Studierende der Digitalen Medien BPO'16 erhalten zusätzlich 2CP.

Für Komplemetärfach Informatik, berufliche Weiterbildung und Digi-Med Studierende gibt es
03-DMB-MI-22-OOP Objektorientierte Programmierung und 03-DMB-MI-22_AUD2 Algorithmen und Datenstrukturen.

Für WInf-Studierende BPO '13 im zweiten Semester weitere 3 CP in Freie Wahl als Ersatz für SWP1.
Für fortgeschrittene SysEng-Studierende als Ersatz für SWP1.
Für Studierende, die an der Vorlesung nicht teilnehmen können, gibt es eine Aufzeichnung des Vorlesungsanteils aus dem vorigen Jahr.

Nur für Wiederholer:innen. Das Kick-Off Meeting findet online statt.
Mit Zusatzleistung als SWP 2 (03-BA-901.02) nach alter PO anrechenbar.
Für WInf-Studierende, die SWP2 wiederholen müssen: Zusammen mit 3 weiteren CP in Freie Wahl als Ersatz für SWP2.

The module primarily serves to help students identify with the degree program. The focus is on founding a virtual company in teams (4-5 students) and developing, building, programming, and commissioning a model technical product with Lego Mindstorms. Students learn about the interaction of mechanics, drive technology, sensor/actuator technology, and PLC programming right from the start of their studies.
• Introduction to design methodology (morphological box) and team-based problem solving
• Introduction to the construction of kinematic chains
• Introduction to project work using Lego

Für Informatik Studierende nach der neuen BPO ist es IBA, für Studierende nach der alten BPO ist es Fachinformatik 2.
https://lvb.informatik.uni-bremen.de/dmb/03-dmb-mi-1-mi2.pdf

Nur für Studierende, die IUG belegt haben, und nach Absprache mit dem Dozenten.
Zeiten und Räume wie IUG
Die Vorbesprechung findet am 10. April 2026 von 12-14h statt im MZH 1090.

„Informatik und Gesellschaft“ richtet sich zum einen an Bachelor-Studierende der Informatik und wird JEDES Semester (Sommer- wie Wintersemester) angeboten. In der Regel besuchen Informatik-Bachelor-Studierende diesen Kurs im zweiten oder dritten Fachsemester.
Zum anderen sind interessierte Studierende anderer Fächer herzlich eingeladen, an „Informatik und Gesellschaft“ teilzunehmen. Viele der behandelten Themen sind im Kern interdisziplinär und unterschiedliche fachliche Hintergründe sind damit in der Regel sehr bereichernd.

Der Beginn und die gemeinsame Vorbesprechung dieses Kurses findet am Freitag 10.April 2026 von 10 bis 12 Uhr im MZH 1090 statt.
An dem genannten Termin erfolgen im Plenum die Vorstellung des Kurses, die Klärung der organisatorischen Abläufe und der Scheinbedingungen. Außerdem erfolgt an diesem Termin die Aufteilung der Teilnehmer*innen auf die einzelnen Seminar-Termine. Daher finden vor dieser Vorbesprechung auch noch keine Seminartermine statt.

Die Veranstaltung wird überwiegend als Präsenzveranstaltung stattfinden. Im weiteren Verlauf der Veranstaltung kann es vereinzelte online-Termine geben (z.B. zur Beratung der einzelnen Arbeitsgruppen) - insb die Präsentation der Referate (aufgeteilt in mehrere Seminargruppen) wir aber auf jeden Fall in Präsenz stattfinden.

Die Tutorien beginnen in der zweiten Semesterwoche.

Thematisch geht es in dieser Veranstaltung um die Digitalisierung bzw. digitale Transformation, Prozessmodellierung mittels BPMN, Rechtliche Grundlagen in der Informatik sowie um digitale Ethik und den theoretischen Ansätzen in der Angewandten Informatik (STS, SCOT, ANT, TAM, Affordances).

