Computer Science and Artificial Intelligence (B. Sc.)

Das Modul vermittelt die Grundlagen der Softwareentwicklung und der Programmierung mit Java. Behandelt werden algorithmisches Denken, zentrale Sprachelemente, Kontrollstrukturen, objektorientierte Konzepte, Fehlerbehandlung sowie Arrays und UML-Klassendiagramme. Im Praktikum vertiefen die Studierenden die Inhalte anhand eigener Programmieraufgaben und nutzen professionelle Werkzeuge wie Eclipse, JUnit und Debugging-Tools.

Das Modul vermittelt zentrale Grundlagen der Informatik. Behandelt werden Algorithmen und deren Darstellung, Komplexität und Berechenbarkeit, Zahlen- und Informationsrepräsentationen sowie logische Grundlagen. Darüber hinaus lernen die Studierenden den Aufbau moderner Rechnersysteme kennen – von der Von-Neumann-Architektur bis zu Konzepten wie Caching, Multi-Core-Systemen, Pipelining, Superskalarität und GPU-Verarbeitung.

Das Modul vermittelt mathematische Grundlagen für die Informatik und Computational Life Sciences. Inhalte sind Aussagenlogik, Prädikatenkalkül und Beweistechniken, Modulararithmetik, komplexe Zahlen sowie Grenzwerte und Stetigkeit. Zudem werden Differential- und Integralrechnung mit ihren zentralen Anwendungen behandelt, einschließlich Taylorpolynomen, Taylorreihen und unendlichen Reihen.

Das Modul vermittelt Grundlagen der Wahrscheinlichkeitsrechnung und Statistik. Behandelt werden deskriptive Verfahren zur Analyse und Visualisierung von Daten, Wahrscheinlichkeitsmodelle und Verteilungen sowie Methoden der schließenden Statistik. Die Studierenden lernen Parameter zu schätzen, Konfidenzintervalle zu berechnen und statistische Hypothesentests durchzuführen. Korrelations- und Regressionsanalysen ergänzen die statistischen Methoden.

Im Modul arbeiten die Studierenden in Teams an der Entwicklung eines Chatbots, der Fragen zum Studiengang CAI sowie zum Studium an der TH Ingolstadt beantwortet. Die Projektergebnisse werden präsentiert und gemeinsam diskutiert. Ergänzend fördern Workshops zu Lernstrategien, Zeitmanagement und interkultureller Kompetenz den erfolgreichen Studienstart. Eine Bibliothekseinführung unterstützt den sicheren Umgang mit wissenschaftlichen Informationsquellen.

Das Modul vertieft die Programmierkenntnisse anhand zentraler Konzepte der Softwareentwicklung. Behandelt werden Algorithmen, Datentypen und Datenstrukturen, Kontrollstrukturen, Funktionen, Module sowie objektorientierte Programmierung mit Klassen und Objekten. Ergänzt werden fortgeschrittene Themen wie Ausnahmen und ereignisgesteuerte Programmierung. Im Praktikum wenden die Studierenden die Inhalte mit professionellen Entwicklungswerkzeugen an.

Das Modul vermittelt fortgeschrittene Grundlagen der Informatik. Schwerpunkte sind Datenstrukturen wie Arrays, Bäume, Graphen und Hashing sowie verschiedene Algorithmenklassen, darunter Greedy- und Dynamic-Programming-Verfahren. Zudem behandelt das Modul Betriebssysteme, Prozesse, Speicher- und Dateiverwaltung sowie die Grundlagen moderner Kommunikationsnetze, Protokolle und sicherer Datenübertragung.

Das Modul vermittelt weiterführende mathematische Grundlagen für Informatik und Computational Life Sciences. Inhalte sind die lineare Algebra mit Vektorräumen, Matrizen, Eigenwerten und linearen Abbildungen sowie die mehrdimensionale Differential- und Integralrechnung. Darüber hinaus werden Funktionen mehrerer Variablen, Extremwertprobleme und die Grundlagen gewöhnlicher Differentialgleichungen behandelt.

Das Modul vermittelt grundlegende Algorithmen und Methoden der Künstlichen Intelligenz. Behandelt werden logische und unscharfe Logik, maschinelles Lernen, Datenaufbereitung und Vorverarbeitung sowie Verfahren des überwachten und unüberwachten Lernens. Die Studierenden lernen Regressions- und Klassifikationsverfahren, Gradientenverfahren, Validierungs- und Evaluationsmethoden sowie moderne Frameworks kennen und wenden diese auf praktische Problemstellungen an.

