Telekommunikation und Internettechnologien: Lehrveranstaltungen und Infos zum Studium

Der bestehende Master-Studiengang Telekommunikation und Internettechnologien wird vorbehaltlich der Genehmigung durch die AQ Austria zum Master-Studiengang Internet of Things und intelligente Systeme weiterentwickelt.

1. Semester

Bezeichnung ECTS
SWS
Data Management (M15)
English/German / iMod
5.00
-
Data Management (DM)
- / LAB
5.00
3.00

Kurzbeschreibung

Diese LV gibt eine Einführung in die Datenspreicherung im Backend/in der Cloud. Neben klassischen Fileformaten für strukturierte Daten werden SQL basierte und nicht SQL basierte Datenbanksysteme besprochen.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Datenbankbegriffe und -technologien zu erklären sowie ausgewählte Datenbanksysteme zu installieren bzw. zu konfigurieren.
  • logische Datenmodelle zu erstellen, diese in einem Datenbanksystem abzubilden und Sensordaten damit aufzuzeichnen.
  • Abfragen auf einzelnen und zusammengesetzten Tabellen anzuwenden sowie einfache Rechenoperationen per SQL auszuführen.
  • XML und JSON-basierte Daten zu erstellen und in Datenbanken einzuspielen bzw. aus diesen abzufragen.
  • einen Cloud Service zu erstellen, um Internet-of-Things Daten (IoT Streams) zu persistieren und bereitzustellen sowie diese mit ausgewählten, web-basierten Tools zu untersuchen.
  • eine Big Data Infrastruktur für Zeitreihen zu konfigurieren und damit Sensordaten aufzuzeichnen, auszulesen bzw. zu untersuchen.
  • vorgefertigte Scripts (SQL, Python) auszuführen bzw. für vorgegebene Aufgabenstellungen im Bereich des Datenmanagements zu adaptieren.

Lehrinhalte

  • Datenbank Grundlagen und Technologien
  • Datenmodellierung und Datenbankerstellung
  • Datenmanipulation
  • Abfragen mittels SQL
  • XML und JSON
  • NoSQL Datenbanken für Zeitreihendaten
  • Big Data Infrastrukturen

Leistungsbeurteilung

  • Zwischentestes (30%)
  • Endprüfung (70%)
Innovation- and Technologymanagement (M16)
English/German / iMod
5.00
-
Innovation- and Technologymanagement (ITM)
- / SE
5.00
3.00

Kurzbeschreibung

Der Kurs “Innovation- and Technologymanagement” bietet Ihnen einerseits aktuelle Theorie und Praxisbeispiele zu Innovationen, andererseits wenden Sie das erlernte theoretische Wissens anhand einer Problemstellung unseres Unternehmens-Partners praktisch an. Dieser duale Lehransatz gibt ihnen die Möglichkeit, praktische Kenntnisse in der Innovationsentwicklung, Prototyping und iterativen Arbeiten mittels Nutzerforschung zu erlernen und ihre Lösungen kritisch zu diskutieren. Am Ende des Kurses werden Sie auf zwei Ergebnisse stolz sein können: Einerseits werden Sie einen Prototyp zur Lösung der Problemstellung unseres Unternehmens-Partners entwickelt und präsentiert haben. Das Herzstück ist das Design einer Innovationsstrategie, das Erstellen eines Implementierungskonzeptes inklusive begleitender Maßnahmen anhand eines Prototypen. Andererseits werden Sie einen individuellen Wissensbeitrag über eine Innovation bzw. eine Technologie verfasst haben.

Methodik

Theorie-Input des Lehrenden Gruppenarbeiten mit einer vordefinierten Problemstellung eines Unternehmens Diskussionsrunden Schriftliche Ausarbeitung und Reflexion von Inhalten

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Innovationsstrategien und -prozesse zu planen und durchzuführen
  • die Werkzeuge der IT Innovation sowie die Theorien kritisch zu diskutieren
  • einen Design Sprint, der im speziellen Prototyping, Nutzerforschung und iterative Innovationsprozesse beinhaltet, durchzuführen
  • aufkommende Technologien, welche Innovationen induzieren, zu bewerten und zu entwickeln

Lehrinhalte

  • Design Thinking und Design Sprints
  • Iteratives Arbeiten anhand von Prototyping: Von Papier- bis zu digitalen Prototypen
  • Innovationsorganisation & -prozesse: Design von Innovationsprozesse und deren Implementierung anhand konkreter Unternehmensbeispiele
  • Theorien (z.B. Innovator's dilemma, Open Innovation, User Lead Innovation sowie Co-Creation Ansätze)
  • Technologie induzierte Innovation: Modelle zur Evaluation von Technologien, Technology Radar, Aufdecken zukünftiger Trends
  • Werkzeuge der IT Innovation: Anwendung von Kreativitätstechniken

Vorkenntnisse

keine

Literatur

  • Franken, R., & Franken, S. (2020). Wissen, Lernen und Innovation im digitalen Unternehmen (Vol. 2). Mit Fallstudien und Praxisbeispielen. Springer Gabler, Wiesbaden
  • Bodemann, M., Fellner, W., & Just, V. (2021). Zukunftsfähigkeit durch Innovation, Digitalisierung und Technologien: Geschäftsmodelle und Unternehmenspraxis im Wandel, Springer Gabler, Wiesbaden

Leistungsbeurteilung

  • Case Study “Innovation im Großunternehmen”: Anwenden des theoretischen Wissens in einem praktischen Anwendungsfall; 45% der Gesamtnote (Gruppenbeurteilung)
  • Erstellung eines Wissensbeitrags: 20% der Gesamtnote (Individuelle Leistung)
  • Multiple Choice Prüfung 30% der Gesamtnote (Individuelle Leistung)

Anmerkungen

-

IoT Operating Systems (M13)
English/German / iMod
5.00
-
IoT Operating Systems (IOS)
- / LAB
5.00
3.00

Kurzbeschreibung

In dieser LV werden IoT Betriebssysteme besprochen. Den Start bildet eine kurze Wiederholung von bare-metal Mikrocontrollerprogrammierung in C (STM32), gefolgt von der Programmierung von FreeRTOS basierten Sensorknoten (STM32), den Abschluss bildet Linux als Betriebssystem für Gateways und Server.

