam mit einschlägigen Expert*innen über grundsätzliche und anwendungsbezogene ethische Fragen im Bereich der IT diskutieren. Hierbei ist uns ein offener Diskurs wichtig, bei dem zu den oftmals kontroversen Themen alle Argumente gehört und bewertet werden können.

Teilleistung: Informationsmanagement für öffentliche Mobilitätsangebote [T-BGU-106608]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 6232905 Informationsmanagement für öffentliche Mobilitätsangebote 2 SWS Block (B) / 🗣 Vortisch
Prüfungsveranstaltungen
WS 26/27 8245106608 Informationsmanagement für öffentliche Mobilitätsangebote Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

vorlesungsbegleitende Übungsblätter, ca. 5 Stück

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Innovation Lab [T-ETIT-110291]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Prof. Dr. Werner Nahm
Prof. Dr.-Ing. Eric Sax
Prof. Dr. Wilhelm Stork
Prof. Dr.-Ing. Thomas Zwick
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
2 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2303192 Innovation Lab 2 SWS Projekt (PRO) / 🗣 Hohmann, Zwick, Sax, Stork, Terzidis
WS 26/27 2303192 Innovation Lab 2 SWS Projekt (PRO) / 🗣 Hohmann, Zwick, Sax, Stork, Nahm, Schmalen, Rost
Prüfungsveranstaltungen
SS 2026 7303192 Innovation Lab SS Hohmann, Zwick, Stork, Sax, Nahm
WS 26/27 7303192 Innovation Lab Hohmann, Zwick, Stork, Sax, Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success control takes place in the form of other types of examination and includes:

Voraussetzungen

none

Teilleistung: Innovation2Business – Innovation Strategy in the Industrial Corporate Practice [T-MACH-112882]

Verantwortung:
Prof. Dr.-Ing. Albert Albers
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Produktentwicklung
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
WS 26/27 2145182 Innovation2Business – Innovation Strategy in the Industrial Corporate Practice 2 SWS Vorlesung (V) / 🗣 Albers
Prüfungsveranstaltungen
WS 26/27 76-T-MACH-112882 Innovation2Business – innovation strategy in the industrial corporate practice Albers
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Prüfung, in der Inhalte aus dem zur Verfügung gestellten Skript abgefragt werden, Dauer 90 Minuten

Voraussetzungen

keine

Empfehlungen

Keine

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
120 Std.

Teilleistung: Innovationsmanagement: Konzepte, Strategien und Methoden [T-WIWI-102893]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2545100 Innovationsmanagement: Konzepte, Strategien und Methoden 2 SWS Vorlesung (V) / 🧩 Weissenberger-Eibl
Prüfungsveranstaltungen
SS 2026 7900144 Innovationsmanagement: Konzepte, Strategien und Methoden Weissenberger-Eibl
SS 2026 7900145 Innovationsmanagement: Konzepte, Strategien und Methoden Weissenberger-Eibl
WS 26/27 7900145 Innovationsmanagement: Konzepte, Strategien und Methoden Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Innovative Konzepte zur Programmierung von Industrierobotern [T-INFO-101328]

Verantwortung:
Prof. Dr.-Ing. Björn Hein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100791 - Innovative Konzepte zur Programmierung von Industrierobotern
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2424179 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🗣 Hein
WS 26/27 2400011 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🗣 Hein
WS 26/27 24179 Innovative Konzepte zur Programmierung von Industrierobotern 2 SWS Vorlesung (V) / 🖥 Hein
Prüfungsveranstaltungen
SS 2026 750001 Innovative Konzepte zur Programmierung von Industrierobotern Hein
WS 26/27 75750001 Innovative Konzepte zur Programmierung von Industrierobotern Hein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO . 
Es müssen eine Projektarbeit mit Präsentation und Bericht über diese erstellt werden. 

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. Es sind insgesamt zwei Wiederholungen möglich.

Voraussetzungen

Keine

Empfehlungen

Generelle Kenntnisse im Bereich Grundlagen der Robotik sind hilfreich.

Teilleistung: Integrierte Intelligente Sensoren [T-ETIT-100961]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100457 - Integrierte Intelligente Sensoren
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2311630 Integrierte Intelligente Sensoren 2 SWS Vorlesung (V) / 🗣 Stork
Prüfungsveranstaltungen
SS 2026 7311630 Integrierte Intelligente Sensoren Stork
WS 26/27 7311630 Integrierte Intelligente Sensoren Stork
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Interaktive Computergrafik [T-INFO-101269]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100732 - Interaktive Computergrafik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24679 Interaktive Computergrafik 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500123 Interaktive Computergrafik Dachsbacher
WS 26/27 7500202 Interaktive Computergrafik Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus der Vorlesung Computergrafik werden vorausgesetzt.

Teilleistung: International Entrepreneurship and Brand Development [T-WIWI-114893]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
WS 26/27 2572189 International Entrepreneurship and Brand Development 4 SWS Block (B) / 🗣 Terzidis, Kupfer
Prüfungsveranstaltungen
WS 26/27 7900156 International Entrepreneurship and Brand Development Kupfer, Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Präsentation). Die Note setzt sich aus der Leistung bei der Präsentation, der anschließenden Diskussion und der schriftlichen Ausarbeitung zusammen.

Anmerkungen

 Aktuelle Informationen erhalten Sie bei der Forschungsgruppe Marketing und Vertrieb.

Arbeitsaufwand
180 Std.

Teilleistung: Internationale Finanzierung [T-WIWI-102646]

Verantwortung:
Prof. Dr. Marliese Uhrig-Homburg
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
SS 2026 2530570 Internationale Finanzierung 2 SWS Vorlesung (V) / 🗣 Walter, Uhrig-Homburg
Prüfungsveranstaltungen
SS 2026 7900097 Internationale Finanzierung Uhrig-Homburg
WS 26/27 7900052 Internationale Finanzierung Uhrig-Homburg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Bei geringer Teilnehmerzahl kann auch eine mündliche Prüfung angeboten werden. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird 14-tägig oder als Blockveranstaltung angeboten.

Teilleistung: Internet of Everything [T-INFO-101337]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100800 - Internet of Everything
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424104 Internet of Everything 2 SWS Vorlesung (V) / 🗣 Zitterbart, Hildenbrand, Mahrt, Neumeister
Prüfungsveranstaltungen
SS 2026 7500071 Internet of Everything Zitterbart
SS 2026 7500397 Internet of Everything for Retakers Zitterbart
SS 2026 7500428 Internet of Everything (Zweitwiederholung) Zitterbart
WS 26/27 7500009 Internet of Everything Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Anmerkungen

Offered for the last time in WS 26/27!!!!!

Teilleistung: Internetrecht [T-INFO-101307]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2424354 Internetrecht 2 SWS Vorlesung (V) / 🧩 Sattler
Prüfungsveranstaltungen
SS 2026 7500057 Internetrecht Sattler
WS 26/27 7500060 Internetrecht Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Im WS besteht diese Teilleistung aus einer Vorlesung, die mit einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO abgeschlossen wird.

Voraussetzungen

Die Veranstaltung Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 darf nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108462 - Ausgewählte Rechtsfragen des Internetrechts darf nicht begonnen worden sein.
Empfehlungen

Keine

Anmerkungen

Vorlesung (mit Klausur) Internetrecht T-INFO-101307 wird im WS angeboten.

Kolloquium (Prüfung sonstiger Art) Ausgewählte Rechtsfragen des Internetrechts T-INFO-108462 wird im SS angeboten.

Teilleistung: Introduction to Bioinformatics for Computer Scientists [T-INFO-101286]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400055 Introduction to Bioinformatics for Computer Scientists 2 SWS Vorlesung (V) / 🧩 Stamatakis
Prüfungsveranstaltungen
SS 2026 7500330 Introduction to Bioinformatics for Computer Scientists Stamatakis
WS 26/27 7500057 Introduction to Bioinformatics for Computer Scientists Stamatakis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None

Empfehlungen

Basic knowledge in the areas of theoretical computer science (algorithms, data structures) and technical computer science (sequential optimisation in C or C++, computer architectures, parallel programming, vector processors) will be beneficial.

Teilleistung: IT Security [T-INFO-113960]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106998 - IT Security
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2400010 IT Security 4 SWS Vorlesung / Übung (VÜ) / 🗣 Müller-Quade, Wressnegger, Martin, Gharibyar
Prüfungsveranstaltungen
SS 2026 7500025 IT Security (Nachklausur) Müller-Quade, Wressnegger, Strufe
WS 26/27 7500038 IT Security Müller-Quade, Strufe, Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112818 - IT-Sicherheit darf nicht begonnen worden sein.
Empfehlungen

Students should be familiar with the content of the compulsory lecture "Informationssicherheit".

Teilleistung: IT-Sicherheitsmanagement für vernetzte Systeme [T-INFO-101323]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100786 - IT-Sicherheitsmanagement für vernetzte Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424149 IT-Sicherheitsmanagement für vernetzte Systeme 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Grundmann
Prüfungsveranstaltungen
SS 2026 7500599 IT-Sicherheitsmanagement für vernetzte Systeme Hartenstein
WS 26/27 7500348 IT-Sicherheitsmanagement für vernetzte Systeme Hartenstein
WS 26/27 7500599 IT-Sicherheitsmanagement für vernetzte Systeme Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.
    
    Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
    
    * in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
    * in Form einer schriftlichen Prüfung (i.d.R. 60 min) nach § 4 Abs. 2 Nr. 1 SPO
    
    stattfindet.

Voraussetzungen

keine

Empfehlungen

Kenntnisse, die in der Vorlesung Informationssicherheit vermittelt werden, werden vorausgesetzt.

Anmerkungen

 

Teilleistung: Joint Entrepreneurship Summer School [T-WIWI-109064]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2545021 Joint Entrepreneurship School China 4 SWS Seminar (S) / 🗣 Kleinn, Terzidis
Prüfungsveranstaltungen
SS 2026 7900328 Joint Entrepreneurship Summer School (Egypt) Terzidis
SS 2026 7900346 Joint Entrepreneurship Summer School (China) Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle des Programms (Summer School) setzt sich aus zwei Teilen zusammen:
A) Investor Pitch: Anhand einer Präsentation (Investor Pitch) vor einer Jury werden die im Laufe der Veranstaltung gewonnenen und entwickelten Erkenntnisse dargestellt und die Geschäftsidee vorgestellt. Bewertet werden dabei unter anderem die Präsentationsleistung des Teams, die inhaltliche Strukturiertheit und die logische Konsistenz der Geschäftsidee. Die genauen Bewertungskriterien werden in der Veranstaltung bekannt gegeben. 

B) Schriftliche Ausarbeitung: Zweiter Teil der Erfolgskontrolle ist ein schriftlicher Bericht. Der iterative Erkenntnisgewinn der gesamten Veranstaltung wird systematisch protokolliert und kann durch die Inhalte der Präsentation weiter ergänzt werden. Im Bericht werden zentrale Handlungsschritte, angewandte Methoden, Erkenntnisse, Marktanalysen und Interviews dokumentiert und schriftlich aufbereitet. Die genaue Struktur und Anforderungen werden in der Veranstaltungen bekannt gegeben. 

Die Note setzt sich zusammen aus 50 % Präsentationsleistung und 50 % schriftliche Ausarbeitung. Das Punkteschema für die Bewertung legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben. 

Voraussetzungen

Die Summer School richtet sich an Masterstudierende des KIT. Voraussetzung ist die Teilnahme am Auswahlverfahren.

Empfehlungen

Empfohlen werden betriebswirtschaftliche Grundkenntnisse, der Besuch der Vorlesung Entrepreneurship sowie Offenheit und Interesse an interkulturellen Austausch. Solide Kenntnisse der englischen Sprache sind von Vorteil.

Anmerkungen

Die Arbeitssprache während der Summer School ist englisch. Ein einwöchiger Aufenthalt in China ist Bestandteil der Summer School. 

Teilleistung: KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics [T-WIWI-111109]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2540474 KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics 3 SWS Vorlesung (V) / 🗣 Knierim
Prüfungsveranstaltungen
SS 2026 7900368 KD²Lab Forschungspraktikum: New Ways and Tools in Experimental Economics Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle zur Lehrveranstaltung (Vorlesung) erfolgt in Form einer Prüfungsleistung anderer Art. Diese setzt sich zusammen aus:

Für besonders aktive und konstruktive Teilnahme an den Diskussionen anderer Arbeiten im Rahmen der Abschlusspräsentation kann ein Bonus von einer Notenstufe (0.3 oder 0.4) auf die bestandene Prüfungsleistung erreicht werden. Details zur Notenbildung werden zu Beginn der Veranstaltung bekannt gegeben.

Anmerkungen

Aufgrund der Laborkapazität und um eine optimale Betreuung der Projektgruppen zu gewährleisten, ist die Teilnehmerzahl begrenzt. Die Platzvergabe erfolgt unter Berücksichtigung von Präferenzen und Eignung für die Themen. Dabei spielen insbesondere Vorkenntnisse im Bereich Experimentelle Wirtschaftsforschung eine Rolle.

Die Teilleistung kann im Sommersemester 2024 nicht angeboten werden.

Arbeitsaufwand
135 Std.

Teilleistung: KI- und datengetriebener B2B-Vertrieb [T-WIWI-115326]

Verantwortung:
Prof. Dr. Martin Klarmann
Anja Konhäuser
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Prüfungsveranstaltungen
SS 2026 7900297 Digital Marketing and Sales in B2B Klarmann
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO (Teampräsentation einer Case Study mit anschließender Diskussion im Umfang von insg. 30 Minuten).

Voraussetzungen

Keine.

Anmerkungen

Der Kurs „KI- und datengetriebener B2B-Vertrieb“ vermittelt ein fundiertes Verständnis dafür, wie digitale und KI-gestützte Geschäftsmodelle gestaltet, skaliert und bewertet werden. Im Fokus stehen die Rolle von Daten und Künstlicher Intelligenz entlang der Customer Journey sowie deren Auswirkungen auf B2B- und B2C-Kontexte. Studierende lernen, strukturierte und unstrukturierte Daten zu analysieren, relevante KPIs anzuwenden und daten- sowie KI-basierte Erkenntnisse in konkreten Mehrwert für Unternehmen zu transformieren. Die Inhalte werden durch eine Fallstudie praktisch vertieft, in der ein Business Case auf Basis von Daten, Annahmen und Prognosen entwickelt und hinsichtlich seines ökonomischen Impacts bewertet wird.

Für die Teilnahme an dieser Veranstaltung ist eine Bewerbung erforderlich. Die Bewerbungsphase findet in der Regel zu Beginn der Vorlesungszeit des jeweiligen Semesters statt. Nähere Informationen zum Bewerbungsprozess erhalten Sie in der Regel kurz vor Beginn der Vorlesungszeit im Wintersemester auf der Webseite der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu). Diese Veranstaltung hat eine Teilnahmebeschränkung. Die Forschungsgruppe Marketing und Vertrieb ermöglicht typischerweise allen Studierenden den Besuch einer Veranstaltung mit 1,5 Leistungspunkten im entsprechenden Modul. Eine Garantie für den Besuch einer bestimmten Veranstaltung kann auf keinen Fall gegeben werden. Nähere Informationen erhalten Sie direkt bei der Forschergruppe Marketing und Vertrieb (marketing.iism.kit.edu). Bitte beachten Sie, dass nur eine der 1,5-LP-Veranstaltungen für das Modul angerechnet werden kann.

Arbeitsaufwand
45 Std.

Teilleistung: Klausur Sozialstrukturanalyse [T-GEISTSOZ-106485]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Prüfungsveranstaltungen
WS 26/27 7400126 Klausur Sozialstrukturanalyse Nollmann
Voraussetzungen

Keine.

Teilleistung: Kombinatorik [T-MATH-105916]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102950 - Kombinatorik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
4
Lehrveranstaltungen
SS 2026 0150300 Combinatorics 4 SWS Vorlesung (V) Aksenovich, Sagdeev
SS 2026 0150310 Tutorial for Combinatorics (0150300) 2 SWS Übung (Ü) Aksenovich, Sagdeev
Prüfungsveranstaltungen
SS 2026 00009 Kombinatorik Aksenovich
WS 26/27 7700076 Kombinatorik Aksenovich
Voraussetzungen

Keine

Anmerkungen

Unterrichtssprache: Englisch

Teilleistung: Komplexitätstheorie, mit Anwendungen in der Kryptographie [T-INFO-103014]

Verantwortung:
Prof. Dr. Dennis Hofheinz
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101575 - Komplexitätstheorie, mit Anwendungen in der Kryptographie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400124 Komplexitätstheorie, mit Anwendungen in der Kryptographie 4 SWS Vorlesung (V) Müller-Quade, Benz, Berger
Prüfungsveranstaltungen
SS 2026 7500183 Komplexitätstheorie, mit Anwendungen in der Kryptographie Müller-Quade
WS 26/27 7500372 Komplexitätstheorie, mit Anwendungen in der Kryptographie Müller-Quade
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse in Entwurf und Analyse von Algorithmen werden vorausgesetzt.

Teilleistung: Kontextsensitive Systeme [T-INFO-107499]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100728 - Kontextsensitive Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400099 Kontextsensitive Systeme 1 SWS Übung (Ü) / 🖥 Riedel
SS 2026 24658 Kontextsensitive Systeme 2 SWS Vorlesung (V) / 🗣 Riedel
Prüfungsveranstaltungen
SS 2026 7500013_2026-07-27 Kontextsensitive Systeme_2026-07-27 Riedel
SS 2026 7500013_2026-08-24 Kontextsensitive Systeme_2026-08-24+2026-08-25 Riedel
SS 2026 7500013_YYYY.MM.TT Kontextsensitive Systeme_YYYY.MM.TT Riedel
SS 2026 7500013-2026-09-28 Kontextsensitive Systeme_2026-09-28 Riedel
WS 26/27 7500365_21.10.2025 Kontextsensitive Systeme Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrollen der Vorlesung erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO. Die Prüfung umfasst i.d.R. 20 Minuten.

Voraussetzungen

Keine

Teilleistung: Kryptographische Protokolle [T-INFO-111261]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105631 - Kryptographische Protokolle
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400154 Kryptographische Protokolle 2 SWS Vorlesung (V) / 🗣 Mechler
Prüfungsveranstaltungen
SS 2026 7500204 Kryptographische Protokolle Müller-Quade, Mechler
WS 26/27 7500357 Kryptographische Protokolle Müller-Quade, Mechler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach §4 Abs. 2 Nr. 2 SPO

Voraussetzungen

Wenn das Modul M-INFO-104119 Sichere Mehrparteienberechnung bereits geprüft wurde, kann das Modul Kryptographische Protokolle nicht geprüft werden.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108540 - Sichere Mehrparteienberechnung darf nicht begonnen worden sein.
Empfehlungen

Studierende sollten mit den Inhalten des Moduls "Theoretische Grundlagen der Kryptographie" vertraut sein.

Anmerkungen

Die Veranstaltung findet als "inverted classroom" statt. Der Stoff wird in Form von Videos präsentiert, in der anschließenden Präsenz-Veranstaltung wird dieser interaktiv vertieft.

Teilleistung: Kryptographische Wahlverfahren [T-INFO-101279]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100742 - Kryptographische Wahlverfahren
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400122 Kryptographische Wahlverfahren 2 SWS Vorlesung (V) / 🖥 Müller-Quade
Prüfungsveranstaltungen
SS 2026 7500181 Kryptographische Wahlverfahren Müller-Quade
WS 26/27 7500091 Kryptographische Wahlverfahren Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30min nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Kryptographie sind hilfreich.

Teilleistung: Lab Project: Speech Translation [T-INFO-114205]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107176 - Lab Project: Speech Translation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400150 Lab Project: Speech Translation 4 SWS Praktikum (P) / 🗣 Niehues, Dinh
Prüfungsveranstaltungen
WS 26/27 7500350 Lab Project: Speech Translation Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112175 - Praktikum: Sprachübersetzung darf nicht begonnen worden sein.
Empfehlungen

Students should have understood the theoretical principles as introduced in the lectures Deep Learning or Machine Translation.

Teilleistung: Large-scale Optimierung [T-WIWI-106549]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2550475 Large-Scale Optimization 2 SWS Vorlesung (V) / 🖥 Rebennack
SS 2026 2550476 Übung zu Large-Scale Optimization 1 SWS Übung (Ü) / 🗣 Bijiga, Rebennack, Kandora
SS 2026 2550477 Rechnerübung zu Large-scale Optimization 2 SWS Sonstige (sonst.) Rebennack, Bijiga
Prüfungsveranstaltungen
SS 2026 7900291 Large-scale Optimierung Rebennack
SS 2026 7900310 Large-scale Optimierung Rebennack
WS 26/27 7900244 Large-scale Optimierung Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung. Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine.

Arbeitsaufwand
135 Std.

Teilleistung: Lesegruppe Softwaretechnik [T-INFO-102051]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung mündlich
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Studienleistung nach § 4 Abs. 3 SPO.

Die Erfolgskontrolle erfolgt durch die Teilnahme an Diskussionen und Vorstellung eines Beitrages aus einer Fachzeitschrift bzw. aus einem Konferenzband.

Voraussetzungen

Keine.

Teilleistung: Liberalised Power Markets [T-WIWI-107043]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2581998 Liberalised Power Markets 2 SWS Vorlesung (V) / 🗣 Fichtner
WS 26/27 2581999 Übungen zu Liberalised Power Markets 2 SWS Übung (Ü) / 🗣 Fichtner
Prüfungsveranstaltungen
SS 2026 7900205 Liberalised Power Markets NEU Fichtner
WS 26/27 7900160 Liberalised Power Markets NEU Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Empfehlungen

Keine

Arbeitsaufwand
165 Std.

Teilleistung: Life Cycle Assessment – Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext [T-WIWI-113107]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2581995 Life Cycle Assessment - Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext 2 SWS Vorlesung (V) / 🗣 Schultmann
Prüfungsveranstaltungen
SS 2026 7981995 Life Cycle Assessment - Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext Schultmann
WS 26/27 7981995 Life Cycle Assessment - Grundlagen und Anwendungsmöglichkeiten im industriellen Kontext Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Teilleistung erfolgt in Form einer schriftlichen Prüfung (Klausur) mit einer Dauer von 60 Minuten. Abhängig von der Anzahl der Teilnehmerinnen und Teilnehmer kann von der Prüferin bzw. dem Prüfer entschieden werden, die Prüfung als mündliche Prüfung (Dauer ca. 30 Minuten) durchzuführen.

Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine.

Empfehlungen

Keine

Teilleistung: Lineare Elektrische Netze [T-ETIT-101917]

Verantwortung:
Prof. Dr. Olaf Dössel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-101845 - Lineare Elektrische Netze
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
7 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2305256 Lineare elektrische Netze 3 SWS Vorlesung (V) / 🗣 Kempf, Jelonnek
WS 26/27 2305258 Übungen zu 2305256 Lineare elektrische Netze 1 SWS Übung (Ü) / 🗣 Kempf, Müller
WS 26/27 2305581 Tutorien zu 2305256 Lineare elektrische Netze 2 SWS Tutorium (Tu) / 🗣 Kempf, Müller
Prüfungsveranstaltungen
SS 2026 7312701 Lineare Elektrische Netze Kempf, Jelonnek
WS 26/27 7305256 Lineare Elektrische Netze Kempf, Jelonnek
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

In einer schriftlichen Prüfung im Umfang von 120 Minuten werden die Inhalte der Lehrveranstaltung Lineare Elektrische Netze (7 LP) geprüft. Bei bestandener Prüfung können Studierende einen Notenbonus von bis zu 0,4 Notenpunkten erhalten, wenn zuvor semesterbegleitend zwei Projektaufgaben erfolgreich bearbeitet wurden. Die Bearbeitung der Projektaufgaben wird durch die Abgabe einer Dokumentation oder des Projektcodes nachgewiesen.

Voraussetzungen

keine

Teilleistung: lntroduction to Quantum Machine Learning [T-INFO-115215]

Verantwortung:
Dr. Eileen Kühn
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107821 - lntroduction to Quantum Machine Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

The assessment takes the form of a written examination (usually 60 minutes) in accordance with Section 4 (2) No. 1 SPO.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Para.  3 SPO) whether the assessment will take place

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112571 - Einführung in hybride Algorithmen des Quantum Machine Learnings darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113556 - Einführung ins Quantum Machine Learning darf nicht begonnen worden sein.

Teilleistung: Localization of Mobile Agents [T-INFO-115014]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107663 - Localization of Mobile Agents
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2026 24613 Localization of Mobile Agents 3 SWS Vorlesung / Übung (VÜ) / 🧩 Kim, Hanebeck, Frisch
Prüfungsveranstaltungen
SS 2026 7500482 Localization of Mobile Agents Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination, lasting 15-30 minutes in accordance with Section 4 (2) No. 2 SPO. Participants can contact the chair at any time to arrange an appointment for the oral examination. (§ 4 Abs. 2 Nr. 2 SPO) 

Voraussetzungen

T-INFO-115015 Digital exercise must be successfully completed before exam. 

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-115015 - Localization of Mobile Agents - Pass muss begonnen worden sein.
  2. Die Teilleistung T-INFO-101377 - Lokalisierung mobiler Agenten darf nicht begonnen worden sein.
Empfehlungen

Knowledge of a higher-level programming language with mature libraries for scientific and numerical computing (e.g., Julia, Matlab, Python) is an advantage.

Teilleistung: Localization of Mobile Agents - Pass [T-INFO-115015]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107663 - Localization of Mobile Agents
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 24613 Localization of Mobile Agents 3 SWS Vorlesung / Übung (VÜ) / 🧩 Kim, Hanebeck, Frisch
Prüfungsveranstaltungen
SS 2026 7500483 Localization of Mobile Agents - Exercise Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must complete a digital exercise in Ilias which is ungraded. The digital exercise can be repeated as often as desired.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114169 - Lokalisierung mobiler Agenten Übung darf nicht begonnen worden sein.
Empfehlungen

Knowledge of a higher-level programming language with mature libraries for scientific and numerical computing (e.g., Julia, Matlab, Python) is an advantage.

Teilleistung: Logic Programming [T-INFO-115318]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107906 - Logic Programming
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400195 Logic programming 4 SWS Vorlesung / Übung (VÜ) / 🧩 Erdweg, Dormann
Prüfungsveranstaltungen
WS 26/27 7500361 Logic Programming Erdweg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

None.

Empfehlungen

Teilleistung: Logical Foundations of Cyber-Physical Systems [T-INFO-112360]

Verantwortung:
Prof. Dr. André Platzer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106102 - Logical Foundations of Cyber-Physical Systems
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2400161 Logical Foundations of Cyber-Physical Systems 4 SWS Vorlesung (V) / 🗣 Platzer
Prüfungsveranstaltungen
WS 26/27 7500252 Logical Foundations of Cyber-Physical Systems Platzer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is usually carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx.
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

In order to receive a bonus, you must earn at least 50% of the points for solving the exercises. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4).

Voraussetzungen

None.

Empfehlungen

The course assumes prior exposure to basic computer programming and mathematical reasoning. This course covers the basic required mathematical and logical background of cyber-physical systems. You will be expected to follow the textbook as needed: André Platzer. Logical Foundations of Cyber-Physical Systems. Springer 2018. DOI:10.1007/978-3-319-63588-0

Anmerkungen

Course web page: https://lfcps.org/course/lfcps.html

Teilleistung: Low Power Design [T-INFO-101344]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100807 - Low Power Design
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2424672 Low Power Design 2 SWS Vorlesung (V) / 🗣 Henkel, Nassar, Khdr
Prüfungsveranstaltungen
SS 2026 7500200 VL: Low Power Design Henkel
WS 26/27 7500139 VL: Low Power Design Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination lasting 25-30 minutes, in accordance with Section 4 (2) No. 2 SPO.

Voraussetzungen

None.

Empfehlungen

-    Basic knowledge from the modules “Design and Architectures of Embedded Systems (ESII)” and “Optimization and Synthesis of Embedded Systems (ESI)” are helpful but not essential for understanding of this lecture. 
-    The lecture is equally suitable for students from both computer science as well as electrical engineering department.
-    The Lab of “Low Power Design and Embedded Systems” enables students to apply some of the theoretical knowledge gained from the lecture in practice.

Teilleistung: Machine Learning - Foundations and Algorithms [T-INFO-114197]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107169 - Machine Learning - Foundations and Algorithms
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400018 Machine Learning – Foundations and Algorithms 4 SWS Vorlesung / Übung (VÜ) / 🗣 Neumann
Prüfungsveranstaltungen
SS 2026 7500215 Machine Learning - Foundations and Algorithms Neumann
WS 26/27 7500292 Machine Learning - Foundations and Algorithms Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of a written exam, usually 90 minutes in length, according to § 4 Abs. 2 Nr. 1 SPO.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101354 - Maschinelles Lernen 1 - Grundverfahren darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110630 - Maschinelles Lernen - Grundverfahren darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-111558 - Maschinelles Lernen - Grundlagen und Algorithmen darf nicht begonnen worden sein.
Empfehlungen

- Attendance of the lecture “Foundations of Artificial Intelligence” (“Grundlagen der Künstlichen Intelligence”)
- Knowledge in python
- Mathematics-heavy lecture. The basics will be reviewed, but mathematical proficiency is helpful

Teilleistung: Machine Learning and Optimization in Energy Systems [T-WIWI-113073]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2581050 Machine Learning and Optimization in Energy Systems 3 SWS Vorlesung / Übung (VÜ) / 🗣 Dengiz, Yilmaz, Kleinebrahm
Prüfungsveranstaltungen
SS 2026 7900207 Machine Learning and Optimization in Energy Systems Fichtner
WS 26/27 7900179 Machine Learning and Optimization in Energy Systems Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of this course is a written examination (60 min) or an oral exam (30 min) depending on the number of participants. 

Arbeitsaufwand
105 Std.

Teilleistung: Machine Learning for Natural Sciences [T-INFO-113916]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106959 - Machine Learning for Natural Sciences
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400008 Machine Learning for the Natural Sciences 2 SWS Vorlesung (V) / 🧩 Friederich
Prüfungsveranstaltungen
SS 2026 7500211 Machine Learning for Natural Sciences Friederich
SS 2026 7500426 Maschinelles Lernen für die Naturwissenschaften Friederich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Lecture: The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Exercise: The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110822 - Maschinelles Lernen für die Naturwissenschaften darf nicht begonnen worden sein.
Empfehlungen

• Knowledge of the basics of machine learning is helpful but not required
• Interest in natural science topics is required
• Basic knowledge of python is recommended. It has to be acquired during the semester through self-study

Teilleistung: Machine Learning for Natural Sciences - Pass [T-INFO-113917]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106959 - Machine Learning for Natural Sciences
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400034 Exercise for Machine Learning for the Natural Sciences 2 SWS Vorlesung / Übung (VÜ) / 🧩 Friederich, Torresi, Neubert, Eberhard, Schlöder, Metni, Teufel
Prüfungsveranstaltungen
SS 2026 7500149 Exercise for Machine Learning for the Natural Sciences Friederich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Lecture: The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Exercise: The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111259 - Maschinelles Lernen für die Naturwissenschaften - Übung darf nicht begonnen worden sein.
Empfehlungen

• Knowledge of the basics of machine learning is helpful but not required
• Interest in natural science topics is required
• Basic knowledge of python is recommended. It has to be acquired during the semester through self-study

Teilleistung: Machine Learning in Climate and Environmental Sciences [T-INFO-113083]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106470 - Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400003 Machine Learning in Climate and Environmental Sciences 4 SWS Vorlesung / Übung (VÜ) / 🗣 Nowack
Prüfungsveranstaltungen
SS 2026 7500302 Machine Learning in Climate and Environmental Sciences Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of the lectures is likely carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60-120 minutes (exact duration to be confirmed).

Depending on the class size, this might be changed to an oral examination (lasting around 20 minutes, § 4 Abs. 2 No. 2 SPO). The exact type of assessment will be confirmed at least six weeks prior to the assessment.

Voraussetzungen

No strict prerequisites but several strong recommendations (see below).

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113085 - Machine Learning in Climate and Environmental Sciences - Pass muss begonnen worden sein.
Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Teilleistung: Machine Learning in Climate and Environmental Sciences - Pass [T-INFO-113085]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106470 - Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400003 Machine Learning in Climate and Environmental Sciences 4 SWS Vorlesung / Übung (VÜ) / 🗣 Nowack
Prüfungsveranstaltungen
SS 2026 7500388 Machine Learning in Climate and Environmental Sciences - Pass Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

Voraussetzungen

No strict prerequisites but several strong recommendations (see below).

Empfehlungen

• Previous programming experience, e.g. in scientific contexts or in computer science, is required.
• Knowledge of fundamentals about machine learning is an advantage.
• Knowledge of the Python programming language is an advantage.
• Good knowledge of mathematical concepts such as linear algebra is an advantage.
• An interest in scientific questions important for the climate- and environmental sciences.

Teilleistung: Markenrecht [T-INFO-101313]

Verantwortung:
Dr. Yvonne Matz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 24609 Markenrecht 2 SWS Vorlesung (V) / 🗣 Matz
WS 26/27 2424136 Markenrecht 2 SWS Vorlesung (V) / 🗣 Matz
Prüfungsveranstaltungen
SS 2026 7500051 Markenrecht Matz
WS 26/27 7500061 Markenrecht Matz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Teilleistung: Market Research [T-WIWI-107720]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2571150 Market Research 2 SWS Vorlesung (V) / 🗣 Klarmann
SS 2026 2571151 Market Research Tutorial 1 SWS Übung (Ü) / 🗣 Klarmann
Prüfungsveranstaltungen
SS 2026 7900015 Market Research Klarmann
WS 26/27 7900053 Market Research Klarmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Klausur (70 Minuten) mit zusätzlichen Hilfsmitteln im Sinne einer Open Book Klausur.  Weitere Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Vorlesung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Diese Veranstaltung ist Voraussetzung für Studierende, die an Abschlussarbeiten bei der Forschungsgruppe "Marketing und Vertrieb" interessiert sind.

Teilleistung: Marketing Analytics [T-WIWI-103139]

Verantwortung:
Prof. Dr. Martin Klarmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
6
Lehrveranstaltungen
WS 26/27 2572170 Marketing Analytics 2 SWS Vorlesung (V) / 🗣 Klarmann
WS 26/27 2572171 Übung zu Marketing Analytics 1 SWS Übung (Ü) / 🗣
Prüfungsveranstaltungen
WS 26/27 7900082 Marketing Analytics Klarmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt (nach §4(2), 3 SPO) in Form einer Prüfungsleistung anderer Art (Aufgaben parallel zur Vorlesung zur Bearbeitung in einer Gruppe).

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-107720 - Market Research muss begonnen worden sein.
Empfehlungen

Es wird dringend empfohlen, vor Belegung des Kurses "Marketing Analytics" die Veranstaltung "Market Research" zu absolvieren. 

Anmerkungen

Die Veranstaltung "Marketing Analytics" wird als Blockveranstaltung mit einer Prüfungsleistung anderer Art angeboten.
Ab dem Wintersemester 22/23 wird die Veranstaltung so geplant, dass sie nach zwei Dritteln des Semesters abgeschlossen werden kann. Nähere Informationen erhalten Sie direkt bei der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu). Im Falle von Austauschstudierenden kann die Bedingung, dass der Kurs Market Research bestanden sein muss, umgangen werden, wenn diese ausreichende Statistikkenntnisse durch Statistikkurse an der Heimatuniversität nachweisen können. Dies wird individuell vom Lehrstuhl geprüft.

Teilleistung: Maschinelle Übersetzung [T-INFO-101385]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100848 - Maschinelle Übersetzung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24639 Maschinelle Übersetzung 4 SWS Vorlesung (V) / 🗣 Niehues
Prüfungsveranstaltungen
SS 2026 7500043 Maschinelle Übersetzung Waibel, Niehues
WS 26/27 7500186 Maschinelle Übersetzung Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung von i.d.R. 45 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Voraussetzung zur Zulassung zur Prüfung ist das Erlangen des Scheins der praktischen Übung der Vorlesung „Maschinelle Übersetzung".

Empfehlungen

Der vorherige, erfolgreiche Abschluss des Stammoduls Kognitive Systeme wird empfohlen, Grundlagen aus der Lehrveranstaltung Maschinelles Lernen sind von Vorteil.

Teilleistung: Masterarbeit [T-INFO-103589]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101892 - Masterarbeit
Teilleistungsart
Abschlussarbeit
Leistungspunkte
30 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Die Masterarbeit ist in § 14 und § 19 der SPO15 Master Informatik geregelt. Die Präsentation soll spätestens vier Wochen nach der Abgabe der Masterarbeit stattfinden.

Die Bewertung der Masterarbeit erfolgt in Form eines Gutachtens. Es ist eine Gesamtbewertung (inkl. über die Präsentation) zu verfassen.

Voraussetzungen

Voraussetzung für die Zulassung zur Masterarbeit ist, dass die Studierenden in der Regel bereits 60 Leistungspunkte erworben haben, davon müssen mindestens 15 Leistungspunkte aus einem der beiden Vertiefungsfächer stammen. Der Antrag auf Zulassung zur Masterarbeit ist spätestens drei Monate nach Ablegung der letzten Modulprüfung zu stellen.

Abschlussarbeit

Bei dieser Teilleistung handelt es sich um eine Abschlussarbeit. Es sind folgende Fristen zur Bearbeitung hinterlegt:

Bearbeitungszeit 6 Monate
Maximale Verlängerungsfrist 3 Monate
Korrekturfrist 8 Wochen

Die Abschlussarbeit ist genehmigungspflichtig durch den Prüfungsausschuss.

Teilleistung: Matching Theory [T-WIWI-113264]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2500042 Matching Theory 3 SWS Vorlesung / Übung (VÜ) / 🗣 Okulicz
Prüfungsveranstaltungen
SS 2026 7900260 Matching Theory Puppe
WS 26/27 7900347 Matching Theory Puppe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten.

Arbeitsaufwand
135 Std.

Teilleistung: Mathematische Grundlagen hochdimensionaler Statistik [T-WIWI-111247]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2550562 Mathematische Grundlagen hochdimensionaler Statistik 2 SWS Vorlesung (V) / 🗣 Grothe
SS 2026 2550563 Übung zu Mathematische Grundlagen hochdimensionaler Statistik 2 SWS Übung (Ü) / 🗣 Grothe
Prüfungsveranstaltungen
SS 2026 7900362 Mathematische Grundlagen hochdimensionaler Statistik Grothe
WS 26/27 7900362 Mathematische Grundlagen hochdimensionaler Statistik Grothe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle zur Lehrveranstaltung (Vorlesung und Übung) erfolgt in Form einer mündlichen Prüfung (ca. 30 min.) in der vorlesungsfreien Zeit des Semesters. 

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse in Mathematik und Statistik werden vorausgesetzt. 
Kenntnisse in multivariater Statistik sind von Vorteil, sind für die Veranstaltung aber nicht notwendig. 

Teilleistung: Mathematische Modellierung und Simulation in der Praxis [T-MATH-105889]

Verantwortung:
PD Dr. Gudrun Thäter
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102929 - Mathematische Modellierung und Simulation in der Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
WS 26/27 0109400 Mathematical Modelling and Simulation 2 SWS Vorlesung (V) / 🗣 Thäter
WS 26/27 0109410 Tutorial for 0109400 (Mathematical modelling and simulation) 1 SWS Übung (Ü) Thäter
Prüfungsveranstaltungen
WS 26/27 7500115 Mathematische Modellierung und Simulation in der Praxis Thäter
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine

Teilleistung: MathSEE Modeling Week [T-MATH-113711]

Verantwortung:
Prof. Dr. Sebastian Krumscheid
PD Dr. Stefan Kühnlein
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-106836 - MathSEE Modeling Week
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form eines Vortrags über die Ergebnisse des jeweiligen Projekts zusammen mit einer abschließenden Ausarbeitung.

Voraussetzungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Media Management [T-WIWI-112711]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Lehrveranstaltungen
WS 26/27 2572192 Media Management 2 SWS Vorlesung (V) / 🗣 Kupfer
WS 26/27 2572193 Media Management Exercise 1 SWS Übung (Ü) / 🗣 Schmitt
Prüfungsveranstaltungen
SS 2026 7900004 Media Management Kupfer
WS 26/27 7900135 Media Management Kupfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderen Art. In die Bewertung fließen folgende Aspekte ein:

Weitere Details zur Organisation der Leistungserbringung sowie zum Punktesystem der Bewertung werden in der Vorlesung bekannt gegeben.

Voraussetzungen

None

Empfehlungen

Studierende werden ausdrücklich dazu ermutigt, sich aktiv am Unterricht zu beteiligen.

Anmerkungen

Bitte beachten Sie, dass die Vorlesung und Prüfung im Wintersemester 2026/27 nicht angeboten wird. 

Arbeitsaufwand
135 Std.

Teilleistung: Medienkunst [T-INFO-106264]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103147 - Medienkunst Modell "kleines Nebenfach"
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
14 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Dort Antrag zur Zulassung vollständig ausfüllen
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    https://www.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben abgegeben wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Ansprechpartner:

Teilleistung: Medienkunst [T-INFO-104585]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102288 - Medienkunst
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
18 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

keine

Anmerkungen

Vor Semesterbeginn:

  1. Bei Frau Simone Siewerdt melden ( Raum 373 | Tel. 0721 8203-2367)
  2. Dort Antrag zur Zulassung vollständig ausfüllen
    • Die Lehrveranstaltungen können Sie hier im Bereich Medienkunst auswählen: http://beta.hfg-karlsruhe.de/vorlesungsverzeichnis/
      Gegebenenfalls müssen Sie sich schon vorher per Email bei der Lehrkraft für das Seminar anmelden.
    • Anlage einer aktuellen KIT-Studienbescheinigung
  3. Zusätzlich muss für jedes Seminar, das besucht wird, ein Antrag zur Anmeldung als Hörer/in abgegeben werden. Der Antrag muss von dem jeweiligen Dozenten unterschrieben werden.
    https://www.hfg-karlsruhe.de/hochschule/downloads/antrag-hoerer-kit.pdf
  4. Nachdem alle Dokumente im Studienbüro unterschrieben abgegeben wurde, wird im Falle einer Zulassung eine Zulassungsbescheinigung ausgestellt.
    Wird die Zulassung abgelehnt, ist eine Teilnahme an Lehrveranstaltungen der HfG Karlsruhe nicht möglich.

Aktuelle Veranstaltungen zum Ergänzungsfach Medienkunst finden Sie hier:

https://vvz.hfg-karlsruhe.de/

https://moodle.hfg-karlsruhe.de/

Ansprechpartner:

Teilleistung: Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen [T-INFO-101361]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Dr.-Ing. Florian van de Camp
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100824 - Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2424100 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen 2 SWS Vorlesung (V) / 🧩 van de Camp
Prüfungsveranstaltungen
SS 2026 7500005 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen Beyerer, van de Camp
SS 2026 7500412 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen van de Camp, Beyerer
WS 26/27 7500017 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen Beyerer, van de Camp
WS 26/27 7500402 Mensch-Maschine-Wechselwirkung in der Anthropomatik: Basiswissen Beyerer, van de Camp
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine.

Teilleistung: Mess- und Regelungstechnik [T-ETIT-112852]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106339 - Mess- und Regelungstechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2302300 Mess- und Regelungstechnik 2 SWS Vorlesung (V) / 🗣 Heizmann, Hohmann, Piscol, Baßler
SS 2026 2302301 Übung zu 2302300 Mess- und Regelungstechnik 2 SWS Übung (Ü) / 🗣 Heizmann, Hohmann, Piscol, Baßler
Prüfungsveranstaltungen
SS 2026 7302300 Mess- und Regelungstechnik Heizmann, Hohmann
WS 26/27 7302300 Mess- und Regelungstechnik Hohmann, Heizmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.

Voraussetzungen

keine

Empfehlungen

Kenntnisse aus „Signale und Systeme“ sind hilfreich.

Teilleistung: Methoden im Innovationsmanagement [T-WIWI-110263]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2545107 Methoden im Innovationsmanagement 2 SWS Seminar (S) / 🗣 Koch
Prüfungsveranstaltungen
WS 26/27 7900359 Methoden im Innovationsmanagement Weissenberger-Eibl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art (§4(2), 3 SPO) bestehend aus einem Referat (25%) und einer schriftlichen Ausarbeitung (75%). Das Punkteschema für die Bewertung legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der
Lehrveranstaltung bekannt gegeben. 




Voraussetzungen

Keine.

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement: Konzepte, Strategien und Methoden wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Arbeitsaufwand
90 Std.

Teilleistung: Methodenanwendung (WiWi) [T-GEISTSOZ-109052]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103736 - Methoden empirischer Sozialforschung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 5011006 Methodenanwendung: Gender Pay Gap 2 SWS Seminar (S) / 🖥 Nollmann
SS 2026 5011008 Methodenanwendung: Dekomposition und Regressionsverfahren 2 SWS Seminar (S) / 🖥 Nollmann
Prüfungsveranstaltungen
SS 2026 7400368 Methodenanwendung Nollmann, Staudt
SS 2026 7400453 Methodenanwendung (WiWi) Nollmann
WS 26/27 7400048 Methodenanwendung (WiWi) Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Studierende müssen die Teilleistung "Computergestützte Datenanalyse" bestanden haben.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-104565 - Computergestützte Datenauswertung muss erfolgreich abgeschlossen worden sein.

