1. Einführung in die Theoretische Informatik - Algebra und Logik (2VL+2UE, WS)

Die LV führt in grundlegende Fragestellungen und Methoden der theoretischen Informatik ein. Gegenstand sind die Spezifikation und die Verifikation von Datentypen, d.h. von Daten und von Operationen auf diesen Daten. Es wird gezeigt, auf welche Art und Weise Datentypen mit Mitteln der Universellen Algebra und der Prädikatenlogik abstrakt, d.h. implementierungsunabhängig, beschrieben werden können. Das Rechnen mit derartigen abstrakten Datentypen kann durch Termersetzungssysteme realisiert werden, die etwa in der Lehrveranstaltung "Ersetzungssysteme" im SS behandelt werden.

Die LV stellt grundlegende Fragestellungen und Methoden der Theoretischen Informatik vor. Behandelt wird die Theorie effizienter Berechnungen. Probleme werden nach den zu ihrer Lösung benötigten Ressourcen (z.B. Rechenzeit und Speicherplatz) klassifiziert. Dabei werden verschiedene Berechnungsmodelle (Turingmaschinen, Registermaschinen, Schaltkreise) zugrunde gelegt und verschiedene Algorithmentypen (sequentiell, parallel, probabilistisch) betrachtet. Insbesondere werden behandelt: Problemvergleich durch Reduktionen, NP-Vollständigkeit, Einordnung formalsprachlicher Klassen in Zeit- und Platzklassen.

Hinweis für Studierende nach PO A: Veranstaltungen dieses Studiengebietes können grundsätzlich in die 8 SWS Mathematik-Pflicht des Hauptstudiums nach PO A eingebracht werden, sofern keine inhaltlichen Überschneidungen zwischen den Lehrveranstaltungen besteht. In Zweifelsfällen ist eine Rücksprache mit dem Prüfungsausschuß, Prof. Ehrig oder Prof. Siefkes erforderlich.

A. Formale Spezifikation von Software-Systemen

Es werden formale Techniken zur Spezifikation von Datentypen, Zuständen und Prozessen untersucht, um die Entwicklung von Software-Systemen von den Anforderungen (an das System) bis zum laufenden Programm syntaktisch und semantisch formal zu beschreiben und Methoden für Korrektheitsbeweise bereitzustellen. Im einzelnen werden folgende Aspekte betrachtet:

B. Graphtranformationen/visuelle Sprachen:

Wir beschäftigen uns mit der Beschreibung und Transformation von Graphen und mit der Untersuchung dynamischer Eigenschaften graphentheoretischer Modelle in der Informatik. Grundlage für diese Untersuchungen ist die Theorie der Graphgrammatiken, eine Verallgemeinerung von Chomsky-Grammatiken, die zur Systembeschreibung von Programmiersprachen verwendet werden, auf Graphen. Neben theoretischen Konzepten werden insbesondere ein Interpreter für attributierte Graphgrammatiken (AGG) und ein visuelles Definitionswerkzeug für visuelle Sprachen (GENGED) entwickelt und Anwendungen in den folgenden Bereichen untersucht:

Konsistenz und Synchronisation in Datenbanken; Syntaxdefinition und Animation von visuellen Sprachen; Spezifikation von nebenläufigen und verteilten Systemen; Beschreibung von Softwareentwicklungsprozessen.

Projekte: GETGRATS (ESPRIT); APPLIGRAPH (ESPRIT), GraGra (DFG)

C. Petrinetze

Schwerpunkt ist die Entwicklung anwendungsorientierte Spezifikationstechniken basierend auf Petrinetzen. Für Petrinetze stehen eine einfache graphische Präsentation, eine intuitive Semantik aber auch eine umfassende Theorie zur Verfügung. Dabei umfassen hier Petrinetze auch zusätzliche Aspekte wie Daten, Zeit, etc. Sowohl für einfache, als auch um ein oder mehrere Aspekte erweiterte Petrinetze werden Konzepte zur horizontale und vertikalen Strukturierung untersucht und weiterentwickelt. Dabei spielt die Verträglichkeit mit Analyse- oder Verifikationsverfahren eine große Rolle.

Darüber hinaus werden auch andere prozeßorientierte Beschreibungstechniken betrachtet.

Hauptsächliche Anwendungsgebiete sind zur Zeit die Geschäftsprozeßmodellierung, Eisenbahn-leittechnik, und medizinische Informationssysteme.

Projekte: Petrinetz-Technologie (DFG) gemeinsam mit Prof. Weber, TUB und Prof. Reisig, HUB

A. Formale Spezifikation von Softwaresystemen

- Algebraische Spezifikation und Modularisierung von Softwaresystemen, 4 IV, Vertiefung, WS: Ausgehend von aktuellen Forschungsprojekten wird die Verwendung algebraischer Spezifikationsmethoden in der Softwareentwicklung diskutiert. Im Mittelpunkt stehen Theorie und Anwendung von parametrisierten Spezifikationen und von Modularisierungskonzepten für große Softwaresysteme unter Verwendung von kategoriellen Methoden..

- Prozesse: Spezifikation und Semantik, 4 IV, Vertiefung, WS: Untersuchung unterschiedlicher Prozeßspezifikationen und ihrer Semantik, ihre formale Modellierung und Anwendung in der Softwareentwicklung, der Zusammenhang zwischen ihrer Spezifikation und der dazugehörigen Semantiken.

B. Graphtransformationen/visuelle Sprachen

- Visuelle Sprachen und Entwicklungsumgebungen, 4 IV, Vertiefung, WS: Wir geben eine Einführung in visuelle Sprachen und Entwicklungsumgebungen zur Modellierung und Programmierung. Dabei werden die visuellen Sprachen gleichermaßen unter den Gesichtspunkten der theoretischen Fundierung als auch der praktischen Anwendung betrachtet.

- Visuelles Sprachenprojekt 6 PJ, Projekt, SS: Entwurf und Implementierung einer vorhandenen visuellen Entwicklungsumgebung für eine visuelle Sprache (z.B. UML). Schwerpunkt ist die Entwicklung verschiedener Werkzeuge für Syntax- und Semantikchecks auf der Basis von Graphtransformation.

C. Petrinetze

- Petrinetze: Modellierung, Strukturierung und Kompositionalität, 4 IV, Vertiefung, SS: Erarbeitung der Grundlagen der Petrinetze, ihrer kategoriellen Darstellung, verschiedener Techniken zur Strukturierung und Kompositionalität dieser Techniken.

In allen Bereichen A , B und C bieten wir regelmäßig Seminare (2 SE) mit wechselnden Themen an. Für Diplomanden und Studierende mit vertieften Kenntnissen gibt es in jedem Bereich eine Arbeitsgemeinschaft, die kontinuierlich stattfindet. Weiterhin wird im Rahmen des Nebenfachs Mathematik im SS eine 4-stündige integrierte Veranstaltung zur Kategorientheorie angeboten.

Die Lehrveranstaltungen der theoretischen Informatik haben das Ziel, alle Teilgebiete der Informatik durchdringen und mathematisch erfassen zu helfen. Hauptanwendungen gibt es auf die Studiengebiete SSG, PSS, BKS, DIS, KI sowie die angewandten Gebiete TNA und WVA. Die Beschäftigung mit den Grundlagen ist für alle Gebiete der Informatik wichtig; besondere Beziehung besteht zum Studiengebiet IG.

Im Zuge der Studiengebietsreform werden die oben genannten LV's nicht nur in THI, sondern auch teilweise in SSG (Bereich B) und DIS (Bereich C) angeboten.

Hartmut Ehrig, FR 6024, Tel. 314-73510/73511, Sprechstunde Mo 10.30 - 11.30 Uhr

Wir untersuchen Fragen des Aufwands von Algorithmen und der Komplexität von Problemen. Insbesondere beschäftigen wir uns mit struktureller Komplexitätstheorie, das heißt, wir charakterisieren Klassen von Problemen durch ihre Komplexität und analysieren die Beziehungen zwischen solchen Klassen. Dabei haben wir Bezüge zur Theorie formaler Sprachen, zur Automatentheorie und zur Rekursionstheorie im Auge.

