Photo credit: Staatliche Schlösser und Gärten Baden-Württemberg

Business Informatics and Mathematics in Business and Economics (all)

Information on your course choice

Please note that you have to take the majority of classes at the School of Business Informatics and Mathematics. In most cases you do not need to register for courses, please just attend the first lecture. In case you want to take courses outside from our school you can choose from the university wide electives list.
Good to know: undergraduate students are allowed to take graduate’s level courses at the School of Business Informatics and Mathematics. Partially, there are no requirements for participation in a Master’s course.

Business Informatics (Bachelor)

Analysis for Business Informatics (Lecture, German)
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
  • Vertrautheit im Umgang mit den grundlegenden Begriffen und Methoden der Analysis sowie der wesentlichen mathematischen Beweismethoden.

Methodenkompetenz:

  • Fähigkeit Sachverhalte zu formalisieren, abstraktes Denken.

Personale Kompetenz:

  • Teamarbeit.
Recommended requirement:
Literature:
Keine
Examination achievement:
Keine
Instructor(s):
Simone Göttlich
Description:
  • Mengen und Abbildungen
  • Die reellen Zahlen
  • Folgen, Reihen und Potenzreihen
  • Stetigkeit und Differenzierbarkeit von Funktionen in einer reellen Variablen
  • Riemann-Integral
  • Differenzierbarkeit von Funktionen in mehreren reellen Variablen
  • Optional: Mehrdimensionale Integralrechnung, algorithmische Fragestellungen
Data Mining (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Literature:
Foundations of Statistics, Practical Informatics I
Examination achievement:
Foundations of Statistics, Practical Informatics I
Instructor(s):
Christian Bizer , Anna Primpeli
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
  • Goals and Principles of Data Mining
  • Data Representation and Preprocessing
  • Clustering
  • Classification
  • Association Analysis
  • Text Mining
  • Systems and Applications (e. g. Retail, Finance, Web Analysis)
Data Security and Privacy (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Frederik Armknecht
Software Engineering Practical (Lecture, English)
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, An-wendungsdesign und Systemarchitektur, Implementierung, Validie-rung und Verifikation, Testen, Softwarequalität, Wartung und Wei-terentwicklung von Softwaresystemen.
Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unter-schiedliche Stakeholder, Termindruck, …).
Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwickeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündlicher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Literature:
Programmierpraktikum I, Praktische Informatik I, Programmierprakti-kum II, Algorithmen und Datenstrukturen
Examination achievement:
Programmierpraktikum I, Praktische Informatik I, Programmierprakti-kum II, Algorithmen und Datenstrukturen
Instructor(s):
Arne Lange
Description:
Die Veranstaltung befasst sich mit dem der Methoden und Techniken die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
  • Software-Entwicklungsprozesse
  • System- und Anforderungsanalyse
  • Anwendungsdesign und Systemarchitektur
  • Softwarequalität
  • Validierung, Verifikation und Testen
  • Wartung und Weiterentwicklung
Practical Computer Science II (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Aufbau und Arbeitsweise moderner Digitalrechner, Aufgaben und Funktionsweise moderner Betriebssysteme, insbesondere Prozess- und Speicherverwaltung. Aufbau und Arbeitsweise von Compilern.
Methodenkompetenz:
Entwurf einfacher logischer Schaltungen, Lösung von Programmier-aufgaben in Programmieren, Entwurf einfacher Grammatiken, Um-gang mit Compiler-Generatoren.
Personale Kompetenz:
Selbständiges Arbeiten in Kleingruppen.
Recommended requirement:
Literature:
Praktische Informatik I
Examination achievement:
Praktische Informatik I
Instructor(s):
Rainer Gemulla
Description:
Die Vorlesung beschäftigt sich mit den technischen und methodischen Grundlagen der Ausführung von Anwendungsprogrammen auf modernen Digitalrechnern. Dies umfasst vor allem die folgenden Gebiete:

1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programming Lab II (Lecture, German)
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Gründliche Kenntnis der Programmiersprache Java
  • Fortgeschrittene Programmierkenntnisse in Themenbereichen wie bspw. Assertions, Client-Server Kommunikation, Multi-Threading, sowie häufig verwendete Java-Bibliotheken und Frameworks.
  • Vertraut mit JUnit und den wichtigsten Konzepten des Software-Testens mit Java.

Methodenkompetenz:

  • Fähigkeit die erlernten Fachkompetenzen einzusetzen und somit qualitative anspruchsvolle Java-Anwendungen zu entwickeln und zu warten.

