1
Intranet
DE / EN
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.

Search filter

Business Informatics (Bachelor)

Algorithms and Data Structures (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
6
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
Die Studierenden kennen effiziente Algorithmen und effektive Datenstrukturen für grundlegende Probleme der Informatik und können diese  anwenden und in Computerprogramme umsetzen. Sie beherrschen weiterhin grundlegende Techniken des Entwurfs von Algorithmen und Datenstrukturen, sowie der Korrektheits- und Laufzeitanalyse von Algorithmen
Methodenkompetenz:
Die Studierenden können anwendungsrelevanten Berechnungsproblemen effiziente Algorithmen zuzuordnen bzw. diese  entwickeln und
mittels dieser lösen.
Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen identifizieren, sie formal spezifizieren und damit einer rechentechnischen Lösung zuführen. Sie können auf höherem Niveau abstrahieren und mit formalen Modellierungstechniken arbeiten.
Recommended requirement:
Examination achievement:
Schriftliche Klausur (90 Minuten)
Instructor(s):
Matthias Krause, Alexander Moch
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202110:15 – 11:45A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Wednesday  (weekly) 08.09.2021 – 08.12.202112:00 – 13:30SN 169 [Corona] + ZOOM; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 09.12.202117:15 – 18:45A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Description:
  • Grundtechniken des Algorithmenentwurfs sowie der Laufzeitanalyse (Divide and Conquer, Greedyheuristiken, Dynamic Programming,…)
  • Grundtechniken des Beweisens der Korrektheit von Algorithmen
  • Sortieralgorithmen
  • Hashing und hashingbasierte Algorithmen
  • Advanced Data Structures
  • Algorithmen für Suchbäume
  • Graphalgorithmen (Tiefensuche, Breitensuche, Minimum Spanning Trees, Kürzeste-Wege-Algorithmen)
  • Ausgewählte weitere Algorithmen (z.B. Pattern Matching, Automatenminimierung…)
More information
Algorithms and Data Structures (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
6
Learning target:
Fachkompetenz:
Die Studierenden kennen effiziente Algorithmen und effektive Datenstrukturen für grundlegende Probleme der Informatik und können diese  anwenden und in Computerprogramme umsetzen. Sie beherrschen weiterhin grundlegende Techniken des Entwurfs von Algorithmen und Datenstrukturen, sowie der Korrektheits- und Laufzeitanalyse von Algorithmen
Methodenkompetenz:
Die Studierenden können anwendungsrelevanten Berechnungsproblemen effiziente Algorithmen zuzuordnen bzw. diese  entwickeln und
mittels dieser lösen.
Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen identifizieren, sie formal spezifizieren und damit einer rechentechnischen Lösung zuführen. Sie können auf höherem Niveau abstrahieren und mit formalen Modellierungstechniken arbeiten.
Recommended requirement:
Examination achievement:
Schriftliche Klausur (90 Minuten)
Instructor(s):
Matthias Krause, Alexander Moch
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202110:15 – 11:45WIM-ZOOM-03; Virtuelles Gebäude
Wednesday  (weekly) 08.09.2021 – 08.12.202112:00 – 13:30WIM-ZOOM-04; Virtuelles Gebäude
Thursday  (weekly) 09.09.2021 – 09.12.202117:15 – 18:45WIM-ZOOM-02; Virtuelles Gebäude
Description:
  • Grundtechniken des Algorithmenentwurfs sowie der Laufzeitanalyse (Divide and Conquer, Greedyheuristiken, Dynamic Programming,…)
  • Grundtechniken des Beweisens der Korrektheit von Algorithmen
  • Sortieralgorithmen
  • Hashing und hashingbasierte Algorithmen
  • Advanced Data Structures
  • Algorithmen für Suchbäume
  • Graphalgorithmen (Tiefensuche, Breitensuche, Minimum Spanning Trees, Kürzeste-Wege-Algorithmen)
  • Ausgewählte weitere Algorithmen (z.B. Pattern Matching, Automatenminimierung…)
More information
CS 560 Large-Scale Data Management (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.

Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets

Personal competence:
• Study independently
• Presentation and writing skills

Recommended requirement:
Examination achievement:
Written examination, exercises
90 minutes
Instructor(s):
Rainer Gemulla
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202110:15 – 11:45WIM-ZOOM-01; Virtuelles Gebäude
Description:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
More information
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Registration procedure:
Please note that there is no second date for the exam.
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:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Heiko Paulheim, Tobias Weller
Date(s):
Wednesday  (weekly) 08.09.2021 – 08.12.202110:15 – 11:45A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
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)
More information
Database Systems I (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
On-campus and online, live
Learning target:
Fachkompetenz:
Verständnis der Grundlagen der Datenmodellierung bzw. des Datenbankentwurfs und der Funktionsweise von relationalen Datenbankmanagementsystemen, insbesondere Anfragebearbeitung und Transaktionsverwaltung
Methodenkompetenz:
Abstraktion, Modellierung, Aufwandsabschätzung für Anfragen
Personale Kompetenz:
Verständnis der Rolle moderner Datenhaltung in einem Unternehmen
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten)
Instructor(s):
Guido Moerkotte
Date(s):
Monday  (weekly) 13.09.2021 – 06.12.202112:00 – 13:30A 101 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Wednesday  (weekly) 08.09.2021 – 08.12.202110:15 – 11:45A 101 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Description:
Datenbankentwurf, Normalisierung, Anfragebearbeitung, Transaktionsverwaltung
More information
Database Systems I (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
On-campus and online, live
Learning target:
Fachkompetenz:
Verständnis der Grundlagen der Datenmodellierung bzw. des Datenbankentwurfs und der Funktionsweise von relationalen Datenbankmanagementsystemen, insbesondere Anfragebearbeitung und Transaktionsverwaltung
Methodenkompetenz:
Abstraktion, Modellierung, Aufwandsabschätzung für Anfragen
Personale Kompetenz:
Verständnis der Rolle moderner Datenhaltung in einem Unternehmen
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten)
Instructor(s):
Guido Moerkotte
Date(s):
Monday  (weekly) 13.09.2021 – 06.12.202112:00 – 13:30A 102 (B 6, Bauteil A) [Corona]; “Corona-Gebäude”
Wednesday  (weekly) 08.09.2021 – 08.12.202110:15 – 11:45A 104 (B 6, Bauteil A) [Corona]; “Corona-Gebäude”
Description:
Datenbankentwurf, Normalisierung, Anfragebearbeitung, Transaktionsverwaltung
More information
Decision Support (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
  • Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project presentation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), homework assignments, case studies
Instructor(s):
Stefan Lüdtke, Lea Cohausz
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202113:45 – 15:15WIM-ZOOM-01; Virtuelles Gebäude
Monday  (weekly) 06.09.2021 – 10.12.202115:30 – 17:00WIM-ZOOM-07; Virtuelles Gebäude
Monday  (single date) 18.10.202113:45 – 15:15001. A (A 3) [Corona] + ZOOM; “Corona-Gebäude”
Description:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
More information
Decision Support (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
  • Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project presentation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), homework assignments, case studies
Instructor(s):
Stefan Lüdtke, Lea Cohausz
Description:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
More information
Formal Foundations of Computer Science (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
Die Studierenden beherrschen grundlegende für die Informatik rele-vanten Konzepte, Begriffsbildungen und wissenschaftlichen Arbeits-techniken aus Mathematik und Logik. Sie kennen weiterhin eine erste Auswahl an wichtigen Datenstrukturen und  effizienten Algorithmen für grundlegende Probleme.
Methodenkompetenz:
Die Studierenden besitzen die Fähigkeit, informal gegebene Sachver-halte formal zu modellieren und die entstehenden formalen Struktu-ren bzgl. grundlegender Eigenschaften zu klassifizieren. Sie können weiterhin  auf einem für Informatiker adäquaten Niveau gegebene Aussagen mathematisch  beweisen.
Personale Kompetenz:
Die Studierenden besitzen ein Grundverständnis der för die Informa-tik wichtigen formalen Strukturen, Modelle und Arbeitstechniken. Sie können auf höherem Niveau abstrakt denken und formal modellieren.
Recommended requirement:
Examination achievement:
Schriftliche Klausur (90 Minuten)
Instructor(s):
Matthias Krause, Alexander Moch
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202113:45 – 15:15SO 108 [Corona] + ZOOM; “Corona-Gebäude”
Monday  (weekly) 06.09.2021 – 10.12.202112:00 – 13:30A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Description:
  • Grundlagen Aussagenlogik (Folgern, Beweisen)
  • Mengen, Relationen, Abbildungen
  • Grundlagen der Kombinatorik (Abzählen von endlichen Mengen, Abzählbarkeit)
  • Einführung Graphentheorie
  • Algebraische Strukturen (Halbgruppen, Gruppen, Homorphismen, Faktorstrukturen)
  • Grundlegende Berechnungsmodelle/Endliche Automaten
More information
Formal Foundations of Computer Science (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Die Studierenden beherrschen grundlegende für die Informatik rele-vanten Konzepte, Begriffsbildungen und wissenschaftlichen Arbeits-techniken aus Mathematik und Logik. Sie kennen weiterhin eine erste Auswahl an wichtigen Datenstrukturen und  effizienten Algorithmen für grundlegende Probleme.
Methodenkompetenz:
Die Studierenden besitzen die Fähigkeit, informal gegebene Sachver-halte formal zu modellieren und die entstehenden formalen Struktu-ren bzgl. grundlegender Eigenschaften zu klassifizieren. Sie können weiterhin  auf einem für Informatiker adäquaten Niveau gegebene Aussagen mathematisch  beweisen.
Personale Kompetenz:
Die Studierenden besitzen ein Grundverständnis der för die Informa-tik wichtigen formalen Strukturen, Modelle und Arbeitstechniken. Sie können auf höherem Niveau abstrakt denken und formal modellieren.
Recommended requirement:
Examination achievement:
Schriftliche Klausur (90 Minuten)
Instructor(s):
Matthias Krause, Alexander Moch
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202112:00 – 13:30WIM-ZOOM-03; Virtuelles Gebäude
Thursday  (weekly) 09.09.2021 – 09.12.202113:45 – 15:15WIM-ZOOM-01; Virtuelles Gebäude
Description:
  • Grundlagen Aussagenlogik (Folgern, Beweisen)
  • Mengen, Relationen, Abbildungen
  • Grundlagen der Kombinatorik (Abzählen von endlichen Mengen, Abzählbarkeit)
  • Einführung Graphentheorie
  • Algebraische Strukturen (Halbgruppen, Gruppen, Homorphismen, Faktorstrukturen)
  • Grundlegende Berechnungsmodelle/Endliche Automaten
More information
Artificial Intelligence (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Ziele und Grundlagen der Künstlichen Intelligenz. Suchverfahren als universelle Problemlösungsverfahren. Problemkomplexität und Heuristische Lösungen. Eigenschaften und Zusammenhang zwischen unterschiedlichen Suchverfahren.
Methodenkompetenz:
Beschreibung konkreter Aufgaben als Such-, Constraint- oder Planungsproblem. Implementierung unterschiedlicher Suchverfahren und Heuristiken.
Recommended requirement:
Examination achievement:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)
Instructor(s):
Christian Meilicke
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202112:00 – 13:30WIM-ZOOM-13; Virtuelles Gebäude
Monday  (single date) 18.10.202119:00 – 20:30WIM-ZOOM-13; Virtuelles Gebäude
Tuesday  (single date) 19.10.202119:00 – 20:30WIM-ZOOM-13; Virtuelles Gebäude
Wednesday  (single date) 20.10.202119:00 – 20:30WIM-ZOOM-13; Virtuelles Gebäude
Thursday  (single date) 21.10.202119:00 – 20:30WIM-ZOOM-13; Virtuelles Gebäude
Description:
  • Problemeigenschaften und Problemtypen
  • Problemlösen als Suche, Anwendung im Bereich Computerspiele
  • Constraintprobleme und deren Lösung
  • Logische Constraints
More information
Practical Computer Science I (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
6
Attendance:
Online, live & recorded
Learning target:
Fachkompetenz:
Die Studierenden können selbständig Algorithmen zu vorgegebenen Problemen entwerfen und in Java, das im parallel laufenden Pro-grammierkurs I unterrichtet wird, objektorientiert programmieren. Methodenkompetenz:
Algorithmenentwurf, Bewertung von vorgegeben Algorithmen Personale Kompetenz:
Kreativität beim Entwurf von Algorithmen, Teamfähigkeit
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
schriftliche Klausur (90 Minuten)