Teilleistung: Methods of Data Analysis [T-PHYS-111426]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 4052171 Methods of Data Analysis 2 SWS Vorlesung (V) / 🗣 Ginete Werner Pinto, Nowack
SS 2026 4052172 Exercises to Methods of Data Analysis 1 SWS Übung (Ü) / 🗣 Ginete Werner Pinto, Lemburg, NN 
Prüfungsveranstaltungen
SS 2026 7800022 Methods of Data Analysis (Prerequisite) Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Successful participation in the exercises.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Middle Atmosphere in the Climate System [T-PHYS-111413]

Verantwortung:
PD Dr. Michael Höpfner
Dr. Miriam Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052061 Middle Atmosphere in the Climate System 2 SWS Vorlesung (V) / 🧩 Höpfner, Sinnhuber
Prüfungsveranstaltungen
WS 26/27 7800008 Middle Atmosphere in the Climate System (Prerequisite) Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Short presentation at the end of the semester

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Mikrostruktursimulation [T-MACH-105303]

Verantwortung:
Dr. Anastasia August
Prof. Dr. Britta Nestler
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2183702 Mikrostruktursimulation 3 SWS Vorlesung / Übung (VÜ) / 🗣 August, Prahs, Nestler, Koeppe
Prüfungsveranstaltungen
SS 2026 76-T-MACH-105303 Mikrostruktursimulation August, Nestler, Weygand, Koeppe
WS 26/27 76-T-MACH-105303 Mikrostruktursimulation August, Weygand, Nestler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung, Dauer ca. 30 min

Voraussetzungen

keine

Empfehlungen

Werkstoffkunde
mathematische Grundlagen

Anmerkungen

Die Lehrveranstaltung wird in deutscher Sprache angeboten.

Arbeitsaufwand
120 Std.

Teilleistung: Mikrosystemtechnik [T-ETIT-100752]

Verantwortung:
Prof. Dr. Wilhelm Stork
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100454 - Mikrosystemtechnik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2311625 Mikrosystemtechnik 2 SWS Vorlesung (V) / 🧩 Stork
Prüfungsveranstaltungen
SS 2026 7311625 Mikrosystemtechnik Stork
WS 26/27 7311625 Mikrosystemtechnik Stork
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Prüfung (ca. 20 Minuten).

Voraussetzungen

keine

Teilleistung: Mobile Communication [T-INFO-114271]

Verantwortung:
Prof. Dr. Oliver Waldhorst
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107245 - Mobile Communication
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400015 Mobile Communication 2 SWS Vorlesung (V) Waldhorst, Mahrt
Prüfungsveranstaltungen
SS 2026 7500073 Mobile Communication Waldhorst, Zitterbart
SS 2026 7500349 Mobile Communication Waldhorst, Zitterbart
WS 26/27 7500015 Mobile Communication Waldhorst, Zitterbart
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101322 - Mobilkommunikation darf nicht begonnen worden sein.
Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Mobile Communications [T-ETIT-112127]

Verantwortung:
Prof. Dr.-Ing. Peter Rost
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105971 - Mobile Communications
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2310523 Mobile Communications 2 SWS Vorlesung (V) / 🗣 Rost
WS 26/27 2310524 Exercises for 2310523 Mobile Communications 1 SWS Übung (Ü) / 🗣 Rost
Prüfungsveranstaltungen
SS 2026 7310524-1 Mobile Communications Rost
WS 26/27 7310524-1 Mobile Communications Rost
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of an oral examination lasting approx. 25 minutes. Before the examination, there is a preparation phase of 15 minutes in which preparatory tasks are solved.

 

Voraussetzungen

none

Teilleistung: Model-Driven Software Development [T-INFO-113896]

Verantwortung:
Dr.-Ing. Erik Burger
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106931 - Model-Driven Software Development
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2424657 Model-Driven Software Development 2 SWS Vorlesung (V) / 🗣 Burger
Prüfungsveranstaltungen
SS 2026 7500016 Modellgetriebene Software-Entwicklung Burger, Reussner
WS 26/27 7500086 Modellgetriebene Software-Entwicklung Reussner, Burger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101278 - Modellgetriebene Software-Entwicklung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge from the lecture Software Engineering II is helpful.

Teilleistung: Modeling and Analyzing Consumer Behavior with R [T-WIWI-102899]

Verantwortung:
Dr. Verena Dorner
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).Ab dem Sommersemester 2022 kann kein Bonus für die Prüfung mehr erreicht werden. Für Studierende, die den Bonus im Sommersemester 2021 erreicht haben, wird dieser für die Hauptklausur im Sommersemester 2022 und die Nachklausur im Wintersemester 2022/23 berücksichtigt.

Anmerkungen

Die Vorlesung wird nicht mehr angeboten. 

Arbeitsaufwand
135 Std.

Teilleistung: Modeling Physiological Systems [T-ETIT-113630]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106782 - Modeling Physiological Systems
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2305302 Modeling Physiological Systems 2 SWS Vorlesung (V) / 🗣 Loewe
Prüfungsveranstaltungen
SS 2026 7305302 Modeling Physiological Systems Loewe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 90 min.

The module grade is the grade of the written exam. 

Voraussetzungen

"T-ETIT-114690 – Modeling Physiological Systems - Workshop" must be passed in order to register for this written examination.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-114690 - Modeling Physiological Systems - Workshop muss erfolgreich abgeschlossen worden sein.

Teilleistung: Modeling Physiological Systems - Workshop [T-ETIT-114690]

Verantwortung:
Dr.-Ing. Axel Loewe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106782 - Modeling Physiological Systems
Voraussetzung für: T-ETIT-113630 - Modeling Physiological Systems
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2305303 Exercise to 2305302 Modeling Physiological Systems 2 SWS Übung (Ü) / 🗣 Loewe, Kruthoff
Prüfungsveranstaltungen
SS 2026 7305303 Modeling Physiological Systems - Workshop Loewe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success control takes place in the form of ungraded course works. The workshop tasks (3 exercise sheets) must be submitted.

Voraussetzungen

none

Anmerkungen

This success control must be passed in order to register for the written examination.

Teilleistung: Modellieren und OR-Software: Fortgeschrittene Themen [T-WIWI-106200]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2550490 Modellieren und OR-Software: Fortgeschrittene Themen 3 SWS Praktikum (P) / 🧩 Pomes, Linner, Nickel
Prüfungsveranstaltungen
SS 2026 7900188 Modellieren und OR-Software: Fortgeschrittene Themen Nickel
WS 26/27 7900071 Modellieren und OR-Software: Fortgeschrittene Themen Nickel
WS 26/27 7900183 Modellieren und OR-Software: Fortgeschrittene Themen Nickel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten). Die Prüfung erfolgt jedes Semester. Die Erfüllung der Zulassungsvoraussetzung ist nur in Semestern mit angebotenem Übungsbetrieb möglich.

Voraussetzungen

Zulassungsvoraussetzung zu Klausur ist die erfolgreiche Teilnahme am Übungsbetrieb. Dies beinhaltet die Bearbeitung und Präsentation von Übungsaufgaben.

Empfehlungen

Grundlegende Kenntnisse im Operations Research – wie sie beispielsweise im Modul „Einführung in das Operations Research“ vermittelt werden – sowie der erfolgreiche Abschluss der Lehrveranstaltung „Modellieren und OR-Software: Einführung“ werden empfohlen.

Anmerkungen

Die Anmeldung findet über das Wiwi-Portal statt. Die Veranstaltung wird in jedem Wintersemester angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter https://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden.
Die jeweilige Nachklausur im Sommersemester ist nur für Nachschreibende.

Arbeitsaufwand
135 Std.

Teilleistung: Moderne Experimentalphysik II, Struktur der Materie [T-PHYS-112847]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-106332 - Moderne Experimentalphysik II, Struktur der Materie
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4010051 Moderne Experimentalphysik II (Struktur der Materie) 4 SWS Vorlesung (V) / 🗣 Wegener, Rabbertz
WS 26/27 4010052 Übungen zu Moderne Experimentalphysik II 2 SWS Übung (Ü) / 🗣 Ahäuser, Wegener, Rabbertz, Fischer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

erfolgreiche Übungsteilnahme

Teilleistung: Moderne Methoden der Kombinatorik [T-MATH-113911]

Verantwortung:
Prof. Dr. Maria Aksenovich
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-106957 - Moderne Methoden der Kombinatorik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

mündliche Prüfung (ca. 30 min)

Voraussetzungen

Keine

Arbeitsaufwand
180 Std.

Teilleistung: Moderne Theoretische Physik für Lehramt [T-PHYS-103204]

Verantwortung:
PD Dr. Stefan Gieseke
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101664 - Moderne Theoretische Physik für Lehramt
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4012131 Moderne Theoretische Physik für Lehramtskandidaten 4 SWS Vorlesung (V) / 🗣 Steinhauser
WS 26/27 4012132 Übungen zu Moderne Theoretische Physik für Lehramtskandidaten 2 SWS Übung (Ü) / 🗣 Steinhauser, Stremmer
Prüfungsveranstaltungen
WS 26/27 7800080 Moderne Theoretische Physik für Lehramt Steinhauser
WS 26/27 7800147 Moderne Theoretische Physik für Lehramt - Reserve
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

erfolgreiche Übungsteilnahme

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-PHYS-103203 - Moderne Theoretische Physik für Lehramt - Vorleistung muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
240 Std.

Teilleistung: Moderne Theoretische Physik für Lehramt - Vorleistung [T-PHYS-103203]

Verantwortung:
PD Dr. Stefan Gieseke
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101664 - Moderne Theoretische Physik für Lehramt
Voraussetzung für: T-PHYS-103204 - Moderne Theoretische Physik für Lehramt
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4012131 Moderne Theoretische Physik für Lehramtskandidaten 4 SWS Vorlesung (V) / 🗣 Steinhauser
WS 26/27 4012132 Übungen zu Moderne Theoretische Physik für Lehramtskandidaten 2 SWS Übung (Ü) / 🗣 Steinhauser, Stremmer
Prüfungsveranstaltungen
WS 26/27 7800078 Moderne Theoretische Physik für Lehramt - Vorleistung - Termin 1 Steinhauser
WS 26/27 7800079 Moderne Theoretische Physik für Lehramt - Vorleistung - Termin 2 Steinhauser
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Studienleistung, erfolgreiche Teilnahme an den Übungen

Voraussetzungen

keine

Teilleistung: Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik [T-PHYS-112849]

Verantwortung:
Studiendekan/in Physik
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-106335 - Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4010151 Moderne Theoretische Physik II (Quantenmechanik II und Statistik) 4 SWS Vorlesung (V) / 🗣 Shnirman
WS 26/27 4010152 Übungen zu Moderne Theoretische Physik II 2 SWS Übung (Ü) / 🗣 Shnirman, Reich
Prüfungsveranstaltungen
SS 2026 7800145 Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik Schmalian
WS 26/27 7800077 Moderne Theoretische Physik II, Fortgeschrittene Quantenmechanik und Statistische Physik Steinhauser, Shnirman, Schmalian
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung, ca. 45 min

Voraussetzungen

keine

Teilleistung: Modulprüfung Einführung in die Philosophie [T-GEISTSOZ-106828]

Verantwortung:
Prof. Dr. Christian Seidel-Saul
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
KIT-Fakultät für Informatik
Bestandteil von: M-GEISTSOZ-107546 - Einführung in die Philosophie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
5
Prüfungsveranstaltungen
SS 2026 7400125 Modulprüfung Einführung in die Philosophie - Klausur Seidel-Saul, Lohmar
SS 2026 7400599 Modulprüfung Einführung in die Philosophie Seidel-Saul, Link
SS 2026 7400648 Modulprüfung Einführung in die Philosophie (Wiederholungsversuch) Seidel-Saul, Bones
WS 26/27 7400417 Modulprüfung Einführung in die Philosophie - Hausarbeit Link, Seidel-Saul
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer Klausur teils mit frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfahren (schriftliche Prüfungsleistung, nach § 4 Abs. 2 Nr. 1 i.V.m. § 5 Abs. 5 und § 6a SPO) im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Drei Studienleistungen aus den vier Studienleistungen Philo 1-4.

Modellierte Voraussetzungen
Es müssen 3 von 4 Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-111610 - Einführung in die Philosophie 1 muss erfolgreich abgeschlossen worden sein.
  2. Die Teilleistung T-GEISTSOZ-111612 - Einführung in die Philosophie 2 muss erfolgreich abgeschlossen worden sein.
  3. Die Teilleistung T-GEISTSOZ-111608 - Einführung in die Philosophie 3 muss erfolgreich abgeschlossen worden sein.
  4. Die Teilleistung T-GEISTSOZ-111607 - Einführung in die Philosophie 4 muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
60 Std.

Teilleistung: Modulprüfung Praktische Philosophie I [T-GEISTSOZ-109222]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
9
Prüfungsveranstaltungen
SS 2026 7400176 Modulprüfung Praktische Philosophie I Schefczyk, Link
WS 26/27 7400236 Modulprüfung Praktische Philosophie I Schefczyk, Link
Erfolgskontrolle(n)

Die Erfolgskontrolle nach §4 Abs. 2 Nr. 3 i.V.m. §6 Abs. 7 SPO besteht in einer Hausarbeit von ca. 12 Seiten Umfang zu einem Thema, das den in diesem Modul besuchten Lehrveranstaltungen zuzuordnen ist.

Die maximale Bearbeitungszeit der Hausarbeit beträgt nach Anmeldung sechs Monate. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430, M-GEISTSOZ-104500 oder M-GEISTSOZ-107546.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101170 - Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101081 - Praktische Philosophie 1.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101171 - Praktische Philosophie 1.3 muss erfolgreich abgeschlossen worden sein.
  2. Es muss eine von 3 Bedingungen erfüllt werden:
    1. Das Modul M-GEISTSOZ-103430 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
    2. Das Modul M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid) muss erfolgreich abgeschlossen worden sein.
    3. Das Modul M-GEISTSOZ-107546 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
60 Std.

Teilleistung: Modulprüfung Praktische Philosophie II [T-GEISTSOZ-109223]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104508 - Praktische Philosophie II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Prüfungsveranstaltungen
SS 2026 7400181 Modulprüfung Praktische Philosophie II Schefczyk, Link
WS 26/27 7400241 Modulprüfung Praktische Philosophie II Schefczyk, Link
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO von etwa 45 Minuten Dauer. Gegenstand der Prüfung sind drei Themen aus unterschiedlichen in diesem Modul besuchten Lehrveranstaltungen.

Die Prüfung ist nach Anmeldung innerhalb von sechs Monaten zu absolvieren. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen sowie das Vorgängermodul bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101202 - Praktische Philosophie 2.1 muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101203 - Praktische Philosophie 2.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101204 - Praktische Philosophie 2.3 muss erfolgreich abgeschlossen worden sein.
  2. Das Modul M-GEISTSOZ-104507 - Praktische Philosophie I muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
90 Std.

Teilleistung: Modulprüfung Theoretische Philosophie I [T-GEISTSOZ-109224]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
7
Prüfungsveranstaltungen
SS 2026 7400175 Modulprüfung Theoretische Philosophie I Betz, Schefczyk
WS 26/27 7400235 Modulprüfung Theoretische Philosophie I Betz, Bones, Gutmann, Schefczyk
Erfolgskontrolle(n)

Die Erfolgskontrolle nach §4 Abs. 2 Nr. 3 i.V.m. §6 Abs. 7 SPO besteht in einer Hausarbeit von ca. 12 Seiten Umfang zu einem Thema, das den in diesem Modul besuchten Lehrveranstaltungen zuzuordnen ist.

Die maximale Bearbeitungszeit der Hausarbeit beträgt nach Anmeldung sechs Monate. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen bestanden sein sowie eines der Pflichtmodule im Ergänzungsfach Philosophie M-GEISTSOZ-103430, M-GEISTSOZ-104500 oder M-GEISTSOZ-107546.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101176 - Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101177 - Theoretische Philosophie 1.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101178 - Theoretische Philosophie 1.3 muss erfolgreich abgeschlossen worden sein.
  2. Es muss eine von 3 Bedingungen erfüllt werden:
    1. Das Modul M-GEISTSOZ-103430 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
    2. Das Modul M-GEISTSOZ-104500 - Einführung in die Philosophie (Euklid) muss erfolgreich abgeschlossen worden sein.
    3. Das Modul M-GEISTSOZ-107546 - Einführung in die Philosophie muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Weil die Modulprüfung u.U. Voraussetzung für nachfolgende Teilleistungen ist, wird empfohlen, die Hausarbeit bis zum Ende des zweiten Semesters des Moduls abgegeben zu haben.

Arbeitsaufwand
60 Std.

Teilleistung: Modulprüfung Theoretische Philosophie II [T-GEISTSOZ-109225]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104510 - Theoretische Philosophie II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Prüfungsveranstaltungen
SS 2026 7400180 Modulprüfung Theoretische Philosophie II Betz, Schefczyk
WS 26/27 7400240 Modulprüfung Theoretische Philosophie II Betz, Bones, Gutmann, Schefczyk
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO von etwa 45 Minuten Dauer. Gegenstand der Prüfung sind drei Themen aus unterschiedlichen in diesem Modul besuchten Lehrveranstaltungen.

Die Prüfung ist nach Anmeldung innerhalb von sechs Monaten zu absolvieren. Bitte wenden Sie sich zur Vereinbarung von Prüfungen an die Lehrkräfte der besuchten Veranstaltungen. Das Thema der Prüfung wird von der prüfenden Lehrkraft festgelegt. Den Studierenden ist hierbei Gelegenheit zu geben, Themen vorzuschlagen.

Voraussetzungen

Es müssen mindestens zwei Studienleistungen sowie das Vorgängermodul bestanden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es müssen 2 von 3 Bedingungen erfüllt werden:
    1. Die Teilleistung T-GEISTSOZ-101199 - Theoretische Philosophie 2.1 muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-GEISTSOZ-101200 - Theoretische Philosophie 2.2 muss erfolgreich abgeschlossen worden sein.
    3. Die Teilleistung T-GEISTSOZ-101201 - Theoretische Philosophie 2.3 muss erfolgreich abgeschlossen worden sein.
  2. Das Modul M-GEISTSOZ-104509 - Theoretische Philosophie I muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
90 Std.

Teilleistung: Modulteilprüfung 1 - Ars Rationalis (Klausur) [T-GEISTSOZ-110370]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
5
Prüfungsveranstaltungen
SS 2026 7400133 Modulteilprüfung 1 - Ars Rationalis (Klausur) Betz
WS 26/27 7400047 Modulteilprüfung 1 - Ars Rationalis - Nachprüfung (Klausur) Betz
WS 26/27 7400420 Modulteilprüfung 1 - Ars Rationalis (Klausur) Betz
Erfolgskontrolle(n)

Die Erfolgskontrolle wird in Form einer Klausur teils mit frei zu bearbeitenden Aufgaben, teils solchen nach dem Antwort-Wahl-Verfahren (schriftliche Prüfungsleistung, nach § 4 Abs. 2 Nr. 1 i.V.m. § 5 Abs. 5 und § 6a SPO) im Umfang von 90 Minuten durchgeführt.

Voraussetzungen

Studienleistung Ars Rationalis I

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101174 - Ars Rationalis I muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
60 Std.

Teilleistung: Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) [T-GEISTSOZ-110371]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-100614 - Ars Rationalis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
4
Prüfungsveranstaltungen
SS 2026 7400116 Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) Betz
WS 26/27 7400632 Nachprüfung: Modulteilprüfung 2 - Ars Rationalis (Argumentanalyse) Betz
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in einer schriftlichen Ausarbeitung einer Argumentationsanalyse im Umfang von 5-10 Seiten (Prüfungsleistung anderer Art, nach § 4 Abs. 2 Nr. 3 i.V.m. § 5 Abs. 5 und § 6a SPO).

Voraussetzungen

Studienleistung Ars Rationalis II

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-GEISTSOZ-101175 - Ars Rationalis II muss erfolgreich abgeschlossen worden sein.
Arbeitsaufwand
60 Std.

Teilleistung: Molekularbiologie und Genetik [T-CHEMBIO-103675]

Verantwortung:
Prof. Dr. Jörg Kämper
Prof. Dr. Natalia Requena Sanchez
Einrichtung: KIT-Fakultät für Chemie und Biowissenschaften
Bestandteil von: M-CHEMBIO-101957 - Ergänzungsfach Biologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Version
1
Lehrveranstaltungen
WS 26/27 7301 Molekularbiologie (BA-04) 2 SWS Vorlesung (V) / 🗣 Requena Sanchez
WS 26/27 7401 Genetik (BA-04) 2 SWS Vorlesung (V) / 🗣 Kämper, Kaster
Prüfungsveranstaltungen
SS 2026 71103675 INF_Bio_Molekularbiologie und Genetik Requena Sanchez, Fischer, Kämper
WS 26/27 71INF-103675 Molekularbiologie und Genetik Kämper, Fischer, Requena Sanchez
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Klausur über die Vorlesungen Genetik (3LP) und Molekularbiologie (2LP)

Voraussetzungen

keine

Empfehlungen

wichtige Informationen auf:

http://www.biologie.kit.edu/310.php

Arbeitsaufwand
150 Std.

Teilleistung: Motion in Human and Machine - Seminar [T-INFO-105140]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102555 - Motion in Human and Machine - Seminar
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2400063 Motion in Human and Machine 3 SWS Seminar (S) / 🗣 Asfour
Prüfungsveranstaltungen
SS 2026 7500272 Motion in Man and Machine - Seminar Asfour
SS 2026 7500289 Motion in Man and Machine - Seminar Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). It includes a report of about two pages and a video presentation of about five minutes.

Voraussetzungen

None.

Empfehlungen

Programming skills in C++, Python or Matlab are recommended.

Attendance of the lectures Robotics I – Introduction to Robotics, Robotics II – Humanoid Robotics, Robotics III – Sensors and Perception in Robotics, Mechano-Informatics and Robotics and Wearable Robot Technologies is recommended 

Anmerkungen

This interdisciplinary seminar is conducted in cooperation with the University of Stuttgart and the University of Tübingen.

Teilleistung: Multikriterielle Optimierung [T-WIWI-115501]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2550155 Multikriterielle Optimierung 2 SWS Vorlesung (V) / 🗣 Stein
WS 26/27 2550156 Übungen zu Multikriterielle Optimierung 1 SWS Übung (Ü) / 🗣 Stein, Neussel
Prüfungsveranstaltungen
WS 26/27 7900009_WS2627_HK Multikriterielle Optimierung Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss.
Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Es wird dringend empfohlen, vor Besuch dieser Veranstaltung mindestens eine Vorlesung aus dem Bachelor-Programm des Lehrstuhls zu belegen.

Anmerkungen

Die Vorlesung wird auf Englisch gehalten. 

Arbeitsaufwand
135 Std.

Teilleistung: Multimodal Artificial Intelligence [T-INFO-115041]

Verantwortung:
Prof. Dr. Jan Niehues
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107676 - Multimodal Artificial Intelligence
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400141 Multimodal Artificial Intelligence 4 SWS Vorlesung (V) / 🗣 Niehues, Stiefelhagen
Prüfungsveranstaltungen
SS 2026 7500402 Multimodal Artificial Intelligence Niehues, Stiefelhagen
WS 26/27 7500210 Multimodal Artificial Intelligence Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) approx. 60 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112768 - Fortgeschrittene Künstliche Intelligenz darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114220 - Advanced Artificial Intelligence darf nicht begonnen worden sein.
  3. Die Teilleistung T-INFO-101356 - Kognitive Systeme darf nicht begonnen worden sein.
  4. Die Teilleistung T-INFO-111491 - Deep Learning für Computer Vision I: Grundlagen darf nicht begonnen worden sein.
  5. Die Teilleistung T-INFO-109796 - Deep Learning für Computer Vision darf nicht begonnen worden sein.
  6. Die Teilleistung T-INFO-111494 - Deep Learning für Computer Vision II: Fortgeschrittene Themen darf nicht begonnen worden sein.

Teilleistung: Multivariate Verfahren [T-WIWI-103124]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2550554 Multivariate Verfahren 2 SWS Vorlesung (V) / 🗣 Grothe
SS 2026 2550555 Übung zu Multivariate Verfahren 2 SWS Übung (Ü) / 🗣 Vetter
Prüfungsveranstaltungen
SS 2026 7900351 Multivariate Verfahren Grothe
WS 26/27 7900217 Multivariate Verfahren Grothe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten. 

Die Prüfung wird im Prüfungszeitraum des Vorlesungssemesters angeboten. Zur Wiederholungsprüfung im Prüfungszeitraum des jeweiligen Folgesemesters werden ausschließlich Wiederholer (und keine Erstschreiber) zugelassen.

Voraussetzungen

Keine

Empfehlungen

Aufgrund der starken quantitativen Ausrichtung und der Behandlung fortgeschrittener statistischer Methoden sind vertiefte Vorkenntnisse in Statistik (vergleichbar mit den Inhalten des Kurses 'Statistik für Fortgeschrittene') für ein erfolgreiches Absolvieren sehr vorteilhaft. Studierenden ohne entsprechende Vorkenntnisse wird eine intensive Vorbereitung vor Kursbeginn nahegelegt, da mit einem deutlich erhöhten Einarbeitungsaufwand zu rechnen ist.

Ergänzend wird der vorherige Besuch der Bachelor-Veranstaltung 'Analyse multivariater Daten' empfohlen. Zur Unterstützung einer eigenständigen Vorbereitung kann den Studierenden alternativ das Skript dieser Veranstaltung zur Verfügung gestellt werden.

Anmerkungen

Die Lehrveranstaltung (Vorlesung und Übung) wird unregelmäßig angeboten. Genaue Informationen finden sich auf der Seite des Lehrstuhls. 

Arbeitsaufwand
135 Std.

Teilleistung: Mustererkennung [T-INFO-101362]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Dr. Tim Zander
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100825 - Mustererkennung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 24675 Mustererkennung 4 SWS Vorlesung / Übung (VÜ) / 🗣 Beyerer
Prüfungsveranstaltungen
SS 2026 7500032 Mustererkennung Beyerer
WS 26/27 7500111 Mustererkennung Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse der Grundlagen der Stochastik, Signal- und Bildverarbeitung sind hilfreich.

Teilleistung: Nano- and Quantum Electronics [T-ETIT-111232]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105604 - Nano- and Quantum Electronics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2312668 Nano- and Quantum Electronics 3 SWS Vorlesung (V) / 🗣 Kempf
SS 2026 2312670 Tutorial for 2312668 Nano- and Quantum Electronics 1 SWS Übung (Ü) / 🗣 Kempf, Mitarbeiter*innen
Prüfungsveranstaltungen
SS 2026 7312668 Nano- and Quantum Electronics Kempf
WS 26/27 7312668 Nano- and Quantum Electronics Kempf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment of success takes place in the form of a written examination lasting 120min. The grade corresponds to the result of the written examination.

Voraussetzungen

none

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-100971 - Nanoelektronik darf nicht begonnen worden sein.
Empfehlungen

Successful completion of the modules "Superconductivity for Engineers" and „Einführung in die Quantentheorie für Elektrotechniker“ is recommended.

Teilleistung: Natural Language Processing [T-INFO-114207]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107178 - Natural Language Processing
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400147 Natural Language Processing 4 SWS Vorlesung (V) / 🗣 Niehues, Liu, Züfle
Prüfungsveranstaltungen
SS 2026 7500223 Natural Language Processing - Nachklausur Niehues
WS 26/27 7500286 Natural Language Processing Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101473 - Verarbeitung natürlicher Sprache und Dialogmodellierung darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112177 - Verarbeitung natürlicher Sprache darf nicht begonnen worden sein.

Teilleistung: Natural Language Processing and Software Engineering [T-INFO-114257]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107233 - Natural Language Processing and Software Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424187 Natural Language Processing and Software Engineering 2 SWS Vorlesung (V) / 🗣 Hey, Koziolek, Keim
Prüfungsveranstaltungen
SS 2026 7500185 Sprachverarbeitung in der Softwaretechnik Koziolek, Hey
SS 2026 7543231 Natural Language Processing and Software Engineering Hey, Keim
WS 26/27 7543231 Natural Language Processing and Software Engineering Hey, Keim
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101272 - Sprachverarbeitung in der Softwaretechnik darf nicht begonnen worden sein.

Teilleistung: Network Security: Architectures and Protocols [T-INFO-114238]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107218 - Network Security: Architectures and Protocols
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24601 Network Security: Architectures and Protocols 2 SWS Vorlesung (V) / 🗣 Baumgart, Bless, Zitterbart
Prüfungsveranstaltungen
SS 2026 7500040 Network Security: Architectures and Protocols Zitterbart, Bless, Baumgart
SS 2026 7500072 Network Security: Architectures and Protocols Zitterbart, Bless, Baumgart
SS 2026 7500429 Network Security: Architectures and Protocols for Retakers Zitterbart, Bless, Baumgart
WS 26/27 7500014 Network Security: Architectures and Protocols Zitterbart, Bless, Baumgart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101319 - Netzsicherheit: Architekturen und Protokolle darf nicht begonnen worden sein.
Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Next Generation Internet [T-INFO-101321]

Verantwortung:
Dr.-Ing. Roland Bless
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100784 - Next Generation Internet
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24674 Next Generation Internet 2 SWS Vorlesung (V) / 🗣 Bless
Prüfungsveranstaltungen
SS 2026 7500074 Next Generation Internet Bless, Zitterbart
SS 2026 7500427 Next Generation Internet for RETAKERS Bless, Zitterbart
WS 26/27 7500016 Next Generation Internet Bless, Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 
- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO
takes place.

Voraussetzungen

None.

Empfehlungen

The contents of the lecture Introduction to Computer Networks are assumed to be known. Attendance of the lecture Telematics is strongly recommended, as the contents are an important basis for understanding and classifying the material.

Teilleistung: Nichtlineare Optimierung I [T-WIWI-102724]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2550111 Nichtlineare Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 26/27 2550112 Übungen zu Nichtlineare Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Huber
Prüfungsveranstaltungen
SS 2026 7900202_SS2026_NK Nonlinear Optimization I Stein
WS 26/27 7900001_WS2627_HK Nonlinear Optimization I Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten. Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Nichtlineare Optimierung II [2550113] erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Die Teilleistung T-WIWI-103637 "Nichtlineare Optimierung I und II" darf nicht begonnen worden sein.

Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Nichtlineare Optimierung I und II [T-WIWI-103637]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
6
Lehrveranstaltungen
WS 26/27 2550111 Nichtlineare Optimierung I 2 SWS Vorlesung (V) / 🗣 Stein
WS 26/27 2550112 Übungen zu Nichtlineare Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Huber
WS 26/27 2550113 Nichtlineare Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
Prüfungsveranstaltungen
SS 2026 7900204_SS2026_NK Nonlinear Optimization I and II Stein
WS 26/27 7900003_WS2627_HK Nonlinear Optimization I and II Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer englischsprachigen schriftlichen Prüfung (120min.) (nach §4(2), 1 SPO), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-102724 - Nichtlineare Optimierung I darf nicht begonnen worden sein.
  2. Die Teilleistung T-WIWI-102725 - Nichtlineare Optimierung II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander im selben Semester gelesen.

Teilleistung: Nichtlineare Optimierung II [T-WIWI-102725]

Verantwortung:
Prof. Dr. Oliver Stein
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
SS 2026 2550114 Übungen zu Nichtlineare Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Schwarze
WS 26/27 2550112 Übungen zu Nichtlineare Optimierung I 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Huber
WS 26/27 2550113 Nichtlineare Optimierung II 2 SWS Vorlesung (V) / 🗣 Stein
WS 26/27 2550114 Übungen zu Nichtlineare Optimierung II 1 SWS Übung (Ü) / 🗣 Stein, Schwarze, Huber
Prüfungsveranstaltungen
SS 2026 7900203_SS2026_NK Nonlinear Optimization II Stein
WS 26/27 7900002_WS2627_HK Nonlinear Optimization II Stein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer englischsprachigen schriftlichen Prüfung (60min.) (nach §4(2), 1 SPOs), für die durch erfolgreiche Teilnahme am Übungsbetrieb im Laufe des Semesters eine Zulassung erfolgen muss. Die genauen Einzelheiten werden in der Vorlesung bekannt gegeben. 

Die Prüfung wird im Vorlesungssemester und dem darauf folgenden Semester angeboten.

Die Erfolgskontrolle kann auch zusammen mit der Erfolgskontrolle zu Nichtlineare Optimierung I erfolgen. In diesem Fall beträgt die Dauer der schriftlichen Prüfung 120 min.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-WIWI-103637 - Nichtlineare Optimierung I und II darf nicht begonnen worden sein.
Anmerkungen

Teil I und II der Vorlesung werden nacheinander imgleichenSemester gelesen.

Teilleistung: Nichtparametrische Statistik [T-MATH-105873]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102910 - Nichtparametrische Statistik
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2026 0165600 Nichtparametrische Statistik 2 SWS Vorlesung (V) / 🖥 Müller-Harknett
WS 26/27 0162300 Nichtparametrische Statistik 2 SWS Vorlesung (V) Trabs
WS 26/27 0162310 Übungen zu 0162300 (Nichtparametrische Statistik) 1 SWS Übung (Ü) Trabs
Prüfungsveranstaltungen
WS 26/27 7700083 Nichtparametrische Statistik (Termin 1) Klar
WS 26/27 7700092 Nichtparametrische Statistik (Termin 2) Klar
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

mündliche Prüfung im Umfang von ca. 20 Minuten

Arbeitsaufwand
120 Std.

Teilleistung: Nonlinear Control Systems [T-ETIT-114989]

Verantwortung:
Dr.-Ing. Mathias Kluwe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107644 - Nonlinear Control Systems
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2303320 Nonlinear Control Systems 3 SWS Vorlesung (V) / 🗣 Kluwe
SS 2026 2303321 Exercises to 2303320 Nonlinear Control Systems 1 SWS Übung (Ü) / 🗣 Handwerker
Prüfungsveranstaltungen
SS 2026 7303320 Nonlinear Control Systems Kluwe
WS 26/27 7303320 Nonlinear Control Systems Kluwe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 minutes.

Voraussetzungen

none

Teilleistung: NoSQL- und Cloud-native Datenbanksysteme [T-INFO-115203]

Verantwortung:
Dr. rer. nat. Peter Reimann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107809 - NoSQL- und Cloud-native Datenbanksysteme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2424516 NoSQL- und Cloud-native Datenbanksysteme 4 SWS Vorlesung / Übung (VÜ) / 🗣 Reimann
Prüfungsveranstaltungen
WS 26/27 7500213 NoSQL- und Cloud-native Datenbanksysteme Reimann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen von Datenbanksystemen werden vorausgesetzt, z. B. aus der Vorlesung „Datenbanksysteme“ [24516] oder ähnlichen Lehrveranstaltungen.

Teilleistung: Ocean-Atmosphere Interactions [T-PHYS-111414]

Verantwortung:
Prof. Dr. Andreas Fink
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052121 Ocean-Atmosphere Interactions 2 SWS Vorlesung (V) / 🧩 Fink
Prüfungsveranstaltungen
WS 26/27 7800067 Ocean-Atmosphere Interactions (Prerequisite) Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Active participation

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
30 Std.

Teilleistung: Online-Konzepte für Karlsruher Innenstadthändler [T-WIWI-111848]

Verantwortung:
Prof. Dr. Ann-Kristin Kupfer
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106258 - Digital Marketing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2571184 Online-Konzepte für Karlsruher Innenstadthändler 2 SWS Sonstige (sonst.) / 🗣 Kupfer
Prüfungsveranstaltungen
SS 2026 7900221 Online-Konzepte für Karlsruher Innenstadthändler Kupfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art:

Anmerkungen

Bitte beachten Sie, dass für den Besuch dieser Veranstaltung eine Bewerbung erforderlich ist. Nähere Informationen zum Bewerbungsprozess erhalten Sie in der Regel kurz vor Beginn der Vorlesungszeit im Sommersemester auf der Webseite der Forschungsgruppe Marketing und Vertrieb (marketing.iism.kit.edu).

Arbeitsaufwand
90 Std.

Teilleistung: Operations Research in Supply Chain Management [T-WIWI-102715]

Verantwortung:
Prof. Dr. Stefan Nickel
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2026 2550480 Operations Research in Supply Chain Management 2 SWS Vorlesung (V) / 🗣 Nickel
SS 2026 2550481 Übungen zu OR in Supply Chain Management 1 SWS Übung (Ü) / 🗣 Hoffmann
WS 26/27 2550480 Operations Research in Supply Chain Management 2 SWS Vorlesung (V) / 🗣 Nickel
WS 26/27 2550481 Übungen zu OR in Supply Chain Management 1 SWS Übung (Ü) / 🧩 Hoffmann
Prüfungsveranstaltungen
SS 2026 7900272 Operations Research in Supply Chain Management Nickel
WS 26/27 7900028 Operations Research in Supply Chain Management Nickel
WS 26/27 7900034 KOPIE Operations Research in Supply Chain Management Nickel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO).

Die Prüfung wird im Semester der Vorlesung und dem darauf folgenden Semester angeboten.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse des Operations Research, wie sie zum Beispiel im Modul Einführung in das Operations Research und den Vorlesungen Standortplanung und strategisches SCM,Taktisches und operatives SCM vermittelt werden, werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung wird unregelmäßig angeboten. Das für drei Studienjahre im Voraus geplante Lehrangebot kann im Internet unter http://dol.ior.kit.edu/Lehrveranstaltungen.php nachgelesen werden.

Teilleistung: Optical Engineering and Machine Vision [T-ETIT-113941]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106974 - Optical Engineering and Machine Vision
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2302150 Optical Engineering and Machine Vision 3 SWS Vorlesung (V) / 🗣 Heizmann
WS 26/27 2302151 Tutorial to 2302150 Optical Engineering and Machine Vision 1 SWS Übung (Ü) / 🗣 Heizmann, Leyer
Prüfungsveranstaltungen
SS 2026 7302150 Optical Engineering and Machine Vision Heizmann
SS 2026 7302150_OP Optical Engineering and Machine Vision (für O&P) Heizmann
WS 26/27 7302150 Optical Engineering and Machine Vision Heizmann
WS 26/27 7302150_O&P Optical Engineering and Machine Vision (für O&P) Heizmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination takes place in form of a written examination lasting 120 (KSOP/O&P: 90) minutes. 

The module grade is the grade of the written examination.

Voraussetzungen

none

Teilleistung: Optimal Control [T-ETIT-114701]

Verantwortung:
Prof. Dr.-Ing. Sören Hohmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107497 - Optimal Control
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2303183 Optimal Control 2 SWS Vorlesung (V) / 🧩 Hohmann
WS 26/27 2303185 Tutorial to 2303183 Optimal Control 2 SWS Übung (Ü) / 🧩 Riffel
WS 26/27 2303851 Accompanying Group Tutorial to 2303183 Optimal Control 1 SWS Tutorium (Tu) / 🧩 Riffel
Prüfungsveranstaltungen
SS 2026 7303183_2 Optimal Control Hohmann
WS 26/27 7303183 Optimization of Dynamic Systems Hohmann
WS 26/27 7303183_2 Optimal Control Hohmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment consists of a written exam (120 min) taking place in the recess period.

Voraussetzungen

none

Teilleistung: Optimierungsansätze unter Unsicherheit [T-WIWI-106545]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2550464 Optimierungsansätze unter Unsicherheit 2 SWS Vorlesung (V) / 🧩 Rebennack, Kandora
WS 26/27 2550465 Übungen zu Optimierungsansätze unter Unsicherheit 1 SWS Übung (Ü) / 🗣 Rebennack
WS 26/27 2550466 Rechnerübungen zu Optimierungsansätze unter Unsicherheit 2 SWS Sonstige (sonst.) Rebennack
Prüfungsveranstaltungen
SS 2026 7900309 Optimierungsansätze unter Unsicherheit Rebennack
WS 26/27 7900240 Optimierungsansätze unter Unsicherheit Rebennack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer 60-minütigen schriftlichen Prüfung (nach §4(2), 1 SPO). Die Prüfung wird jedes Semester angeboten.

Voraussetzungen

Keine.

Arbeitsaufwand
135 Std.

Teilleistung: Optimierungstheorie - Klausur [T-MATH-106401]

Verantwortung:
PD Dr. Tilo Arens
Prof. Dr. Roland Griesmaier
PD Dr. Frank Hettlich
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-103219 - Optimierungstheorie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 0155500 Übungen zu 0155400 (Optimierungstheorie) 2 SWS Übung (Ü) Wieners
Prüfungsveranstaltungen
SS 2026 6700043 Optimierungstheorie - Klausur Wieners, Frank, Rieder
WS 26/27 7700013 Optimierungstheorie - Nachklausur Rieder
Voraussetzungen

Keine.

Teilleistung: Optimization and Synthesis of Embedded Systems (ESI) [T-INFO-114253]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107229 - Optimization and Synthesis of Embedded Systems (ESI)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Prüfungsveranstaltungen
SS 2026 7500038 VL: Optimierung und Synthese Eingebetteter Systeme (ES1) Henkel
WS 26/27 7500085 VL: Optimierung und Synthese Eingebetteter Systeme (ES1) Henkel
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting approx. 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101367 - Optimierung und Synthese Eingebetteter Systeme (ES1) darf nicht begonnen worden sein.
Empfehlungen

Knowledge of computer structures is helpful.

The prerequisites, if any, are explained in more detail in the module description.

Teilleistung: Optimization Methods for Machine Learning and Engineering [T-INFO-110809]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Julius Pfrommer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105329 - Optimization Methods for Machine Learning and Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2400280 Optimization Methods for Machine Learning and Engineering 2 SWS Vorlesung (V) / 🧩 Pfrommer, Beyerer
WS 26/27 2400281 Optimization Methods for Machine Learning and Engineering 1 SWS Übung (Ü) / 🧩 Pfrommer, Beyerer
Prüfungsveranstaltungen
SS 2026 7500329 Optimierungsverfahren für Maschinelles Lernen und Ingenieurwissenschaften Beyerer
WS 26/27 7500279 Optimization Methods for Machine Learning and Engineering Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO or

- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Teilleistung: Optoelectronic Components [T-ETIT-101907]

Verantwortung:
TT-Prof. Dr. Tobias Huber-Loyola
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100509 - Optoelectronic Components
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2309486 Optoelectronic Components 2 SWS Vorlesung (V) / 🧩 Huber-Loyola, Gablinger, Sauter
SS 2026 2309487 Optoelectronic Components (Tutorial) 1 SWS Übung (Ü) / 🧩 Huber-Loyola
Prüfungsveranstaltungen
SS 2026 7309486 Optoelectronic Components Randel
WS 26/27 7309486 Optoelectronic Components Randel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Type of Examination: oral exam

Duration of Examination: approx. 30 minutes

Modality of Exam: Oral examination, usually one examination day per month during the Summer and Winter terms. An extra questions-and-answers session will be held if students wish so.

Voraussetzungen

none

Empfehlungen

Minimal background required: Calculus, differential equations, Fourier transforms and p-n junction physics.

Teilleistung: Parallel Algorithms [T-INFO-114221]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107199 - Parallel Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2400053 Parallel Algorithms 3 SWS Vorlesung (V) / 🗣 Sanders, Uhl, Laupichler
Prüfungsveranstaltungen
SS 2026 7500378 Parallel Algorithms Sanders
WS 26/27 7575489 Parallel Algorithms Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101333 - Parallele Algorithmen darf nicht begonnen worden sein.
Empfehlungen

Knowledge from lectures such as Algorithms I/II is recommended.

Teilleistung: Parallel Algorithms Pass [T-INFO-114222]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107199 - Parallel Algorithms
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Prüfungsveranstaltungen
WS 26/27 7500163 Parallel Algorithms Pass Sanders
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111857 - Parallele Algorithmen Übung darf nicht begonnen worden sein.
Empfehlungen

Knowledge from lectures such as Algorithms I/II is recommended.

Teilleistung: Paralleles Rechnen [T-MATH-102271]

Verantwortung:
PD Dr. Mathias Krause
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-101338 - Paralleles Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2026 0162000 Paralleles Rechnen in Theorie und Praxis 2 SWS Vorlesung (V) Krause, Bülow
SS 2026 0162100 Übungen zu 0162000 2 SWS Übung (Ü) / 🖥 Krause, Bülow
WS 26/27 0100055 Parallel Computing 3 SWS Vorlesung (V) Krause, Simonis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

mündliche Prüfung im Umfang von ca. 20 Minuten.

Arbeitsaufwand
180 Std.

Teilleistung: Parallelrechner und Parallelprogrammierung [T-INFO-101345]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100808 - Parallelrechner und Parallelprogrammierung
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 24617 Parallelrechner und Parallelprogrammierung 2 SWS Vorlesung (V) Streit, Caspart, Baer
Prüfungsveranstaltungen
SS 2026 7500141 Parallelrechner und Parallelprogrammierung Streit
SS 2026 7500369 Wiederholungsprüfung_Parallelrechner und Parallelprogrammierung Streit
SS 2026 7500409 Parallelrechner und Parallelprogrammierung Streit
WS 26/27 7500241 Parallelrechner und Parallelprogrammierung Streit
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.


Ab dem SS25 wird ein e-Exam nach § 5 Online-Prüfungen in Textform mit Präsenzaufsicht (KIT Satzung zu Online-Prüfungen 2023) durchgeführt.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen aus der Lehrveranstaltung Rechnerstrukturen sind hilfreich.