Methodik

Diese LV setzt auf Theorie (Vortrag), Praktische Demonstrationen und praktische Übungsaufgaben.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • grundlegende Funktionen von Betriebssystemen, wie das Prozessmodell und die virtuelle Speicherverwaltung, zu erklären.
  • Linux-Systemen über die Command-Line zu bedienen, sowie komplexere Aufgaben mit Shell-Scripts zu automatisieren.
  • den Netzwerk-Stack von Linux-Systemen zu konfigurieren.
  • persistente Massenspeicher (z.B. HDDs, SSDs) auf Linux-Systemen zu konfigurieren.
  • Container-Virtualisierung unter Linux zu implementieren.
  • die Gemeinsamkeiten und die Unterschiede von General Purpose Operating System (GPOS) und Real Time Operating System (RTOS) zu erklären.
  • die passenden RTOS-Services, Task-Modelle, Scheduling-Methoden und Entwurfsmuster für eingebettete Software-Applikationen auszuwählen Debuggingstrategien für Embedded Real-Time Betriebsysteme anwenden zu können.

Lehrinhalte

  • Betriebssysteme Grundlagen (Prozesse, Speicherverwaltung)
  • Shell und System Programme
  • GNU/Linux Installation (Bootprozess bei ARM und x86 Architekturen, Block-Devices, Dateisysteme)
  • GNU/Linux Konfiguration (Benutzerverwaltung, Netzwerk-Stack)
  • Grundlagen der Virtualisierung (virtuelle Maschinen, Container, virtuelle Netze)
  • GPOS vs. RTOS, RTOS Charakteristika
  • Tasks und Scheduling in RTOS
  • Intertask Communication und Synchronization
  • Ausnahmeverarbeitung (Exceptions, Interrupts)
  • Timer und Timer Services
  • Task-Modelle, zyklusbasiertes Scheduling

Vorkenntnisse

Mikrocontrollerprogrammierung in C Anwenderkenntnisse in Linux

Leistungsbeurteilung

  • Wöchentliche Hausübungen
  • Zwei Prüfungen
IoT System Models (M12)
English/German / iMod
5.00
-
IoT System Models (ISM)
- / ILV
5.00
3.00

Kurzbeschreibung

Der Kurs IoT System Models umfasst die Etablierung der theoretischen Grundlagen zur Analyse und Entwicklung von IoT-Systemen.

Methodik

Diese ILV wurde nach dem "Constructive Alignment" Prinzip entwickelt. Jedes Thema wird in einer Fernlehre und in einer Präsenzphase verarbeitet. Diese zwei Phasen ergänzen sich gegenseitig und die Hauptmethode in dieser ILV ist das "learning by doing". Die Fernlehre wird von den Studierenden im Eigenstudium ausgearbeitet. Fragen und offene Punkte werden in regelmäßigen Foren und Meetings mit der Lehrperson besprochen. In der Präsenzphase werden die Ergebnisse der Fernlehre präsentiert und das folgende Thema in Form eines Impulsvortrags vermittelt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Grundbegriffe der IoT-Systeme erklären,
  • IoT-Systeme definieren und kategorisieren,
  • Gemeinsame Grundelemente, Eigenschaften und Schnittstellen von IoT Systemen definieren,
  • Grundlagen der Operation Technologies (OT) wie z.B. Architektur der Automationspyramide als Basis für IIoT-Architekturen beschreiben
  • Wichtige IoT-Standards und Normen kennen und interpretieren,
  • Wesentliche Technologien, auf denen IoT-Architekturen aufbauen (z.B. Sensorik, Gateway, IT-Server, Datenbank,) erklären,
  • Anforderungen an der Echtzeitfähigkeit (Real Time Operation) Ausfallsicherheit, Verfügbarkeit und Sicherheit (Security und Functional Safety) von IoT Systemen spezifizieren
  • Einfache anwendungsspezifische Systemarchitektur spezifizieren, deren Schnittstellen definieren und im Labor umsetzen.

Lehrinhalte

  • Einführung in IoT Systeme (Definition, Historie, Anwendungsbereiche, …)
  • Kategorisierung von IoT Systemen (Industrial IoT, Home Automation, …)
  • Architektur von IoT Systemen (allgemein und anwendungsspezifisch)
  • Infrastruktur Grundlagen
  • Standardisierung
  • Echtzeitfähigkeit
  • Ausfallssicherheit
  • Teamprojekt

Vorkenntnisse

Basiswissen gemäß Zugangsvoraussetzungen

Literatur

  • Prof. Dr. rer. nat. Felix Hüning (2018), Embedded Systems für IoT, Springer Vieweg, © Springer-Verlag GmbH Deutschland
  • Prof. Dr. Steffen Wendzel (2018), IT-Sicherheit für TCP/IP- und IoT-Netzwerke, Springer Vieweg, © Springer-Verlag GmbH Deutschland
  • David Hanes, Gonzalo Salgueiro et. al., IoT Fundamentals, Cisco Press, ISBN-13: 978-1-58714-456-1, 2017 Cisco Systems

Leistungsbeurteilung

  • Immanente Leistungsüberprüfung (Aktive Mitarbeit/Zwischentests, 20%)
  • Teamprojekt, 40% (z.B. Einfache Systemarchitektur spezifizieren, deren Schnittstellen definieren und als Team präsentieren).
  • Abschließende Prüfung (Theorie, praxisbezogene Aufgaben, 40%)
Mobile and Wireless Systems (M14)
English/German / iMod
5.00
-
Mobile and Wireless Systems (MWS)
- / LAB
5.00
3.00

Kurzbeschreibung

In dieser LV werden die Voraussetzungen für die drahtlosen Datenübertragung besprochen.