Das Modul vermittelt Grundlagen wissenschaftlichen Arbeitens und Forschens. Die Studierenden lernen wissenschaftliche Methoden, Projektmanagement sowie Techniken zur Recherche, Dokumentation und Präsentation wissenschaftlicher Ergebnisse kennen. Darüber hinaus werden ethische und rechtliche Aspekte der Forschung behandelt. Das Modul bereitet gezielt auf die Erstellung wissenschaftlicher Arbeiten wie Bachelor-, Master- oder Doktorarbeiten vor.

Das Modul vermittelt Grundlagen des Software Engineerings entlang des gesamten Entwicklungsprozesses. Behandelt werden Anforderungsanalyse mit Stakeholdern, Use Cases und UML-Modellen, Architektur- und Designkonzepte sowie Prinzipien der Softwareimplementierung und Code-Qualität. Darüber hinaus lernen die Studierenden Methoden des Softwaretestens kennen, darunter Blackbox-, Whitebox- und dynamische Testverfahren.

Das Modul vermittelt die Grundlagen moderner Webtechnologien und Webentwicklung. Behandelt werden HTML, CSS, HTTP, JavaScript, Ajax und JSON sowie serverseitige Programmierung mit Python und JavaScript. Die Studierenden lernen Webservices, Sicherheits- und Datenschutzaspekte sowie responsives Webdesign kennen. In praktischen Übungen entwickeln sie Webanwendungen und arbeiten mit dem MVC-Konzept sowie dem Framework Django.

Das Modul vermittelt grundlegende und fortgeschrittene Methoden der Optimierung. Behandelt werden die Klassifikation von Optimierungsproblemen, analytische und numerische Optimierungsverfahren, Gradientenmethoden sowie lineare, ganzzahlige und binäre Optimierung. Darüber hinaus lernen die Studierenden graphbasierte Optimierungsverfahren kennen, darunter Baumstrukturen, Kürzeste-Wege-Algorithmen und minimale Spannbäume.

Das Modul vertieft Methoden des maschinellen Lernens mit Fokus auf neuronale Netze und Deep Learning. Behandelt werden strukturierte, unstrukturierte und zeitliche Daten, Backpropagation, Optimierungsverfahren, Convolutional und Recurrent Neural Networks sowie Regularisierung und Hyperparameteroptimierung. Ergänzend lernen die Studierenden Verfahren des unüberwachten Lernens wie Clustering, Autoencoder und Methoden zur Dimensionsreduktion kennen.

Das Modul vermittelt Methoden der Datenanalyse und Datenvisualisierung entlang des gesamten Analyseprozesses. Behandelt werden Datenerhebung, Datenaufbereitung, Transformation und Analyse sowie der Umgang mit Zeitreihen-, Text- und Geodaten. Die Studierenden lernen Prinzipien der visuellen Darstellung, interaktive Visualisierungen und Visualisierungswerkzeuge kennen und wenden diese praktisch mit Python auf reale Datensätze an.

Das Modul vermittelt Grundlagen moderner Datenbank- und Big-Data-Technologien. Behandelt werden relationale Datenbanksysteme, Datenmodellierung, SQL und Transaktionsmanagement sowie NoSQL-Konzepte und verteilte Datenspeicherung. Die Studierenden lernen Big-Data-Architekturen, optimierte Speicherformate, verteilte Dateisysteme und Frameworks wie Hadoop und Spark kennen sowie moderne Ansätze des Datenmanagements in Data Lakes.

Das Modul vermittelt Grundlagen der Sprach- und Sprachsignalverarbeitung. Behandelt werden Methoden zur Analyse natürlicher Sprache und gesprochener Sprache, darunter Sprachmodelle, statistische Verfahren und neuronale Netze. Die Studierenden lernen Anwendungen wie Textanalyse, Information Retrieval, maschinelle Übersetzung, automatische Spracherkennung, Sprachsynthese sowie dialogorientierte Systeme und Chatbots kennen.