Teilleistung: Parameterized Algorithms [T-INFO-114194]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107167 - Parameterized Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400178 Parameterized Algorithms 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius
Prüfungsveranstaltungen
SS 2026 7500421 Parameterized Algorithms Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111253 - Parametrisierte Algorithmen darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) is helpful.

Teilleistung: Parameterized Algorithms - Pass [T-INFO-114195]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107167 - Parameterized Algorithms
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400178 Parameterized Algorithms 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bläsius
Prüfungsveranstaltungen
SS 2026 7500421 Parameterized Algorithms Bläsius
SS 2026 7500422 Parameterized Algorithms - Pass Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113717 - Parametrisierte Algorithmen - Übung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) is helpful.

Teilleistung: Participatory Technology Design [T-INFO-114199]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107170 - Participatory Technology Design
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400189 Participatory Technology Design (V/Ü) 4 SWS Vorlesung / Übung (VÜ) Gerling
Prüfungsveranstaltungen
SS 2026 7500375 Participatory Technology Design (Re-Exam) Gerling
WS 26/27 7500307 Participatory Technology Design (Exam) Gerling
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113134 - Partizipative Technologiegestaltung darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of human-machine interaction is helpful.

Teilleistung: Participatory Technology Design - Pass [T-INFO-114200]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107170 - Participatory Technology Design
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400189 Participatory Technology Design (V/Ü) 4 SWS Vorlesung / Übung (VÜ) Gerling
Prüfungsveranstaltungen
WS 26/27 7500278 Participatory Technology Design (Exercise) Gerling
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). A total of two repetitions are possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113135 - Partizipative Technologiegestaltung - Übung darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of human-machine interaction is helpful.

Teilleistung: Patentrecht [T-INFO-101310]

Verantwortung:
Patric Straßburger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 24656 Patentrecht 2 SWS Vorlesung (V) / 🗣 Straßburger
Prüfungsveranstaltungen
SS 2026 7500109 Patentrecht Sattler
WS 26/27 7500006 Patentrecht Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Photorealistic Rendering [T-INFO-115210]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107817 - Photorealistic Rendering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400180 Photorealistic Image Synthesis 2 SWS Vorlesung (V) / 🗣 Schudeiske, Dachsbacher
Prüfungsveranstaltungen
WS 26/27 7500203 Fotorealistische Bildsynthese Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Assessment takes the form of an oral examination, generally lasting 25 minutes, in accordance with § 4 (2) No. 2 of the Study Regulations.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101268 - Fotorealistische Bildsynthese darf nicht begonnen worden sein.
Empfehlungen

Recommendation: the Computergraphik lecture (24081).

Teilleistung: Physics of Planetary Atmospheres [T-PHYS-109177]

Verantwortung:
Prof. Dr. Thomas Leisner
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Teilleistungsart
Studienleistung
Leistungspunkte
6 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
4
Prüfungsveranstaltungen
WS 26/27 7800091 Physics of Planetary Atmospheres (Prerequisite) Leisner
Erfolgskontrolle(n)

Voraussetzungen

None

Empfehlungen

Basic knowledge of physics, physical chemistry and fluid dynamics at Bachelor level.

Anmerkungen

180 hours consisting of attendance times (42 hours), follow-up of the lecture and editing exercises (138 hours).

Arbeitsaufwand
180 Std.

Teilleistung: Physics, Technology and Applications of Thin Films [T-ETIT-111237]

Verantwortung:
Dr. Konstantin Ilin
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105608 - Physics, Technology and Applications of Thin Films
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2312710 Physics, Technology and Application of Thin Films 2 SWS Vorlesung (V) / 🗣 Ilin
WS 26/27 2312711 Exercise for 2312710 Physics, Technology and Application of Thin Films 1 SWS Übung (Ü) / 🗣 Ilin
Prüfungsveranstaltungen
WS 26/27 7312710 Physics, Technology and Applications of Thin Films Ilin
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place within the framework of an oral overall examination of approx. 20 minutes.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-106853 - Thin Films: Technology, Physics and Applications I darf nicht begonnen worden sein.

Teilleistung: Physiologie und Anatomie für die Medizintechnik [T-ETIT-111815]

Verantwortung:
Prof. Dr. Werner Nahm
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-105874 - Physiologie und Anatomie für die Medizintechnik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2026 2305282 Physiologie und Anatomie II 2 SWS Vorlesung (V) / 🗣 Nahm
WS 26/27 2305281 Physiologie und Anatomie I 2 SWS Vorlesung (V) / 🗣 Nahm
Prüfungsveranstaltungen
SS 2026 7305283 Physiologie und Anatomie für die Medizintechnik Nahm
WS 26/27 7305283 Physiologie und Anatomie für die Medizintechnik Nahm
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Die Erfolgskontrolle umfasst den Inhalt von Physiologie und Anatomie I (jedes Wintersemester) and Physiologie und Anatomie II (jedes Sommersemester).

Voraussetzungen

Die Teilleistungen "T-ETIT-101932 - Physiologie und Anatomie I" und "T-ETIT-101933 - Physiologie und Anatomie II" dürfen nicht begonnen sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-ETIT-101932 - Physiologie und Anatomie I darf nicht begonnen worden sein.
  2. Die Teilleistung T-ETIT-101933 - Physiologie und Anatomie II darf nicht begonnen worden sein.
Anmerkungen

Winter-/Sommersemester:

WiSe: Physiologie und Anatomie I
SoSe: Physiologie und Anatomie II

Teilleistung: Pioneering Leadership im deutschen Mittelstand [T-WIWI-114184]

Verantwortung:
Prof. Dr. Marion Weissenberger-Eibl
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art bestehend aus einer Präsentation der Ergebnisse  und einer Seminararbeit (Ausarbeitung in der Gruppe).

Die Note setzt sich zu 70 % aus der Note für die schriftliche Ausarbeitung und zu 30% aus der Note für das Referat zusammen.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Planspiel Energiewirtschaft [T-WIWI-108016]

Verantwortung:
Dr. Massimo Genoese
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2581025 Planspiel Energiewirtschaft 3 SWS Vorlesung / Übung (VÜ) / 🗣 Genoese, Zimmermann
Prüfungsveranstaltungen
SS 2026 7981025 Planspiel Energiewirtschaft Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Ausarbeitung und einer mündlichen Präsentation (Prüfungsleistungen anderer Art nach §4 (2), 1 SPO).

Voraussetzungen

Keine

Empfehlungen

Besuch der Lehrveranstaltung "Einführung in die Energiewirtschaft"

Anmerkungen

Die Anzahl der Teilnehmer ist begrenzt. Es findet ein Anmeldeverfahren über CAS sowie ein anschließendes Auswahlverfahren statt.

Teilleistung: Platform & Market Engineering: Commerce, Media, and Digital Democracy [T-WIWI-112823]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2540460 Platform & Market Engineering: Commerce, Media, and Digital Democracy 2 SWS Vorlesung (V) / 🗣 Weinhardt, Fegert
SS 2026 2540461 Übungen zu Platform & Market Engineering: Commerce, Media, and Digital Democracy 1 SWS Übung (Ü) / 🗣 Fegert, Stano, Schick
Prüfungsveranstaltungen
SS 2026 7979235 Platform & Market Engineering: Commerce, Media, and Digital Democracy (Hauptklausur) Weinhardt
WS 26/27 7910804 Platform & Market Engineering: Commerce, Media, and Digital Democracy (Nachklausur aus SS2026) Weinhardt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art gemäß § 4 Abs. 2 Nr. 3 SPO. Diese setzt sich aus folgenden Teilleistungen zusammen:

Die Teilnahme an der Projektarbeit ist keine Voraussetzung für die Teilnahme an der schriftlichen Prüfung. Für besonders herausragende Einreichungen bei der Projektarbeit können zusätzlich bis zu 10 Bonuspunkte vergeben werden. Die Bonuspunkte fließen in die Bildung der Gesamtnote ein.

Bewertet wird der Gesamteindruck. Die genauen Bewertungskriterien sowie die Grundsätze der Notenbildung werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Teilleistung: Post-quantum Cryptography from Lattices [T-INFO-114987]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107642 - Post-quantum Cryptography from Lattices
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2400076 Post-quantum Cryptography from Lattices 2 SWS Vorlesung (V) / 🗣 Klooß, Kühn, Brede
Prüfungsveranstaltungen
SS 2026 7500380 Post-quantum Cryptography from Lattices Klooß
WS 26/27 7500380 Post-quantum Cryptography from Lattices Klooß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) approx. 45 minutes.

Voraussetzungen

None.

Empfehlungen

Basic familiarity with cryptography as introduced in the module “Theoretische Grundlagen der Kryptographie” is recommended, in particular, familiarity with security notions for basic primitives (IND-CPA, EUF-CMA) and security reductions (including hybrid arguments and guessing).

Teilleistung: Power Management [T-INFO-101341]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100804 - Power Management
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400036 Power Management wieder ab WS 27/28 2 SWS Vorlesung (V) / 🗣 Bellosa, Gröninger, Khalil
Prüfungsveranstaltungen
SS 2026 7500142 Power Management Bellosa
WS 26/27 7500025 Power Management Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Das Power Management Praktikum muss angefangen sein.

Anmerkungen

Findet im 26/27 nicht statt.

Teilleistung: Power Management Praktikum [T-INFO-102958]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101542 - Power Management Praktikum
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400039 Power Management Praktikum wieder ab WS 27/28 2 SWS Praktikum (P) / 🗣 Bellosa, Khalil, Gröninger
Prüfungsveranstaltungen
WS 26/27 7500197 Power Management Praktikum Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Das Praktikum kann nur erfolgreich besucht werden, wenn im gleichen Semester die Vorlesung Power Managementangefangen wird.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100804 - Power Management muss begonnen worden sein.
Anmerkungen

Findet im WS 26/27 nicht statt.

Teilleistung: Practical Course on Telematics [T-INFO-114894]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107597 - Practical Course on Telematics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400016 Practical Course on Telematics 1 SWS Praktikum (P) Zitterbart, König, Mahrt
Prüfungsveranstaltungen
WS 26/27 7500019 Practical Course on Telematics Zitterbart
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Exercise sheets, presentation and final report are included in the assessment.

Empfehlungen

Previous or parallel attendance of the lecture "Telematics"

Anmerkungen

Will take place for the last time in the winter semester of 26/27.

Teilleistung: Practical Course: Advanced Software Development Tools [T-INFO-115130]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107739 - Practical Course: Advanced Software Development Tools
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Prüfungsveranstaltungen
SS 2026 7500062 Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge Schaefer
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper (or implementation and documentation) must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112209 - Praktikum: Fortgeschrittene Software-Entwicklungswerkzeuge darf nicht begonnen worden sein.
Anmerkungen

The course can also be taken in German by arrangement.

Teilleistung: Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics [T-INFO-111803]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105870 - Practical Course: Advanced Topics in High Performance Computing, Data Management and Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400068 Advanced Topics in High Performance Computing, Data Management and Analytics 3 SWS Praktikum (P) Streit, Farhadi
WS 26/27 2400043 Advanced Topics in High Performance Computing, Data Management and Analytics 3 SWS Praktikum (P) Farhadi, Streit
Prüfungsveranstaltungen
SS 2026 7500269 Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics Streit
WS 26/27 7500345 Praktikum: Advanced Topics in High Performance Computing, Data Management and Analytics Streit
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The examination can consist of experiments or projects, each with a concluding presentation. Students may redraw from the assigned topic during the first two weeks after the topic has been communicated.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106066 - Praktikum Datenmanagement und Datenanalyse darf nicht begonnen worden sein.
Empfehlungen

Knowledge in the area of databases, data management, data analytics, parallel computing is helpful.

Teilleistung: Practical Course: AI for Climate and Weather Predictions [T-INFO-113659]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106800 - Practical Course: AI for Climate and Weather Predictions
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400082 AI for climate and weather predictions 3 SWS Praktikum (P) / 🗣 Nowack, Amiramjadi
WS 26/27 2400064 AI for climate and weather predictions 2 SWS Praktikum (P) / 🗣 Nowack, Amiramjadi
Prüfungsveranstaltungen
SS 2026 7500385 Practical Course: AI for Climate and Weather Predictions Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

•    Previous programming experience, e.g., in scientific contexts or in computer science, is required.
•    Students should have previous experience in the theory and implementation of machine learning models.

Empfehlungen

•    Knowledge of the Python programming language. 
•    Good knowledge of mathematical concepts such as linear algebra is an advantage.
•    An interest in scientific questions around climate science and weather forecasting.

Teilleistung: Practical Course: Application Security [T-INFO-113958]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106996 - Practical Course: Application Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400117 Application Security Lab 4 SWS Praktikum (P) / 🗣 Müller-Quade, Wressnegger, Sperrle, Gharibyar
WS 26/27 2400114 Application Security Lab 4 SWS Praktikum (P) / 🗣 Müller-Quade, Mechler, Noppel, Wressnegger, Gharibyar
Prüfungsveranstaltungen
SS 2026 7500119 Application Security Lab Müller-Quade, Wressnegger
WS 26/27 7500188 Application Security Lab Müller-Quade, Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students have to solve different tasks. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106289 - Praktikum Anwendungssicherheit darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security are assumed.

The content of the lectures "Computer Organization" and "Operating Systems" should be known.

Teilleistung: Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab) [T-INFO-113760]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106867 - Practical Course: Artificial Intelligence & Security Lab (AISEC-Lab)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24002 Practical Course: Artificial Intelligence & Security (AISEC-Lab) 4 SWS Praktikum (P) / 🗣 Wressnegger, Zhao
Prüfungsveranstaltungen
SS 2026 7500096 Practical Course: Artificial Intelligence & Security (AISEC-Lab) Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

At least one assignment from each unit must be successfully completed (comparable results to other students).

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111038 - Praktikum: Intelligente Datenanalyse (Datalab) darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Practical Course: Building PETs [T-INFO-114550]

Verantwortung:
Daniel Schadt
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107412 - Practical Course: Building PETs
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400056 Praktikum: Building PETs 4 SWS Praktikum (P) / 🗣 Strufe
Prüfungsveranstaltungen
WS 26/27 7500270 Practical Course: Building PETs Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The students must hand in the source code of their programs to be examined. Additionally, each student must explain their solutions to the tasks. An overall grade is awarded.

Voraussetzungen

None.

Empfehlungen

Familiarity with a programming language and a HTTP library is recommended. 

Teilleistung: Practical Course: Chip Design I [T-INFO-114298]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107265 - Practical Course: Chip Design I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400104 Practical Course: Chip Design I 4 SWS Praktikum (P) / 🗣 Tahoori
WS 26/27 2400216 Practical Course: Chip Design I 4 SWS Praktikum (P) / 🗣 Tahoori
Prüfungsveranstaltungen
SS 2026 7500234 Practical Course: Chip Design I Tahoori
WS 26/27 7500192 Practical Course: Chip Design I Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs.
2 No. 3 SPO).

The overall impression is evaluated. The grading is based on the results of the practical work (80 %) and the final presentation(20%). An overall grade is awarded.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

The requirements are individual to each of the offered projects.
Knowledge of HDL is helpful.

Teilleistung: Practical Course: Chip Design II [T-INFO-114299]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107266 - Practical Course: Chip Design II
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400107 Practical Course: Chip Design II 4 SWS Praktikum (P) / 🗣 Tahoori
WS 26/27 2400219 Practical Course: Chip Design II 4 SWS Praktikum (P) / 🗣 Tahoori
Prüfungsveranstaltungen
SS 2026 7500169 Practical Course: Chip Design II Tahoori
WS 26/27 7500220 Practical Course: Chip Design II Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs.
2 No. 3 SPO).

The overall impression is evaluated. The grading is based on the results of the practical work (80 %) and the final presentation(20%). An overall grade is awarded.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

The requirements are individual to each of the offered projects.
Knowledge of HDL is helpful.

Teilleistung: Practical Course: Continuous Software Engineering [T-INFO-115043]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107677 - Practical Course: Continuous Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 26/27 2400105 Practical Course: Continuous Software Engineering Praktikum (P) Koziolek
Prüfungsveranstaltungen
SS 2026 7500243 Practical Course: Continuous Software Engineering Koziolek
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of predominantly practical tasks and a final presentation.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-109925 - Praktikum: Werkzeuge für Agile Modellierung darf nicht begonnen worden sein.
Empfehlungen

Solid programming skills are required in order to successfully complete the lab course within the specified workload.   

Anmerkungen

In earlier semesters, this course was named „Praktikum: Werkzeuge für agile Modellierung “. 

Teilleistung: Practical Course: Customized Embedded Processor Design [T-INFO-115314]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107897 - Practical Course: Customized Embedded Processor Design
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Prüfungsveranstaltungen
SS 2026 7500203 Lab: Customized Embedded Processor Design Henkel
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of a practical assignment, presentations and, if applicable, a written paper. The written paper, presentations and practical work are weighted depending on the course.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103115 - Praktikum Entwurf von eingebetteten applikationsspezifischen Prozessoren darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-111457 - Praktikum: Entwurf von applikationsspezifischen eingebetteten Prozessoren darf nicht begonnen worden sein.

Teilleistung: Practical Course: Designing and Conducting Experimental Studies [T-INFO-115341]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107919 - Practical Course: Designing and Conducting Experimental Studies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 240007 Praktikum: Designing and Conducting Experimental Studies 4 SWS Praktikum (P) / 🗣 Beigl, Riedel, Ramesh, Zitz, Breitling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 20 pages), Presentation (duration approx. 20 min.), Practical training (protocols)
 
The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106112 - Seminar: Designing and Conducting Experimental Studies darf nicht begonnen worden sein.
Empfehlungen

Recommendation: The student should be familiar with the content of the course “Human Computer Interaction” or similar.

Anmerkungen

Nach Rücksprache kann der Leistungsnachweis auch auf Deutsch erbracht werden.

Teilleistung: Practical Course: Engineering Approaches to Software Development [T-INFO-115044]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107678 - Practical Course: Engineering Approaches to Software Development
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 24908 Practical Course Engineering Approaches to Software Development 4 SWS Praktikum (P) / 🗣 Reussner
WS 26/27 2400093 Practical Course: Engineering Approaches to Software Development 4 SWS Praktikum (P) Reussner
Prüfungsveranstaltungen
SS 2026 7500184 Practical Course Engineering Approaches to Software Development Burger, Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of predominantly practical tasks and a final presentation. 

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108791 - Praktikum: Ingenieursmäßige Software-Entwicklung darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-106094 - Praktikum Software Quality Engineering mit Eclipse darf nicht begonnen worden sein.
Empfehlungen

Solid programming skills are required in order to successfully complete the lab course within the specified workload.

Anmerkungen

In earlier semesters, this course was named „Praktikum Ingenieursmäßige Software-Entwicklung “.   

Teilleistung: Practical Course: Fine-grained Algorithm Design and Engineering [T-INFO-113635]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106784 - Practical Course: Fine-grained Algorithm Design and Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400104 Fine-grained Algorithm Design and Engineering 4 SWS Praktikum (P) / 🗣 Künnemann-Goos, Angrick, Gokaj
Prüfungsveranstaltungen
WS 26/27 7500042 Fine-Grained Algorithm Design and Engineering Künnemann-Goos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  The overall performance is evaluated, which includes the quality of the produced results, the project report and the presentation.

Voraussetzungen

None.

Empfehlungen

-    Basic knowledge of algorithms and data structures is assumed. 
-    Knowledge of fine-grained complexity is helpful, but not required.

Teilleistung: Practical Course: FPGA Programming [T-INFO-105576]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102661 - Practical Course: FPGA Programming
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400106 FPGA Programming 4 SWS Praktikum (P) / 🗣 Tahoori
WS 26/27 2400106 FPGA Programming 4 SWS Praktikum (P) / 🗣 Tahoori
Prüfungsveranstaltungen
SS 2026 7500087 Praktikum FPGA Programming Tahoori
WS 26/27 7500083 Praktikum FPGA Programming Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students must give a presentation.

The module grade is made up of 80% of the work completed in the practical course and 20% of the presentation.

An overall grade is awarded.

Voraussetzungen

None.

Empfehlungen

Knowledge of “Dependable Computing” and “Fault Tolerant Computing” and Computer Architecture is helpful.

Teilleistung: Practical Course: General-Purpose Computation on Graphics Processing Units [T-INFO-109914]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100724 - Practical Course: General-Purpose Computation on Graphics Processing Units
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 24911 Practical course General-Purpose Computation on Graphics Processing Units 2 SWS Praktikum (P) / 🗣 Lerzer, Klepikov, Dachsbacher, Dereviannykh
WS 26/27 2424297 Practical course General-Purpose Computation on Graphics Processing Units 2 SWS Praktikum (P) / 🗣 Klepikov, Lerzer, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500134 Practical-course General-Purpose Computation on Graphics Processing Units Dachsbacher
WS 26/27 7500470 Praktikum: General-Purpose Computation on Graphics Processing Units Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Performance is assessed continuously for the individual projects and in a final presentation.

Voraussetzungen

None.

Empfehlungen

It is recommended to have attended relevant lectures in the specialisation area of computer graphics.

Teilleistung: Practical Course: Human-Centred Robotics [T-INFO-113393]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106646 - Practical Course: Human-Centred Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400149 Praktikum: Human-Centred Robotics 4 SWS Praktikum (P) / 🗣 Mombaur, Lee
WS 26/27 2400193 Praktikum: Human-Centred Robotics Projects 4 SWS Praktikum (P) / 🗣 Mombaur, Lee
Prüfungsveranstaltungen
SS 2026 7500168 Praktikum: Human-Centred Robotics Mombaur
WS 26/27 7500387 Praktikum: Human-Centred Robotics Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

This includes the preparation of a project report (ca. 10 pages and an oral presentation with slides and hardware demonstration (30 Min + 15 min questions). Students may withdraw from the examination during the first two weeks after the topic has been communicated. 

Voraussetzungen

 Programming skills are required..

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful. h.

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  . 

Teilleistung: Practical Course: Interactive Theorem Proving [T-INFO-114691]

Verantwortung:
Prof. Dr. Bernhard Beckert
Terru Stübinger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107494 - Practical Course: Interactive Theorem Proving
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2400216 Interactive Theorem Proving 2 SWS Praktikum (P) / 🗣 Erdweg, Xu, Lego
WS 26/27 2400229 "Practical Course: Interactive Theorem Proving" 2 SWS Praktikum (P) / 🗣 Beckert, Stübinger, Färber
Prüfungsveranstaltungen
SS 2026 7500320 Practical Course: Interactive Theorem Proving Erdweg
WS 26/27 7500297 Practical Course: Interactive Theorem Proving Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students are graded on the formalisation (e.g. Isabelle theory files) produced during the project phase, along with a presentation on their completed project (duration approx. 20min).  Students may redraw from the examination until two weeks before the final presentations. The assessment can be repeated once. 

Voraussetzungen

None.

Empfehlungen

-        Knowledge of functional programming is assumed.
-        Some knowledge of logic (e.g. via courses such as Formale Systeme and/or Constructive Logic) will be helpful, but is not required

Teilleistung: Practical Course: Internet of Things (IoT) [T-INFO-107493]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103706 - Practical Course: Internet of Things (IoT)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2424304 Internet of Things (IoT) Lab 4 SWS Praktikum (P) / 🖥 Henkel, Mentzos, Tobar
WS 26/27 2424304 Internet of Things (IoT) Lab 4 SWS Praktikum (P) / 🗣 Mentzos, Henkel, Tobar
Prüfungsveranstaltungen
SS 2026 7500187 Lab: Internet of Things (IoT) Henkel
WS 26/27 7500183 Lab: Internet of Things (IoT) Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), in the form of a practical assignment, presentations and, if necessary, a written report. Written reports, presentations and practical work are weighted depending on the event.

Voraussetzungen

Basic skills in C or C++ programming.

Empfehlungen

-    Familiarity with other (than C) languages like Python could be helpful as well.
-    Basic knowledge from the modules “Design and Architectures of Embedded Systems (ESII)” and “Optimization and Synthesis of Embedded Systems (ESI)” are helpful but not essential for understanding the lab.

Teilleistung: Practical Course: Low Power Design and Embedded Systems [T-INFO-108323]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104031 - Practical Course: Low Power Design and Embedded Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2424811 Low Power Design and Embedded Systems 4 SWS Praktikum (P) / 🧩 Henkel, Khdr, Sikal, Mentzos
Prüfungsveranstaltungen
SS 2026 7500158 Lab: Low Power Design and Embedded Systems Henkel
WS 26/27 7500104 Lab: Low Power Design and Embedded Systems Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  
The overall impression is evaluated. 
The grading will be based on multiple exercises and a final report.
Details of the grading scale will be announced during the course.

Voraussetzungen

None.

Empfehlungen

Students should be familiar with software development practices under Linux-based systems. Practical knowledge in C/C++ as well as Python is required.    

Teilleistung: Practical Course: Machine Learning and Intelligent Systems [T-INFO-115259]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107845 - Practical Course: Machine Learning and Intelligent Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
8 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 26/27 2424281 Practical Course: Machine Learning and Intelligent Systems 4 SWS Praktikum (P) / 🗣 Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall assessment consists of a written report, three presentations, and an assessment of the scientific work and implementation work carried out during the course.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105278 - Praktikum Forschungsprojekt: Anthropomatik praktisch erfahren darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112104 - Projektpraktikum: Maschinelles Lernen und intelligente Systeme darf nicht begonnen worden sein.

Teilleistung: Practical Course: Mathematical and Computational Methods in Robotics and AI [T-INFO-114911]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107609 - Practical Course: Mathematical and Computational Methods in Robotics and AI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 2400202 Praktikum: Mathematical and Computational Methods in Robotics & AI 4 SWS Praktikum (P) / 🗣 Mombaur, Große Sundrup
WS 26/27 2400181 Praktikum: Mathematical and Computational Methods in Robotics & AI 4 SWS Praktikum (P) / 🗣 Mombaur, Große Sundrup
Prüfungsveranstaltungen
SS 2026 7500306 Praktikum: Mathematische und computergestützte Methoden in Robotik und KI Mombaur
WS 26/27 7500388 Practical Course: Mathematical and Computational Methods in Robotics and AI Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

This includes the preparation of a project report (ca. 10 pages and an oral presentation (30 Min + 15 min questions). Students may withdraw from the examination during the first two weeks after the topic has been communicated. 

Voraussetzungen

Programming skills

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113898 - Praktikum: Mathematische und computergestützte Methoden in Robotik und KI darf nicht begonnen worden sein.
Empfehlungen

Basic mathematical knowledge will be helpful, depending on topic. For Projects in the context of robotics, knowledge of robotics is recommended, but not strictly necessary.

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week or can be indivdually agreed upon with people supervising the practical. Students can propose topics on their own as well.

Teilleistung: Practical Course: Model-Driven Software Development [T-INFO-113897]

Verantwortung:
Dr.-Ing. Erik Burger
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106932 - Practical Course: Model-Driven Software Development
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400091 Praktikum Modellgetriebene Software-Entwicklung 4 SWS Praktikum (P) / 🗣 Burger
Prüfungsveranstaltungen
SS 2026 7500017 Praktikum Modellgetriebene Software-Entwicklung Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO),  in the form of predominantly practical tasks.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103029 - Praktikum Modellgetriebene Software-Entwicklung darf nicht begonnen worden sein.
Empfehlungen

Attending the lectures Software Engineering II and Model-Driven Software Development is helpful.

Teilleistung: Practical Course: Movement and Technology [T-INFO-113394]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106648 - Practical Course: Movement and Technology
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400151 Praktikum: Movement and Technology 4 SWS Praktikum (P) / 🗣 Mombaur, Lau
Prüfungsveranstaltungen
SS 2026 7500171 Praktikum: Movement and Technology Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

This includes the preparation of a project report (ca. 10 pages and an oral presentation of the project topics and results with slides. Students may withdraw from the examination during the first two weeks after the topic has been communicated. 

Voraussetzungen

Programming skills are required.

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) are very helpful.  

Programming skills.

Anmerkungen

Limited number of projects and participants. Specific project topics will be different each term and will be announced in a presentation during the first semester week.  

Teilleistung: Practical Course: Natural Language Dialog Systems [T-INFO-114206]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107177 - Practical Course: Natural Language Dialog Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400187 Praktikum Natural Language Dialog Systems 2 SWS Praktikum (P) / 🗣 Niehues, Koneru
Prüfungsveranstaltungen
SS 2026 7500371 Practical Course Natural Language Dialog Systems Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104780 - Praktikum Natürlichsprachliche Dialogsysteme darf nicht begonnen worden sein.

Teilleistung: Practical Course: Neural Network Acceleration on FPGAs [T-INFO-113122]

Verantwortung:
Dr.-Ing. Dennis Gnad
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106503 - Practical Course: Neural Network Acceleration on FPGAs
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400205 Neural Network Acceleration on FPGAs 4 SWS Praktikum (P) / 🗣 Tahoori
WS 26/27 2400205 Practical Course: Neural Network Acceleration on FPGAs 4 SWS Praktikum (P) / 🗣 Tahoori
Prüfungsveranstaltungen
SS 2026 7500054 Practical Course: Neural Network Acceleration on FPGAs Tahoori
WS 26/27 7500222 Practical Course: Neural Network Acceleration on FPGAs Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es muss eine Präsentation gehalten werden.
Die Modulnote setzt sich zu 80 % aus der erbrachten Leistung im Praktikum und zu 20 % aus der Präsentation zusammen.

Voraussetzungen

Keine.

Empfehlungen

Elementary knowledge in hardware design and/or neural networks are required.
Intermediate or advanced knowledge in at least one of the aspects is recommended.

Teilleistung: Practical Course: Performance Engineering in C++ and Rust [T-INFO-115280]

Verantwortung:
Dr. Ragnar Groot Koerkamp
Nikolai Maas
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107865 - Practical Course: Performance Engineering in C++ and Rust
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400204 Practical Course: Performance Engineering in C++ and Rust 4 SWS Praktikum (P) / 🧩 Sanders, Williams, Groot Koerkamp, Borowitz, Maas
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type ( 4 Abs. 2 No. 3 SPO). Students have to solve multiple programming tasks in C++ or Rust. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106992 - Praktikum: Effizientes paralleles C++ darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-114228 - Practical Course: Efficient Parallel C++ darf nicht begonnen worden sein.
Empfehlungen

At least basic knowledge of the C++ language *or* Rust language is necessary for
participation in the course. Students should be able to implement given algorithms.

Teilleistung: Practical Course: Programming Language Design and Implementation [T-INFO-115486]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-108020 - Practical Course: Programming Language Design and Implementation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400248 Programming Language Design and Implementation 2 SWS Praktikum (P) / 🗣 Erdweg
Prüfungsveranstaltungen
WS 26/27 7500294 Practical Course: Programming Language Design and Implementation Erdweg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Students are graded on the developed language implementation during the project phase, along with a presentation on their completed project (duration approx. 20min). Students may withdraw from the examination until two weeks after the projects have been assigned. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Very good programming skills.

Teilleistung: Practical Course: Real-world Vulnerability Discovery and Exploits [T-INFO-113350]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106627 - Practical Course: Real-world Vulnerability Discovery and Exploits
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 241337 Practical Course: Real-world Vulnerability Discovery and Exploits 2 SWS Praktikum (P) / 🗣 Wressnegger
WS 26/27 241337 Practical Course: Real-world Vulnerability Discovery and Exploits 4 SWS Praktikum (P) / 🗣 Wressnegger
Prüfungsveranstaltungen
SS 2026 7500376 Praktikum: Real-world Vulnerability Discovery and Exploits Wressnegger
WS 26/27 7500383 Praktikum: Real-world Vulnerability Discovery and Exploits Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO

Voraussetzungen

Keine

Empfehlungen

Praktikum Anwendungssicherheit

Teilleistung: Practical Course: Robotics [T-INFO-114172]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107155 - Robotics - Practical Course
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24870 Robotics - Practical Course 4 SWS Praktikum (P) / 🗣 Asfour
Prüfungsveranstaltungen
SS 2026 7500261 Robotics - Practical Course Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). It is composed of several sub-tasks.

Voraussetzungen

Knowledge of the programming language C++ is required.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105107 - Roboterpraktikum darf nicht begonnen worden sein.
Empfehlungen

Attending the lectures Robotics I – Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics and Mechano-Informatics and Robotics is recommended.

Teilleistung: Practical Course: Route Planning [T-INFO-114899]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107600 - Practical Course: Route Planning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400252 Practical Course: Route Planning 4 SWS Praktikum (P) / 🗣 Bläsius, Zündorf, Feilhauer, Steil
WS 26/27 2424305 Praktikum Algorithm Engineering-Routenplanung 4 SWS Praktikum (P) / 🗣 Feilhauer, Bläsius, Zündorf
Prüfungsveranstaltungen
WS 26/27 7500072 Praktikum Algorithmentechnik Ueckerdt
WS 26/27 7500314 Practical Course: Route Planning Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO)

The grade is made up of the completion of the programming task, a written evaluation of the results (approx. 10 pages) and the final presentation.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104374 - Praktikum Algorithmentechnik darf nicht begonnen worden sein.

Teilleistung: Practical Course: Security, Usability and Society [T-INFO-110990]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105453 - Practical Course: Security, Usability and Society
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2512554 Praktikum Security, Usability and Society (Bachelor) 3 SWS Praktikum (P) / 🧩 Volkamer, Strufe, Hennig, Länge, Fallahi, Hilt, Reimer, Algedri, Mack
WS 26/27 2512554 Praktikum Security, Usability and Society (Bachelor) 3 SWS Praktikum (P) / 🧩 Volkamer, Strufe, Berens, Fallahi, Ballreich, Hennig, Länge, Hilt, Algedri, Mack, Matheis, Reimer
WS 26/27 2512555 Praktikum Security, Usability and Society (Master) 3 SWS Praktikum (P) / 🧩 Volkamer, Strufe, Berens, Fallahi, Ballreich, Hennig, Länge, Hilt, Mack, Matheis, Algedri, Reimer
Prüfungsveranstaltungen
SS 2026 7500322 Practical Course: Security, Usability and Society Strufe
SS 2026 7900029 Praktikum Security, Usability and Society (Bachelor) Volkamer, Strufe
SS 2026 7900178 Praktikum Security, Usability and Society (Master) Volkamer, Strufe
WS 26/27 7500304 Praktikum: Security, Usability and Society Strufe
WS 26/27 7900116 Praktikum Security, Usability and Society (Bachelor) Volkamer
WS 26/27 7900307 Praktikum Security, Usability and Society (Master) Volkamer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Voraussetzungen

None.

Teilleistung: Practical Course: Smart Energy System Lab [T-INFO-112030]

Verantwortung:
Dr.-Ing. Richard Jumar
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105955 - Practical Course: Smart Energy System
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400170 Praktikum: Smart Energy System Lab 4 SWS Praktikum (P) / 🗣 Hagenmeyer, Waczowicz, Jumar, Aghaei Attar
WS 26/27 2400230 Praktikum: Smart Energy System Lab 4 SWS Praktikum (P) / 🗣 Hagenmeyer, Jumar, Aghaei Attar
Prüfungsveranstaltungen
SS 2026 7500318 Praktikum: Smart Energy System Lab Hagenmeyer
WS 26/27 7500318 Praktikum: Smart Energy System Lab Hagenmeyer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).
 
An overall grade is awarded which consists of:
40% 10 min presentation (per team) + 5 min of discussion
60% Write up in the style of a research paper of around 5-6 pages (for solo participants) or 7-8 pages (for teams of two)
The students may redraw from the examination before the end of the first laboratory week. The assessment
can be repeated once.

Voraussetzungen

None.

Empfehlungen

- Knowledge of the fundamentals of energy informatics is a prerequisite.
- Knowledge of the fundamentals of electrical engineering and energy technology is required.
- Knowledge of the basics of mechatronics, data analysis and signal processing is helpful.
- Knowledge of power systems or power electronics is helpful.

Teilleistung: Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots [T-MACH-113854]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106904 - Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2121342 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots 4 SWS Praktikum (P) / 🗣 Rönnau
Prüfungsveranstaltungen
WS 26/27 76-T-MACH-113854 Practical Course: Software Development and Application of Mobile, Bio-Inspired Robots Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen Code erzeugt, eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu Grundlagen der Robotik aus Robotik 1 sind hilfreich. Grundkenntnisse im Umgang mit C++ oder Python und Linux werden vorausgesetzt.

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
180 Std.

Teilleistung: Practical Course: Visual Computing [T-INFO-103000]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101567 - Practical Course: Visual Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
4
Lehrveranstaltungen
SS 2026 2424902 Practical course GPU-Computing 4 SWS Praktikum (P) / 🗣 Lerzer, Klepikov, Dereviannykh, Dachsbacher
WS 26/27 2424283 Practical course GPU-Computing 4 SWS Praktikum (P) / 🗣 Klepikov, Lerzer, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500125 Practical-course GPU-Computing Dachsbacher
WS 26/27 7500110 Praktikum GPU-Computing Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) in the form of practical work, presentations and, if applicable, a written paper

Written papers, presentations and practical work are weighted according to the course.

Voraussetzungen

None.

Empfehlungen

Programming skills in C/C++ are recommended.

Teilleistung: Practical Course: Wearable Computing [T-INFO-114744]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107527 - Practical Course: Wearable Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424895 Praktikum: Wearable Computing 4 SWS Praktikum (P) / 🗣 Beigl, Hummel, Küttner
Prüfungsveranstaltungen
WS 26/27 7500027 Praktikum: Wearable Computing Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. 

Voraussetzungen

Keine.

Empfehlungen

Erfahrung mit ML-Frameworks, Signalverarbeitung und Embedded Systems sind von Vorteil 

Teilleistung: Practical Introduction to Hardware Security [T-INFO-114267]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107241 - Practical Introduction to Hardware Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400009 Practical Introduction in Hardware Security 4 SWS Vorlesung / Übung (VÜ) / 🗣 Tahoori, Gnad
WS 26/27 2400033 Practical Introduction to Hardware Security 4 SWS Vorlesung / Übung (VÜ) / 🗣 Gnad, Tahoori
Prüfungsveranstaltungen
SS 2026 7500224 Practical Introduction to Hardware Security Tahoori
WS 26/27 7500226 Practical Introduction to Hardware Security Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  4 topics will be covered in this lecture. After each topic the student will receive an assignment. The quality of his tasks will be evaluated afterwards of its correctness.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108920 - Praktische Einführung in die Hardware Sicherheit darf nicht begonnen worden sein.
Empfehlungen

Knowledge of Digital Design (lecture TI)

Practical Course “FPGA Programming”

Teilleistung: Practical SAT Solving [T-INFO-114262]

Verantwortung:
Dr. Tomas Balyo
Dr. Ashlin Iser
Prof. Dr. Peter Sanders
Dr. Dominik Schreiber
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107238 - Practical SAT Solving
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400218 Practical SAT Solving 3 SWS Vorlesung / Übung (VÜ) Sanders, Iser, Schreiber
Prüfungsveranstaltungen
SS 2026 7500415 Practical SAT Solving Sanders
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) usually lasting 30 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111254 - SAT Solving in der Praxis (erweitert) darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-105798 - SAT Solving in der Praxis darf nicht begonnen worden sein.
Empfehlungen

Relevant literature will be announced in the lecture.

Teilleistung: Practical Seminar: Artificial Intelligence in Service Systems [T-WIWI-112152]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen. 
Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.

Die Gesamtnote setzt sich zusammen aus den benoteten und gewichteten Erfolgskontrollen (z.B. Dokumentation, mündl. Vortrag, praktische Ausarbeitung sowie aktive Beteiligung).

Voraussetzungen

Keine.

Empfehlungen

Es werden Kenntnisse im Bereich Artificial Intelligence in Service Systems vorausgesetzt. Daher empfiehlt es sich, die Lehrveranstaltung Artificial Intelligence in Service Systems [2595650] im Vorfeld zu besuchen.

Arbeitsaufwand
135 Std.

Teilleistung: Practical Seminar: Human-AI Collaboration [T-WIWI-115325]

Verantwortung:
TT-Prof. Dr. Maximilian Förster
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
M-WIWI-101448 - Service Management
M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2500078 Practical Seminar: Human-AI Collaboration 3 SWS Vorlesung (V) / 🧩 Förster
Prüfungsveranstaltungen
WS 26/27 7900155 Practical Seminar: Human-AI Collaboration Förster
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a single examination of another type. It consists of

A practical component, such as conducting a survey or implementing an application, is also part of the regular scope of the course and is described in the respective assignment description.

The individual components are integrated into a single overall assessment that reflects the overall impression of the combined performance. The weighting of the components for the grade will be announced at the beginning of the course.

Voraussetzungen

None

Anmerkungen

Due to the project work, the number of participants is limited. Details for registration will be announced on the web pages for this course.

Arbeitsaufwand
135 Std.

Teilleistung: Practical Seminar: Human-Centered Systems [T-WIWI-113459]

Verantwortung:
Prof. Dr. Alexander Mädche
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2500073 Practical Seminar: AI-based Mental Healthcare 3 SWS Vorlesung (V) / 🧩 Kuhlmeier, Mädche
SS 2026 2540554 Practical Seminar: Human-Centered Systems 3 SWS Vorlesung (V) / 🧩 Mädche
WS 26/27 2540554 Practical Seminar: Human-Centered Systems 3 SWS Vorlesung (V) / 🧩 Mädche
Prüfungsveranstaltungen
SS 2026 7900262 Practical Seminar: Human-Centered Systems Mädche
WS 26/27 7900341 Practical Seminar: Human-Centered Systems Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. In die Bewertung fließen die nachfolgenden Bestandteile ein:

Der Gesamteindruck wird bewertet. Details zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Lehrveranstaltung bekannt gegeben.

Hinweis: Die konkrete Aufgabenstellung entnehmen Sie bitte der Ausschreibung auf der Instituts‑Website https://h‑lab.win.kit.edu.

Teilleistung: Practical Seminar: Service Innovation [T-WIWI-110887]

Verantwortung:
Prof. Dr. Gerhard Satzger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2595477 Seminarpraktikum: Service Innovation 3 SWS Seminar (S) Heinz, Satzger
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen (nach §4(2), 3 SPO).

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.

Die Gesamtnote setzt sich zusammen aus den gewichteten Komponenten (z.B. Dokumentation, mündl. Vortrag, praktische Ausarbeitung sowie aktive Beteiligung). Die Gewichtung dieser Bestandteile für die Notenbildung wird zu Beginn der Veranstaltung bekannt gegeben. 

Empfehlungen

Es werden Kenntnisse über Service Innovation Methoden dringend empfohlen. 

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer des Seminarpraktikums beschränkt und die Teilnahme setzt Kenntnisse der Modelle, Konzepte und Vorgehensweisen voraus. Informationen zur Anmeldung werden auf den Seiten zur Lehrveranstaltung veröffentlicht.
Die Veranstaltung wird nicht regelmäßig angeboten.

Arbeitsaufwand
135 Std.

Teilleistung: Practice of Research (Methods, 1st Semester) [T-INFO-115231]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107829 - Practice of Research (Methods, 1st Semester)
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Progress is assessed through the following examination components:

◦ written assignments,

◦ short presentations,

◦ discussions on the course content.

The number and content of the required assignments will be announced at the beginning of the semester.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104790 - Praxis der Forschung (Methoden, 1. Semester) darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110211 - Praxis der Forschung (Methoden, 1. Semester) darf nicht begonnen worden sein.
  3. Das Modul M-INFO-107831 - Practice of Research (Project, 1st Semester) muss begonnen worden sein.
Anmerkungen

Registration for this module is only possible in conjunction with registration for the module “Practice of Research (Project, 1st Semester)”; see there.

Teilleistung: Practice of Research (Methods, 2nd Semester) [T-INFO-115232]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107830 - Practice of Research (Methods, 2nd Semester)
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Progress is assessed through the following examination components:

◦ written assignments,

◦ short presentations,

◦ discussions on the course content.

The number and content of the required assignments will be announced at the beginning of the semester.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104789 - Praxis der Forschung (Methoden, 2. Semester) darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110212 - Praxis der Forschung (Methoden, 2. Semester) darf nicht begonnen worden sein.
  3. Das Modul M-INFO-107832 - Practice of Research (Project, 2nd Semester) muss begonnen worden sein.
Anmerkungen

Die Anmeldung zu diesem Modul ist nur zusammen mit der Anmeldung zum Modul „Praxis der Forschung (Projekt, 1. Semester)“ möglich; siehe dort.

Teilleistung: Practice of Research (Project, 1st Semester) - Oral Exam [T-INFO-115235]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107831 - Practice of Research (Project, 1st Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Progress assessments take the form of the following examination components
- Other types of progress assessments (§4 Abs. 2 Nr. 2 of the SPO) in the form of work to be completed during the semester, namely 
◦ written assignments,
◦    project presentations,
◦ a discussion of the project’s content,
◦ the completion of the preparatory work required for the respective project. The
number and content of the required tasks will be announced at the beginning of the first semester.

The final grade for the module is calculated from the weighted partial grades of the individual examination components. In this context:
- the written assignments together account for 1/3,
- the project presentations together account for 1/3,
- the oral exam accounts for 1/3.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104787 - Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110218 - Praxis der Forschung (Projekt, 1. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Practice of Research (Project, 1st Semester) - Presentation [T-INFO-115233]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107831 - Practice of Research (Project, 1st Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Assessment takes the form of an alternative type of assessment in accordance with §4 Abs. 2 Nr. 3 of the SPO.

Assignments to be completed during the semester:
◦ Project presentations,
◦ a discussion of the project’s content. The
number and content of the assignments will be announced at the beginning of the semester.