Das Modul ist gemäß BPO 2020 Informatik VF Pflicht und besteht aus einer Kombinationsprüfung mit 2 Prüfungsleistungen. Diese Kombinationsprüfung beinhaltet die eKlausur (20%) sowie eine Hausarbeit (80%), bestehend aus einer Fallstudie in einer Unternehmung (40%) und einem Essay (40%). Beide Teilprüfungen müssen bestanden sein, um das Modul abzuschließen.

Alternativ kann das eGS "Recht der digitale Medien" oder "Medien- und IT-Recht" verwendet werden zur Anerkennung der eKlausur in Angewandte Informatik. Die Leistung muss zwingend benotet ausgewiesen werden.

Profil: SQ, KIKR
https://lvb.informatik.uni-bremen.de/ibat/03-ibat-lo.pdf

https://lvb.informatik.uni-bremen.de/ibat/03-ibat-pn.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-dsms.pdf
Achtung: Sprache: Deutsch (Folien auf Englisch und Tutorium teilweise auf Englisch)

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
You can take IBAP-ML Grundlagen des Maschinellen Lernens in German or IBAP-ML Fundamentals of Machine Learning in English. The course content is the same and can only be credited once.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ki.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-ML Grundlagen des Maschinellen Lernens auf deutsch oder IBAP-ML Fundamentals of Machine Learning auf englisch belegt werden. Die Inhalte des Kurses sind gleich und nur ein Mal anrechenbar.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-mrca.pdf
The lecture will take place at DFKI.

Robotics is a complex field that emerged at the intersection of multiple disciplines such as physics, mathematics and computer science. New advances in hardware and software design and progress in artificial intelligence enable robotics research to pursue higher goals and achieve increased autonomy in various environments. For instance, robots can operate in disaster zones for search and rescue operations, can be employed in rehabilitation and healthcare, space and underwater exploration, etc. Given the complexity of such scenarios, it is essential to develop robust robotic systems with a high degree of autonomy, able to assist humans in difficult and tedious tasks.

This course aims to provide the fundamentals of modern robot control approaches that enable robots to operate in the environment autonomously. The course introduces a basic understanding of robotics, along with tools and methods to control mobile robotic platforms and manipulators. Firstly, the course presents the basics of modeling robotic systems in terms of geometry, kinematics, and dynamics. Next, real robotic systems are considered with their different types of sensors and actuators. Furthermore, system identification as a means to adapt the robot model to the reality is treated. Finally, the course provides methods and approaches to control robots from a deliberative and reactive point of view. Students will put this knowledge into practice during tutorials and exercise sheets using Python implementation and robot simulations.

Contents

• Introduction to Robotics and AI: long term robot autonomy, artificial intelligence, deliberative vs. reactive control, robotic applications.
• Robot Geometry and Transformations: robot transformations in the 3D space, exponential and logarithmic maps, forward and inverse geometric models.
• Kinematics: definition of twists and wrenches for rigid bodies, geometric Jacobian formulation, forward and inverse kinematics.
• Dynamics: an introduction to Lagrangian and Newtonian mechanics, robot dynamics formulation, recursive Newton-Euler algorithm.
• Sensing and Actuation Modalities: types of sensors and actuators, sensor fusion, actuator control.
• System Identification: methods to identify geometry, kinematic and dyanmic parameters of a robot.
• Localization: direct and probabilistic methods for robot localization, odometry, global localization, particle filter.
• Path Planning: path vs. trajectory generation, graph-based methods for path planning (e.g. Djikstra, A*).
• Dynamic Control: PD gravity compensation control, computed torque control, admittance vs impedance control.

