UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 Lehr-
veranstaltungen
   Personen/
Einrichtungen
   Räume   Forschungs-
bericht
   Publi-
kationen
   Internat.
Kontakte
   Examens-
arbeiten
   Telefon &
E-Mail
 
 
 Darstellung
 
kompakt

kurz

Druckansicht

 
 
Stundenplan

 
 
 Extras
 
alle markieren

alle Markierungen löschen

Ausgabe als XML

 
 
 Außerdem im UnivIS
 
Vorlesungs- und Modulverzeichnis nach Studiengängen

Vorlesungsverzeichnis

 
 
Veranstaltungskalender

Stellenangebote

Möbel-/Rechnerbörse

 
 
Einrichtungen >> Technische Fakultät (TF) >> Department Informatik (INF) >>

Lehrstuhl für Informatik 7 (Rechnernetze und Kommunikationssysteme)

 

Advanced Networking [AdN]

Dozent/in:
Kai-Steffen Jens Hielscher
Angaben:
Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5
Termine:
Di, 14:15 - 15:45, 01.019
Studienrichtungen / Studienfächer:
WPF ICT-MA-NDC ab 1
WF ICT-MA ab 1
WPF IuK-MA-KN-INF ab 1
WPF INF-MA ab 1
WPF IuK-MA-ÜTMK-INF ab 1
WF ASC-MA ab 1
WF CME-MA 1-4
Inhalt:
Für die durch Big Data, Cloud Computing, Internet-of-Things (IoT) und mobile Endgeräte hervorgerufenen Herausforderungen sind neue Architekturen für Rechnernetze entstanden: Software-Defined-Networking (SDN) entkoppelt die Data Plane (Weiterleitung von Paketen, auf handelsüblicher Hardware) und die Control Plane (Steuerung, auf leistungsfähigen Plattformen) und bietet offene Programmierschnittstellen; Network Functions Virtualization (NFV) erweitert Konzepte zur Server- und Netzwerkvirtualisierung, so dass bisher auf proprietärer Hardware ausgeführte Netzwerkfunktionen (wie z.B. Routing) ebenfalls virtualisiert und auf handelsüblicher Hardware ausgeführt werden können. Die Vorlesung stellt hinter diesen Technologien stehende Konzepte und Standards vor und zeigt, wie sie für Rechenzentren, für Cloud- und Fog-Computing und für IoT-Anwendungen eingesetzt werden können.
Schlagwörter:
SDN, NFV, IoT, Cloud Computing, Fog Computing

 

Advanced Networking Exercises [AdN-Ex]

Dozent/in:
Peter Bazan
Angaben:
Übung, 2 SWS, ECTS: 2,5
Studienrichtungen / Studienfächer:
WF ICT-MA ab 1
WPF ICT-MA-NDC ab 1
WF ASC-MA ab 1
WPF INF-MA ab 1
WPF IuK-MA-KN-INF ab 1
WPF IuK-MA-ÜTMK-INF ab 1
WF CME-MA ab 1

 
 
Mi10:00 - 12:0004.158  Bazan, P. 
ab 27.10.2021
 
 
Mi14:00 - 16:0004.158  Bazan, P. 
ab 27.10.2021
 
 
Do16:00 - 18:3004.158  Bazan, P. 
ab 28.10.2021
 
 
Fr16:00 - 18:0004.158  Bazan, P. 
 

AI-enabled wireless networks [AInet]