The final grade for the module is calculated from the weighted partial grades of the individual examination components. In this context:
- the written assignments together account for 1/3, 
- the project presentations together account for 1/3, 
- the oral exam accounts for 1/3.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104797 - Praxis der Forschung (Projekt, 1. Semester) - Präsentation darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110219 - Praxis der Forschung (Projekt, 1. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Practice of Research (Project, 1st Semester) - Project Proposal [T-INFO-115234]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107831 - Practice of Research (Project, 1st Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Assessment takes the form of an alternative type of assessment in accordance with §4 Abs. 2 Nr. 3  of the SPO.

Assignments to be completed during the semester:

◦ written assignments,
◦ completion of the preparatory work required for the respective project. The
number and content of the required work will be announced at the beginning of the first semester.

The final grade for the module is calculated from the weighted partial grades of the individual examination components. In this context:
- the written assignments together account for 1/3, 
- the project presentations together account for 1/3, 
- the oral exam accounts for 1/3.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104798 - Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110220 - Praxis der Forschung (Projekt, 1. Semester) - Beschreibung des Projektvorhabens darf nicht begonnen worden sein.

Teilleistung: Practice of Research (Project, 2nd Semester) - Oral Exam [T-INFO-115236]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107832 - Practice of Research (Project, 2nd Semester)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Assessment is conducted in accordance with §4 Abs. 2 Nr. 2  of the SPO in the form of an oral exam (typically 30 minutes).


The final grade for the module is calculated from the weighted partial grades of the individual module components. In this context
, the written assignments together account for
1/3 of the total grade (T-INFO-T-INFO-115238),
 the project presentations together have a weight of 1/3 (T-INFO-115237),
- and the oral exam has a weight of 1/3 (T-INFO-115236).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104788 - Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110221 - Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Practice of Research (Project, 2nd Semester) - Presentation [T-INFO-115237]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107832 - Practice of Research (Project, 2nd Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Assessment takes the form of an alternative type of assessment in accordance with §4 Abs. 2 Nr. 3  of the SPO.

Assignments to be completed during the semester:
◦ Project presentations,
◦ a discussion of the project’s content. The number and content of the assignments will be announced at the beginning of the semester.

The final grade for the module is calculated from the weighted partial grades of the individual module components. In this context
, the written assignments together account for 
1/3 of the total grade (T-INFO-T-INFO-115238),
 the project presentations together have a weight of 1/3 (T-INFO-115237),
- and the oral exam has a weight of 1/3 (T-INFO-115236).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104800 - Praxis der Forschung (Projekt, 2. Semester) - Präsentation darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110222 - Praxis der Forschung (Projekt, 2. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Praktikum Dezentrale Systeme und Netzdienste [T-INFO-106063]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103047 - Praktikum Dezentrale Systeme und Netzdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500157 Praktikum Dezentrale Systeme und Netzdienste Hartenstein
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Praktikum Klassische Physik I [T-PHYS-102289]

Verantwortung:
PD Dr. Roger Wolf
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101353 - Praktikum Klassische Physik I
Teilleistungsart
Studienleistung
Leistungspunkte
6 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4011113 Praktikum Klassische Physik I (Kurs 1) 6 SWS Praktikum (P) / 🗣 Wolf, Hartmann
WS 26/27 4011123 Praktikum Klassische Physik I (Kurs 2) 6 SWS Praktikum (P) / 🗣 Hartmann, Wolf
WS 26/27 4011133 Praktikum Klassische Physik I (Kurs 3) 6 SWS Praktikum (P) / 🗣 Hartmann, Wolf
Prüfungsveranstaltungen
SS 2026 7800027 Praktikum Klassische Physik I
WS 26/27 7800027 Praktikum Klassische Physik I Wolf, Hartmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Praktikum Klassische Physik II [T-PHYS-102290]

Verantwortung:
PD Dr. Frank Hartmann
PD Dr. Roger Wolf
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-101354 - Praktikum Klassische Physik II
Teilleistungsart
Studienleistung
Leistungspunkte
6 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 4011213 Praktikum Klassische Physik II (Kurs 1) 6 SWS Praktikum (P) / 🗣 Wolf, Simonis, Hartmann
SS 2026 4011223 Praktikum Klassische Physik II (Kurs 2) 6 SWS Praktikum (P) / 🗣 Wolf, Simonis, Hartmann
SS 2026 4011233 Praktikum Klassische Physik II (Kurs 3) 6 SWS Praktikum (P) / 🗣 Wolf, Simonis, Hartmann
Prüfungsveranstaltungen
SS 2026 7800028 Praktikum Klassische Physik II Wolf
WS 26/27 7800028 Praktikum Klassische Physik II
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Praktikum Kryptoanalyse [T-INFO-102990]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101559 - Praktikum Kryptoanalyse
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 24881 Praktikum: Kryptoanalyse 4 SWS Praktikum (P) / 🗣 Müller-Quade, Bayreuther, Berger, Brede
WS 26/27 2424301 Praktikum: Kryptoanalyse 4 SWS Praktikum (P) / 🗣 Bayreuther, Berger, Müller-Quade, Brede
Prüfungsveranstaltungen
SS 2026 7500111 Praktikum Kryptoanalyse Müller-Quade
WS 26/27 7500181 Praktikum Kryptoanalyse Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen praktische Aufgaben im Bereich der Kryptoanalyse bearbeitet werden. Die Ergebnisse müssen schriftlich und mündlich präsentiert werden.

Voraussetzungen

Keine

Empfehlungen

Das Stammmodul Sicherheit sollte als Grundlage geprüft worden sein.

Anmerkungen

Die Platze sind beschränkt. Die Anmeldung erfolgt über das Ilias mittels First-Come-First-Serve-Prinzip. 

Teilleistung: Praktikum Nanoelektronik [T-ETIT-100757]

Verantwortung:
Prof. Dr. Sebastian Kempf
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100468 - Praktikum Nanoelektronik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2312669 Praktikum Nanoelektronik 4 SWS Praktikum (P) / 🗣 Kempf, Mitarbeiter*innen
WS 26/27 2312669 Praktikum Nanoelektronik 4 SWS Praktikum (P) / 🗣 Kempf, weitere Mitarbeitende
Prüfungsveranstaltungen
SS 2026 7312669 Praktikum Nanoelektronik Kempf
WS 26/27 7312669 Praktikum Nanoelektronik Kempf
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Bewertung eines schriftlichen Abschlussberichts (Umfang ca. 10-20 Seiten), in dessen Rahmen, in dem eine Einführung in das Thema, die Versuchsdurchführung, die wissenschaftlichen Ergebnisse sowie eine Einordnung der Ergebnisse in den Gesamtkontext zusammengefasst werden sollen.

Voraussetzungen

keine

Empfehlungen

Der erfolgreiche Abschluss des Moduls „Technology, physics and applications of thin films“ ist empfohlen.

Teilleistung: Praktikum Software Engineering [T-ETIT-100681]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100460 - Praktikum Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2311640 Praktikum Software Engineering 4 SWS Praktikum (P) / 🗣 Sax
Prüfungsveranstaltungen
SS 2026 7311640 Praktikum Software Engineering Sax
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen von zwei mündlichen Abfragen (5-10 min.) während des Labors, dem eingereichten Softwareprojekt und einer Abschlusspräsentation (5-10 min.) mit Fragerunde. Der Gesamteindruck wird bewertet.

In die Modulnote gehen die Beurteilung der mündlichen Abfragen, des Softwareprojekts und der Abschlusspräsentation mit Fragerunde ein. Nähere Angaben erfolgen zu Beginn der Veranstaltung.

Voraussetzungen

keine

Teilleistung: Praktikum Wissenschaftliches Rechnen [T-MATH-114059]

Verantwortung:
Prof. Dr. Willy Dörfler
Prof. Dr. Marlis Hochbruck
Prof. Dr. Tobias Jahnke
Prof. Dr. Andreas Rieder
Prof. Dr. Christian Wieners
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102889 - Einführung in das Wissenschaftliche Rechnen
Voraussetzung für: T-MATH-105837 - Einführung in das Wissenschaftliche Rechnen
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Version
1
Prüfungsveranstaltungen
SS 2026 7700142 Praktikum Wissenschaftliches Rechnen Jahnke
SS 2026 7700153 Praktikum Wissenschaftliches Rechnen Dörich, Hochbruck
Erfolgskontrolle(n)

Die Studienleistung wird auf der Grundlage folgender Bestandteile vergeben

Teilleistung: Praktikum: Aktuelle Forschungsthemen der Computergrafik [T-INFO-109577]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104699 - Praktikum: Aktuelle Forschungsthemen der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Im Vertiefungsfach Computergrafik muss mindestens eines der folgenden Module geprüft werden: Kurven und Flächen, Algorithmen der Computergrafik, Fortgeschrittene Flächenkonstruktionen, Digitale Flächen, Computergrafik, Fotorealistische Bildsynthese, Interaktive Computergrafik, Fortgeschrittene Computergrafik, Visualisierung, Rationale Splines. Eine Bachelor- oder Masterarbeit im Bereich Computergrafik muss erfolgreich abgeschlossen sein. Eine Ausnahmegenehmigung kann durch den Modulkoordinator erteilt werden.

Empfehlungen

Kenntnisse zu Grundlagen aus der Vorlesung Computergrafik und dem gleichnamigen Vertiefungsgebiet werden vorausgesetzt.

Teilleistung: Praktikum: Aktuelle Themen des Quantencomputings [T-INFO-112741]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106286 - Praktikum: Aktuelle Themen des Quantencomputings
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400203 Aktuelle Themen des Quantencomputings 3 SWS Praktikum (P) Kühn, Streit
Prüfungsveranstaltungen
SS 2026 7500403 Praktikum: Aktuelle Themen des Quantencomputings Kühn, Streit
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Empfehlungen

- Kenntnisse in Linearer Algebra sind empfohlen
- Programmierkenntnisse sind hilfreich

Teilleistung: Praktikum: Automotive Software Engineering [T-INFO-112710]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106261 - Praktikum: Automotive Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400127 Praktikum: Automotive Software Engineering 4 SWS Praktikum (P) / 🗣 Schaefer
Prüfungsveranstaltungen
SS 2026 7500343 Praktikum: Automotive Software Engineering Schaefer
WS 26/27 7500366 Praktikum: Automotive Software Engineering Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung (bzw. Implementierung und Dokumentation) erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Programmierkenntnisse erforderlich. Besuch des Moduls Automotive Software Engineering empfohlen.

Teilleistung: Praktikum: Data Science [T-INFO-111262]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105632 - Praktikum: Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 24874 Praktikum Data Science 2 SWS Praktikum (P) / 🗣 Böhm, Matteucci, Nowack, Cribeiro Ramallo
Prüfungsveranstaltungen
SS 2026 7500091 Praktikum: Data Science Böhm, Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

 

Voraussetzungen

Es müssen Leistungen aus der Vorlesung Data Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103202 - Praktikum: Analyse großer Datenbestände darf nicht begonnen worden sein.
Empfehlungen

Die Vorlesung Data Science 1 (vormals Analysetechniken) oder eine vergleiche Vorlesung sollte gehört worden sein.

Teilleistung: Praktikum: Data Science für die Wissenschaften [T-INFO-112844]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106329 - Praktikum: Data Science für die Wissenschaften
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2026 242424 Data Science für die Wissenschaften 2 SWS Praktikum (P) / 🗣 Böhm, Cribeiro Ramallo, Schäfer, Matteucci
Prüfungsveranstaltungen
SS 2026 75751 Praktikum: Data Science für die Wissenschaften Böhm, Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Es müssen Leistungen aus der Vorlesung Date Science (vormals Analysetechniken für große Datenbestände), oder Vergleichbares erbracht worden sein.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105796 - Praktikum: Analysis of Complex Data Sets darf nicht begonnen worden sein.

Teilleistung: Praktikum: Gestaltung und Evaluierung Interaktiver Systeme [T-INFO-112749]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106290 - Praktikum: Gestaltung und Evaluierung Interaktiver Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400023 Gestaltung und Evaluierung Interaktiver Systeme (Praktikum) 4 SWS Praktikum (P) / 🧩 Gerling, Alexandrovsky
WS 26/27 2400208 Gestaltung und Evaluierung Interaktiver Systeme (Praktikum) 4 SWS Praktikum (P) / 🧩 Gerling, Alexandrovsky, Meiners
Prüfungsveranstaltungen
SS 2026 7500235 Gestaltung und Evaluierung Interaktiver Systeme (Praktikum) Gerling
SS 2026 7500337 Praktikum: Gestaltung und Evaluierung Interaktiver Systeme Gerling
WS 26/27 7500094 Gestaltung und Evaluierung Interaktiver Systeme (Praktikum) Gerling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Praktikum: Graphenvisualisierung in der Praxis [T-INFO-106580]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103302 - Praktikum: Graphenvisualisierung in der Praxis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500136 Praktikum: Graphenvisualisierung in der Praxis Wagner
SS 2026 7500347 Praktikum: Graphenvisualisierung in der Praxis Wagner
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art nach 4 Abs. 2 Nr. 3 SPO.


Die Note setzt sich aus der Bearbeitung der Programmieraufgabe, einer schriftlichen Evaluation der Ergebnisse im Umfang von ca. 10 Seiten sowie der Abschlusspräsentation zusammen.

Voraussetzungen

Keine.

Teilleistung: Praktikum: Graphics and Game Development [T-INFO-110872]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105384 - Praktikum: Graphics and Game Development
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500416 Practical Course: Graphics and Game Development Dachsbacher
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten gebildet und nach der ersten Kommastelle abgeschnitten.


Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102996 - Praktikum: Visual Computing 1 darf nicht begonnen worden sein.
Empfehlungen

Kenntnisse zu Grundlagen oder Algorithmen der Computergrafik sind empfehlenswert aber nicht zwingend notwendig.

Teilleistung: Praktikum: Penetration Testing [T-INFO-109929]

Verantwortung:
Dr.-Ing. Ingmar Baumgart
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104895 - Praktikum: Penetration Testing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400058 Praktikum Penetration Testing 4 SWS Praktikum (P) / 🗣 Baumgart, Müller, Dukek
WS 26/27 2400115 Praktikum Penetration Testing 4 SWS Praktikum (P) / 🗣 Baumgart, Dukek, Müller
Prüfungsveranstaltungen
SS 2026 7500275 Praktikum: Penetration Testing Baumgart
WS 26/27 7500330 Praktikum: Penetration Testing Baumgart, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit sowie grundlegende Kenntnisse der Betriebssysteme Linux und Windows werden vorausgesetzt. Zudem werden die Inhalte der Vorlesung Einführung in Rechnernetze als bekannt vorausgesetzt.

Teilleistung: Praktikum: Programmverifikation [T-INFO-102953]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101537 - Praktikum: Programmverifikation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500281 Praktikum: Programmverifikation Beckert
WS 26/27 7500260 Praktikum: Programmverifikation Beckert
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach §4 Abs. 2 Nr. 3 SPO.

Es müssen praktische Aufgaben im Bereich der Programmverifikation bearbeitet sowie die Durchführung und die Ergebnisse in einer schriftliche Ausarbeitung beschrieben und in einer mündlichen Präsentation dargestellt werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine

Teilleistung: Praktikum: Realtime Computer Graphics [T-INFO-113737]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106851 - Praktikum: Realtime Computer Graphics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400026 Praktikum Real Time Computer Graphics 4 SWS Praktikum (P) / 🗣 Lerzer, Klepikov, Dachsbacher
WS 26/27 2424287 Practical course Realtime Computer Graphics 4 SWS Praktikum (P) / 🗣 Klepikov, Lerzer, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500307 Praktikum Realtime Computer Graphics Dachsbacher
WS 26/27 7500097 Praktikum: Realtime Computer Graphics Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung nach § 4 Abs. 2 Nr. 3 SPO. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Interaktive Computergrafik (24679).

Teilleistung: Praktikum: Rendering in CGI [T-INFO-113443]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106687 - Praktikum: Rendering in CGI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400041 Praktikum Rendering in CGI 4 SWS Praktikum (P) / 🗣 Lerzer, Klepikov, Dachsbacher
WS 26/27 2400139 Practical course Rendering in CGI 4 SWS Praktikum (P) / 🗣 Klepikov, Lerzer, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500231 Praktikum Rendering in CGI Dachsbacher
WS 26/27 7500098 Praktikum: Rendering in CGI Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Bewertet werden die über das Semester hinweg bearbeiteten und abgegebenen Programmier-/Praxisaufgaben (ggf. auch im Rahmen eines kurzen Gesprächs/einer Vorführung). Im Fall einer selbstgestellten Aufgabe anstelle einer der vorgegebenen Aufgaben (nach vorheriger Absprache möglich), wird zusätzlich eine kurze schriftliche Ausarbeitung (maximal 4 Seiten) bewertet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Fotorealistische Bildsynthese (2400180).

Teilleistung: Praktikum: Scientific Visualization [T-INFO-113442]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106686 - Praktikum: Scientific Visualization
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400039 Praktikum Scientific Visualisation 4 SWS Praktikum (P) / 🗣 Lerzer, Klepikov, Dachsbacher
WS 26/27 2400146 Practical course Scientific Visualisation 4 SWS Praktikum (P) / 🗣 Klepikov, Lerzer, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500292 Praktikum Scientific Visualization Dachsbacher
WS 26/27 7500133 Praktikum: Scientific Visualization Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO, in Form von einer praktischen Arbeit, Vorträgen und ggf. einer schriftlichen Ausarbeitung. 

Schriftliche Ausarbeitung, Vorträge und praktische Arbeit werden je nach Veranstaltung gewichtet.

Bewertet werden die über das Semester hinweg bearbeiteten und abgegebenen Programmier-/Praxisaufgaben (ggf. auch im Rahmen eines kurzen Gesprächs/einer Vorführung). Im Fall einer selbstgestellten Aufgabe anstelle einer der vorgegebenen Aufgaben (nach vorheriger Absprache möglich), wird zusätzlich eine kurze schriftliche Ausarbeitung (maximal 4 Seiten) bewertet.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung Computergraphik (24081) und Visualisierung (2400175).

Teilleistung: Praktikum: Smart Data Analytics [T-INFO-106426]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103235 - Praktikum: Smart Data Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2424895 Praktikum: Smart Data Analytics 4 SWS Praktikum (P) / 🗣 Beigl
Prüfungsveranstaltungen
SS 2026 7500088 Praktikum: Smart Data Analytics Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Das bearbeitete Kleinprojekt ist mit einem Praktikumsbericht zu dokumentieren und eine Abschlusspräsentation ist zu halten. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103581 - Praktikum: Kontextsensitive ubiquitäre Systeme darf nicht begonnen worden sein.
Empfehlungen

Das Praktikum ist idealerweise begleitend zur Vorlesung Kontextsensitive Systeme (24658) zu belegen.

Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt. 

Teilleistung: Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) [T-INFO-103121]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101635 - Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 24873 Praktikum: Microservice2Go (II) 2 SWS Praktikum (P) / 🗣 Abeck, Schneider, Throner
Prüfungsveranstaltungen
SS 2026 7500139 Praktikum: Web-Anwendungen und Serviceorientierte Architekturen (II) Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Praktische Philosophie 1.1 (Einführung/Überblick zu entw. Ethik, Politische Philosophie oder Handlungstheorie) [T-GEISTSOZ-101170]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
5
Lehrveranstaltungen
WS 26/27 5012025 Übung zur Einführung in die Praktische Philosophie 2 SWS Übung (Ü) / 🗣 Schefczyk
WS 26/27 5012044 Einführung in die Praktische Philosophie 2 SWS Kurs (Ku) / 🗣 Schefczyk
Prüfungsveranstaltungen
WS 26/27 7400078 Einführung in die Praktische Philosophie Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Praktische Philosophie 1.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistung in Form einer Klausur, die sich auf die Inhalte der Vorlesung und der begleitenden Übung beziehen. Die begleitende Übung besteht aus 4 Sitzungen, die sowohl in Präsenz als auch (alternativ) als Online-Veranstaltungen besucht werden kann.

Voraussetzungen

keine

Teilleistung: Praktische Philosophie 1.2 [T-GEISTSOZ-101081]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
SS 2026 5012012 Platon, Menon 2 SWS Seminar (S) / 🧩 Poznic
SS 2026 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
WS 26/27 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 26/27 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
Prüfungsveranstaltungen
SS 2026 7400089 Kant: Grundlegung zur Metaphysik der Sitten Link, Schefczyk
SS 2026 7400090 Klimaethik Seidel-Saul, Schefczyk, Betz
SS 2026 7400092 Hume: Untersuchung über die Prinzipien der Moral Schmidt-Petri, Schefczyk
SS 2026 7400093 Ethik für das Lehramt I Schefczyk, Schmidt-Petri
SS 2026 7400400 Platon: Menon Schefczyk, Poznic
SS 2026 7400439 Gutes Leben und Gerechtigkeit. Der Capability Approach von M. Nussbaum Hillerbrand, Schefczyk, Link
SS 2026 7400506 Schuld. Eine mächtige Kategorie Nennen, Schefczyk
SS 2026 7400507 "Das wird man wohl noch sagen dürfen!" Gründe und Grenzen der Redefreiheit Schefczyk
SS 2026 7400780 Kant: Grundlegung zur Metaphysik der Sitten (Wiederholung) Link, Schefczyk
WS 26/27 7400003 J.S. Mill: Utilitarismus & Über die Freiheit (Nachprüfung) Schmidt-Petri, Schefczyk
WS 26/27 7400004 Mill: Über die Freiheit Schmidt-Petri, Schefczyk
WS 26/27 7400069 Mill: Der Utilitarismus Schmidt-Petri, Schefczyk
WS 26/27 7400139 Moderne Demokratietheorien Schefczyk
WS 26/27 7400150 Der moralische Status ungeborenen menschlichen Lebens Schefczyk, Link
WS 26/27 7400151 Was ist schlecht am Lügen, wenn überhaupt? Schefczyk, Link
WS 26/27 7400157 Aristoteles: Nikomachische Ethik Link, Schefczyk
WS 26/27 7400345 Aristoteles: Nikomachische Ethik (Nachprüfung) Link, Schefczyk
WS 26/27 7400354 Medien- und Informationsethik Gutmann
WS 26/27 7400688 J.S. Mills Schriften zu Politik und Ökonomie Schefczyk, Seidel-Saul
WS 26/27 7400689 Singer: Praktische Ethik Schefczyk, Schmidt-Petri
WS 26/27 7400690 (Philosophische) Theorien der Moralentwicklung Schefczyk
WS 26/27 7400729 Singer: Praktische Ethik (Nachprüfung) Schefczyk, Schmidt-Petri
WS 26/27 741210147 Philosophie des Todes Schmidt-Petri, Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Hauptseminar "Praktische Philosophie 1.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen in Form von Hausaufgaben, Test oder Referat.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktische Philosophie 1.3 [T-GEISTSOZ-101171]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104507 - Praktische Philosophie I
Voraussetzung für: T-GEISTSOZ-109222 - Modulprüfung Praktische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
4
Lehrveranstaltungen
SS 2026 5012012 Platon, Menon 2 SWS Seminar (S) / 🧩 Poznic
SS 2026 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
SS 2026 5012059 Gleichheit und Gerechtigkeit 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 26/27 5012013 Ethik der fernen Zukunft 3 SWS Seminar (S) / 🗣 Lohmar
WS 26/27 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 26/27 5012049 Nationalismus und Kosmopolitanismus 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 26/27 5012064 Aktuelle Grundprobleme der Politischen Philosophie 2 SWS Hauptseminar (HS) / 🗣 Schubert
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
Prüfungsveranstaltungen
SS 2026 7400089 Kant: Grundlegung zur Metaphysik der Sitten Link, Schefczyk
SS 2026 7400090 Klimaethik Seidel-Saul, Schefczyk, Betz
SS 2026 7400092 Hume: Untersuchung über die Prinzipien der Moral Schmidt-Petri, Schefczyk
SS 2026 7400093 Ethik für das Lehramt I Schefczyk, Schmidt-Petri
SS 2026 7400400 Platon: Menon Schefczyk, Poznic
SS 2026 7400439 Gutes Leben und Gerechtigkeit. Der Capability Approach von M. Nussbaum Hillerbrand, Schefczyk, Link
SS 2026 7400506 Schuld. Eine mächtige Kategorie Nennen, Schefczyk
SS 2026 7400507 "Das wird man wohl noch sagen dürfen!" Gründe und Grenzen der Redefreiheit Schefczyk
SS 2026 7400545 Verantwortung, Autonomie und Kontrolle Schefczyk, Bagattini
SS 2026 7400555 Ethik staatlicher Massenüberwachung Schefczyk, Seidel-Saul
SS 2026 7400556 Gleichheit und Gerechtigkeit Schmidt-Petri, Schefczyk
SS 2026 7400557 Einführung in die Technikethik Schefczyk, Bagattini
SS 2026 7400780 Kant: Grundlegung zur Metaphysik der Sitten (Wiederholung) Link, Schefczyk
WS 26/27 7400003 J.S. Mill: Utilitarismus & Über die Freiheit (Nachprüfung) Schmidt-Petri, Schefczyk
WS 26/27 7400004 Mill: Über die Freiheit Schmidt-Petri, Schefczyk
WS 26/27 7400042 Aktuelle Grundprobleme der Politischen Philosophie Link, Schefczyk
WS 26/27 7400069 Mill: Der Utilitarismus Schmidt-Petri, Schefczyk
WS 26/27 7400130 Philosophien/Theorien der Geschichte Schefczyk, Popplow
WS 26/27 7400139 Moderne Demokratietheorien Schefczyk
WS 26/27 7400150 Der moralische Status ungeborenen menschlichen Lebens Schefczyk, Link
WS 26/27 7400151 Was ist schlecht am Lügen, wenn überhaupt? Schefczyk, Link
WS 26/27 7400157 Aristoteles: Nikomachische Ethik Link, Schefczyk
WS 26/27 7400324 Nationalismus und Kosmopolitanismus Schefczyk
WS 26/27 7400328 Ethik der fernen Zukunft Schefczyk
WS 26/27 7400345 Aristoteles: Nikomachische Ethik (Nachprüfung) Link, Schefczyk
WS 26/27 7400354 Medien- und Informationsethik Gutmann
WS 26/27 7400404 Rohstoffe für die Energiewende Link, Schefczyk
WS 26/27 7400688 J.S. Mills Schriften zu Politik und Ökonomie Schefczyk, Seidel-Saul
WS 26/27 7400689 Singer: Praktische Ethik Schefczyk, Schmidt-Petri
WS 26/27 7400690 (Philosophische) Theorien der Moralentwicklung Schefczyk
WS 26/27 7400729 Singer: Praktische Ethik (Nachprüfung) Schefczyk, Schmidt-Petri
WS 26/27 741210147 Philosophie des Todes Schmidt-Petri, Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Praktische Philosophie 1.3", d.h. im Bestehen der in der Veranstaltung geforderten Leistung, die in Form von Hausaufgaben, Test oder Referaten zu erbringen ist.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktische Philosophie 2.1 [T-GEISTSOZ-101202]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104508 - Praktische Philosophie II
Voraussetzung für: T-GEISTSOZ-109223 - Modulprüfung Praktische Philosophie II
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
SS 2026 5012012 Platon, Menon 2 SWS Seminar (S) / 🧩 Poznic
SS 2026 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
SS 2026 5012059 Gleichheit und Gerechtigkeit 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
SS 2026 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
WS 26/27 5012013 Ethik der fernen Zukunft 3 SWS Seminar (S) / 🗣 Lohmar
WS 26/27 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 26/27 5012049 Nationalismus und Kosmopolitanismus 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 26/27 5012064 Aktuelle Grundprobleme der Politischen Philosophie 2 SWS Hauptseminar (HS) / 🗣 Schubert
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
Prüfungsveranstaltungen
SS 2026 7400089 Kant: Grundlegung zur Metaphysik der Sitten Link, Schefczyk
SS 2026 7400090 Klimaethik Seidel-Saul, Schefczyk, Betz
SS 2026 7400092 Hume: Untersuchung über die Prinzipien der Moral Schmidt-Petri, Schefczyk
SS 2026 7400093 Ethik für das Lehramt I Schefczyk, Schmidt-Petri
SS 2026 7400400 Platon: Menon Schefczyk, Poznic
SS 2026 7400439 Gutes Leben und Gerechtigkeit. Der Capability Approach von M. Nussbaum Hillerbrand, Schefczyk, Link
SS 2026 7400440 Kritisches Denken und Argumentationsanalyse Bern-KIT Seidel-Saul, Betz
SS 2026 7400506 Schuld. Eine mächtige Kategorie Nennen, Schefczyk
SS 2026 7400507 "Das wird man wohl noch sagen dürfen!" Gründe und Grenzen der Redefreiheit Schefczyk
SS 2026 7400545 Verantwortung, Autonomie und Kontrolle Schefczyk, Bagattini
SS 2026 7400555 Ethik staatlicher Massenüberwachung Schefczyk, Seidel-Saul
SS 2026 7400556 Gleichheit und Gerechtigkeit Schmidt-Petri, Schefczyk
SS 2026 7400557 Einführung in die Technikethik Schefczyk, Bagattini
SS 2026 7400780 Kant: Grundlegung zur Metaphysik der Sitten (Wiederholung) Link, Schefczyk
WS 26/27 7400003 J.S. Mill: Utilitarismus & Über die Freiheit (Nachprüfung) Schmidt-Petri, Schefczyk
WS 26/27 7400004 Mill: Über die Freiheit Schmidt-Petri, Schefczyk
WS 26/27 7400042 Aktuelle Grundprobleme der Politischen Philosophie Link, Schefczyk
WS 26/27 7400069 Mill: Der Utilitarismus Schmidt-Petri, Schefczyk
WS 26/27 7400130 Philosophien/Theorien der Geschichte Schefczyk, Popplow
WS 26/27 7400139 Moderne Demokratietheorien Schefczyk
WS 26/27 7400150 Der moralische Status ungeborenen menschlichen Lebens Schefczyk, Link
WS 26/27 7400151 Was ist schlecht am Lügen, wenn überhaupt? Schefczyk, Link
WS 26/27 7400157 Aristoteles: Nikomachische Ethik Link, Schefczyk
WS 26/27 7400174 Was ist schlecht am Lügen, wenn überhaupt? Link, Schefczyk
WS 26/27 7400176 Europas Rolle in der Welt. Werte vs. Interessen, am Beispiel der Entwicklungspolitik Schefczyk, Popplow
WS 26/27 7400324 Nationalismus und Kosmopolitanismus Schefczyk
WS 26/27 7400328 Ethik der fernen Zukunft Schefczyk
WS 26/27 7400345 Aristoteles: Nikomachische Ethik (Nachprüfung) Link, Schefczyk
WS 26/27 7400404 Rohstoffe für die Energiewende Link, Schefczyk
WS 26/27 7400688 J.S. Mills Schriften zu Politik und Ökonomie Schefczyk, Seidel-Saul
WS 26/27 7400689 Singer: Praktische Ethik Schefczyk, Schmidt-Petri
WS 26/27 7400690 (Philosophische) Theorien der Moralentwicklung Schefczyk
WS 26/27 7400729 Singer: Praktische Ethik (Nachprüfung) Schefczyk, Schmidt-Petri
WS 26/27 741210147 Philosophie des Todes Schmidt-Petri, Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Kurs oder einem Hauptseminar "Praktische Philosophie 2.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben, Test oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktische Philosophie 2.2 [T-GEISTSOZ-101203]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104508 - Praktische Philosophie II
Voraussetzung für: T-GEISTSOZ-109223 - Modulprüfung Praktische Philosophie II
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
SS 2026 5012012 Platon, Menon 2 SWS Seminar (S) / 🧩 Poznic
SS 2026 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
SS 2026 5012059 Gleichheit und Gerechtigkeit 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
SS 2026 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
WS 26/27 5012013 Ethik der fernen Zukunft 3 SWS Seminar (S) / 🗣 Lohmar
WS 26/27 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 26/27 5012049 Nationalismus und Kosmopolitanismus 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 26/27 5012064 Aktuelle Grundprobleme der Politischen Philosophie 2 SWS Hauptseminar (HS) / 🗣 Schubert
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
Prüfungsveranstaltungen
SS 2026 7400089 Kant: Grundlegung zur Metaphysik der Sitten Link, Schefczyk
SS 2026 7400090 Klimaethik Seidel-Saul, Schefczyk, Betz
SS 2026 7400092 Hume: Untersuchung über die Prinzipien der Moral Schmidt-Petri, Schefczyk
SS 2026 7400093 Ethik für das Lehramt I Schefczyk, Schmidt-Petri
SS 2026 7400400 Platon: Menon Schefczyk, Poznic
SS 2026 7400439 Gutes Leben und Gerechtigkeit. Der Capability Approach von M. Nussbaum Hillerbrand, Schefczyk, Link
SS 2026 7400440 Kritisches Denken und Argumentationsanalyse Bern-KIT Seidel-Saul, Betz
SS 2026 7400506 Schuld. Eine mächtige Kategorie Nennen, Schefczyk
SS 2026 7400507 "Das wird man wohl noch sagen dürfen!" Gründe und Grenzen der Redefreiheit Schefczyk
SS 2026 7400545 Verantwortung, Autonomie und Kontrolle Schefczyk, Bagattini
SS 2026 7400555 Ethik staatlicher Massenüberwachung Schefczyk, Seidel-Saul
SS 2026 7400556 Gleichheit und Gerechtigkeit Schmidt-Petri, Schefczyk
SS 2026 7400557 Einführung in die Technikethik Schefczyk, Bagattini
SS 2026 7400780 Kant: Grundlegung zur Metaphysik der Sitten (Wiederholung) Link, Schefczyk
WS 26/27 7400003 J.S. Mill: Utilitarismus & Über die Freiheit (Nachprüfung) Schmidt-Petri, Schefczyk
WS 26/27 7400004 Mill: Über die Freiheit Schmidt-Petri, Schefczyk
WS 26/27 7400042 Aktuelle Grundprobleme der Politischen Philosophie Link, Schefczyk
WS 26/27 7400069 Mill: Der Utilitarismus Schmidt-Petri, Schefczyk
WS 26/27 7400130 Philosophien/Theorien der Geschichte Schefczyk, Popplow
WS 26/27 7400139 Moderne Demokratietheorien Schefczyk
WS 26/27 7400150 Der moralische Status ungeborenen menschlichen Lebens Schefczyk, Link
WS 26/27 7400151 Was ist schlecht am Lügen, wenn überhaupt? Schefczyk, Link
WS 26/27 7400157 Aristoteles: Nikomachische Ethik Link, Schefczyk
WS 26/27 7400174 Was ist schlecht am Lügen, wenn überhaupt? Link, Schefczyk
WS 26/27 7400176 Europas Rolle in der Welt. Werte vs. Interessen, am Beispiel der Entwicklungspolitik Schefczyk, Popplow
WS 26/27 7400324 Nationalismus und Kosmopolitanismus Schefczyk
WS 26/27 7400328 Ethik der fernen Zukunft Schefczyk
WS 26/27 7400345 Aristoteles: Nikomachische Ethik (Nachprüfung) Link, Schefczyk
WS 26/27 7400404 Rohstoffe für die Energiewende Link, Schefczyk
WS 26/27 7400688 J.S. Mills Schriften zu Politik und Ökonomie Schefczyk, Seidel-Saul
WS 26/27 7400689 Singer: Praktische Ethik Schefczyk, Schmidt-Petri
WS 26/27 7400690 (Philosophische) Theorien der Moralentwicklung Schefczyk
WS 26/27 7400729 Singer: Praktische Ethik (Nachprüfung) Schefczyk, Schmidt-Petri
WS 26/27 741210147 Philosophie des Todes Schmidt-Petri, Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Praktische Philosophie 2.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben, Test oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktische Philosophie 2.3 [T-GEISTSOZ-101204]

Verantwortung:
Prof. Dr. Michael Schefczyk
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104508 - Praktische Philosophie II
Voraussetzung für: T-GEISTSOZ-109223 - Modulprüfung Praktische Philosophie II
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
SS 2026 5012012 Platon, Menon 2 SWS Seminar (S) / 🧩 Poznic
SS 2026 5012055 Kant: Grundlegung zur Metaphysik der Sitten 2 SWS Hauptseminar (HS) / 🗣 Link
SS 2026 5012059 Gleichheit und Gerechtigkeit 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
SS 2026 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
WS 26/27 5012013 Ethik der fernen Zukunft 3 SWS Seminar (S) / 🗣 Lohmar
WS 26/27 5012028 Aristoteles: Nikomachische Ethik 2 SWS Hauptseminar (HS) / 🗣 Link
WS 26/27 5012049 Nationalismus und Kosmopolitanismus 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012059 Mill: Utilitarismus 2 SWS Hauptseminar (HS) / 🗣 Schmidt-Petri
WS 26/27 5012064 Aktuelle Grundprobleme der Politischen Philosophie 2 SWS Hauptseminar (HS) / 🗣 Schubert
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
Prüfungsveranstaltungen
SS 2026 7400089 Kant: Grundlegung zur Metaphysik der Sitten Link, Schefczyk
SS 2026 7400090 Klimaethik Seidel-Saul, Schefczyk, Betz
SS 2026 7400092 Hume: Untersuchung über die Prinzipien der Moral Schmidt-Petri, Schefczyk
SS 2026 7400093 Ethik für das Lehramt I Schefczyk, Schmidt-Petri
SS 2026 7400400 Platon: Menon Schefczyk, Poznic
SS 2026 7400439 Gutes Leben und Gerechtigkeit. Der Capability Approach von M. Nussbaum Hillerbrand, Schefczyk, Link
SS 2026 7400440 Kritisches Denken und Argumentationsanalyse Bern-KIT Seidel-Saul, Betz
SS 2026 7400506 Schuld. Eine mächtige Kategorie Nennen, Schefczyk
SS 2026 7400507 "Das wird man wohl noch sagen dürfen!" Gründe und Grenzen der Redefreiheit Schefczyk
SS 2026 7400545 Verantwortung, Autonomie und Kontrolle Schefczyk, Bagattini
SS 2026 7400555 Ethik staatlicher Massenüberwachung Schefczyk, Seidel-Saul
SS 2026 7400556 Gleichheit und Gerechtigkeit Schmidt-Petri, Schefczyk
SS 2026 7400557 Einführung in die Technikethik Schefczyk, Bagattini
SS 2026 7400780 Kant: Grundlegung zur Metaphysik der Sitten (Wiederholung) Link, Schefczyk
WS 26/27 7400003 J.S. Mill: Utilitarismus & Über die Freiheit (Nachprüfung) Schmidt-Petri, Schefczyk
WS 26/27 7400004 Mill: Über die Freiheit Schmidt-Petri, Schefczyk
WS 26/27 7400042 Aktuelle Grundprobleme der Politischen Philosophie Link, Schefczyk
WS 26/27 7400069 Mill: Der Utilitarismus Schmidt-Petri, Schefczyk
WS 26/27 7400130 Philosophien/Theorien der Geschichte Schefczyk, Popplow
WS 26/27 7400139 Moderne Demokratietheorien Schefczyk
WS 26/27 7400150 Der moralische Status ungeborenen menschlichen Lebens Schefczyk, Link
WS 26/27 7400151 Was ist schlecht am Lügen, wenn überhaupt? Schefczyk, Link
WS 26/27 7400157 Aristoteles: Nikomachische Ethik Link, Schefczyk
WS 26/27 7400174 Was ist schlecht am Lügen, wenn überhaupt? Link, Schefczyk
WS 26/27 7400176 Europas Rolle in der Welt. Werte vs. Interessen, am Beispiel der Entwicklungspolitik Schefczyk, Popplow
WS 26/27 7400324 Nationalismus und Kosmopolitanismus Schefczyk
WS 26/27 7400328 Ethik der fernen Zukunft Schefczyk
WS 26/27 7400345 Aristoteles: Nikomachische Ethik (Nachprüfung) Link, Schefczyk
WS 26/27 7400404 Rohstoffe für die Energiewende Link, Schefczyk
WS 26/27 7400688 J.S. Mills Schriften zu Politik und Ökonomie Schefczyk, Seidel-Saul
WS 26/27 7400689 Singer: Praktische Ethik Schefczyk, Schmidt-Petri
WS 26/27 7400690 (Philosophische) Theorien der Moralentwicklung Schefczyk
WS 26/27 7400729 Singer: Praktische Ethik (Nachprüfung) Schefczyk, Schmidt-Petri
WS 26/27 741210147 Philosophie des Todes Schmidt-Petri, Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Praktische Philosophie 2.3", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben, Test oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Praktisches Seminar zur Diskreten Optimierung: Lösungsverfahren implementieren und bewerten (mit Python) [T-WIWI-114747]

Verantwortung:
Dr.-Ing. Hannah Bakker
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-102832 - Operations Research im Supply Chain Management
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Einmalig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art in Form eines durchzuführenden Rechenexperiments. Dieses umfasst die Abgabe eines dokumentierten Code-Projekts, eine schriftliche Ausarbeitung (6–8 Seiten) sowie eine Zwischen- und eine Abschlusspräsentation.

Die Gesamtnote setzt sich zusammen aus den gewichteten Bestandteilen (Code, Ausarbeitung, Zwischen- und Abschlusspräsentation). Details zur Gewichtung werden zu Beginn der Veranstaltung bekannt gegeben. 

Voraussetzungen

Keine

Arbeitsaufwand
135 Std.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung [T-INFO-110221]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Ulbrich
WS 26/27 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Ulbrich
Prüfungsveranstaltungen
SS 2026 7500126 Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung Beckert, Beigl, Reussner
WS 26/27 7500171 Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung Beckert, Beigl, Reussner, Ulbrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt nach §4 Abs. 2 Nr. 2 der SPO in Form einer mündliche Prüfung (i.d.R. 30min).

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104788 - Praxis der Forschung (Projekt, 2. Semester) - Mündliche Prüfung darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Präsentation [T-INFO-110222]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Ulbrich
WS 26/27 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Ulbrich
Prüfungsveranstaltungen
SS 2026 7500132 Praxis der Forschung (Projekt, 2. Semester) - Präsentation Beckert, Beigl, Reussner
WS 26/27 7500077 Praxis der Forschung (Projekt, 2. Semester) - Präsentation Beckert, Beigl, Reussner, Ulbrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:
◦    Projektpräsentationen,
◦    eine Diskussion über die Inhalte des Projekts.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104800 - Praxis der Forschung (Projekt, 2. Semester) - Präsentation darf nicht begonnen worden sein.

Teilleistung: Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung [T-INFO-110223]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105038 - Praxis der Forschung (Projekt, 2. Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400053 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Ulbrich
WS 26/27 2400070 Praxis der Forschung (Projekt, 2. Semester) 6.5 SWS Projektgruppe (Pg) / 🧩 Beckert, Ulbrich
Prüfungsveranstaltungen
SS 2026 7500133 Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung Beckert, Beigl, Reussner
WS 26/27 7500078 Praxis der Forschung (Projekt, 2. Semester) - Schriftliche Prüfung Beckert, Beigl, Reussner, Ulbrich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Erfolgskontrolle anderer Art nach §4 Abs. 2 Nr. 3 der SPO.

Während des Semesters zu erbringender Leistungen:

◦    schriftlicher Abgaben,
◦    die Durchführung der für das jeweilige Projekt notwendigen Vorarbeiten.
Anzahl und Inhalt der zu erbringenden Leistungen wird zu Beginn ersten des Semesters bekannt gegeben.

Die Gesamtnote des Moduls wird aus den gewichteten Teilnoten der einzelnen Teilleistungen gebildet. Dabei
- haben die schriftlichen Abgaben zusammen ein Gewicht von 1/3 (T-INFO-110223),
- haben die Projektpräsentationen zusammen ein Gewicht von 1/3 (T-INFO-110222),
- hat die mündliche Prüfung ein Gewicht von 1/3 (T-INFO-110221).

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104809 - Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung darf nicht begonnen worden sein.

Teilleistung: Predictive Mechanism and Market Design [T-WIWI-102862]

Verantwortung:
Prof. Dr. Johannes Philipp Reiß
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101453 - Angewandte strategische Entscheidungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2500014 Predictive Mechanism and Market Design 2 SWS Vorlesung (V) / 🗣 Reiß
SS 2026 2500037 Übung zu Predictive Mechanism and Market Design 1 SWS Übung (Ü) / 🖥 Reiß, Peters
WS 26/27 2520402 Predictive Mechanism and Market Design 2 SWS Vorlesung (V) Reiß
WS 26/27 2520403 Übung zu Predictive Mechanism and Market Design Übung (Ü) Reiß
Prüfungsveranstaltungen
SS 2026 7990001 Predictive Mechanism and Market Design Reiß
WS 26/27 7910011 Predictive Mechanism and Market Design Reiß
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.) (nach §4(2), 1 SPO).
Die Note ist die Note der schriftlichen Prüfung.

Voraussetzungen

Keine

Anmerkungen

Die Wiederholungsprüfung kann zu jedem späteren, ordentlichen Prüfungstermin angetreten werden. Die Prüfungstermine werden ausschließlich in dem Semester, in dem die Vorlesung angeboten wird sowie im unmittelbar darauf folgenden Semester angeboten. Die Stoffinhalte beziehen sich auf die zuletzt gehaltene Lehrveranstaltung.