Instructor(s):
Frederik Armknecht
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202115:30 – 17:00WIM-ZOOM-05; Virtuelles Gebäude
Friday  (weekly) 10.09.2021 – 10.12.202115:30 – 17:00WIM-ZOOM-05; Virtuelles Gebäude
Monday  (single date) 13.09.202115:30 – 17:00WIM-ZOOM-05; Virtuelles Gebäude
Description:
Vom Problem zum Algorithmus, vom Algorithmus zum Programm
  • Entwurf von Algorithmen: schrittweise Verfeinerung, Modularität, Objektorientierung (Klassen­hierarchien, Vererbung), Rekursion
  • Die objektorientierte Programmiersprache Java
  • Einfache Datenstrukturen (verkettete Liste, Binärbaum, B-Baum)
  • Modellierung mit UML: Klassendiagramme, Aktivitätsdiagramme, Zustandsdiagramme
  • Einführung in die Theorie der Algorithmen: Berechenbarkeit, Komplexität (O-Kalkül), Testen und Verifikation von Algorithmen und Programmen
More information
Programming Lab I (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
  • Gründliche Kenntnis der Basiskonzepte der Programmiersprache Java
  • Verständnis des Konzepts der Objektorientierung
  • Kenntnisse der algorithmischen Prinzipien  Iteration und Rekursion
  • Basiswissen über das Arbeiten unter einem Linux-Betriebssystem

Methodenkompetenz:

  • Fähigkeit, Algorithmen zu entwerfen
  • Fähigkeit, komplexe Algorithmen in Java ohne Einsatz importierter Methoden zu programmieren
  • Fähigkeit, rekursiv zu programmieren

Personale Kompetenz:

  • Eigenverantwortliches Arbeiten
  • Teamfähigkeit
Recommended requirement:
Examination achievement:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Instructor(s):
Ursula Rost
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202110:15 – 11:45WIM-ZOOM-10; Virtuelles Gebäude
Description:
Im Programmierpraktikum I werden grundlegende Kenntnisse der objektorientierten Programmierung auf Basis der Sprache Java vermittelt.
Die Studierenden werden von dieser Sprache vor allem folgende Grundmerkmale und Konzepte kennenlernen:
 
  • Basiskonzepte der Programmierung: einfache Datentypen, Variablen, Operatoren, Anweisungen, Kontrollstrukturen
  • Zusammengesetzte Datentypen (Felder)
  • Das Konzept der objektorientierten Programmierung
  • Klassen (Attribute, Methoden, Konstruktoren)
  • Vererbung
  • Pakete, abstrakte Klassen und Interfaces
  • Java API und wichtige Hilfsklassen
  • Ausnahmebehandlung: Exceptions
  • Programmierung Grafischer Oberflächen mit Swing

Die Programmierausbildung erfolgt auf der Basis des Betriebssystems Linux. Hierzu werden ebenfalls Grundkenntnisse vermittelt, die es ermöglichen, einfache Java-Programme zu entwickeln. Im Laufe des Kurses wird darüber hinaus eine einfache Entwicklungsumgebung eingeführt.
More information

Business Informatics (Master)

Advanced Software Engineering (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Expertise:
After taking the course, students will be familiar with the latest state-of-the-art techniques for specifying the externally visible properties of a software system/component  – that is, for describing a software system/component as a “black box”, and for verifying them. Methodological competence:
Participants will know how to use the expertise acquired during the course to describe the requirements that a system/component has to satisfy and to define tests to check whether a system/component fulfils these requirements. Personal competence:
With the acquired skills and know-how, students will be able to play a key role in projects involving the development of systems, components and software applications.
Recommended requirement:
Examination achievement:
Written examination, 90 minutes
Instructor(s):
Colin Atkinson
Date(s):
Friday  (weekly) 10.09.2021 – 03.12.202110:15 – 11:45WIM-ZOOM-12; Virtuelles Gebäude
Description:
The course deals with the model-based specification of software systems and components as well as their verification, validation and quality assurance. The emphasis is on view-based specification methods that use multiple views, expressed in multiple languages, to describe orthogonal aspects of software systems/components. Key examples include structural views represented using class diagrams, operational views expressed using constraint languages and behavioural views expressed using state diagrams. An important focus of the course is the use of these views to define tests and extra-functional properties.
More information
CS 560 Large-Scale Data Management (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.

Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets

Personal competence:
• Study independently
• Presentation and writing skills

Recommended requirement:
Examination achievement:
Written examination, exercises
90 minutes
Instructor(s):
Rainer Gemulla
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202110:15 – 11:45WIM-ZOOM-01; Virtuelles Gebäude
Description:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
More information
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Registration procedure:
Please note that there is no second date for the exam.
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:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Heiko Paulheim, Tobias Weller
Date(s):
Wednesday  (weekly) 08.09.2021 – 08.12.202110:15 – 11:45A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
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)
More information
Decision Support (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
  • Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project presentation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), homework assignments, case studies
Instructor(s):
Stefan Lüdtke, Lea Cohausz
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202113:45 – 15:15WIM-ZOOM-01; Virtuelles Gebäude
Monday  (weekly) 06.09.2021 – 10.12.202115:30 – 17:00WIM-ZOOM-07; Virtuelles Gebäude
Monday  (single date) 18.10.202113:45 – 15:15001. A (A 3) [Corona] + ZOOM; “Corona-Gebäude”
Description:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
More information
Decision Support (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
  • Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project presentation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), homework assignments, case studies
Instructor(s):
Stefan Lüdtke, Lea Cohausz
Description:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
More information
Machine Learning Vorlesung (Lecture)
EN
Lecture type:
Lecture
ECTS:
9.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Rainer Gemulla
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202112:00 – 13:30WIM-ZOOM-01; Virtuelles Gebäude
More information
IS 613 Applied Project in Design Thinking and Lean Software Development (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Registration procedure:

Die Bewerbung erfolgt ausschließlich über unser lehr­stuhl­internes Bewerbungs­portal (Zugriff nur aus dem Universitäts­netzwerk oder per VPN). Sollten Sie sich für IS 613 und IS 615 bewerben genügt eine Bewerbung; geben Sie in diesem Fall jedoch an, dass Sie sich für beide Kurse bewerben. Nur im unten aufgeführten Zeitraum ist eine Bewerbung möglich!