Dozent/in:
Mehdi Harounabadi
Angaben:
Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5
Termine:
Fr, 15:00 - 16:30, 00.151-113
Studienrichtungen / Studienfächer:
WPF ICT-MA-NDC ab 1
WF ICT-MA ab 1
WPF IuK-MA-KN-INF ab 1
WPF IuK-MA-ÜTMK-INF ab 1
WPF INF-MA ab 1
WF ASC-MA ab 1
Voraussetzungen / Organisatorisches:
Rapid growth in the number of connected wireless nodes such as mobile phones, low power IoT devices, connected vehicles, etc. will expand the scale of the next generation of wireless and mobile networks. Moreover, the foreseen use cases like connected autonomous vehicles, smart homes and cities, ultra-fast and reliable industrial wireless networks, etc. will require ultra-low latency and highly reliable communication. Existing and traditional algorithms are not feasible for the optimization and management of such networks to fulfill the requirements of the emerging use cases due to their high complexity, high dynamicity, and the massive amount of the generated data by connected devices. Recently, artificial intelligence (AI) is planned to be utilized as a new paradigm for the design, development and optimization of the next generation wireless and mobile networks. Machine learning (ML) as a subset of AI will be applied to develop intelligent wireless nodes and infrastructures to address the demands of future use cases.
Inhalt:
This course introduces machine learning algorithms such as supervised, unsupervised, reinforcement, deep, and federated learning and their application in the next generation wireless and mobile networks. Different ML use cases are explained which solve problems in different layers of the protocol stack from the physical layer to the application layer. The course includes the following topics:

1. Introduction to machine learning algorithms
2. Python programming language and its ML tools
3. AI-enabled wireless and mobile networks
3.1 Cellular networks and ML use cases
3.1.1 History of 2G to 4G, 5G and 6G vision
3.1.2 ML use cases in physical, MAC and higher layers
3.2 5G-V2X (cellular-V2X) and ML use cases
3.2.1 Sidelink communication as the key enabler
3.2.2 5G-V2X features and use cases
3.2.3 ML use cases in 5G-V2X
3.3 Intelligent wireless networks
3.3.1 Cognitive radio networks
3.3.2 ML use case in wireless networks
4. Standardization activities on AI-enabled wireless networks
4.1.1 3GPP and 5GAA
4.1.2 ETSI Zero touch networks

Exercises:
Literature review on the application of machine learning in wireless networks
The exercise of this course includes a literature review research project where students work individually on a relevant topic. The steps to accomplish the research project are as follows:

A. Select a topic relevant to the application of ML in wireless networks and register it by email
B. Search for the relevant papers and make a list of papers
C. Study the papers and prepare a summary
D. Present the outcomes
Each student should present her/his research study in an intermediate and a final presentation. A summary paper should be written following the "survey papers guideline" using IEEE format.
The grade of the research project will be considered as a "Bonus point" (up to 20%) for the final grade.

Empfohlene Literatur:

Literature:
• Dahlman, Erik, Stefan Parkvall, and Johan Skold. 5G NR: The next generation wireless access technology. Academic Press, 2020.
• Sun, Yaohua, et al. "Application of machine learning in wireless networks: Key techniques and open issues." IEEE Communications Surveys & Tutorials 21.4 (2019): 3072-3108.
• Harounabadi, Mehdi, et al. "V2X in 3GPP Standardization: NR Sidelink in Release-16 and Beyond." IEEE Communications Standards Magazine 5.1 (2021): 12-21.
• Xie, Junfeng, et al. "A survey of machine learning techniques applied to software defined networking (SDN): Research issues and challenges." IEEE Communications Surveys & Tutorials 21.1 (2018): 393-430.

 

Grundlagen der Informatik mit praktischen Übungen [Inf_MMD]

Dozent/in:
Ulrich Klehmet
Angaben:
Vorlesung mit Übung, ECTS: 5
Termine:
Masterstudiengang Multimedia-Didaktik an der FAU, MM-Labor 1.028, Regensburger Str.160, 90478 Nürnberg
Inhalt:
  • Kurze Einführung in die Grundlagen der Informatik
  • Rechnerinterne Zahlendarstellung

  • Rechnerarchitektur

  • Algorithmen und Programmiersprachen

  • Rechnernetze und World Wide Web

  • Dokumentbeschreibungssprache HTML mit Übungen

  • Programmiersprache PHP mit Übungen

  • Einführung in Betriebssysteme

 

Informatik 1 für Nebenfachstudierende - Grundmodul [Inf1NF]