Teilleistung: Privacy Enhancing Technologies [T-INFO-110989]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105452 - Privacy Enhancing Technologies
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400088 Privacy Enhancing Technologies 4 SWS Vorlesung / Übung (VÜ) / 🗣 Strufe, Guerra Balboa
Prüfungsveranstaltungen
SS 2026 7500112 Privacy Enhancing Technologies Strufe
WS 26/27 7500308 Privacy Enhancing Technologies Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Teilleistung: Probability and Computing [T-INFO-114196]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Dr. Maximilian Katzmann
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107168 - Probability and Computing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400153 Probability and Computing (findet im WS 26/27 nicht statt!) 3 SWS Vorlesung / Übung (VÜ) / 🗣 Sanders, Walzer, Hermann
Prüfungsveranstaltungen
WS 26/27 7500376 Probability and Computing Bläsius, Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101331 - Randomisierte Algorithmen darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-113082 - Randomisierte Algorithmik darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge of algorithms and data structures (e.g. from the lectures Algorithms 1 + 2) as well as basic knowledge of probability theory (e.g. from the lecture Introduction to Stochastics) are helpful.

Teilleistung: Produktions- und Logistikmanagement [T-WIWI-102632]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2581954 Produktions- und Logistikmanagement 2 SWS Vorlesung (V) / 🗣 Schultmann, Rosenberg
SS 2026 2581955 Übung zu Produktions- und Logistikmanagement 2 SWS Übung (Ü) / 🗣 Schultmann
Prüfungsveranstaltungen
SS 2026 7981954 Produktions- und Logistikmanagement Schultmann
WS 26/27 7981954 Produktions- und Logistikmanagement Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Project Management [T-WIWI-103134]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2581963 Project Management 2 SWS Vorlesung (V) / 🗣 Schultmann
Prüfungsveranstaltungen
SS 2026 7981963 Project Management Schultmann
WS 26/27 7981963 Project Management Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Projektmanagement im Zeitalter der Digitalisierung [T-INFO-110998]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Dr.-Ing. Michael Kaiser
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400097 Projektmanagement im Zeitalter der Digitalisierung 2 SWS Vorlesung (V) / 🗣 Kaiser
Prüfungsveranstaltungen
WS 26/27 7500250 Projektmanagement im Zeitalter der Digitalisierung Kaiser
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen [T-ETIT-109148]

Verantwortung:
Dr.-Ing. Manfred Nolle
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-104475 - Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 2 SWS Block-Vorlesung (BV) / 🗣 Nolle
WS 26/27 2311643 Übung zu 2311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen 1 SWS Übung (Ü) / 🗣 Nolle
Prüfungsveranstaltungen
SS 2026 7311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen Nolle
WS 26/27 7311641 Projektmanagement in der Entwicklung von Produkten für sicherheitskritische Anwendungen Nolle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 90 Minuten. Die Modulnote ist die Note der schriftlichen Prüfung.

Voraussetzungen

keine

Empfehlungen

Grundlegende Kenntnisse im Hardware- und Softwareentwurf sind hilfreich.

Teilleistung: Projektpraktikum Bildauswertung und -fusion [T-INFO-104746]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102383 - Projektpraktikum Bildauswertung und -fusion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424299 Projektpraktikum: Bildauswertung und -fusion 4 SWS Praktikum (P) Beyerer
Prüfungsveranstaltungen
WS 26/27 7500101 Projektpraktikum Bildauswertung und -fusion Beyerer
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Neben der erfolgreichen Projektbearbeitung müssen eine schriftliche Ausarbeitung (in Form einer Projektdokumentation) erstellt und zwei Präsentationen (zu Zwischenstand und Projektergebnissen) gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Empfehlungen

Hilfreich sind:

-        Kenntnisse der Grundlagen der Stochastik und Signal- und Bildverarbeitung

-        Kenntnisse aus einigen der folgenden Vorlesungen:

o     Einführung in die Informationsfusion [24172]

o     Automatische Sichtprüfung und Bildverarbeitung [24169]

o     Mustererkennung [24675]

o     Probabilistische Planung [24603]

o     Bilddatenkompression [2400112]

o     Einführung in die Bildfolgenauswertung  [24684]

Anmerkungen

Wird zum letzten Mal im WS 27/28 angeboten.

Teilleistung: Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion [T-INFO-105943]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102966 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2400123 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion 2 SWS Praktikum (P) / 🖥 Stiefelhagen
Prüfungsveranstaltungen
SS 2026 7500279 Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Anfertigung einer ausführlichen schriftlichen Ausarbeitung der im Praktikum geleisteten Arbeit, incl. einer Diskussion des Standes der Technik sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110325 - Projektpraktikum Computer Vision für Mensch-Maschine-Interaktion mit wissenschaftlicher Ausarbeitung darf nicht begonnen worden sein.
Empfehlungen

Teilleistung: Projektpraktikum: Humanoide Roboter [T-INFO-111590]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105792 - Projektpraktikum: Humanoide Roboter
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2424890 Projektpraktikum: Humanoide Roboter 4 SWS Praktikum (P) / 🗣 Asfour
Prüfungsveranstaltungen
WS 26/27 7500149 Projektpraktikum: Humanoide Roboter Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Studierende müssen eine Praktikumsaufgabe lösen, die Ergebnisse vorstellen und darüber diskutieren. Es wird eine Gesamtnote vergeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105142 - Humanoide Roboter - Praktikum darf nicht begonnen worden sein.
Empfehlungen

Anmerkungen

Teilleistung: Public International Law [T-INFO-113381]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400172 Public International Law with an Economic Law Focus 2 SWS Vorlesung (V) / 🗣 Kasper-Schöniger
Prüfungsveranstaltungen
SS 2026 7500182 Public International Law with an Economic Law Focus Zufall
WS 26/27 7500066 Public International Law Zufall
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (§ 6 (3) SPO) whether the performance assessment is carried out
-    as an oral examination (duration approx. 20 mins.) (§ 4 Abs. 2 Nr. 2 SPO) or 
-    as a written examination (lasting 60 mins.) (§ 4 Abs. 2 No. 1 SPO).

Voraussetzungen

None.

Empfehlungen

-    General knowledge of (public) law (eg, through participating in public law or EU law modules) is helpful but not necessary.
-    Interest in international affairs and politics is welcomed.

Anmerkungen

Competency Goals:
-    Participating students will be able to navigate the plethora of multilateral treaties to detect relevant international law for specific cases.
-    They can develop solutions for legal problems based on case law of international courts and tribunals. 
-    Students will be able to read and comprehend international treaties and case law.
-    They will have a fundamental understand of the interplay between various subfields of public international law.
-    Students can identify and explain current issues in public international law.


Content:    
The lecture is designed to provide participating students with a general understanding of the foundations, subjects, and sources of public international law, its interplay with national legal regimes, and more detailed knowledge of particular subfields of public international law.

Since the lecture targets students of information systems, particular focus will be given to economic topics in international law, such as investment and trade law aspects. Due to the general importance of climate change for todays (economic) law, international climate change law and environmental law will form further focus areas. 

In addition, a concise overview on human rights law, the law on State responsibility, and the peaceful settlement of disputes will be provided. 

Throughout the lecture, important case law will be referenced and students are expected to read relevant cases in part to facilitate a discussion of such cases and their relevance for a subject field. Although the United Nations, including its principal judicial organ, the International Court of Justice, is one of the, if not the, key international organization in public international law, further international organizations (eg, Council of Europe, World Trade Organization) and their respective law(s) will also be touched.

Students are advised to have a statute book at hand that includes the most important international treaties and conventions (eg, Evans, Blackstone’s International Law Documents, currently 15th ed 2021).

Conducting the lecture in English intends to facilitate students to link their ideas and arguments to current debates in international law.

Teilleistung: Public Management [T-WIWI-102740]

Verantwortung:
Prof. Dr. Berthold Wigger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101504 - Collective Decision Making
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2561127 Public Management 3 SWS Vorlesung / Übung (VÜ) / 🧩 Wigger
Prüfungsveranstaltungen
SS 2026 7900140 Public Management Wigger
SS 2026 790puma Public Management Wigger
WS 26/27 790puma Public Management Wigger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Es wird Kenntnis der Grundlagen der Finanzwissenschaft vorausgesetzt.

Teilleistung: Quantifizierung von Unsicherheiten [T-MATH-108399]

Verantwortung:
Prof. Dr. Martin Frank
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-104054 - Quantifizierung von Unsicherheiten
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 0164400 Uncertainty Quantification 2 SWS Vorlesung (V) Frank
SS 2026 0164410 Tutorial for 0164400 (Uncertainty quantification) 1 SWS Übung (Ü) Frank
Prüfungsveranstaltungen
SS 2026 7700045 Uncertainty Quantification Frank
WS 26/27 7700058 Quantifizierung von Unsicherheiten Frank
Voraussetzungen

keine

Teilleistung: Quantitative Methods in Energy Economics [T-WIWI-107446]

Verantwortung:
Patrick Plötz
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2581007 Quantitative Methods in Energy Economics 2 SWS Vorlesung (V) / 🗣 Plötz
WS 26/27 2581008 Übungen zu Quantitative Methods in Energy Economics 1 SWS Übung (Ü) / 🗣 Plötz
Prüfungsveranstaltungen
SS 2026 7981007 Quantitative Methods in Energy Economics Fichtner
WS 26/27 7981007 Quantitative Methods in Energy Economics Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (ca. 30 Minuten) Prüfung. Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Rechnerstrukturen [T-INFO-101355]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100818 - Rechnerstrukturen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2424570 Rechnerstrukturen 3 SWS Vorlesung (V) / 🗣 Karl
Prüfungsveranstaltungen
SS 2026 7500190 Rechnerstrukturen Karl
WS 26/27 7500034 Rechnerstrukturen Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Abschluss des Moduls Technische Informatik wird empfohlen.

Teilleistung: Regelkonformes Verhalten im Unternehmensbereich [T-INFO-101288]

Verantwortung:
Andreas Herzig
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400087 Regelkonformes Verhalten im Unternehmensbereich 2 SWS Vorlesung (V) / 🧩 Herzig, Siddiq
Prüfungsveranstaltungen
SS 2026 7500063 Regelkonformes Verhalten im Unternehmensbereich Sattler
WS 26/27 7500063 Regelkonformes Verhalten im Unternehmensbereich Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. Nr. 1 SPO.

Voraussetzungen

keine

Teilleistung: Regelung linearer Mehrgrößensysteme [T-ETIT-100666]

Verantwortung:
Dr.-Ing. Mathias Kluwe
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100374 - Regelung linearer Mehrgrößensysteme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2303193 Multivariable Control Systems 3 SWS Vorlesung (V) / 🗣 Kluwe
WS 26/27 2303194 Tutorial to 2303194 "Multivariable Control Systems" 1 SWS Übung (Ü) / 🗣 Fehn
Prüfungsveranstaltungen
SS 2026 7303177 Regelung linearer Mehrgrößensysteme Kluwe
WS 26/27 7303177 Regelung linearer Mehrgrößensysteme Kluwe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer schriftlichen Gesamtprüfung (120 Minuten) über die Lehrveranstaltung.

Voraussetzungen

keine

Empfehlungen

Zum tieferen Verständnis sind unbedingt Grundlagenkenntnisse zur Systemdynamik und Regelungstechnik erforderlich, wie sie etwa im ETIT-Bachelor-Modul „Systemdynamik und Regelungstechnik“ M-ETIT-102181 vermittelt werden.

Teilleistung: Regulierungstheorie und -praxis [T-WIWI-102712]

Verantwortung:
Prof. Dr. Kay Mitusch
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101451 - Energiewirtschaft und Energiemärkte
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Prüfungsveranstaltungen
WS 26/27 7900272 Regulierungstheorie und -praxis Mitusch
Erfolgskontrolle(n)

Die Vorlesung wird auf unbestimmte Zeit nicht angeboten. 
Die Erfolgskontrolle erfolgt in Form einer 20-30 min. mündlichen Prüfung zu einem vereinbarten Termin. Die Wiederholungsprüfung ist zu jedem vereinbarten Termin möglich.

Voraussetzungen

Keine

Empfehlungen

Grundkenntnisse und Fertigkeiten der Mikroökonomie aus einem Bachelorstudium werden erwartet.

Besonders hilfreich, aber nicht notwendig: Industrieökonomie und Principal-Agent- oder Vertragstheorie. Der vorherige Besuch der VeranstaltungWettbewerb in Netzen[26240] ist in jedem Falle hilfreich, gilt allerdings nicht als formale Voraussetzung.

Anmerkungen

Die Vorlesung wird auf unbestimmte Zeit nicht angeboten. 

Teilleistung: Reinforcement Learning [T-INFO-111255]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105623 - Reinforcement Learning
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2400163 Reinforcement Learning Vorlesung / Übung (VÜ) / 🗣 Neumann, Lioutikov
Prüfungsveranstaltungen
SS 2026 7500221 Reinforcement Learning, Nachklausur Neumann, Lioutikov
WS 26/27 7500293 Reinforcement Learning Neumann, Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The success control takes place in the form of a written exam, usually 90 minutes in length, according to § 4 Abs. 2 Nr. 1 SPO.

A bonus can be acquired through successful participation in the exercise as a success control of a different kind (§4(2), 3 SPO 2008) or study performance (§4(3) SPO 2015). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. If the grade of the written examination is between 4.0 and 1.3, the bonus improves the grade by one grade level (0.3 or 0.4). The bonus is only valid for the main and post exams of the semester in which it was earned. After that, the grade bonus expires.

Voraussetzungen

None.

Empfehlungen

Teilleistung: Reliable Computing I [T-INFO-101387]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100850 - Reliable Computing I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2424071 Reliable Computing I 2 SWS Vorlesung (V) / 🗣 Tahoori
Prüfungsveranstaltungen
SS 2026 7500027 Reliable Computing I Tahoori
WS 26/27 7500167 Reliable Computing I Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Teilleistung: Remote Sensing of Atmosphere and Ocean [T-PHYS-111424]

Verantwortung:
Prof. Dr. Björn-Martin Sinnhuber
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
3
Lehrveranstaltungen
SS 2026 4052151 Remote Sensing of Atmosphere and Ocean 2 SWS Vorlesung (V) / 🗣 Sinnhuber
SS 2026 4052152 Exercises to Remote Sensing of Atmosphere and Ocean 1 SWS Übung (Ü) / 🗣 Sinnhuber, Bartenschlager
Prüfungsveranstaltungen
SS 2026 7800024 Remote Sensing of Atmosphere and Ocean (Prerequisite) Sinnhuber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

More than 50% of the points from the exercises must be achieved.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Research Course: Virtual Human-AI Collaboration [T-WIWI-115320]

Verantwortung:
Prof. Dr. Alexander Mädche
Prof. Dr. Petra Nieken
Dr. Julia Seitz Sänger
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-106292 - Human-Centered Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2500041 Research Course: Virtual Human-AI Collaboration 3 SWS Vorlesung (V) / 🗣 Seitz Sänger, Houf, Nieken, Mädche
Prüfungsveranstaltungen
WS 26/27 7900141 Research Course: Virtual Human-AI Collaboration Seitz Sänger, Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a single examination of another type in the form of a teaching portfolio. It comprises the following components:

All components are integrated into one overall assessment, and the resulting grade reflects the overall impression of the combined performance.

Additionally, students may submit a short reflective essay (≈ 5 pages) titled “Lessons learned: what would I do differently in my next experiment?”. Acceptance of this essay grants a bonus of one grade level (≈ 0.3 – 0.4) on the already‑passed coursework.

Further details, including the specific criteria list, will be announced at the start of the course.

Voraussetzungen

None

Empfehlungen

Participation in the lecture “Designing Interactive Systems: Human-AI Interaction” or similar courses is recommended but not required. Familiarization with the lecture content is recommended if the course has not been attended.

Anmerkungen

This course is funded by the Federal Ministry of Research, Technology and Space (BMFTR) and the Baden-Württemberg Ministry of Science as part of the Excellence Strategy of the German Federal and State Governments from the ”Research Infrastructures in Research-Oriented Teaching (RIRO)“ initiative at KIT.

Arbeitsaufwand
135 Std.

Teilleistung: Research Focus Class: Blockchain & Cryptocurrencies [T-INFO-113400]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400184 Research Focus Class: Blockchain & Cryptocurrencies Seminar 2 SWS Seminar (S) / 🗣 Hartenstein, Spiesberger, Grundmann
SS 2026 2400185 Research Focus Class: Blockchain & Cryptocurrencies 1 SWS Vorlesung (V) / 🗣 Hartenstein, Spiesberger, Grundmann
Prüfungsveranstaltungen
SS 2026 7500386 Research Focus Class: Blockchain & Cryptocurrencies Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). A presentation must be given.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111251 - Research Focus Class: Blockchain & Payment Channel Networks darf nicht begonnen worden sein.

Teilleistung: Research Focus Class: Blockchain & Cryptocurrencies - Seminar [T-INFO-113401]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106654 - Research Focus Class: Blockchain & Cryptocurrencies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400184 Research Focus Class: Blockchain & Cryptocurrencies Seminar 2 SWS Seminar (S) / 🗣 Hartenstein, Spiesberger, Grundmann
SS 2026 2400185 Research Focus Class: Blockchain & Cryptocurrencies 1 SWS Vorlesung (V) / 🗣 Hartenstein, Spiesberger, Grundmann
Prüfungsveranstaltungen
SS 2026 7500331 Research Focus Class: Blockchain & Cryptocurrencies - Seminar Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111252 - Research Focus Class: Blockchain & Payment Channel Networks - Seminar darf nicht begonnen worden sein.

Teilleistung: Research Practical Course on Behavior Foundation Models [T-INFO-115118]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107728 - Research Practical Course on Behavior Foundation Models
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400139 Research Practical Course on Behavior Foundation Models 4 SWS Praktikum (P) / 🗣 Lioutikov
Prüfungsveranstaltungen
SS 2026 7500266 Research Practical Course on Behavior Foundation Models Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Presentation on the chosen topic at the end of the semester and written elaboration.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112772 - Research Practical Course: Interactive Learning darf nicht begonnen worden sein.
Empfehlungen

We highly recommend to take this research project in combination with the Seminar on Behavior Foundation Models.

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this project.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Research Practical Course: Artificial Intelligence & Security [T-INFO-113759]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106866 - Research Practical Course: Artificial Intelligence & Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
WS 26/27 24042 Research Lab: Artificial Intelligence & Security 4 SWS Praktikum (P) / 🧩 Wressnegger
Prüfungsveranstaltungen
SS 2026 7500367 Research Practical Course: Artificial Intelligence & Security
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111037 - Praktikum: Intelligente Systemsicherheit darf nicht begonnen worden sein.
Empfehlungen

Grundlagen der IT-Sicherheit und der künstlichen Intelligenz werden vorausgesetzt.

Teilleistung: Research Practical Course: Explainable Artificial Intelligence [T-INFO-113114]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106495 - Research Practical Course: Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400142 Forschungspraktikum: Explainable Artificial Intelligence 4 SWS Praktikum (P) / 🗣 Lioutikov, Li, Mattes
Prüfungsveranstaltungen
WS 26/27 7500360 Forschungspraktikum: Explainable Artificial Intelligence Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)

Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

None

Empfehlungen

We recommend taking this Praktikum after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this research project in combination with the “Explainable Artificial Intelligence” seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Anmerkungen

It is only possible to resign within two weeks after assignment of the topic.

Teilleistung: Research Project (Project, 2nd Semester) - Scientific Report [T-INFO-115238]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107832 - Practice of Research (Project, 2nd Semester)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Erfolgskontrolle(n)

Assessment takes the form of an alternative type of assessment in accordance with §4 Abs. 2 Nr. 3 of the SPO.

Requirements to be fulfilled during the semester:

◦ written assignments,
◦ completion of the preparatory work required for the respective project. The
number and content of the required work will be announced at the beginning of the semester.

The final grade for the module is calculated from the weighted partial grades of the individual module components. In this context
, the written assignments together account for 
1/3 of the total grade (T-INFO-T-INFO-115238),
 the project presentations together have a weight of 1/3 (T-INFO-115237),
- and the oral exam has a weight of 1/3 (T-INFO-115236).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104809 - Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-110223 - Praxis der Forschung (Projekt, 2. Semester) - Wissenschaftliche Ausarbeitung darf nicht begonnen worden sein.

Teilleistung: Research Project Deep Learning for Robotics [T-INFO-114203]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107174 - Research Project Deep Learning for Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400091 Deep Learning for Robotics 4 SWS Praktikum (P) / 🗣 Neumann
Prüfungsveranstaltungen
WS 26/27 7500305 Research Project Deep Learning for Robotics Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

It is only possible to resign within two weeks after assignment of the topic.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden.

-        The discussed algorithms have to be implemented successfully.

-        The experiments need to be conducted scientifically and need to be well documented.

-        The final report is well written and well structured

-        The final presentation is well prepared

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111024 - Forschungspraktikum Deep Learning in der Robotik darf nicht begonnen worden sein.
Empfehlungen

-        Experience in Machine Learning is recommended.

-        Python experience is recommended

-        We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Research Project: Generative AI for Autonomous Agents [T-INFO-114189]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107163 - Research Project: Generative AI for Autonomous Agents
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400049 Research Project: Generative AI for Autonomous Agents 4 SWS Praktikum (P) / 🗣 Neumann
Prüfungsveranstaltungen
SS 2026 7500326 Research Project: Generative AI for Autonomous Agents Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

-    The discussed algorithms have to be implemented successfully.
-    The experiments need to be conducted scientifically and need to be well documented.
-    The final report is well written and well structured
-    The final presentation is well prepared

Voraussetzungen

None.

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Teilleistung: Research Project: Machine Learning for Autonomous Agents and Decision Making [T-INFO-113765]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106871 - Research Project: Machine Learning for Autonomous Agents and Decision Making
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400240 Machine Learning for Autonomous Agents and Decision Making 4 SWS Praktikum (P) Neumann
Prüfungsveranstaltungen
WS 26/27 7500364 Research Project: Machine Learning for Autonomous Agents and Decision Making Neumann
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

-    The discussed algorithms have to be implemented successfully.
-    The experiments need to be conducted scientifically and need to be well documented.
-    The final report is well written and well structured
-    The final presentation is well prepared

Voraussetzungen

None.

Empfehlungen

-    Experience in Machine Learning is recommended.
-    Python experience is recommended
-    We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary. 

Teilleistung: Research Seminar in Selected Topics in Statistical Learning and Data Science [T-INFO-113674]

Verantwortung:
Prof. Dr. Nadja Klein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106813 - Research Seminar in Selected Topics in Statistical Learning and Data Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 24106813 Research Seminar in Selected Topics in Statistical Learning and Data Science 2 SWS Seminar (S) / 🧩 Klein
Prüfungsveranstaltungen
SS 2026 75113674 Research Seminar in Selected Topics in Statistical Learning and Data Science Klein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

Elaboration of the topic and presentation on the chosen topic at the end of the semester.

Voraussetzungen

Knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Empfehlungen

Certified knowledge in Bayesian methods, uncertainty quantification and statistical learning or related methods for big data

Teilleistung: Resilient Networking [T-INFO-111209]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105591 - Resilient Networking
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400134 Resilient Networking 4 SWS Vorlesung / Übung (VÜ) / 🧩 Strufe
Prüfungsveranstaltungen
SS 2026 7500249 Resilient Networking Strufe
WS 26/27 7500302 Resilient Networking Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Basics from cryptography and computer networks are helpful.

Teilleistung: Risk Management in Industrial Supply Networks [T-WIWI-102826]

Verantwortung:
Prof. Dr. Frank Schultmann
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2581992 Risk Management in Industrial Supply Networks 2 SWS Vorlesung (V) / 🗣 Schultmann, Rosenberg
Prüfungsveranstaltungen
SS 2026 7981992 Risk Management in Industrial Supply Networks Schultmann
WS 26/27 7981992 Risk Management in Industrial Supply Networks Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Robotic Intelligence: Navigation and Mobile Manipulation [T-MACH-114952]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-107621 - Robotic Intelligence: Navigation and Mobile Manipulation
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2121333 Robotic Intelligence: Navigation and Mobile Manipulation 2 SWS Vorlesung (V) / 🗣 Rönnau
SS 2026 2121334 Robotic Intelligence: Navigation and Mobile Manipulation (Exercise) 1 SWS Übung (Ü) / 🗣 Rönnau
WS 26/27 2121333 Robotic Intelligence: Navigation and Mobile Manipulation 2 SWS Vorlesung (V) / 🗣 Rönnau
WS 26/27 2121334 Robotic Intelligence: Navigation and Mobile Manipulation (Exercise) 1 SWS Übung (Ü) / 🗣 Rönnau
Prüfungsveranstaltungen
SS 2026 76-T-MACH-114952 Robotic Intelligence: Navigation and Mobile Manipulation Rönnau
SS 2026 76-T-MACH-114952-mdl Robotic Intelligence: Navigation and Mobile Manipulation Rönnau
WS 26/27 76-T-MACH-114952 Robotic Intelligence: Navigation and Mobile Manipulation Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Klausur: Dauer 60 Minuten. Ist die schriftliche Prüfung bestanden, kann durch erfolgreiche Bearbeitung der Übungen ein Notenbonus erreicht werden.

Voraussetzungen

Die Teilleistung "T-MACH-114034 – Robotic Intelligence for Mobile Systems" darf nicht begonnen sein.

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
180 Std.

Teilleistung: Robotic Intelligence: Perception and Scene Understanding [T-MACH-114813]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-107558 - Robotic Intelligence: Perception and Scene Understanding
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2121331 Robotic Intelligence: Perception and Scene Understanding 2 SWS Vorlesung (V) / 🗣 Rönnau
WS 26/27 2121332 Robotic Intelligence: Perception and Scene Understanding (Exercise) 1 SWS Übung (Ü) / 🗣 Rönnau
Prüfungsveranstaltungen
SS 2026 76-T-MACH-114813 Robotic Intelligence: Perception and Scene Understanding Rönnau
WS 26/27 76-T-MACH-114813 Robotic Intelligence: Perception and Scene Understanding Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Schriftliche Klausur: Dauer 60 Minuten. Durch erfolgreiche Bearbeitung der Übungen kann ein Notenbonus erreicht werden.

Voraussetzungen

"T-MACH-114034 - Robotic Intelligence for Mobile Systems" darf nicht begonnen sein.

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
180 Std.

Teilleistung: Robotics I - Introduction to Robotics [T-INFO-114190]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107162 - Robotics I - Introduction to Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424152 Robotics I - Introduction to Robotics 4 SWS Vorlesung (V) / 🗣 Asfour, Mombaur
Prüfungsveranstaltungen
SS 2026 7500218 Robotics I - Introduction to Robotics Asfour
WS 26/27 7500106 Robotics I - Introduction to Robotics Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes.

Voraussetzungen

none.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-108014 - Robotik I - Einführung in die Robotik darf nicht begonnen worden sein.

Teilleistung: Robotics II - Humanoid Robotics [T-INFO-114152]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107123 - Robotics II - Humanoid Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400074 Robotics II: Humanoid Robotics 2 SWS Vorlesung (V) / 🗣 Asfour
Prüfungsveranstaltungen
SS 2026 7500086 Robotics II: Humanoid Robotics Asfour
WS 26/27 7500211 Robotics II: Humanoid Robotics Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

Empfehlungen

Having visited the lecture on Robotics I – Introduction to Robotics is recommended 

Teilleistung: Robotics III - Sensors and Perception in Robotics [T-INFO-114155]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107130 - Robotics III - Sensors and Perception in Robotics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400067 Robotics III: Sensors and Perception in Robotics 2 SWS Vorlesung (V) / 🗣 Asfour, Triebel
Prüfungsveranstaltungen
SS 2026 7500242 Robotics III - Sensors and Perception in Robotics Asfour
WS 26/27 7500207 Robotics III - Sensors and Perception in Robotics Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Voraussetzungen

none.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101352 - Robotik III - Sensoren in der Robotik darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-109931 - Robotik III – Sensoren und Perzeption in der Robotik darf nicht begonnen worden sein.
Empfehlungen

Having visited the lectures on Robotics I – Introduction to Robotics is recommended.

Teilleistung: Robotics Institute Germany - Lecture Series [T-INFO-114895]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
TT-Prof. Dr. Barbara Bruno
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107598 - Robotics Institute Germany - Lecture Series
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400246 RIG Lecture Series 2 SWS Vorlesung (V) / 🧩 Bruno, Niehues, Asfour
Prüfungsveranstaltungen
SS 2026 7500420 Robotics Institute Germany - Lecture Series Bruno, Asfour
WS 26/27 7500401 Robotics Institute Germany - Lecture Series Bruno, Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Depending on the number of attending students, the assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting approx. 20 minutes or as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting approx. 120 minutes. The art of assessment will be announced at least six weeks before the end of the course. The default type of examination is oral. 

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of module Robotics I - Introduction to Robotics is helpful. 

Teilleistung: Sampling Methods for Machine Learning [T-INFO-114133]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107090 - Sampling Methods for Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400194 Sampling Methods for Machine Learning 3 SWS Vorlesung / Übung (VÜ) / 🧩 Hanebeck, Frisch
Prüfungsveranstaltungen
SS 2026 7500391 Sampling Methods for Machine Learning Hanebeck
WS 26/27 7500533 Sampling Methods for Machine Learning Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination, lasting 20 minutes in accordance with Section 4 (2) No. 2 SPO.

Voraussetzungen

Additional certificate for digital exercise (Übungsschein)

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114134 - Sampling Methods for Machine Learning - Pass muss begonnen worden sein.
Empfehlungen

Knowledge of a higher programming language with sophisticated libraries for scientific-numerical computing (e.g. Julia, Matlab, Python) is advantageous.

Teilleistung: Sampling Methods for Machine Learning - Pass [T-INFO-114134]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107090 - Sampling Methods for Machine Learning
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400194 Sampling Methods for Machine Learning 3 SWS Vorlesung / Übung (VÜ) / 🧩 Hanebeck, Frisch
Prüfungsveranstaltungen
SS 2026 7500392 Sampling Methods for Machine Learning - Pass Hanebeck
WS 26/27 7500534 Sampling Methods for Machine Learning - Pass Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Digital exercise:

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Empfehlungen

Knowledge of a higher programming language with sophisticated libraries for scientific-numerical computing (e.g. Julia, Matlab, Python) is advantageous

Teilleistung: Scalable Graph and Sparse Matrix Algorithms for Learning [T-INFO-115282]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107867 - Scalable Graph and Sparse Matrix Algorithms for Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400188 Scalable Graph and Sparse Matrix Algorithms for Learning 3 SWS Vorlesung (V) / 🗣 Meyerhenke
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment takes the form of an oral examination lasting approx. 30 minutes in accordance with § 4 Abs. 2 No. 2 of the Examination Regulations (SPO).  A programming exercise must be completed as a prerequisite for the exam.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of graph algorithms, linear algebra, and C++. 

Teilleistung: Scientific Figures and Presentations in Ipe [T-INFO-115228]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400162 Scientific Figures and Presentations in Ipe 2 SWS Vorlesung (V) / 🗣 Schmidt, Schneider, Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). Several written assignments throughout the semester and one presentation are required. Withdrawal is possible until the submission of the first written assignment.

Voraussetzungen

None.

Anmerkungen

Content: 
Ipe is a customizable vector drawing tool with LaTeX support, used for creating scientific figures and presentations. Being a powerful tool, it has a steep learning curve. This course gives an in-depth introduction for efficiently creating high-quality figures and presentations with Ipe.
 
Competency Goals: 
After completing the course, students should be
·      able to efficiently work with Ipe, which entails being familiar with the drawing tools, keyboard shortcus, snapping, and alignment,
·      know of Ipe's more advanced capabilities like stylesheets, its XML format, configuration options, and plugins called Ipelets,
·      able to write simple Ipelets in Lua,
·      and have a basic understanding of fundamental design principles.

Teilleistung: Scientific Methods to Design and Analyze Secure Decentralized Systems [T-INFO-111568]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105780 - Scientific Methods to Design and Analyze Secure Decentralized Systems
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2400009 Scientific Methods to Design and Analyze Secure Decentralized Systems 4 SWS Vorlesung / Übung (VÜ) / 🗣 Hartenstein, Jacob
Prüfungsveranstaltungen
SS 2026 7500081 Scientific Methods to Design and Analyze Secure Decentralized Systems Hartenstein
WS 26/27 7500050 Scientific Methods to Design and Analyze Secure Decentralized Systems Hartenstein
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take the form of an oral examination of approx. 

- in the form of an oral examination of approx. 30 minutes in accordance with § 4 Para. 2 No. 2 SPO
or
- in the form of a written examination in accordance with § 4 Para. 2 No. 1 SPO

takes place.

Voraussetzungen

None.

Empfehlungen

Prior knowledge on the abstract concepts as well as concrete use cases of decentralized systems is strongly recommended. The “Decentralized Systems: Fundamentals, Modeling, and Applications” lecture covers all necessary aspects, but equivalent lectures and / or self-study can also be sufficient.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-111475]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-115027]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
2 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-115028]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-111476]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-benotet [T-INFO-111474]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-111478]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-111479]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-115077]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
4 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-115030]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-111477]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Selbstverbuchung-HOC-SPZ-FORUM-PEBA-unbenotet [T-INFO-115029]

Verantwortung:
Lena Coerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
1
Verbuchung von ÜQ-Leistungen

Diese Teilleistung eignet sich zur Selbstverbuchung von SQ/ÜQ-Leistungen durch Studierende. Es können Leistungen der folgenden Anbieter ohne Antrag verbucht werden:

Anmerkungen

Überfachliche Qualifikationen (ÜQ), die am House-of-Competence (HoC), Zentrum für
Angewandte Kulturwissenschaft (ZAK) oder am Sprachenzentrum (SpZ) erbracht
wurden, können im Selfservice zugeordnet werden.

Wählen Sie dazu zunächst in Ihrem
Studienablaufplan eine Selbstverbuchungsteilleistung und ordnen Sie dann über den
Reiter "ÜQ-Leistungen" eine ÜQ-Leistung zu.

Teilleistung: Seminar Ausgewählte Kapitel der Rechnerarchitektur [T-INFO-108313]

Verantwortung:
Prof. Dr. Wolfgang Karl
Prof. Dr.-Ing. Thomas Längle
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103062 - Seminar Ausgewählte Kapitel der Rechnerarchitektur
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2424362 Ausgewählte Kapitel der Rechnerarchitektur 2 SWS Seminar (S) / 🗣 Karl, Längle, Lehmann, Amjad
WS 26/27 2424362 Ausgewählte Kapitel der Rechnerarchitektur 2 SWS Seminar (S) Karl, Lehmann, Längle, Amjad
Prüfungsveranstaltungen
SS 2026 7500137 Seminar Ausgewählte Kapitel der Rechnerarchitektur Karl, Längle
WS 26/27 7500206 Seminar: Ausgewählte Kapitel der Rechnerarchitektur Karl, Längle
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich. 
 

Voraussetzungen

Keine.

Teilleistung: Seminar Betriebssysteme für Fortgeschrittene [T-INFO-101386]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100849 - Seminar Betriebssysteme für Fortgeschrittene
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24604 Advanced Operating Systems 4 SWS Seminar (S) / 🗣 Bellosa
Prüfungsveranstaltungen
SS 2026 7500259 Seminar Betriebssysteme für Fortgeschrittene Bellosa
WS 26/27 7500198 Seminar Betriebssysteme für Fortgeschrittene Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Die regelmäßige Teilnahme ist verpflichtend.

Diese Lehrveranstaltung ergibt 3 LP Vorlesung und 3 LP Seminar.

Teilleistung: Seminar Bildauswertung und -fusion [T-INFO-104743]

Verantwortung:
Prof. Dr.-Ing. Jürgen Beyerer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102375 - Seminar Bildauswertung und -fusion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400035 Seminar Bildauswertung und -fusion 2 SWS Seminar (S) / 🗣 Beyerer
Prüfungsveranstaltungen
SS 2026 7500033 Seminar Bildauswertung und -fusion Beyerer
WS 26/27 7500100 Seminar Bildauswertung und -fusion Beyerer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Empfehlungen

Hilfreich sind:

-        Kenntnisse der Grundlagen der Stochastik und Signal- und Bildverarbeitung

-        Kenntnisse aus einigen der folgenden Vorlesungen:

o   Einführung in die Informationsfusion [24172]

o   Automatische Sichtprüfung und Bildverarbeitung [24169]

o   Mustererkennung [24675]

o   Probabilistische Planung [24603]

o   Bilddatenkompression [2400112]

                   o Einführung in die Bildfolgenauswertung  [24684]

Anmerkungen

Wird im SS 2027 zum letzten Mal angeboten.

Teilleistung: Seminar Computer Vision für Mensch-Maschine-Schnittstellen [T-INFO-104741]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102373 - Seminar Computer Vision für Mensch-Maschine-Schnittstellen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424358 Seminar Computer Vision für Mensch-Maschine-Schnittstellen 2 SWS Seminar (S) Stiefelhagen
Prüfungsveranstaltungen
SS 2026 7500029 Seminar Computer Vision für Mensch-Maschine-Schnittstellen Stiefelhagen
WS 26/27 7500070 Seminar Computer Vision für Mensch-Maschine-Schnittstellen Stiefelhagen
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch eine schriftliche Ausarbeitung sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Teilleistung: Seminar Dependable Computing [T-INFO-105577]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102662 - Seminar Dependable Computing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400030 Dependable Computing 2 SWS Seminar (S) / 🧩 Tahoori
WS 26/27 2400030 Dependable Computing 2 SWS Seminar (S) / 🗣 Tahoori
Prüfungsveranstaltungen
SS 2026 7500118 Seminar Dependable Computing Tahoori
WS 26/27 7500152 Seminar Dependable Computing Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.
The module grade is made up of 50% of the presentation and 50% of the written paper.

Voraussetzungen

None.

Empfehlungen

Knowledge of "Dependable Computing" and "Fault Tolerant Computing" and computer architecture is helpful.

Teilleistung: Seminar Dezentrale Systeme und Netzdienste [T-INFO-106064]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103048 - Seminar Dezentrale Systeme und Netzdienste
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
WS 26/27 7500266 Seminar Dezentrale Systeme und Netzdienste Hartenstein
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Seminar for Practical Course: Machine Learning and Intelligent Systems [T-INFO-115260]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107846 - Seminar for Practical Course: Machine Learning and Intelligent Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400067 Seminar for Practical Course: Machine Learning and Intelligent Systems 2 SWS Seminar (S) / 🗣 Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall assessment consists of a written paper-style report, a presentation, and an assessment of the scientific work carried out during the seminar.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105797 - Seminar zum Praktikum Forschungsprojekt: Anthropomatik praktisch erfahren darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112105 - Seminar zum Projektpraktikum: Maschinelles Lernen und intelligente Systeme darf nicht begonnen worden sein.

Teilleistung: Seminar Graphenalgorithmen [T-INFO-105128]

Verantwortung:
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102550 - Seminar: Graphenalgorithmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400047 Seminar Algorithmentechnik (findet im WS 24/25 nicht statt) 2 SWS Seminar (S) / 🗣 Ueckerdt, Wilhelm, Feilhauer, Katzmann, Bläsius, Jungeblut, Merker, Sauer, Göttlicher, Yi, von der Heydt, Zündorf, Goetze
Prüfungsveranstaltungen
WS 26/27 7500047 Seminar Algorithmentechnik Ueckerdt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie und Algorithmentechnik sind hilfreich.

Teilleistung: Seminar Hot Topics in Networking [T-INFO-101283]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100746 - Seminar Hot Topics in Networking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400040 Hot Topics in Networking 2 SWS Seminar (S) / 🗣 Bless, Zitterbart
WS 26/27 2400040 Hot Topics in Networking 2 SWS Seminar (S) / 🗣 Zitterbart, Bless
Prüfungsveranstaltungen
SS 2026 7500177 Seminar Hot Topics in Networking Zitterbart
WS 26/27 7500018 Seminar Hot Topics in Networking Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Die Seminarnote entspricht dabei der Benotung der schriftlichen Leistung, kann aber durch die Präsentationsleistung um bis zu zwei Notenstufen gesenkt bzw. angehoben werden.

Voraussetzungen

Keine.

Teilleistung: Seminar in Privacy [T-INFO-114268]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107242 - Seminar in Privacy
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400087 Seminar Privacy und Technischer Datenschutz 2 SWS Seminar (S) / 🗣 Strufe, Guerra Balboa
Prüfungsveranstaltungen
SS 2026 7500323 Seminar Privacy und Technischer Datenschutz Strufe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given; in addition, preliminary papers must be submitted and commented on in a peer review between fellow students. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110597 - Seminar Privacy und Technischer Datenschutz darf nicht begonnen worden sein.
Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Teilleistung: Seminar Modellierung und Simulation im Verkehrswesen [T-BGU-112552]

Verantwortung:
Prof. Dr.-Ing. Martin Kagerbauer
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 6232907 Seminar Modellierung und Simulation im Verkehrswesen 2 SWS Seminar (S) / 🗣 Vortisch, Kagerbauer, Mitarbeiter/innen
Prüfungsveranstaltungen
WS 26/27 8245112552 Seminar Modellierung und Simulation im Verkehrswesen Vortisch, Kagerbauer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Bearbeitung einer praktischen Aufgabenstellung im Bereich der verkehrstechnischen Analyse und Simulation oder im Bereich der mikroskopischen Verkehrsnachfragemodellierung:

Abschlussbericht, ca. 5 Seiten, und Vortrag, ca. 10 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Seminar on Behavior Foundation Models [T-INFO-115119]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107729 - Seminar on Behavior Foundation Models
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400136 Seminar on Behavior Foundation Models 2 SWS Seminar (S) / 🗣 Lioutikov
Prüfungsveranstaltungen
SS 2026 7500270 Seminar on Behavior Foundation Models Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .
Vortrag zum gewählten Thema am Ende des Semesters und schriftliche Ausarbeitung.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112773 - Seminar: Interactive Learning darf nicht begonnen worden sein.
Empfehlungen

We highly recommend to take this seminar in combination with the Research Practical Course on Behavior Foundation Models (Forschungspraktikum).

It is highly recommended to attend the “Explainable Artificial Intelligence” lecture in parallel or prior to this seminar.

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We might use the PyTorch deep learning library In the exercises. Some prior knowledge in this is helpful but not necessary.

Teilleistung: Seminar on IPCC Assessment Report [T-PHYS-111410]

Verantwortung:
Prof. Dr. Joaquim José Ginete Werner Pinto
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052194 Seminar on IPCC Assessment Report 2 SWS Hauptseminar (HS) / 🧩 Ginete Werner Pinto, Lemburg
Prüfungsveranstaltungen
WS 26/27 7800084 Seminar on IPCC Assessment Report (Prerequisite) Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Study of a chapter of the current IPCC report with subsequent presentation (~ 20-25 min) and submission of a written summary (1 page).

Voraussetzungen

none

Empfehlungen

none

Anmerkungen

none

Arbeitsaufwand
30 Std.

Teilleistung: Seminar Radiation Protection in Medicine [T-ETIT-115253]

Verantwortung:
PD Dr. Bastian Breustedt
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107839 - Seminar Radiation Protection in Medicine
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2305290 Seminar Radiation Protection in Medicine 2 SWS Seminar (S) / 🗣 Breustedt
Prüfungsveranstaltungen
SS 2026 7305294 Dosimetrie ionisierender Strahlung Breustedt
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The examination consists of a written handout (approx. 2-3 pages) and an oral presentation (approx. 25-35 min.) of the students work. Considered will be the quality of the contents, the style of the presentation, the quality and content of the handout. The overall impression is rated.

Voraussetzungen

none

Teilleistung: Seminar Verkehrswesen [T-BGU-100014]

Verantwortung:
Prof. Dr.-Ing. Martin Kagerbauer
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 6232903 Seminar Verkehrswesen 2 SWS Seminar (S) / 🧩 Vortisch, Kagerbauer
WS 26/27 6232903 Seminar Verkehrswesen 2 SWS Seminar (S) / 🗣 Vortisch, Kagerbauer
Prüfungsveranstaltungen
SS 2026 8245100014 Seminar Verkehrswesen Vortisch
WS 26/27 8245100014 Seminar Verkehrswesen Vortisch, Chlond
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Seminarausarbeitung, ca. 10 Seiten, und Vortrag, ca. 10 min.

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
90 Std.

Teilleistung: Seminar Werkstoffsimulation [T-MACH-107660]

Verantwortung:
Prof. Dr. Britta Nestler
Prof.PD Dr.Ing. Katrin Schulz
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
8 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
3
Lehrveranstaltungen
SS 2026 2183717 Seminar "Werkstoffsimulation" 4 SWS Seminar (S) / 🗣 Nestler, Gumbsch, Böhlke, Weygand
WS 26/27 2183717 Seminar "Werkstoffsimulation" 4 SWS Seminar (S) / 🧩 Gumbsch, Nestler, Böhlke, August, Schulz, Prahs, Weygand
Prüfungsveranstaltungen
SS 2026 76-T-MACH-107660 Seminar Werkstoffsimulation Gumbsch, Nestler, Böhlke, Weygand, Schulz, Selzer, August, Schneider, Koeppe, Prahs, Wang
WS 26/27 76-T-MACH-107660 Seminar Werkstoffsimulation Gumbsch, Nestler, Böhlke, Weygand, Schulz, Selzer, August, Koeppe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle ist eine Projektarbeit; Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 der SPO. Hier gehen die Projektarbeit (30-40 Seiten) und die Abschlusspräsentation (ca. 30 min) in die Bewertung ein.

Voraussetzungen

T-MACH-113814 – Seminar Materials Simulation darf nicht begonnen sein.

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Anmerkungen

Die Lehrveranstaltung wird in deutscher Sprache angeboten.

Arbeitsaufwand
240 Std.