Methodik

Vortrag Übungen, Aufgaben | Computersimulation Studium der zur Verfügung gestellten Unterlagen und Referenzen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • die Grundlagen der Wellenausbreitung zu verstehen
  • die Grundlegenden Elemente einer Übertragungsstrecke zu verstehen und erklären zu können
  • die technische Implementierung der in Mobilfunksystemen eingesetzten Prozeduren (z.B. Einbuchen ins Netz, Verbindungsaufbau, Handover, Verbindungsabbau) und die damit verbundene Signalisierung zwischen den Netzelementen zu erklären
  • den Versorgungsgrad und die Kapazität von der Luftschnittstelle zu berechnen
  • die auf der Funkschnittstelle eingesetzten Technologien (z.B. digitale Modulationsverfahren, Multiplex-, Duplex- und Vielfachzugriffsverfahren, Antennentechnologien, MIMO) zu erklären und die mathematischen Grundlagen dazu kennen.
  • die Konzepte von NFV, SDN und Network Slicing in 5G zu erklären
  • die Konzepte von Low Power Wide Area Netzwerken zu verstehen, deren Einsatzbereiche zu kennen und die Besonderheiten dieser Technologien im Zusammenhang mit Applikations Entwicklung zu beachten
  • die Notwendigkeit eines standardisierten „Software Middellayers“ in Bezug auf Skalierbarkeit und Interoperabilität im Kontext von Applikationsentwicklung zu verstehen

Lehrinhalte

  • Netzarchitekturen, Netzelemente und Protokolle in Mobilfunksystemen (GSM, GPRS, UMTS, LTE, 5G, ...)
  • Funksysteme für IoT Geräte (NB-IoT, LTE Cat-M, LoRA)
  • Prozeduren und Signalisierung in Mobilfunksystemen
  • Physikalische Aspekte der Luftschnittstelle und Technologien zur Datenübertragung über den Funkkanal (CDMA, OFDMA, MIMO etc..)
  • NFV, SDN und Network Slicing
  • Standardisierte Software Middleware (oneM2M, LwM2M) zur Sicherstellung der Interoperabilität von Applikationen

Vorkenntnisse

Grundlegende Mathematische Kenntnisse in: x.) Fourier Reihen x.) Fouriertransformation x.) Trigonometrische Funktionen

Leistungsbeurteilung

  • Zwei schriftliche Prüfungen
Networking (M11)
English/German / iMod
5.00
-
Networking (NET)
- / LAB
5.00
3.00

Kurzbeschreibung

In dieser LV werden die Netzwerktechnologien besprochen, die die Grundlage der Datenkommunikation in IoT Systemen bilden.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Architektur, Protokollstapel, Schnittstellen, Adressen, Routing, ... von IPv4 Netzen zu planen, zu beschreiben und anzuwenden.
  • die grundlegenden in LANs und WANs verwendeten Netzarchitekturen und Kommunikationsprotokolle, Referenzmodelle sowie ihre Nachrichtenflüsse zu beschreiben
  • Routingkonzepte, DNS, DHCP, Firewalls, ACLs zu benennen und zu erklären
  • IP Netze und Protokolle in einer Simulationsumgebung zu simulieren/emulieren
  • die Funktionsweise von Internetworking Devices (Hub, Switch, Router) zu erklären
  • die Konzepte von NFV, SDN und der „Cloudifizierung“ der Kommunikationsnetze zu erklären
  • Netzelemente im Simulator oder in der Praxis zu konfigurieren
  • Serverinfrastruktur für Netzdienste zu konfigurieren und zu betreiben
  • Protokoll Header zu analysieren
  • Netzwerk-Standardtools wie z.B. Wireshark und PuTTY anwenden

Lehrinhalte

  • Referenzmodelle (OSI, TCP/IP), Netzarchitekturen und Kommunikationsprotokolle in LANs und WANs
  • Nachrichtenflüsse in Kommunikationsnetzen
  • Konfiguration von Netzelementen und Serverinfrastrukturen
  • Planung von LANs und IP Netzen (TCP/IP)
  • DNS und DHCP Server konfigurieren und verwalten
  • Firewalls und ACLs konfigurieren
  • Routing, Internetworking
  • Simulation von LANs und IP Netzen
  • Funktionsanalyse und Fehlersuche in LANs
  • NFV und SDN

Leistungsbeurteilung

  • Beurteilung der von den Studierenden in Laborprotokollen dokumentierten Laborübungen / Simulationsübungen
  • Präsentation eines relevanten Themas
  • Moodle-Quiz
  • Mündliche Prüfung

2. Semester

Bezeichnung ECTS
SWS
Data Analysis (M25)
English/German / iMod
5.00
-
Data Analysis (DAA)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • strukturierte Datenbestände mit ausgewählten Tools aufzubereiten, zu visualisieren und auszuwerten
  • einen Datensatz in ein IPython Notebook einzulesen, in dieser Entwicklungsumgebung aufzubereiten sowie anhand deskriptiver Statistiken und ausgewählter statistischer Verfahren zu explorieren
  • Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen zu erkennen und mittels Regressionsverfahren ein Vorhersagemodell zu entwickeln
  • Datenpunkte im mehrdimensionalen Merkmalsraum mit Hilfe von einfachen und überwachten Lernverfahren zu klassifizieren (Nearest Neighbours, Entscheidungsbäume)
  • die Performance von Klassifikations- und Regressionsverfahren zu evaluieren und zu verbessern
  • Datenpunkte im mehrdimensionalen Merkmalsraum mittels kMeans- Verfahrens zu clustern und die optimale Anzahl an Cluster zu ermitteln
  • ein geeignetes Lernverfahren für eine Fallstudie mit Echtdaten zu wählen, um ein Vorhersagemodell zu erstellen

Lehrinhalte

  • Datenaufbereitung, -visualisierung und -auswertung
  • Einsatz von Python in Data Science
  • Korrelations- und Regressionsanalyse
  • Zeitreihenanalyse
  • Klassifikation
  • Performanceevaluierung und -verbesserung
  • Cluster-Analyse

Literatur

  • McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (2nd ed). O'Reilly Media

Leistungsbeurteilung

  • Immanente Leistungsüberprüfung (Zwischentests, 30%)
  • Abschließende Prüfung (Theorie, praktische Aufgaben, 70%)
IT- and Data Protection Law (M26)
English/German / iMod
5.00
-
IT- and Data Protection Law (IDR)
- / SE
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • die wesentlichsten Besonderheiten eines Vertragsabschlusses im Internet zu erklären
  • sich im Online-Handel rechtssicher zu bewegen und die wesentlichen Fristen zu kennen
  • ein Impressum auf der Homepage zu gestalten und Informationspflichten gegenüber Verbrauchern zu erfüllen
  • digitale Inhalte zu nutzen und Urheberrechtsverletzungen, etwa bei der Verwendung von Bildern und Setzung von Links, zu vermeiden
  • die Grundbegriffe der Datenschutzgesetze zu erklären
  • zu identifizieren, welche Daten gemäß DSGVO und DSG verarbeitet werden dürfen und welche gelöscht werden müssen
  • ein Datenverarbeitungsregister anzulegen
  • eine DSGVO-konforme Einwilligung einer Person zu erhalten
  • die Verarbeitungsgrundsätze der DSGVO zu benennen und auf interne Vorgänge anzuwenden