Learning Outcomes

At the end of the course, the student is expected to be able to:

• Have a basic understanding about autonomous robots and AI.
• Compute the coordinate transformations for rigid bodies commonly used in robotics.
• Apply the robot forward and inverse kinematics.
• Describe a robotic system based on its kinematic and dynamic properties.
• Implement and understand the low-level actuator control methods.
• Describe the sensor and actuator modalities used in robotics, and explain their relevance for robot control.
• Apply system identification methods to improve robot models and adapt them to reality.
• Use probabilistic methods for robot localization.
• Generate a path for a mobile robot or manipulator using motion planning methods.
• Apply dynamical control methods on robotic systems such that they are robust against disturbances.
• Assess the strengths and limitations of different control methods presented in the course.
• Identify open challenges in robotics research and current trends in state-of-the-art.
• Communicate confidently using the terminology in the field of robotics.
• Cooperate and work in teams in order to solve tasks.

Examination

During the semester, students are required to complete 6 worksheets in groups of 4.
To pass the course, students must achieve a minimum of 50% on both the worksheets and the written exam.
The final grade is 40% based on worksheets and 60% on the written exam.

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-rn.pdf

Schwerpunkt: SQ
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-swt.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ub.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-dsms.pdf
Achtung: Sprache: Deutsch (Folien auf Englisch und Tutorium teilweise auf Englisch)

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
You can take IBAP-ML Grundlagen des Maschinellen Lernens in German or IBAP-ML Fundamentals of Machine Learning in English. The course content is the same and can only be credited once.

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-govtec.pdf
Die digitale Transformation des öffentlichen Sektors wird mit einer Fülle an unterschiedlichen Technologien vorangetrieben, die es ermöglichen, Prozesse zu automatisieren, die Effizienz zu steigern und die Interaktion mit Bürger*innen zu verbessern. Im Rahmen des Moduls Government Technology haben die Studierenden die Möglichkeit, solche Technologien anhand von Praxisbeispielen kennenzulernen und zu vertiefen. Hierbei werden auch die Chancen und Risiken der verschiedenen Technologien beleuchtet, um ein umfassendes Verständnis für deren Einsatz im öffentlichen Sektor zu erlangen. Dabei spielen Themen wie Künstliche Intelligenz, Blockchain, Robotic Process Automation und Mixed Reality eine wichtige Rolle. Im Rahmen des Moduls Government Technology haben die Studierenden nicht nur die Möglichkeit, theoretische Konzepte kennenzulernen, sondern auch anhand von realen Beispielen zu vertiefen. Hierbei werden konkrete Anwendungen und Projekte aus dem öffentlichen Sektor vorgestellt, die bereits mit den genannten Technologien umgesetzt wurden. Dabei lernen die Studierenden nicht nur die technischen Aspekte kennen, sondern auch die Herausforderungen, die bei der Einführung und Nutzung solcher Technologien im öffentlichen Sektor auftreten können.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ki.pdf

Für Informatik Studierende nach der neuen BPO ist es IBA, für Studierende nach der alten BPO ist es Fachinformatik 2.
https://lvb.informatik.uni-bremen.de/dmb/03-dmb-mi-1-mi2.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-ML Grundlagen des Maschinellen Lernens auf deutsch oder IBAP-ML Fundamentals of Machine Learning auf englisch belegt werden. Die Inhalte des Kurses sind gleich und nur ein Mal anrechenbar.

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-itm.pdf

Profil: SQ, KIKR
https://lvb.informatik.uni-bremen.de/ibat/03-ibat-lo.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-mrca.pdf
The lecture will take place at DFKI.

Robotics is a complex field that emerged at the intersection of multiple disciplines such as physics, mathematics and computer science. New advances in hardware and software design and progress in artificial intelligence enable robotics research to pursue higher goals and achieve increased autonomy in various environments. For instance, robots can operate in disaster zones for search and rescue operations, can be employed in rehabilitation and healthcare, space and underwater exploration, etc. Given the complexity of such scenarios, it is essential to develop robust robotic systems with a high degree of autonomy, able to assist humans in difficult and tedious tasks.