Als effizient lösbar gelten gemeinhin Probleme, die von Algorithmen mit polynomieller Laufzeit gelöst werden können. Wir betrachten verschiedene Erweiterungen dieser Problemklasse, indem wir die Anforderungen an Genauigkeit und Zuverlässigkeit der Polynomialzeit-Algorithmen lockern. Wir erwarten von dem Algorithmus etwa nur Teilinformationen über die Zugehörigkeit von Eingaben zu einer Sprache; wir betrachten den Average-Case- statt des Worst-Case-Aufwands; wir lassen Näherungslösungen zu oder verwenden probabilistische Algorithmen. Insbesondere die Beziehungen zwischen diesen Erweiterungen des Polynomialzeitbegriffs werden von uns untersucht.

B. Theoriebildung in der Informatik

In der Theoretischen Informatik untersucht man mathematische Modelle, mit denen man Sachverhalte und Methoden der Informatik formalisieren kann. Zu einer Theorie der Informatik gehört mehr; man untersucht auch die nichtformalisierten und nichtformalisierbaren Anteile informatischen Arbeitens und die Wechselwirkung zwischen formalem und nichtformalem Arbeiten. Wir spüren aus soziologischer und historischer, psychologischer und pädagogischer, philosophischer und linguistischer Sicht der Rolle nach, die Menschen als Entwickler und Nutzer formaler Theorien spielen, untersuchen insbesondere das Verhältnis zwischen theoretischer Informatik und einer solchen allegemeinen Theorie der Informatik und technische Wissenschaften? Welchen Einfluß haben die Orientierungen beteiligter Personen, Gruppen oder Institutionen und andere Faktoren? Wie hilfreich und hinderlich sind Formalismen fürs Verstehen? Wie kommunizieren wir über und mit Hilfe von Formalismen? - Mehr dazu in 3.3.3

Aufbauend auf die Basisveranstaltung "Einführung in die Theoretische Informatik - Berechnungsmodelle und Komplexität", die immer im Sommersemester angeboten wird, findet im Wintersemester eine Vertiefungsveranstaltung "Strukturelle Komplexitätstheorie" und ein Projekt im Sommersemester statt. Dies wird durch ein bis zwei Seminare pro Jahr ergänzt.

Strukturelle Komplexitätstheorie (IV, 4 SWS)

Vergleich verschiedener Reduktionen, nicht NP-vollständige Mengen in NP, Polynomielle Hierarchie, Komplementabschluß von Platzklassen, probabilistische Klassen, Nichtapproximierbarkeit von Optimierungsproblemen.

Projekt Komplexitätstheorie (PJ, 6 SWS)

Wir bearbeiten eine Fragestellung, die sich an der aktuellen Forschung orientiert; beispielsweise "Approximation NP-vollständiger Probleme" oder "Polynomialzeitdefinierte Funktionenklassen".

Seminar (SE, 2 SWS)

Behandelt Einzelthemen - meist anhand von Primärliteratur - und setzt nicht notwendigerweise Inhalte der anderen Veranstaltungen voraus.

Siehe 3.3 (Basisveranstaltung b) und 3.3.3 (Vertiefungsveranstaltungen)

Die Lehrveranstaltungen der Theoretischen Informatik haben das Ziel, alle Teilgebiete der Informatik durchdringen und mathematisch erfassen zu helfen. Hauptanwendungen gibt es auf die Studiengebiete SSG, PSS, BKS, DIS, KI sowie die angewandten Gebiete TNA und WVA. Die Beschäftigung mit geistes- und sozialwissenschaftlichen Grundlagen ist für alle Gebiete der Informatik wichtig; besondere Beziehung besteht zu den Studiengebieten IG und APA.

Dirk Siefkes, FR 6022, Tel. 314-73501/73500, Sprechstunde Mo 16 - 17 Uhr.

Basisveranstaltungen: Grundlagen der Künstlichen Intelligenz (2 VL + 2 UE, jedes Semester, alternierend von den Fachgebieten KI im SS und WBS im WS)

Einführung in Grundbegriffe und grundlegende Methoden der Künstlichen Intelligenz. Als zentrale Themen werden behandelt: Problemlösen und Planen, Heuristiken, Constraints, strategische Spiele, logisches Schließen, Wissensrepräsentation, Sprachverstehen, Lernen, KI und neuronale Netze, KI und Kognition sowie Grenzen der Künstlichen Intelligenz. Im Zusammenhang mit diesen Themen werden aktuelle Verfahren und Anwendungsbereiche der KI angesprochen.

Das Fachgebiet KI ist im Hauptstudium angesiedelt. Studierende, die diesen Bereich als Schwerpunkt wählen wollen, sollten aus dem Grundstudium gute Kenntnisse in den Bereichen Mathematik, Statistik und Theoretischer Informatik mitbringen. Zudem sind Kenntnisse in funktionalen und logischen Programmiersprachen günstig. Da die KI in einigen Teilbereichen mit anderen Wissenschaften interagiert, ist es vorteilhaft, über das Wahl- oder Nebenfach Grundkenntnisse in anderen Disziplinen wie Mathematik, Kognitive Psychologie, Biologie oder Linguistik zu erwerben. Der Besuch von Veranstaltungen aus den Bereichen Neuroinformatik, Robotik und Bildverarbeitung liefert eine gute Möglichkeit, spezielle Themen und Methoden der KI zu vertiefen. Aktuelle Informationen zu Forschung und Lehre sind über http://ki.cs.tu-berlin.de/ abrufbar.

Die Forschung im Fachgebiet KI orientiert sich an aktuellen KI-Problemen aus dem Bereich des maschinellen Lernens und benachbarten Themen, wobei Wert auf die Verbindung von Theorie und potentiellen Anwendungen gelegt wird. Die Forschungsschwerpunkte des Fachgebiets sind:

- Lernen und Begriffsbildung bei relationalen Beschreibungen in Verbindung mit Grundfragen der Wissensrepräsention und der Semantik der natürlichen Sprache.

- Entwicklung neuronaler Netze für spezielle Probleme der KI.

- Integration von Problemlösen, Planen und Lernen mit Beziehungen zur automatisierten Programmsynthese und zur lernenden Steuerung von komplizierten Prozessen.

- Spezielle Anwendungen und Weiterentwicklungen von lernfähigen Klassifizierungsalgorithmen.

- Maschinelles Lernen (2 VL + 2 UE, WS): Einführung in die grundlegenden Verfahren des maschinellen Lernens: Entscheidungsbaumverfahren, klassische Klassifikationssysteme, induktiver Konzepterwerb (Begriffslernen), erklärungsbasiertes Lernen, ausgewählte neuronale Netze, Lernen und Problemlösen, Lernen und Programmsynthese.

- Moderne Verfahren des maschinellen Lernens I, II (6 PJ, I: WS, II: SS): Ziel der Projekte ist die Auseinandersetzung mit modernen Verfahren des maschinellen Lernens (z.B. Graphklassifikation, induktive Logiken, lernendes Planen) und deren Anwendung auf ausgesuchte Problemstellungen (z.B. Klassifikation strukturierter Objekte, Programmsynthese). In einem zweistündigen Seminaranteil wird die einschlägige Literatur aufgearbeitet. Auf dieser Grundlage sollen dann ausgewählte Verfahren implementiert werden. Der jeweilige Projektschwerpunkt sowie die gewählte Implementationssprache (PROLOG, LISP, C++) ist dem Aushang gegenüber FR 5055 zu entnehmen. Ein vorangegangener oder gleichzeitiger Besuch der Vorlesung "Maschinelles Lernen" wird empfohlen, ist aber nicht Bedingung. Das Projekt II setzt den Besuch des Projektes I nicht voraus.

- Spezielle Themen der Künstlichen Intelligenz (2 SE, WS): In diesem Seminar werden mit jährlich wechselnden Schwerpunkten ausgewählte Themen der künstlichen Intelligenz behandelt. Teilweise wird dieses Seminar in Kooperation mit anderen Fachgebieten durchgeführt (s. unten). Mögliche Seminarthemen sind: Mustererkennung und Klassifikation, Räumliche Inferenz, KI und Softwareengineering, Kognition, ausgewählte Methoden der Plangenerierung und -verifikation, KI und neuronale Netze. Das jeweils aktuelle Seminarthema ist dem Aushang gegenüber FR 5055 zu entnehmen.