Bewerbungs­zeitraum: 01.08.21 - 02.09.21

Anforderungen:

  • Kurzes Anschreiben (1-2 Absätze) über Ihre Motivation und ihre bisherigen Erfahrungen in der Software­entwicklung
  • Lebenslauf und Studien­ergebnisse (Notentranskript)

Diese Seite wird aktualisiert, sobald sich Änderungen ergeben. Bestätigungen werden am Montag, den 06. September 2021 versendet. Ein Rücktritt vom Kurs ist bis zum 12. September 2021 möglich

Learning target:
The students
  • learn how to apply design principles for developing customer oriented applications,
  • understand the difficulties involved in team-based software development,
  • Iimprove software engineering skills,
  • improve the ability to work in teams,
  • use state of the art software engineering methods and tools.
Recommended requirement:
Examination achievement:
Software development term project
Instructor(s):
Alexander Scheerer
Date(s):
Friday  (single date) 15.10.202115:30 – 17:00BWL-ZOOM-02; Virtuelles Gebäude
Friday  (single date) 22.10.202115:30 – 17:00BWL-ZOOM-02; Virtuelles Gebäude
Friday  (single date) 29.10.202115:30 – 17:00BWL-ZOOM-02; Virtuelles Gebäude
Friday  (single date) 05.11.202115:30 – 17:00BWL-ZOOM-02; Virtuelles Gebäude
Friday  (single date) 12.11.202115:30 – 17:00BWL-ZOOM-02; Virtuelles Gebäude
Wednesday  (single date) 17.11.202115:30 – 18:30BWL-ZOOM-02; Virtuelles Gebäude
Description:
The goal of this term project is to collaboratively develop a concept, design or software to solve a real world problem in a student development team environment. We offer a project-based lecture with hands-on experience for lean principles and design thinking. Students will learn innovative product and process design for software development which then can be directly applied in exercise sessions. 
The used technology will depend on students’ skills and experience. Prototypes might be developed with technology for mobile devices or paper-based for non-developers.
More information
IS 614 Corporate Knowledge Management (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Registration procedure:



This course does not have limited places. Please register for this course on Portal 2 after your enrollment, you will be admitted at the end of the registration period.
Learning target:
Course participants will be able to:
•    explain the role and importance of knowledge for organizations
•    Understand and explain the processes of knowledge management (KM)
•    Describe and evaluate the possibilities to support the different knowledge processes through information technology
•    Understand and evaluate different design principles of KM systems
•    Evaluate and apply organizational and technological mechanisms that ensure the use of KM systems
Recommended requirement:
Examination achievement:
Written exam (60 min.); optional case study (20%)
Instructor(s):
Ekaterina Jussupow, Monica Fallon
Date(s):
Monday  (block date) 06.09.2021 – 17.09.202117:15 – 18:45BWL-ZOOM-02; Virtuelles Gebäude
Wednesday  (single date) 20.10.202117:15 – 18:45BWL-ZOOM-02; Virtuelles Gebäude
Wednesday  (single date) 03.11.202117:15 – 18:45BWL-ZOOM-02; Virtuelles Gebäude
Thursday  (single date) 11.11.202110:30 – 12:45BWL-ZOOM-02; Virtuelles Gebäude
Description:
Companies have realized that the knowledge of their professionals is a decisive factor in competition. Firms are able to differentiate against their competitors through superior knowledge in the long term.
This lecture deals with the question of how the creation acquisition, transfer, storage, retrieval, and use of knowledge can be supported with the information technology and where the limits of such efforts are. It also addresses how to design information technology to support different knowledge processes.
More information
IS 615 Design Thinking and Lean Development in Enterprise Software Development (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Registration procedure:

Die Bewerbung erfolgt ausschließlich über unser lehr­stuhl­internes Bewerbungs­portal (Zugriff nur aus dem Universitäts­netzwerk oder per VPN). Sollten Sie sich für IS 613 und IS 615 bewerben genügt eine Bewerbung; geben Sie in diesem Fall jedoch an, dass Sie sich für beide Kurse bewerben. Nur im unten aufgeführten Zeitraum ist eine Bewerbung möglich!

Bewerbungs­zeitraum: 01.08.21 - 02.09.21

Anforderungen:

  • Kurzes Anschreiben (1-2 Absätze) über Ihre Motivation und ihre bisherigen Erfahrungen in der Software­entwicklung
  • Lebenslauf und Studien­ergebnisse (Notentranskript)

Diese Seite wird aktualisiert, sobald sich Änderungen ergeben. Bestätigungen werden am Montag, den 06. September 2021 versendet. Ein Rücktritt vom Kurs ist bis zum 12. September 2021 möglich