Personale Kompetenz:

  • Eigenverantwortliches Arbeiten
  • Teamfähigkeit
Recommended requirement:
Literature:
keine
Examination achievement:
keine
Instructor(s):
Ursula Rost
Description:
Im Programmierpraktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmierpraktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen
 
Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
Selected Topics in IT-Security (Lecture w/ Exercise, English)
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
This course aims to increase the security awareness of students and offers them a basic understanding with respect to a variety of interesting topics. After this course, students will be able to (1) learn about symmetric and asymmetric encryption schemes, (2) classify and describe vulnerabilities and protection mechanisms of popular network protocols, web protocols, and software systems (2) analyze / reason about basic protection mechanisms for modern OSs, software and hardware systems.
Recommended requirement:
Literature:
No formal prerequisites. However, knowledge with respect to the content of the following lectures are suggested:
Praktische Informatik I und II, Lineare Algebra, Kenntnisse in Programmierung
Examination achievement:
No formal prerequisites. However, knowledge with respect to the content of the following lectures are suggested:
Praktische Informatik I und II, Lineare Algebra, Kenntnisse in Programmierung
Instructor(s):
Frederik Armknecht
Description:
Background and Learning Objectives
 
The large-scale deployment of Internet-based services and the open nature of the Internet come alongside with the increase of security threats against existing services. As the size of the global network grows, the incentives of attackers to abuse the operation of online applications also increase and their advantage in mounting successful attacks becomes considerable.
 
These cyber-attacks often target the resources, availability, and operation of online services. In the recent years, a considerable number of online services such as Amazon, CNN, eBay, and Yahoo were hit by online attacks; the losses in revenues of Amazon and Yahoo were almost 1.1 million US dollars. With an increasing number of services relying on online resources, security becomes an essential component of every system.
 
Content Description
 
This lecture covers the security of computer, software systems, and tamper resistant hardware. The course starts with a basic introduction on encryption functions, spanning both symmetric and asymmetric encryption techniques, discusses the security of the current encryption standard AES and explains the concept of Zero-Knowledge proofs. The course then continues with a careful examination of wired and wireless network security issues, and web security threats and mechanisms. This part also extends to analysis of buffer overflows. Finally, the course also covers a set of selected security topics such as trusted computing and electronic voting.
 
Topics:
 
  • Encryption Schemes (Private Key vs. Public Key, Block cipher security) and Cryptographic Protocols
  • Cryptanalysis,e.g., side channel attacks
  • Network Security
  • Wireless Security
  • Web Security (SQL, X-Site Scripting)
  • Buffer Overflows
  • Malware & Botnets
  • Trusted computing
  • Electronic Voting
  • OS Security
Software Engineering I (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, Anwendungsdesign und Systemarchitektur, Implementierung, Validierung und Verifikation, Testen, Softwarequalität, Wartung und Weiterentwicklung von Softwaresystemen. Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unterschiedliche Stakeholder, Termindruck, …). Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwi-ckeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündli-cher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Literature:
Praktische Informatik I, Algorithmen und Datenstrukturen, Programmierpraktikum I
Empfohlen: Programmierpraktikum II
Examination achievement:
Praktische Informatik I, Algorithmen und Datenstrukturen, Programmierpraktikum I
Empfohlen: Programmierpraktikum II
Instructor(s):
Colin Atkinson
Description:
Die Veranstaltung befasst sich mit dem Kennenlernen, Verstehen und Anwenden der Methoden, Techniken und Werkzeuge, die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
  • Software-Entwicklungsprozesse
  • System- und Anforderungsanalyse
  • Anwendungsdesign und Systemarchitektur
  • Softwarequalität
  • Validierung, Verifikation und Testen
  • Wartung und Weiterentwicklung
Theoretical Computer Science (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
3
Learning target:
Fachkompetenz:
Die Studierenden beherrschen neue grundlegende Konzepte der Informatik, insbesondere im Themenkreis Berechenbarkeit, effiziente Berechenbarkeit, kryptographische Sicherheit. Sie kennen weiterhin grundlegende Techniken der  Komplexitätsanalyse und können diese auf gegebene Berechnungsprobleme anwenden.
Methodenkompetenz:
Die Studierenden können gegebenen Probleme bezüglich der zu ihrer
Lösung in verschiedener formaler Berechnungsmodelle aufzubringenden Ressourcen klassifizieren. Sie besitzen ein grundlegendes formales Verständnis für die wichtigsten Komplexitätsmerkmale wie nicht berechenbar, nicht effizient berechenbar, effizient berechenbar, kryptographisch sicher.

Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen  identifizieren, sie formal  spezifizieren und bezüglich der zu ihrer Lösung nötigen Ressourcen  klassifizieren. Sie besitzen die Fähigkeit, auf höherem Niveau zu abstrahieren, mit formalen Modellierungstechniken zu arbeiten, und die Komplexität von Problemstellungen abzuschätzen.
Recommended requirement:
Literature:
Praktische Informatik I und II, Formale Grundlagen der Informatik, Analysis für Wirtschaftsinformatiker, Lineare Algebra, Algorithmen und Datenstrukturen
Examination achievement:
Praktische Informatik I und II, Formale Grundlagen der Informatik, Analysis für Wirtschaftsinformatiker, Lineare Algebra, Algorithmen und Datenstrukturen
Instructor(s):
Matthias Alexander Hamann
Description:
  • Grundlegende uniforme und nichtuniforme Berechnungsmodelle und Berechnungsparadigmen
  • Universelle Turingmaschinen und Berechenbarkeit
  • Logik- insbesondere SAT-Algorithmen
  • NP-Vollständigkeitstheorie
  • Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
Theoretical Computer Science (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
3
Learning target:
Fachkompetenz:
Die Studierenden beherrschen neue grundlegende Konzepte der Informatik, insbesondere im Themenkreis Berechenbarkeit, effiziente Berechenbarkeit, kryptographische Sicherheit. Sie kennen weiterhin grundlegende Techniken der  Komplexitätsanalyse und können diese auf gegebene Berechnungsprobleme anwenden.
Methodenkompetenz:
Die Studierenden können gegebenen Probleme bezüglich der zu ihrer
Lösung in verschiedener formaler Berechnungsmodelle aufzubringenden Ressourcen klassifizieren. Sie besitzen ein grundlegendes formales Verständnis für die wichtigsten Komplexitätsmerkmale wie nicht berechenbar, nicht effizient berechenbar, effizient berechenbar, kryptographisch sicher.

Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen  identifizieren, sie formal  spezifizieren und bezüglich der zu ihrer Lösung nötigen Ressourcen  klassifizieren. Sie besitzen die Fähigkeit, auf höherem Niveau zu abstrahieren, mit formalen Modellierungstechniken zu arbeiten, und die Komplexität von Problemstellungen abzuschätzen.
Recommended requirement:
Literature:
Praktische Informatik I und II, Formale Grundlagen der Informatik, Analysis für Wirtschaftsinformatiker, Lineare Algebra, Algorithmen und Datenstrukturen
Examination achievement:
Praktische Informatik I und II, Formale Grundlagen der Informatik, Analysis für Wirtschaftsinformatiker, Lineare Algebra, Algorithmen und Datenstrukturen
Instructor(s):
Matthias Alexander Hamann
Description:
  • Grundlegende uniforme und nichtuniforme Berechnungsmodelle und Berechnungsparadigmen
  • Universelle Turingmaschinen und Berechenbarkeit
  • Logik- insbesondere SAT-Algorithmen
  • NP-Vollständigkeitstheorie
  • Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
Business Informatics II: Foundations of Modeling (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Kenntnisse aktueller Modellierungssprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungsdomänen und Prozessen.

Methodenkompetenz:
  • Beschreibung von Domänen und Prozesse einfacher und mittlerer Komplexität mit Hilfe gängiger Sprachen und Werkzeuge

Personale Kompetenz:
  • Verständnis komplexer Zusammenhänge, Arbeiten im Team, Kommunikation von Modellierungsentscheidungen
Recommended requirement:
Literature:
Formale Grundlagen der Informatik (insbes. Graphen, Logik, Automaten)
Examination achievement:
Formale Grundlagen der Informatik (insbes. Graphen, Logik, Automaten)
Instructor(s):
Christian Meilicke , Heiner Stuckenschmidt
Description:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschaftsinformatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungssprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungsprinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungssprachen (Logik, Pertri-Netze)
  • Modellierungswerkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungsdomänen mit Hilfe aktueller Modellierungssprachen und Werkzeuge.
Business Informatics IV (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
The overall aim is to provide students with concepts of distributed systems from a theoretical and practical view. In the lecture students will learn the theoretical concepts. Some aspects of these topics will be elaborated in more detail in the exercise sessions. Here, concrete examples and implementations are presented and discussed.
Interactive tutorials complement the lectures and exercises and pro-vide means for the students to provide own solutions in essay and code to core problems of distributed information systems.
The students will get a profound base in distributed computing as well as networks with the associated problems and how to adress and solve these challenges.
Recommended requirement:
Literature:
Praktische Informatik I, Praktische Informatik II, Algorithmen und Datenstrukturen
Examination achievement:
Praktische Informatik I, Praktische Informatik II, Algorithmen und Datenstrukturen
Instructor(s):
Christian Becker , Jens Naber
Description:
This lecture covers basic principles of modern information systems. Such systems are characterized by their distributed nature. Thus we will discuss architectures of information systems as well as underlying concepts of computer communication and distributed systems.
 
