Industrial Informatics & Robotics (Master)

Curriculum

Industrial Informatics & Robotics

LehrveranstaltungSWSECTSTYP

Agiles Projektmanagement

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1APMIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	1
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Agiles Management und Steuerung von Projekten und Prozessen; Vorgehensmodelle bei der Softwareentwicklung (vgl. Scrum, KANBAN); Agile Grundprinzipien und Werte (value driven delivery, minimal viable product, self organizing teams, simple & focused communication); Vorgehensmodelle zur Entscheidungsfindung; Digitalisierung & Agilität ¿ Interdependenzen; Entwicklungsstufen zu einer agilen Organisation; Kennenlernen von verschiedenen Templates, Tools und Methoden, die ein agiles Vorgehen in Projekten unterstützen. Abgrenzung zum klassischen Projektmanagement. Verifizierung der Stärken und Schwächen der eingesetzten Tools je nach IT-Einsatzbereich.

Lernergebnis:

Basierend auf der Kenntnis von Zielen und theoretischen Grundlagen des agilen Projektmanagements implementieren Absolvent*innen eigene Projekte unter Verwendung der entsprechenden Tools und Methoden und reflektieren kritisch, wie agile Herangehensweisen sich auf die Umsetzung auswirken.

Übergeordnetes Modul:

Management

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Digital Signal Processing 1

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1DSPIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	3
ECTS-Punkte	5
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Grundlagen kontinuierlicher Signale und Systeme, Theorie diskreter Signale und Systeme, Diskrete Fouriertransformation, FFT, Leistungsdichtespektrum, Diskrete Faltung und Korrelation, schnelle Varianten mit FFT, Berechnungen in der z-Ebene, z-Übertragungsfunktion, Stabilität und Frequenzgang diskreter Systeme, Diskretisierung kontinuierlicher Systeme (Bilineare Transformation, Impuls-invariante Transformation), Digitale Filter, Prinzip von FIR- und IIR-Filtern, FIRFiltertypen, FIR-Filterdesign, schnelle FIR-Filter mit FFT, Frequenztransformationen, Simulation von Signalverarbeitungsalgorithmen und Implementierung diskreter Systeme in einer Laborumgebung (e.g. Matlab, Python, C).

Lernergebnis:

Die Absolvent*innen verstehen die mathematischen Konzepte für die Beschreibung kontinuierlicher und diskreter Signale und Systeme und kennen die Beziehungen zwischen Zeit- und Frequenzbereich. Sie sind vertraut mit den Grundlagen der Abtastung und können grundlegende Transformationen (Fourier, Laplace, z) anwenden. Sie verstehen die Basis-Algorithmen wie FFT, diskrete Faltung und Korrelation. Sie können kontinuierliche Systeme in diskrete transformieren und verstehen die dabei auftretenden Einschränkungen. Sie verfügen über ein fundiertes Wissen im Design und in der Implementierung digitaler FIR-Filter und verstehen ihre Anwendungsmöglichkeiten. Sie haben Erfahrung in der Simulation von DSP-Algorithmen in einer Laborumgebung und können diskrete Systeme mit Hilfe von Simulationssoftware und mit Hilfe von Low-level-Programmiersprachen implementieren.

Übergeordnetes Modul:

Mechatronik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Discussion & Argumentation Skills

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1DASIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	1
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Argumentations-, Verhandlungs- und Diskussionstechniken, Einsatz entsprechender Phrasen und rhetorischer Mittel, praktische Beispiele und Rollenspiele.

Lernergebnis:

Die Absolvent*innen können ein Thema auf Englisch klar und verständlich präsentieren. Sie sind befähigt, Argumente logisch und stringent aufzubauen und auf Fragen und Gegenargumente sprachlich kompetent einzugehen.

Übergeordnetes Modul:

Sozialkompetenz, Kommunikation & Ethik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

IT- & Security-Management

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1ITMIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

IT-Management & Enterprise Architecture; Erstellung und Nutzung der Informationstechnik, Planung und Steuerung der IT (= IT-Strategien), Interaktion zwischen IT und Fachabteilungen (z.B. Marketing, Controlling, Finanzen); TCO-Analyse; einschlägige Normen und Frameworks wie ISO17799 und ISO20000, Change Management, Problemmanagement (helpdesk), Sicherheitsmanagement, Life-Cycle-Management, Desaster-Recovery Maßnahmen; Hybrid-Distributed Cloud & Cloud Operations; Automation in Software Development (DevSecOps). IT-Security Organization, Governance, Risk-Complience; Einordnung IT-Security, nationale und internationale Information Security Standards und Frameworks (z.B. ISO27000, IT Grundschutz), Cyber Security Strategien, Security-Life-Cycle, Security Policies / Standards / Guidelines / Procedures, Ethical Hacking und Penetration Testing, IT und Malware Forensics, Incident Handling und Computer Emergency Response Team (CERT), Rechtsgrundlagen und juristische Besonderheiten u.a. aus dem Telekommunikationsgesetz und Datenschutzrecht.