Learning target:
After completing the class, students will be able to:
  • Understand the issues and challenges involved in enterprise software development
  • Understand and apply large-scale agile development based on lean principles
  • Understand and apply Design Thinking and related innovation practices
  • Understand and evaluate business models for software companies and products
  • Understand and apply how to bring all of this together in enterprise reality
  • Understand and evaluate state of the art software engineering methods
  • Understand and explain particular success strategies recommended by practitioners
  • Understand how to launch a start-up and scale a software company
Recommended requirement:
Examination achievement:
80% written exam (60 min), 20% case study (mandatory)
Instructor(s):
Philipp Hoffmann, Alexander Scheerer
Date(s):
Wednesday  (single date) 08.09.202115:30 – 17:00BWL-ZOOM-01; Virtuelles Gebäude
Tuesday  (single date) 14.09.202115:30 – 19:00BWL-ZOOM-01; Virtuelles Gebäude
Wednesday  (single date) 15.09.202115:30 – 19:00BWL-ZOOM-01; Virtuelles Gebäude
Thursday  (single date) 16.09.202115:30 – 19:00BWL-ZOOM-01; Virtuelles Gebäude
Tuesday  (single date) 21.09.202115:30 – 19:30BWL-ZOOM-01; Virtuelles Gebäude
Wednesday  (single date) 22.09.202115:30 – 19:30BWL-ZOOM-01; Virtuelles Gebäude
Thursday  (single date) 23.09.202115:30 – 19:30BWL-ZOOM-01; Virtuelles Gebäude
Thursday  (single date) 30.09.202115:30 – 17:00BWL-ZOOM-03; Virtuelles Gebäude
Description:
Enterprise software development revolves around complex and interdependent software products for different companies, lines of business and industries. Hence, there is an inherent trade-off between standard software and domain-specific software solutions. Software companies thus have to keep track of various heterogeneous and possibly conflicting market requirements that are subject to changes and updates in ever shorter release cycles.
However, it is essential for every enterprise software company to be able to build the right solutions efficiently. To be able to do so in the long run, large software companies elaborated good practices to ensure both, efficient development processes and innovative products.
Among these, lean thinking and agile software development practices combined with Design Thinking and related practices are increasingly adopted and intertwined in the software industry. So, the goal of this module is to convey both, approaches from research and industry experience together with practical application based on concrete enterprise software challenges. The course includes both, lecture and workshop formats.

A combination with IS 613 as related term project is highly recommended.
More information
IT-Security (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Attendance:
Online, live & recorded
Instructor(s):
Frederik Armknecht
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202110:15 – 11:45WIM-ZOOM-06; Virtuelles Gebäude
Friday  (weekly) 29.10.2021 – 10.12.202113:45 – 15:15
More information
Cryptographie II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Learning target:
Fachkompetenz:
Die Studierenden können Mithilfe aktueller Techniken und Theorien der modernen Kryptographie die Sicherheit von kryptographischen Verfahren einschätzen bzw. Sicherheitsaussagen entsprechend zu beurteilen. Weiterhin sind sie in der Lage, Sicherheitsziele zu erkennen und entsprechende Techniken einzusetzen, die in Kryptographie I nicht behandelt werden konnten.
Methodenkompetenz:
Den Studierenden sind in der Lage, geeignete Methoden zu Sicherheitsanalyse von kryptographischen Verfahren auszuwählen und einzusetzen. Dazu gehören bspw. die Wahl der passenden Sicherheitsmodelle, das Beweisen der Sicherheit aufgrund klar präzisierter Annahmen und die Analyse gegebener Verfahren. Insbesondere besitzen die Studierenden die Fähigkeit, die Sicherheitsargumente für existierende Verfahren zu verstehen und einzuschätzen und auf neue zu übertragen. Weiterhin können sie Techniken und Protokolle einsetzen, um Sicherheitsziele zu erreichen, die mit den in Kryptographie I besprochenen Verfahren noch nicht möglich waren.
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendungen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsvermögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Recommended requirement:
Examination achievement:
Schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Frederik Armknecht
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202113:45 – 15:15WIM-ZOOM-02; Virtuelles Gebäude
Description:
In der Vorlesung erfolgt eine kurze Zusammenstellung der wichtigsten kryptographischen Grundalgorithmen und der für die Vorlesung relevanten mathematischen, algorithmischen und informations- und komplexitätstheoretischen Grundlagen. Diese werden einerseits vertieft und andererseits erweitert. Behandelte Themen sind beispielsweise
  • moderne Techniken der Kryptanalyse und daraus ableitbare Designkriterien für kryptographische Verfahren
  • kryptographische Protokolle
  • Sicherheitsbeweise
More information
Model Driven Development (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Expertise:
Students will be familiar with the accepted best practices and technologies used in mainstream model-driven development as well as state-of-the-art modeling technologies emerging from research institutions.
Methodological competence:
Students will know how to apply modeling technologies in real-world projects.
Personal competence:
Students will have the capability to analyse, understand and model complex systems.
Recommended requirement:
Examination achievement:
Written examination (90 minutes)
Instructor(s):
Colin Atkinson
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202113:45 – 15:15WIM-ZOOM-12; Virtuelles Gebäude
Description:
The course focuses on the principles, practices and tools involved in advanced model-driven development. This includes established modelling standard languages (e. g. UML, ATL, OCL . . . ) and modelling infrastructures (e. g. MOF, EMF, etc. ) as well as leading edge, state-of-the-art modelling technologies (e. g. LML, PLM . . . ). Key topics addressed include –
  • Multi-level modeling
  • Meta-modeling
  • Ontology engineering versus model engineering
  • Model transformations
  • Domain specific language definition and use
  • Model creation and evolution best practices
  • Model-driven software development
  • Model checking and ontology validation
More information
Network Analysis (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Attendance:
Online, live
Instructor(s):
Jonathan Kobbe
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202112:00 – 13:30WIM-ZOOM-04; Virtuelles Gebäude
More information
Semantic Web Technologies (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Live & on-campus
Learning target:
Expertise:
The participants of this course learn about principles and applications of Semantic Web standards. They become familiar with their technical foundations such as representation and query languages, or logical inference. After taking this course, the students will be aware of the problems and benefits of semantic technologies in the context of tasks such as knowledge management, information search and data integration, and they will be capable of judging the applicability of these technologies for addressing practical challenges.
Methodological competence:
The participants learn how to design and implement Semantic Web applications. They are able to use standardized modeling languages for building knowledge representations, and to query these models by means of languages such as SPARQL.
Personal competence:
By jointly building a semantic web application, the students learn how to effectively work in teams. They improve upon their presentation skills by showing the outcomes of their projects to the other participants of the course.
Recommended requirement:
Examination achievement:
Regular exercises, team project, written examination (90 minutes)
Instructor(s):
Heiko Paulheim
Description:
  • Vision and Principles of the Semantic Web
  • Representation Languages (XML, RDF, RDF Schema, OWL)
  • Knowledge Modeling: Ontologies and Linked Data
  • Logical Reasoning in RDF and OWL
  • Commercial and Open Source Tools and Systems
More information
Text Analytics (Lecture)
EN
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 state-of-the-art principles and methods of Natural Language Processing, with a specific focus on the application of statistical methods to human language technologies.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Natural Language Processing, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different practical and application-oriented scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Recommended requirement:
Examination achievement:
Written examination (90 minutes), homework assignments
Instructor(s):
Simone Paolo Ponzetto
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202115:30 – 17:00WIM-ZOOM-01; Virtuelles Gebäude
Description:
In the digital age, techniques to automatically process textual content have become ubiquitous. Given the breakneck speed at which people produce and consume textual content online – e.g., on micro-blogging and other collaborative Web platforms like wikis, forums, etc. – there is an ever-increasing need for systems that automatically understand human language, answer natural language questions, translate text, and so on. This class will provide a complete introduction to state-of-the-art principles and methods of Natural Language Processing (NLP). The main focus will be on statistical techniques, and their application to a wide variety of problems. This is because statistics and NLP are nowadays highly intertwined, since many NLP problems can be formulated as problems of statistical inference, and statistical methods, in turn, represent de-facto the standard way  to solve many, if not the majority, of NLP problems. Covered topics will include:
 