The following topics will be covered in the lecture:
  • Introduction to Distributed Systems, and ComputerNetworks
    • Distributed Systems: Characteristics and Requirements
    • Communication models
    • Layered communication networks
    • Reference Models (ISO/OSI, TCP/IP)
    • Communication Services: connection-oriented/less
    • Socket API
  • Middleware
    • Distributed Shared Memory
    • Message Passing
    • Pub/Sub
    • Mobile Agents
    • Multimedia
    • RPC, RMI
  • Application Protocols
    • SMTP
    • FTP
    • HTTP+HTML
    • IIOP
  • Presentation Layer
    • Classification
    • Requirements
    • Approaches
    • ASN.1
    • XDR
    • XML
  • Synchronization (conditional if covered in Praktische Informatik II)
    • Processes and concurrency
    • Race Conditions
    • Critical Regions
    • Semaphores/Monitors
    • Deadlocks
  • Time and Global States
    • Physical clocks (Cristian’s algorithm, Logical clocks, Lamport’s algorithm)
    • Vector Clocks
    • Global States
    • Snapshot Algorithm
  • Replication
    • Passive Replication
    • Active Replication
  • Peer to Peer Architectures
    • Application examples
    • Achitectures (centralized, distributed, hybrid)
    • Gnutella
    • Chord
  • Network Security Basics
    • Security Goals, Threats, Attacks
    • Security Mechanisms
    • Threats in Communication Networks
    • Security Goals & Requirements
    • Network Security Analysis
    • Safeguards

Business Informatics (Master)

Data Mining (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Literature:
Foundations of Statistics, Practical Informatics I
Examination achievement:
Foundations of Statistics, Practical Informatics I
Instructor(s):
Christian Bizer , Anna Primpeli
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
  • Goals and Principles of Data Mining
  • Data Representation and Preprocessing
  • Clustering
  • Classification
  • Association Analysis
  • Text Mining
  • Systems and Applications (e. g. Retail, Finance, Web Analysis)
Data Mining and Matrices (Lecture w/ Exercise, English)
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Knowledge of the techniques, opportunities, and applications of matrix decompositions in data mining
Methodological competence:
  • Apply matrix decompositions for data mining tasks
  • Analyze and interpret matrix decompositions

Personal competence:

  • writing skills
  • presentation skills
Recommended requirement:
Literature:
IE 500 Data Mining (recommended, not required), basic knowledge of linear algebra
Examination achievement:
IE 500 Data Mining (recommended, not required), basic knowledge of linear algebra
Instructor(s):
Rainer Gemulla
Description:
Many data mining tasks operate on dyadic data, i.e., data involving two types of entities (e.g., users and products, objects and attributes, or points and coordinates); such data can be naturally represented in terms of a matrix. Matrix decompositions, with which we (approximately) represent the data matrix as a product of two (or more) factor matrices, can be used to perform many common data mining tasks. In this lecture, we explore the use of matrix decompositions in data mining, cover data mining tasks such as prediction, clustering and pattern mining, and application areas such as recommender systems and topic modelling.
Data Mining II (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Literature:
IE 500 Data Mining, programming skills in Java
Examination achievement:
IE 500 Data Mining, programming skills in Java
Instructor(s):
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Security and Privacy (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Frederik Armknecht
Database Systems II (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
  • Grundlegende Kenntnisse in verteilte relationale Datenbanken
  • objektorientierte Datenbanken
  • objektrelationale Datenbanken
  • deduktive Datenbanken
  • XML-Datenbanken
  • OLAP/OLTP
  • Leistungsbewertung

Methodenkompetenz:

  • Verständnis der alternativen Datenrepräsentationen, deren Vor- und Nachteile
  • Zielorientierter Einsatz der verschiedenen Datenrepräsentationen

Personale Kompetenz:

  • Verständnis der Rolle alternativer Datenmodelle für fundamentale betriebliche Informationssysteme
Recommended requirement:
Literature:
Datenbanksysteme I und deren Voraussetzungen
Examination achievement:
Datenbanksysteme I und deren Voraussetzungen
Instructor(s):
Guido Moerkotte
Description:
Über das relationale Modell hinausgehende Themen (objektorientierte, objektrelationale Datenbanken, SQL/XML).
Higher Level Computer Vision (Lecture w/ Exercise, German)
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Expertise: The students have a detailed understanding of Computer Vision techniques. They can evaluate given Computer Vision algorithms.

Methodological competence: Students understand the technical basis of Computer Vision algorithms; they can explain the discussed methods and implement them.