- Kolloquium Künstliche Intelligenz (2 CO, jedes Semester): Darstellung laufender Forschungs- und Diplomarbeiten des Fachgebiets sowie Vorträge eingeladener Wissenschaftlerinnen/ Wissenschaftler aus dem Bereich KI.

Neben den Berührungspunkten, die sich mit den anderen Einheiten des Fachgebiets (NI, INI, SYS und WBS) ergeben, sind vor allem Kombinationen mit folgenden Fachgebieten sinnvoll:

- Theoretische Informatik (THI) sowie Programmiersprachen und -systeme (PSS insbesondere FLP) und Softwaretechnik (SWT) liefern wichtige Grundlagen für eine Auseinandersetzung mit KI-Problemen sowie für die Anwendung von KI-Methoden.

- Das Fachgebiet Technisch-Naturwissenschaftliche Anwendung (TNA) bietet mit den Themen Robotik (PDV) und Bildverarbeitung (insbesondere CV) eine geeignete Vertiefung spezieller KI-Probleme. Auch im Bereich Systemanalyse (SYS) werden Anwendungsmöglichkeiten für KI-Methoden aufgezeigt. Des weiteren ist eine Kombination mit dem Gebiet Neuroinformatik (NI) sinnvoll.

- Als Neben- bzw. Wahlfächer werden Kognitionswissenschaft, Neurobiologie, Linguistik oder Mathematik empfohlen. Informationen zur Kognitionswissenschaft sind über http://ki.cs.tu-berlin.de/KogWisTUB/ verfügbar.

Prof. Dr. Fritz Wysotzki, FR 5056, Tel.: 314-24245, Sprechstunde Mo 12.30 - 13.30 Uhr.

Wissensbasierte Systeme bilden einen Lehr- und Forschungsgegenstand der Künstlichen Intelligenz. Der Schwerpunkt der Einheit Wissensbasierte Systeme (WBS) liegt in der anwendungsorientierten Grundlagenforschung. Dazu gehören Konstruktion und Anwendung mathematischer Modelle, experimentelle Untersuchungen, Entwicklung und Bewertung von Prototypen. Die Ausrichtung der Einheit ist erkenntnisorientiert. Daher spielen methodologische Erörterungen und Fragen der Fundierung eine wichtige Rolle. Dies schließt die Klärung von Grundbegriffen ein, ebenso die Kritik von Ansätzen, die Bestimmung der Grenzen von Methoden und Modellen der Künstlichen Intelligenz.

Gegenwärtige Forschungsthemen der Einheit WBS sind: Expertensysteme in Technik, Wirtschaft und Verwaltung; Verteilte Expertensysteme, Integration Expertensysteme-Datenbanksysteme; Datalog; Computerspiele, insbesondere Computerschach; Wissensrepräsentation; Inferenzsysteme; Information Retrieval und Internet; neuronale Netze; Grenzen der Künstlichen Intelligenz.

- Grundstudium: Im Wechsel finden die Praktika, "Strategische Spiele" und "Datenbank-Praktikum" jeweils im WS und SS statt. Es wird mit den Sprachen Prolog und SQL gearbeitet.

Die folgenden Lehrveranstaltungen sind Bestandteil des Hauptstudiums.

- Expertensysteme (6PJ, SS): Ziel des Projekts ist die Realisierung eines Expertensystem-Prototyps in Prolog. Dabei werden Methoden und Techniken der Wissensverarbeitung untersucht und angewendet. Themen: Wissensakquisition, Wissensrepräsentation, unsicheres Wissen (Wahrscheinlichkeitsmodelle), vages Wissen, nichtmonotones, temporales und fallbasiertes Schließen, Koppelung mit Datenbanken.

- Seminar Wissensbasierte Systeme (2 SWS, jedes Semester): Ausgewählte Themen (z.B. Computerschach, Grenzen der Künstlichen Intelligenz).

- Zusätzlich findet jedes Semester ein Kolloquium statt.

Kombinationsmöglichkeiten sind in großer Zahl gegeben. Es empfiehlt sich daher, die angebotene Beratung durch Prof. Konrad in Anspruch zu nehmen.

Prof. Konrad, FR 5061, Tel.: 314-73 172, Sprechstunde: Fr, 12-13 Uhr (während der Vorlesungszeit).

Neuronale Netze/Konnektionismus:

- künstliche Neuronale Netze für die digitale Bildverarbeitung,

- Anwendung künstlicher Neuronaler Netze zur Texturmodellierung, Segmentierung von Bilddaten
und Mustererkennung,

- Objektkonturmodellierung mit künstlichen Neuronalen Netzen.

Biologische Neuronale Netze, Schwerpunkt visueller Cortex

- Untersuchung Grundlegender Verschaltungsstrukturen in den ersten Stufen der visuellen Verarbeitung (V 1),

- mathematische Modellierung lokaler Neuronenwechselwirkungen,

- Welche Rollen spielen modulatorische langreichweitige Verbindungen beim Antwortverhalten von Neuronen V 1 (step-connections)?

- Kann man optische Illusionen auf einer früheren Stufe des visuellen Apparates erklären?

- Mustererkennung mit künstlichen Neuronalen Netzen, 6 SWS Projekt, WS und SS

Neuronale Informationsverarbeitung (NI).

Prof. Biedl, FR 5026, Tel.: 314-73 220, Sprechstunde Mo 11-12 Uhr.

Neuroinformatik ein interdisziplinäres Forschungsgebiet mit vielfältigen Berührungspunkten zu anderen technischen, naturwissenschaftlichen und sogar geistes- und wirtschaftswissenschaftlichen Fächern. Es hat sich historisch aus den Anfängen des Computers und der Datenverarbeitung in den 40er und 50er Jahre entwickelt und sich - nach einer durch einen Grundlagenstreit in der KI verursachten "Dunkelperiode" - in den letzten fünfzehn Jahren zu einem etablierten Forschungsgebiet ausgewachsen. Im Fachgebiet Neuronale Informationsverarbeitung untersuchen wir Strategien der Informationsverarbeitung in natürlichen Systemen mit dem Ziel, die gewonnenen Erkenntnisse für die technische Datenverarbeitung nutzbar zu machen. Dies führt zu neuen Algorithmen, die zum Teil unter dem Namen "Neuronale Netze" bekannt sind.

Auf Grund der interdisziplinären Natur des Fachgebietes und den vielfältigen Anwendungsmöglichkeiten neuronaler Netze in der Praxis ist es für Sie als Student oder Studentin von Vorteil, wenn Sie sich - zum Beispiel über ein Wahl- oder Nebenfach - in das Gebiet einarbeiten, in dem Sie neuronale Netze gerne anwenden wollen (z.B. Bildverarbeitung, Robotik, Sprachverarbeitung etc.). In jedem Fall sollten Sie sich im Grundstudium gute Kenntnisse in Mathematik und Statistik aneignen. Falls Sie an grundlegenden Fragen zur Informationsverarbeitung im Gehirn interesssiert sind, sind Kenntnisse in Neurobiologie von Vorteil.

Unsere derzeitigen Forschungsprojekte reichen von der biologienahen Modellierung neuronaler Informationsverarbeitung über die theoretischen Grundlagen neuronaler Netze bis hin zur Anwendung der gewonnenen Algorithmen auf praktische Probleme vor allem in den Bereichen statistische Datenanalyse (data mining), Bild- und Signalverarbeitung. Die derzeitigen Forschungsschwerpunkte sind:

1. Modellierung neuronaler Systeme.

2. Theorie künstlicher neuronaler Netze.

3. Bildgebende Verfahren in der Biomedizin und konfokale Mikroskopie.

4. Statistische Datenanalyse.

Eine detailliertere Beschreibung der laufenden Projekte sowie eine Aufstellung möglicher Themen für Diplom- und Studienarbeiten finden Sie auf unseren Web-Seiten (http://ni.cs.tu-berlin.de).

Neuronale Informationsverarbeitung I und II (2 Semester, 4 + 2 SWS)

Dieser Vorlesungszyklus bildet die Grundveranstaltung auf dem Gebiet Neuroinformatik. Wir behandeln alle wichtigen Paradigmen auf dem Gebiet der neuronalen Netze (Multiagentenperzeptrons, Support Vector Maschinen, radiale Basisfunktionen, Mixtures of Experts, Attraktornetze, kompetitive Netze, Boltzmann-Maschinen, Belief Networks, Verfahren zur unüberwachten Quellenseparation, Lernverfahren und Lerntheorie, Reinforcement-Lernen u.a.), wobei im WS das überwachte Lernen und im SS das unüberwachte Lernen im Vordergrund steht. Dabei wird auf ein tieferes Verständnis wertgelegt, so daß Sie anschließend nicht nur Algorithmen auf praktische Probleme anwenden, sondern auch neue Algorithmen entwickeln können. Die Übungen zur Vorlesung setzen sich aus dem Lösen von Aufgaben und aus praktischer Arbeit am Rechner zusammen.

