Information on your course choice
Please note that you have to take the majority of classes at the School of Business Informatics and Mathematics.
To start the registration procedure, please click on ‘More information’ below to be redirected to Portal2. Please sign up for all courses directly on the Portal2. For seminars and Team Projects please follow the respective notes on the websites of your lecturers. The registration period differs for courses with limited and open capacity.
If you're an undergraduate student, you might take graduate-level courses at the School of Business, Informatics and Mathematics. However, please pay attention to any prerequisites.
Suchfilter
Wirtschaftsinformatik (Bachelor)
Algorithmen und Datenstrukturen (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
6
Teilnahme:
Präsenz live
Lernziel:
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.
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Schriftliche Klausur (90 Minuten)
Lektor(en):
Prof. Dr. Matthias Krause
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 10:15 – 11:45 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 10:15 – 11:45 | B 144 Hörsaal; A 5, 6 Bauteil B |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 17:15 – 18:45 | B 144 Hörsaal; A 5, 6 Bauteil B |
Beschreibung:
- 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…)
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Datenbanksysteme I (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Lernziel:
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
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
schriftliche Klausur (90 Minuten)
Termin(e):
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Montag (wöchentlich) | 08.09.2025 – 01.12.2025 | 12:00 – 13:30 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
Datenbankentwurf, Normalisierung, Anfragebearbeitung, Transaktionsverwaltung
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Decision Support (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
1
Teilnahme:
Präsenz live
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 12:00 – 13:30 | C 013 Hörsaal; A 5, 6 Bauteil C |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Decision Support (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 13:45 – 15:15 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Decision Support (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 15:30 – 17:00 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Formale Grundlagen der Informatik (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Teilnahme:
Präsenz live
Lernziel:
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.
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Schriftliche Klausur (90 Minuten)
Lektor(en):
Prof. Dr. Matthias Krause
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 13:45 – 15:15 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
- 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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
IS 405 Integrated Information Systems (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Lernziel:
After attending the lecture, exercises and tutorials students are able to:
- model complex business processes based on popular modelling techniques
- discuss the requirements, characteristics and effects of integrated information systems in industrial companies, including complex process interdependencies
- complete basic tasks from different functional areas in a wide-spread integrated information system.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Klausur (90 Minuten)
Lektor(en):
Prof. Dr. Armin Heinzl, Dr. André Halckenhäußer
Termin(e):
| Freitag (wöchentlich) | 17.10.2025 – 05.12.2025 | 10:15 – 13:30 | SN 169 Röchling Hörsaal; Schloss Schneckenhof Nord |
Beschreibung:
This course first outlines the basics of data and business process modelling based on wide-spread approaches such as entity relationship diagrams, event-driven process chains (EPC), and business process model and notation (BPMN). The remainder of the course then focuses on the use and purpose of integrated information systems across different functional areas in industrial companies. Finally, basics of management support systems such as business intelligence systems are addressed.
- Business Process Modelling
-
Application Systems in
- Research and Development
- Marketing and Sales
- Procurement and Warehousing
- Production
- Shipping and Customer Service
- Finance, Accounting, HR
- Planning and Control Systems
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Künstliche Intelligenz (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Teilnahme:
Präsenz live
Lernziel:
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.
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)
schriftliche Klausur (90 Minuten)
Lektor(en):
Dr. Christian Meilicke, Ralph Bubak
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 13:45 – 15:15 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
Beschreibung:
- Problemeigenschaften und Problemtypen
- Problemlösen als Suche, Anwendung im Bereich Computerspiele
- Constraintprobleme und deren Lösung
- Logische Constraints
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Large-Scale Data Management (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
4
Lernziel:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination, exercises
90 minutes
90 minutes
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 15:30 – 17:00 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Praktische Informatik I (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
6
Lernziel:
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
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)
Studienbeginn vor HWS 2011:
schriftliche Klausur (90 Minuten)
Lektor(en):
Prof. Dr. Frederik Armknecht
Termin(e):
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 15:30 – 17:00 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Programmierpraktikum I (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Teilnahme:
Präsenz/Online live
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Lektor(en):
Dr. Ursula Rost
Termin(e):
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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:
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.