This course aims to provide the fundamentals of modern robot control approaches that enable robots to operate in the environment autonomously. The course introduces a basic understanding of robotics, along with tools and methods to control mobile robotic platforms and manipulators. Firstly, the course presents the basics of modeling robotic systems in terms of geometry, kinematics, and dynamics. Next, real robotic systems are considered with their different types of sensors and actuators. Furthermore, system identification as a means to adapt the robot model to the reality is treated. Finally, the course provides methods and approaches to control robots from a deliberative and reactive point of view. Students will put this knowledge into practice during tutorials and exercise sheets using Python implementation and robot simulations.

Contents

• Introduction to Robotics and AI: long term robot autonomy, artificial intelligence, deliberative vs. reactive control, robotic applications.
• Robot Geometry and Transformations: robot transformations in the 3D space, exponential and logarithmic maps, forward and inverse geometric models.
• Kinematics: definition of twists and wrenches for rigid bodies, geometric Jacobian formulation, forward and inverse kinematics.
• Dynamics: an introduction to Lagrangian and Newtonian mechanics, robot dynamics formulation, recursive Newton-Euler algorithm.
• Sensing and Actuation Modalities: types of sensors and actuators, sensor fusion, actuator control.
• System Identification: methods to identify geometry, kinematic and dyanmic parameters of a robot.
• Localization: direct and probabilistic methods for robot localization, odometry, global localization, particle filter.
• Path Planning: path vs. trajectory generation, graph-based methods for path planning (e.g. Djikstra, A*).
• Dynamic Control: PD gravity compensation control, computed torque control, admittance vs impedance control.

Learning Outcomes

At the end of the course, the student is expected to be able to:

• Have a basic understanding about autonomous robots and AI.
• Compute the coordinate transformations for rigid bodies commonly used in robotics.
• Apply the robot forward and inverse kinematics.
• Describe a robotic system based on its kinematic and dynamic properties.
• Implement and understand the low-level actuator control methods.
• Describe the sensor and actuator modalities used in robotics, and explain their relevance for robot control.
• Apply system identification methods to improve robot models and adapt them to reality.
• Use probabilistic methods for robot localization.
• Generate a path for a mobile robot or manipulator using motion planning methods.
• Apply dynamical control methods on robotic systems such that they are robust against disturbances.
• Assess the strengths and limitations of different control methods presented in the course.
• Identify open challenges in robotics research and current trends in state-of-the-art.
• Communicate confidently using the terminology in the field of robotics.
• Cooperate and work in teams in order to solve tasks.

Examination

During the semester, students are required to complete 6 worksheets in groups of 4.
To pass the course, students must achieve a minimum of 50% on both the worksheets and the written exam.
The final grade is 40% based on worksheets and 60% on the written exam.

https://lvb.informatik.uni-bremen.de/ibat/03-ibat-pn.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-rn.pdf

Schwerpunkt: SQ
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-swt.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ub.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-dsms.pdf
Achtung: Sprache: Deutsch (Folien auf Englisch und Tutorium teilweise auf Englisch)

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
You can take IBAP-ML Grundlagen des Maschinellen Lernens in German or IBAP-ML Fundamentals of Machine Learning in English. The course content is the same and can only be credited once.

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-govtec.pdf
Die digitale Transformation des öffentlichen Sektors wird mit einer Fülle an unterschiedlichen Technologien vorangetrieben, die es ermöglichen, Prozesse zu automatisieren, die Effizienz zu steigern und die Interaktion mit Bürger*innen zu verbessern. Im Rahmen des Moduls Government Technology haben die Studierenden die Möglichkeit, solche Technologien anhand von Praxisbeispielen kennenzulernen und zu vertiefen. Hierbei werden auch die Chancen und Risiken der verschiedenen Technologien beleuchtet, um ein umfassendes Verständnis für deren Einsatz im öffentlichen Sektor zu erlangen. Dabei spielen Themen wie Künstliche Intelligenz, Blockchain, Robotic Process Automation und Mixed Reality eine wichtige Rolle. Im Rahmen des Moduls Government Technology haben die Studierenden nicht nur die Möglichkeit, theoretische Konzepte kennenzulernen, sondern auch anhand von realen Beispielen zu vertiefen. Hierbei werden konkrete Anwendungen und Projekte aus dem öffentlichen Sektor vorgestellt, die bereits mit den genannten Technologien umgesetzt wurden. Dabei lernen die Studierenden nicht nur die technischen Aspekte kennen, sondern auch die Herausforderungen, die bei der Einführung und Nutzung solcher Technologien im öffentlichen Sektor auftreten können.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ki.pdf