Lernergebnis:

Die Absolvent*innen verfügen über das notwendige Wissen, um die IT in einem Unternehmen erfolgreich zu gestalten und zu managen. Als künftige IT & Security Manager*innen verstehen sie das betreffende betriebliche, rechtliche und soziale Umfeld und beherrschen den Aufbau, das Management (Rollen/Zugriffsrechte) einer IT-Infrastruktur, um u.a. auch der EU-Datenschutzverordnung gerecht zu werden. Sie haben die Fähigkeit, die IT auf die Unternehmensorganisation und Bedürfnisse auszurichten und verstehen die IT als Teil der betrieblichen Prozesse. Darüber hinaus können sie die IT als Business führen und ermöglichen eine Verbesserung der Kerngeschäftsprozesse durch innovative Technologien (Technology Business Management / CTO). Sie können Sicherheitsbedrohungen einschätzen und kennen aktuelle Gegenmaßnahmen. Die Absolvent*innen können zudem technische Maßnahmen zur IT-Sicherheit selbstständig und kompetent umzusetzen.

Übergeordnetes Modul:

Management

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Industrierobotik 1

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1IROIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Schematische Zeichnung eines Roboters, Grundlagen der Lagebeschreibung, Rotationsmatrizen, Parametrierung von Rotationen, Kombination von Rotation und Verschiebung, Homogene Transformationsmatrizen, DH-Konvention für Industrieroboter, Vorwärtstransformation, Rückwärtstransformation von seriellen Kinematiken (geometrische, algebraische und numerische Verfahren), Geschwindigkeitskinematik, Trajektorienplanung.

Lernergebnis:

Die Absolvent*innen können mit Hilfe einer schematischen Roboterzeichnung eine Roboterstellung beschreiben. Sie können die Transformationen (Position und Orientierung) und die Geschwindigkeiten zwischen Werkzeug- und Achskoordinaten berechnen. Sie sind vertraut mit den gängigen Verfahren der Trajektorienplanung und können Trajektorien für Roboter planen. Sie können Roboterprogramme in einem Robotersimulator umsetzen und Simulationsläufe analysieren.

Übergeordnetes Modul:

Robotik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Mathematik & Modellierung

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1MAMIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	4
ECTS-Punkte	5
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Vektorwertige Funktionen in mehreren Variablen, Vektorfelder, skalare Felder, partielle Ableitungen, Differentialoperatoren, Jacobi- und Hesse Matrix, Richtungsableitung, Taylor-Reihen in mehreren Variablen, kritische Punkte, lokale Minima, Maxima und Sattelpunkte (mit Nebenbedingungen), Linearisierung, Gradientenverfahren. Pre-Hilbert-Raum, inneres Produkt, Norm, Metrik, (Orthonormal-)Basis und Basistransformation, Eigenwerte, Eigenvektoren, Matrixzerlegungen und Anwendungen (Hauptachsentransformation, PCA).

Lernergebnis:

Die Absolvent*innen erfassen mathematische Ausdrücke in der für sie relevanten Fachliteratur für das Verständnis und die Umsetzung der darin enthaltenen Aussagen. Sie geben eigene Gedankengänge in präziser, mathematischer Schreibweise wieder. Sie wählen geeignete mathematische Verfahren zur Lösung von Sachproblemen aus und setzen diese um.

Übergeordnetes Modul:

Mathematische Methoden

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Mehrgrößenregelung

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1MGRIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Beschreibung von Mehrgrößensystemen im Zeitbereich, Zustandsraumdarstellung, Stabilität, Steuerbarkeit und Beobachtbarkeit, Zustandsregler, LQR-Regelung (engl. linear quadradic regulator), Beobachterentwurf, MPC-Regelung (engl. model predictive control)

Lernergebnis:

Die Absolvent*innen kennen die Zustandsraumdarstellung und deren Anwendung zur Modellierung dynamischer Mehrgrößensysteme. Sie können derartige Modelle in Simulationswerkzeugen (z.B. Matlab/Simulink) implementieren. Weiters verstehen sie für die Regelung relevante Systemeigenschaften (Stabilität, Beobachtbarkeit, Steuerbarkeit) und können diese überprüfen. Die Absolvent*innen sind in der Lage, optimale Zustandsregler (LQR) zu entwerfen und an einem Simulationsmodel zu testen. Die Idee von MPC ist bekannt und die Absolvent*innen können MPC-Regler selbständig entwerfen und einstellen.

Übergeordnetes Modul:

Mechatronik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Software & Process Notations

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1SPNIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Textuelle und grafische Notationen für Softwareentwicklung und Prozess-Modellierung (z.B. BPMN, SPEM); Notationen für Dienst- und Schnittstellen-Spezifikationen; Einsatz gängiger Notations-Werkzeuge; Nutzung domänenspezifischer UML-Profile; Meta-Modellierung; aktuelle Themen der Software-Notationen.

Lernergebnis:

Die Absolvent*innen entwickeln formalisierte Beschreibungen von unterschiedlichen Artefakten der Softwareentwicklung sowie von wirtschaftlichen Abläufen und vernetzen Prozessen. Sie setzen die gängigen UML-Diagrammtypen zur Systementwicklung ein und erweitern die Notation beispielsweise durch Bildung von Profilen. Sie verwenden entsprechende CASE-Tools und bewerten Methoden und Werkzeuge der plattformunabhängigen Softwareentwicklung. Sie beherrschen Abstraktionskonzepte modellgetriebener Softwareentwicklung.

Übergeordnetes Modul:

Software-Engineering

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Verteilte Systeme & Cloud-Technologien

Semester	1
Studienjahr	1
Lehrveranstaltungsnummer	IIRM1VSCIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	3
ECTS-Punkte	4
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Anwendungsbezogene Kommunikationsparadigmen; plattformübergreifende Protokolle und Dienste sowie verteiltes Datenmanagement; Überblick über die Komponententechnologien; Entwicklungs-, Integrations- und Deployment-Paradigmen für verteilte Software-Systeme; Cloud-Service-Modelle; Kommunikationstechniken für zeitabhängige Datenströme; aktuelle Themen und Anwendungsbeispiele der Software-Technologien.