Der Einstieg in den Vorlesungszyklus ist sowohl im Winter- als auch im Sommersemester möglich. Wir empfehlen Ihnen aber, beide Veranstaltungen zu hören, da Ihnen sonst Kenntnisse wichtiger Paradigmen fehlen.

Modelle zur Informationsverarbeitung im Gehirn (2 + 2 SWS)

Diese Vorlesung behandelt neuronale Netze als Modelle für die Informationsverarbeitung im Gehirn. Themen sind u.a.: Das Neuron, Kabeltheorie und Kompartimentmodelle, neuronale Schaltkreise, Kodierung und Repräsentation von Information im Gehirn, Modelle des Okulomotor-Systems, sensomotorische Integration, Gedächtnis, die Verarbeitung visueller Reize, neuronale Entwicklungs- und Lernprozesse, neuronale Korrelate von Planung, Entscheidungsprozessen und Bewußtsein.

Die Neuroinformatik strebt den Wissenstransfer von dem biologischen Vorbild in die technische Anwendung an. In dieser Vorlesung werden Sie mit Konzepten vertraut gemacht, die vermutlich in den nächsten Jahren als künstliche neuronale Netze Verbreitung finden.

Projekte im Bereich Neuroinformatik (6 SWS)

Projekte werden zu wechselnden Themen angeboten, die zum Teil unseren aktuellen Forschungsprojekten entnommen sind. In einem ca. zweiwöchigen Seminarteil werden die für die Projekte notwendigen Grundlagen vermittelt, sofern sie nicht schon aus den Vorlesungen "Neuronale Informationsverarbeitung" und "Modelle zur Informationsverarbeitung im Gehirn" bekannt sind. Anschließend folgt Arbeit in kleinen Gruppen, in der Sie an Hand einer ausgewählten Fragestellung Einblick in wissenschaftliches Arbeiten gewinnen sollen. Den jeweiligen Projektschwerpunkt können Sie dem Aushang gegenüber FR 2522 entnehmen.

Seminare zu neuronalen Netze (2 SWS)

Seminare werden ebenfalls zu wechselnden Themen angeboten, die Sie jeweils dem Aushang gegenüber FR 2522 entnehmen können. In den Seminaren werden Sie sich an Hand von Originalveröffentlichungen auf dem Gebiet der neuronalen Informationsverarbeitung mit der Literaturarbeit vertraut machen. Wir erwarten von Ihnen, daß sie einmal im Semester Ihren Kommilitoninnen/Kommilitonen ein von Ihnen erarbeitetes Papier in einem Vortag vorstellen. Das Seminar erfordert Kenntnisse in neuronalen Netzen, wie sie in der Vertiefungsveranstaltung "Neuronale Informationsverarbeitung" und "Modelle zur Informationsverarbeitung im Gehirn" vermittelt werden. Teilweise werden die Seminare des Fachgebiets NI zusammen mit anderen Fachgebieten durchgeführt.

Kolloqium aktuelle Fragen des Konnektionismus (2 SWS)

Darstellung der laufenden Forschungs- und Diplomarbeiten, sowie Vorträge eingeladener Wissenschaftlerinnen/Wissenschaftler auf dem Gebiet Konnektionismus.

Neuroinformatik Journal Club (2 SWS)

Literaturseminar zu wechselnden Themen der Neuroinformatik, wobei klassische und aktuelle Veröffentlichungen gemeinsam in der Gruppe erarbeitet werden. Das Seminar richtet sich vor allem an Graduierte und an Studierende mit sehr guten Vorkenntnissen und Forschungsinteressen auf diesem Gebiet.

Neben den Veranstaltungen der anderen Fachgebiete INI, KI und WBS im Studiengebiet KI ist die Kombination mit Veranstaltungen der folgenden Studiengebiete besonders geeignet:

1. Studiengebiet technisch-naturwissenschaftliche Anwendungen (TNA): Neuronale Netze werden insbesondere zur Lösung von Problemen aus der Robotik und der Bildverarbeitung/Bildgenerierung entwickelt, so daß sich eine Kombination mit den in TNA angesiedelten Veranstaltungen anbietet.

2. Studiengebiet quantitative Methoden (QM): Neuronale Netze sind Verfahren, die oft zur Erfassung und Auswertung (Stichwort Modellbildung) empirischer Daten eingesetzt werden und die die üblicherweise in der statistischen Datenanalyse verwendeten Verfahren ergänzen. Zudem sind einige neuronale Verfahren mit Verfahren aus der statistischen Schätztheorie eng verwandt.

Als Wahl- oder Nebenfach kommt im Prinzip jedes Gebiet in Frage, in dem Sie die Methoden der Neuroinformatik später gerne anwenden wollen. Für diejenigen unter Ihnen, die sich für biologische, psychologische und kognitive Fragestellungen interessieren, empfiehlt sich eine Kombination mit dem empfohlenen Nebenfach Kognitionswissenschaft und mit den speziell für Nicht-Biologen konzipierten Veranstaltungen des Instituts für Biologie. Es empfiehlt sich, die angebotene Beratung in Anspruch zu nehmen.

Prof. Dr. Klaus Obermayer, FR 2522, Tel.: 314-73120, E-mail: oby@cs.tu-berlin.de,

Sprechstunde Di 12.30 -13.30 Uhr.

Forschung und Lehre im Gebiet Quantitative Methoden werden von den Fachgebieten "Ökonometrie und Statistik" (Prof. Friedrich) sowie "Statistik und Wirtschaftsmathematik" (Prof. Kockelkorn) vertreten.

Bei Quantitativen Methoden geht es im weitesten Sinne um Entscheidungsfindung nach numerischen Kriterien. Zu diesem Zweck werden Problemstellungen der Erfassung und Auswertung empirischer Daten sowie der Simulation behandelt. Dazu gehören Fragen auf der Konzeptebene (Was ist Schätzen? Was ist Testen? Was ist Maschinelles Lernen? Was ist Messen?), auf der Methodenebene (Wie stellt man Daten graphisch dar? Wie führt man einen statistischen Test durch? Wie erhebt man eine Stichprobe?) sowie auf der Werkzeugebene (S-Plus, Mathematica, Gauß, etc.).

Die inhaltlichen Anwendungsgebiete reichen von den Sozial- und Wirtschaftswissenschaften über Umwelttechnik, Biologie und Medizin bis zu technisch-naturwissenschaftlichen Fragen. In den letzten Jahren sind wichtige Anwendungen in der Informatik dazugekommen wie z. B. Quantitative Methoden im Softwareengeneering (Softwaremetrie), in der künstlichen Intelligenz (Maschinelles Lernen, Neuronale Netze, statistische Lerntheorie) oder bei Expertensystemen (Bayes Netze). Um z. B. Data Mining Tools sinnvoll einzusetzen, sind statistische Grundkenntnisse unbedingt erforderlich.

In jedem Semester wird eines der beiden folgenden Praktika (Praktikum für Informatiker; GS: Informatik-Praxis) angeboten.

Entwicklung von Statistik-Tools (6 SWS PR)

Entwicklung von Programmodulen für Datentransfer und -eingabe, Kontrolle und Bewertung. Datenbankprogrammierung. Es werden die Bausteine für ein Statistik-Auswertungssystem erstellt. Dabei werden GUI-Tools für Maßzahlen, Tests, Tabellen und Graphiken erzeugt. Es werden Java, Delphi, APL2, S-Plus/R und S-Plus benutzt.Diese Veranstaltung wird im Sommer angeboten.

Rechnergestützte Implementierung Quantitativer Methoden (6 SWS PR)

Unter Verwendung der Sprache Mathematica (alternativ Maple, Gauss) werden die theoretischen Grundlagen statistischer Methoden in Verbindung mit der für Computer Algebra Systeme typischen Programmiertechnik vermittelt. Die theoretischen Erkenntnisse werden anhand der o.g. Sprache in Programme umgesetzt und zur Lösung ausgewählter Problemstellungen angewendet.