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.
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Wirtschaftsinformatik I: Einführung und Grundlagen (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
2
Teilnahme:
Lernziel:
Anhand der Vorlesung sollen Sie erlernen, dass Wirtschaftsinformatik mehr als die Nutzung von Informationstechnik ist. Die Inhalte werden Sie im weiteren Verlauf Ihres Studiums sowie bei der Verwertung des erlernten Wissens in ihrer Bachelorarbeit nutzenbringend verwerten können.
Empfohlene Voraussetzungen:
Prüfungsleistung:
80% Schriftliche Klausur (90 Minuten)
20% Gruppenarbeit
20% Gruppenarbeit
Lektor(en):
Prof. Dr. Armin Heinzl, Tobias Maier, Luis Oberste, Felix Ott
Termin(e):
| Freitag (wöchentlich) | 05.09.2025 – 10.10.2025 | 10:15 – 13:30 | SN 169 Röchling Hörsaal; Schloss Schneckenhof Nord |
Beschreibung:
Die Vorlesung Wirtschaftsinformatik I vermittelt die Fundamente der Wirtschaftsinformatik als wissenschaftliche Disziplin. Im Rahmen einer Einführung werden unter anderem der Gegenstand, der Wissenschaftscharakter, die Forschungsziele, -theorien, und -methoden sowie Nachbardisziplinen und ein Ländervergleich behandelt. Im Rahmen der Grundlegung werden zentrale Inhalte wie Informationsbedarf, Informationsverhalten, Informationssystem, Informationsinfrastruktur, Benutzerverhalten, Aspekte einer Entwurfslehre und Inhalte der Evaluationsforschung vermittelt.
Bitte klicken Sie hier für weitere Informationen.
Bitte klicken Sie hier für weitere Informationen.
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Wirtschaftsinformatik III: Development and Management of Information Systems (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
In order to be able to deal with these challenges, the “Development and Management of Information Systems” course is designed to introduce students to the various stages of the life cycle of an IS. Starting with the initial idea and conception of a system, the course will cover the process from development to introduction and, finally, application and value creation. In doing so, students will get to know the various entities and roles involved in IS development and management.
The primary objective of the course is to enable students to play a vital role at the intersection of technical and business issue, being able to bridge the gap between a company’s end users and IT experts. In doing so, they shall understand that IS transcend mere technological artifacts but constitute complex socio-technical phenomena.
To support students in their learning, the course will offer a basic introduction to the IS phenomenon, system types, and roles involved in development, introduction, management, and use of IS. Subsequently, each of these phases will be looked at in greater detail. For each phase, both the processes as well as at the contents of each domain will be introduced and discussed. Beyond the presentation of basic concepts, methods, and theories, the course will also provide students with opportunities to extend and practice their theoretical knowledge with interactive elements, an industry speaker, and a case study.
The primary objective of the course is to enable students to play a vital role at the intersection of technical and business issue, being able to bridge the gap between a company’s end users and IT experts. In doing so, they shall understand that IS transcend mere technological artifacts but constitute complex socio-technical phenomena.
To support students in their learning, the course will offer a basic introduction to the IS phenomenon, system types, and roles involved in development, introduction, management, and use of IS. Subsequently, each of these phases will be looked at in greater detail. For each phase, both the processes as well as at the contents of each domain will be introduced and discussed. Beyond the presentation of basic concepts, methods, and theories, the course will also provide students with opportunities to extend and practice their theoretical knowledge with interactive elements, an industry speaker, and a case study.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written exam (30%) (90 Minuten)
Case study write-up (70%)
Case study write-up (70%)
Lektor(en):
Prof. Dr. Hartmut Höhle
Termin(e):
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 12:00 – 13:30 | O 148 MVV Hörsaal; Schloss Ostflügel |
Beschreibung:
During the last decades we witnessed a growing importance of Information Systems (IS) in the business world along with faster and faster innovation cycles. A case in point is the growing IS-related expenditure of corporations, forecasted to total EUR 2.63 trillion in 2012 – a 4.7% growth over 2011 (Gartner 2013). Ranging from the enrichment of routine working tasks (i.e., employee portals to integrate disparate applications, data, and processes (Daniel and White 2005)) to the e-enabled integration of entire business eco-systems (e.g., platform-based integration of supply chains (e.g., Kroenke 2010)), IS have become a vital backbone of businesses.
