1. Intercultural Training (ICT): lectures and role plays
2. Compact Web Development Course: online, set of LinkedIn courses with tests
3. Compact Programming Course: online courses, programming tasks with reviews
4. Modeling of Software Systems (UML): lectures, exercises and written exam  
5. Research Methods and Tools – part A (RMT-A): lecture  
6. Cross-Border Project A: project and presentation
7. ICDL Excel: methods & tool training
8. International Project Communication 1 e (German A1): language training
9. International Project Communication 1 g (other language A1 or English C2): language training
10. Medical informatics refresher

1. Intercultural Training (ICT): exam
2. Compact Web Development Course: online tests (LinkedIn)
3. Compact Programming Course: review of the programming tasks, related questions
4. Modeling of Software Systems (UML): written exam  
5. Research Methods and Tools – part A (RMT-A): homework (paper assignment)
6. Cross-Border Project A: presentation and discussion
7. ICDL Excel: test
8. International Project Communication 1 e (German A1): language test
9. International Project Communication 1 g (other language A1 or English C2): language test
10. Medical informatics refresher: exam

• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit
• Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit

• mündliche Prüfung
• semesterbegleitende Prüfungsleistungen

bestandene mündliche Prüfung (80% der Note + 20% bestandene semesterbegleitende Prüfungsleistung)

Master Medical Informatics, Master Medizinische Informatik

Wissen und Verstehen:

Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage:

• exemplarisch am Beispiel der Detektion von QRS-Komplexen in EKG Signalen die wesentlichen Schritte der Bio-Signalanalyse zu erläutern, auszuwählen und anzuwenden 
• fortgeschrittene mathematische Modelle und Methoden der Signal- und Bildtransformation zu erläutern und zu berechnen, sowie deren formale Grundlagen zu beschreiben
• Methoden des maschinellen Lernens, insbesondere des Deep Learnings zur Analyse von Biosignalen und medizinischen Bildern zu beschreiben und voneinander abzugrenzen

Einsatz, Anwendung und Erzeugung von Wissen:

Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage:

• wissenschaftliche Fachliteratur am Beispiel der QRS-Detektion in EKG Signalen zu sichten und sich die Funktionsweise der Verfahren selbstständig zu erschließen
• Biosignale und medizinische Bilder selbstständig zu analysieren und die behandelten Methoden auf neue Aufgabenstellungen zu übertragen
• Methoden der Signal- und Bildtransformationen mit Hilfe des Software-Ökosystems Python, Matplotlib, NumPy, SciPy zu implementieren, zu testen und auf praktische Fragestellungen anzuwenden
• die Genauigkeit der Methoden mit Hilfe von großen Datensätzen von EKG Signalen aus einer öffentlichen Datenbank (PhysioNet) zu evaluieren und die Ergebnisse zu beurteilen
• Methoden des machine learning und deep learning mit SciPy und PyTorch zu implementieren und das Training zu optimieren

Kommunikation und Kooperation:
Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage:

• Programmieraufgaben in kleineren Teams am Computer zu bearbeiten und zu lösen
• in kleinen Gruppen zielgerichtet zu experimentieren, zum Beispiel um ein deep learning Modell zu optimieren
• eigene Lösungsansätze kritisch zu reflektieren und ggfs. zu verteidigen und andere Lösungsansätze zu kritisieren

Wissenschaftliches Selbstverständnis / Professionalität:
Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage:

• einen evidenz- und forschungsbasierten Ansatz bei der Erstellung von Lösungen zu verfolgen
• berufsfeldtypische technische Fragestellungen zu lösen, wie die Analyse von Biosignalen und von medizinischen Bildern
• aufgrund berufsfeldbezogener Beispiele von konkreten Problemstellungen zu abstrahieren und grundlegende Lösungsansätze wiederzuerkennen
• den Einsatz ihrer gewählten Methoden gegenüber Fachvertretern zu begründen und zu rechtfertigen
• zu beurteilen, wie wichtig es ist, interdisziplinär mit Fachleuten aus der Medizin, Informatik und anderen Disziplinen zusammenzuarbeiten