Dozent/in:
Kai-Steffen Jens Hielscher
Angaben:
Vorlesung, 3 SWS, Schein, ECTS: 5, geeignet als Schlüsselqualifikation, Scheinerwerb durch Kolloquium
Termine:
Mi, 14:15 - 17:00, K2-119
Voraussetzungen / Organisatorisches:
Scheinerwerb durch Kolloquium
Inhalt:
  • Behandlung grundlegender Inhalte zur Einführung in die Informatik wie rechnerinterne Zahlendarstellung, Rechnerarchitektur und Programmiersprachen
  • Einführung in das WWW und die Dokumenten-Beschreibungssprache HTML

  • Einführung in das dynamische Web-Publishing und Programmierung

  • Programmieren in einer Hochsprache

Modulbeschreibung

Schlagwörter:
Nebenfach, Programmieren, HTML, Java

 

Übungen zu Informatik 1 für Nebenfachstudierende - Grundmodul [ÜInf1NF]

Dozent/in:
Kai-Steffen Jens Hielscher
Angaben:
Übung, 2 SWS, ECTS: 2,5, geeignet als Schlüsselqualifikation

 
 
Mo12:15 - 13:4500.153-113 CIP  Hielscher, K.-S.J. 
 
 
Mo14:15 - 15:4500.153-113 CIP  Hielscher, K.-S.J. 
 
 
Di10:15 - 11:4500.153-113 CIP  Hielscher, K.-S.J. 
 
 
Mi12:00 - 14:0000.156-113 CIP  Hielscher, K.-S.J. 
 
 
Mi16:30 - 19:0000.156-113 CIP  Hielscher, K.-S.J. 
 

Kommunikationssysteme [KS]

Dozent/in:
Reinhard German
Angaben:
Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5, nur Fachstudium
Termine:
Di, 12:15 - 13:45, H4
Studienrichtungen / Studienfächer:
WPF IuK-BA 5
PF IuK-MA-KN-INF 1-4
PF IuK-MA-MMS-INF 1-4
PF IuK-MA-ÜTMK-INF 1-4
WPF IuK-MA-ES-INF 1-4
WPF IuK-MA-ÜTMK-INF 1-4
WPF IuK-MA-REA-INF 1-4
WPF ICT-MA-ES 1-4
PF ICT-MA-MPS 1-4
PF ICT-MA-NDC 1-4
WPF CE-BA-TW 5
WPF INF-BA-V-KS 5
WPF MT-BA-BV 5
Inhalt:
Aus Rechnerkommunikation ist der grundlegende Aufbau von IP-basierten Netzen bekannt, Inhalt von Kommunikationssysteme sind weitere Netztechnologien wie Leitungsvermittlung (Telefonnetze, Sonet/SDH/WDM) und Netze mit virtueller Leitungsvermittlung (ATM, MPLS) sowie Netzwerkvirtualisierung (SDN, NFV), Multimediakommunikation über paketvermittelte Netze (Streaming, RTP, SIP, Multicast), Dienstgüte in paketvermittelten Netzen (Integrated Services, RSVP, Differentiated Services, Active Queue Management, Policing, Scheduling), drahtlose und mobile Kommunikation (GSM, UMTS, LTE, 5G, Wimax, WLAN, Bluetooth, ZigBee u.a. Sensornetze). Auch Kommunikation in der Industrie wird behandelt. In der Übung werden praktische Aufgaben im Labor durchgeführt: ein Labor enthält mehrere IP-Router, Switches und Rechner, IP-Telefone und Telefonie-Software für VoIP, es werden verschiedene Konfigurationen eingestellt und getestet. Ein weiterer Übungsteil beschäftigt sich mit Mobilkommunikation.
Empfohlene Literatur:
• Kurose, Ross. Computer Networking: A Top-Down Approach. 7th Ed., Pearson Education, 2017
• W. Stallings. Data and Computer Communications, 10th ed., Pearson Education, 2014
• W. Stallings. Foundations of Modern Networking: SDN, NFV, QoE, IoT, and Cloud, Pear-son Education, 2016
• Cox. An Introduction to LTE. Wiley, 2012