Lehrinhalte

  • Vertragsabschluss im Internet
  • Verbraucherschutz-RL und Fernabsatz- und Auswärtsgeschäfte (FAGG)
  • E-Commerce Gesetz (ECG)
  • Signaturgesetz
  • Datenschutzrecht, Datenschutzgrundverordnung (DSGVO)
  • Grundlagen des Urheberrechts
  • Nutzung digitaler Inhalte
  • Telekommunikationsrecht (TKG)

Literatur

  • Jahnel/Mader/Staudegger, IT-Recht, 4. Auflage (2020)
  • Jahnel/Pallwein-Prettner/Marzi, Datenschutzrecht, 2. Auflage (2020)
  • Fallweise zur Literatur empfohlene Fachaufsätze

Leistungsbeurteilung

  • Schriftliche Abschlussprüfung
  • Mündliche Präsentation über ein rezentes Urteil
IoT Systems Development (M21)
English/German / iMod
5.00
-
IoT Systems Development (ISD)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Sensorknoten zu dimensionieren und zu programmieren
  • geeignete Sensorknoten und die geeignete Softwareumgebung (Bare- Metal vs. Betriebssystem) auszuwählen
  • Sensorcluster zu designen und zu integrieren
  • effiziente Kommunikation im Sensorcluster sicherzustellen

Lehrinhalte

  • Design & Programmierung verteilter Sensornetzwerke
  • Integration lokaler Sensornetzwerke mittels Edge-Gateways zu Clustern
  • Grundlegende Konzepte o Kommunikation zwischen Knoten o Nebenläufigkeit (Multithreading, Multiprocessing, verteilte Systeme) o Synchronisation mehrerer Knoten o Datenkommunikation in den Sensorclustern
  • Praktische Implementierung von IoT Systemen
  • Praktische Implementierung und Anwendung von Kommunikationsstrukturen

Literatur

  • Aktuelle Herstellerdokumentation bzw. technische und wissenschaftliche Publikationen, abhängig von der konkreten Plattform und Aufgabe

Leistungsbeurteilung

  • Laufende praktische Projekte mit abschließendem Abgabegespräch und theoretische Abschlussprüfung
IoT Technologies (M23)
English/German / iMod
5.00
-
IoT Technologies (ITT)
- / ILV
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • IoT spezifische Technologien sowie Protokolle zu kennen und zu erklären,
  • Unterschiede dieser zu anderen Kommunikationsprotokollen (z.B. Internetprotokollen) zu verifizieren und daraus anwendungsspezifisch das richtige Protokoll zu wählen,
  • Anforderungen an Technologien und Protokolle für ein IoT-System zu spezifizieren,
  • kommerzielle Lösungen für IoT Systeme zu evaluieren, die Vor- und Nachteile als Entscheidungsgrundlage auszuarbeiten.

Lehrinhalte

  • Einführung in IoT-Systeme und deren Technologien (z.B. Wireless Technologien wie 5G, WiFi 802.11, 802.15.4: ZigBee)
  • Bestehende Lösungen zur Anbindung von Knoten (LoRa, WAN, …)
  • Kommerzielle Cloud-Backends und Opensource Lösungen
  • Die Grundlagen der wesentlichen IoT-Technologien: o IoT spezifische Protokolle (MQTT, CoAP, …) o IIoT- spezifische Technologien (Software-Defined Industrial Systems“, OPC UA) o Wired Technologien (Ethernet und Erweiterungen im Bereich QoS/TSN)
  • Edge-Computing vs. Cloud-Computing vs. OnPremise
  • Energie- und Bandbreitenoptimierung bei IoT Übertragung
  • Tradeoffs: Latenz vs. Bandbreite vs. Energieverbrauch
  • Energieversorgung von IoT Geräten (Batterie, Stromnetz, Energy Harvesting, …)

Literatur

  • Prof. Dr. rer. nat. Felix Hüning (2018), Embedded Systems für IoT, Springer Vieweg, © Springer-Verlag GmbH Deutschland.
  • Martin Sauter (Februar, 2018): Grundkurs Mobile Kommunikationssysteme; LTE-Advanced Pro, UMTS, HSPA, GSM,
  • GPRS, Wireless LAN und Bluetooth, 7. Auflage, Springer Vieweg, © Springer-Verlag GmbH Deutschland.

Leistungsbeurteilung

  • Immanente Leistungsüberprüfung (Aktive Mitarbeit/Zwischentests, 40%)
  • Abschließende Prüfung (Theorie, praktische Aufgaben, 60%)
Security (M24)
English/German / iMod
5.00
-
Security (SEC)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • kryptografische Mechanismen zu charakterisieren und hinsichtlich der zu gewährleistenden Schutzziele gegenüberzustellen
  • Mechanismen, Konzepte und Modelle der Zugriffskontrolle hinsichtlich Identifikation, Authentifikation sowie Rechteverwaltung
  • Anforderungen sicherer Kommunikation (Netze, Dienste, verteilte Anwendungen) zu erläutern und die hierfür benötigten Verfahren resp. Protokolle zu beschreiben
  • Software-Sicherheit zu erläutern und gängige Verwundbarkeiten und Bedrohungen resp. Malware zu kategorisieren

Lehrinhalte

  • Festigung der Grundlagen kryptografischer Methoden
  • Authentifikation
  • Zugangs- und Zugriffskontrolle
  • Sicherheit in Netzen
  • Internet Security
  • Software Security

Literatur

  • Stallings, William: Computer Security – Principles & Practice, Pearson, 3/E, ISBN: 9781292066172

Leistungsbeurteilung

  • LV-Immanente Leistungsbeurteilung, Abschlussprüfung
Sensor-/Actor Systems & Control Theory (M22)
English/German / iMod
5.00
-
Sensor-/Actor Systems & Control Theory (SAS)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • regelungstechnische Komponenten zu identifizieren
  • Regelungsvorgänge mathematisch zu beschreiben, zu simulieren und zu analysieren
  • einfache Regelungen zu planen und zu simulieren
  • steuerungstechnische Komponenten in ausgewählten Beispielen anzuwenden