• Biosignalverarbeitung: Signalanalyse in der Elektrokardiographie (EKG), Elektroenzephalographie (EEG) und Elektrookulographie (EOG)
• Wichtige Signal- und Bildtransformationen und ihre Anwendungen in der Medizintechnik:  Fourier Transform, Short-time Fourier Transform, Wavelet Transform, Hilbert Transform, Discrete Cosine Transform
• Sampling Theorem, Signalfilterung, Polynomial Curve Fitting, Mathematische Morphologie
• Multi-scale Parameter Estimation
• Bildkompressionsverfahren: Huffman-, Arithmetic-, LZW-, Bit-plane-Coding; JPEG compression

• Vorlesung im seminaristischen Stil, in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesungsbegleitende und inhaltlich eng verzahnte Übung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion. Erläuterung der Aufgabenstellung und gemeinsame Erarbeitung und Skizzierung eines Lösungsweges
• Vorlesungsbegleitendes und inhaltlich eng verzahntes Praktikum; Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit

Die Modulprüfung besteht aus einer schriftlichen Klausurarbeit, in der die Studierenden grundlegende Kenntnisse zu fortgeschrittenen Methoden der Signal- und Bildverarbeitung erinnern und anwenden sollen. Darüber hinaus sollen sie in der Lage sein, diese Kenntnisse auf Fragestellungen aus der Praxis zu übertragen und ggf. anzuwenden. Dazu sind u.a. kurze Skripte in Python zu erstellen, oder vorgegebene Skripte zu ergänzen.
Dauer: 90 Minuten

Die schriftliche Klausurarbeit wird benotet und muss mit mindestens ausreichend (4,0) abgeschlossen werden

Master Medizinische Informatik

• Selesnick, I. et al.; Signal Processing in Medicine and Biology - Emerging Trends in Research and Applications; Springer; 2020
• Handels, H.; Medizinische Bildverarbeitung; Vieweg+Teubner; 2. Auflage; 2009
• Birkfellner W.; Applied Medical Image Processing; Taylor & Francis; 2010
• Nischwitz, A. et al.; Computergrafik und Bildverarbeitung: Band II: Bildverarbeitung; Vieweg+Teubner; 4. Auflage, 2020
• Bankman, I. et al.; Handbook of Medical Image Processing and Analysis; Academic Press; 2. Auflage; 2009
• Lyons, R.; Understanding Digital Signal Processing; Prentice Hall; 3. Auflage; 2010
• Sonka, M. et al.; Image Processing, Analysis, and Machine Vision; Thomson; 3. Auflage; 2008

Keine

Projektarbeit mit mündlicher Prüfung

erfolgreiche Projektarbeit

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik

• Fahrmeir, L., Künstler, R., Pigeot, I., Tutz, G. (2016), Statistik - der Weg zur Datenanalyse, 8. Aufl., Springer, Berlin.
• Fahrmeir, L., Kneib, Th., Lang, S., Marx, B. (2013), Regression: Models, Methods and Applications, Springer, Berlin.
• Dobson, A.J., Barnett, A.G. (2018), An Introduction to Generalized Linear Models, 4th edition, Taylor & Francis Ltd, Boca Raton.
• Sievertz, K., van Bebber, D., Hochkirchen, Th. (2017) Statistische Versuchsplanung - Design of Experiments (DoE), 4te Auflage, Springer Vieweg, Berlin.