Grundlagen der Statistik (2 VL + 2 UE)

Die Veranstaltung setzt keine Statistikkenntnisse voraus. Sie enthält die Grundlagen, die für Lehrveranstaltungen in der Informatik, die mit statistischen Verfahren arbeiten, notwendig sind. Inhalte: Deskriptive Statistik, Einführung in die Wahrscheinlichkeitsrechnung, Schätzen, Testen.

In jedem Semester werden in unregelmäßigen Abständen Vertiefungsveranstaltungen aus dem folgenden Katalog angeboten:

Multidimensionale Analysewerkzeuge und intelligente statistische Algorithmen (maschinelles Lernen) werden benötigt, um große Datenmengen auswerten zu können. Entwurf und Implementierung geeigneter Data Mining-Techniken mit Java, S-Plus oder C. Datenbank-Managementsystem: DB 2 oder Adabas.

Was hat Visualisierung mit DataMining zu tun? Beschreibung der Besonderheit kategorialer Daten. Definition und Diskussion geeigneter Zusammenhangs- und Abstandsmaße. Vorstellung geometrischer Konzepte, die die Strukturen zwischen kategorialen Variablen beschreiben können. Wie werden diese Konzepte in visuelle Bilder übersetzbar, und wie kann man sie dort interpretieren? Keywords principal component analysis, multidimensional scaling, homogeneity analysis.

In dieser Lehrveranstaltung wird ein mathematisch-statistisches Modell des Lernprozesses vorgestellt. Es wird aufgezeigt, wie Methoden der mathematischen Statistik benutzt werden können, um die Generalisierungsfähigkeit von Lernmethoden (Neuronale Netze, Entscheidungsbäume ect.) zu beurteilen/zu untersuchen. Die Veranstaltung ist eine ideale Ergänzung zu den Veranstaltungen "Maschinelles Lernen" (KI) und "Neuronale Informationsverarbeitung" (NI).

Moderne statistische Verfahren (4 SWS IV)

Es werden der Informationsgehalt von Daten und die sich daraus ergebenden Aussagen über die Präzision und Zuverlässigkeit statistischer Schlüsse bearbeitet. Die Methoden werden durch Übungen mit leistungsstarker statistischer Software veranschaulicht. Die Veranstaltung ist der ideale Einstieg für alle, die mehr über Statistik wissen wollen.

Multivariate Verfahren (4 SWS IV)

Eine anwendungsorientierte Einführung in die Analyse der Stärke und Form, in der Einflußgrößen eine abhängige Variable bestimmen. Die Abhängigkeit läßt sich in einem zweiten Schritt zur Prognose nutzen. Beispielhafte Problemstellungen: Welche Faktoren bestimmen den Unternehmenserfolg (Regression), welche Einflußgrößen bestimmen die Wahl einer Automarke (kategoriale Regression), wie läßt sich ein Muster erkennen (Diskriminanzanalyse)? Die Einführung in klassische und neuere Verfahren der multivariaten Statistik wird mit Theorie und Anwendung anhand konkreter Problemstellungen motiviert. Behandelt werden beispielsweise Fragen nach der Zusammenhangsstruktur mehrerer Variablen und der möglichen Dimensionsreduktion sowie der Ähnlichkeit von Objekten (Fehleranalyse, Clusteranalyse, multidimensionale Skalierung, graphische Modelle).

Lineare Modelle I (Regressions- und Korrelationsrechnung) (4 SWS IV)

Wie läßt sich eine Zielgröße anhand vorgegebener Einflußfaktoren prognostizieren? Wie kann man Beobachtungswerte in systematische Anteile und Störanteile zerlegen? Wie lassen sich Effekte, Wirkungen und Zusammenhänge messen und quantifizieren? Das klassische Werkzeug zur Beantwortung dieser und anderer Fragen ist die Theorie der linearen Modelle mit. Die Vorlesung beschäftigt sich im wesentlichen mit der Korrelations- und Regressionstheorie, dem wesentlichsten Teilgebiet der linearen Modelle. Die Theorie wird mit zahlreichen Beispielen aus den unterschiedlichen Bereichen untermauert, z. B. Einflußgrößenrechnung, Zeitreihenanalyse, Diagnose statistischer Modelle und Modellbewertung.

Lineare Modelle II (Varianzanalyse und Versuchsplanung) (4 SWS IV)

In der Regressionsrechnung wird die Abhängigkeit einer Zielgröße von quantitativen Variablen untersucht, in der Varianzanalyse die Abhängigkeit von qualitativen Variablen. Wenn verschiedene Variablen zugleich auf dieselbe Zielgröße einwirken, überlagern sich die Effekte. Es können Wechselwirkungen beliebig hoher Wirkungen auftreten. Wie lassen sich nun diese Effekte definieren und aus den Beobachtungen schätzen? Welchen Einfluß haben Wechselwirkungen, wann sind sie vernachlässigbar? Kennt man die Antworten, lassen sich Versuche von vornherein so planen, daß hinterher auch die Effekte gemessen werden können, nach denen man vorher gefragt hat. Denn Fehler einer schlechten Versuchsplanung sind hinterher oft irreparabel. Es werden Methoden zum optimalen Aufbau von Versuchen und Experimenten vorgestellt.

Visualisierung von Umweltdaten (2 SWS IV)

Die oft komplexen Ursache-Wirkung-Beziehungen in der Umwelt können durch Graphiken besser verständlich gemacht werden. In der LV werden die Graphikpakete APL-Graphpak, Mathematica und J (open GL) sowie Anwendungsmöglichkeiten für verschiedene Umweltmedien durch Simulation und teilweise mit Animation eingesetzt.

Methoden der Meßtheorie in der Informatik (4 SWS IV)

Was ist Messen? Einführung in die quantitativen Methoden des Softwareengineering, Softwaremetrie, messen der Softwarequalität, Function-Point-Methode, COCOMO-Modell, Softwaremessung im Software-Lebenszyklus, quantitative Modelle bei Expertensystemen.

Statistische Probleme der Simulation (2 SWS IV)

Zusammenstellung grundlegender Begriffe und Ergebnisse über Zufallsprozesse, Simulation von Wartesystemen, Planung und Auswertung von Simulationsexperimenten, Steigerung der Effizienz durch varianzreduzierende Methoden, insbesondere auf dem Gebiet der Finanzmarktanalyse.

Stichprobentheorie (4 SWS IV)

Der Schluß von einer Teilmenge (Zufallsstichprobe) auf eine Gesamtheit von Einheiten ist mit einem Fehler behaftet. Es entstehen folgende Fragen: 1. Ist der Fehler quantifizierbar? 2. Kann der Fehler durch geeignete Auswahlverfahren klein gehalten werden? 3. Wie groß muß der Umfang einer Stichprobe gewählt werden, um gegebenen Genauigkeitsanforderungen zu genügen?

Datamining und OLAP-Techniken (2 SWS IV)

Multidimensionale Analysewerkzeuge und intelligente statistische Algorithmen werden benötigt, um große Datenmengen effizient auswerten zu können. Entwurf und Implementierung geeigneter Datamining- und OLAP-Techniken mit APL2, Java, S-Plus. Datenbank-Managementsysteme: DB2 und Adabas.

Entscheidungsunterstützung und Prognose bei ökonomischen Problemen (4 SWS IV)

Eine anwendungsorientierte Einführung in die Analyse komplexer Datenstrukturen, die Entscheidungen unterstützen und Prognosen ermöglichen. Problembereiche sind Verfahren zur Produktwahl und Kaufentscheidungen, Bonitätsbeurteilung von Kreditkunden, Marktsegmentierung und Finanzmarktdatenanalyse. Die verwendeten Methoden beinhalten u.a. regressions- und diskriminanzanalytische Ansätze, Klassifikationsbäume und Clusteranalyse.

Analyse- und Prognoseverfahren von Wirtschafts- und Finanzzeitreihen (4 SWS IV)

Es werden auf der Grundlage der Theorie stochastischer Prozesse für Zeitreihen aus der Wirtschaft und aus technischen Anwendungen gängige Analyse- und Prognosetechniken vorgestellt und erläutert (z. B. Komponentenzerlegung, Exponentielle Glättung, ARIMA-Modelle, Kalman-Filter, Spektralanalyse, Neuronale Netze usw.). Ein Schwerpunkt der ökonomischen Anwendung liegt auf dem Gebiet der Finanzmarktreihen.