Consequently, the ability to use IS in a way supporting the overall value proposition of a corporation has become a central success determinant for many firms. Accordingly, the “Development and Management of Information Systems” course is designed to introduce students to the nature, role, and potentials of IS in corporations and enable them to serve as a meaningful interface between technology and business.
Once filling this role in a business context, the future IS professionals are likely to be facing two major trends: the increasing industrialization of IS (Brenner et al. 2007; Daberkow and Radtke 2008; Walter et al. 2007) and a shift towards service-orientation in IT organizations and processes (Hochstein et al. 2005; Roewekamp 2007). This brings about challenges such as, among others, managing the trade-off between efficient execution and effective offering or recognizing and mitigating conflicting expectations and goals among the many entities (i.e., software producers, consultants, corporate users, customers) and roles (i.e., business professionals, technical staff, corporate management) involved in an IS.
Consequently, the ability to use IS in a way supporting the overall value proposition of a corporation has become a central success determinant for many firms. Accordingly, the “Development and Management of Information Systems” course is designed to introduce students to the nature, role, and potentials of IS in corporations and enable them to serve as a meaningful interface between technology and business.
Once filling this role in a business context, the future IS professionals are likely to be facing two major trends: the increasing industrialization of IS (Brenner et al. 2007; Daberkow and Radtke 2008; Walter et al. 2007) and a shift towards service-orientation in IT organizations and processes (Hochstein et al. 2005; Roewekamp 2007). This brings about challenges such as, among others, managing the trade-off between efficient execution and effective offering or recognizing and mitigating conflicting expectations and goals among the many entities (i.e., software producers, consultants, corporate users, customers) and roles (i.e., business professionals, technical staff, corporate management) involved in an IS.
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Wirtschaftsinformatik (Master)
Advanced Software Engineering (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
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/
Participants will know how to use the expertise acquired during the course to describe the requirements that a system/
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.
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/
Participants will know how to use the expertise acquired during the course to describe the requirements that a system/
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination, 90 minutes
Lektor(en):
Prof. Dr. Colin Atkinson
Termin(e):
| Freitag (wöchentlich) | 05.09.2025 – 05.12.2025 | 10:15 – 11:45 | B 144 Hörsaal; A 5, 6 Bauteil B |
Beschreibung:
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/
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Blockchain Security (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
deutsch
Lektor(en):
Prof. Dr. Frederik Armknecht
Termin(e):
| Freitag (wöchentlich) | 05.09.2025 – 05.12.2025 | 12:00 – 13:30 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
Data Mining (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Registrierungsinformationen:
Please note that there is no second date for the exam.
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), project report, oral project presentation
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 13:45 – 15:15 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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)
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Decision Support (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
1
Teilnahme:
Präsenz live
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 12:00 – 13:30 | C 013 Hörsaal; A 5, 6 Bauteil C |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Decision Support (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 13:45 – 15:15 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Decision Support (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 15:30 – 17:00 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Higher Level Computer Vision (Vorlesung mit Übung)
EN
Kurstyp:
Vorlesung mit Übung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr.-Ing. Margret Keuper
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 12:00 – 13:30 | C 013 Hörsaal; A 5, 6 Bauteil C |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 13:45 – 15:15 | C 013 Hörsaal; A 5, 6 Bauteil C |
IE 675b Machine Learning (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
9.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Information Retrieval and Web Search (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Lernziel:
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:
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Prof. Dr. Simone Paolo Ponzetto, Dr. Daniel Ruffinelli
Termin(e):
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 12:00 – 13:30 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
Beschreibung:
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:
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.
- 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.