Lernergebnis:

Die Absolvent*innen entwerfen, implementieren und deployen verteilte Software-Systeme und realisieren verteiltes Datenmanagement und verteilte softwarebasierte Dienste. Sie setzen aktuelle Komponententechnologien und wirtschaftsrelevante Middleware- und Cloud-Systeme ein und nutzen Methoden und Werkzeuge der plattformunabhängigen Softwareentwicklung.

Übergeordnetes Modul:

Informatik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

LehrveranstaltungSWSECTSTYP

Applied Statistics

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2ASTIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	3
ECTS-Punkte	4
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Estimation Theory (point and interval estimators, methods of moments, maximum likelihood method), Stochastic Simulation, Statistical Tests (formulation of hypotheses, decision rule, error types, analysis of variance), Regression (logistic regression, model selection, bayesian information criterion).

Lernergebnis:

Die Absolvent*innen erarbeiten sich Basiskompetenzen im Bereich der schließenden Statistik. Hierbei liegt der Schwerpunkt zunächst auf der Erlernung von Methoden der Schätztheorie. Sie sind daher in der Lage aus bestehenden Datensätzen stochastische Modellinformationen zu extrahieren und sowohl verbal als auch graphisch darzustellen. Darauf aufbauend lernen die Absolvent*innen mit Hilfe von stochastischen Simulationen die Modellinformationen zu nutzen und Daten hinsichtlich ihrer Abhängigkeit der zu Grunde liegenden Zufallsvariablen zu beschreiben. In Kenntnis diverser stochastischen Modelle ist es den Absolvent*innen möglich, stochastische Tests durchzuführen und somit Experimente zu planen, auszuwerten und entsprechend zu dokumentieren. Sie kennen unterschiedliche Möglichkeiten der Regression, um Daten so zu analysieren, dass eine unter der Verwendung von Fachvokabular verständliche Dokumentation der gewonnen Ergebnisse ermöglicht wird. Die vom theoretischen Blickpunkt in den Vorlesungseinheiten erarbeiteten statistischen Standards werden in den Übungseinheiten reflektiert und praktisch mit Hilfe von geeigneter mathematischer Software implementiert.

Übergeordnetes Modul:

Mathematische Methoden

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Digital Signal Processing 2

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2DSPIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	3
ECTS-Punkte	5
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Grundlagen von IIR-Filter, IIR-Filterstrukturen, IIR-Filtertypen, Design von IIR-Filter, Frequenztransformationen von IIR-Filtern, Quantisierungsproblematik bei Filter höherer Ordnung, Kaskadierte SoS-Filter, Notch-Filter, Kamm-Filter, Theorie und Umsetzung adaptiver FIR-Filter (LMS), Multirate-Signalverarbeitung (Down-, Up-, Resampling), Polyphase-Filter, Qualitätsverbesserung durch Oversampling, Theorie und Simulation eines Sigma-Delta-ADC, Grundlagen der 2D-Signalverarbeitung (Bildverarbeitung), Anwendung von Standard-DSP-Algorithmen für 2D-Signale, Farbräume, Hochpass, Tiefpass, Kantenfilter, Simulation und Implementierung oben genannter DSP-Anwendungen in einer Laborumgebung (e.g. Matlab, Python, C).

Lernergebnis:

Die Absolvent*innen verstehen die theoretischen Grundlagen des Designs von IIR-Filtern und kennen die Vor- und Nachteile verschiedener Filtertypen und Designmethoden. Sie verstehen das Problem der Koeffizienten-Quantisierung und können IIR-Filter mit Hilfe von kaskadierten SoSFilterstrukturen implementieren. Sie kennen das Prinzip von Notch-, und Kammfilter. Die Absolvent*innen verstehen die Theorie adaptiver LMS-Filter und können diese auch implementieren. Weiters kennen sie die wichtigsten theoretischen Grundlagen der Multirate-Signalverarbeitung auch mit Polyphase-Filtern und verstehen die theoretischen Grundlagen von Sigma-Delta-ADCs. Die Absolvent*innen sind in der Lage, grundlegende DSP-Anwendungen auch für 2D-Signale (Images) umzusetzen. Sie haben Erfahrung in der Simulation von DSP-Algorithmen in einer Laborumgebung und können diskrete Systeme mit Hilfe von Simulationssoftware und mit Hilfe von Low-level-Programmiersprachen implementieren.

Übergeordnetes Modul:

Mechatronik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Industrierobotik 2

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2IROIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Dynamik von Industrierobotern, Euler-Lagrange-Formalismus, kinetische und potenzielle Energie, Dynamische Bewegungsgleichungen eines Industrieroboters, Euler-Newton-Gleichungen, Einzelachsregelung (Sollwertfolge und Störunterdrückung, Vorsteuerung, Anti-Wind-Up, Zustandsraumregelung, Beobachterentwurf), Mehrgrößenregelung, Inverse Dynamik.

Lernergebnis:

Die Absolvent*innen verstehen ein dynamisches Mehrkörpersystem. Sie können ein Mehrkörpersystem und dessen bestimmende Größen auf gängige Roboterkinematiken beziehen und mit geeigneten Simulationssystemen analysieren. Ausgehend von den dynamischen Robotergleichungen können die Absolvent*innen Mehrgrößenregler synthetisieren und bewerten.