Computergestützte Verfahren in der Finanzmarktanalyse (2 SWS IV)

In dieser Veranstaltung wird ein systematischer Einstieg in numerische Methoden vermittelt und anhand von Datensätzen aus dem Finanzmarktbereich angewendet. Dabei kommen einfache und komplexe numerische und graphische Verfahren zur Anwendung, beispielsweise unter Verwendung der Schnittstellen zwischen dem Statistik-Programm Splus und C. Der methodische Schwerpunkt liegt in den Bereichen Financial Econometrics, Financial Engineering und Risk Management.

Finanzdatenanalyse (4 SWS IV)

Die Modellierung und Analyse von Daten aus dem Finanzierungsbereich wird vorgestellt. Möglichkeiten aber auch Grenzen von statistischen Verfahren in diesem Anwendungsbereich werden diskutiert.

Statistik in Wirtschaft und Management (4VL + 2UE)

In dieser eher breit als tief angelegten Veranstaltung werden verschiedene Problemstellungen aus Wirtschaft und Management erörtert und mittels verschiedener Methoden bearbeitet. Hierzu zählen Explorative Datenanalyse, Regressions-, Zeitreihen- und Varianzanalyse, (Bayesianische) Entscheidungstheorie, Diskriminanzanalyse sowie Stichprobeninventur und schließlich nichtparametrische Statistik. Die Veranstaltung ist für Informatiker für das Nebenfach in Verbindung mit anderen Veranstaltungen des Institutes für Quantitative Methoden anrechenbar.

Statistik-Seminar (2 SWS SE)

Die behandelten Themen werden in der Info-Veranstaltung bekanntgegeben. In regelmäßigen Abständen findet ein Seminar zur statistischen Lerntheorie in Verbindung mit den Einheiten KI oder NI statt.

Sinnvolle Ergänzungen bieten die Lehrveranstaltungen der Studiengebiete "Wirtschafts- und verwaltungsorientierte Anwendungen", "Technisch-naturwissenschaftliche Anwendungen", "Datenbanken und Informationssysteme", "Künstliche Intelligenz".

Prof. Dr. Kockelkorn, FR 6051, Tel. : 314-73 380/381, Sprechstunde Di 13 - 14 Uhr

Prof. Dr. Friedrich, FR 6006, Tel.: 314-73 390/391, Sprechstunde Di 16- 18 Uhr

(Empfohlen für Informatiker/innen, Ingenieur/innen und Mathematiker/innen im 5. Semester.)

Computergrafik, grafische Bildausgabe, Digitale Bildverarbeitung, Bilddigitalisierung, Bilddaten, Bildfenster und Bildoperatoren, digitale Geometrie und Topologie, Konturcodierung und Konturapproximation, Punktoperatoren, Morphologische Operationen, lokale Operatoren, Bildmodellierung auf Signalniveau, Fourier-Transformation, Bildsegmentierung, Gestaltsmerkmale, Punktmuster, Farbmodelle, interaktive grafische Eingabe, Darstellungselemente, Attribute der Ausgabe-Elemente, Windowing and Clipping, Segmente, dreidimensionale Grafik, dreidimensionale Darstellungselemente, dreidimensionale Transformationen, Abbildungen des Raumes in die Ebene, Hidden Lines and Hidden Surfaces, Shading, Bezier-Kurven und B-Splines.

b) Eingebettete Echtzeitsysteme , 2 VL + 2 PA, WS

Modularität, Peripherie, Sensorik, Prozesse, Unterbrechungen, Nachrichten, Rendezvouz, Methoden zur Konstruktion von Echtzeitsystemen.

Eines der Anwendungsgebiete, das derzeit im Rahmen von Forschungsprojekten verfolgt wird, ist die Entwicklung der medizinischen Bildvisualisierung, -verarbeitung und -kommunikation in einer verteilten Multi-Media-Umgebung.

• Computer Graphics (CG) (2 SWS VL, 2 SWS UE WS): Dreidimensionale Darstellungselemente, Dreidimensionale Transformation, Abbildung des Raumes in die Ebene, Entfernen verdeckter Kanten und Flächen, Erzeugung realistisch wirkender 3D-Darstellungen mit Hilfe fortgeschrittener Visualisierungsverfahren, wie Raytracing und Radiosity, Texturierung, Animationstechniken, Architekturen von Graphikcomputern, Visualisierung von Voxel-Repräsentationen. Voraussetzung: Computer Graphics/Computer Vision.
• Technische Informatik in der Biomedizin (TIBM) (4 SWS VL, SS): Bildgebende Verfahren der Radiologie, Bildarchivierungs- und Kommunikationssysteme, Segmentierung und Analyse medizinischer Bilddaten, 3D-Modelle und Repräsentationen von medizinischem Bildmaterial, Visualisierungsverfahren, multimodale Modellierung, Anwendungen der computergestützten Radiologie. Voraussetzung: Computer Graphics/Computer Vision.
• Computer Assisted Radiology (CAR) (2 SWS SE, SS): Vertiefte Behandlung der bildgebenden Systeme in der Medizin, insbesondere deren rechnergestützte Weiterverarbeitung und Darstellung. Weitere Themen sind, basierend auf Bildern, computergestützte Diagnose und Therapieplanungsverfahren und minimal invasive Medizin. Voraussetzung: Computer Graphics/Computer Vision.
• Medizinische Kommunikationssysteme (MK) (2 SWS SE, SS): Vertiefte Behandlung von Bildarchivierungs- und Kommunikationssystemen (Picture Archiving and Communication Systems), insbesondere deren Realisierung in lokalen Netzwerken (LAN) und Weitverkehrsnetzen (WAN); ATM-Netzwerke, Teleradiologie und Telemedizin. Voraussetzung: Computer Graphics/Computer Vision.
• Computer Assisted Surgery (CAS) (2 SWS VL, 2 SWS optional, WS): Der OP der Zukunft nutzt Multimedia-Patientendaten mit Stereo-Video, 3D-Visualisierung und Navigationshilfen und Robotern zur Planung und Durchführung chirurgischer Eingriffe. Physikalisch basierte Simulation von Anatomie und 3D-VR-Endoskopie werden in CBT und CAL-Systemen für medizinische Aus- und Weiterbildung verwendet. Voraussetzung: Computer Graphics/Computer Vision.
• 3D-Grafikechtzeitsysteme und VR (2 SWS SE, SS/WS): Vorträge über aktuelle 3D-Grafikverfahren, -Architekturen und Anwendungen, neue Features von 3D-Grafikkarten, 3D Monitore und Shutterglasses, Haptic Devices (Force/Touch Feedback), Virtual Environments, PC-CAVE Systeme, X3D, MPEG 4,.3D-Grafikbibliotheken. Voraussetzung: Computer Graphics/Computer Vision.
• CG-Projekt (6 SWS PRJ, SS/WS) : Projekte zu aktuellen Themen der Computer Grafik und ihrer Anwendung. Voraussetzung: Computer Graphics/Computer Vision.

Computer Vision, Künstliche Intelligenz, Software-Engineering, Rechnerarchitektur, Prozeßdatenverarbeitung, Computer Aided Design (z.B. am FB 11)

Prof. Dr. H. Lemke, FR 3528, Tel.: 314-73100, Sprechstunde Do 18-19 Uhr

Die Prozeßdatenverarbeitung befaßt sich mit den Anwendungen der Informatik zur Führung technischer Prozesse. Eingebettete Systeme (auch PDV-Systeme genannt) regeln Heizungen, vermitteln Telefongespräche, betreiben CD-Spieler, überwachen Kraftwerke, steuern Magnetbahnen, führen Walzstraßen und navigieren Raumfähren. Charakteristisch für Eingebettete Systeme sind hohe Anforderungen an ihre Sicherheit und Zuverlässigkeit, die Berücksichtigung von Echtzeitanforderungen zur rechtzeitigen Beeinflussung der kontrollierten Prozesse und ihre Konzeption als verteilte Systeme. Ihr Entwurf erfordert nicht nur die Kenntnis moderner Hardware- und Softwaretechnologie, sondern auch das Wissen um technische Umgebungen, in denen sie eingesetzt werden sollen, sowie eine Auseinandersetzung mit den Chancen und Risiken solcher Einsätze.