Personal competence: Understanding complex Computer Vision problems; thorough judgment in the design and use of methods; can work efficiently in a team.
Recommended requirement:
Literature:
R. Szeliski: Computer Vision Algorithms and Applications, Springer, 2010. ISBN: 978-1-84882-934-3. (Online available: http://szeliski.org/Book/
D. Forsyth, J. Ponce: Computer Vision: A Modern Approach, Prentice Hall, 2nd edition, 2012. ISBN: 978-0136085928 (Online available: http://cmuems.com/excap/readings/forsyth-ponce-computer-vision-a-modern-approach.pdf
R. Hartley, A. Zisserman: Multiple View Geometry in Computer Vision, Cambridge University Press, 2nd edition, 2004.
Instructor(s):
Margret Keuper
Description:
Aim of module
Diffusion Filters, TV minimization
Image Segmentation
Combinatorial optimization
Spectral Clustering
Optical Flow
Video and Motion Segmentation
3D Geometry (Camera Calibration, Stereo Reconstruction)
Structure from Motion
Deep Learning for Computer Vision
Information Retrieval and Web Search (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Recommended requirement:
Literature:
Programming skills (Java/C++ preferred). Fundamental notions of linear algebra, probability theory, as well as algorithms and data structures.
Examination achievement:
Programming skills (Java/C++ preferred). Fundamental notions of linear algebra, probability theory, as well as algorithms and data structures.
Instructor(s):
Goran Glavas
Description:
Given the vastness and richness of the Web, users need high-performing, scalable and efficient methods to access its wealth of information and satisfy their information needs. As such, being able to search and effectively retrieve relevant pieces of information from large text collections is a crucial task for the majority (if practically not all) of Web applications. In this course we will explore a variety of basic and advanced techniques for text-based information retrieval and Web search. Covered topics will include:
 
  • Efficient text indexing;
  • Boolean and vector space retrieval models;
  • Evaluation of retrieval systems;
  • Probabilistic Information Retrieval;
  • Text classification and clustering;
  • Web search, crawling and link-based algorithms.
 
Coursework will include homework assignments, a term project and a final exam. Homework assignments are meant to introduce the students to the problems that will be covered in the final exam at the end of the course. In addition, students are expected to successfully complete a term project in teams of 2-4 people. The projects will focus on a variety of IR problems covered in class. Project deliverables include both software (i.e., code and documentation) and a short report explaining the work performed and its evaluation.
Knowledge Graphs Seminar (Seminar, English)
Lecture type:
Seminar
ECTS:
4.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Knowledge Graphs Seminar (Seminar, English)
Lecture type:
Seminar
ECTS:
4.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Query Optimization (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
  • Verständnis der Grundlegenden Funktionsweisen alternativer Plangeneratoren,
  • detaillierte Kenntnisse physischer Planalternativen,
  • detaillierte Kostenanalysen

Methodenkompetenz:

  • Algorithmen und Komplexitäten der Plangenerierung,
  • Kostenrechnung anhand gegebener Statistiken

Personale Kompetenz:

  • Fundamentales Verständnis für die Probleme und Lösungen der traditionellen Anfragebearbeitung
Recommended requirement:
Literature:
Datenbanksysteme I und deren Voraussetzungen, Kombinatorik, Statistik
Examination achievement:
Datenbanksysteme I und deren Voraussetzungen, Kombinatorik, Statistik
Instructor(s):
Guido Moerkotte
Description:
Grundlagen der Anfrageoptimierung

Business Mathematics (Bachelor)