Übergeordnetes Modul:

Robotik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Maschinenethik

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2METIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	1,5
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Theoretische Grundlagen: Künstliche Intelligenz, Denken, Bewusstsein und Emotionen, Ethik und Moral; Maschinenethik: Maschinen als moralische Akteure, Moralimplementation, Mensch und Maschine; Anwendungsbereich und -beispiele.

Lernergebnis:

Die Absolvent*innen sollen ein grundlegendes Verständnis der Konzepte der künstlichen Intelligenz, des Denkens, des Bewusstseins und der Emotionen erlangen und die damit verbundenen ethischen und moralischen Aspekte analysieren. Zudem sollen sie das Konzept der Maschinen als moralische Akteure verstehen und verschiedene Ansätze zur Implementation von Moral in Maschinen kennenlernen. Durch die Analyse ethischer Fragen im Kontext der Interaktion zwischen Menschen und Maschine sollen die Absolvent*innen in der Lage sein, moralische Herausforderungen im Zusammenhang mit den aktuellen Entwicklungen in der autonomen, intelligenten Maschinentechnologie zu identifizieren und Fallbeispiele wie autonome Waffensysteme, Pflegeroboter und autonomes Fahren zu untersuchen, um daraus ethische Perspektiven abzuleiten. Zudem sollen sie komplexe ethische Fragen im Bereich der Maschinenethik analysieren, verschiedene Standpunkte bewerten, fundierte Urteile treffen, ethische Argumente konstruieren und ihre Meinungen sowohl mündlich als auch schriftlich überzeugend kommunizieren können. Darüber hinaus sollen die Absolvent*innen ein Bewusstsein für ethische Überlegungen im Zusammenhang mit dem Einsatz von Maschinen entwickeln und ihre eigenen ethischen Werte reflektieren und hinterfragen können.

Übergeordnetes Modul:

Sozialkompetenz, Kommunikation & Ethik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Praxisprojekt & Portfolio 1

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2PPPPT
Typ	PT
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	4
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Durchführung einer fachlich-methodischen Aufarbeitung einer ausgewählten Aufgabenstellung aus einem der Fachmodule (außer Management); Analyse, Bewertung und Auswahl angewandter Methoden und eingesetzter Technologien; Praktische Umsetzung einer technischen Aufgabenstellung, teilweise in Zusammenarbeit oder Abstimmung mit Industrieunternehmen bzw. Departmentsinternen Forschungseinheiten; Begleitendes Projektmanagement, Reflexion und Coaching.

Lernergebnis:

Die Absolvent*innen sind in der Lage eine Forschungs- und entwicklungsorientierte Projektarbeit als Einzelprojekt zu planen, zu bearbeiten und zu präsentieren. Sie finden eigenständige Lösungswege im Kontext wissenschaftlicher Evidenz (Recherchekompetenz sowie entsprechende Beweisführung) und erwerben praxisorientierte Problemlösungskompetenz. Dadurch werden sie für jene Bereiche sensibilisiert, die eines vertiefenden, selbstgesteuerten und vollzogenen Wissenserwerbs bedürfen.

Übergeordnetes Modul:

Individualphase 1

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Selected Algorithms & Optimization

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2SAOIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Theoretische und experimentelle Methodiken und Kriterien zur Bewertung der Effizienz von Algorithmen und Datenstrukturen. Analyse ausgewählter Algorithmen und Datenstrukturen mit Bezug zu unterschiedlichen Anwendungsdomänen. Optimierungsmöglichkeiten von algorithmischen Implementierungen. Ausgewählte Techniken und informatische Umsetzungen von Verfahren der mathematischen Optimierung mit Bezug zu unterschiedlichen Anwendungsdomänen.

Lernergebnis:

Die Absolvent*innen sind in der Lage, Algorithmen in ihren jeweiligen Anwendungsgebieten auszuwählen und hinsichtlich ihrer Ressourcenanforderungen zu bewerten. Sie verstehen, welche Optimierungen möglich und zielführend sind. Die Absolvent*innen sind darüber hinaus in der Lage, Optimierungen selbst durchzuführen und zu deren Erfolg quantitativ zu bewerten.

Übergeordnetes Modul:

Informatik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Software Engineering & Operations

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2SEOIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	3
ECTS-Punkte	4
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Software- und Systems-Engineering; Prozessmodelle; Requirement-Engineering; Software- und System-Architekturen; Funktions-Entwicklung; Design-for-X; Softwarequalität und Qualitätssicherung, Clean Code; Software-Engineering-Techniken für die Softwareentwicklung ¿im Großen¿; Aktuelle Themen des Software-Engineerings.

Lernergebnis:

Die Absolvent*innen verstehen die verschiedenen Aufgabenfelder und Tätigkeiten im Rahmen des Software- und System-Entwicklungsprozesses (Requirement-Engineering und Softwarequalität; Softwarearchitektur; Detailed Design und Design-for-X; Verifikation und Validierung) und meistern systematisch die Herausforderungen der Organisation von unterschiedlichen wirtschaftsrelevanten Entwicklungsprojekten im Bereich Cyber-Physischer Systeme. Die Absolvent*innen beurteilen Vorgehensmodelle und entwickeln diese eigenständig weiter und treiben Konzeption, Implementierung und Monitoring von professionellen Software- und System-Projekten selbständig voran.