  • Words
    • Language Modeling
    • Part-Of-Speech Tagging
  • Syntax
    • Statistical Parsing
  • Semantics and pragmatics
    • Computational Lexical Semantics
    • Computational Discourse
  • Applications
    • Topic Modeling
    • Information Extraction
    • Question Answering and Summarization
    • Statistical Alignment and Machine Translation
Coursework will include homework assignments 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.
More information
Web Data Integration (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will be able to identify opportunities for employing Web data in business applications and will learn to select and apply appropriate techniques for integrating and cleansing Web data.
Methodological competence:
  • Participants will acquire knowledge of the data integration process as well as the techniques that are used in each phase of the process.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills.
Recommended requirement:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Christian Bizer
Date(s):
Wednesday  (weekly) 08.09.2021 – 08.12.202115:30 – 17:00A 101 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Description:
The Web is developing from a medium for publishing textual documents into a medium for sharing structured data. In the course, students will learn how to integrate and cleanse data from this global data space for the later usage of the data within business applications. The course will cover the following topics:
  • Heterogeneity and Distributedness
  • The Data Integration Process
  • Web Data Formats
  • Schema Matching and Data Translation
  • Identity Resolution
  • Data Quality Assessment
  • Data Fusion
More information

Business Mathematics (Bachelor)

MAC 403 Mathematical Finance (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
• Grundbegriffe der Modellierung in der Finanzmathematik  (BK2, BK4)
• Grundlagen der Martingaltheorie und des Itô-Kalküls (BK1, BK4)
• Bewertung und Absicherung riskanter Positionen in allgemeinen zeitdiskreten Marktmodellen, im  Binomialmodell sowie in einfachen vollständigen Marktmodellen in stetiger Zeit wie etwa dem Bachelier oder dem Black-Scholes-Modell (BK1, BK2, BK3)
Methodenkompetenz:
• Grundprinzipien des dynamischen Risikomanagement (BF2, BF3, BO1, BO3)
• Beherrschung der Terminologie der Finanzmathematik wie z.B. den “Greeks” (BF4, BF5, BO1)
• Erkennen, in welchen Situationen welche Bewertungsmethoden für Risiken sinnvoll sein können (BF2, BF3, BF4, BF5)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben)
Prüfungsvorleistung: erfolgreiche Teilnahme an den Übungen
Instructor(s):
Martin Slowik
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202112:00 – 13:30WIM-ZOOM-01; Virtuelles Gebäude
Thursday  (weekly) 09.09.2021 – 09.12.202112:00 – 13:30B 144 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Description:
• Mathematische Grundlagen der zeitlich diskreten Finanzmathematik wie bedingte Erwartungen, Martingale und elementare Funktionalanalysis
• Modellierung von Finanzmärkten in diskreter Zeit
• Arbitragetheorie in diskreter Zeit; insb. Fundamentalsatz der arbitragefreien Bewertung (FTAP), sowie Bewertung und Absicherung von europäischen und Optionen in vollständigen und unvollständigen Marktmodellen
• Binomialmodell von Cox, Ross und Rubinstein
• Amerikanische Optionen und optimales Stoppen in diskreter Zeit
• Mathematische Grundlagen der Finanzmathematik in stetiger Zeit wie Stieltjes-Integration, pfadweiser Itô-Kalkül, elementare partielle Differentialgleichungen
• Modellierung von Finanzmärkten in stetiger Zeit
• Absicherung von Optionen im Bachelier-Modell
• Black-Scholes-Formel
• Variance-swaps, VIX, CPPI
More information
MAA 404 Functional Analysis (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
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:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Peter Parczewski
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202112:00 – 13:30D 002 (B 6, Bauteil D) [Corona]; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 09.12.202112:00 – 13:30WIM-ZOOM-12; Virtuelles Gebäude
Friday  (weekly) 10.09.2021 – 10.12.202110:15 – 11:45WIM-ZOOM-13; Virtuelles Gebäude
Description:
• Komplexe Differenzierbarkeit
• holomorphe und meromorphe Funktionen
• Analytische Fortseztung
• Singularitäten holomorpher Funktionen
• Residuenkalkül
• spezielle Funktionen
More information
MAA 510 Introduction of partial differential equations (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
English
Attendance:
On-campus and online, live & recorded
Learning target:
expertise
 linear pde’s (MK1, MO2)
 fundamental solutions (MK1)
 Green’s functions(MK1)
 heat kernel (MK1)
 existence and uniqueness of Cauchy problem (MK1, MO3)
 spherical means of solutions of wave equation (MK1)

methodical competence
 distinguish between ellitptic, parabolic and hyperbolic pde’s (MO2)
 derive formulas of solutions (MO3)
 energy methods (MO2)
 maximum principles (MO3)