Dynamische Systeme und Stabilität (Lecture, German)
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
German
Hours per week:
4
Instructor(s):
Li Chen
MAA 403 Dynamical Systems (Lecture, German)
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Grundbegriffe gewöhnlicher und partieller Differenzialgleichungen (BF1, BK1)
• Trennung der Variablen, exakte Differenzialgleichungen (BK1, BO3)
• maximale Lösungen (BK1)
• lineare Flüsse (BK1)
• Prinzip der linearisierten Stabilität (BK1, BF1)
Methodenkompetenz:
• Erkennen verschiedener Differenzialgleichungen (BF2)
• Berechnen von Lösungen von Differenzialgleichungen (BF2, BO3)
• Erstellung von Phasendiagrammen (BF2)
• Diskussion der Stabilität von Gleichgewichten (BF2, BO3)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Literature:
Analysis I, Analysis II, Grundkenntnisse Lineare Algebra I
Examination achievement:
Analysis I, Analysis II, Grundkenntnisse Lineare Algebra I
Instructor(s):
Li Chen
Description:
• gewöhnliche Differenzialgleichungen
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
MAA 405 Complex Analysis (Lecture, German)
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Wegintegrale im Komplexen (BK1)
• Potenzreihenkalkül (BK1)
• Fundamentalsatz der Algebra (BK1)
• Cauchyscher Integralsatz und Integralformel (BF1, BK1)
• Residuensatz (BK1, BO3)
Methodenkompetenz:
• Zusammenhang zwischen reeller und komplexer Differenzierbarkeit (BF1, BO2)
• Berechnen von Residuen (BO3)
• Berechnen von reellen Integralen mit dem Residuensatz (BF1, BO3)
• Verständnis von lokalen und globalen Eigenschaften holomorpher Funktionen (BF1, BO2)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Literature:
Analysis I, Analysis II, Lineare Algebra I
Examination achievement:
Analysis I, Analysis II, Lineare Algebra I
Instructor(s):
Wolfgang Seiler
Description:
• Komplexe Differenzierbarkeit
• holomorphe und meromorphe Funktionen
• Analytische Fortseztung
• Singularitäten holomorpher Funktionen
• Residuenkalkül
• spezielle Funktionen
MAA 406 Geometry (Lecture, German)
Lecture type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
• Fundierte Kenntnisse klassischer Themen der Geometrie (BK1).
Methodenkompetenz:
• Konkrete geometrische Situationen mit Techniken der LA und der Algebra behandeln können (BF1, BF2, BO2).
• Die historische Entwicklung von Teilen der Geometrie würdigen (BF2).
Personale Kompetenz:
• Strukturiertes Denken (BO2), Kommunikationsfähigkeit (BO1, BO4).
Recommended requirement:
Literature:
Lineare Algebra I und II (a+b)
Examination achievement:
Lineare Algebra I und II (a+b)
Instructor(s):
Claus Hertling
Description:
• Grundlagen der affinen, euklidischen und projektiven Geometrie, Parallel- und Zentralprojektion, Einblicke in eine nichteuklidische Geometrie, Isometriegruppen euklidischer Räume, Platonische Körper, Eulersche Polyederformel, Eulerzahl, Geometrie der Kegelschnitte
MAA 508 Advanced Analysis (Lecture, English)
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Recommended requirement:
Literature:
Linear algebra I, Analysis I,II
Examination achievement:
Linear algebra I, Analysis I,II
Instructor(s):
Li Chen
Description:
This course will start with basic knowledge of real analysis, includes measure and integration, then we will go into some advanced topics in analysis, such as L^p spaces, distributions, the Fourier transform, Sobolev spaces and related inequalities. These are necessary knowledge in modern PDE theories and their applications (for example, in physics, biology and economy).
MAB 406 Linear Algebra II / B (Lecture, German)
Lecture type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
• Vertiefung der Linearen Algebra I wie Sesquilinearformen und Spektralsätze kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
• Die Verbindung von Algebra und Geometrie würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1, BO4).
Instructor(s):
Daniel Roggenkamp
Description:
• Algebra und Geometrie der Sesquilinearformen und Bilinearformen
• Spektralsätze
MAC 405 Stochastic Simulation (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
Mathematischer Hintergrund und Algorithmen zur Erzeugung von Pseudozufallszahlen (BK1, BK3, BO3)
Grundverständnis für die Erzeugung von Algorithmen für die Simulation von „discrete event systems“ (BK3, BO2)
„Goodness-of-fit“ Tests (BK1)
Mathematischer Hintergrund und Algorithmen zur numerischen Behandlung von Markovketten in diskreter und stetiger Zeit (BK3, BO3)
Grundverständnis von Monte-Methoden und ihrer Verbesserungen durch Varianzreduktionsverfahren (BK1, BK3, BO3)
Grundverständnis der Markovketten-Monte-Carlo Methode (BK1, BK3, BO3)
Methodenkompetenz:
Erkennen, welche Algorithmen zur Erzeugung von Pseudozufallszahlen verschiedener Verteilungen eingesetzt werden können, Umsetzung in konkrete Programme (BF2, BF3, BO3)
Fähigkeit einfache stochastische Modelle zu simulieren und die Ergebnisse zu validieren (BF2, BF3, BO3)
Grundkenntnisse in der Programmierung mit Scilab (BF3)
Personale Kompetenz:
Teamarbeit (BF4)
Recommended requirement:
Literature:
Einführung in die Wahrscheinlichkeitstheorie, Grundkenntnisse in Programmierung mit Scilab (o.ä.), C oder C++ sind nützlich, aber nicht notwendig
Examination achievement:
Einführung in die Wahrscheinlichkeitstheorie, Grundkenntnisse in Programmierung mit Scilab (o.ä.), C oder C++ sind nützlich, aber nicht notwendig
Instructor(s):
Description:
Erzeugung von Pseudozufallszahlen: Inversions-, Kompositions- und Akzeptanz-Verwerfungsmethode, spezielle Methoden
Simulation diskreter Ereignissysteme
Monte-Carlo-Methode, Varianzreduktion
Statistische Validierung: Chi-Quadrat-Test, Kolmogorov-Smirnov-Test
Numerische Behandlung von Markovketten
Markovketten-Monte-Carlo
MAC 405 Stochastic Simulation (Lecture, German)
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
Mathematischer Hintergrund und Algorithmen zur Erzeugung von Pseudozufallszahlen (BK1, BK3, BO3)
Grundverständnis für die Erzeugung von Algorithmen für die Simulation von „discrete event systems“ (BK3, BO2)
„Goodness-of-fit“ Tests (BK1)
Mathematischer Hintergrund und Algorithmen zur numerischen Behandlung von Markovketten in diskreter und stetiger Zeit (BK3, BO3)
Grundverständnis von Monte-Methoden und ihrer Verbesserungen durch Varianzreduktionsverfahren (BK1, BK3, BO3)
Grundverständnis der Markovketten-Monte-Carlo Methode (BK1, BK3, BO3)
Methodenkompetenz:
Erkennen, welche Algorithmen zur Erzeugung von Pseudozufallszahlen verschiedener Verteilungen eingesetzt werden können, Umsetzung in konkrete Programme (BF2, BF3, BO3)
Fähigkeit einfache stochastische Modelle zu simulieren und die Ergebnisse zu validieren (BF2, BF3, BO3)
Grundkenntnisse in der Programmierung mit Scilab (BF3)
Personale Kompetenz:
Teamarbeit (BF4)
Recommended requirement:
Literature:
Einführung in die Wahrscheinlichkeitstheorie, Grundkenntnisse in Programmierung mit Scilab (o.ä.), C oder C++ sind nützlich, aber nicht notwendig
Examination achievement:
Einführung in die Wahrscheinlichkeitstheorie, Grundkenntnisse in Programmierung mit Scilab (o.ä.), C oder C++ sind nützlich, aber nicht notwendig
Instructor(s):
Description:
Erzeugung von Pseudozufallszahlen: Inversions-, Kompositions- und Akzeptanz-Verwerfungsmethode, spezielle Methoden
Simulation diskreter Ereignissysteme
Monte-Carlo-Methode, Varianzreduktion
Statistische Validierung: Chi-Quadrat-Test, Kolmogorov-Smirnov-Test
Numerische Behandlung von Markovketten
Markovketten-Monte-Carlo
MAT 302 Analysis II (Lecture, German)
Lecture type:
Lecture
ECTS:
10.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Konvergenz in metrischen Räumen (BK1)
• Stetigkeit von Abbildungen zwischen metrischen Räumen (BK1)
• Differenzierbarkeit von Funktionen mehrerer Variablen  (BK1)
• Grundbegriffe der nichtlinearen Analysis (BF1, BK1)
• Integration von Funktionen mehrerer Variablen (BK1)
Methodenkompetenz:
• mathematische Beweisführung (BF1, BO2)
• Hantieren mit Gleichungen und Ungleichungen (BF1, BO2)
• Berechnen von Grenzwerten (BF1,BO3)
• Berechnen von Ableitungen (BO2)
• Bestimmung von Minima unter Zwangsbedingungen (BF2, BO3)
• Berechnen von Integralen (BO2)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Literature:
Analysis I, Grundkenntnisse in Linearer Algebra I
Examination achievement:
Analysis I, Grundkenntnisse in Linearer Algebra I
Instructor(s):
Leif Döring
Description:
• metrische Räume
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
MAT 304 Linear Algebra II / A (Lecture, German)
Lecture type:
Lecture
ECTS:
4.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
• Vertiefungen der Linearen Algebra I wie Normalformen von Endomorphismen kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1).
Recommended requirement:
Literature:
Lineare Algebra I
Examination achievement:
Lineare Algebra I
Instructor(s):
Daniel Roggenkamp
Description:
• Euklidische Vektorräume, Normalformen von Endomorphismen oder andere Ergänzungen zur Linearen Algebra I
MAT 306 Numerical Mathematics (Lecture, German)
Lecture type:
Lecture
ECTS:
9.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Verständnis der Grundbegriffe und grundlegenden Methoden der Numerischen Mathematik  (BF1, BK1)
• Algorithmisches Denken und Implementierung grundlegender Verfahren zur Bestimmung von Näherungslösungen (BK3)
• Klassifikation und Interpretation numerischer Probleme (BK1, BO3)
Methodenkompetenz:
• Mathematische Modellierung eines (Anwendungs-)Problems (BF3, BO3)
• Konkrete Problemlösungsstrategien und deren Interpretation (BF1, BF2)
Personale Kompetenz:
• Teamarbeit (BO1,BF4)
Recommended requirement:
Literature:
Analysis I, Analysis II, Lineare Algebra I
Examination achievement:
Analysis I, Analysis II, Lineare Algebra I
Instructor(s):
Description:
• Numerik linearer Gleichungssysteme
• Störungstheorie und Fehleranalyse
• Lineare Ausgleichsrechnung
• Eigenwertprobleme
• Nichtlineare Gleichungssysteme: Fixpunktiterationen, insbesondere Newton-Verfahren
• Interpolation und Splines
• Numerische Integration
Seminar Graph Theory (Seminar, English)
Lecture type:
Seminar
ECTS:
3.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Makiko Mase
Nonparametric Statistics (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Claudia Strauch