• Begriffsdefinitionen Telekooperation, Telemonitoring, Teletherapie mit Beispielen
• Einführung einer Systematik für telemedizinische Projekte (von der Versorgungsproblematik über Lösungsansatz und Kooperationsstrukturen bis zu Kosten-Nutzen-Analyse und Geschäftsmodell)
• Datenschutz im Bereich Telemedizin und Telematik
• Kommunikationslösungen im Gesundheitswesen und ihr Bezug zur Telemedizin
• DiGA (Digitale Gesundheitsanwendungen)
• Gesundheitstelematik
• Sensorik und Vitalparameter
• Regularien für Medizinprodukte
• Finanzierung im deutschen Gesundheitswesen
• Eviden telemedizinischer Lösungen
• Anwendung dieser Inhalte auf ein eigenes Fallbeispiel, das semesterbegleitend erarbeitet und abschließend präsentiert wird

• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• seminaristischer Unterricht mit Flipchart, Smartboard oder Projektion
• vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation

• Projektarbeit mit abschießender Präsentation der Ergebnisse (30 Minuten)

• bestandene Projektarbeit mit Abschließender Präsentation (30 Minuten)

Master Medizinische Informatik

• Tagungsbände Telemed
• Tagungsunterlagen DGTelemed
• Bartmann et al; Telemedizinische Methoden in der Patientenversorgung; Deutscher Ärzteverlag 2012

• verschiedene Web-Architekturen und zentrale Architekturmuster von Web-Anwendungen zu analysieren und zu unterscheiden,
• wichtige Web-Standards und -technologien zu benennen und zu kategorisieren.

• eine komplexe Web-Engineering-Aufgabe im Rahmen eines mehrwöchigen Projekts umzusetzen,
• eine geeignete Web-Architektur zur Lösung eines spezifischen Problems abzuleiten und zu entwerfen,
• geeignete Web-Standards und -technologien zur Umsetzung dieser Architektur zu bestimmen und zu kombinieren,
• fortgeschrittene Web-Engineering-Tools wie Entwicklungsumgebungen, Bundler, Scaffolding und Transpiler zu verwenden.

• Lösungen kooperativ im Team zu entwickeln und umzusetzen,
• ihre Ideen und Lösungen in verschiedenen Formaten wie Gruppenpräsentationen, Code-Reviews, Lightning Talks oder Pitches zu präsentieren, zu erklären und zu diskutieren, insbesondere vor einem Fachpublikum (z.B. Gästen/Partner*innen aus der Industrie oder aus Forschungsprojekten).

• industrielle und wissenschaftliche Best Practices aus dem Bereich Web-Engineering situationsadäquat auszuwählen und anzuwenden,
• Feedback zu reflektieren und zu bewerten, z. B. aus Code-Reviews mit Experten, und das erhaltene Feedback selbstständig zu nutzen, um ihre Lösungen zu verbessern.

• Flipped/Inverted Classroom:
  • Online-E-Learning-Materialien mit interaktiven Folien und Videos (asynchrones Selbststudium)
  • Interaktive Präsenzveranstaltungen für Aufgaben und Übungen anhand von Praxis- und Forschungsbeispielen (z.B. Coding, Gruppenübungen, Lightning Talks), für zusätzliche Vertiefung und zur Beantwortung und Diskussion von Fragen
• Projektorientiertes Praktikum: Projektaufgabe, die über das gesamte Semester in Teams bearbeitet wird
• Gastvorträge mit Experten und aktuellen Themen aus Forschung und Industrie

Keine

• Master Wirtschaftsinformatik
• Master Informatik
• Master Medizinische Informatik
• Master Digital Transformation

• Flipped/Inverted Classroom:
  • Online-E-Learning-Materialien mit interaktiven Folien und Videos (asynchrones Selbststudium)
  • Interaktive Präsenzveranstaltungen für Aufgaben und Übungen anhand von Praxis- und Forschungsbeispielen (z.B. Coding, Gruppenübungen, Lightning Talks), für zusätzliche Vertiefung und zur Beantwortung und Diskussion von Fragen
• Projektorientiertes Praktikum: Projektaufgabe, die über das gesamte Semester in Teams bearbeitet wird
• Gastvorträge mit Experten und aktuellen Themen aus Forschung und Industrie

Keine

• Master Wirtschaftsinformatik
• Master Informatik
• Master Medizinische Informatik
• Master Digital Transformation