 

Übungen zu Kommunikationssysteme [ÜKS]

Dozent/in:
Alexander Brummer
Angaben:
Übung, 2 SWS, ECTS: 2,5, nur Fachstudium
Studienrichtungen / Studienfächer:
WPF IuK-BA 5
PF IuK-MA-KN-INF 1-4
PF IuK-MA-MMS-INF 1-4
PF IuK-MA-ÜTMK-INF 1-4
WPF IuK-MA-ES-INF 1-4
WPF IuK-MA-REA-INF 1-4
WPF IuK-MA-ÜTMK-INF 1-4
WPF ICT-MA-ES 1-4
PF ICT-MA-MPS 1-4
PF ICT-MA-NDC 1-4
WPF CE-BA-TW 5
WPF INF-BA-V-KS ab 5
WPF MT-BA-BV 5

 
 
Mo10:15 - 11:45Zoom-Meeting  Brummer, A. 
 
 
Mo12:15 - 13:45Zoom-Meeting  Brummer, A. 
 
 
Do8:15 - 9:4504.158  Brummer, A. 
Optionaler Termin!
 
 
Do10:15 - 11:4504.158  Brummer, A. 
 
 
Fr10:15 - 11:4504.158  Brummer, A. 
 
 
Fr12:15 - 13:4504.158  Brummer, A. 
 

Literature review on the application of machine learning in wireless networks [AInetEX]

Dozent/in:
Mehdi Harounabadi
Angaben:
Übung, 2 SWS, ECTS: 2,5
Termine:
Zeit/Ort n.V.
Studienrichtungen / Studienfächer:
WPF INF-MA ab 1
WPF ICT-MA-NDC ab 1
WPF IuK-MA-KN-INF ab 1
WPF IuK-MA-ÜTMK-INF ab 1
WF ICT-MA ab 1
WF ASC-MA ab 1
WF CME-MA 1-4

 

Modellierung, Optimierung und Simulation von Energiesystemen [MOSES]

Dozent/in:
Marco Pruckner
Angaben:
Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5
Termine:
Mi, 12:15 - 13:45, 01.150-128
Der 1. Termin am 20. Oktober wird online per Zoom stattfinden! Der Link dazu steht in StudOn.
ab 20.10.2021
Studienrichtungen / Studienfächer:
WPF DS-MA ab 1
WPF DS-MA ab 1
WF ET-BA ab 4
WF INF-MA ab 1
WF INF-BA ab 5
WF ET-MA ab 1
WF IuK-BA ab 4
WF ICT-MA ab 1
WF EEI-BA ab 4
WF EEI-MA ab 1
WPF DS-MA-SN ab 1
Inhalt:
In der Vorlesung Modellierung, Optimierung und Simulation von Energiesystemen werden systemtechnische Planungs- und Analysemethoden behandelt, die zur Lösung komplexer und interdisziplinärer Entscheidungsaufgaben in der Energiewirtschaft eingesetzt werden. Dabei werden die wichtigsten Methoden und Verfahren anhand praktischer Fragestellungen (z.B. Ausbau erneuerbarer Energien, Zunahme der Elektromobilität) aus der energiepolitischen Planung vermittelt und die Bewältigung technisch-ökonomischer Probleme verdeutlicht.