Teilleistung: Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics [T-INFO-111837]

Verantwortung:
Prof. Dr. Achim Streit
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105888 - Seminar: Advanced Topics in High Performance Computing, Data Management and Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundkenntnisse in den Bereichen Datenbanken, Datenmanagement, Datenanalyse, Parallelrechner oder Parallelprogrammierung sind hilfreich.

Teilleistung: Seminar: Advanced Topics in Natural Language Processing [T-INFO-114433]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107353 - Seminar: Advanced Topics in Natural Language Processing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400217 Advanced Topics in Natural Language Processing 2 SWS Seminar (S) Niehues
WS 26/27 2400074 Advanced Topics in Natural Language Processing 2 SWS Seminar (S) Niehues, Li
Prüfungsveranstaltungen
SS 2026 00037 Advanced Topics in Natural Language Processing Niehues
WS 26/27 7500267 Seminar Advanced Topics in Natural Language Processing Niehues
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105653 - Seminar Advanced Topics in Machine Translation darf nicht begonnen worden sein.
Empfehlungen

Knowledge from the lectures Machine Translation and Cognitive Systems

Teilleistung: Seminar: Advanced Topics on SAT Solving [T-INFO-114231]

Verantwortung:
Dr. Ashlin Iser
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107209 - Seminar: Advanced Topics on SAT Solving
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400020 Nicht im WS 26/27! Advanced Topics on SAT Solving 2 SWS Seminar (S) / 🗣 Sanders, Iser, Schreiber
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

A presentation must be given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111015 - Seminar: Skalierbarkeit und Diversifikation von modernem SAT Solving darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-112311 - Seminar: Fortgeschrittene Themen zu SAT Solving darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics from "SAT Solving in Practice" is helpful.

Teilleistung: Seminar: Aktuelle Forschungsthemen in der Computergrafik [T-INFO-111384]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105708 - Seminar: Aktuelle Forschungsthemen in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2424816 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Alber, Dachsbacher
WS 26/27 2400006 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Schudeiske, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500108 Seminar Fortgeschrittene Algorithmen in der Computergrafik Dachsbacher
WS 26/27 7500193 Seminar: Fortgeschrittene Algorithmen in der Computergrafik Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Seminar: Algorithm Engineering [T-INFO-112312]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106086 - Seminar: Algorithm Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of algorithms is an advantage. Exemplary lectures are Algorithms I, Algorithms II, Algorithm Engineering and Parallel Algorithms.

Teilleistung: Seminar: Anwendung Formaler Verifikation [T-INFO-102952]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101536 - Seminar: Anwendung Formaler Verifikation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400025 Seminar: Formal Methods in Software Engineering 2 SWS Seminar (S) / 🗣 Beckert, Ulbrich, Stübinger
WS 26/27 2400094 Seminar: Neural Networks in Formal Verification 2 SWS Seminar (S) / 🗣 Beckert
Prüfungsveranstaltungen
SS 2026 7500175 Seminar: Formal Methods in Software Engineering Beckert
SS 2026 7500194 Seminar: LLMs in Formal Verification - findet im SS 2026 nicht statt ! Beckert
WS 26/27 7500142 Seminar: Anwendung Formaler Verifikation (findet im WS 24/25 nicht statt) Beckert
WS 26/27 7500323 Seminar: Neural Networks in Formal Verification Beckert
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgskontrollen anderer Art (§4 Abs. 2 Nr. 3 der SPO) in Form während des Semesters zu erbringender Leistungen, nämlich

·       Erarbeitung und mündlicher Vortrag einer Präsentation

·       Erstellen einer schriftlichen Ausarbeitungen

Beteiligung an der Diskussion zu den Inhalten der Seminarpräsentationen

Voraussetzungen

Keine

Empfehlungen

Kenntnisse zu den Grundlagen formaler Verifikationsmethoden sind hilfreich, wie sie beispielsweise im Stammmodul „Formale Systeme“ vermittelt werden.

Anmerkungen

Die Seminarvorträge können wahlweise auf Deutsch oder auf Englisch gehalten werden.

Teilleistung: Seminar: Artificial Intelligence for Energy Systems [T-INFO-113110]

Verantwortung:
TT-Prof. Dr. Benjamin Schäfer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106490 - Seminar: Artificial Intelligence for Energy Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2026 2400259 Seminar: Artificial Intelligence for Energy Systems Seminar (S) / 🗣 Schäfer
WS 26/27 2400175 Seminar: Artificial Intelligence for Energy Systems 2 SWS Seminar (S) / 🗣 Schäfer
Prüfungsveranstaltungen
SS 2026 7500425 Seminar: Artificial Intelligence for Energy Systems Schäfer
WS 26/27 7500354 Seminar: Artificial Intelligence for Energy Systems Schäfer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), consisting of a Term paper (max. 15 pages) and a Presentation (duration approx. 30 min.)
The grading scale will be announced in the course.

Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Previous participation in “Energieinformatik 1” and/or “Energieinformatik 2” is beneficiary but not mandatory.

Teilleistung: Seminar: Ausgewählte Themen der Public-Key-Kryptographie [T-INFO-111201]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105586 - Seminar: Ausgewählte Themen der Public-Key-Kryptographie
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400239 Ausgewählte Themen der Public-Key-Kryptographie 2 SWS Seminar (S) / 🗣 Müller-Quade, Raiber
WS 26/27 2400239 Ausgewählte Themen der Public-Key-Kryptographie 2 SWS Seminar (S) / 🗣 Müller-Quade, Bayreuther
Prüfungsveranstaltungen
WS 26/27 7500325 Seminar: Ausgewählte Themen der Public-Key-Kryptographie Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar: Bionic Algorithms and Robot Technologies [T-MACH-113842]

Verantwortung:
Prof. Dr.-Ing. Arne Rönnau
Einrichtung: KIT-Fakultät für Maschinenbau
Bestandteil von: M-MACH-106902 - Seminar: Bionic Algorithms and Robot Technologies
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2121343 Seminar: Bionic Algorithms and Robot Technologies 2 SWS Seminar (S) / 🗣 Rönnau
WS 26/27 2121343 Seminar: Bionic Algorithms and Robot Technologies 2 SWS Seminar (S) / 🗣 Rönnau
Prüfungsveranstaltungen
SS 2026 76-T-MACH-113842 Seminar: Bionic Algorithms and Robot Technologies Rönnau
WS 26/27 76-T-MACH-113842 Seminar: Bionic Algorithms and Robot Technologies Rönnau
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie deren Präsentation als Erfolgskontrolle anderer Art.

Voraussetzungen

Keine

Empfehlungen

Der Besuch der Vorlesung "Biologisch Inspirierte Roboter" ist hilfreich.

Anmerkungen

Die Lehrveranstaltung wird in englischer Sprache angeboten.

Arbeitsaufwand
90 Std.

Teilleistung: Seminar: Continuous Software Engineering [T-INFO-110794]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105309 - Seminar: Continuous Software Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400166 Seminar Continuous Software Engineering 2 SWS Seminar (S) Koziolek
WS 26/27 2400108 Continuous Software Engineering 2 SWS Seminar (S) Koziolek
Prüfungsveranstaltungen
SS 2026 7500395 Seminar: Continuous Software Engineering Koziolek
WS 26/27 7500243 Seminar: Continuous Software Engineering Koziolek
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

- the preparation of a written paper (50%)

- the assessment of two seminar papers as part of a peer review (10%)

- the preparation of presentation slides and giving a presentation (20%)

- punctuality of submissions (20%)

Voraussetzungen

None.

Teilleistung: Seminar: Critical Topics in AI [T-INFO-113915]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106958 - Seminar: Critical Topics in AI
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400215 Seminar: Critical topics in AI 2 SWS Seminar (S) / 🗣 Friederich, Torresi, Neubert, Schlöder, Metni
WS 26/27 2400231 Seminar: Critical topics in AI 2 SWS Seminar (S) / 🧩 Friederich, Torresi, Neubert, Schlöder, Metni
Prüfungsveranstaltungen
SS 2026 7500408 Seminar: Critical topics in AI Friederich
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The following partial aspects are included in the grading: Term paper (approx. 10-15 pages), presentation (duration 30+15 min.). The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

Basic knowledge in AI and Machine Learning, e.g.
• BA Informatics: Introduction to artificial intelligence

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111916 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Interest in social topics and research questions is required

Teilleistung: Seminar: Current Trends in Theoretical Computer Science [T-INFO-114091]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107027 - Seminar: Current Trends in Theoretical Computer Science
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400101 Current Trends in Theoretical Computer Science Seminar (S) / 🗣 Künnemann-Goos
Prüfungsveranstaltungen
SS 2026 7500411 Seminar: Current Trends in Theoretical Computer Science Künnemann-Goos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) and consists of the overall impression during the seminar, including the presentation as session leader and a scientific report at the end of the seminar.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Teilleistung: Seminar: Deep Learning for Robotics [T-INFO-114204]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107175 - Seminar: Deep Learning for Robotics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400099 Deep Learning for Robotics 2 SWS Seminar (S) / 🗣 Neumann
Prüfungsveranstaltungen
WS 26/27 7500306 Seminar: Deep Learning for Robotics Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

Presentation on the chosen topic at the end of the semester and written elaboration
Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111025 - Seminar: Few Shot Learning in der Robotik darf nicht begonnen worden sein.
  2. Die Teilleistung T-INFO-111559 - Seminar: Deep Learning in der Robotik darf nicht begonnen worden sein.
Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Teilleistung: Seminar: Digitale Barrierefreiheit und Assistive Technologien [T-INFO-111832]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105884 - Seminar: Digitale Barrierefreiheit und Assistive Technologien
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400129 Seminar Digitale Barrierefreiheit und Assistive Technologien 2 SWS Seminar (S) / 🗣 Anken, Stiefelhagen
Prüfungsveranstaltungen
WS 26/27 7500122 Seminar Digitale Barrierefreiheit und Assistive Technologien Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten (in Abhängigkeit von Text und Bildern zw. 10-20 Seiten) einer schriftlichen Zusammenfassung der im Seminar geleisteten Arbeit sowie der Präsentation (Vortragsdauer: 20 min + 5 min Diskussion) derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104742 - Seminar Barrierefreiheit - Assistive Technologien für Sehgeschädigte darf nicht begonnen worden sein.
Empfehlungen

keine

Teilleistung: Seminar: Embedded Systems I [T-INFO-114255]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107231 - Seminar: Embedded Systems I
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400129 Internet of Things Seminar (S) / 🧩 Henkel
SS 2026 2400137 Embedded Machine Learning Seminar (S) / 🧩 Henkel, Sikal, Khdr, Ahmed, Demirdag, Mentzos
SS 2026 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Henkel, Nassar, Khdr, Sikal, Tobar, Alsharkawy, Dietrich
WS 26/27 2400092 Internet of Things Seminar (S) / 🧩 Henkel
WS 26/27 2400137 Embedded Machine Learning Seminar Seminar (S) / 🧩 Sikal, Ahmed, Dietrich, Demirdag, Henkel, Khdr, Mentzos
WS 26/27 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Nassar, Khdr, Sikal, Henkel, Alsharkawy, Tobar
Prüfungsveranstaltungen
SS 2026 7500332 CES - Seminar: Internet of Things Henkel
SS 2026 7500335 CES - Seminar: Machine Learning Henkel
SS 2026 7500336 CES - Seminar: Embedded Systems: Architectures and Technologies, Embedded Security and Architectures Henkel
WS 26/27 7500132 Seminar: Performance Optimization for Multicore Chips Henkel
WS 26/27 7500137 Seminar: Future Computer Architectures Henkel
WS 26/27 7500140 Seminar: Low Power Design for Embedded Systems Henkel
WS 26/27 7500157 Seminar: Rekonfigurierbare Eingebettete Systeme Henkel
WS 26/27 7500159 Seminar: Security in Internet of Things (IoT) Henkel
WS 26/27 7500184 Seminar: Machine Learning on On-Chip Systems Henkel
WS 26/27 7500185 Seminar: Approximate Computing for Efficient Machine Learning Henkel
WS 26/27 7500221 Seminar: Approximate Computing Henkel
WS 26/27 7500346 CES - Seminar: Embedded Systems: Architectures and Technologies Henkel
WS 26/27 7500347 CES - Seminar: Internet of Things Henkel
WS 26/27 7500349 CES - Seminar: Embedded Machine Learning Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103116 - Seminar: Eingebettete Systeme darf nicht begonnen worden sein.
Empfehlungen

Knowledge of IoT and embedded systems

Teilleistung: Seminar: Embedded Systems II [T-INFO-114256]

Verantwortung:
Prof. Dr.-Ing. Jörg Henkel
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107232 - Seminar: Embedded Systems II
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400129 Internet of Things Seminar (S) / 🧩 Henkel
SS 2026 2400137 Embedded Machine Learning Seminar (S) / 🧩 Henkel, Sikal, Khdr, Ahmed, Demirdag, Mentzos
SS 2026 2400148 Embedded Security and Architectures Seminar (S) / 🧩 Henkel, Nassar, Khdr, Sikal, Tobar, Alsharkawy, Dietrich
Prüfungsveranstaltungen
SS 2026 7500332 CES - Seminar: Internet of Things Henkel
SS 2026 7500335 CES - Seminar: Machine Learning Henkel
SS 2026 7500336 CES - Seminar: Embedded Systems: Architectures and Technologies, Embedded Security and Architectures Henkel
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-114256 - Seminar: Embedded Systems II darf nicht begonnen worden sein.
Empfehlungen

Knowledge of IoT and embedded systems

Anmerkungen

This is identical to the module 'Seminars: Embedded Systems I' and enables participation in a second seminar at the CES Chair.

Teilleistung: Seminar: Energieinformatik [T-INFO-106270]

Verantwortung:
Prof. Dr. Veit Hagenmeyer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103153 - Seminar: Energieinformatik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400013 Seminar Energieinformatik 2 SWS Seminar (S) / 🗣 Hagenmeyer, Schmurr, Langner, Rapp, Dorn, Kreusel, Martens
Prüfungsveranstaltungen
WS 26/27 7500175 Seminar: Energieinformatik Hagenmeyer, Bläsius
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt benotet durch Ausarbeiten einer schriftlichen Seminararbeit sowie der Präsentation derselbigen als Erfolgskontrolle anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen der Graphentheorie, Algorithmentechnik und Energieinformatik sind hilfreich.

Anmerkungen

Dieses Modul wird in unregelmäßigen Abständen angeboten.

Teilleistung: Seminar: E-Voting [T-INFO-110905]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105409 - Seminar: E-Voting
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2513553 Seminar E-Voting (Master) - findet im SS 2026 nicht statt ! 2 SWS Seminar (S) / 🗣 Beckert, Müller-Quade, Volkamer, Hilt, Dörre
Prüfungsveranstaltungen
SS 2026 7500255 Seminar: E-Voting - findet im SS 2026 nicht statt ! Beckert, Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden, sowie Grundlagen der IT-Sicherheit sind hilfreich, beispielsweise aus den entsprechenden Stammmodulen.

Anmerkungen

Diese Lehrveranstaltung wird gemeinsam von den Lehrstühlen für Anwendungsorientierte Formale Verifikation, Kryptographie und Sicherheit, sowie dem Lehrstuhl Security • Usability • Society vom Institut für Angewandte Informatik und Formale Beschreibungsverfahren veranstaltet.

Teilleistung: Seminar: Exoskeletons & Motion Capture [T-INFO-113892]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106927 - Seminar: Exoskeletons & Motion Capture
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400187 Seminar: Exoskeletons & Motion Capture 2 SWS Seminar (S) / 🗣 Mombaur, Lau
Prüfungsveranstaltungen
WS 26/27 7500161 Seminar: Exoskeletons & Motion Capture Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

This includes the preparation of a term paper in form of a scientific paper (6 pages double column) an oral presentation with slides (30 Min + 15 Min discussion) . Students may redraw from the examination during the first two weeks after the topic has been communicated. 

Participation in the block seminar is mandatory. 
Students have to actively participate in all discussions. 

Voraussetzungen

None.

Empfehlungen

Knowledge in Robotics (e.g. from the class Robotics 1 and follow-ups) is helpful 

Teilleistung: Seminar: Explainable Artificial Intelligence [T-INFO-113115]

Verantwortung:
TT-Prof. Dr. Rudolf Lioutikov
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106497 - Seminar: Explainable Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400143 Seminar: Explainable Artificial Intelligence 2 SWS Seminar (S) / 🗣 Lioutikov, Mattes, Li
Prüfungsveranstaltungen
WS 26/27 7500384 Seminar: Explainable Artificial Intelligence Lioutikov
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Presentation on the chosen topic at the end of the semester and written paper.

Voraussetzungen

None.

Empfehlungen

We recommend taking this research project after attending the “Explainable Artificial Intelligence” lecture in the summer semester.

We highly recommend to take this seminar in combination with the “Explainable Artificial Intelligence” research project (Forschungspraktikum).

• Experience in Machine Learning is recommended, e.g. through prior coursework.
◦ The Computer Science Department offers several great lectures e.g., “Maschinelles Lernen - Grundlagen und Algorithmen” and “Deep Learning ”
• A good mathematical background will be beneficial
• Python experience is recommended
• We will use the PyTorch deep learning library. Some prior knowledge in this is helpful but not necessary.

Anmerkungen

It is only possible to resign within two weeks after assignment of the topic.

Teilleistung: Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society [T-INFO-113398]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106651 - Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400161 Exploring Robotics: Insights from Science Fiction, Research and Society 2 SWS Seminar (S) / 🗣 Bruno, Maure, Yang
Prüfungsveranstaltungen
SS 2026 7500110 Seminar: Exploring Robotics - Insights from Science Fiction, Research and Society Bruno
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 6 pages in double-column format), Presentation (duration approx. 10+10 min.).

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of modules Robotics I - Introduction to Robotics, Robotics II: Humanoid Robotics, Robotics III - Sensors and Perception in Robotics is helpful.

Teilleistung: Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research [T-INFO-114604]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107436 - Seminar: Failing Forward: Robotics, Critical Reading and the Making of Good Research
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
WS 26/27 2400194 Failing Forward: Robotics, Critical Reading and the Making of Good Research - Seminar 2 SWS Seminar (S) / 🗣 Bruno, Maure, Neef
Prüfungsveranstaltungen
WS 26/27 7500389 Seminar: Failing Forward: Robotics, Critical Readig and the Making of Good Research Bruno
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 6 pages in double-column format), Presentation (duration approx. 10+10 min.). 

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-113116 - Seminar: Human-Robot Interaction darf nicht begonnen worden sein.

Teilleistung: Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik [T-INFO-110046]

Verantwortung:
Prof. Dr. Bernhard Beckert
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104941 - Seminar: Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 5012016 Fairness und Diskriminierungsfreiheit aus Sicht von Ethik und Informatik - findet im SS 2026 nicht statt ! 2 SWS Oberseminar (OS) / 🗣 Schefczyk, Beckert, Kirsten, Teuber
Prüfungsveranstaltungen
SS 2026 7400397 Diskriminierung aus Sicht von Philosophie und Informatik - findet im SS 2026 nicht statt ! Schefczyk
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten, sowie eine Beteiligung an den Diskussionen zu den Inhalten aller Seminarpräsentationen erbracht werden.

Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu Grundlagen formaler Logik und Verifikationsmethoden sind hilfreich, beispielsweise aus dem Stammmodul „Formale Systeme“.

Anmerkungen

Diese Lehrveranstaltung wird interdisziplinär mit dem Lehrstuhl für Praktische Philosophie veranstaltet und ist somit auch als Schlüsselqualifikation oder im Ergänzungsfach „Gesellschaftliche Aspekte“ anrechenbar.

Teilleistung: Seminar: Fine-Grained Complexity Theory & Algorithms [T-INFO-113392]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106645 - Seminar: Fine-Grained Complexity Theory & Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400153 Fine-Grained Complexity Theory & Algorithms 2 SWS Seminar (S) / 🗣 Künnemann-Goos
Prüfungsveranstaltungen
SS 2026 7500352 Seminar: Fine-Grained Complexity Theory & Algorithms Künnemann-Goos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) and consists of a presentation and a scientific report.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of theoretical computer science and algorithm design is recommended.

Concurrent or previous attendance of the lecture “Fine-Grained Complexity Theory & Algorithms” is helpful, but not required. This seminar can be attended independently.

Teilleistung: Seminar: Forschungstrends in der Mensch-Maschine-Interaktion [T-INFO-113284]

Verantwortung:
Prof. Dr. Kathrin Gerling
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106594 - Seminar: Forschungstrends in der Mensch-Maschine-Interaktion
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
SS 2026 2400080 Forschungstrends in der Mensch-Maschine-Interaktion (Seminar) 2 SWS Seminar (S) / 🧩 Gerling
WS 26/27 2400199 Forschungstrends in der Mensch-Maschine-Interaktion (Seminar) 2 SWS Seminar (S) / 🧩 Gerling
Prüfungsveranstaltungen
SS 2026 7500036 Forschungstrends in der Mensch-Maschine-Interaktion (Seminar) Gerling
WS 26/27 7500058 Forschungstrends in der Mensch-Maschine-Interaktion (Seminar) Gerling
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Ausarbeitung von ca. 10 Seiten, Vortrag von ca. 20 Minuten, sowie Kolloquium von ca. 10 Minuten.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse zu den Grundlagen der Mensch-Maschine-Interaktion sind hilfreich.

Teilleistung: Seminar: Fortgeschrittene Algorithmen in der Computergrafik [T-INFO-105664]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102729 - Seminar: Fortgeschrittene Algorithmen in der Computergrafik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2026 2424816 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Alber, Dachsbacher
WS 26/27 2400006 Seminar Fortgeschrittene Algorithmen in der Computergrafik 2 SWS Seminar (S) / 🗣 Schudeiske, Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500108 Seminar Fortgeschrittene Algorithmen in der Computergrafik Dachsbacher
WS 26/27 7500193 Seminar: Fortgeschrittene Algorithmen in der Computergrafik Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO .

Voraussetzungen

Keine.

Teilleistung: Seminar: Handels- und Gesellschaftsrecht in der IT-Branche [T-INFO-111405]

Verantwortung:
Dr. Georg Nolte
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400165 Seminar Handels- und Gesellschaftsrecht in der IT-Branche 2 SWS Seminar (S) / 🖥 Nolte
Prüfungsveranstaltungen
WS 26/27 7500182 Seminar aus Rechtswissenschaften II Boehm, Raabe, Melullis
WS 26/27 7500310 Seminar: Handels- und Gesellschaftsrecht in der IT-Branche Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit, durch ihre Präsentation sowie die aktive Beteiligung am Seminar als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Das Punkteschema für die Bewertung legt der/die Dozent/in der jeweiligen Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Besuch der Vorlesung "Handels- und Gesellschaftsrecht" sollte erfolgt sein.

Anmerkungen

Die Teilnehmerzahl ist begrenzt. Plätze werden bevorzugt an Studierende des Studiengangs Wirtschaftsinformatik vergeben.

Teilleistung: Seminar: Hot Topics in Artificial Intelligence & Security 1 [T-INFO-113761]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106868 - Seminar: Hot Topics in Artificial Intelligence & Security 1
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 24004 Seminar: Hot Topics in Security of Machine Learning 2 SWS Seminar (S) / 🗣 Wressnegger, Zhao
WS 26/27 24005 Seminar: Hot Topics in Cyber-Physical Systems Security 2 SWS Seminar (S) / 🗣 Wressnegger
Prüfungsveranstaltungen
WS 26/27 7500359 Seminar: Hot Topics in Security of Machine Learning Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given. One repetition is possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111035 - Seminar: Adversarial Machine Learning darf nicht begonnen worden sein.
Empfehlungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Seminar: Hot Topics in Artificial Intelligence & Security 2 [T-INFO-113762]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106869 - Seminar: Hot Topics in Artificial Intelligence & Security 2
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24003 Seminar: Hot Topics in Machine Learning for Computer Security 2 SWS Seminar (S) / 🗣 Wressnegger
WS 26/27 24004 Seminar: Hot Topics in Security of Machine Learning 2 SWS Seminar (S) / 🗣 Wressnegger, Zhao
WS 26/27 24005 Seminar: Hot Topics in Cyber-Physical Systems Security 2 SWS Seminar (S) / 🗣 Wressnegger
Prüfungsveranstaltungen
SS 2026 7500198 Seminar: Hot Topics in Machine Learning for Computer Security Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written elaboration must be prepared and a presentation must be given. Withdrawal is possible within two weeks after assignment of the topic. One repetition is possible.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112918 - Seminar: Hot Topics in Machine Learning for Computer Security darf nicht begonnen worden sein.
Anmerkungen

The basics of IT security and artificial intelligence are a prerequisite.

Teilleistung: Seminar: Hot Topics in Bioinformatics [T-INFO-101287]

Verantwortung:
Prof. Dr. Alexandros Stamatakis
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100750 - Seminar: Hot Topics in Bioinformatics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400011 Hot Topics in Bioinformatics 2 SWS Seminar (S) / 🗣 Stamatakis
Prüfungsveranstaltungen
SS 2026 7500014 Seminar: Hot Topics in Bioinformatics Stamatakis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). (Weighting of presentation and written report: 50% each)

Voraussetzungen

The exam in Introduction to Bioinformatics for Computer Scientists must have been passed in one of the preceding semesters.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Das Modul M-INFO-100749 - Introduction to Bioinformatics for Computer Scientists muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Basic knowledge in the areas of theoretical computer science (algorithms, data structures) and technical computer science (sequential optimisation in C or C++, computer architectures, parallel programming, vector processors) will be beneficial. 

Teilleistung: Seminar: Hot Topics in Decentralized Systems [T-INFO-109922]

Verantwortung:
Prof. Dr. Hannes Hartenstein
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104891 - Seminar: Hot Topics in Decentralized Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500297 Seminar: Hot Topics in Decentralized Systems Hartenstein
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of the basics of IT security management for networked systems and the basic security module is helpful.

Teilleistung: Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) [T-INFO-112917]

Verantwortung:
Prof. Dr. Christian Wressnegger
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106392 - Seminar: Hot Topics in Explainable Artificial Intelligence (XAI)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 24005 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) 2 SWS Seminar (S) / 🗣 Wressnegger, Noppel
Prüfungsveranstaltungen
SS 2026 7500225 Seminar: Hot Topics in Explainable Artificial Intelligence (XAI) Wressnegger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper (seminar paper) must be prepared and a presentation must be given.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111036 - Seminar: Erklärbares Maschinelles Lernen darf nicht begonnen worden sein.

Teilleistung: Seminar: Informatik TECO [T-INFO-110808]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105328 - Seminar: Informatik TECO
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Teilleistung: Seminar: Information Systems [T-INFO-115055]

Verantwortung:
Prof. Dr.-Ing. Klemens Böhm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107686 - Seminar: Information Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2400131 Advances in Data Science 2 SWS Seminar (S) / 🗣 Böhm, Matteucci, Friederich
Prüfungsveranstaltungen
SS 2026 7500100 Seminar: Information Systems Böhm
WS 26/27 7500055 Seminar: Information Systems Reimann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed by preparing a written seminar paper and presenting it as a graded assessment of a different kind in accordance with Section 4 (2) No. 3 SPO. The seminar grade corresponds to the written performance, but can be lowered or raised by up to two grade levels by the presentation performance. If the seminar paper is discontinued after the topic has been issued, the seminar is assessed with a grade of 5.0.

The coursework is passed if the written paper and the presentations have each been passed individually; regular attendance at the sessions and active participation in the content-related discussions are also required to pass.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-103456 - Seminar Informationssysteme darf nicht begonnen worden sein.
Empfehlungen

Lectures of the Chair of Information Management Systems that match the topic of the seminar are strongly recommended.

Teilleistung: Seminar: Interpretability and Causality in Machine Learning [T-INFO-114237]

Verantwortung:
Jun.-Prof. Dr. Jan Stühmer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107217 - Seminar: Interpretability and Causality in Machine Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400181 Interpretability and Causality in Machine Learning 2 SWS Seminar (S) / 🗣 Stühmer
Prüfungsveranstaltungen
SS 2026 7500319 Seminar: Interpretability and Causality in Machine Learning Stühmer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written elaboration must be prepared and a presentation must be given. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112920 - Seminar: Interpretierbarkeit und Kausalität im Maschinellen Lernen darf nicht begonnen worden sein.
Empfehlungen

Attendance of the lecture "Machine Learning - Fundamentals and Algorithms" is recommended.

Teilleistung: Seminar: IT-Sicherheitsrecht [T-INFO-111404]

Verantwortung:
Martin Schallbruch
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424389 Seminar "IT-Sicherheitsrecht" 2 SWS Seminar (S) / 🗣 Schallbruch
Prüfungsveranstaltungen
WS 26/27 7500249 Seminar: IT-Sicherheitsrecht Zufall
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit, durch ihre Präsentation sowie die aktive Beteiligung am Seminar als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Gewichtung: 70 % Seminararbeit, 20 % Vortrag, 10 % Diskussion und mündliche Mitarbeit

Es wird eine Gesamtnote vergeben.

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-109910 - IT-Sicherheitsrecht darf nicht begonnen worden sein.
Empfehlungen

Grundkenntnisse im Datenschutzrecht und – je nach gewähltem Seminarthema – im öffentlichen Recht oder Zivilrecht sollten vorhanden sein.

Teilleistung: Seminar: KI und Recht [T-INFO-115357]

Verantwortung:
Prof. Dr. Franziska Boehm
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107933 - Seminar: KI und Recht
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400207 (Generative) KI und Recht 2 SWS Seminar (S) / 🧩 Boehm, Turkovic-Popovski
WS 26/27 2400125 Security and Privacy Awareness 2 SWS Seminar (S) / 🧩 Volkamer, Boehm, Ballreich, Algedri
WS 26/27 2400233 KI und Recht 2 SWS Seminar (S) / 🧩 Boehm
Prüfungsveranstaltungen
SS 2026 7500140 Seminar aus Rechtswissenschaften I Raabe, Melullis, Boehm
SS 2026 7500268 Seminar aus Rechtswissenschaften Bachelor und Master I (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
SS 2026 7500300 Seminar aus Rechtswissenschaften Master II (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
WS 26/27 7500182 Seminar aus Rechtswissenschaften II Boehm, Raabe, Melullis
WS 26/27 7500391 Seminar aus Rechtswissenschaften Bachelor und Master I (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
WS 26/27 7500394 Seminar aus Rechtswissenschaften Master II (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie ihrer Präsentation als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Kritische Fragestellungen der Künstlichen Intelligenz [T-INFO-111916]

Verantwortung:
Prof. Dr. Pascal Friederich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105926 - Seminar: Kritische Fragestellungen der Künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Prüfungsveranstaltungen
SS 2026 7500408 Seminar: Critical topics in AI Friederich
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Grundkenntnisse in maschinellem Lernen und KI

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111500 - Seminar: Kritische Betrachtung der künstlichen Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Interesse an gesellschaftlichen Themen und Fragestellungen wird vorausgesetzt

Teilleistung: Seminar: Kryptoanalyse [T-INFO-110823]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105337 - Seminar: Kryptoanalyse
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400134 Seminar Kryptoanalyse 2 SWS Seminar (S) / 🗣 Müller-Quade, Ottenhues, Martin, Kühn
Prüfungsveranstaltungen
SS 2026 7500263 Seminar: Kryptoanalyse Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

 

Voraussetzungen

Keine.

Empfehlungen

Grundlagen der IT-Sicherheit werden vorausgesetzt.

Teilleistung: Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz [T-INFO-114102]

Verantwortung:
Dr. Dominik Janzing
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107033 - Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400145 Verstehen LLMs Ursache und Wirkung? 2 SWS Seminar (S) / 🧩 Janzing
WS 26/27 2400245 Verstehen LLMs Ursache und Wirkung? 2 SWS Seminar (S) / 🧩 Janzing
Prüfungsveranstaltungen
SS 2026 7500290 Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz Janzing
WS 26/27 7500291 Seminar: Lernen von Kausalität – Herausforderung für menschliche und künstliche Intelligenz Janzing
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich

 

Voraussetzungen

Keine.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-109930 - Seminar: Kann Statistik Ursachen beweisen? darf nicht begonnen worden sein.
Empfehlungen

Das Seminar richtet sich an Studierende der Informatik, aber auch anderer Fächer soweit guter mathematischer Hintergrund und Interesse vorhanden ist (z.B. Mathematik Physik, Psychologie). 
Grundbegriffe der Wahrscheinlichkeitstheorie werden vorausgesetzt

Teilleistung: Seminar: Machine Learning in Climate and Environmental Sciences [T-INFO-113519]

Verantwortung:
TT-Prof. Dr. Peer Nowack
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106719 - Seminar: Machine Learning in Climate and Environmental Sciences
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400207 Seminar Machine Learning in Climate and Environmental Sciences 2 SWS Seminar (S) / 🗣 Nowack, Amiramjadi
Prüfungsveranstaltungen
SS 2026 7500213 Seminar Machine Learning in Climate and Environmental Sciences Nowack
WS 26/27 7500071 Seminar Machine Learning in Climate and Environmental Sciences Nowack
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

In the form of a written seminar paper and the presentation of the same.

Voraussetzungen

•    Familiarity with machine learning concepts and techniques.
•    Basic knowledge of climate and environmental scince is advantageous but not mandatory.

Empfehlungen

•    An interest in climate and environmental sciences topics is a prerequisite.

Teilleistung: Seminar: Multimodal Large Language Models [T-INFO-113399]

Verantwortung:
Prof. Dr.-Ing. Rainer Stiefelhagen
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106653 - Seminar: Multimodal Large Language Models
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400122 Multimodal Large Language Models 2 SWS Seminar (S) / 🧩 Stiefelhagen, Sarfraz
Prüfungsveranstaltungen
SS 2026 7500153 Seminar: Multimodal Large Language Models Stiefelhagen
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

The overall impression is evaluated. The following partial aspects are included in the grading: Term paper (approx. 10 pages), Presentation (duration approx. 20 min.), Practical training (protocols)
The grading scale will be announced in the course. Students may redraw from the examination during the first two weeks after the topic has been communicated. The assessment can be repeated once.

Voraussetzungen

None.

Empfehlungen

Knowledge of deep learning in general and natural language processing is helpful.

Teilleistung: Seminar: Neural Networks and Artificial Intelligence [T-INFO-115209]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107816 - Seminar: Neural Networks and Artificial Intelligence
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Progress is assessed through an examination of another type in accordance with § 4(2)(3) of the Study Regulations.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104777 - Seminar: Neuronale Netze und künstliche Intelligenz darf nicht begonnen worden sein.
Empfehlungen

Advanced Artificial Intelligence

Teilleistung: Seminar: Nutzeradaptive Systeme [T-INFO-111854]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105898 - Seminar: Nutzeradaptive Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2540553 Biosignal-Adaptive Systems Seminar 2 SWS Seminar (S) / 🧩 Mädche, Beigl
Prüfungsveranstaltungen
SS 2026 7500294 Biosignal-Adaptive Systems Seminar Beigl, Mädche
SS 2026 7900265 Biosignal-Adaptive Systems Seminar Mädche
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Prerequisites Strong analytical abilities and profound software development skills are required.

Literature required literature will be made available in the seminar."

Teilleistung: Seminar: Öffentliches Recht und Informatik 1 [T-INFO-115383]

Verantwortung:
TT-Prof. Dr. Frederike Zufall
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107940 - Seminar: Öffentliches Recht und Informatik 1
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400171 Regulating AI: from ethics to law 2 SWS Seminar (S) / 🗣 Gil Gasiola
SS 2026 2400177 Designing Data Governance of Digital Systems 2 SWS Seminar (S) / 🗣 Pathak
SS 2026 2400190 EU Digital Regulatory Framework 2 SWS Seminar (S) / 🗣 Zufall
WS 26/27 2400177 Human vs. Machine: (Un-)Biased Legal Decision-Making?   2 SWS Seminar (S) / 🗣 Holzhausen
WS 26/27 2400184 EU Digital Regulatory Framework 2 SWS Seminar (S) / 🗣 Zufall
WS 26/27 2400203 EU Fundamental Rights and EU Economic Law in Smart Cities 2 SWS Seminar (S) / 🗣 Kasper-Schöniger
WS 26/27 2400221 Digital Platforms on Trial: EU and US Case Law Perspectives 2 SWS Seminar (S) / 🗣 Abhilasha
WS 26/27 2424389 Seminar "IT-Sicherheitsrecht" 2 SWS Seminar (S) / 🗣 Schallbruch
Prüfungsveranstaltungen
SS 2026 7500159 Seminar aus Rechtswissenschaften I Zufall
SS 2026 7500341 Seminar aus Rechtswissenschaften Bachelor und Master I (LS Öffentliches Recht und Informatik) Zufall
SS 2026 7500365 Seminar aus Rechtswissenschaften Master II (LS Öffentliches Recht und Informatik) Zufall
WS 26/27 7500035 Seminar aus Rechtswissenschaften II Zufall
WS 26/27 7500180 Seminar aus Rechtswissenschaften Bachelor und Master I (LS Öffentliches Recht und Informatik) Zufall
WS 26/27 7500249 Seminar: IT-Sicherheitsrecht Zufall
WS 26/27 7500311 Seminar aus Rechtswissenschaften I Zufall
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie ihrer Präsentation als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Operating Systems [T-INFO-114230]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107205 - Seminar: Operating Systems
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 24346 Seminar Hot Topics in Modern Operating Systems 2 SWS Seminar (S) / 🗣 Bellosa, Khalil
WS 26/27 2400017 Hot Topics in Modern Operating Systems 2 SWS Seminar (S) / 🗣 Bellosa, Khalil
Prüfungsveranstaltungen
SS 2026 7500165 Seminar: Betriebssysteme Bellosa
WS 26/27 7500223 Seminar: Betriebssysteme Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), by preparing a written seminar paper and the presentation of the same.

The overall grade is made up of the graded and weighted performance assessments (usually 50 % seminar paper, 50 % presentation). An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102956 - Seminar: Betriebssysteme darf nicht begonnen worden sein.

Teilleistung: Seminar: Post-Quantum Cryptography [T-INFO-111200]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105585 - Seminar: Post-Quantum Cryptography
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400002 Post-Quantum Cryptography 2 SWS Seminar (S) / 🗣 Klooß, Müller-Quade
WS 26/27 2400126 Seminar Post-Quantum Cryptography 2 SWS Seminar (S) / 🗣 Müller-Quade, Kühn, Ottenhues, Klooß
Prüfungsveranstaltungen
SS 2026 7500015 Seminar: Post-Quantum Cryptography Müller-Quade
WS 26/27 7500327 Seminar: Post-Quantum Cryptography Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned

Voraussetzungen

None.

Empfehlungen

Basic knowledge of IT-Security and cryptography are recommended.

Teilleistung: Seminar: Practical Graph Algorithms [T-INFO-114297]

Verantwortung:
Prof. Dr. Henning Meyerhenke
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107264 - Seminar: Practical Graph Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400196 Practical Graph Algorithms 2 SWS Seminar (S) Meyerhenke
Prüfungsveranstaltungen
SS 2026 754600002 Seminar: Practical Graph Algorithms Meyerhenke
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

A written paper must be prepared and a presentation given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of algorithms, in particular graph algorithms, is a clear advantage. Exemplary lectures are Algorithms I and Algorithms II.

Teilleistung: Seminar: Privacy and Security [T-INFO-114236]

Verantwortung:
Prof. Dr. Thorsten Strufe
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107216 - Seminar: Privacy and Security
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400118 Seminar Privatsphäre und Sicherheit 2 SWS Seminar (S) Strufe, Guerra Balboa
Prüfungsveranstaltungen
WS 26/27 7500127 Seminar Privatsphäre und Sicherheit Strufe
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).  

A written paper must be prepared and a presentation given; in addition, preliminary papers must be submitted and commented on in a peer review between fellow students. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112916 - Seminar: Privatsphäre und Sicherheit darf nicht begonnen worden sein.
Empfehlungen

Fundamentals of IT security, computer networks and distributed systems are required

Teilleistung: Seminar: Proofs from THE BOOK [T-INFO-106604]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-103306 - Seminar: Proofs from THE BOOK
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400033 Nicht im SoSe 2026! Seminar: Proofs from THE BOOK 2 SWS Seminar (S) / 🗣 Sanders, Walzer, Lehmann
WS 26/27 2400171 Seminar: Proofs from THE BOOK 2 SWS Seminar (S) / 🗣 Sanders, Walzer, Hermann
Prüfungsveranstaltungen
SS 2026 7500301 Seminar: Proofs from THE BOOK Sanders
WS 26/27 7500059 KOPIE Seminar: Proofs from THE BOOK Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

The student must present multiple proofs over the course of the semester and moderate the ensuing discussion about those proofs. No written documents are required. Students may redraw from their participation until the end of the second seminar date.

Voraussetzungen

None.

Empfehlungen

The German version “Das Buch der Beweise” is available online at the KIT library within the KIT network. The English version “Proofs from THE BOOK” is available as a physical copy at the KIT library. We recommend having a look inside either version before registering for this seminar.

Teilleistung: Seminar: Quantum Information Theory [T-INFO-110904]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105408 - Seminar: Quantum Information Theory
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400085 Quantum Information Theory 2 SWS Seminar (S) / 🗣 Müller-Quade, Fruböse, Meier, Jiang
Prüfungsveranstaltungen
SS 2026 7500267 Seminar: Quantum Information Theory Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

A presentation must be given and a written elaboration of exercises must be prepared. 
Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Basic knowledge of IT-Security and linear algebra are recommended.

Teilleistung: Seminar: Recent Highlights in Algorithms [T-INFO-114201]

Verantwortung:
TT-Prof. Dr. Thomas Bläsius
Prof. Dr. Peter Sanders
Dr. rer. nat. Torsten Ueckerdt
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107172 - Seminar: Recent Highlights in Algorithms
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO), by preparing a written seminar paper and the presentation of the same

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-102044 - Seminar Aktuelle Highlights der Algorithmentechnik darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of graph theory and algorithm technology is helpful.

Teilleistung: Seminar: Robot Reinforcement Learning [T-INFO-115349]

Verantwortung:
Prof. Dr. Gerhard Neumann
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107926 - Seminar: Robot Reinforcement Learning
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
2
Lehrveranstaltungen
SS 2026 2400084 Seminar: Robot Reinforcement Learning 2 SWS Seminar (S) / 🗣 Neumann
SS 2026 2400264 Seminar: Robot Reinforcement Learning 2 SWS Seminar (S) / 🗣 Neumann
Prüfungsveranstaltungen
SS 2026 7500277 Seminar: Robot Reinforcement Learning Neumann
SS 2026 7500432 Seminar: Robot Reinforcement Learning Neumann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Assessment is based on a graded written seminar paper and the presentation of that paper in the form of an examination of another type pursuant to § 4 (2) No. 3 of the SPO.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-110862 - Seminar: Robot Reinforcement Learning darf nicht begonnen worden sein.

Teilleistung: Seminar: Secure Multiparty Computation [T-INFO-111501]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105761 - Seminar: Secure Multiparty Computation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400088 Seminar Secure Multiparty Computation 2 SWS Seminar (S) / 🗣 Jiang, Müller-Quade
Prüfungsveranstaltungen
WS 26/27 7500326 Seminar: Secure Multiparty Computation Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO). 

 A written paper must be prepared and/or a presentation must be given. Withdrawal is possible within two weeks of the topic being assigned.

Voraussetzungen

None.

Empfehlungen

Knowledge of the content of the lecture Cryptographic Protocols is assumed.

Teilleistung: Seminar: Serviceorientierte Architekturen [T-INFO-104740]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102372 - Seminar: Serviceorientierte Architekturen
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400072 Seminar: Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck, Schneider
WS 26/27 2400072 Seminar: Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck, Schneider
Prüfungsveranstaltungen
SS 2026 75104740 Seminar: Serviceorientierte Architekturen Abeck
WS 26/27 75104740 Seminar: Serviceorientierte Architekturen Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Das Seminar muss zusammen mit der Vorlesung Web-Anwendungen und Serviceorientierte Architekturen (II) geprüft werden.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101271 - Web-Anwendungen und Serviceorientierte Architekturen (II) muss begonnen worden sein.

Teilleistung: Seminar: Software Architecture, Security and Privacy [T-INFO-114260]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107236 - Seminar: Software Architecture, Security and Privacy
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400060 Seminar: Software Architecture, Security and Privacy 2 SWS Seminar (S) / 🗣 Reussner, Raabe, Werner, Müller-Quade
Prüfungsveranstaltungen
WS 26/27 7500232 Seminar Daten in software-intensiven technischen Systemen – Modellierung – Analyse – Schutz Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106579 - Seminar Software-Architektur, Sicherheit und Datenschutz darf nicht begonnen worden sein.

Teilleistung: Seminar: Softwarequalitätssicherung und Softwaretest [T-INFO-111850]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105895 - Seminar: Softwarequalitätssicherung und Softwaretest
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400048 Softwarequalitätssicherung und Softwaretest 2 SWS Seminar (S) / 🗣 Schaefer, Heydari Tabar
Prüfungsveranstaltungen
SS 2026 7500258 Seminar: Softwarequalitätssicherung und Softwaretest Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse aus Softwaretechnik I und Softwaretechnik II sind empfohlen.