Lehrinhalte

  • Grundlagen der Steuerungstechnik
  • Typen von Sensoren und Aktuatoren
  • Grundlagen der Regelungstechnik
  • Mathematische Abbildung von Regelkreisen
  • Analyse von Regelvorgängen in MATLAB
  • Entwurf von Reglern im Frequenzbereich
  • Unterschied analoge und digitale Regelungen
  • Zustandsregler/Mehrgrößenregler und Zustandsbeobachter
  • Realisierung von Regelungen
  • Abtastung bei Messungen
  • Welcher Sensor ist für welche Anwendung geeignet (Messbereiche)
  • Grenzen von Sensoren (z.B. Luftfeuchtigkeit, Seehöhe, …)

Literatur

  • O. Föllinger, Regelungstechnik: Einführung in die Methoden und ihre Anwendung, VDE Verlag, 12. Auflage, 2016.
  • N. Große, W. Schorn, Taschenbuch der praktischen Regelungstechnik, Carl Hanser Verlag, 2006.
  • V. Plenk, Grundlagen der Automatisierungstechnik kompakt, Springer Verlag Vieweg, 2019

Leistungsbeurteilung

  • Laufende praktische Beispiele und theoretische Abschlussprüfung

3. Semester

Bezeichnung ECTS
SWS
Automation (M31)
English/German / iMod
5.00
-
Automation (AUT)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Funktionspläne, Kontaktpläne und Anweisungsliste zu interpretieren
  • Einzelne Komponenten einer automatisierten Anlage zu identifizieren
  • Planungsinstrumente der Automatisierungstechnik anzuwenden
  • Steuerungstechnische Komponenten zu vernetzen
  • Grundlegende steuerungstechnische Schaltungen anzuwenden
  • Gebäudetechnische Grundschaltungen und Funktionen zu erklären: o Jalousien-, Rollladen-, Markisen-, Sonnenschutz-Steuerungen o Automatische Fenster- und Türsteuerungen (Schließtechnik)
  • Lichttechnische Komponenten anzuwenden
  • Grenzen, Probleme und Gefahren von Automationssystemen zu erkennen

Lehrinhalte

  • Einschaltverzögerung, Ausschaltverzögerung, Treppenhausautomat, Komfortschaltung
  • Schaltungen und Komponenten aus der Praxis (z.B. Zähler für Windmessung, Anti-Eis-Funktion bei Rollläden, Temperatursensoren, Bewegungsmelder, Feuchtigkeitssensor)
  • Ansteuerung von Lüftungstechnik, Entfeuchtungstechnik
  • Verknüpfung von einzelnen Elementen und die Probleme dahinter
  • Automatische Türen und Torsteuerungen
  • Anlagentechnik in der Industrie
  • Autonomes Fahren mit Leitsystemen im / am Boden bzw. mit KI
  • Grundlagen Motorsteuergeräte – Eigenschaften und Ansteuerung der einzelnen Typen
  • Probleme der Instabilität von Regelungen in großen Anlagen
  • Stellgröße und deren Bedeutung in der Gebäudetechnik
  • Wartung und Instandsetzung, Fehlersuche- und Analyse

Literatur

  • Heinrich, Linke, Glöckler (2020): Grundlagen Automatisierung, Springer Verlag.
  • V. Plenk, Grundlagen der Automatisierungstechnik kompakt, Springer Verlag Vieweg, 2019.
  • Wellenreuther, Zastrow (2015): Automatisieren mit SPS, Springer Vieweg.
  • Tapken (2020): SPS – Theorie und Praxis, Europa-Lehrmittel.
  • C. Karaali, Grundlagen der Steuerungstechnik, Springer Verlag Vieweg, 2018.

Leistungsbeurteilung

  • Laufende praktische Beispiele und theoretische Abschlussprüfung
Digital Leadership (M35)
English/German / iMod
5.00
-
Digital Leadership (MLS)
- / SE
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Aufgaben und Instrumente von Führung (z. B. Delegation, Zielvereinbarung) zu benennen und zu erläutern sowie Führungsmodelle (z. B. Führungskontinuum, Reifegradmodell) zu erläutern und fallbezogen anzuwenden
  • agiles Führen (in z.B. ExpertInnenorganisationen, Transformationsprozessen) z.B. zu beschreiben und beispielhaft anzuwenden
  • das Führungsverständnis digitaler Führung (z.B. Coaching Kultur) zu erläutern und fallbezogen anzuwenden
  • den systemischen Loop (aus der Führungsposition) theoriegeleitet in interdisziplinären bzw. interkulturellen Teams anzuwenden

Lehrinhalte

  • Grundlagen von Führung
  • Systemtheorie in sozialen Systemen
  • Führung im digitalen Kontext
  • Agile Führung
  • Transformationale Führung
  • Interdisziplinarität und Interkulturalität
  • Besonderheiten der Führung von ExpertInnenteams

Literatur

  • Berninger-Schäfer, E. (2019): Digital Leadership; Die Digitalisierung der Führung, managerSeminare Verlags GmbH
  • Franken, S. (2019): Verhaltensorientierte Führung; Handeln, Lernen und Ethik im Unternehmen, 4. Auflage, Gabler
  • Gasteiger, R., Kaschube, J., Rathjen, Ph. (2016): Interkulturelle Führung in Organisationen, Menschen in globalen Kontexten effektiv führen, essentials Springer Gabal
  • Greßer, K., Freisler, R. (2020): Ready for Transformation; Neue Arbeitswelt, digital und agil…, managerSeminare Verlags GmbH
  • Lerch, Sebastian (2017): Interdisziplinäre Kompetenzen, UTB
  • Lüthi, E., Oberpriller, H., Loose, A., Orths, St. (2013): Teamentwicklung mit Diversity Management, Haupt
  • Wunderer, R. (2011): Führung und Zusammenarbeit, Eine unternehmerische Führungslehre, 9. Auflage, Luchterhand

Leistungsbeurteilung

  • Workshops Input&Action, Übungen, Fallstudien, schriftliche Prüfung
Master's Project (M33)
English/German / iMod
5.00
-
Master's Project (MAP)
- / PRJ
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • eine praxisorientierte Aufgabenstellung zu einem wissenschaftlichen Thema aus dem Gebiet des Studienprogramms zu evaluieren
  • die Forschungsfrage der Masterarbeit zu formulieren und deren Umsetzung auf Machbarkeit zu untersuchen. Dies kann, z.B., durch eine praktische Machbarkeitsstudie (Teilimplementierung), Simulation oder mathematische Modellierung erfolgen
  • relevante Literatur zum Thema zu finden und korrekt zu zitieren
  • den Lösungsweg und die Projektergebnisse wissenschaftlich korrekt zu dokumentieren
  • die Ergebnisse in einem Vortrag zu präsentieren