Übersicht der Vorlesungsinhalte:

  • Einführung in die Energiewirtschaft und Systemtechnik

  • Systemtechnische Methoden der Energieplanung

o Datenanalyse (Regressionsanalysen, Clusteranalyse, Zeitreihenanalyse)
o Mathematische Optimierung (Lineare Programmierung, Gemischt-ganzzahlige lineare Programmierung, dynamische Optimierung)
o Simulation (Diskrete Ereignissimulation, System Dynamics, agentenbasierte Simulation)
o Input-Output-Analyse, Gleichgewichtsmodelle
o Behandlung von Unsicherheiten

  • Energiemodelle

o Energienachfragemodelle
o Kraftwerkseinsatzmodelle
o Kraftwerksausbaumodelle
o Modelle für Energieversorgungsmodelle

Zu den eingesetzten Tools zählen die Statistiksoftware R, AnyLogic und lpSolve. Vorkenntnisse im Umgang mit diesen Werkzeugen ist nicht zwingend erforderlich. In den Übungen werden Einführungen in die genannten Softwarepakete gegeben.

 

Modellierungs-AG [ModAG]

Dozentinnen/Dozenten:
Reinhard German, Kai-Steffen Jens Hielscher
Angaben:
Kolloquium, 2 SWS, ECTS: 3, nur Fachstudium
Termine:
Di, 14:15 - 15:45, Raum n.V.

 

Projekt/Praktikum Kommunikationssysteme [ProjKS]

Dozent/in:
Kai-Steffen Jens Hielscher
Angaben:
Praktikum
Termine:
Zeit/Ort n.V.
Studienrichtungen / Studienfächer:
WPF ICT-MA ab 1
WPF ICT-MA ab 1
WPF INF-MA ab 1
WPF INF-BA-PR ab 4
WPF IuK-BA ab 4
WPF EEI-MA ab 1

 

Rechnernetze und Kommunikationssysteme [DiKolloq]

Dozent/in:
Reinhard German
Angaben:
Kolloquium, 2 SWS, ECTS: 3, nur Fachstudium, Begleitseminar mit Referat für Examensarbeiten
Termine:
Di, 10:15 - 11:45, Raum n.V.

 

Seminar Energieinformatik [El-Sem]

Dozent/in:
Marco Pruckner
Angaben:
Seminar, 2 SWS, ECTS: 5, am 20.Oktober (Einführungstermin): 8:15 - 9:15 Uhr via Zoom
Termine:
Blockveranstaltung 16.12.2021-17.12.2021 Do, Fr, 10:00 - 13:00, 04.137
am 20.Oktober (einmalig!): 8:15 - 9:15 Uhr via Zoom
ab 20.10.2021
Studienrichtungen / Studienfächer:
WPF IuK-BA ab 5
WPF INF-BA ab 3
WPF INF-BA-SEM ab 4
WPF CE-BA-SEM 3-5
WPF CE-MA-SEM 1-3
WPF ICT-MA ab 3
Voraussetzungen / Organisatorisches:
• Anmeldung per Email an marco.pruckner@fau.de
• Vortrag: 30 min + 15 min Diskussion
• Erstellung einer Ausarbeitung mit den wesentlichen Punkten des Vortrags
• Anwesenheit bei den Vorträgen der anderen Teilnehmer

Lernziele und Kompetenzen: Die Studierenden
• arbeiten mit wissenschaftlicher Literatur aus den Bereichen Informatik und Energie
• beschreiben interessante Aspekte der Energieinformatik
• erarbeiten sich die Fähigkeit, wichtige Aspekte für einen wissenschaftlichen Vortrag darzustellen und strukturieren diesen
• vertreten ihre Auffassung in einer Diskussion und hinterfragen Ihr Thema
• konzipieren und formulieren eine schriftliche Zusammenfassung des Vortrags