Übergeordnetes Modul:

Software-Engineering

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Vertrieb, Marketing & Digitale Innovation

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2VMDIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Inhalt aus Vertrieb und Marketing ist das Verständnis für Marktforschungsmethoden und ihre Einsatzbereiche, Marketing-Mix, Produktpolitik, Markenpolitik, Preispolitik, Vertriebspolitik, Vertriebsmanagement, Key Account Management, Analyse von Best-Practice Beispielen. Das wesentliche Ziel aus Digitale Innovation ist es zu verstehen, wie die Digitalisierung im Innovationsmanagement die Entwicklung von neuen Geschäftsmodellen sowie der Prozess der Innovationsentwicklung und des Managements beeinflusst. Ansätze wie Design Thinking oder Design Innovation werden hierbei behandelt. Ziel der integrativ durchzuführenden Lehrveranstaltung ist es, die beiden Themenbereiche inhärent zu vernetzen. Im Zusammenspiel von Vertrieb, Marketing und digitaler Innovation wird der Fokus auf die Integration von digitalen Technologien in Vertriebs- und Marketingstrategien gelegt. Umgekehrt ist es immanent, dass im Rahmen eines kreativen Innovationsprozesses unterstützende Marketingaktivitäten generiert werden. Im Rahmen der Lehrveranstaltung wird diese Verschränkung anhand praktischer Übungen und kompakten Projekten gewährleistet

Lernergebnis:

Die Absolvent*innen kennen die wesentlichen Grundbegriffe des ¿Sales und Marketing¿ und ihre praktische Bedeutung. Die Absolvent*innen bearbeiten eine komplexe Aufgabenstellung aus verschiedenen Bereichen der Wirtschaft (Case Studies), lösen eigenständig eine Problemstellung und dokumentieren diese ingenieurmäßig. Die Absolvent*innen verfügen über einen Überblick der Themenbereiche Digitale Innovation & Digitale Transformation. Die Absolvent*innen haben Kenntnisse über die Funktionsweise der digitalen Wirtschaft (Industrie 4.0, Sharing Economy, Plattformökonomie) und verfügen über ein Grundverständnis zur Bedeutung der digitalen Transformation für Geschäftsprozesse und -modelle.

Übergeordnetes Modul:

Management

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Zielgruppenorientierte Kommunikation

Semester	2
Studienjahr	1
Lehrveranstaltungsnummer	IIRM2ZOKIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	1,5
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Identifizieren von Ansprechpersonen und Auswahl von Methoden, um die Zielgruppe zu erreichen. Formen und Rahmenbedingungen wirksamen Feedbacks, Übungen und Rollenspiele. Individuelle Aufarbeitung der in der ILV präsentierten und erarbeiteten Inputs, unterstützt durch punktuelles Coaching.

Lernergebnis:

Die Absolvent*innen sind in der Lage, komplexe Inhalte zielgruppenorientiert darzustellen und dabei klar strukturierte Argumentationslinien zu entwickeln. Sie können lösungs- und nutzenorientiert argumentieren sowie Kritik sachlich und konstruktiv formulieren. Sie sind in der Lage, Kritik anzunehmen und dies entsprechend rückzumelden.

Übergeordnetes Modul:

Sozialkompetenz, Kommunikation & Ethik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

LehrveranstaltungSWSECTSTYP

Deep Learning for Image Analysis

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3DLAIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Deep Learning Architekturen für die Analyse von Bilddaten, Objekt-Detektion, semantische Segmentierung und Instanzsegmentierung, Image Translation, Architekturen zur Analyse von 3D Bilddaten, Self-Supervised und Representation Learning Architekturen, Data Augmentation; Parametrisierung, Modellauswahl bzw. -design. Tools: Python, Pytorch/Tensor-Flow, Anaconda, Git, Unix/Bash, GPUs. Weitere Aspekte: Optimale Nutzung von Hardware- (GPUs, GPU-Cluster) und Softwareressourcen.

Lernergebnis:

Die Absolvent*innen kennen sowohl grundlegende als auch aktuelle Ansätze und Methoden aus den Bereichen Deep Learning und Repräsentationslernen für die Bildanalyse und sind in der Lage, diese mit geeigneten Toolboxen auf Datensätze anzuwenden. In praktischen Aufgaben untersuchen sie den Modellaufbau und die Wahl der Modellparameter und entscheiden über den Einsatz von vortrainierten Modellen im Sinne des Transferlernens. Sie kennen Methoden des teilüberwachten Lernens und der Datenanreicherung, um die Effektivität bei kleinen Datensätzen mit Domänenwissen zu optimieren (Small Data Challenge). Sie parametrisieren die jeweiligen Lernalgorithmen und wenden sie auf Datensätze unter optimaler Nutzung der Hard- und Software-Ressourcen an. Sie sind in der Lage, mit diesen Methoden innovative Anwendungen zu entwickeln und kennen die Grenzen und Einsatzgebiete der jeweiligen Algorithmen. Für Absolvent*innen des Masters Industrial Informatics & Robotics wird zu Beginn ein Überblick über neuronale Netze gegeben. Absolvent*innen aus dem Master AI for Sustainable Technologies erhalten eine Vertiefung zu speziellen Inhalten.