Personal competence
 learn in teams (MO4)
Literature:
 Script (online)
 L.C. Evans: Partial Differential Equations
 F. John: Partial Differential Equations
Examination achievement:
oral examination, 30 minutes
Instructor(s):
Martin Schmidt
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202117:15 – 18:45B 244 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 09.12.202108:30 – 10:00B 243 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Description:
  • Basic notions of partial differential equations
  • method of characteristics
  • Laplace equations
  • heat equations
  • wave equation
More information
MAB 401 Algebra (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
• Sicherer Umgang mit den algebraischen Grundstrukturen, Gruppen, Ringen, Körpern (BK1).
• Würdigung des Aufbaus dieser Grundstrukturen und wichtiger Beweise (BK1).
Methodenkompetenz:
• Gruppen als ordnendes Mittel für Symmetrien verstehen (BK1, BF2).
• Körpertheorie als modernes Werkzeug zur Lösung von mathematischen Fragen der Antike würdigen (BK1, BF2).
Personale Kompetenz:
• Strukturen und Symmetrien erkennen und präzisieren (BF1, BO2).
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Thomas Reichelt
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202110:15 – 11:45C 015 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Friday  (weekly) 10.09.2021 – 10.12.202110:15 – 11:45C 015 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Description:
• Gruppenbegriff, Eigenschaften und Anwendungen zyklischer und abelscher Gruppen, Beispiele, auflösbare Gruppen.
• Ringe, Ideale, Euklidische Ringe, Hauptidealringe, ZPW-Ringe, Quotientenringe.
• Körper, Körpererweiterungen, Galois-Theorie.
More information
MAC 404 Optimization (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Verständnis der wesentlichen Konzepte und Lösungsverfahren der Linearen Optimierung  (BF1, BK1)
• Computerunterstütze Umsetzung anwendungsbezogener Fragestellungen  (BK2, BK3, BO1)
• Querverbindungen zu anderen mathematischen Gebieten identifizierten Klassifikation und Interpretation numerischer Probleme (BK1, BO2)
Methodenkompetenz:
• Mathematische Modellierung eines Problems (BF3, BO3)
• Konkrete Problemlösungsstrategien und deren Interpretation (BF1, BF2)
Personale Kompetenz:
• Teamarbeit (BO1, BF4, BF5)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Claudia Schillings
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202110:15 – 11:45WIM-ZOOM-02; Virtuelles Gebäude
Wednesday  (weekly) 08.09.2021 – 08.12.202110:15 – 11:45WIM-ZOOM-03; Virtuelles Gebäude
Description:
• Lineare Programmierung: Simplex Verfahren, Dualität, innere Punkte Verfahren
• Graphentheorie: minimal spannende Bäume, kürzeste Wege, maximale Flüsse
• Ganzzahlige Programmierung: Branch and Bound Verfahren, Schnittebenenverfahren, Heuristiken
More information
MAT 301 Analysis I (Lecture)
DE
Lecture type:
Lecture
ECTS:
10.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
• Grundbegriffe der reellen Analysis (BF1, BK1)
• Konvergenz von Folgen und Reihen (BK1)
• Stetigkeit von Funktionen in einer Variablen (BK1)
• Differenzierbarkeit von Funktionen in einer Variablen  (BK1)
• Riemanintegral von Funktionen in einer Variablen (BK1)
Methodenkompetenz:
• mathematische Beweisführung (BF1, BO2)
• Hantieren mit Gleichungen und Ungleichungen (BF1, BO2)
• Berechnen von Grenzwerten (BF1,BO3)
• Kurvendiskussion (BF2, BO3)
• Berechnen von unbestimmten und bestimmten Integralen (BO2,BO3)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Li Chen
Date(s):
Wednesday  (weekly) 08.09.2021 – 08.12.202112:00 – 13:30A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Friday  (weekly) 10.09.2021 – 10.12.202110:15 – 11:45A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Wednesday  (weekly) 08.09.2021 – 08.12.202112:00 – 13:30WIM-ZOOM-06; Virtuelles Gebäude
Friday  (weekly) 10.09.2021 – 10.12.202110:15 – 11:45WIM-ZOOM-06; Virtuelles Gebäude
Description:
• Mengen und Abbildungen
• reelle Zahlen
• Zahlenfolgen und Reihen
• Funktionen in einer reellen Variablen
More information
MAT 303 Linear Algebra I (Lecture)
DE
Lecture type:
Lecture
ECTS:
9.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
• Kenntnis der wesentlichen Ideen und Methoden der Linearen Algebra, Kenntnis der wesentlichen mathematischen Beweismethoden (BK1).
Methodenkompetenz:
• Grundstrukturen der Linearen Algebra als Grundstrukturen der Mathematik würdigen und sicher mit ihnen umgehen (BK1).
• Lineare Gleichungssysteme in Anwendungen erkennen und professionell lösen (BF2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1).
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Claus Hertling
Date(s):
Tuesday  (weekly) 14.09.2021 – 07.12.202110:15 – 11:45A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 09.12.202108:30 – 10:00A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Tuesday  (single date) 14.12.202110:15 – 11:45
Thursday  (single date) 16.12.202108:30 – 10:00
Description:
• Gruppen, Ringe, Körper, Vektorräume, Lineare Abbildungen, Matrizen, Lineare Gleichungssysteme, Determinanten,  Eigenwerte und Diagonalisierung,  Euklidische Vektorräume.
More information
MAT 306 Numerical Mathematics (Lecture)
DE
Lecture type:
Lecture
ECTS:
9.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Attendance:
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:
Examination achievement:
schriftliche Klausur
Instructor(s):
Andreas Neuenkirch
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202112:00 – 13:30B 144 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Monday  (weekly) 06.09.2021 – 10.12.202112:00 – 13:30B 144 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Description:
• Numerik linearer Gleichungssysteme
• Störungstheorie und Fehleranalyse
• Lineare Ausgleichsrechnung
• Eigenwertprobleme
• Nichtlineare Gleichungssysteme: Fixpunktiterationen, insbesondere Newton-Verfahren
• Interpolation und Splines
• Numerische Integration
More information
Stochastik 1 (Lecture)
DE
Lecture type:
Lecture
ECTS:
9.0
Course suitable for:
Language of instruction:
German
Attendance:
Live & on-campus
Instructor(s):
Leif Döring
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202113:45 – 15:15A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 09.12.202112:00 – 13:30A 001 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
More information