Inhalt:
Bedingt durch den beschlossenen Ausstieg aus der Kernenergie und der zunehmenden Einspeisung aus erneuerbaren Energien wird das deutsche Energieversorgungssystem nachhaltig umgestaltet. Gerade die Integration von volatilen, dezentralen Erzeugungsanlagen sowie von neuen Verbrauchern (z.B. Elektrofahrzeugen) stellt das zukünftige Energiesystem vor neue Herausforderungen. Zur Lösung dieser Problemstellungen kann die Energieinformatik einen wesentlichen Beitrag leisten. Mithilfe der Methoden der Energieinformatik wird sowohl die Systemintelligenz als auch die Gesamtsystemkompetenz zur Steuerung und Bewertung zukünftiger Energiesysteme bereitgestellt. Einerseits wird durch die zunehmende kommunikative Vernetzung aller relevanten Akteure ein zuverlässiger Systembetrieb sichergestellt. Andererseits bedarf die zunehmende Komplexität von dezentralen Energiesystemen neue Methoden zur Modellierung, Optimierung und Simulation. Daher sollen im Seminar „Energieinformatik“ unterschiedliche Themen an der Schnittstelle von Informatik und Energie behandelt werden. Dabei spielen u.a. die intelligente Steuerung mittels Maschinellen Lernens, Methoden der Datenanalyse und Aspekte der Privatsphäre eine wesentliche Rolle. Die Teilnehmer dieses Seminars geben einen 30-minütigen Vortrag zzgl. 15-minütiger Diskussion über ein relevantes Thema auf dem Gebiet der Energieinformatik. Mögliche Themen:
• Kommunikationstechnologien im Smart Grid
• Netzintegration von Elektrofahrzeugen
• Netzintegration von erneuerbaren Energien
• Datenanalyse im Kontext von energiewirtschaftlichen Fragestellungen
• Intelligente Steuerung von Energiesystemen mittels Maschinellen Lernens
Die genauen Themen werden zu Semesterbeginn festgelegt. Die Themenliste kann beim Dozenten erfragt werden.

 

Seminar: Kommunikationssysteme

Dozent/in:
Reinhard German
Angaben:
Seminar, 2 SWS, ECTS: 5, Vortragsdauer: 45 Minuten
Termine:
Do, 12:00 - 14:00, 04.137
Studienrichtungen / Studienfächer:
WPF INF-MA ab 3
WPF INF-BA-SEM ab 4
WPF CE-BA-SEM 3-5
WPF CE-MA-SEM 1-3
WPF IuK-BA ab 5
WPF ICT-MA ab 3

 

Simulation and Modeling 1 [SaM 1]

Dozent/in:
Reinhard German
Angaben:
Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium
Termine:
Di, 18:15 - 19:45, H4
Studienrichtungen / Studienfächer:
WPF DS-MA-SN ab 1
WPF DS-BA-SN 5
PF CE-BA-G 5
WPF CE-MA-INF 1-3
WPF INF-BA-V-KS ab 5
WF INF-MA ab 5
WPF MB-BA-FG13 3-6
WPF MB-MA-FG13 1-3
WPF IuK-MA-KN-INF 1-4
WPF IuK-MA-REA-INF 1-4
WPF ICT-MA-ES 1-4
WPF ICT-MA-NDC 1-4
WPF ICT-MA-ES 1-4
WPF ICT-MA-NDC 1-4
WPF MT-BA ab 5

 

Exercises to Simulation and Modeling 1 [ESaM1]

Dozent/in:
Lisa Maile
Angaben:
Übung, 2 SWS, ECTS: 2,5, nur Fachstudium
Studienrichtungen / Studienfächer:
PF CE-BA-G 5
WF CE-MA-INF 7-9
WPF INF-BA-V-KS ab 5
WPF MB-BA-FG13 3-6
WPF MB-MA-FG13 1-3
WPF IuK-MA-REA-INF 1-4
WPF IuK-MA-KN-INF 1-4
WPF DS-MA ab 1
Voraussetzungen / Organisatorisches:
In case of any questions, contact simmod1@i7.informatik.uni-erlangen.de

 
 
Mo12:00 - 14:0001.153-113 CIP  Maile, L. 
 
 
Mo14:00 - 16:0001.153-113 CIP  Maile, L. 
 
 
Mo16:00 - 18:0001.153-113 CIP  Maile, L. 
 