Das Modul vermittelt Methoden der Bildverarbeitung und Computer Vision. Behandelt werden klassische Verfahren zur Bildanalyse und Merkmalsextraktion sowie moderne Deep-Learning-Ansätze mit neuronalen Netzen. Die Studierenden lernen Methoden zur Bildklassifikation, Objekterkennung, Segmentierung und Bildregistrierung kennen. In praktischen Übungen implementieren sie Algorithmen und trainieren KI-Modelle mit Frameworks wie PyTorch, TensorFlow und Keras.

Das Modul vertieft fortgeschrittene Methoden der Künstlichen Intelligenz und deren praktische Anwendungen. Behandelt werden maschinelle Lernverfahren in Bereichen wie Empfehlungssysteme, Betrugserkennung, biometrische Identifikation und Sentimentanalyse. Darüber hinaus lernen die Studierenden Konzepte verteilter und symbolischer KI kennen, darunter Multi-Agenten-Systeme, Schwarmintelligenz, Wissensrepräsentation, logikbasierte Programmierung sowie Such- und Constraint-Lösungsverfahren.

Das Seminar vertieft wissenschaftliches Arbeiten anhand aktueller Themen aus Informatik und Künstlicher Intelligenz. Die Studierenden recherchieren eigenständig Fachliteratur, bereiten die Ergebnisse in einer wissenschaftlichen Präsentation auf und stellen diese im Rahmen eines Fachvortrags vor. Ergänzend verfassen sie eine schriftliche Ausarbeitung und entwickeln ihre Fähigkeiten in Analyse, wissenschaftlicher Kommunikation, Diskussion und kritischer Reflexion weiter.

Das Pre-Internship Seminar bereitet die Studierenden gezielt auf das bevorstehende Praxissemester vor. Im Mittelpunkt stehen die Reflexion eigener Erwartungen, Stärken und Entwicklungsfelder sowie der Umgang mit Unsicherheiten im beruflichen Umfeld. Durch Persönlichkeitseinschätzungen, Gruppenübungen und Rollenspiele trainieren die Studierenden Kommunikations- und Konfliktlösungsstrategien und stärken ihre Kompetenzen für den erfolgreichen Einstieg in die Praxis.

Das Praktikum ermöglicht den Transfer wissenschaftlicher und fachlicher Kompetenzen in ein berufliches Umfeld. Die Studierenden wählen ein geeignetes Unternehmen im In- oder Ausland und bearbeiten eigenständig definierte Aufgabenstellungen unter Anwendung wissenschaftlicher Methoden. Sie erstellen einen Arbeitsplan mit konkreten Arbeitspaketen und dokumentieren ihre Tätigkeiten, Ergebnisse und Erfahrungen in einem Praktikumsbericht.

Das Post-Internship Seminar unterstützt die Reflexion und Aufarbeitung der im Praktikum gewonnenen Erfahrungen. Die Studierenden präsentieren ihre Tätigkeiten, Ergebnisse und Erkenntnisse in Kurzvorträgen und diskutieren diese anschließend mit den Teilnehmenden. Durch fachlichen Austausch und direktes Feedback stärken sie ihre Präsentations-, Kommunikations- und Reflexionskompetenzen und vertiefen den Transfer zwischen Praxis und Studium.

Das Modul vermittelt zentrale Konzepte der Cybersicherheit zum Schutz von IT-Systemen und Anwendungen. Behandelt werden Kryptographie, Authentifizierung, Zugriffskontrolle, Netzwerksicherheit sowie Sicherheitsprinzipien und Risikomanagement. Zudem lernen die Studierenden Methoden des sicheren Software-Engineerings, Bedrohungen und Schutzmaßnahmen für KI-Systeme sowie den Einsatz künstlicher Intelligenz in der IT-Sicherheit, etwa zur Angriffs- und Malware-Erkennung, kennen.

Das Modul vermittelt Methoden der Mensch-Computer-Interaktion und Explainable AI im Kontext nutzerzentrierter Entwicklung. Die Studierenden lernen, Benutzungsschnittstellen zu gestalten, zu prototypisieren und wissenschaftlich zu evaluieren. Behandelt werden menschliche Faktoren, Interaktionstechnologien, Usability-Methoden sowie Verfahren zur Erklärbarkeit von KI-Systemen. Praktische Übungen vertiefen Anforderungenserhebung, Nutzerstudien und die Entwicklung erklärbarer KI-Anwendungen.