Die Robotik ist ein interdisziplinäres Gebiet zwischen Produktionstechnik, Maschinenbau, Elektrotechnik und Informatik. Im Mittelpunkt der informatischen Anteile dieses Gebiets steht die Programmierung von Robotersystemen. Hierfür sind grundlegende Kenntnisse aus der Softwaretechnik und der Künstlichen Intelligenz erforderlich, aber auch ein Grundwissen über die Einsatzweise, Konstruktion, Kinematik und Sensorik von Robotern.

Forschungsarbeiten in folgenden Bereichen: Mobile Service-Roboter, Roboterchirugie, fliegende, autonom operierende Roboter, Sensorhandschuh, Modellierung und Analyse mittels deterministischer und stochastischer Petri-Netze, z.B. in den Bereichen Fertigungs- und Kommunikationstechnik, Entwicklung von Analysewerkzeugen

• · Programmierung und Modellierung fehlertoleranter Echtzeitsysteme, Vertiefungsveranstaltung, 2 VL + 2 PA, WS: Stochastische Prozesse, Modellierung mit Petri-Netzen und Warteschlangen, Analyse von zeiterweiterten Petri-Netzen, Echtzeitkommunikation, Leistungsbewertung, Simulation.
• · Robotik, Vertiefungsveranstaltung, 2 VL + 2 PA, SS: Grundlagen der Robotik, Roboterkinematik, Imperative Programmierung von Industrierobotern, Wissensgestützte Programmierung in der Robotik, Bahnplanung, Kollisionsvermeidung.
• · PDV/Robotik Projekt, Projekt, 6 PJ, WS: Praktische Durchführung von Projekten zur Prozeßdatenverarbeitung und Robotik mit wechselnden Themenstellungen (üblicherweise an der Nahtstelle beider Gebiete). Teilnehmerinnen/Teilnehmer bearbeiten im Laufe des Semesters in Gruppen je eine größere Aufgabe.
• · PDV/Robotik Seminar, Seminar, 2 SE, WS: Seminar zu wechselnden Themen der Prozeßdatenverarbeitung und Robotik. Teilnehmerinnen/Teilnehmer arbeiten in Gruppen Vorträge aus.
• · Sicherheit von Prozeßautomatisierungssystemen, 2 VL, SS: Klassifikation von Fehlern, Fehlerquelle Mensch, Sicherheitsanforderungen und -standards, Sicherheitskenngrößen. Toleranz von Entwurfs- und Fertigungsfehlern, Software-Spezifikation, SW-Test, SE-Fehlertoleranz. Vermeidung gefährlicher Störauswirkungen, Beispiele und Fallstudien aus der Praxis.
• · Automatisierungstechnik in der Medizin, 2 VL, WS: Navigations- und Robotersysteme in der Krankenversorgung. Wirkungsweisen verschiedener Meß- und Robotersysteme, Methoden zur Programmierung hierzu. Adaption von medizinischen Instrumenten. Normen, Gesetze, Verordnungen für Entwurf und Betrieb komplexer Geräte im medizinischen Umfeld.
• · PDV/Robotik-Colloquium: Eingeladene Vorträge, Berichte über aktuelle Forschungsarbeiten des Fachgebiets, Referate im Rahmen von Diplomarbeiten sowie Promotionen.

Ausführliche Informationen über das Fachgebiet und die aktuell angebotenen Lehrveranstaltungen sind unter http://pdv.cs.tu-berlin.de/ zu finden.

Softwaretechnik, Computer Vision, Kommunikationssysteme, Betriebssysteme, Rechnerarchitektur, Hardware-Technologie.

Prof. Dr.-Ing. Günter Hommel, FR 2059, Tel.: 314-73110, Sprechstunde Mo 12-14 Uhr
(Es empfiehlt sich eine vorherige Anmeldung im Sekretariat.)

Systembegriff und Modelle, Vorgehensmodelle der Systemanalyse, traditionelle vs. innovative sowie praxisorientierte Konzepte (Partizipation, Prototyping, Verfahren der SA im Produktions- und Bürobereich); Dokumentation, datenorientierte, prozeßorientierte und objektorientierte Modellierung, Strategie und Management innovativer Technologien im Bereich betrieblicher Informations- und Kommunikationssysteme. Wissensmanagement lernender Organisationenen. Grundlage für SA-II-Projekte in Unternehmen im WS.

Grundlagen der Entwicklung betrieblicher Anwendungssysteme im kommerziellen und administrativen Bereich. Methoden und Techniken der Systementwicklung, Phasenmodelle, objektorientierte Systementwicklung, organisatorische Einbettung von Software-Systemen, Systemgestaltung und Ergonomie, Projektmanagement, Beispiele betrieblicher Anwendungssysteme.

Entwicklung bzw. Weiterentwicklung von Methoden und Konzepten rechnergestützter Systemanalyse-Werkzeuge zur Analyse und Modellierung ganzheitlicher, unternehmensweiter Informations- und Kommunikationssysteme. Neben diesem Aspekt der Ganzheitlichkeit spielt die Durchgängigkeit des Analyse- und Modellierungsprozesses von der strategischen Informationssystemplanung bis zur Implementierung eine wesentliche Rolle.

b) Innovative Anwendungssysteme (DAI):

Konzeption und Realisierung einer Test- und Entwicklungsumgebung für die Entwicklung innovativer Anwendungssysteme in betrieblichen Anwendungen unter Nutzung von Techniken aus der Breitband-Kommunikation, Multimedia und Distributed Artifical Intelligence (DAI).

Hauptstudium:

Das Lehrkonzept sieht nach der 4 SWS-Basisveranstaltung "Grundlagen der Systemanalyse" alternative Spezialisierungsmöglichkeiten im Umfang von weiteren 4 - 12 SWS vor. Neben den Systemanalyse II-Praxisprojekten ergeben sich in den Forschungsrichtungen RSA, DAI und PWI folgende Kombinationsmöglichkeiten (Züge):

- Systemanalyse II (SA), WS, 6 PJ: Praxisorientierte Umsetzung des erlernten Grundlagenwissens in Systemanalyse (Basisveranstaltung); Projektpartnerinnen/-partner in Industrie und Verwaltung (Berlin); Aufgabenstellung durch Unternehmen; Projektführung durch je ein/e WM der TUB; 8 - 10 Studierende je Projekt; Studierende der Richtung BWL, WiIng und Inf.; ca. 5 Projekte/WS; Bearbeitungsphasen: Istaufnahme, Schwachstellenanalyse, Sollkonzept mit Alternativen Lösungsvorschlägen; teilweise Realisierung von Prototypen; Arbeitsaufwand ca. 60 - 100 PT; Voraussetzung: Grundlagen der Systemanalyse.

• Rechnergestützte Systemanalyse (RSA ), SS, 2VL+2UE: Es werden Methoden zur rechnergestützten Systemanalyse und Unternehmensmodellierung allgemein unter dem Gesichtspunkt ihres Modellaufbaus beschrieben, gegenübergestellt und bewertet. Zwei Klassen von Werkzeugen werden vertieft behandelt: Organisationsmodellierungswerkzeuge und Workflow Management Management-Systeme. Weiterhin wird das Konzept des Data Warehousing besprochen sowie eine Einführung in die Grundlagen und Verwendung von agentenorientierten Technologien gegeben. Neben der Vermittlung von Konzeptkenntnissen erfolgt in der Übung eine Einarbeitung in ausgewählte PC-basierte Werkzeuge.

-

- Innovative Anwendungssysteme I, SS, 4 IV: Ausgehend von der Motivation, Begriffsbestimmungen und grundsätzlichen Fragestellungen der Distributed Artificial Intelligence (DAI) werden Konzepte zur Modellierung von Agenten vorgestellt. Anschließend werden Methoden und Ansätze zur Interaktion von Agenten (z.B.: sprechaktbasierte Protokolle, Contract-Net, Partial Global Planning, Koordinationsstrategien) behandelt. Ferner werden Aspekte von Agentengesellschaften (Organisationsstrukturen, Teambildung, Selbstorganisation, Kohärenz) erläutert.