Übungen zu Modellierung, Optimierung und Simulation von Energiesystemen [MOSES - UE]

Angaben:
Übung, 2 SWS, benoteter Schein, ECTS: 2,5
Studienrichtungen / Studienfächer:
WF INF-BA ab 4
WF INF-MA ab 1
WF ET-BA ab 4
WF ET-MA ab 1
WF IuK-BA ab 4
WF ICT-MA ab 1
WF EEI-BA ab 4
WF EEI-MA ab 1
WPF DS-MA ab 1

 
 
Mo12:15 - 13:4504.158  Ebell, N. 
 
 
Di14:15 - 15:4504.158  Pruckner, M. 
 
 
Mi14:15 - 15:4504.158  Ebell, N. 
 

Vernetzte Mobilität und autonomes Fahren [ConnMob]

Dozent/in:
Anatoli Djanatliev
Angaben:
Vorlesung, 2 SWS, ECTS: 2,5
Termine:
Do, 10:15 - 11:45, SR TM
Studienrichtungen / Studienfächer:
WF ICT-MA ab 1
WPF INF-MA ab 1
WPF IuK-MA-KN-INF ab 1
Inhalt:
Es ist inzwischen allgemein bekannt, dass Fahrzeuge der Zukunft hochgradig vernetzt sein werden. Der aktuelle Trend geht in Richtung des autonomen Fahrens. In den bisheringen Betrachtungen wurde insbesondere die ad-hoc Kommunikation zwischen Fahrzeugen auf unteren Schichten untersucht (Fahrzeugkommunikation). Im Rahmen der vernetzten Mobilität soll das Fahrzeug vor allem als Teil eines größeren Ökosystems mit weiteren Teilnehmern (z.B. Personen, Radfahrern, Ampeln, Gebäuden etc.) gesehen werden.
All dies gibt die Möglichkeit den ständig wachsenden Bedarf an Mobilität zu optimieren und neue Sicherheits- und Komfortdienstleistungen zu schaffen. Dies erfordert jedoch die Lösung einiger komplexer Herausforderungen. Neben den gesellschaftlichen und rechtlichen Aspekten müssen insbesondere auch technische Voraussetzungen geschaffen werden. Dazu gehören u.a. geeignete Kommunikationetechnologien (v.a. ad-hoc, Mobilfunk) und Kommunikationsarchitekturen (Cloud-, Edge/Fog-, Node-Computing). Neben Technologien, Methoden und innovativen Mobilitätsdienstleitungen werden im Rahmen dieser Lehrveranstalung auch grundlegende Aspekte der Verkehrsplanung und Verkehrstechnik eingeführt sowie der intermodale Verkehr besprochen.
Empfohlene Literatur:
Barbara Flügge; Smart Mobility - Connecting Everyone: Trends, Concepts and Best Practices; Vieweg Teubner, 2017
Maurer, M., Gerdes, J.C., Lenz, B., Winner, H. (Hrsg.); Autonomes Fahren: Technische, rechtliche und gesellschaftliche Aspekte; Springer 2015
Johanning, V., Mildner, R.; Car IT kompakt: Das Auto der Zukunft – Vernetzt und autonom fahren; Springer, 2015

 

Vernetzte Mobilität und autonomes Fahren (Übungen) [ConnMob-UE]

Dozent/in:
Anatoli Djanatliev
Angaben:
Übung, 2 SWS, ECTS: 2,5
Studienrichtungen / Studienfächer:
WPF INF-MA ab 1
WPF ICT-MA-NDC ab 1

 
 
Do12:15 - 13:4504.158  Djanatliev, A. 
 
 
Do14:00 - 16:0004.158  Djanatliev, A. 
 

Zukunft der Automobiltechnik [ZAT]

Dozentinnen/Dozenten:
Uwe Koser, Anatoli Djanatliev
Angaben:
Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium
Termine:
jede 2. Woche Fr, 14:00 - 18:00, H14
ab 22.10.2021
Studienrichtungen / Studienfächer:
WPF INF-BA-V-KS 5
WPF INF-MA ab 1
WF IuK-BA 5



UnivIS ist ein Produkt der Config eG, Buckenhof