Business Mathematics (Master)

Applied Topology (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
4
Attendance:
Online, live
Instructor(s):
Daniel Roggenkamp
Date(s):
Wednesday  (weekly) 15.09.2021 – 08.12.202112:00 – 13:30C 015 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Wednesday  (single date) 08.09.202112:00 – 13:30WIM-ZOOM-02; Virtuelles Gebäude
Friday  (weekly) 10.09.2021 – 10.12.202112:00 – 13:30C 015 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
More information
MAC 518 R Programming Course (Lecture)
DE
Lecture type:
Lecture
ECTS:
4.0
Course suitable for:
Language of instruction:
German
Hours per week:
3
Attendance:
On-campus and online, live
Instructor(s):
Martin Schlather
Date(s):
Wednesday  (weekly) 08.09.2021 – 08.12.202115:30 – 18:00C -109 (A 5) [Corona]; “Corona-Gebäude”
More information
MAA 510 Introduction of partial differential equations (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
English
Attendance:
On-campus and online, live & recorded
Learning target:
expertise
 linear pde’s (MK1, MO2)
 fundamental solutions (MK1)
 Green’s functions(MK1)
 heat kernel (MK1)
 existence and uniqueness of Cauchy problem (MK1, MO3)
 spherical means of solutions of wave equation (MK1)

methodical competence
 distinguish between ellitptic, parabolic and hyperbolic pde’s (MO2)
 derive formulas of solutions (MO3)
 energy methods (MO2)
 maximum principles (MO3)

Personal competence
 learn in teams (MO4)
Literature:
 Script (online)
 L.C. Evans: Partial Differential Equations
 F. John: Partial Differential Equations
Examination achievement:
oral examination, 30 minutes
Instructor(s):
Martin Schmidt
Date(s):
Tuesday  (weekly) 07.09.2021 – 07.12.202117:15 – 18:45B 244 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 09.12.202108:30 – 10:00B 243 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Description:
  • Basic notions of partial differential equations
  • method of characteristics
  • Laplace equations
  • heat equations
  • wave equation
More information
MAA 519 Stochastic Calculus (Lecture)
EN
Lecture type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Instructor(s):
David Johannes Prömel
Date(s):
Tuesday  (weekly) 07.09.2021 – 19.10.202113:45 – 15:15C 014 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Thursday  (weekly) 09.09.2021 – 21.10.202113:45 – 15:15C 014 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
Description:
 • Stochastic Integration and Ito formula

 • solution theory for stochastic differential equations (strong solutions, linear SDEs)

 • change of measure (Girsanov theorem)

 • martingale representation theorem
More information
Markov Processes (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Attendance:
Online, recorded
Instructor(s):
Martin Slowik
More information
Mathematical Optimization Research Seminar (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Claudia Schillings
Date(s):
Thursday  (weekly) 09.09.2021 – 09.12.202112:00 – 13:30C 301 (B 6, Bauteil C) [Corona]; “Corona-Gebäude”
More information
Mathematical Optimization Research Seminar (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Claudia Schillings
Date(s):
Thursday  (weekly) 23.09.2021 – 21.10.202112:00 – 13:30A 101 (B 6, Bauteil A) [Corona] + ZOOM; “Corona-Gebäude”
More information
MAC 509 Numerical Methods for Ordinary Differential Equations (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
2
Attendance:
Live & on-campus
Instructor(s):
Jan Josef Friedrich
Date(s):
Monday  (weekly) 06.09.2021 – 10.12.202112:00 – 13:30C 012 (A 5) [Corona] + ZOOM; “Corona-Gebäude”
More information
MAC 508 Computational SDEs (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Attendance:
Online, recorded
Learning target:
Fachkompetenz: Die Studierenden haben die grundlegenden Fragestellungen  und wichtigsten Methoden der Numerik stochastischer Differentialgleichungen erlernt, insbesondere die    Unterschiede zwischen den verschiedenen Approximationsbegriffen, das Euler- und Milsteinverfahren  sowie Multi-level Monte-Carlo-Verfahren (MK1,M02).
Methodenkompetenz: Die Studierenden können nach Besuch des Moduls gegebene numerische Probleme für stochastische Differentialgleichungen klassifizieren und zur Bearbeitung geeignete Verfahren auswählen bzw. konstruieren (MF1,MF2,MO3).
Personale Kompetenz: Teamarbeit
Recommended requirement:
Examination achievement:
mündliche Prüfung
Instructor(s):
Peter Parczewski
Date(s):
Wednesday  (weekly) 08.09.2021 – 08.12.202112:00 – 13:30A 104 (B 6, Bauteil A) [Corona]; “Corona-Gebäude”
Wednesday  (weekly) 08.09.2021 – 08.12.202112:00 – 13:30WIM-ZOOM-12; Virtuelles Gebäude
Description:
Theoretische Grundlagen: stochastische Prozesse; stochastische Integration und stochastische Differentialgleichungen.
Numerik: Simulation von Gaußprozessen; Fehlerbegriffe; Klassische Approximationsverfahren; Cameron-Clark Theorem; Quadratur von SDGLn; Anwendungen in Technik und Finanzmathematik
More information
Seminar Modellierung, Numerik und Optimierung (Seminar)
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
More information

Contact School of Business Informatics and Mathematics

Juliane Roth, M.A.

Juliane Roth, M.A.

Departmental Exchange Coordinator
University of Mannheim
School of Business Informatics and Mathematics
B 6, 26
Gebäudeteil B – Room B 1.05
68159 Mannheim
Phone: +49 621 181–2340
Fax: +49 621 181–2423
E-mail: roth wim.uni-mannheim.de
Consultation hour(s):
by appointment via email
Photo credit: Juliane Roth
In order to improve performance and enhance the user experience for the visitors to our website, we use cookies and store anonymous usage data. For more information please read our privacy policy.
Allow
Reject

Tracking cookies are currently allowed.

Do not allow tracking cookies

Tracking cookies are currently not allowed.

Allow tracking cookies