Teilleistung: Seminar: Speech-to-Speech Translation [T-INFO-114208]

Verantwortung:
Prof. Dr. Jan Niehues
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107179 - Seminar: Speech-to-Speech Translation
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400032 Seminar Speech-to-Speech Translation 2 SWS Seminar (S) / 🗣 Niehues
Prüfungsveranstaltungen
SS 2026 7500046 Seminar Speech-to-Speech Translation Waibel, Niehues
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-104781 - Seminar Sprach-zu-Sprach-Übersetzung darf nicht begonnen worden sein.

Teilleistung: Seminar: Type Systems and Static Program Analysis [T-INFO-114955]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107625 - Seminar: Type Systems and Static Program Analysis
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400267 Type Systems and Static Program Analysis 2 SWS Seminar (S) / 🧩 Erdweg, Lego, Marx
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO).

Students must write a seminar paper, deliver a presentation, and participate in the discussion. Withdrawal is possible within two weeks after the topic has been assigned.

Voraussetzungen

None.

Empfehlungen

Students should be familiar with the foundational knowledge about type systems (e.g., typing rules, type checking, polymorphism) or static program analysis (e.g., data flow, abstract interpretation).

Teilleistung: Seminar: Ubiquitäre Systeme [T-INFO-103578]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101880 - Seminar: Ubiquitäre Systeme
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 24844 Seminar: Ubiquitous Systems 2 SWS Seminar (S) / 🖥 Beigl
WS 26/27 2424844 Seminar: Ubiquitäre Systeme 2 SWS Seminar (S) Beigl, Röddiger
Prüfungsveranstaltungen
SS 2026 7500393 Seminar: Ubiquitäre Systeme Beigl
WS 26/27 7500005 Seminar: Ubiquitäre Systeme Beigl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Seminare und Praktika erfolgt als benotete Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung [T-INFO-101270]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102305 - Seminar: Von Big Data zu Data Science: Moderne Methoden der Informationsverarbeitung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 24344 Moderne Methoden der Informationsverarbeitung 2 SWS Seminar (S) / 🗣 Hanebeck
WS 26/27 2424344 Moderne Methoden der Informationsverarbeitung 2 SWS Seminar (S) / 🗣 Hanebeck
Prüfungsveranstaltungen
SS 2026 7500013 Moderne Methoden der Informationsverarbeitung Hanebeck
WS 26/27 7500021 Moderne Methoden der Informationsverarbeitung Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen eine schriftliche Ausarbeitung erstellt und eine Präsentation gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

keine

Teilleistung: Seminar: Zivilrecht 1 [T-INFO-115351]

Verantwortung:
Prof. Dr. Andreas Sattler
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107929 - Seminar: Zivilrecht 1
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2400005 Vertiefungs-Seminar Governance, Risk & Compliance 2 SWS Seminar (S) / 🗣 Herzig, Siddiq
SS 2026 2400078 Intelligente Chatbots und Recht 2 SWS Seminar (S) / 🗣 Raabe
SS 2026 2400225 Rechtlicher Rahmen für Künstliche Intelligenz 2 SWS Seminar (S) / 🗣 Sattler
SS 2026 24820 Aktuelle Fragen des Patentrechts 2 SWS Seminar (S) / 🗣 Melullis
WS 26/27 2400014 Aktuelle Fragen des Patentrechts 2 SWS Seminar (S) / 🗣 Melullis
WS 26/27 2400060 Seminar: Software Architecture, Security and Privacy 2 SWS Seminar (S) / 🗣 Reussner, Raabe, Werner, Müller-Quade
WS 26/27 2400165 Seminar Handels- und Gesellschaftsrecht in der IT-Branche 2 SWS Seminar (S) / 🖥 Nolte
WS 26/27 2424186 Seminar Patentrecht 2 SWS Seminar (S) / 🗣 Dammler
WS 26/27 2513214 Seminar Informationssicherheit und Datenschutz (Bachelor) 2 SWS Seminar (S) / 🗣 Volkamer, Raabe, Schiefer, Werner
Prüfungsveranstaltungen
SS 2026 7500140 Seminar aus Rechtswissenschaften I Raabe, Melullis, Boehm
SS 2026 7500268 Seminar aus Rechtswissenschaften Bachelor und Master I (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
SS 2026 7500300 Seminar aus Rechtswissenschaften Master II (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
WS 26/27 7500182 Seminar aus Rechtswissenschaften II Boehm, Raabe, Melullis
WS 26/27 7500310 Seminar: Handels- und Gesellschaftsrecht in der IT-Branche Sattler
WS 26/27 7500391 Seminar aus Rechtswissenschaften Bachelor und Master I (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
WS 26/27 7500394 Seminar aus Rechtswissenschaften Master II (LS Zivilrecht u. LS Prof. F. Boehm) Boehm, Melullis, Raabe, Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Seminararbeit sowie ihrer Präsentation als Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO.

Voraussetzungen

Keine.

Teilleistung: Service Design Thinking [T-WIWI-102849]

Verantwortung:
Prof. Dr. Gerhard Satzger
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101503 - Service Design Thinking
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
5
Lehrveranstaltungen
SS 2026 2595600 Service Design Thinking 2 SWS Vorlesung (V) / 🗣 Osaro, Terzidis, Feldmann
WS 26/27 2595600 Service Design Thinking 2 SWS Vorlesung (V) / 🗣 Terzidis, Satzger, Osaro, Feldmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art (Fallstudie, Workshops, Abschlusspräsentation). Die Gewichtung dieser Bestandteile für die Notenbildung wird zu Beginn der Veranstaltung bekannt gegeben. 

Voraussetzungen

Keine

Empfehlungen

Diese Veranstaltung findet in englischer Sprache statt – Teilnehmer sollten sicher in Schrift und Sprache sein.
Unsere bisherigen Teilnehmer fanden es empfehlenswert, das Modul zu Beginn des Master-Programms zu belegen.

Anmerkungen

Aufgrund der Projektarbeit ist die Zahl der Teilnehmer beschränkt. Das Modul (und auch die Teilleistung) geht über zwei Semester. Es startet jedes Jahr Ende September und läuft bis Ende Juni des darauffolgenden Jahres. Ein Einstieg ist nur zu Programmstart im September (Bewerbung im Mai/Juni) möglich. Weitergehende Informationen zum Bewerbungsprozess und dem Programm selbst finden Sie in der Teilleistungsbeschreibung sowie über die Website des Programms (https://sdtkarlsruhe.de/). Ferner führen die Dozenten jedes Jahr im Mai eine Informationsveranstaltung zum Programm durch.

Teilleistung: Sichere Mensch-Roboter-Kollaboration [T-INFO-109911]

Verantwortung:
Dr.-Ing. Johannes Kurth
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-104877 - Sichere Mensch-Roboter-Kollaboration
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400236 Sichere Mensch-Roboter-Kollaboration 2 SWS Block (B) / 🗣 Kurth
Prüfungsveranstaltungen
SS 2026 7500229 Sichere Mensch-Roboter-Kollaboration Kurth
WS 26/27 7500290 Sichere Mensch-Roboter-Kollaboration Kurth
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von ca. 30 Minuten gemäß § 4 Abs. 2 Nr. 1 SPO Master Informatik. Die Modulnote ist die Note der mündlichen Prüfung.

Voraussetzungen

Keine.

Empfehlungen

Erfolgreicher Abschluss des Moduls Robotik I - Einführung in die Robotik [T-INFO-101465]

Teilleistung: Signal Processing for Communication Receivers [T-ETIT-115288]

Verantwortung:
Dr.-Ing. Holger Jäkel
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
KIT-Fakultät für Maschinenbau
Bestandteil von: M-ETIT-107871 - Signal Processing for Communication Receivers
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Erfolgskontrolle(n)

Exam will be held as 25 mins oral. Beforehand, students are elaborating small problems within a 15 mins. period of preparation.

Voraussetzungen

none

Teilleistung: Signal Processing Lab [T-ETIT-113369]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106633 - Signal Processing Lab
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2302134 Signal Processing Lab 4 SWS Praktikum (P) / 🧩 Wahls, van Wijk
Prüfungsveranstaltungen
SS 2026 7302134 Signal Processing Lab Wahls
WS 26/27 7302134 Signal Processing Lab Wahls
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of a written examination lasting 120 minutes.

Voraussetzungen

none

Empfehlungen

Knowledge of the contents of the modules "Signals and Systems", "Measurement Technology" and "Methods of Signal Processing" is strongly recommended.

Anmerkungen

A prerequisite for admission to the examination is the submission of protocols of all experiments. The quality of the protocols will be assessed; they must be acceptable for admission to the examination.

Compulsory attendance is necessary both for carrying out the work in the team on site and for the practical teaching of skills and hardware experience that cannot be learned in pure self-study.

Teilleistung: Signal Processing Methods [T-ETIT-113837]

Verantwortung:
Prof. Dr.-Ing. Sander Wahls
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-106899 - Signal Processing Methods
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2302113 Signal Processing Methods 2 SWS Vorlesung (V) / 🗣 Wahls
WS 26/27 2302115 Tutorial to 2302113 Signal Processing Methods 2 SWS Übung (Ü) / 🗣 Wahls, Al-Hammadi
Prüfungsveranstaltungen
SS 2026 7302113 Signal Processing Methods Wahls
WS 26/27 7302113 Signal Processing Methods Wahls
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Written exam, 120 minutes.

Voraussetzungen

none

Empfehlungen

Familiarity with signals and systems (in particular, Fourier transforms) and probability theory at the Bachelor level is assumed.

Teilleistung: SIL Entrepreneurship Projekt [T-WIWI-110166]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-ETIT-105073 - Student Innovation Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2026 2545082 SIL Entrepreneurship Projekt Seminar (S) / 🖥 Mitarbeiter
WS 26/27 2545082 SIL Entrepreneurship Projekt 4 SWS Seminar (S) Terzidis
Prüfungsveranstaltungen
WS 26/27 7900037 SIL Entrepreneurship Projekt Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Note ergibt sich aus der Bewertung von zwei Seminararbeiten (ca. 20 Seiten je Arbeit). Nähere Angaben erfolgen zu Beginn der Veranstaltung. Das Punkteschema für die Bewertung der beiden Seminararbeiten legt der/die Dozent/in der Lehrveranstaltung fest. Es wird zu Beginn der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Arbeitsaufwand
90 Std.

Teilleistung: Simulation and Optimization in Robotics and Biomechanics [T-INFO-113123]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106504 - Simulation and Optimization in Robotics and Biomechanics
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
6
Lehrveranstaltungen
WS 26/27 2400160 Simulation and Optimization in Robotics and Biomechanics 4 SWS Vorlesung / Übung (VÜ) / 🗣 Mombaur, Ackermann
Prüfungsveranstaltungen
SS 2026 7500419 Simulation and Optimization in Robotics and Biomechanics Mombaur
WS 26/27 7500355 Simulation and Optimization in Robotics and Biomechanics Mombaur
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 No. 1 SPO) lasting up to 30 minutes. It can be repeated once.

As a prerequisite for the participation in the oral exam, students must regularly and successfully participate in the exercises. Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. 

Voraussetzungen

T-INFO-114838 – Simulation and Optimization in Robotics and Biomechanics – Pass grade is required. Completion of module Robotics 1 or corresponding knowledge required 
Programing skills in C/C++

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Es muss eine von 2 Bedingungen erfüllt werden:
    1. Die Teilleistung T-INFO-101465 - Robotik I - Einführung in die Robotik muss erfolgreich abgeschlossen worden sein.
    2. Die Teilleistung T-INFO-108014 - Robotik I - Einführung in die Robotik muss erfolgreich abgeschlossen worden sein.
  2. Es müssen die folgenden Bedingungen erfüllt werden:
    1. Die Teilleistung T-INFO-114838 - Simulation and Optimization in Robotics and Biomechanics - Pass muss erfolgreich abgeschlossen worden sein.
Anmerkungen

Limitation to 30 participants

Teilleistung: Simulation and Optimization in Robotics and Biomechanics - Pass [T-INFO-114838]

Verantwortung:
Prof. Dr. Katja Mombaur
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106504 - Simulation and Optimization in Robotics and Biomechanics
Voraussetzung für: T-INFO-113123 - Simulation and Optimization in Robotics and Biomechanics
Teilleistungsart
Studienleistung mündlich
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Prüfungsveranstaltungen
WS 26/27 7500313 Simulation and Optimization in Robotics and Biomechanics - Pass Mombaur
WS 26/27 7500355 Simulation and Optimization in Robotics and Biomechanics Mombaur
Erfolgskontrolle(n)

Success is assessed in the form of coursework in accordance with Section 4 (3) SPO (ungraded exercise certificate).

Exercise sheets must be handed in regularly to pass the course. The specific details will be announced in the lecture.

Anmerkungen

Participation in the exercise is compulsory and the contents of the exercise are relevant for the examination.

Teilleistung: Skalierbare Methoden der künstlichen Intelligenz [T-INFO-111801]

Verantwortung:
Dr. Charlotte Debus
Dr. Markus Götz
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105868 - Skalierbare Methoden der künstlichen Intelligenz
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2400004 Skalierbare Methoden der Künstlichen Intelligenz 3 SWS Vorlesung (V) / 🗣 Debus, Götz, Weiel
Prüfungsveranstaltungen
SS 2026 7500345 Skalierbare Methoden der künstlichen Intelligenz Streit
WS 26/27 7500339 Skalierbare Methoden der künstlichen Intelligenz Streit
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung (im Umfang von i.d.R. 20 Minuten) nach § 4 Abs. 2 Nr. 2 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Keine

Empfehlungen

Teilleistung: Smart Energy Infrastructure [T-WIWI-107464]

Verantwortung:
Dr. Armin Ardone
Dr. Dr. Andrej Marko Pustisek
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2581023 (Smart) Energy Infrastructure 4 SWS Vorlesung (V) / 🗣 Pustisek, Ardone, Schuler
Prüfungsveranstaltungen
SS 2026 7900228 Smart Energy Infrastructure NEU Fichtner
WS 26/27 7900178 Smart Energy Infrastructure NEU Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (90 Minuten). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Arbeitsaufwand
165 Std.

Teilleistung: Smart Grid Applications [T-WIWI-107504]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101446 - Market Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
siehe Anmerkungen
Version
2
Erfolgskontrolle(n)

Die Prüfung wird letztmals im Wintersemester 2023/2024 angeboten.

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Liegt die Note der schriftlichen Prüfung zwischen 4,0 und 1,3, so verbessert der Bonus die Note um eine Notenstufe (0,3 oder 0,4). Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Die Veranstaltung wird ab dem kommenden Wintersemester 2023/24 nicht mehr angeboten. Es besteht lediglich die Möglichkeit, an der Hauptklausur (Erstschreiber) und Nachklausur (Wiederholer) teilzunehmen.

Teilleistung: Social Choice Theory [T-WIWI-102859]

Verantwortung:
Prof. Dr. Clemens Puppe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101500 - Microeconomic Theory
M-WIWI-101504 - Collective Decision Making
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 2520537 Social Choice Theory 2 SWS Vorlesung (V) / 🗣 Puppe, Kretz
SS 2026 2520539 Übung zu Social Choice Theory 1 SWS Übung (Ü) / 🗣 Puppe, Kretz
Prüfungsveranstaltungen
SS 2026 7900039 Social Choice Theory (Haupttermin) Puppe
SS 2026 7900045 Social Choice Theory (Nachtermin) Puppe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min.). Die Prüfung wird in jedem Sommersemester angeboten.

Voraussetzungen

Keine

Teilleistung: Software Architecture and Quality [T-INFO-114261]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107237 - Software Architecture and Quality
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 2424667 Software Architecture and Quality 2 SWS Vorlesung (V) / 🗣 Reussner
Prüfungsveranstaltungen
SS 2026 7500021 Software-Architektur und -Qualität Reussner
SS 2026 7500396 Software Architecture and Quality Reussner
WS 26/27 7500032 Software Architecture and Quality Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 Nr. 1 SPO) lasting 60 minutes.
Depending on the number of participants, it will be announced six weeks before the examination (§ 6 Abs. 3 SPO) whether the
examination takes place
• in the form of an oral examination lasting approximately 45 minutes pursuant to § 4 Abs. 2 Nr. 2 SPO or
• in the form of a written examination lasting 60 minutes in accordance with § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

This lecture and the lectures Component-Based Software Development and Software Architecture are mutually exclusive.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101381 - Software-Architektur und -Qualität darf nicht begonnen worden sein.

Teilleistung: Software Engineering II [T-INFO-114259]

Verantwortung:
Prof. Dr.-Ing. Anne Koziolek
Prof. Dr. Raffaela Mirandola
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107235 - Software Engineering II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24076 Software Engineering II 4 SWS Vorlesung (V) / 🗣 Reussner, Mirandola, Dehghani
Prüfungsveranstaltungen
SS 2026 7500207 Softwaretechnik II Reussner
WS 26/27 7500054 Software Engineering II (Second Exam) Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101370 - Softwaretechnik II darf nicht begonnen worden sein.
Empfehlungen

The course Software Engineering I should already have been attended.

Teilleistung: Software Product Line Engineering [T-INFO-114234]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107212 - Software Product Line Engineering
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400050 Software Product Line Engineering 2 SWS Vorlesung / Übung (VÜ) / 🗣 Feichtinger
Prüfungsveranstaltungen
SS 2026 7500280 Software Product Line Engineering Feichtinger
WS 26/27 7500158 Software Product Line Engineering Feichtinger
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination, usually lasting 25 minutes in accordance with Section 4 (2) No. 2 SPO.

Depending on the number of attending students, it will be announced six weeks before the examination (§ 6 Para. 3 SPO) whether the performance assessment will take place

- in the form of an oral examination in accordance with Section 4 (2) No. 2 SPO (as described above) or
- in the form of a written examination lasting 90 minutes in accordance with Section 4 (2) No. 1 SPO.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111017 - Software-Produktlinien-Entwicklung darf nicht begonnen worden sein.
Empfehlungen

Basic knowledge from the lectures Software Engineering II [T-INFO-101370] and Formal Systems [T-INFO-101336] is helpful.

Teilleistung: Software Security Engineering [T-INFO-112862]

Verantwortung:
Dr. Christopher Gerking
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106344 - Software Security Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2400059 Software Security Engineering 2 SWS Vorlesung (V) / 🗣 Gerking
Prüfungsveranstaltungen
SS 2026 7500357 Software Security Engineering Gerking
WS 26/27 7500040 Software Security Engineering Gerking
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting approx. 90 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Software Engineering I and Software Engineering II is recommended.

Teilleistung: Software-Evolution [T-INFO-101256]

Verantwortung:
Prof. Dr. Ralf Reussner
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100719 - Software-Evolution
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424164 Software-Evolution 2 SWS Vorlesung (V) / 🗣 Lange
Prüfungsveranstaltungen
SS 2026 7500023 Software-Evolution Reussner
WS 26/27 7500004 Software-Evolution Reussner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 25 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of software technology and software architectures is helpful.

Teilleistung: Softwarepraktikum Parallele Numerik [T-INFO-105988]

Verantwortung:
Prof. Dr. Wolfgang Karl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102998 - Softwarepraktikum Parallele Numerik
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 2424880 Projektorientiertes Softwarepraktikum (Parallele Numerik) 6 SWS Praktikum (P) / 🖥 Karl, Alefeld, Hoffmann
WS 26/27 2400012 Projektorientiertes Software-Praktikum (Parallele Numerik) - findet aktuell nicht statt 4 SWS Praktikum (P) Karl, Alefeld
Prüfungsveranstaltungen
SS 2026 7500188 Lab: Projektorientiertes Software-Praktikum (Parallele Numerik) Karl
WS 26/27 7500195 Lab: Projektorientiertes Software-Praktikum (Parallele Numerik) Karl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art nach § 4 Abs. 2 Nr. 3 SPO. Es müssen schriftliche Ausarbeitungen erstellt und Präsentationen gehalten werden. Ein Rücktritt ist innerhalb von zwei Wochen nach Vergabe des Themas möglich.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse einer höheren Programmiersprache (z.B. C++) sowie der Theorie der Finiten Elemente sind hilfreich.

Teilleistung: Softwaretest and Quality Management (SQM) [T-INFO-114263]

Verantwortung:
Prof. Dr.-Ing. Ina Schaefer
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107239 - Softwaretest and Quality Management (SQM)
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400112 Softwaretest and Quality Management (SQM) 2 SWS Vorlesung (V) / 🗣 Schaefer
WS 26/27 2400113 Softwaretest and Quality Management (SQM) - Exercise 2 SWS Übung (Ü) / 🗣 Schaefer
Prüfungsveranstaltungen
SS 2026 7500180 Software-Test und Qualitätsmanagement (SQM) Schaefer, Heydari Tabar
WS 26/27 7500248 Software-Test und Qualitätsmanagement (SQM) Schaefer
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-112210 - Software-Test und Qualitätsmanagement (SQM) darf nicht begonnen worden sein.
Anmerkungen

At the end of the course there is also the opportunity to be certified as an "ISTQB - Certified Tester - Foundation Level". A date and the modalities for the exam will be agreed on in the lecture.

Teilleistung: Sozialforschung A (WiWi) [T-GEISTSOZ-109048]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
SS 2026 5000048 Sozialwissenschaftliche Theorien der Technikfolgenabschätzung 2 SWS Proseminar (PS) / 🗣 Lösch
SS 2026 5011013 Die digitale Demokratie: Ängste, Möglichkeiten und Herausforderungen 2 SWS Seminar (S) / 🧩 Mäs
SS 2026 5011019 Wie kontrolliert man Algorithmen? 2 SWS Seminar (S) / 🗣 Mäs
WS 26/27 5011011 Künstliche Intelligenz im Forschungsprozess 2 SWS Seminar (S) / 🧩 Banisch
WS 26/27 5011014 Theorien prospektiven Wissens 2 SWS Seminar (S) / 🗣 Lösch
Prüfungsveranstaltungen
SS 2026 7400379 Sozialforschung A Nollmann, Lösch
SS 2026 7400454 Sozialforschung A (WiWi) Nollmann, Lösch
WS 26/27 7400041 Sozialforschung A (WiWi) Nollmann, Lösch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Spezialveranstaltung Wirtschaftsinformatik [T-WIWI-113725]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101506 - Service Analytics
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Prüfungsveranstaltungen
SS 2026 7900165 Konzeption und Implementierung einer mobilen Web-App für smartes Heizen Weinhardt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen.

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.
Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:

Insgesamt können 60 Punkte erreicht werden, davon

Voraussetzungen

siehe "Modellierte Voraussetzungen"

Empfehlungen

Keine

Anmerkungen

Für die Spezialveranstaltung Wirtschaftsinformatik können sich interessierte Studierende initiativ mit einem Themenvorschlag an die Wissenschaftlichen Mitarbeiter des Lehrstuhls von Prof. Weinhardt wenden.

Die Spezialveranstaltung Wirtschaftsinformatik entspricht dem Seminarpraktikum, wie es bisher nur für den Studiengang Wirtschaftsinformatik angeboten wurde. Mit dieser Veranstaltung wird die Möglichkeit, praktische Erfahrungen zu sammeln bzw. wissenschaftliche Arbeitsweise im Rahmen eines Seminarpraktikums zu erlernen, auch Studierenden des Wirtschaftsingenieurwesens und der Technischen Volkswirtschaftslehre zugänglich gemacht.

Die Spezialveranstaltung Wirtschaftsinformatik kann anstelle einer regulären Vorlesung (siehe Modulbeschreibung) gewählt werden. Sie kann aber nur einmal pro Modul angerechnet werden.

Teilleistung: Spezialveranstaltung Wirtschaftsinformatik [T-WIWI-113724]

Verantwortung:
Prof. Dr. Christof Weinhardt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101410 - Business & Service Engineering
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Prüfungsveranstaltungen
SS 2026 7900165 Konzeption und Implementierung einer mobilen Web-App für smartes Heizen Weinhardt
SS 2026 7900374 Spezialveranstaltung Wirtschaftsinformatik
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch das Ausarbeiten einer schriftlichen Dokumentation, einer Präsentation der Ergebnisse der durchgeführten praktischen Komponenten und der aktiven Beteiligung an den Diskussionen.

Bitte beachten Sie, dass auch eine praktische Komponente wie die Durchführung einer Umfrage, oder die Implementierung einer Applikation neben der schriftlichen Ausarbeitung zum regulären Leistungsumfang der Veranstaltung gehört. Die jeweilige Aufgabenstellung entnehmen Sie bitte der Veranstaltungsbeschreibung.
Die Gesamtnote der Prüfungsleistung anderer Art wird wie folgt gebildet:

Insgesamt können 60 Punkte erreicht werden, davon

Voraussetzungen

siehe "Modellierte Voraussetzungen"

Empfehlungen

Keine

Anmerkungen

Für die Spezialveranstaltung Wirtschaftsinformatik können sich interessierte Studierende initiativ mit einem Themenvorschlag an die Wissenschaftlichen Mitarbeiter des Lehrstuhls von Prof. Weinhardt wenden.

Die Spezialveranstaltung Wirtschaftsinformatik entspricht dem Seminarpraktikum, wie es bisher nur für den Studiengang Wirtschaftsinformatik angeboten wurde. Mit dieser Veranstaltung wird die Möglichkeit, praktische Erfahrungen zu sammeln bzw. wissenschaftliche Arbeitsweise im Rahmen eines Seminarpraktikums zu erlernen, auch Studierenden des Wirtschaftsingenieurwesens und der Technischen Volkswirtschaftslehre zugänglich gemacht.

Die Spezialveranstaltung Wirtschaftsinformatik kann anstelle einer regulären Vorlesung (siehe Modulbeschreibung) gewählt werden. Sie kann aber nur einmal pro Modul angerechnet werden.

Teilleistung: Startup Experience [T-WIWI-111561]

Verantwortung:
Prof. Dr. Orestis Terzidis
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101488 - Entrepreneurship (EnTechnon)
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Version
1
Lehrveranstaltungen
SS 2026 2545004 Startup Experience 4 SWS Seminar (S) / 🗣 Weimar, Terzidis, Martjan, Osaro
WS 26/27 2545004 Startup Experience 4 SWS Seminar (S) / 🗣 Terzidis, Walter
Prüfungsveranstaltungen
SS 2026 7900186 Startup Experience Terzidis
WS 26/27 7900186 Startup Experience Terzidis
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. ​Details zur Ausgestaltung der Prüfungsleistung anderer Art werden im Rahmen der Lehrveranstaltung bekannt gegeben. 

Die Note setzt sich aus einer Präsentation und einer schriftlichen Ausarbeitung zusammen (plus evtl. spezifizierte Dokumentation, z.B. Arbeitsergebnisse, Ereignistagebuch, Reflexion).

Empfehlungen

Vorlesung Entrepreneurship bereits absolviert

Anmerkungen

Die Arbeitssprache im Seminar ist Englisch. Die Seminarinhalte werden auf der Lehrstuhl-Webseite veröffentlicht.

Arbeitsaufwand
180 Std.

Teilleistung: Statistik - Klausur [T-MATH-106415]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
M-MATH-103220 - Statistik
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
10 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
4
Lehrveranstaltungen
WS 26/27 0106800 Statistik 4 SWS Vorlesung (V) / 🗣 Klar
WS 26/27 0106900 Übungen zu 0106800 (Statistik) 2 SWS Übung (Ü) / 🗣 Klar
Prüfungsveranstaltungen
SS 2026 7700046 Statistik - Nachklausur Klar
WS 26/27 7700011 Statistik - Klausur Ebner
WS 26/27 7700027 Statistik - Klausur Klar
WS 26/27 7700095 Statistik - Klausur Ebner
WS 26/27 7700096 Statistik - Nachklausur Ebner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Prüfungsvorleistung: Praktikumsschein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-MATH-106416 - Statistik - Praktikum muss erfolgreich abgeschlossen worden sein.

Teilleistung: Statistik - Praktikum [T-MATH-106416]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
M-MATH-103220 - Statistik
Voraussetzung für: T-MATH-106415 - Statistik - Klausur
Teilleistungsart
Studienleistung praktisch
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 0106800 Statistik 4 SWS Vorlesung (V) / 🗣 Klar
WS 26/27 0106910 Praktikum zu 0106800 (Statistik) 2 SWS Praktikum (P) Klar
Prüfungsveranstaltungen
WS 26/27 7700072 Statistik - Praktikum Klar, Trabs
WS 26/27 7700100 Statistik - Praktikum Ebner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung wird auf der Grundlage folgender Bestandteile vergeben:

Voraussetzungen

Keine

Anmerkungen

Die Studierenden können die Verfahren, die sie in der Vorlesung "Statistik" kennengelernt haben, mit Hilfe moderner Software auch praktisch anwenden.

Teilleistung: Statistik für Fortgeschrittene [T-WIWI-103123]

Verantwortung:
Prof. Dr. Oliver Grothe
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-INFO-104199 - Betriebswirtschaftslehre für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2550552 Advanced Statistical Techniques, Including Multivariate and Simulation Methods 2 SWS Vorlesung (V) / 🗣 Grothe
WS 26/27 2550553 Exercises and Computer Labs in Advanced Statistical Techniques 2 SWS Übung (Ü) / 🗣 Grothe
Prüfungsveranstaltungen
SS 2026 7900037 Statistik für Fortgeschrittene Grothe
SS 2026 7900253 Statistik für Fortgeschrittene Grothe
WS 26/27 7900289 Statistik für Fortgeschrittene Grothe
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (60 min) (nach §4(2), 1 SPOs).

Die Prüfung wird im Prüfungszeitraum des Vorlesungssemesters angeboten. Zur Wiederholungsprüfung im Prüfungszeitraum des jeweiligen Folgesemesters werden ausschließlich Wiederholer (und keine Erstschreiber) zugelassen.

Voraussetzungen

Keine

Arbeitsaufwand
135 Std.

Teilleistung: Steuerrecht [T-INFO-111437]

Verantwortung:
Detlef Dietrich
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24646 Steuerrecht 2 SWS Vorlesung (V) / 🖥 Dietrich
Prüfungsveranstaltungen
SS 2026 7500120 Steuerrecht Sattler
WS 26/27 7500062 Steuerrecht Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Teilleistung: Stochastic Information Processing [T-INFO-115261]

Verantwortung:
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107847 - Stochastic Information Processing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424113 Stochastic Information Processing 3 SWS Vorlesung / Übung (VÜ) / 🗣 Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success is assessed in the form of an oral examination, usually lasting 15 - 25 minutes in accordance with Section 4 (2) No. 2 SPO.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101366 - Stochastische Informationsverarbeitung darf nicht begonnen worden sein.
Empfehlungen

Knowledge of the basics of probability theory is helpful.

Anmerkungen

As a theoretical foundation lecture, "Stochastic Information Processing" is an ideal introduction to the ISAS lectures. Conversely, prior knowledge of "Localization of Mobile Agents" (LMA) [course no. 24613] may nevertheless be helpful depending on the type of learner - more concrete applications are highlighted there. In all of our lectures, the content is always derived and explained in detail from the beginning; it is therefore possible to start with SI or LMA.

Teilleistung: Stochastische Simulation [T-MATH-112242]

Verantwortung:
Prof. Dr. Sebastian Krumscheid
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-106053 - Stochastische Simulation
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 0100027 Stochastic Simulation 2 SWS Vorlesung (V) Krumscheid
Prüfungsveranstaltungen
WS 26/27 7700109 Stochastische Simulation Krumscheid
Erfolgskontrolle(n)

Die Modulprüfung erfolgt in Form einer mündlichen Gesamtprüfung (ca. 30 Minuten).

Voraussetzungen

keine

Arbeitsaufwand
150 Std.

Teilleistung: Supply Chain Management with Advanced Planning Systems [T-WIWI-102763]

Verantwortung:
Claus J. Bosch
Dr. Mathias Göbelt
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101412 - Industrielle Produktion III
M-WIWI-101471 - Industrielle Produktion II
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2581961 Supply Chain Management with Advanced Planning Systems 2 SWS Vorlesung (V) / 🗣 Göbelt, Bosch
Prüfungsveranstaltungen
SS 2026 7981961 Supply Chain Management with Advanced Planning Systems Schultmann
WS 26/27 7981961 Supply Chain Management with Advanced Planning Systems Schultmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen (30 Minuten) oder schriftlichen (60 Minuten) Prüfung (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: System-on-Chip Lab [T-ETIT-115155]

Verantwortung:
Prof. Dr.-Ing. Jürgen Becker
Prof. Dr. Ivan Peric
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-107763 - System-on-Chip Lab
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2311612 System-on-Chip Lab 4 SWS Praktikum (P) / 🗣 Becker, Peric
Prüfungsveranstaltungen
WS 26/27 7311612 Praktikum System-on-Chip Becker
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Success control takes place in the form of other types of examination. The examination consists of:

The overall impression is rated.

Voraussetzungen

none

Teilleistung: Systems and Software Engineering [T-ETIT-100675]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100537 - Systems and Software Engineering
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 2311605 Systems and Software Engineering 2 SWS Vorlesung (V) / 🗣 Sax
WS 26/27 2311607 Übungen zu 2311605 Systems and Software Engineering 2 SWS Übung (Ü) / 🧩 Stroop, Hagel, Gerdes
Prüfungsveranstaltungen
SS 2026 7311605 Systems and Software Engineering Sax
WS 26/27 7311605 Systems and Software Engineering Sax
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Written exam of 90 minutes.

Students are given the opportunity to earn a grade bonus through separate task assignments. If the grade of the written exam is between 4.0 and 1.3, the bonus improves the grade by a maximum of one grade level (0.3 or 0.4). The exact criteria for awarding a bonus will be announced at the beginning of the lecture. Bonus points do not expire and remain valid for exams taken at a later date.

The grade is determined by the written exam and the bonus points.

Voraussetzungen

none

Teilleistung: Systems Engineering for Automotive Electronics [T-ETIT-100677]

Verantwortung:
Prof. Dr.-Ing. Jürgen Bortolazzi
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100462 - Systems Engineering for Automotive Electronics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2311642 Systems Engineering for Automotive Electronics 2 SWS Vorlesung (V) / 🧩 Bortolazzi
SS 2026 2311644 Tutorial for 2311642 Systems Engineering for Automotive Electronics 1 SWS Übung (Ü) / 🗣 Beck
Prüfungsveranstaltungen
SS 2026 7311642 Systems Engineering for Automotive Electronics Bortolazzi
WS 26/27 7311642 Systems Engineering for Automotive Electronics Bortolazzi
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Prüfung findet ohne Hilfsmittel statt.

Voraussetzungen

keine

Empfehlungen

Empfohlen wird der Besuch der Vorlesung SE (23611)

Anmerkungen

Die Art und Weise (schriftliche oder mündliche Prüfung) der Erfolgskontrolle wird zu Beginn der Veranstaltung bekanntgegeben.

Die Vorlesung wird im Haupttermin schriftlich geprüft, für den Nacholtermin kann die Prüfung auch mündlich erfolgen.

Die Prüfung findet ohne Hilfsmittel statt.

Der Besuch von Labor / Übung zur Vorlesung ist Voraussetzung für die Zulassung zur Prüfung.

Teilleistung: Systemsoftware für Echtzeitsysteme [T-INFO-115294]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107877 - Systemsoftware für Echtzeitsysteme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Einmalig
Version
1
Lehrveranstaltungen
WS 26/27 2400103 Systemsoftware für Echtzeitsysteme 4 SWS Vorlesung / Übung (VÜ) / 🗣 Bellosa, Wägemann, Wägemann
WS 26/27 2400151 Systemsoftware für Echtzeitsysteme 2 SWS Übung (Ü) / 🗣 Bellosa, Wägemann, Wägemann
Prüfungsveranstaltungen
WS 26/27 7500298 Systemsoftware für Echtzeitsysteme
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung ohne Hilfsmittel im Umfang von i.d.R. 30 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Für eine erfolgreiche Teilnahme an der Veranstaltung sind grundlegende Programmierkenntnisse in C/C++ dringend empfohlen.
Diese können durch den Besuch entsprechender Grundlagenveranstaltungen (Betriebssysteme, T-INFO-101969) oder im Eigenstudium erworben worden sein.
Eine formale Voraussetzung besteht in diesem Zusammenhang nicht.

Anmerkungen

Die Teilleistung wird einmalig im WS 26/27 angeboten.

Teilleistung: Teamarbeit im Bereich Serviceorientierte Architekturen [T-INFO-104385]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400071 Teamarbeit im Bereich Serviceorientierte Architekturen 2 SWS Seminar (S) / 🗣 Abeck
Prüfungsveranstaltungen
SS 2026 7500327 Teamarbeit im Bereich Serviceorientierte Architekturen Abeck
WS 26/27 7500219 Teamarbeit im Bereich Serviceorientierte Architekturen Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.

Teilleistung: Teamarbeit im Bereich Web-Anwendungen [T-INFO-102068]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102835 - Schlüsselqualifikationen
Teilleistungsart
Studienleistung
Leistungspunkte
2 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400069 Teamarbeit im Bereich Web-Anwendungen 2 SWS Seminar (S) / 🗣 Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt durch Ausarbeiten einer schriftlichen Ergebnisdokumentation sowie der Präsentation derselbigen als Studieleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Anmerkungen

Details zu der Schlüsselqualifikation finden Sie unter: http://cm.tm.kit.edu/study.php.

Teilleistung: Teilchenphysik I [T-PHYS-102369]

Verantwortung:
Prof. Dr. Torben Ferber
Prof. Dr. Markus Klute
Prof. Dr. Günter Quast
PD Dr. Klaus Rabbertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-102114 - Teilchenphysik I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 4022031 Particle Physics I 3 SWS Vorlesung (V) / 🗣 Klute, Goldenzweig
WS 26/27 4022032 Exercises to Particle Physics I 2 SWS Praktische Übung (PÜ) / 🗣 Klute, Goldenzweig
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Telekommunikationsrecht [T-INFO-101309]

Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106754 - Öffentliches Wirtschafts- und Technikrecht
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2424632 Telekommunikationsrecht 2 SWS Vorlesung (V) / 🗣 Döveling
Prüfungsveranstaltungen
SS 2026 7500085 Telekommunikationsrecht Zufall
WS 26/27 7500049 Telekommunikationsrecht Zufall
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von i.d.R. 60 Minuten nach § 4 Abs. 2 Nr. 1 SPO.

Voraussetzungen

keine

Empfehlungen

Parallel zu den Veranstaltungen werden begleitende Tutorien angeboten, die insbesondere der Vertiefung der juristischen Arbeitsweise dienen. Ihr Besuch wird nachdrücklich empfohlen.
Während des Semesters wird eine Probeklausur zu jeder Vorlesung mit ausführlicher Besprechung gestellt. Außerdem wird eine Vorbereitungsstunde auf die Klausuren in der vorlesungsfreien Zeit angeboten.
Details dazu auf der Homepage des ZAR (www.kit.edu/zar).

Teilleistung: Telematics [T-INFO-114269]

Verantwortung:
Prof. Dr. Martina Zitterbart
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107243 - Telematics
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400007 Telematics 4 SWS Vorlesung (V) / 🗣 Zitterbart, Helmig, Mahrt, Seehofer
Prüfungsveranstaltungen
SS 2026 7500098 Telematics Zitterbart
WS 26/27 7500166 Telematics Zitterbart
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 90 minutes.

Depending on the number of participants, it will be announced six weeks before the examination (Section 6 (3) SPO) whether the assessment will take place

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101338 - Telematik darf nicht begonnen worden sein.
Empfehlungen

Anmerkungen

Offered for the last time in WS 26/27!!!!!

Teilleistung: Test eingebetteter Systeme im industriellen Umfeld [T-ETIT-100811]

Verantwortung:
Prof. Dr.-Ing. Eric Sax
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100546 - Test eingebetteter Systeme im industriellen Umfeld
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2311648 Test eingebetteter Systeme im industriellen Umfeld 2 SWS Block-Vorlesung (BV) / 🗣 Schmerler
WS 26/27 2311649 Übungen zu 2311648 Test eingebetteter Systeme im industriellen Umfeld 1 SWS Übung (Ü) / 🗣 Reis
Prüfungsveranstaltungen
SS 2026 7311648 Test eingebetteter Systeme im industriellen Umfeld Schmerler
WS 26/27 7311648 Test eingebetteter Systeme im industriellen Umfeld Schmerler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt im Rahmen einer mündlichen Gesamtprüfung (ca. 25 Minuten).

Voraussetzungen

keine

Empfehlungen

Kenntnisse zu Grundlagen aus der angewandten Informatik zum Beispiel der Besuch des Praktikums Informationstechnik sind hilfreich.

Teilleistung: Testing Digital Systems I [T-INFO-101388]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100851 - Testing Digital Systems I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Prüfungsveranstaltungen
SS 2026 7500008 Testing Digital Systems I Tahoori
WS 26/27 7500039 Testing Digital Systems I Tahoori
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Teilleistung: Testing Digital Systems II [T-INFO-105936]

Verantwortung:
Prof. Dr. Mehdi Baradaran Tahoori
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-102962 - Testing Digital Systems II
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
SS 2026 2400014 Testing Digital Systems II (findet im SS 2026 nicht statt) 2 SWS Vorlesung (V) / 🖥 Tahoori
Prüfungsveranstaltungen
SS 2026 7500069 Testing Digital Systems II Tahoori
WS 26/27 7500147 Testing Digital Systems II Tahoori
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Empfehlungen

Knowledge of Digital Design and Computer Architecture is helpful.

Teilleistung: Text-Indexing [T-INFO-114226]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107202 - Text Indexing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400005 Nicht im WS 2026/27! Text Indexing 3 SWS Vorlesung (V) / 🗣 Kurpicz
Prüfungsveranstaltungen
WS 26/27 7500537 Text-Indexing Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment consists of an oral exam (generally 15 minutes) according to § 4 Abs. 2 Nr. 2 SPO.

The examination takes place in the form of an oral examination and a project/experiment as an examination of success of a different kind.

Weighting: 80% oral examination, 20% project/experiment. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-105691 - Text-Indexierung darf nicht begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Anmerkungen

 

Teilleistung: Text-Indexing Project/Experiment [T-INFO-114227]

Verantwortung:
Prof. Dr. Peter Sanders
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107202 - Text Indexing
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
1 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400005 Nicht im WS 2026/27! Text Indexing 3 SWS Vorlesung (V) / 🗣 Kurpicz
Prüfungsveranstaltungen
WS 26/27 7500145 Text-Indexing Project/Experiment Sanders
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out in form of course work (German Studienleistung, § 4 Abs. 3 SPO). Students must regularly submit exercise sheets. The number of exercise sheets and the scale for passing will be announced at the beginning of the course. The assessment an only be repeated once.

The examination takes place in the form of an oral examination and a project/experiment as an examination of success of another type.

Weighting: 80% oral examination, 20% project/experiment. An overall grade is awarded.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-111855 - Text-Indexierung Projekt/Experiment darf nicht begonnen worden sein.
Empfehlungen

The lecture builds on parts of the contents of the lectures Algorithms I and Algorithms II. Corresponding knowledge is therefore helpful.

Teilleistung: Theoretische Grundlagen der Kryptographie [T-INFO-111199]

Verantwortung:
Prof. Dr. Jörn Müller-Quade
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-105584 - Theoretische Grundlagen der Kryptographie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400237 Theoretische Grundlagen der Kryptographie 3 SWS Vorlesung (V) / 🗣 Müller-Quade, Berger, Klooß
Prüfungsveranstaltungen
SS 2026 7500002 Theoretische Grundlagen der Kryptographie Müller-Quade
SS 2026 7500399 Zweitversuch: Theoretische Grundlagen der Kryptographie Müller-Quade
WS 26/27 7500274 Theoretische Grundlagen der Kryptographie Müller-Quade
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von 120 Minuten) nach § 4 Abs. 2 Nr. 1 SPO.

Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle

stattfindet.

Voraussetzungen

Wenn das Modul M-INFO-100836 Ausgewählte Kapitel der Kryptographie bereits geprüft wurde, kann das Modul Theoretischen Grundlagen der Kryptographie nicht geprüft werden.