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
IS 613 Applied Project in Enterprise Cloud Design and Development (Vorlesung mit Übung)
EN
Kurstyp:
Vorlesung mit Übung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz/Online live
Lektor(en):
Philipp Hoffmann
Beschreibung:
Please find a detailed course description via the following link:
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
IS 614 Corporate Knowledge Management (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr. Armin Heinzl
Termin(e):
| Donnerstag (wöchentlich) | 11.09.2025 – 04.12.2025 | 10:15 – 11:45 | O 151 Hans Luik Hörsaal; Schloss Ostflügel |
Beschreibung:
Please find a detailed course description via the following link:
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
IS 615 Enterprise Cloud Design and Development (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz/Online live
Lektor(en):
Philipp Hoffmann
Beschreibung:
Please find a detailed course description via the following link:
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
IS 661 Text Analytics (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr. Markus Strohmaier
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 13:45 – 15:15 | O 151 Hans Luik Hörsaal; Schloss Ostflügel |
Beschreibung:
Please find a detailed course description via the following link:
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Modulkatalog MMM | Universität Mannheim (uni-mannheim.de)
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
IT-Security (Seminar)
EN
Kurstyp:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Lektor(en):
Prof. Dr. Frederik Armknecht
Termin(e):
| Freitag (wöchentlich) | 05.09.2025 – 05.12.2025 | 10:15 – 11:45 | A 302 Seminarraum; B 6, 23–25 Bauteil A |
Kryptographie II (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Lernziel:
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.
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Lektor(en):
Prof. Dr. Frederik Armknecht
Termin(e):
| Freitag (wöchentlich) | 05.09.2025 – 05.12.2025 | 08:30 – 10:00 | A 302 Seminarraum; B 6, 23–25 Bauteil A |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Large-Scale Data Management (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS 1:
4
Lernziel:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination, exercises
90 minutes
90 minutes
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 15:30 – 17:00 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
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
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Master Seminar Computer Vision (Seminar)
EN
Kurstyp:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr.-Ing. Margret Keuper
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 17:15 – 18:45 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
Model Driven Development (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lernziel:
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.
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes)
Lektor(en):
Prof. Dr. Colin Atkinson
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 13:45 – 15:15 | C 014 Hörsaal; A 5, 6 Bauteil C |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Web Data Integration (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Lernziel:
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:
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Prof. Dr. Christian Bizer, Ralph Peeters
Termin(e):
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 13:45 – 15:15 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Web Data Integration (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Lernziel:
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:
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.
Empfohlene Voraussetzungen:
Prüfungsleistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Prof. Dr. Christian Bizer, Ralph Peeters
Termin(e):
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 15:30 – 17:00 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
Beschreibung:
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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Wirtschaftsmathematik (Bachelor)
MAA 510 Introduction of partial differential equations (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Literatur:
Script (online)
L.C. Evans: Partial Differential Equations
F. John: Partial Differential Equations
L.C. Evans: Partial Differential Equations
F. John: Partial Differential Equations
Prüfungsleistung:
oral examination, 30 minutes
Lektor(en):
Prof. Dr. Martin Schmidt
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 17:15 – 18:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 17:15 – 18:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
- Basic notions of partial differential equations
- method of characteristics
- Laplace equations
- heat equations
- wave equation
MAB 401 Algebra (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Teilnahme:
Präsenz live
Lernziel:
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).
• 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).
Empfohlene Voraussetzungen:
Prüfungsleistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Dr. Thomas Reichelt
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
| Freitag (wöchentlich) | 05.09.2025 – 05.12.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
Beschreibung:
• Gruppenbegriff, Eigenschaften und Anwendungen zyklischer und abelscher Gruppen, Beispiele, auflösbare Gruppen.
• Ringe, Ideale, Euklidische Ringe, Hauptidealringe, ZPW-Ringe, Quotientenringe.
• Körper, Körpererweiterungen, Galois-Theorie.
• Ringe, Ideale, Euklidische Ringe, Hauptidealringe, ZPW-Ringe, Quotientenringe.
• Körper, Körpererweiterungen, Galois-Theorie.