Übergeordnetes Modul:

Vertiefung Industrial Informatics & Robotics

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Ethik & Nachhaltigkeit

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3ETNIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	1
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Noch nie war der Bedarf an (berufs-)ethischer Orientierung so groß wie im letzten Jahrzehnt. Dabei begegnet uns Ethik gegenwärtig in unterschiedlichster Gestalt und in den verschiedensten Bindestrich-Varianten: Bioethik, Medizinethik, Tierethik, Ethik und Politik, Ethik und Wirtschaft, Ethikunterricht statt Religionsunterricht an den Schulen, von der Adressaten- bis zur Umweltethik, von der Alltags- bis zur Systemethik. Unser Dasein scheint sich in ethisch und moralisch aufgeladenen Zeiten zu bewegen, vor allem auch deshalb, weil die Begriffe der Ethik und Nachhaltigkeit selbst immer verschwommener und inflationärer gebraucht werden. Das Symposium versucht daher, einen Beitrag zur Lichtung im Begriffsdschungel zu leisten und für (berufs-)ethische Fragen und Fragen zur Nachhaltigkeit zu sensibilisieren.

Lernergebnis:

Nach Absolvierung des Symposions sind Absolvent*innen in der Lage, ethisch-moralische Dilemmata zu analysieren und zu reflektieren; Meinungen aus einem Vortrag im eigenen Handlungskontext zu bewerten; gesellschaftliche Fragen mit Blick auf ihr eigenes fachliches / berufliches Umfeld zu argumentieren; ihre eigene Meinung in der Gruppendiskussion zu artikulieren und zu rechtfertigen.

Übergeordnetes Modul:

Professional Skills

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Intercultural Communication Skills

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3ICSIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	1,5
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Grundlagen der Wahrnehmungspsychologie, die für interkulturelle Kommunikation von Bedeutung sind, Definition der interkulturellen Interaktions- und Kommunikationskompetenz, Interaktionsfallen, praktische Anwendung durch Interaktionsspiele und -übungen.

Lernergebnis:

Die Absolvent*innen können die komplexen Faktoren identifizieren, die die Kommunikation in interkulturellen Kontexten beeinflussen. Sie sind befähigt, ihre eigene kulturbedingte Rolle im Kommunikationszusammenhang einzuordnen.

Übergeordnetes Modul:

Professional Skills

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Masterseminar & Masterexposé

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3MMESE
Typ	SE
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	5
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Qualitätsaspekte und Standards wissenschaftlichen Arbeitens sowie Merkmale eines wissenschaftlichen Arbeitsstils; Bedeutung theoretischer Bezugsrahmen; Arbeitsphasen und Aufwandsschätzung für die Masterarbeit; Typen und Charakteristika wissenschaftlicher Publikationen; Methoden und Tools für Literaturrecherche und Quellenverwaltung; Zitate und Referenzen; Methoden und Tools zum Verfassen wissenschaftlicher Texte, Illustrationen, Dokumente und Präsentationen. Verwendung und Erstellung von Formeln, Tabellen und Grafiken; Umgang mit KI-Tools und Thematik Plagiarismus; Spezielle Anwendung auf den systematischen Aufbau eines Exposés und dessen diskursiver Verteidigung.

Lernergebnis:

Die Absolvent*innen betreiben selbständig zielorientierte Struktur- und Inhaltsentwicklung für wissenschaftliche Arbeiten und entwerfen aufeinander abgestimmte Methoden- und Praxis-/Empirikteile. Sie finden relevante Publikationen zum Themenbereich der Masterarbeit und bauen wissenschaftliche Argumentationslinien auf. In Kenntnis des Publikations-Life-Cycle und des Peer-Review-Prozesses verwenden und bewerten sie dazu formale, strukturelle und inhaltliche Qualitätsaspekte von Quellen. Sie verstehen die Bedeutung von wissenschaftlich-methodischem Vorgehen und argumentieren ihre Ideen entsprechend. Sie entwerfen nachvollziehbare Experimente und diskutieren geeignete Metriken zur Beantwortung von Forschungsfragen. Die Absolvent*innen verschriftlichen alle geforderten inhaltlichen Exposé-Bestandteile und führen eigenständig eine Abstimmung mit der Betreuungsperson und letztlich eine Zustimmung durch diese herbei. Ein verbindlicher Zeitplan mit Arbeitsschritten und Meilensteinen liegt vor, wobei der Komplexitätsgrad der Themen- und Fragestellungen der Masterarbeit den zeitlichen und materiellen Ressourcen angemessen ist.

Übergeordnetes Modul:

Wissenschaftliches Arbeiten

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Numerics & Industrial Algorithms

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3NIAIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Numerische Fehleranalyse und Zahlenrepräsentation, Methoden der numerischen Mathematik (z.B. im Bereich der linearen Algebra, Approximationstheorie oder Analysis), Algorithmen und Datenstrukturen im Anwendungsbereich der industriellen Informatik (z.B. geometrisch-numerische Berechnung, konvexe Hülle, Bereichssuche, Triangulierungen).

Lernergebnis:

Die Absolvent*innen kennen die Problematik numerischer Berechnung basierend auf verschiedener Zahlenrepräsentationen und können Methoden zur Bewertung numerischer Verfahren anwenden. Sie kennen ausgewählte numerische und industrielle Algorithmen, können diese nach Kriterien der Algorithmenanalyse beurteilen und auswählen. Sie können diese fallweise in Programmcodes umsetzen und können diese unter Zuhilfenahme von Softwarebibliotheken auf praktische Probleme anwenden.