Teilleistung: Theoretische Optik [T-PHYS-104578]

Verantwortung:
Prof. Dr. Carsten Rockstuhl
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-102277 - Theoretical Optics
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 4023111 Theoretical Optics 2 SWS Vorlesung (V) / 🗣 Rockstuhl
SS 2026 4023112 Exercises to Theoretical Optics 1 SWS Übung (Ü) / 🗣 Rockstuhl, NN 
Prüfungsveranstaltungen
SS 2026 7800150 Theoretische Optik Rockstuhl
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 1.1 (Einführung in /Überblick über ein Teilgebiet der Theoretischen Philosophie) [T-GEISTSOZ-101176]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Version
3
Lehrveranstaltungen
WS 26/27 5012020 Einführung in die Theoretische Philosophie 2 SWS Kurs (Ku) / 🗣 Ludwig
Prüfungsveranstaltungen
SS 2026 7400097 Only Words? Der Linguistic Turn in der Philosophie des frühen 20. Jahrhunderts Bones, Betz
WS 26/27 7400159 Einführung in die Wissenschaftstheorie Hillerbrand, Betz
WS 26/27 7400162 Einführung in die Erkenntnistheorie Betz
WS 26/27 7400342 Einführung in die Wissenschaftstheorie Betz, Hillerbrand
WS 26/27 7400506 Einführung in die Theoretische Philosophie Betz, Ludwig
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme am Kurs (im Sinne einer Vorlesung mit interaktiven Elementen) "Theoretische Philosophie 1.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 1.2 [T-GEISTSOZ-101177]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 5012009 Themen aus der Philosophie Augustinus' 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2026 5012020 Doing Philosophy with Thought Experiments: Why and How 2 SWS Hauptseminar (HS) / 🗣 Mezzadri
SS 2026 5012036 Wissenschaft und Wissenschaftstheorie 2 SWS Oberseminar (OS) / 🗣 Ludwig, Gutmann
SS 2026 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 26/27 5012014 Einführung in die Philosophie des Geistes 2 SWS Hauptseminar (HS)
WS 26/27 5012054 Die Zukunft der Menschheit (+Essaytutorial) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 26/27 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012099 Paradoxes and Rationality 2 SWS Seminar (S) Mezzadri
WS 26/27 5012116 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Positionen sowie ein bedeutender Philosoph des 20. Jahrhunderts 2 SWS Hauptseminar (HS) Dürr
Prüfungsveranstaltungen
SS 2026 7400097 Only Words? Der Linguistic Turn in der Philosophie des frühen 20. Jahrhunderts Bones, Betz
SS 2026 7400099 Raum und Zeit Gutmann, Betz
SS 2026 7400438 Themen aus der Philosophie Augustinus' Betz
SS 2026 7400464 Wissenschaft und Wissenschaftstheorie Betz, Gutmann, Ludwig
SS 2026 7400488 Doing Philosophy with Thought Experiments: Why and How Betz, Mezzadri
SS 2026 7400508 David Humes empirische Philosophie - Grundlagen und Grundthemen Ebner, Betz
SS 2026 7400509 Nietzsche Betz
SS 2026 7400510 Computational Models in Epistemology and Sociology Betz, Mäs
SS 2026 7400562 Philosophie des Geistes Betz, Bones
SS 2026 7400563 Die Idee der Idee oder die Geschichte der Ideengeschichte Betz, Dürr
SS 2026 7400616 Wozu Philosophie? Ein Streifzug durch die europäische Philosophiegeschichte (das 20. Jahrhundert) Betz
WS 26/27 7400160 Kant: Kritik der Reinen Vernunft Betz
WS 26/27 7400161 Nietzsche Betz
WS 26/27 7400162 Einführung in die Erkenntnistheorie Betz
WS 26/27 7400357 FKI: Protoplasma Betz, Gutmann, Nick
WS 26/27 7400358 Einführung in die Sprachphilosophie Betz
WS 26/27 7400372 Paradoxes and Rationality Betz, Mezzadri
WS 26/27 7400493 Homo ridens: Vom philosophischen Lachen Betz
WS 26/27 7400508 Forum für Kritische Interdisziplinarität (FKI) Betz, Gutmann, Nick
WS 26/27 7400687 Die Zukunft der Menschheit (+Essaytutorial) Schefczyk, Seidel-Saul
WS 26/27 7400757 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Position sowie ein bedeutender Philosoph des 20. Jahrhunderts Betz, Dürr
WS 26/27 7400761 Einführung in die Philosophie des Geistes Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Theoretische Philosophie 1.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Theoretische Philosophie 1.3 [T-GEISTSOZ-101178]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104509 - Theoretische Philosophie I
Voraussetzung für: T-GEISTSOZ-109224 - Modulprüfung Theoretische Philosophie I
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 5012009 Themen aus der Philosophie Augustinus' 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2026 5012020 Doing Philosophy with Thought Experiments: Why and How 2 SWS Hauptseminar (HS) / 🗣 Mezzadri
SS 2026 5012036 Wissenschaft und Wissenschaftstheorie 2 SWS Oberseminar (OS) / 🗣 Ludwig, Gutmann
SS 2026 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 26/27 5012014 Einführung in die Philosophie des Geistes 2 SWS Hauptseminar (HS)
WS 26/27 5012054 Die Zukunft der Menschheit (+Essaytutorial) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 26/27 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012099 Paradoxes and Rationality 2 SWS Seminar (S) Mezzadri
WS 26/27 5012116 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Positionen sowie ein bedeutender Philosoph des 20. Jahrhunderts 2 SWS Hauptseminar (HS) Dürr
Prüfungsveranstaltungen
SS 2026 7400097 Only Words? Der Linguistic Turn in der Philosophie des frühen 20. Jahrhunderts Bones, Betz
SS 2026 7400099 Raum und Zeit Gutmann, Betz
SS 2026 7400438 Themen aus der Philosophie Augustinus' Betz
SS 2026 7400464 Wissenschaft und Wissenschaftstheorie Betz, Gutmann, Ludwig
SS 2026 7400488 Doing Philosophy with Thought Experiments: Why and How Betz, Mezzadri
SS 2026 7400508 David Humes empirische Philosophie - Grundlagen und Grundthemen Ebner, Betz
SS 2026 7400509 Nietzsche Betz
SS 2026 7400510 Computational Models in Epistemology and Sociology Betz, Mäs
SS 2026 7400562 Philosophie des Geistes Betz, Bones
SS 2026 7400563 Die Idee der Idee oder die Geschichte der Ideengeschichte Betz, Dürr
SS 2026 7400616 Wozu Philosophie? Ein Streifzug durch die europäische Philosophiegeschichte (das 20. Jahrhundert) Betz
WS 26/27 7400160 Kant: Kritik der Reinen Vernunft Betz
WS 26/27 7400161 Nietzsche Betz
WS 26/27 7400162 Einführung in die Erkenntnistheorie Betz
WS 26/27 7400357 FKI: Protoplasma Betz, Gutmann, Nick
WS 26/27 7400358 Einführung in die Sprachphilosophie Betz
WS 26/27 7400372 Paradoxes and Rationality Betz, Mezzadri
WS 26/27 7400493 Homo ridens: Vom philosophischen Lachen Betz
WS 26/27 7400508 Forum für Kritische Interdisziplinarität (FKI) Betz, Gutmann, Nick
WS 26/27 7400687 Die Zukunft der Menschheit (+Essaytutorial) Schefczyk, Seidel-Saul
WS 26/27 7400757 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Position sowie ein bedeutender Philosoph des 20. Jahrhunderts Betz, Dürr
WS 26/27 7400761 Einführung in die Philosophie des Geistes Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahem an einem Hauptseminar "Theoretische Philosophie 1.3", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Sommersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Theoretische Philosophie 2.1 [T-GEISTSOZ-101199]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104510 - Theoretische Philosophie II
Voraussetzung für: T-GEISTSOZ-109225 - Modulprüfung Theoretische Philosophie II
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 5012009 Themen aus der Philosophie Augustinus' 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2026 5012020 Doing Philosophy with Thought Experiments: Why and How 2 SWS Hauptseminar (HS) / 🗣 Mezzadri
SS 2026 5012036 Wissenschaft und Wissenschaftstheorie 2 SWS Oberseminar (OS) / 🗣 Ludwig, Gutmann
SS 2026 5012052 Forum für Kritische Interdisziplinarität 2 SWS Hauptseminar (HS) / 🗣 Gutmann, Nick
SS 2026 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
SS 2026 5012070 Beweise, Argumente, Einsichten: Von formalen Systemen zu informeller Logik 2 SWS Oberseminar (OS) / 🗣 Ludwig
SS 2026 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 26/27 5012014 Einführung in die Philosophie des Geistes 2 SWS Hauptseminar (HS)
WS 26/27 5012054 Die Zukunft der Menschheit (+Essaytutorial) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 26/27 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012099 Paradoxes and Rationality 2 SWS Seminar (S) Mezzadri
WS 26/27 5012116 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Positionen sowie ein bedeutender Philosoph des 20. Jahrhunderts 2 SWS Hauptseminar (HS) Dürr
Prüfungsveranstaltungen
SS 2026 7400097 Only Words? Der Linguistic Turn in der Philosophie des frühen 20. Jahrhunderts Bones, Betz
SS 2026 7400099 Raum und Zeit Gutmann, Betz
SS 2026 7400104 Forum Kritische Interdisziplinarität (FKI) Gutmann, Betz, Nick
SS 2026 7400438 Themen aus der Philosophie Augustinus' Betz
SS 2026 7400440 Kritisches Denken und Argumentationsanalyse Bern-KIT Seidel-Saul, Betz
SS 2026 7400464 Wissenschaft und Wissenschaftstheorie Betz, Gutmann, Ludwig
SS 2026 7400484 Beweise, Argumente, Einsichten: Von formalen Systemen zu informeller Logik Betz, Ludwig
SS 2026 7400488 Doing Philosophy with Thought Experiments: Why and How Betz, Mezzadri
SS 2026 7400508 David Humes empirische Philosophie - Grundlagen und Grundthemen Ebner, Betz
SS 2026 7400509 Nietzsche Betz
SS 2026 7400510 Computational Models in Epistemology and Sociology Betz, Mäs
SS 2026 7400562 Philosophie des Geistes Betz, Bones
SS 2026 7400563 Die Idee der Idee oder die Geschichte der Ideengeschichte Betz, Dürr
SS 2026 7400616 Wozu Philosophie? Ein Streifzug durch die europäische Philosophiegeschichte (das 20. Jahrhundert) Betz
WS 26/27 7400161 Nietzsche Betz
WS 26/27 7400357 FKI: Protoplasma Betz, Gutmann, Nick
WS 26/27 7400358 Einführung in die Sprachphilosophie Betz
WS 26/27 7400372 Paradoxes and Rationality Betz, Mezzadri
WS 26/27 7400493 Homo ridens: Vom philosophischen Lachen Betz
WS 26/27 7400508 Forum für Kritische Interdisziplinarität (FKI) Betz, Gutmann, Nick
WS 26/27 7400687 Die Zukunft der Menschheit (+Essaytutorial) Schefczyk, Seidel-Saul
WS 26/27 7400693 Know-how Betz
WS 26/27 7400757 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Position sowie ein bedeutender Philosoph des 20. Jahrhunderts Betz, Dürr
WS 26/27 7400761 Einführung in die Philosophie des Geistes Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Theoretische Philosophie 2.1", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Empfehlungen

Die ausgesprochene Empfehlung, die Veranstaltung im Wintersemester zu besuchen, gilt nur für den durchschnittlichen Regelfall. Abhängig vom konkreten Lehrangebot kann es gute Gründe geben, von ihr abzuweichen.

Teilleistung: Theoretische Philosophie 2.2 [T-GEISTSOZ-101200]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104510 - Theoretische Philosophie II
Voraussetzung für: T-GEISTSOZ-109225 - Modulprüfung Theoretische Philosophie II
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 5012009 Themen aus der Philosophie Augustinus' 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2026 5012020 Doing Philosophy with Thought Experiments: Why and How 2 SWS Hauptseminar (HS) / 🗣 Mezzadri
SS 2026 5012036 Wissenschaft und Wissenschaftstheorie 2 SWS Oberseminar (OS) / 🗣 Ludwig, Gutmann
SS 2026 5012052 Forum für Kritische Interdisziplinarität 2 SWS Hauptseminar (HS) / 🗣 Gutmann, Nick
SS 2026 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
SS 2026 5012070 Beweise, Argumente, Einsichten: Von formalen Systemen zu informeller Logik 2 SWS Oberseminar (OS) / 🗣 Ludwig
SS 2026 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 26/27 5012014 Einführung in die Philosophie des Geistes 2 SWS Hauptseminar (HS)
WS 26/27 5012054 Die Zukunft der Menschheit (+Essaytutorial) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 26/27 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012099 Paradoxes and Rationality 2 SWS Seminar (S) Mezzadri
WS 26/27 5012116 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Positionen sowie ein bedeutender Philosoph des 20. Jahrhunderts 2 SWS Hauptseminar (HS) Dürr
Prüfungsveranstaltungen
SS 2026 7400097 Only Words? Der Linguistic Turn in der Philosophie des frühen 20. Jahrhunderts Bones, Betz
SS 2026 7400099 Raum und Zeit Gutmann, Betz
SS 2026 7400104 Forum Kritische Interdisziplinarität (FKI) Gutmann, Betz, Nick
SS 2026 7400438 Themen aus der Philosophie Augustinus' Betz
SS 2026 7400440 Kritisches Denken und Argumentationsanalyse Bern-KIT Seidel-Saul, Betz
SS 2026 7400464 Wissenschaft und Wissenschaftstheorie Betz, Gutmann, Ludwig
SS 2026 7400484 Beweise, Argumente, Einsichten: Von formalen Systemen zu informeller Logik Betz, Ludwig
SS 2026 7400488 Doing Philosophy with Thought Experiments: Why and How Betz, Mezzadri
SS 2026 7400508 David Humes empirische Philosophie - Grundlagen und Grundthemen Ebner, Betz
SS 2026 7400509 Nietzsche Betz
SS 2026 7400510 Computational Models in Epistemology and Sociology Betz, Mäs
SS 2026 7400562 Philosophie des Geistes Betz, Bones
SS 2026 7400563 Die Idee der Idee oder die Geschichte der Ideengeschichte Betz, Dürr
SS 2026 7400616 Wozu Philosophie? Ein Streifzug durch die europäische Philosophiegeschichte (das 20. Jahrhundert) Betz
WS 26/27 7400161 Nietzsche Betz
WS 26/27 7400357 FKI: Protoplasma Betz, Gutmann, Nick
WS 26/27 7400358 Einführung in die Sprachphilosophie Betz
WS 26/27 7400372 Paradoxes and Rationality Betz, Mezzadri
WS 26/27 7400493 Homo ridens: Vom philosophischen Lachen Betz
WS 26/27 7400508 Forum für Kritische Interdisziplinarität (FKI) Betz, Gutmann, Nick
WS 26/27 7400687 Die Zukunft der Menschheit (+Essaytutorial) Schefczyk, Seidel-Saul
WS 26/27 7400693 Know-how Betz
WS 26/27 7400757 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Position sowie ein bedeutender Philosoph des 20. Jahrhunderts Betz, Dürr
WS 26/27 7400761 Einführung in die Philosophie des Geistes Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Theoretische Philosophie 2.2", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Teilleistung: Theoretische Philosophie 2.3 [T-GEISTSOZ-101201]

Verantwortung:
Prof. Dr. Gregor Betz
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-104510 - Theoretische Philosophie II
Voraussetzung für: T-GEISTSOZ-109225 - Modulprüfung Theoretische Philosophie II
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Semester
Version
2
Lehrveranstaltungen
SS 2026 5012009 Themen aus der Philosophie Augustinus' 2 SWS Hauptseminar (HS) / 🗣 Schmitz
SS 2026 5012020 Doing Philosophy with Thought Experiments: Why and How 2 SWS Hauptseminar (HS) / 🗣 Mezzadri
SS 2026 5012036 Wissenschaft und Wissenschaftstheorie 2 SWS Oberseminar (OS) / 🗣 Ludwig, Gutmann
SS 2026 5012052 Forum für Kritische Interdisziplinarität 2 SWS Hauptseminar (HS) / 🗣 Gutmann, Nick
SS 2026 5012062 Blockseminar Kritisches Denken und Argumentationsanalyse Bern-KIT 2 SWS Hauptseminar (HS) / 🗣 Betz, Seidel-Saul, Brun
SS 2026 5012070 Beweise, Argumente, Einsichten: Von formalen Systemen zu informeller Logik 2 SWS Oberseminar (OS) / 🗣 Ludwig
SS 2026 5012072 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012011 Forum für kritische Interdisziplinarität (FKI) 2 SWS Oberseminar (OS) / 🗣 Gutmann, Nick
WS 26/27 5012014 Einführung in die Philosophie des Geistes 2 SWS Hauptseminar (HS)
WS 26/27 5012054 Die Zukunft der Menschheit (+Essaytutorial) 2 SWS Hauptseminar (HS) / 🗣 Seidel-Saul
WS 26/27 5012060 Nietzsche 2 SWS Hauptseminar (HS) / 🗣 Ommeln
WS 26/27 5012066 Wissenschaftstheorie 2 SWS Hauptseminar (HS) / 🗣 Schefczyk
WS 26/27 5012099 Paradoxes and Rationality 2 SWS Seminar (S) Mezzadri
WS 26/27 5012116 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Positionen sowie ein bedeutender Philosoph des 20. Jahrhunderts 2 SWS Hauptseminar (HS) Dürr
Prüfungsveranstaltungen
SS 2026 7400097 Only Words? Der Linguistic Turn in der Philosophie des frühen 20. Jahrhunderts Bones, Betz
SS 2026 7400099 Raum und Zeit Gutmann, Betz
SS 2026 7400104 Forum Kritische Interdisziplinarität (FKI) Gutmann, Betz, Nick
SS 2026 7400438 Themen aus der Philosophie Augustinus' Betz
SS 2026 7400440 Kritisches Denken und Argumentationsanalyse Bern-KIT Seidel-Saul, Betz
SS 2026 7400464 Wissenschaft und Wissenschaftstheorie Betz, Gutmann, Ludwig
SS 2026 7400484 Beweise, Argumente, Einsichten: Von formalen Systemen zu informeller Logik Betz, Ludwig
SS 2026 7400488 Doing Philosophy with Thought Experiments: Why and How Betz, Mezzadri
SS 2026 7400508 David Humes empirische Philosophie - Grundlagen und Grundthemen Ebner, Betz
SS 2026 7400509 Nietzsche Betz
SS 2026 7400510 Computational Models in Epistemology and Sociology Betz, Mäs
SS 2026 7400562 Philosophie des Geistes Betz, Bones
SS 2026 7400563 Die Idee der Idee oder die Geschichte der Ideengeschichte Betz, Dürr
SS 2026 7400616 Wozu Philosophie? Ein Streifzug durch die europäische Philosophiegeschichte (das 20. Jahrhundert) Betz
WS 26/27 7400161 Nietzsche Betz
WS 26/27 7400357 FKI: Protoplasma Betz, Gutmann, Nick
WS 26/27 7400358 Einführung in die Sprachphilosophie Betz
WS 26/27 7400372 Paradoxes and Rationality Betz, Mezzadri
WS 26/27 7400493 Homo ridens: Vom philosophischen Lachen Betz
WS 26/27 7400508 Forum für Kritische Interdisziplinarität (FKI) Betz, Gutmann, Nick
WS 26/27 7400687 Die Zukunft der Menschheit (+Essaytutorial) Schefczyk, Seidel-Saul
WS 26/27 7400693 Know-how Betz
WS 26/27 7400757 Rationalismus und Empirismus exemplifiziert durch zwei Vertreter der jeweiligen Position sowie ein bedeutender Philosoph des 20. Jahrhunderts Betz, Dürr
WS 26/27 7400761 Einführung in die Philosophie des Geistes Betz
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle besteht in der erfolgreichen Teilnahme an einem Hauptseminar "Theoretische Philosophie 2.3", d.h. im Bestehen der in der Veranstaltung geforderten Leistungen, die in Form von Hausaufgaben oder Referaten zu erbringen sind.

Voraussetzungen

keine

Teilleistung: Theory of Satisfiability Algorithms [T-INFO-114982]

Verantwortung:
Prof. Dr.-Ing. Marvin Künnemann-Goos
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107639 - Theory of Satisfiability Algorithms
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2400077 Theory of Satisfiability Algorithms 2 SWS Vorlesung / Übung (VÜ) / 🗣 Künnemann-Goos
Prüfungsveranstaltungen
SS 2026 7500410 Theory of Satisfiability Algorithms Künnemann-Goos
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting approx. 20-30 minutes. 

Voraussetzungen

None.

Empfehlungen

Basic knowledge of algorithms and data structures (e.g., Algorithms 1) and theoretical computer science (e.g., TGI) is assumed.
 
Basic knowledge in the analysis of randomized algorithms may be helpful (e.g., Probability and Computing), but is not a strict requirement.

Teilleistung: Tools für Probabilistisches Machine Learning [T-INFO-113763]

Verantwortung:
Dr.-Ing. Daniel Frisch
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106870 - Tools für Probabilistisches Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400215 Tools für Probabilistisches Machine Learning 3 SWS Vorlesung / Übung (VÜ) / 🧩 Frisch
Prüfungsveranstaltungen
SS 2026 7500487 Tools für Probabilistisches Machine Learning Hanebeck
WS 26/27 7500093 Tools für Probabilistisches Machine Learning Hanebeck
WS 26/27 7500386 Tools für Probabilistisches Machine Learning Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Teilleistung: Tools für Probabilistisches Machine Learning - Übungsschein [T-INFO-113764]

Verantwortung:
Dr.-Ing. Daniel Frisch
Prof. Dr.-Ing. Uwe Hanebeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-106870 - Tools für Probabilistisches Machine Learning
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
0 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400215 Tools für Probabilistisches Machine Learning 3 SWS Vorlesung / Übung (VÜ) / 🧩 Frisch
Prüfungsveranstaltungen
SS 2026 7500488 Tools für Probabilistisches Machine Learning - Übungsschein Hanebeck
WS 26/27 7500096 Tools für Probabilistisches Machine Learning - Übungsschein Hanebeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Außerdem müssen mindestens 85% der digitalen Übungsaufgaben korrekt gelöst werden. Dies kann jederzeit durchgeführt und beliebig oft wiederholt werden. Es handelt sich um eine Studienleistung nach § 4 Abs. 3 SPO.

Voraussetzungen

Keine.

Empfehlungen

Kenntnisse einer höheren Programmiersprache mit ausgereiften Bibliotheken zum wissenschaftlich-numerischen Rechnen (z.B. Julia, Matlab, Python) sind von Vorteil.

Teilleistung: Topics in Stochastic Optimization [T-WIWI-112109]

Verantwortung:
Prof. Dr. Steffen Rebennack
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101473 - Mathematische Optimierung
M-WIWI-102832 - Operations Research im Supply Chain Management
M-WIWI-103289 - Stochastische Optimierung
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Erfolgskontrolle(n)

Students will be given problem sets on which they work in groups. The problem sets will involve the implementation of the models presented in the course, and exploring features of these models. The groups will present their findings in front of the class. The grading will be based on the presentation. 

Empfehlungen

A solid understanding of Stochastic Optimization and/or Optimization under Uncertainty as well as optimization in general is highly recommended, since we will heavily build upon basics of these areas. 

Anmerkungen

Lehr- und Lernform: Vorlesung und Übung

Arbeitsaufwand
135 Std.

Teilleistung: Transformationsprozesse in komplexen Systemen am Beispiel von KI und Gesundheit [T-WIWI-115243]

Verantwortung:
Dr. Johannes Kent Walter
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2500053 Transformationsprozesse in komplexen Systemen am Beispiel von KI und Gesundheit 2 SWS Seminar (S) / 🗣 Walter
Prüfungsveranstaltungen
WS 26/27 7900039 Transformationsprozesse in komplexen Systemen am Beispiel von KI und Gesundheit
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle der Lehrveranstaltung erfolgt als Prüfungsleistung anderer Art in Form einer gesamtbewerteten Einzelleistung. Die Prüfungsleistung besteht aus einer Seminararbeit sowie einer Präsentation im Team. Gruppenarbeiten sind möglich; bei gemeinsamer Seminararbeit werden die jeweiligen Beiträge der Autorinnen und Autoren kenntlich gemacht. Alle Gruppenmitglieder leisten einen aktiven Beitrag zur Präsentation und Diskussion.

Die Bewertung erfolgt über ein Punktesystem, in das die Teilleistungen wie folgt einfließen:

Die Gesamtnote wird aus der erreichten Gesamtpunktzahl gebildet. Details zum Bewertungsschema und zur Ausgestaltung der Erfolgskontrolle werden im Rahmen der Lehrveranstaltung bekannt gegeben.

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement wird empfohlen.

Arbeitsaufwand
90 Std.

Teilleistung: Tropical Meteorology [T-PHYS-111411]

Verantwortung:
Prof. Dr. Peter Knippertz
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
3
Lehrveranstaltungen
WS 26/27 4052111 Tropical Meteorology 2 SWS Vorlesung (V) / 🧩 Knippertz
WS 26/27 4052112 Exercises to Tropical Meteorology 1 SWS Übung (Ü) / 🧩 Knippertz, Haupt, Yu, Yeung
Prüfungsveranstaltungen
WS 26/27 7800085 Tropical Meteorology (Prerequisite) Fink
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Students must achieve 50% of the points on the exercise sheets.

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Turbulent Diffusion [T-PHYS-111427]

Verantwortung:
Prof. Dr. Corinna Hoose
Dr. Gholamali Hoshyaripour
Einrichtung: KIT-Fakultät für Physik
Bestandteil von: M-PHYS-104577 - Selected Topics in Meteorology (Second Major, graded)
Voraussetzung für: T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
T-PHYS-109380 - Exam on Selected Topics in Meteorology (Second Major)
Teilleistungsart
Studienleistung
Leistungspunkte
3 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Version
3
Lehrveranstaltungen
SS 2026 4052081 Turbulent Diffusion 2 SWS Vorlesung (V) / 🗣 Hoshyaripour, Hoose
SS 2026 4052082 Exercises to Turbulent Diffusion 1 SWS Übung (Ü) / 🗣 Hoshyaripour, Hoose
Prüfungsveranstaltungen
SS 2026 7800019 Turbulent Diffusion (Prerequisite) Ginete Werner Pinto
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

There are 7 exercises with 100 points in total.

To pass the prerequisite students must:

Voraussetzungen

None

Empfehlungen

None

Anmerkungen

None

Arbeitsaufwand
90 Std.

Teilleistung: Type Systems and Program Analysis [T-INFO-115016]

Verantwortung:
Prof. Dr. Sebastian Erdweg
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107664 - Type Systems and Program Analysis
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 2400188 Type Systems and Static Program Analysis 2 SWS Vorlesung (V) / 🧩 Erdweg, Lego, Greule
SS 2026 2400192 Übungen zur Vorlesung zu Type Systems and Static Program Analysis 2 SWS Übung (Ü) / 🧩 Erdweg, Lego, Greule
Prüfungsveranstaltungen
SS 2026 7500304 Type Systems and Program Analysis Erdweg
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 120 minutes. 

Voraussetzungen

None.

Empfehlungen

Knowledge of programming semantics is helpful but not required.
Knowledge of logic inference systems is helpful but not required. 

Teilleistung: Ubiquitous Computing [T-INFO-114188]

Verantwortung:
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107161 - Ubiquitous Computing
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2424146 Ubiquitous Computing Vorlesung / Übung (VÜ) Beigl
Prüfungsveranstaltungen
SS 2026 7500368 Ubiquitous Computing Beigl
WS 26/27 7500342_06.02.2026 Ubiquitous Computing Beigl
WS 26/27 7500367_07.11.2025 Ubiquitous Computing Beigl
WS 26/27 7500372_05.02.2026 Ubiquitous Computing Beigl
Erfolgskontrolle(n)

The assessment is carried out as an oral examination (§ 4 Abs. 2 Nr. 2 SPO) lasting 20 minutes.

Voraussetzungen

None.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101326 - Ubiquitäre Informationstechnologien darf nicht begonnen worden sein.

Teilleistung: Übung Sozialstrukturanalyse [T-GEISTSOZ-106572]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 5011007 Sozialstrukturanalyse 2 SWS Übung (Ü) / 🖥 Nollmann
Prüfungsveranstaltungen
WS 26/27 7400123 Übung Sozialstrukturanalyse Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Studienleistung ist bestanden, wenn drei Aufgabenblätter mit der Bewertung bestanden abgelegt wurden.

Voraussetzungen

Keine.

Teilleistung: Übungen zu Einführung in die Finite-Elemente-Methode [T-MACH-110330]

Verantwortung:
Prof. Dr.-Ing. Thomas Böhlke
Dr.-Ing. Tom-Alexander Langhoff
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Technische Mechanik
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Voraussetzung für: T-MACH-105320 - Einführung in die Finite-Elemente-Methode
Teilleistungsart
Studienleistung
Leistungspunkte
1 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2162257 Übungen zu Einführung in die Finite-Elemente-Methode 1 SWS Übung (Ü) / 🗣 Klein, Langhoff, Böhlke
Prüfungsveranstaltungen
SS 2026 76-T-MACH-110330 Übungen zu Einführung in die Finite-Elemente-Methode Böhlke, Langhoff
WS 26/27 76-T-MACH-110330 Übungen zu Einführung in die Finite-Elemente-Methode Böhlke, Langhoff
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Erfolgreiche Bearbeitung von Übungsblättern. Details dazu werden in der ersten Vorlesung "Einführung in die Finite-Elemente-Methode" bekanntgegeben.

Empfehlungen

Kenntnisse aus der Vorlesung "Rechnergestützte Kontinuumsmechanik" und der begleitenden Übungsveranstaltung werden vorausgesetzt.

Anmerkungen

Die zugehörige Lehrveranstaltung wird in deutscher Sprache angeboten.

Arbeitsaufwand 30 Stunden

Präsenzstudium 15 Stunden

Selbststudium 15 Stunden

Arbeitsaufwand
30 Std.

Teilleistung: Übungsaufgabe Verkehrsdatenauswertung [T-BGU-113971]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Voraussetzung für: T-BGU-101799 - Verkehrsmanagement und Telematik
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Sommersemester
Dauer
1 Sem.
Version
1
Lehrveranstaltungen
SS 2026 6232802 Verkehrsmanagement und Telematik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch
Prüfungsveranstaltungen
SS 2026 8245113971 Übungsaufgabe Verkehrsdatenauswertung Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Programmieraufgabe mit Python

Voraussetzungen

keine

Empfehlungen

keine

Anmerkungen

keine

Arbeitsaufwand
10 Std.

Teilleistung: Urheberrecht [T-INFO-101308]

Verantwortung:
N.N.
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101215 - Recht des geistigen Eigentums
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 24121 Urheberrecht 2 SWS Vorlesung (V) / 🗣 Sattler
Prüfungsveranstaltungen
SS 2026 7500064 Urheberrecht Sattler
WS 26/27 7500064 Urheberrecht Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

Keine.

Empfehlungen

Keine

Teilleistung: User Studies in Human-Robot Interaction [T-INFO-115244]

Verantwortung:
TT-Prof. Dr. Barbara Bruno
Dr.-Ing. Caterina Neef
Utku Norman
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107834 - User Studies in Human-Robot Interaction
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
6 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Dauer
1 Sem.
Version
1
Erfolgskontrolle(n)

The assessment is carried out as an examination of another type (§ 4 Abs. 2 No. 3 SPO) in the form of a supervised, project‑based empirical user study in Human-Robot Interaction, covering study design, execution, analysis, and reflection. 
 
The final grade is based on a written research-oriented report in conference paper format and an oral presentation.
 
The completion of intermediate project milestones during the semester is required as a prerequisite for admission to the final assessment.
The project‑based assessment counts for 100% of the final grade. 
 
The assessment can only be repeated once.
 
Students may withdraw from the examination during the first four weeks after they have been assigned their chosen project topic.

Voraussetzungen

None.

Empfehlungen

Participation in the lecture “HRI and Social Robotics” or similar introductory courses is recommended but not required. Familiarization with the lecture content is recommended if the course has not been attended.

Anmerkungen

Attendance is mandatory, as active participation in discussions, group work, and presentations is required.

Teilleistung: Valuation [T-WIWI-102621]

Verantwortung:
Prof. Dr. Martin Ruckes
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101482 - Finance 1
M-WIWI-101483 - Finance 2
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2530212 Valuation 2 SWS Vorlesung (V) / 🗣 Ruckes, Kohl, Sarac
WS 26/27 2530213 Übungen zu Valuation 1 SWS Übung (Ü) / 🗣 Ruckes, Kohl, Sarac
Prüfungsveranstaltungen
SS 2026 7900072 Valuation Ruckes
SS 2026 7900334 Valuation (intern) Ruckes
WS 26/27 7900057 Valuation Ruckes
WS 26/27 7900282 Valuation (intern) Ruckes
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen 60min. Prüfung in der vorlesungsfreien Zeit des Semesters (nach §4(2), 1 SPO).
Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden.

Voraussetzungen

Keine

Empfehlungen

Keine

Teilleistung: Verkehrsmanagement und Telematik [T-BGU-101799]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-106811 - Verkehrswesen für Informatik - Vertiefung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
1 Sem.
Version
2
Lehrveranstaltungen
SS 2026 6232802 Verkehrsmanagement und Telematik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch
Prüfungsveranstaltungen
SS 2026 8240101799 Verkehrsmanagement und Telematik Vortisch
WS 26/27 8240101799 Verkehrsmanagement und Telematik Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

mündiche Prüfung, ca. 20 min.

Voraussetzungen

Übungsaufgabe Verkehrsdatenauswertung muss bestanden sein

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-BGU-113971 - Übungsaufgabe Verkehrsdatenauswertung muss erfolgreich abgeschlossen worden sein.
Empfehlungen

Keine

Anmerkungen

Keine

Arbeitsaufwand
90 Std.

Teilleistung: Verkehrswesen für Informatik I [T-BGU-105938]

Verantwortung:
Prof. Dr.-Ing. Peter Vortisch
Einrichtung: KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften
Bestandteil von: M-BGU-102963 - Verkehrswesen für Informatik I
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Turnus
Jedes Semester
Dauer
2 Sem.
Version
1
Lehrveranstaltungen
SS 2026 6232804 Simulation von Verkehr 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
WS 26/27 6232701 Berechnungsverfahren und Modelle in der Verkehrsplanung 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
WS 26/27 6232703 Straßenverkehrstechnik 2 SWS Vorlesung / Übung (VÜ) / 🗣 Vortisch, Mitarbeiter/innen
Prüfungsveranstaltungen
SS 2026 8240105938 Verkehrswesen für Informatik I Vortisch
SS 2026 82401059381 Verkehrswesen für Informatik I Vortisch
WS 26/27 8240105938 Verkehrswesen für Informatik I Vortisch
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung mit ca. 30 Minuten

Voraussetzungen

Keine

Empfehlungen

Keine

Anmerkungen

Keine

Arbeitsaufwand
270 Std.

Teilleistung: Verteilte ereignisdiskrete Systeme [T-ETIT-100960]

Verantwortung:
Prof. Dr.-Ing. Michael Heizmann
Einrichtung: KIT-Fakultät für Elektrotechnik und Informationstechnik
Bestandteil von: M-ETIT-100361 - Verteilte ereignisdiskrete Systeme
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2302106 Verteilte ereignisdiskrete Systeme 2 SWS Vorlesung (V) / 🧩 Heizmann, Baßler
SS 2026 2302108 Übungen zu 2302106 Verteilte ereignisdiskrete Systeme 1 SWS Übung (Ü) / 🗣 Baßler
Prüfungsveranstaltungen
SS 2026 7302106 Verteilte ereignisdiskrete Systeme Heizmann
WS 26/27 7302106 Verteilte ereignisdiskrete Systeme Heizmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung im Umfang von 120 Minuten.

Voraussetzungen

keine

Empfehlungen

Kenntnis zu Wahrscheinlichkeiten und Messtechnik (z.B. aus dem Bachelor-Modul „Mess- und Regelungstechnik“) sowie zur Systemtheorie (z.B. aus dem Bachelor-Modul „Signale und Systeme“) sind hilfreich.

Teilleistung: Vertragsgestaltung im IT-Bereich [T-INFO-102036]

Verantwortung:
Dr. Michael Menk
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-101216 - Recht der Wirtschaftsunternehmen
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
2
Lehrveranstaltungen
WS 26/27 2411604 Vertragsgestaltung im IT-Bereich 2 SWS Vorlesung (V) / 🗙 Menk
Prüfungsveranstaltungen
SS 2026 7500066 Vertragsgestaltung im IT-Bereich Sattler
WS 26/27 7500065 Vertragsgestaltung im IT-Bereich Sattler
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur im Umfang von i.d.R. 60 Minuten) nach §4, Abs. 2, 1 SPO.

Voraussetzungen

Keine

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-101316 - Vertragsgestaltung darf nicht begonnen worden sein.
Empfehlungen

Keine

Teilleistung: Virtuelle Systeme [T-INFO-101612]

Verantwortung:
Prof. Dr.-Ing. Frank Bellosa
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100867 - Virtuelle Systeme
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 2400028 Virtuelle Systeme wieder ab WS 27/28 2 SWS Vorlesung (V) / 🗣 Bellosa
Prüfungsveranstaltungen
SS 2026 7500189 Virtuelle Systeme Bellosa
WS 26/27 7500028 Virtuelle Systeme Bellosa
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Die Teilnehmerzahl ist begrenzt. Die Anwesenheit ist verpflichtend. Alle Teilnehmer müssen an Diskussionen aktiv teilnehmen und durch mehrere Kurzvorträge aktiv beitragen.

Anmerkungen

Findet im WS 26/27 nicht statt.

Teilleistung: Visualisierung [T-INFO-101275]

Verantwortung:
Prof. Dr.-Ing. Carsten Dachsbacher
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100738 - Visualisierung
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400175 Visualisierung 2 SWS Vorlesung (V) / 🗣 Dachsbacher
Prüfungsveranstaltungen
SS 2026 7500193 Visualisierung Dachsbacher
WS 26/27 7500563 Visualisierung Dachsbacher
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung über die Vorlesung im Umfang von i.d.R. 25 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Voraussetzungen

Keine.

Empfehlungen

Vorkenntnisse aus der Vorlesung „Computergraphik“ (24081) werden vorausgesetzt.

Teilleistung: Vorhersagen: Theorie und Praxis [T-MATH-105928]

Verantwortung:
Prof. Dr. Tilmann Gneiting
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102956 - Vorhersagen: Theorie und Praxis
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
9 LP
Notenskala
Drittelnoten
Version
2
Lehrveranstaltungen
SS 2026 0178000 Forecasting: Theory and Practice II 2 SWS Vorlesung (V) Gneiting
SS 2026 0178010 Tutorial for 0178010 (Forecasting: Theory and Practice II) 1 SWS Übung (Ü) Gneiting
WS 26/27 0123100 Forecasting: Theory and Practice 2 SWS Vorlesung (V) Gneiting
WS 26/27 0123110 Tutorial for 0123100 (Forecasting: Theory and Practice) 2 SWS Übung (Ü) Gneiting
Prüfungsveranstaltungen
SS 2026 7700010 Vorhersagen: Theorie und Praxis Gneiting
Voraussetzungen

Keine.

Teilleistung: Vorlesung Sozialstrukturanalyse [T-GEISTSOZ-106573]

Verantwortung:
Prof. Dr. Gerd Nollmann
Einrichtung: KIT-Fakultät für Geistes- und Sozialwissenschaften
Bestandteil von: M-GEISTSOZ-103737 - Empirische Sozialforschung
Teilleistungsart
Studienleistung
Leistungspunkte
0 LP
Notenskala
best./nicht best.
Turnus
Jedes Wintersemester
Version
1
Lehrveranstaltungen
WS 26/27 5011004 Sozialstrukturanalyse 2 SWS Vorlesung (V) / 🖥 Nollmann
Prüfungsveranstaltungen
WS 26/27 7400120 Vorlesung Sozialstrukturanalyse Nollmann
WS 26/27 7400279 Sozialstrukturanalyse moderner Gesellschaften Nollmann
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Voraussetzungen

Keine.

Teilleistung: Wärmewirtschaft [T-WIWI-102695]

Verantwortung:
Prof. Dr. Wolf Fichtner
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101452 - Energiewirtschaft und Technologie
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
3,5 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2581001 Wärmewirtschaft 2 SWS Vorlesung (V) / 🗣 Fichtner
Prüfungsveranstaltungen
SS 2026 7981001 Wärmewirtschaft Fichtner
WS 26/27 7981001 Wärmewirtschaft Fichtner
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer schriftlichen (60 Minuten) oder mündlichen Prüfung (30 Minuten) (nach SPO § 4(2)). Die Prüfung wird in jedem Semester angeboten und kann zu jedem ordentlichen Prüfungstermin wiederholt werden. 

Voraussetzungen

Keine.

Empfehlungen

Keine

Anmerkungen

Zum Ende der Lehrveranstaltung findet ein Laborpraktikum statt.

Teilleistung: Wearable Robotic Technologies [T-INFO-114145]

Verantwortung:
Prof. Dr.-Ing. Tamim Asfour
Prof. Dr.-Ing. Michael Beigl
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-107113 - Wearable Robotic Technologies
Teilleistungsart
Prüfungsleistung schriftlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 2400062 Wearable Robotic Technologies 2 SWS Vorlesung (V) / 🗣 Asfour, Beigl
SS 2026 5016643 BUT - Anziehbare Robotertechnologien Vorlesung (V) / 🗣 Asfour
Prüfungsveranstaltungen
SS 2026 7500219 Wearable Robotic Technologies Asfour, Beigl
WS 26/27 7500073 Wearable Robotic Technologies Asfour
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

The assessment is carried out as a written examination (§ 4 Abs. 2 No. 1 SPO) lasting 60 minutes.

Modellierte Voraussetzungen
Es müssen die folgenden Bedingungen erfüllt werden:
  1. Die Teilleistung T-INFO-106557 - Anziehbare Robotertechnologien darf nicht begonnen worden sein.

Teilleistung: Web-Anwendungen und Serviceorientierte Architekturen (II) [T-INFO-101271]

Verantwortung:
Prof. Dr. Sebastian Abeck
Einrichtung: KIT-Fakultät für Informatik
Bestandteil von: M-INFO-100734 - Web-Anwendungen und Serviceorientierte Architekturen (II)
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
1
Lehrveranstaltungen
SS 2026 24677 Web-Anwendungen und Serviceorientierte Architekturen (II) 2 SWS Vorlesung (V) / 🗣 Abeck, Schneider, Throner
Prüfungsveranstaltungen
SS 2026 7500138 Web-Anwendungen und Serviceorientierte Architekturen (II) Abeck
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt in Form einer mündlichen Prüfung im Umfang von i.d.R. 20 Minuten nach § 4 Abs. 2 Nr. 2 SPO.

Die Zulassung zur Prüfung erfolgt nur bei nachgewiesener Mitarbeit an den in der Vorlesung gestellten praktischen Aufgaben.

Voraussetzungen

Keine

Teilleistung: Werkstoffmodellierung: versetzungsbasierte Plastizität [T-MACH-105369]

Verantwortung:
Dr. Daniel Weygand
Einrichtung: KIT-Fakultät für Maschinenbau
KIT-Fakultät für Maschinenbau/Institut für Angewandte Materialien/Computational Materials Science
Bestandteil von: M-INFO-104200 - Materialwissenschaften für dataintensives Rechnen
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
4 LP
Notenskala
Drittelnoten
Turnus
Jedes Sommersemester
Version
2
Lehrveranstaltungen
SS 2026 2182740 Werkstoffmodellierung: versetzungsbasierte Plastizität 2 SWS Vorlesung (V) / 🗣 Weygand
Prüfungsveranstaltungen
SS 2026 76-T-MACH-105369 Werkstoffmodellierung: versetzungsbasierte Plastizität Weygand
WS 26/27 76-T-MACH-105369 Werkstoffmodellierung: versetzungsbasierte Plastizität Weygand
WS 26/27 76-T-MACH-105369_WS Werkstoffmodellierung: versetzungsbasierte Plastizität Weygand
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Mündliche Prüfung ca. 30 Minuten

Voraussetzungen

keine

Empfehlungen

Vorkenntnisse in Mathematik, Physik und Werkstoffkunde

Anmerkungen

Die Lehrveranstaltung wird in deutscher Sprache angeboten.

Arbeitsaufwand
120 Std.

Teilleistung: Wissenschaftskommunikation im Innovationsprozess [T-WIWI-114748]

Verantwortung:
Dr. Mara Schwind
Einrichtung: KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von: M-WIWI-101507 - Innovationsmanagement
M-WIWI-101507 - Innovationsmanagement
Teilleistungsart
Prüfungsleistung anderer Art
Leistungspunkte
3 LP
Notenskala
Drittelnoten
Turnus
Unregelmäßig
Version
1
Lehrveranstaltungen
WS 26/27 2500055 Wissenschaftskommunikation im Innovationsprozess 2 SWS Seminar (S) / 🗣 Schwind, Weissenberger-Eibl, Schwind
Legende: 🖥 Online, 🧩 Präsenz/Online gemischt, 🗣 Präsenz, 🗙 Abgesagt
Erfolgskontrolle(n)

Die Erfolgskontrolle erfolgt als Prüfungsleistung anderer Art und besteht aus folgenden gewichteten Komponenten:

Details werden zu Beginn der Veranstaltung bekannt gegeben. 

Voraussetzungen

Keine

Empfehlungen

Der vorherige Besuch der Vorlesung Innovationsmanagement [2545015] wird empfohlen.

Anmerkungen

Lehr- und Lernform: Seminar

Arbeitsaufwand
90 Std.

Teilleistung: Zeitreihenanalyse [T-MATH-105874]

Verantwortung:
Dr. rer. nat. Bruno Ebner
Prof. Dr. Vicky Fasen-Hartmann
Prof. Dr. Tilmann Gneiting
PD Dr. Bernhard Klar
Prof. Dr. Mathias Trabs
Einrichtung: KIT-Fakultät für Mathematik
Bestandteil von: M-MATH-102911 - Zeitreihenanalyse
Teilleistungsart
Prüfungsleistung mündlich
Leistungspunkte
5 LP
Notenskala
Drittelnoten
Version
4
Lehrveranstaltungen
SS 2026 0161100 Time Series Analysis 2 SWS Vorlesung (V) Gneiting
SS 2026 0161110 Tutorial for 0161100 (Time Series Analysis) 1 SWS Übung (Ü) Gneiting
Prüfungsveranstaltungen
SS 2026 7700017 Zeitreihenanalyse Klar
SS 2026 7700094 Zeitreihenanalyse Gneiting
Erfolgskontrolle(n)

Mündliche Prüfung im Umfang von ca. 20 Minuten.

Voraussetzungen

Das Modul kann nicht zusammen mit der Lehrveranstaltung Financial Econometrics [T-WIWI-103064] geprüft werden.

Arbeitsaufwand
120 Std.