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
MAC 404 Lineare Optimierung (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Lernziel:
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)
• 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)
Empfohlene Voraussetzungen:
Prüfungsleistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Prof. Ph. D. Mathias Staudigl
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 13:45 – 15:15 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 10:15 – 11:45 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
Beschreibung:
• Lineare Programmierung: Simplex Verfahren, Dualität, innere Punkte Verfahren
• Graphentheorie: minimal spannende Bäume, kürzeste Wege, maximale Flüsse
• Ganzzahlige Programmierung: Branch and Bound Verfahren, Schnittebenenverfahren, Heuristiken
• Graphentheorie: minimal spannende Bäume, kürzeste Wege, maximale Flüsse
• Ganzzahlige Programmierung: Branch and Bound Verfahren, Schnittebenenverfahren, Heuristiken
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
MAC 410 Finanzmathematik (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS 1:
4
Teilnahme:
Präsenz live
Lernziel:
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)
• 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)
Empfohlene Voraussetzungen:
Prüfungsleistung:
Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben)
Prüfungsvorleistung: erfolgreiche Teilnahme an den Übungen
Prüfungsvorleistung: erfolgreiche Teilnahme an den Übungen
Lektor(en):
Prof. Dr. David Johannes Prömel
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 13:45 – 15:15 | C 012 Seminarraum; A 5, 6 Bauteil C |
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 10:15 – 11:45 | C 012 Seminarraum; A 5, 6 Bauteil C |
Beschreibung:
• 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
• 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
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
MAT 301 Analysis I (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
10.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Lernziel:
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)
• 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)
Empfohlene Voraussetzungen:
Prüfungsleistung:
schriftliche Klausur
Lektor(en):
Prof. Dr. Martin Schmidt
Termin(e):
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Freitag (wöchentlich) | 05.09.2025 – 05.12.2025 | 10:15 – 11:45 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
• Mengen und Abbildungen
• reelle Zahlen
• Zahlenfolgen und Reihen
• Funktionen in einer reellen Variablen
• reelle Zahlen
• Zahlenfolgen und Reihen
• Funktionen in einer reellen Variablen
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
MAT 303 Lineare Algebra I (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
9.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Teilnahme:
Präsenz live
Lernziel:
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).
• 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).
Empfohlene Voraussetzungen:
Prüfungsleistung:
schriftliche Klausur
Lektor(en):
Prof. Dr. Claus Hertling
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 10:15 – 11:45 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 08:30 – 10:00 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
• Gruppen, Ringe, Körper, Vektorräume, Lineare Abbildungen, Matrizen, Lineare Gleichungssysteme, Determinanten, Eigenwerte und Diagonalisierung, Euklidische Vektorräume.
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
MAT 306 Numerik (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
9.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS 1:
4
Lernziel:
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)
• 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)
Empfohlene Voraussetzungen:
Prüfungsleistung:
schriftliche Klausur
Lektor(en):
Prof. Dr. Simone Göttlich
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 12:00 – 13:30 | B 144 Hörsaal; A 5, 6 Bauteil B |
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
• Numerik linearer Gleichungssysteme
• Störungstheorie und Fehleranalyse
• Lineare Ausgleichsrechnung
• Eigenwertprobleme
• Nichtlineare Gleichungssysteme: Fixpunktiterationen, insbesondere Newton-Verfahren
• Interpolation und Splines
• Numerische Integration
• Störungstheorie und Fehleranalyse
• Lineare Ausgleichsrechnung
• Eigenwertprobleme
• Nichtlineare Gleichungssysteme: Fixpunktiterationen, insbesondere Newton-Verfahren
• Interpolation und Splines
• Numerische Integration
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Stochastik 1 (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
9.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
Teilnahme:
Online aufgezeichnet
Lektor(en):
Prof. Dr. Leif Döring
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 13:45 – 15:15 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 12:00 – 13:30 | B 144 Hörsaal; A 5, 6 Bauteil B |
Wirtschaftsmathematik (Master)