Das Modul vermittelt betriebswirtschaftliche und unternehmerische Grundlagen für die Entwicklung und Umsetzung innovativer Geschäftsideen. Behandelt werden zentrale Bereiche der Unternehmensführung wie Organisation, Leadership, Produktion, Marketing und Investitionsmanagement sowie Methoden des Innovationsmanagements. Die Studierenden lernen, Geschäftsideen zu entwickeln, Geschäftsmodelle zu gestalten und diese anhand praxisnaher Fallstudien und Simulationen zu bewerten.

Das Modul vermittelt Methoden und Werkzeuge des klassischen und agilen Projektmanagements. Die Studierenden lernen Projekte von der Zieldefinition über Planung, Ressourcen- und Risikomanagement bis zur erfolgreichen Umsetzung zu steuern. Behandelt werden Stakeholder-Management, Aufwandsschätzung, Projektcontrolling sowie agile Ansätze wie Kanban, Scrum und hybride Vorgehensmodelle. Gruppenübungen vertiefen die praktische Anwendung der Methoden.

Im Projektmodul bearbeiten die Studierenden über ein Semester hinweg eine praxisnahe Aufgabenstellung aus den Bereichen Informatik und Künstliche Intelligenz, häufig in Kooperation mit Unternehmen oder Forschungseinrichtungen. Sie organisieren und steuern das Projekt eigenverantwortlich, wählen geeignete Projektmanagementmethoden aus und entwickeln im Team Lösungen. Dabei vertiefen sie ihre fachlichen, methodischen und kommunikativen Kompetenzen in einem realitätsnahen Arbeitsumfeld.

Das Modul vermittelt ethische und rechtliche Grundlagen für den verantwortungsvollen Einsatz von Technologie und Künstlicher Intelligenz. Behandelt werden zentrale ethische Theorien, Technik- und Risikoethik, Mensch-Maschine-Interaktion, algorithmische Verzerrungen sowie Fragen der Maschinenethik und des Human Enhancement. Ergänzend lernen die Studierenden rechtliche Grundlagen und spezifische regulatorische Anforderungen für KI-Systeme kennen.

Die Wahlmodule ermöglichen eine individuelle fachliche Vertiefung entsprechend den persönlichen Interessen und Karrierezielen der Studierenden. Das Angebot wird regelmäßig angepasst und umfasst aktuelle Themen aus Informatik und Künstlicher Intelligenz. Mögliche Schwerpunkte sind Robotik, autonomes Fahren und Fliegen, KI in Industrie und Life Sciences, Mobile und Cloud Computing, Datenschutz, Kommunikationsnetze, Quantencomputing sowie weitere innovative Technologiefelder.

Die Wahlmodule ermöglichen eine individuelle fachliche Vertiefung entsprechend den persönlichen Interessen und Karrierezielen der Studierenden. Das Angebot wird regelmäßig angepasst und umfasst aktuelle Themen aus Informatik und Künstlicher Intelligenz. Mögliche Schwerpunkte sind Robotik, autonomes Fahren und Fliegen, KI in Industrie und Life Sciences, Mobile und Cloud Computing, Datenschutz, Kommunikationsnetze, Quantencomputing sowie weitere innovative Technologiefelder.

Die Bachelorarbeit bildet den wissenschaftlichen Abschluss des Studiums. Die Studierenden bearbeiten eigenständig eine anspruchsvolle Fragestellung aus der Informatik oder Künstlichen Intelligenz und wenden wissenschaftliche Methoden an. Dazu gehören Literaturrecherche, Planung und Durchführung des Projekts, Auswahl geeigneter Lösungsansätze, Evaluation der Ergebnisse sowie deren verständliche und wissenschaftlich fundierte Dokumentation in einer schriftlichen Arbeit. Das Seminar zur Bachelorarbeit begleitet die Erstellung der Abschlussarbeit und unterstützt die Studierenden bei der wissenschaftlichen Bearbeitung ihres Themas. Neben einer allgemeinen Informationsveranstaltung zu Ablauf, Anforderungen und Rahmenbedingungen der Bachelorarbeit stehen regelmäßige Gespräche mit den betreuenden Lehrenden im Mittelpunkt. Dabei werden Fortschritt, methodisches Vorgehen und wissenschaftliche Fragestellungen reflektiert und weiterentwickelt.