Lehrinhalte

  • Selbstständige Durchführung der Vorstudie zur Masterarbeit durch die Studentin bzw. den Studenten unter Anleitung der Betreuerin bzw. des Betreuers
  • Dokumentieren der Ergebnisse mittels eines wissenschaftlichen Papers
  • Präsentation der Ergebnisse vor Fachpublikum (Studierende, Betreuer und Betreuerinnen) inkl. der Erstellung der benötigen Folien
  • Führen einer wissenschaftlich technischen Diskussion mit dem Fachpublikum (Studierende, Betreuer und Betreuerinnen)
  • Verteidigung der eigenen Ergebnisse

Literatur

  • Abhängig vom gewählten Thema, wissenschaftliche Artikel, Bücher und Whitepaper

Leistungsbeurteilung

  • Exposé des Themenvorschlags: 10%
  • Wissenschaftliches Paper: 40%
  • Präsentation: 40%
  • Arbeitsweise (Pünktlichkeit, Vollständigkeit, ...): 10%
  • Es müssen sowohl Paper als auch Präsentation positiv bewertet sein, um eine positive Note zu erhalten
Scientific Work (M34)
English/German / iMod
5.00
-
Scientific Work (SCW)
- / SE
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • die Besonderheiten der wissenschaftlichen Arbeitsweise zu verstehen und die Qualitätsmerkmale einer wissenschaftlichen Arbeit zu erkennen
  • die Struktur einer Masterarbeit basierend auf dem "Leitfaden zur Verfassung einer Bachelorarbeit oder Masterarbeit" der FH Technikum Wien zu erstellen
  • die wesentlichen Abschnitte einer Masterarbeit inhaltlich so zu gestalten, dass sie dem Anspruch an eine wissenschaftliche Arbeit gerecht werden
  • relevante Forschungsaktivitäten zu planen und durchzuführen
  • den Stand der Technik in einem Fachbereich zu erheben, eine Literaturrecherche für eine wissenschaftliche Fragestellung durchzuführen und die Ergebnisse zu dokumentieren
  • korrekte wissenschaftliche Zitate zu setzen sowie die Unterschiede zwischen wörtlichen Zitaten, Referenzierungen und Plagiaten zu erkennen
  • Forschungsfragen und Hypothesen zu formulieren
  • die korrekte Wahl der wissenschaftlichen Methoden für eine Fragestellung durchzuführen
  • ein Forschungsdesign zu entwickeln und mittels Flow Chart graphisch und methodisch zu dokumentieren
  • die Qualität von Referenzen und Datenquellen zu bewerten
  • die Forschungsfragen und Hypothesen wissenschaftlich korrekt zu untersuchen und zu beantworten. Ergebnisse in einem Vortrag zu präsentieren

Lehrinhalte

  • Aufbau von wissenschaftlichen Arbeiten
  • Was sind die Qualitätsmerkmale einer wissenschaftlichen Arbeit?
  • Worauf kommt es bei der inhaltlichen Gestaltung der einzelnen Abschnitte einer Masterarbeit an?
  • Was ist eine Forschungsfrage?
  • Wie werden Hypothesen aufgestellt und verifiziert bzw. falsifiziert?
  • Wie werden empirische Daten erhoben?
  • Welche wissenschaftlichen Methoden gibt es und wie werden diese korrekt eingesetzt?
  • Wie wird der Stand der Technik erhoben?
  • Wie wird eine Literaturrecherche durchgeführt?
  • Wie wird wissenschaftliche Literatur korrekt bewertet und wie geht man mit empirischen Daten um?
  • Wie wird richtig zitiert?

Literatur

  • Günter Essl, Karl Göschka, Susanne Teschl (2018), Leitfaden zur Verfassung einer Bachelorarbeit oder Masterarbeit
  • Skern, T. (2011 ff), Writing scientific English: A workbook, Xnd. ed, Facultas Verlag, Wien

Leistungsbeurteilung

  • Bewertung der praktischen Aufgaben und Abschlussprüfung
Specialization (M32)
English/German / kMod
10.00
-
Advanced IoT Operating Systems (AIO)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • virtuelle Computer-Netze unter Linux zu erstellen
  • den Speicherverbrauch von Prozessen unter Linux mit CGROUPS zu limitieren
  • grundlegende Netzwerkdienste (DNS-, Web-, SSH-Server) auf Linux- Systemen zu implementieren
  • Netzwerkdienste in Containern zu implementieren
  • Konfigurations-Management-Tools zur Verwaltung von Remote-Systemen einzusetzen

Lehrinhalte

  • virtuelle Netzwerk-Interfaces unter Linux
  • Ressourcenmanagement mit CGROUPS unter Linux
  • grundlegende Netzwerkdienste (DNS-, Web-, SSH-Server)
  • Erstellung und Betrieb von Containern unter Linux
  • Verwendung von Konfigurations-Management-Tools
  • Softwaredesign für Datendurchsatz (Interruptfrequenz, Pipelined Software, DMA, …)
  • Buffering, Producer-Consumer Problematik
  • In-field Online Management von Embedded Devices

Literatur

  • Lecture Notes

Leistungsbeurteilung

  • LV-immanente Leistungsbeurteilung und Abschlussprüfung
Advanced IoT Systems Development (AID)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Ende-zu-Ende IoT Systeme zu designen, zu implementieren und zu optimieren
  • Geeignete Algorithmen und Architekturen zur Implementierung verteilter IoT Systeme zu wählen
  • Geeignete Cloud Backends auszuwählen und zu verwenden

Lehrinhalte

  • Design & Programmierung von verteilten IoT Gesamtsystemen
  • Auswahl der geeigneten Komponenten und Tools
  • Vergleich und Auswahl von Algorithmen
  • Verteilte Berechnungen im Gesamtsystem
  • Bewertung verschiedener Lösungsansätze und Auswahl der geeigneten Architektur
  • Optimierung der Algorithmen, der Kommunikationsstruktur und der Gesamtarchitektur

Literatur

  • Aktuelle Herstellerdokumentation bzw. technische und wissenschaftliche Publikationen, abhängig von der konkreten Plattform und Aufgabe