• Vernon, Vernon (2016): Domain-Driven Design Distilled, Addison-Wesley
• Evans, Eric (2003): Domain-Driven Design: Tackling Complexity in the Heart of Software, Addison-Wesley
• Richardson, Chris (2018): Microservice Patterns: With examples in Java, Manning
• Martin, Robert C. (2017): Clean Architecture: A Craftsman's Guide to Software Structure and Design, Pearson
• Lilienthal, Carola (2019): Sustainable Software Architecture: Analyze and Reduce Technical Debt; dpunkt.verlag
• Bass, Len; Clements, Paul; Kazman, Rick (2021): Software Architecture in Practice, SEI Series in Software Engineering, Fourth Edition, Addison-Wesley Professional
• Gamma, Erich; Helm, Richard; Johnson, Ralph; Vlissides, John (1994): Design Patterns: Elements of Reusable Object-Oriented Software, Addison-Wesley
• Combemale, Benoit; France, Robert; Jézéquel, Jean-Marc; Rumpe, Bernhard;  Steel, James; Vojtisek, Didier (2016): Engineering Modeling Languages. CRC Press
• Rademacher, Florian (2022). A language ecosystem for modeling microservice architecture, Phd Thesis, https://dx.doi.org/doi:10.17170/kobra-202209306919

• Knows theory of distributed and parallel systems
• Knows critical issues concerning reliable distributed systems
• Knows recent research about partitioning and scheduling for cyber physical systems

• Can assess the feasibility of distributed CPS
• Can implement algorithms for distributed embedded systems
• Can model the behavior of distributed CPS
• Can apply state of the art tools and can develop new tools for distribution

• Can setup tooling and design flows
• Can discuss distribution issues with computer scientists
• Understands the potential of concurrency in CPS

• Lectures & Exercises, AMALTHEA and TA tool labs
• e-learning modules on theoretical informatics, tool tutorials
• Presentation and discussion of an industry case by a partner company (e.g. Bosch, BHTC, TA)

• MOD2-01- Mechatronic Systems Engineering
• MOD2-02 – Microelectronics & HW/SW Codesign
• MOD-E03 – SW Architectures for Embedded and Mechatronic Systems

• G. Coulouris, J. Dollimore, T. Kindberg, G.Blair: Distributed Systems: Concepts and Design (5th ed.), Addison Wesley, May 2011
• Hermann Kopetz, Real-Time Systems: Design Principles for Distributed Embedded Applications (Real-Time Systems Series), Springer, April 2011
• P. Linington, Z. Milosevic, A. Tanaka, A. Vallecillo. Building Enterprise Systems with ODP: An Introduction to Open Distributed Processing, Chapman & Hall/CRC, September 2011
• P. Koopmann. Better Embedded System Software, Drumnadrochit Education, 2010
• Research Papers: Lamport, Chandy & Lamport
• Other recent research papers

• Vorlesung im seminaristischen Stil
• Bearbeitung von praxisnahen Projekten in Einzel- oder Teamarbeit

Referat inkl. Präsentation

Master Medical Informatics

Formale Methoden sind Sprachen zur Modellierung von Softwaresystemen auf einer gewissen Abstraktionsebene. Da sie eine formale Semantik besitzen, können die so beschriebenen Modelle auf ihre Korrektheit analysiert werden. Dies ist insbesondere für softwareintenive Systeme wichtig.

Die Vorlesung vermittelt Kenntnisse und Fähigkeiten in der Modellierung und Analyse von Softwaresystemen. Die Studenten sollen ferner in die Lage versetzt werden, passende Sprachen und Analysetechniken für die Modellierung auszuwählen.

Fach- und Methodenkompetenz:

• die Theorie von formalen Methoden einzusetzen
• Formale Modelle zu komplexen Systemen zu entwerfen, implementieren und analysieren
• Verschiedene formale Methoden und Modelle hinsichtlich Kriterien zu beurteilen

Selbstkompetenz:
Die/der Studierende/r kann Ideen und Lösungsvorschläge schriftlich und mündlich präsentieren, die eigenständige Präsentation von Lösungen tragen zur Entwicklung von Selbstsicherheit/Sachkompetenz bei; die Entwicklung von Strategien zum Wissens- und Kenntniserwerbs werden durch die Kombination (seminaristische) Vorlesung mit eigenständiger Erarbeitung der Inhalte wissenschaftlicher Literatur unterstützt.