MAA 504 Partial differential equations (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
4
Lernziel:
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)
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)
Empfohlene Voraussetzungen:
Prüfungsleistung:
mündliche Prüfung
Lektor(en):
Dr. Ross Ogilvie
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 17:15 – 18:45 | C 012 Seminarraum; A 5, 6 Bauteil C |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 17:15 – 18:45 | C 012 Seminarraum; A 5, 6 Bauteil C |
Beschreibung:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
MAA 510 Introduction of partial differential equations (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Literatur:
Script (online)
L.C. Evans: Partial Differential Equations
F. John: Partial Differential Equations
L.C. Evans: Partial Differential Equations
F. John: Partial Differential Equations
Prüfungsleistung:
oral examination, 30 minutes
Lektor(en):
Prof. Dr. Martin Schmidt
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 17:15 – 18:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 17:15 – 18:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Beschreibung:
- Basic notions of partial differential equations
- method of characteristics
- Laplace equations
- heat equations
- wave equation
MAA 519 Stochastic Calculus (Vorlesung)
Kurstyp:
Vorlesung
ECTS:
5.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
Teilnahme:
Online aufgezeichnet
Lektor(en):
Prof. Dr. David Johannes Prömel
Beschreibung:
Brownian motion and martingales in continuous time, Stochastic integration and Ito formula, solution theory for stochastic differential equations (strong solutions, linear SDEs), change of measure (Girsanov theorem), martingale representation theorem
Numerics of Ordinary Differential Equations (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
Lektor(en):
Prof. Dr. Simone Göttlich
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 10:15 – 11:45 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
Quasi Monte Carlo Methods (Vorlesung)
DE
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
deutsch
SWS 1:
2
Teilnahme:
Präsenz live
Lektor(en):
Dr. Peter Parczewski
Termin(e):
| Mittwoch (wöchentlich) | 03.09.2025 – 03.12.2025 | 13:45 – 15:15 | A 303 Seminarraum; B 6, 23–25 Bauteil A |
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Mannheim Master in Data Science
Master Seminar Computer Vision (Seminar)
EN
Kurstyp:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr.-Ing. Margret Keuper
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 17:15 – 18:45 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
Reinforcement Learning (Vorlesung mit Übung)
EN
Kurstyp:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr.-Ing. Margret Keuper
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 10:15 – 11:45 | C 014 Hörsaal; A 5, 6 Bauteil C |
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 12:00 – 13:30 | C 014 Hörsaal; A 5, 6 Bauteil C |
Responsible AI: Conceptual Foundations, Methods and Applications (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lektor(en):
Prof. Dr. Philipp Kellmeyer
Termin(e):
| Montag (wöchentlich) | 08.09.2025 – 01.12.2025 | 10:15 – 11:45 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Seminar and Lab on Machine Learning and Causal Inference (Seminar)
EN
Kurstyp:
Seminar
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
4
Teilnahme:
Präsenz live
Lektor(en):
Prof. Ph. D. Marc Ratkovic
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 13:45 – 15:15 | A 301 Seminarraum; B 6, 23–25 Bauteil A |
| Donnerstag (wöchentlich) | 04.09.2025 – 04.12.2025 | 13:45 – 15:15 | A 301 Seminarraum; B 6, 23–25 Bauteil A |
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Statistics for Data Scientists (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
4
Teilnahme:
Präsenz live
Lektor(en):
Prof. Ph. D. Marc Ratkovic
Termin(e):
| Dienstag (wöchentlich) | 02.09.2025 – 02.12.2025 | 10:15 – 11:45 | D 002 Seminarraum 1; B 6, 27–29 Bauteil D |
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
VL Sampling and Data (Vorlesung)
EN
Kurstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS 1:
2
Teilnahme:
Präsenz live
Lektor(en):
Prof. Ph. D. Marc Ratkovic
Termin(e):
| Montag (wöchentlich) | 01.09.2025 – 01.12.2025 | 08:30 – 10:00 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
Weitere Informationen
1 SWS geben die Dauer eines Kurses an, der wöchentlich während eines Semesters angeboten wird. Eine SWS entspricht 45 Minuten.
Contact School of Business Informatics and Mathematics
Bild: Juliane Roth
Juliane Roth, M.A. (sie/ihr)
Auslandskoordinatorin, Internationales Marketing, Digitalisierungsreferentin
Universität Mannheim
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik
B 6, 26
Gebäudeteil B – Raum B 1.05
68159 Mannheim
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik
B 6, 26
Gebäudeteil B – Raum B 1.05
68159 Mannheim
Sprechstunde:
nach Vereinbarung per E–Mail
nach Vereinbarung per E–Mail