Übergeordnetes Modul:

Vertiefung Industrial Informatics & Robotics

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

OT-Security

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3OTSIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	1,5
ECTS-Punkte	2
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Industrie 4.0 bedingt eine immer höhere Vernetzung von Cyber Physical Systems (CPS). Daher verschieben smarte Maschinen und Produkte den Sicherheitsbedarf von einer zentralen Einheit in Richtung eines massiv verteilten Systems. Klassische IT-Sicherheit greift hier oft zu kurz und kann nur bedingt in hoch volatilen (z.B. Produktion) oder schwer kontrollierbaren (IoT-)Umgebungen für Sicherheit sorgen. Methoden, die eine reibungslose Produktion oder einen gewohnten Betrieb möglicherweise behindern, können ebenso aus wirtschaftlicher Sicht nicht eingesetzt werden. Die Lehrveranstaltung eröffnet einerseits einen Überblick über die Grenzen klassischer IT-Sicherheit und erarbeitet andererseits auch Strategien, Methoden und Architekturen für einen praxisnahen und dem Stand der Technik entsprechenden Sicherheitsstandard in Produktionssystemen und -netzwerken sowie allgemein bei vernetzten Geräten. Es werden die wichtigsten industriellen Protokolle und Architekturpatterns sowie deren Beitrag zur Sicherheit auf OT-Ebene vermittelt und grundlegende Strategien für Usability und Sicherheit bei IoT-Geräten entwickelt. In der Lehrveranstaltung werden nach Möglichkeit und Maßgabe der zur Verfügung stehenden Zeit aktuelle Fragestellungen aus der Forschung und praktische Fallbeispiele von Industriepartnern präsentiert.

Lernergebnis:

Die Absolvent*innen sind in der Lage IT- und OT-Sicherheit zu unterscheiden. Sie kennen die wichtigsten Protokolle und Architekturen von Industrie 4.0 und (I)IoT und sie können eigenständig Strategien entwickeln, um ein grundlegendes Sicherheitskonzept für Produktionssysteme zu erstellen. Absolvent*innen sind außerdem in der Lage, einfache OT-Security-Lösungen zu entwickeln, sie zu dokumentieren und deren Vor- und Nachteile zu bewerten. Die Absolvent*innen haben einen Überblick über den Stand der Technik von Industrie 4.0, (I)IoT und OT-Security.

Übergeordnetes Modul:

Vertiefung Industrial Informatics & Robotics

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Praxisprojekt & Portfolio 2

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3PPPPT
Typ	PT
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	4
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Einführung in die Portfolioarbeit und dessen Bedeutung für die persönliche und berufliche Entwicklung; Erarbeitung von Strategien zur Zusammenstellung und Präsentation eines aussagekräftigen Portfolios, welches Projektergebnisse aus dem vorherigen Semester (Praxisprojekt & Portfolio 1) beinhaltet, Auswahl und Aufbereitung von Projektergebnissen, eigenen Schlussfolgerungen und Reflexion, Gestaltung des Portfolios unter Berücksichtigung der Zielgruppe und definierten Einsatzszenarien; Erstellung eines E-Portfolios.

Lernergebnis:

Die Absolvent*innen verstehen das Konzept des Portfolios und dessen Bedeutung für die persönliche und berufliche Entwicklung. Sie entwickeln die Fähigkeit zur Zusammenstellung eines aussagekräftigen Portfolios, das Projektergebnisse, eigene Schlussfolgerungen und persönliche Reflektionen umfasst. Sie kennen verschiedener Strategien zur Präsentation des Portfolios und Auswahl geeigneter Medien und Technologien und setzen das Portfolio erfolgreich um. Sie entwickeln die Kompetenz zur Gestaltung des Portfolios unter Berücksichtigung der Zielgruppe.

Übergeordnetes Modul:

Individualphase 2

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Systems-Engineering

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3SEGIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Fachliche Verortung von Systems Engineering, Systems Engineering Prozessmodelle, Unterschiede von Software und Systems-Engineering, Funktions-Entwicklung, Model Based Systems Engineering (MBSE), Systems Engineering Frameworks.

Lernergebnis:

Absolvent*innen kennen die fachliche Verortung von Systems Engineering, insbesondere relevante Standards, Methoden und Literatur. Sie sind in der Lage, ausgehend von allgemeinen Prozess-Frameworks einen individuellen Systems Engineering Prozess abzuleiten. Weiters haben sie die grundsätzliche Kompetenz erworben, unter Anwendung einschlägiger Frameworks, Modellierungs-Sprachen und -Werkzeugen einfache System Architekturen zu modellieren

Übergeordnetes Modul:

Vertiefung Industrial Informatics & Robotics

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Unternehmensführung & -gründung

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3UFGIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Ziel dieser Lehrveranstaltung ist es zu verstehen, wie klassische Unternehmensführung und Digital Leadership sowie deren Auswirkungen auf Unternehmen und Führungskräfte funktioniert; besonderer Schwerpunkt sind moderne Managementansätze wie die digitale Führungsarbeit in der Praxis, agile Führung; Führen von virtuellen Teams; Digitalisierung und Agilität; Umgang mit virtueller Kommunikation, eLearning Tools im Unternehmen. Der Fokus hinsichtlich Unternehmensgründung (company formations, business formations) befasst sich mit Gründungsmanagement, Entwickeln einer Geschäftsidee, Business Case & Produktinnovation (mittels Business Canvas & Value Proposition Canvas); Arten der Finanzierung; Erarbeiten eines Businessplanes, Durchführung von innovativen Planspielen (¿Apollo 13¿ oder ¿Target SIM¿). Theoretische Inhalte werden mit technologiefokussierten Fallbeispielen aus der Wirtschaft vertieft.