Leistungsbeurteilung

  • LV-immanente Leistungsbeurteilung und Abschlussprüfung
Advanced Networking (ANE)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • IP Routing Konzepte, MPLS und VPN Services zu verstehen und implementieren
  • Moderne Methoden des Netzmanagements wie SNMP, Software Defined Networking und Network Function Virtualization zu erklären und zu implementieren
  • IPv6-Netze zu planen und implementieren
  • eine Tool-unterstützte Netzwerk- und Protokollanalyse durchzuführen
  • Netzanomalien zu finden und zu beheben
  • Netzwerke zu sichern und gängige Einfallstore zu schließen

Lehrinhalte

  • Konfiguration von Netzelementen und Serverinfrastrukturen
  • Planung von LANs, WANs und IP Netzen
  • IP Routing Protokolle (OSPF, BGP)
  • MPLS und VPN Services
  • Management von IP Netzen, SNMP
  • Software Defined Networking and Network Function Virtualization
  • Konfiguration und Bedienung von Netzwerkanalyse-Tools
  • Analyse und Auswertung des Datenverkehrs
  • Detektion, Analyse und Beheben von Netzanomalien (Troubleshooting)

Literatur

  • Relevante IETF RFCs
  • Ausgewählte Whitepaper von Herstellern von Netzwerkkomponenten
  • Valentin Plenk (2017), Angewandte Netzwerktechnik kompakt
  • Laura Chappell (2013), Wireshark 101: Essential Skills for Network Analysis
  • Kent Hundley: Alcatel-Lucent Scalable IP Networks Self-Study Guide; Wiley Publishing Inc. 2009

Leistungsbeurteilung

  • Beurteilung der von den Studierenden in Laborprotokollen dokumentierten Laborübungen / Simulationsübungen
  • Reflexionsgespräch über das Laborprotokoll / die Aufgabe mit dem(r) Lektor(in)
  • Präsentation eines relevanten Themas
  • Moodle-Quiz
  • Prüfung
App Development (APP)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • die Architektur und die Features der Plattformen zu beschreiben sowie Design Patterns und APIs unter Berücksichtigung von UX-Standards korrekt anzuwenden
  • eine App für IoT-spezifische Anwendungsfälle (mit Android Studio bzw. Xcode) zu designen und zu entwickeln
  • Schnittstellen zu IoT-Systemen zu implementieren
  • die App im Emulator und auf der Hardware zu installieren und zu testen
  • eine App unter Berücksichtigung sämtlicher Richtlinien im App-Store zu veröffentlichen

Lehrinhalte

  • App-spezifische Design Patterns und APIs
  • Android Studio, Xcode und Debugging-Tools (Java bzw. Kotlin und Swift)
  • Implementierung einer Android und iOS App

Literatur

  • Apple Developer Page: https://developer.apple.com/documentation
  • Android Developer Page: https://developer.android.com
  • Udacity course: Developing Android Apps: https://www.udacity.com/course/developing-android-apps--ud853
  • Swift Book: https://docs.swift.org/swift-book/
  • Swift Tutorial: How To Master The Fundamentals (2020): https://codewithchris.com/swift-tutorial-complete/

Leistungsbeurteilung

  • LV-immanente Leistungsbeurteilung
  • Moodle Quiz
  • Präsentation und Diskussion der entwickelten App
Digital Business Modelling (DBM)
- / SE
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • die Bestandteile eines Geschäftsmodells zu benennen und zu beschreiben
  • Geschäftsmodelle hinsichtlich Stärken, Schwächen, Chancen und Risiken zu analysieren
  • Geschäftsmodellsinnovationen auf Basis von Trends und Kundenbedürfnissen zu entwickeln
  • Geschäftsmodelle durch den Einsatz von Digitaltechnologien zu optimieren
  • (digitale) Geschäftsmodellinnovationen systematisch umzusetzen

Lehrinhalte

  • Megatrends
  • Geschäftsdee
  • Geschäftsmodellbegriff
  • Arten von Geschäftsmodellen
  • Digitale Geschäftsmodelle
  • Geschäftsmodellentwicklung
  • Business Model Canvas
  • Design Thinking
  • Lean Start Up
  • Prototyping
  • Business Plan
  • Geschäftsmodellevaluierung
  • Geschäftsmodelltransformation

Literatur

  • Wala, Thomas. Innovations- und Technologiemanagement (2020)
  • Wirtz, Harald. Crashkurs Innovationsmanagement: Die wichtigsten Inhalte im Überblick mit Fragen zur Lernkontrolle, Fallstudien und Quizfragen mit Lösungen (2018)

Leistungsbeurteilung

  • Projektarbeit (100 Punkte)
Embedded Security (ESE)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • die wichtigsten Exploit Mitigation Techniken erklären zu können und deren Vor- und Nachteil abzuschätzen
  • Inbetriebnahme und Konfiguration von Hardware Security Features in ausgewählten MCUs durchzuführen
  • die Verfügbarkeit von Security Features in Embedded Betriebssystemen evaluieren zu können
  • Compiler basierend auf ihrem Support von Security Features auswählen zu können
  • Best Practices in Bezug auf Security Aware Software Development für Embedded Systems umzusetzen

Lehrinhalte

  • Exploit Mitigation in Embedded IoT Firmware
  • Sensitive Information Protection Mechanismen modernen Mikrocontroller
  • Hardware Security Features Moderner MCUs
  • Security Features in Embedded Betriebssystemen

Literatur

  • Pinto, Sandro, and Nuno Santos. „Demystifying ARM Trustzone: A Comprehensive Survey.“, ACM Computing Surveys (CSUR) 51.6 (2019), 1-36.
  • Obermaier, Johannes; Tatschner, Stefan. „Shedding too Much Light on a Microcontroller's Firmware Protection“, 11th USENIX Workshop on Offensive Technologies (WOOT17), 2017.
  • Abbasi, A., Wetzels, J., Holz, T., & Etalle, S. „Challenges in Designing Exploit Mitigations for Deeply Embedded Systems“. IEEE European Symposium on Security and Privacy (EuroS&P), 2019, 31-46.