- Innovative Anwendungssysteme II, WS, 6 PJ: Im Rahmen dieses Projektes wird den Studierenden ein Szenario aus der Produktsteuerung (Materialflußsteuerung) vorgestellt, welches anschließend mit Hilfe der in Kooperierenden Systeme I erworbenen Fähigkeiten modelliert wird. Zur Modellierung wenden die Teilnehmerinnen/Teilnehmer Techniken aus der agentenorientierten Programmierung an, die später in einer der zur Verfügung gestellten Entwicklungs- und Testumgebung operationalisiert werden.

• Software-Engineering in und für Intelligente Agenten, WS/SS, 2 SE: Im Rahmen dieses Blockseminars werden speziell die Koordinationsaspekte in Multiagenten-Systemen behandelt. Viele Probleme sind charakteristisch durch eine Verteilung von Wissen, Expertise, Informationen, Entscheidungen und/oder Kontrolle. Die Verteilte Künstliche Intelligenz beschäftigt sich mit der Entwicklung und der Analyse intelligenter Gemeinschaften von interagierenden, koordinierten, wissensbasierten Prozessen. Es sind sowohl KI-Techniken als auch mehrere Problemlöser (Agenten) involviert.
• Groupware- und Dokumentenmanagementsysteme – Konzeption und Entwicklung am Beispiel von Lotus Notes, WS/SS, 4 SWS, IV Endanwendereinführung und –schulung/Replikation, Einführung in die Administration und Netzplanung, Schwerpunkt Datenbankkonzeption und –entwicklung.
  

- Forschungskolloquium: Darstellung und Diskussion der laufenden Forschungsprojekte; Referate von Mitarbeiterinnen/Mitarbeiter und Externen.

- Weitere Vertiefungsveranstaltungen: WS/SS, 2 SWS, IV

Systemanalyse kann sinnvoll mit Softwaretechnik, Computergestützte Informationssysteme, Operations Research, Statistik und Wirtschaftswissenschaften kombiniert werden.

Prof. Dr. Krallmann, FR 6086, Tel.: 314-73 260, Sprechstunde Mi 12 - 13 Uhr.

Der Schwerpunkt der Forschungsaktivitäten am Fachgebiet Wirtschaftsinformatik/AEDV liegt in der anwendungsorientierten Systementwicklung auf verschiedenen Gebieten von Wirtschaft und Verwaltung. Dabei ist sowohl die anwendungsspezifische Lösung als auch die zur Lösung führende Entwicklungsmethode von Interesse. Im einzelnen sind folgende Forschungsschwerpunkte vertreten:

• Anwendungssysteme in der Logistik,

• Kognition und Ergonomie in Anwendungssystemen,

• Informationsmanagement, Enterprise Solutions,
• Dokumenten- & Workflowmanagementsysteme,
• Simulation technischer Systeme: Materialflußsysteme, Transportsysteme etc.,
• Entwicklung und Untersuchung graphentheoretischer Algorithmen,
• Heuristische Algorithmen in komplexen Anwendungssystemen
• Entscheidungsunterstützende Systeme.

Wirtschaftsinformatik/AEDV bietet auch LVen im Studiengebiet Datenbank- und Informationssysteme (DIS) an (siehe unten).

- Systementwicklung II, 4 IV, SS: Systementwicklungsprojekt. Konzept und Entwurf eines betrieblichen Anwendungssystems für ein Unternehmen. Die Methodik der LV Systementwicklung I wird angewandt. Projektarbeit in kleinen Gruppen. Ziel ist die Entwicklung eines datenbankgestützten Prototypen.

- Simulation I, 4 IV, WS: Einführung in die Methoden der Simulation. Grundbegriffe, Systemanalyse, Modellentwicklung, Simulationssprachen, Entwicklungsumgebungen, Entwicklung von Prototypen für die Bereiche Logistik, Technik, Betriebs- und Fertigungstechnik.

- Simulation II, 4 IV, SS: Vertiefungsveranstaltung zur Durchführung von praktischen Simulationsexperimenten im Bereich von Fertigungseinrichtungen, Verkehrssystemen und allgemeinen technisch-betriebswirtschaftlichen Fragestellungen. Schwerpunktmäßig werden im Rahmen einer projektartigen Herangehensweise zeitdiskrete Simulationsmodelle mit einer anschließenden Animation und Präsentation realisiert.

Außer diesen näher skizzierten bietet das Fachgebiet weitere LVen an, die regelmäßig oder in wechselnder Abfolge stattfinden, z.B.:

• Entwicklung eines intranetbasierten Informationssystems, 6 PJ (DIS)
• Basistechnologien für intranetbasierte Informationssysteme, 2 SE

• Anwendungssysteme der Logistik, 4 IV

• Software-Projektmanagement, 2 SE

• Informationssysteme in Logistik und Umwelt, 2 SE
• Heuristische Algorithmen und Anwendungen, 4 IV

• Computergestützte Systeme der Entsorgungslogistik, 2 SE
• Ausgewählte Kapitel der Wirtschaftsinformatik, 2 CO

Diplomarbeiten im Fachgebiet Wirtschaftsinformatik/AEDV stehen in einem engen Zusammenhang mit LVen zur Systementwicklung und/oder anwendungsorientierten Projekten. Mit überwiegend praxisorientierten Arbeiten erhalten Studierende die Möglichkeit, Methoden und rechnergestützte Werkzeuge der Systemanalyse u.a. im Hinblick auf ihre spätere Berufstätigkeit bereits im Studium anzuwenden.

Kombinationsmöglichkeiten mit anderen Fachgebieten sind in großem Umfang gegeben. Es empfiehlt sich daher, das Beratungsangebot der MitarbeiterInnen des Fachgebietes und der PA-Verbindungsperson in Anspruch zu nehmen. Einige Seminare (s. oben) gehören zum Studiengebiet SSG.

Prof. Dr. Uwe Pape, FR 5074, Tel.: 314-73 180, Sprechstunde Mo 13 - 14 Uhr.

- Implementierung von Operations Research - Verfahren auf Micro-Computern,

- LESTRA (LEDA, STOP, RABS): Arbeitsplatzorientiertes Dialogsystem zur wirtschaftlichen Organisation des Lehrveranstaltungsbetriebes an Hochschulen,

- Produktionsplanung und -steuerung,

- Programmgenerator für Stundenplanprobleme.

Grundstudium

• a) Einführung in Operations Research (SS/WS, 4 IV), Wahlfach im lnformatik-GS: Darstellung der Elemente des Faches OR.

Hauptstudium

- b) Operations Research II (SS 01, 2 VL + 2 UE): Elementare Einführung in die Theorie der Linearen Programmierung. Darauf aufbauend werden einige wichtigste Algorithmen der Linearen Programmierung und der Netzplantechnik dargestellt.

• c) Operations Research III (WS 00/01, 2 VL + 2 UE): Es werden wichtige Aspekte aus folgenden Bereichen behandelt: Dekompositionsalgorithmen, Nichtlineare Programmierung, Spieltheorie, Sensitivitätsanalyse, Dynamische Programmierung.

4. Implementierung von Verfahren des Operations Research auf PC (nur noch WS 00/01, 6 PJ).
5. Seminar über aktuelle Entwicklungen im Forschungsbereich des Operations Research (nur noch WS 00/01, 2 SE).

Beziehungen der Lehrveranstaltungen untereinander

b) bis e) setzen a) voraus. c) setzt b) voraus. d) setzt eine Programmiersprache (Modula, PASCAL oder C) sowie Kenntnisse in der Dynamische Programmierung und der Netzplantechnik voraus. Je nach Zielsetzung kann jede Zusammenstellung der unter a) bis e) genannten Lehrveranstaltungen sinnvoll sein.

In allen Bereichen, wo Enscheidungsprobleme zu lösen sind, sind Verfahren des Operations Research grundsätzlich anwendbar. Insofern ist Operations Research fachübergreifend und mit allen Fachgebieten des Fachbereichs Informatik kombinierbar. Besonders sinnvoll erscheint eine Kombination mit Fächern wie Statistik, Systemanalyse, Ökonometrie, AEDV, Computergestützte Infomationssysteme, Betriebssysteme, Automatentheorie und formale Sprachen.

Rolf Bergen, FR 6504, Tel.: 314-23 145, Spechstunde Do 10-12 Uhr.