Sozialkompetenz:
Kooperations- und Teamfähigkeit wird während der Übungs- und Projektphasen trainiert. Die/der Studierende/r kann in Diskussionen zielorientiert argumentieren und mit Kritik sachlich umgehen; er/sie/es kann vorhandene Missverständnisse zwischen Gesprächspartnern erkennen und abbauen. Ergebnisse aus Gruppenarbeit können gemeinsam präsentiert werden.

• Einbettung von formalen Methoden in den Software-Entwicklungszyklus, Vorgehensmodelle
• Methoden zur formalen Programmentwicklung im Großen
• Formalismen, die in heutigen Programmentwicklungssystemen Verwendung finden:
  • Algebraische Spezifikationstechniken
  • Zustandsorientierte und zeitbehaftete Spezifikationen
  • Behandlung von Nebenläufigkeit
• Verfahren zur Verifikation und Validierung von formalen Entwicklungsschritten, formale Spezifikationssprachen
• Werkzeuge zur formalen Programmentwicklung

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Keine

• Schriftliche Klausurarbeit (Umfang 70%, Dauer 90min)
• Prüfungsleistung: Projekt (Umfang 30%)

• bestandene Klausurarbeit
• bestandenes Projekt

Master Informatik

• Reisig, W. (2013): Understanding Petri Nets – Modeling Techniques, Analysis Methods, Case Studies, Springer
• Clarke, E.M., Grumberg, O., Peled, D.A. (1999): Model Checking, MIT Press
• Baier, C., Katoen, J.-P. (2008): Principles of Model Checking, MIT Press
• Spivey, J.M. (2001): The Z Reference Manual (https://github.com/Spivoxity/zrm/blob/master/zrm-pub.pdf)
• Ruhela, V. (2012): Z Formal Specification Language – An Overview, INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH & TECHNOLOGY (IJERT) Volume 01, Issue 06
• http://www.tapaal.net
• http://www.uppaal.org

• Knows relevant theoretical foundations, area: computer science and society
• Know methodical background of case studies and surveys
• Is aware of critical limitations of methods for evaluating impact

• Can analyze the impact of changes in information technology on individuals, environment and society, based upon a given past scenario
• Can evaluate, analyze (and within limits predict) the impact of new products/services on individuals, environment and society, during the concept and development phase
• Can conduct methodologically structured evaluations (e.g. field observation, lab tests) and surveys

• Can discuss impacts of changes in information technology on individuals, environment and society with experts
• Can advise during product/service development potential impacts of product/service structure/features on individuals, environment and society
• Understands scientific publication in the related areas

• Basic Overview “Computer Science & Society”
• Ethics in computer science
• Digital media and art
• Surveillance and privacy
• Artificial Intelligence and responsibility
• Case Studies “Disruptive Changes by Information Technology”
• Digitalization of work life & work environments, processes, products and services
• Evaluation of impacts (personal, environment, society)

• Theoretical knowledge: e-learning modules on formal methods, tool tutorials
• Practical Skills: Projects with MechatronicUML
• Scientific Competences: literature review and synthesis into a paper

• Kommunikations- und Referenzmodelle;
• theoretische Verfahren zur Kapazitätsplanung und Berechnung basierend auf statistischen Modellen und Markov-Ketten;
• Netzalgorithmen für Switching - Spanning Tree Protokoll - und Routing - Open Shortest Path First
• Weitverkehrslösungen, wie Multi Protocol Label Switching;
• Virtualisierte Netzgeräte am Beispiel von CumulusVX und OPNSense,
• Netzwerkmanagement auf Basis von SNMP und Einsatz von Zabbix als Überwachungssystem;
• Referenzarchitekturen für Unternehmensnetze und Rechenzentrumsnetze,
• Netzaspekte in Cloud Computing

• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• Lösung von praxisnahen Übungsaufgaben in Einzel- oder Teamarbeit

Keine

schriftliche Klausurarbeit

bestandene Klausurarbeit

Master Informatik

• Larry L. Peterson Bruce S. Davie: Computer Networks: a system approach, 2.ed., Morgan
  Kaufmann
• Douglas Comer / David L. Stevens: Internetworking with TCP/IP, Vol.1 und 2, Prentice Hall

• Vorlesung in Interaktion mit den Studierenden, mit Tafelanschrieb und Projektion
• Vorlesungsbegleitende Bearbeitung von Übungsaufgaben ggf. am Computer in Einzel- oder Teamarbeit mit Präsentation
• Aktives, selbstgesteuertes Lernen durch Einsatz elektronischer Lernmaterialien
• Exkursion

semesterbegleitende projektbezogene Arbeit mit Dokumentation und Präsentation inkl. Diskussion, Dauer der Präsentation inkl. Diskussion: 30 Minuten

bestandene semesterbegleitende projektbezogene Arbeit mit Dokumentation und Präsentation inkl. Diskussion, mit der Note 4,0 oder besser

Master Medizinische Informatik

• Acharjya, D. P., & Ma, K. (Eds.). (2024). Computational Intelligence in Healthcare Informatics. Springer.
• Berner, E. S. (2007). Clinical decision support systems (Vol. 233). New York: Springer Science+ Business Media, LLC.
• Hunink, M. M., Weinstein, M. C., Wittenberg, E., Drummond, M. F., Pliskin, J. S., Wong, J. B., & Glasziou, P. P. (2014). Decision making in health and medicine: integrating evidence and values. Cambridge university press.
• Penman, I. D., Ralston, S. H., Strachan, M. W., & Hobson, R. (Eds.). (2022). Davidson's Principles and Practice of Medicine E-Book: Davidson's Principles and Practice of Medicine E-Book. Elsevier Health Sciences.
• Sackett, D. L. (1997, February). Evidence-based medicine. In Seminars in perinatology (Vol. 21, No. 1, pp. 3-5). WB Saunders.
• Simon, G. J., & Aliferis, C. (2024). Artificial intelligence and machine learning in health care and medical sciences: best practices and pitfalls.
• Topol, E. (2019). Deep medicine: how artificial intelligence can make healthcare human again. Hachette UK.
• Warner R., Sorensen D. K., Bouhaddou O.: Knowledge Engineering in Health Informatics. Springer New York 1997.

• Vorlesung im seminaristischen Stil, mit Tafelanschrieb und Projektion
• Bearbeitung von Programmieraufgaben am Rechner in Einzel- oder Teamarbeit
• vorlesungsbegleitende Projektarbeiten mit abschließender Präsentation
• Umgedrehter Unterricht (inverted classroom)

Keine

• schriftliche Klausurarbeit (70% der Prüfungsleistung)
• semesterbegleitende Prüfungsleistungen (30% der Prüfungsleistung)

• bestandene Klausurarbeit
• erfolgreiche semesterbegleitende Prüfungsleistung (Miniprojekt mit Präsentation)

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik
• Master Digital Transformation
• Master Embedded Systems Engineering
• Master Medical Informatics

• Einführung in das Requirements Engineering
  • Definition, Relevanz und Herausforderungen
  • Einbettung abhängig von Systemtyp und Projekteigenschaften
  • Frameworks (z. B. Jacksons WRSPM-Modell)
• Anforderungsermittlung
  • Stakeholder-Identifizierung
  • Kreativität und Innovation
  • Interviews, Fokusgruppen und Ethnographie
  • Brainstorming und kollaborative Workshops
• Anforderungsdokumentation
  • Standards für Anforderungsspezifikationen (SRS)
  • Informelle Methoden: Prototypen, Storyboards
  • Modellierungsanforderungen: i-star, UML, User Stories
  • Tools: JIRA, Confluence, ReqIF
• Validierung und Verifizierung
  • Qualitätsmerkmale: Vollständigkeit, Konsistenz, Richtigkeit
  • Prototyping und Benutzerfeedback
  • Strategien zum Testen von Anforderungen
• Anforderungsmanagement
  • Priorisierungstechniken: z.B. MoSCoW, Kano, Weighted Scoring
  • Traceability
  • Auswirkungsanalyse für Änderungen
  • Versionierung und Änderungsmanagement
  • Verbesserung des RE-Prozesses
• Fortgeschrittene Themen
  • Software-Produktlinien, adaptive Systeme und Crowd-basierte Systeme
  • Domänenspezifische Sprachen
  • Generative KI und natürliche Sprachverarbeitung im RE