Leistungsbeurteilung

  • Übungsabgaben
  • Abgabegespräche
Sensor Data Analytics (SDA)
- / LAB
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • einen Überblick über die Bereiche Artificial Intelligence, Machine Learning und Data Science zu geben
  • Sensordaten zu verarbeiten und in unterschiedlicher Dichte abzuspeichern
  • Sensordaten zu explorieren und zu visualisieren bzw. Datenprobleme (Messfehler) zu erkennen und zu berichtigen
  • Zeitreihendaten mittels Hypothesentests zu analysieren und Vorhersagemodelle auf Basis statistischer Verfahren zu erstellen
  • ein Recurrent Neural Network mit ausgewählten Bibliotheken zu entwerfen und zu trainieren
  • Vorhersagemodelle für Sensordaten auf Basis von Machine Learning Verfahren zu entwickeln
  • Mustererkennung auf Sensordaten anwenden, um definierte Ereignisse zu identifizieren
  • vorgefertigte Python-Scripts auszuführen bzw. für vorgegebene Aufgabenstellungen im Bereich von Predictive Analytics zu adaptieren

Lehrinhalte

  • Sensor Data Engineering
  • Aufbereitung, Visualisierung und Auswertung von Sensordaten
  • Datenqualität und Ausreißererkennung
  • Statistische Verfahren für Zeitreihen
  • Recurrent Neural Networks
  • Machine Learning Verfahren für Sensordaten
  • Predictive Analytics mittels Mustererkennung

Literatur

  • Burkov, A. (2019). The Hundred-Page Machine Learning Book. Burkov

Leistungsbeurteilung

  • Immanente Leistungsüberprüfung (Zwischentests, 30%)
  • Abschließende Prüfung (Theorie, praktische Aufgaben, 70%)
Software Development Processes (SDP)
- / ILV
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • Unterschiede zwischen iterativen (Spiralmodell, V-Modell), prozeduralen und agilen Vorgehensmodellen (SCRUM, KANBAN, ...) zu argumentieren und deren Stärken und Schwächen zu bewerten
  • adäquate Software Vorgehensmodelle für konkrete IoTAnwendungsgebiete auszuwählen, Prozessabläufe unter Berücksichtigung allgemeiner Rahmenbedingungen anzupassen (Prozess-Tailoring, Referenzmodell) und daraus projektspezifische Abläufe, Aktivitäten, Ergebnisse, Rollen, usw. begründet zusammenzustellen (Projekt- Tailoring)
  • für spezifische Anwendungsfälle in der IoT-Entwicklung geeignete Software Engineering Methoden und Tools (im Application Lifecycle Management, zu Requirements, Change bzw. Test Management) zu identifizieren, evaluieren und bewerten sowie auszuwählen und adäquate Lösungen vorzuschlagen
  • einen teamorientierten, integrierten Prozessverbesserungsansatz zu Softwareentwicklung und Betrieb (DevOps) zu definieren und DevOps Methoden (Continuous Integration, Continuous Delivery, ...) toolunterstützt im Anwendungslebenszyklus von IoT-Lösungen umzusetzen
  • eine DevOps Plattform aufzubauen und in Betrieb zu setzen sowie ein konkretes IoT-Anwendungsbeispiel darauf zu planen und umzusetzen

Lehrinhalte

  • Grundlagen Software Lifecycle (Software-Entwicklungsprozesse, Vorgehensmodelle)
  • Agile Vorgehensmodelle (SCRUM, KANBAN)
  • Application Lifecycle Management (ALM)
  • Grundlagen Development & Operations (DevOps)
  • Continuous Integration, Continuous Delivery
  • Aufbau und Anwendung einer DevOps Plattform anhand von IoTSoftwarelösungen

Literatur

  • Sommerville, I., 2018. Software Engineering, 10., aktualisierte Auflage. it - informatik. Pearson, Hallbergmoos
  • Kim, G., Humble, J., Debois, P., Willis, J., 2017. Das DevOps-Handbuch: Teams, Tools und Infrastrukturen erfolgreich umgestalten, 1. Auflage. O’Reilly, Heidelberg

Leistungsbeurteilung

  • LV-immanente Leistungsbeurteilung und Abschlussprüfung

4. Semester

Bezeichnung ECTS
SWS
Master Thesis (M41)
English/German / iMod
30.00
-
Master’s Seminar (MAS)
- / SE
5.00
3.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • eine wissenschaftliche Arbeit unter Berücksichtigung aller wissenschaftlichen und technischen Rahmenbedingungen zu verfassen
  • ihre Masterarbeit wissenschaftlich korrekt zu präsentieren und technische Zusammenhänge im Fachgebiet der Masterarbeit zu erläutern

Lehrinhalte

  • Grundlagen wissenschaftlichen Arbeitens mit Schwerpunkt auf das Verfassen der Masterarbeit (Wiederholung)
  • Begleitung der Masterarbeit in Hinsicht auf wissenschaftliche Vorgehensweisen
  • Wissenschaftliche Präsentationstechnik
  • Verteidigung der eigenen Arbeit

Literatur

  • Abhängig vom gewählten Thema, wissenschaftliche Artikel, Bücher und Whitepaper

Leistungsbeurteilung

  • Präsentation der Masterarbeit und Beantwortung von technischen und wissenschaftlichen Fragen aus dem entsprechenden Fachgebiet
Master’s Thesis (MAT)
- / SO
25.00
1.00

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

  • eine Masterarbeit auf wissenschaftlichem Niveau zu verfassen
  • sich selbstständig und eigenverantwortlich Fachwissen im Gebiet der Masterarbeit zu erarbeiten
  • eine Forschungsfrage im Fachgebiet des Studienprogramms wissenschaftlich korrekt zu beantworten
  • Gesamtzusammenhänge des Themas zu erkennen, zu erarbeiten und zu dokumentieren
  • Bedeutung und Gewicht von externen Einflussfaktoren, erhobenen Daten und relevante Information richtig zu bewerten
  • den relevanten Stand der Technik und des Firmenumfelds darzustellen
  • größere technische, wirtschaftliche oder soziale Zusammenhänge zu analysieren und darzustellen

Lehrinhalte

  • Selbstständiges wissenschaftliches Arbeiten unter Anleitung der Betreuerin bzw. des Betreuers

Literatur

  • Abhängig vom gewählten Thema, wissenschaftliche Artikel, Bücher und Whitepaper

Leistungsbeurteilung

  • Beurteilung der Masterarbeit durch die Betreuerin bzw. des Betreuers und einer Zweitgutachterin bzw. eines Zweitgutachters entsprechend der Richtlinien und Formulare der FH Technikum Wien