Business Mathematics (Master)

Lévy Prozesse I (Lecture, English)
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Instructor(s):
MAA 504 Partial Differential Equations (Lecture, English)
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Vertrautheit mit den Grundbegriffen partieller Differenzialgleichungen (MK1)
Vertrautheit mit Distributionen, Hölderräumen und Sobolevräumen (MK1)
Vertrautheit mit Sobolevungleichungen (MK1)
Verständnis des Konzepts der schwachen Lösung (MK1, MO2)
Verständnis des Randverhaltens von Lösungen (MK1, MO2)
Methodenkompetenz:
Fähigkeit die Existenz von Lösungen zu untersuchen (MO2)
Fähigkeit die Eindeutigkeit von Lösungen zu untersuchen (MO2)
Fähigkeit die Regularität von Lösungen zu untersuchen (MO2)
Personale Kompetenz:
Vertieftes Verständnis für komplexe Argumentationen in der elliptischen Theorie (MO3)
Recommended requirement:
Literature:
Analysis I, II, Lineare Algebra I, Einführung in die Wahrscheinlichkeitstheorie
Examination achievement:
Analysis I, II, Lineare Algebra I, Einführung in die Wahrscheinlichkeitstheorie
Instructor(s):
Martin Schmidt
Description:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
MAA 506 Topology and Equilibria (Lecture, German)
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Verständnis der Grundlagen der mengentheoretischen Topologie (MK1)
Beschreibung topologischer und geometrischer Eigenschaften durch algebraische und numerische Invarianten (MK1, MO2)
Umgang mit (simplizialen) Homologiegruppen (MK1, MO2)
Verständnis der Eigenschaften und der Bedingungen für die Existenz von Nash-Gleichgewichten und Walras'schen Gleichgewichten (MK2, MO3)
Methodenkompetenz:
Umgang mit einfachen topologischen Räumen und Entscheidung über Homöomorphie zweier gegebener Räume (MK1)
Triangulierung einfacher kompakter Räume und Berechnung ihrer Homologie (MK1, MO2)
Interpretation der Homologiegruppen (MK1, MO2)
Berechnung von Nash-Gleichgewichten (MK2, MF2)
Personale Kompetenz:
Verständnis der Rolle topologischer Modelle für die Lösung fundamentaler mikroökonomischer Fragestellungen (MK2, MO2, MO3, MO4)
Recommended requirement:
Literature:
Analysis I und II
Examination achievement:
Analysis I und II
Instructor(s):
Wolfgang Seiler
Description:
Topologische Räume und stetige Abbildungen
Zusammenhang, Kompaktheit, 1-Abzählbarkeit
Endliche simpliziale Komplexe und ihre Homologie
Anwendung auf Fixpunktsätze, Fundamentalsatz der Algebra u.ä.
Korrespondenzen und der Fixpunktsatz von Kakutani
Spiele und ihre Nash-Gleichgewichte
Volkswirtschaftliche Systeme und Walras'sche Gleichgewichte
MAA 508 Advanced Analysis (Lecture, English)
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Recommended requirement:
Literature:
Linear algebra I, Analysis I,II
Examination achievement:
Linear algebra I, Analysis I,II
Instructor(s):
Li Chen
Description:
This course will start with basic knowledge of real analysis, includes measure and integration, then we will go into some advanced topics in analysis, such as L^p spaces, distributions, the Fourier transform, Sobolev spaces and related inequalities. These are necessary knowledge in modern PDE theories and their applications (for example, in physics, biology and economy).
MAC 502 Computational Finance (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Andreas Neuenkirch
MAC 507 Nonlinear Optimization (Lecture, English)
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Claudia Schillings , Andreas Sommer
MAC 510 Numerical Methods for Partial Differential Equation (Lecture, German)
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
German
Hours per week:
4
Instructor(s):
Simone Göttlich
SEM 510 Diffusion Equations (Seminar, English)
Lecture type:
Seminar
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Li Chen
Seminar Graph Theory (Seminar, English)
Lecture type:
Seminar
ECTS:
3.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Makiko Mase
Nonparametric Statistics (Lecture, English)
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Claudia Strauch
Wahrscheinlichkeitstheorie I (Lecture, German)
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Instructor(s):
Christian Hirsch

Contact School of Business Informatics and Mathematics

Juliane Roth, M.A.

Juliane Roth, M.A.

Departmental Exchange Coordinator
University of Mannheim
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik
B 6, 26
Gebäudeteil B – Room B 1.05
68159 Mannheim
Phone: +49 621 181-2340
Fax: +49 621 181-2423
E-mail: roth(at)wim.uni-mannheim.de
Consultation hour(s):
Wed 10–11:30 a.m. or on appointment Mon–Wed 9 a.m.–3 p.m.