Vorlesung mit Tafelanschrieb und Projektion

Keine

• schriftliche Klausurarbeit, Dauer 90 min (70%)
• semesterbegleitende Prüfungsleistung, als 

  projektbezogene Arbeit mit Präsentation

   (30%)

• bestandene Klausurarbeit
• erfolgreiches Miniprojekt (projektbezogene Arbeit)

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik

Die Studierenden sind in der Lage,
- relevante Begriffe zu definieren, zu differenzieren und zu erklären.
- die entscheidende Bedeutung der Standardisierung in der Informationssicherheit zu verstehen und methodisch umzusetzen.
- praxisrelevante Methoden, Best Practices und Softwaretools anzuwenden.
- Projektaufgaben selbstständig umzusetzen und Ergebnisse zu dokumentieren.

Keine

- Projektbezogene Arbeit (100%)

- erfolgreiche Projektarbeit

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik

- Abhängig von den für das jeweilige Semester tatsächlich ausgewählten Themen.

• systematisch Gestaltungslösungen zu entwickeln und auf deren Gebrauchstauglichkeit zu prüfen
• Forschungsdesigns zu erstellen, durchzuführen und auszuwerten

• methodische Abwägungen vorzunehmen und Auswahlen zu begründen

• gemeinsam als Kleingruppe ein eigenes Forschungsvorhaben planen und umsetzen
• das Vorgehen in einem gemeinsamen Projekt einüben

Wissenschaftliches Selbstverständnis / Professionalität
Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage

• über die Methodik ihres Fachgebiets und darüber hinaus zu reflektieren und konkrete Arbeiten auf deren Methodik zu untersuchen

1. Grundbegriffe Usability
2. Bezüge und Anknüpfpunkte zu Mensch-Computer-Interaktion
3. Usability Engineering – frühe Ansätze
4. Studiendesign und Evaluationsmethoden
5. Projektarbeit
6. Spezialkapitel: Usability bezogen auf einen aktuellen Forschungsgegenstand
   
    

• Hausarbeit und Referat (80%)
• Semesterbegleitleistung (20%)

• Master Informatik
• Master Medizinische Informatik
• Master Wirtschaftsinformatik
• Master Digital Transformation
• Master Embedded Systems Engineering
• Master Medical Informatics

Auf Basis einer kurzen einführenden Darstellung der Anwendung bzw. des Anwendungsbereiches des Projektes werden Aufgaben zur selbstständigen Bearbeitung durch das Team vergeben, die nach Maßgabe guter wissenschaftlicher Praxis durchzuführen sind und auch eine komplexere softwaretechnische Implementierung enthalten sollen. Idealerweise mündet das Ergebnis in einer wissenschaftlichen gemeinsamen Publikation.

• Gruppenarbeit
• Projektarbeit
• eigenständige wissenschaftliche Bearbeitung

• Projektpräsentation und Abgabe von Dokumentation und Softwareartefakten

• erfolgreiche Gruppenpräsentation und Abgabe der Softwareartefakte. Individuelle Notenvergabe nach den gleichgewichteten Kriterien: Teamarbeit, Softwarebeitrag, Mangementbeitrag, Dokumentationsbeitrag, Präsentation 

Master Medizinische Informatik
Master Medical Informatics

Literatur muss von den Studierenden selbst in Bezug zum gewählten Thema ermittelt werden.