Lernergebnis:

Die Absolvent*innen verfügen über einen Überblick der Themenbereiche Unternehmensführung und Unternehmensgründung. Sie kennen den Aufbau und die Zusammenhänge und Prozesse innerhalb eines Unternehmens. Sie kennen den Managementkreislauf und sind in der Lage, die wesentlichsten Instrumente der Unternehmensführung einzusetzen. Sie können einen Businessplan erstellen, außerdem die unterschiedlichen Modelle des zunehmend digitalen Leaderships und diesbezügliche Vorgehen, Stärken und Schwächen und Unterschiede differenziert einsetzen und die Auswirkungen auf die Unternehmenskultur einschätzen.

Übergeordnetes Modul:

Professional Skills

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Vertiefung Industrial Informatics & Robotics_WAHLFACH Informatik

WF: Big Data Engineering

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3BDEIL
Typ	IL
Art	Wahlpflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Paradigmen und Charakteristika des Big Data und Cloud-Computings; Überblick über gängige Big Data Frameworks und wirtschaftsrelevante Cloud-Infrastrukturen; Programmiertechniken für datenintensive Anwendungen und Nutzung hybrider cloudbasierter Infrastrukturen für die datenintensive Softwareentwicklung; Implementierung von Case Studies; Ausgewählte Kapitel aus Big Data Computing.

Lernergebnis:

Die Absolvent*innen meistern die technischen und organisatorischen Herausforderungen des Big Data Processing und wenden Methoden und Techniken der datenintensiven Softwareentwicklung an. Sie setzen gängige Big Data Frameworks ein und nutzen die transdisziplinären Aspekte des Cloud-Computings und kommunizieren dessen technologische Fundierungen. Darüber hinaus implementieren sie ausgewählte Fallbeispiele datenintensiver Business-Anwendungen.

Übergeordnetes Modul:

Vertiefung Industrial Informatics & Robotics_WAHLFACH Informatik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

WF: Industrielle Bildverarbeitung

Semester	3
Studienjahr	2
Lehrveranstaltungsnummer	IIRM3IBVIL
Typ	IL
Art	Wahlpflicht
Unterrichtssprache	Deutsch
SWS	2
ECTS-Punkte	3
Prüfungscharakter	immanent

Lehrveranstaltungsinhalte:

Grundelemente der Bildverarbeitungskette, Hardwarekomponenten (Optik, Kameras, Beleuchtung), Grundlagen der Bildverarbeitung (Statistik & Metriken, Filterung, Bildverbesserung, Bildsegmentierung), Feature Extraction, Morphologische Operationen, Industrial Inspection & Quality Control, Software für Industrial Image Processing, Image Learning.

Lernergebnis:

Die teilnehmenden Absolvent*innen kennen die wesentlichen Hardware-Komponenten eines industriellen Bildverarbeitungssystems und wissen um deren Eigenschaften und Einsatzmöglichkeiten. Sie beherrschen die Theorie zu den wichtigsten Methoden und Algorithmen und sind in der Lage diese unter Verwendung gängiger Open-Source/kommerzieller Software-Bibliotheken zu implementieren. Die Absolvent*innen können durch Analyse von Bildverarbeitungsaufgaben diese bewerten, um in weiterer Folge in eigenständiger Projektarbeit Lösungen für industrielle Bildverarbeitung unter Verwendung zur Verfügung gestellter Hardwarekomponenten zu entwickeln. Sie wissen, wie Konzepte des maschinellen Lernens auf Problemstellungen der Bildverarbeitung anwendbar sind.

Übergeordnetes Modul:

Vertiefung Industrial Informatics & Robotics_WAHLFACH Informatik

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

LehrveranstaltungSWSECTSTYP

Advanced Presentation Skills

Semester	4
Studienjahr	2
Lehrveranstaltungsnummer	IIRM4APSIL
Typ	IL
Art	Pflicht
Unterrichtssprache	Englisch
SWS	1
ECTS-Punkte	2
Prüfungscharakter	immanent

Kompetenzerwerb aus dem übergeordneten Modul:

siehe Lehrveranstaltung

Name	Zweck	Ablauf	Typ	Anbieter
_ga	Wird verwendet, um Benutzer zu unterscheiden.	2 Jahre	HTML	Google
_gid	Wird verwendet, um Benutzer zu unterscheiden.	1 Tag	HTML	Google
_dc_gtm_UA-7497985-1	Wird von DoubleClick (Google Tag Manager) verwendet, um die Besucher nach Alter, Geschlecht oder Interessen zu identifizieren.	2 Jahre	HTML	Google
_gali	Wird von Google Analytics verwendet, um Klicks auf verschiedene Links mit gleichem Linkziel zu erkennen.	1 Minute	HTML	Google

Name	Zweck	Ablauf	Typ	Anbieter
uslk_umm_101023_s	Neben technischen Details zum Messenger-Status enthält es IDs zu existierenden Kontakten, damit diese wiedererkannt werden können ("reauth", "uuid", "token").	1 Jahre	HTML	Userlike
uslk_s	Userlike Session Cookie	1 Jahre	HTML	Userlike
uslk_e	Userlike Expire Cookie	1 Jahre	HTML	Userlike