Für Informatik Studierende nach der neuen BPO ist es IBA, für Studierende nach der alten BPO ist es Fachinformatik 2.
https://lvb.informatik.uni-bremen.de/dmb/03-dmb-mi-1-mi2.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-ML Grundlagen des Maschinellen Lernens auf deutsch oder IBAP-ML Fundamentals of Machine Learning auf englisch belegt werden. Die Inhalte des Kurses sind gleich und nur ein Mal anrechenbar.

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-itm.pdf

Profil: SQ, KIKR
https://lvb.informatik.uni-bremen.de/ibat/03-ibat-lo.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-mrca.pdf
The lecture will take place at DFKI.

Robotics is a complex field that emerged at the intersection of multiple disciplines such as physics, mathematics and computer science. New advances in hardware and software design and progress in artificial intelligence enable robotics research to pursue higher goals and achieve increased autonomy in various environments. For instance, robots can operate in disaster zones for search and rescue operations, can be employed in rehabilitation and healthcare, space and underwater exploration, etc. Given the complexity of such scenarios, it is essential to develop robust robotic systems with a high degree of autonomy, able to assist humans in difficult and tedious tasks.

This course aims to provide the fundamentals of modern robot control approaches that enable robots to operate in the environment autonomously. The course introduces a basic understanding of robotics, along with tools and methods to control mobile robotic platforms and manipulators. Firstly, the course presents the basics of modeling robotic systems in terms of geometry, kinematics, and dynamics. Next, real robotic systems are considered with their different types of sensors and actuators. Furthermore, system identification as a means to adapt the robot model to the reality is treated. Finally, the course provides methods and approaches to control robots from a deliberative and reactive point of view. Students will put this knowledge into practice during tutorials and exercise sheets using Python implementation and robot simulations.

Contents

• Introduction to Robotics and AI: long term robot autonomy, artificial intelligence, deliberative vs. reactive control, robotic applications.
• Robot Geometry and Transformations: robot transformations in the 3D space, exponential and logarithmic maps, forward and inverse geometric models.
• Kinematics: definition of twists and wrenches for rigid bodies, geometric Jacobian formulation, forward and inverse kinematics.
• Dynamics: an introduction to Lagrangian and Newtonian mechanics, robot dynamics formulation, recursive Newton-Euler algorithm.
• Sensing and Actuation Modalities: types of sensors and actuators, sensor fusion, actuator control.
• System Identification: methods to identify geometry, kinematic and dyanmic parameters of a robot.
• Localization: direct and probabilistic methods for robot localization, odometry, global localization, particle filter.
• Path Planning: path vs. trajectory generation, graph-based methods for path planning (e.g. Djikstra, A*).
• Dynamic Control: PD gravity compensation control, computed torque control, admittance vs impedance control.

Learning Outcomes

At the end of the course, the student is expected to be able to:

• Have a basic understanding about autonomous robots and AI.
• Compute the coordinate transformations for rigid bodies commonly used in robotics.
• Apply the robot forward and inverse kinematics.
• Describe a robotic system based on its kinematic and dynamic properties.
• Implement and understand the low-level actuator control methods.
• Describe the sensor and actuator modalities used in robotics, and explain their relevance for robot control.
• Apply system identification methods to improve robot models and adapt them to reality.
• Use probabilistic methods for robot localization.
• Generate a path for a mobile robot or manipulator using motion planning methods.
• Apply dynamical control methods on robotic systems such that they are robust against disturbances.
• Assess the strengths and limitations of different control methods presented in the course.
• Identify open challenges in robotics research and current trends in state-of-the-art.
• Communicate confidently using the terminology in the field of robotics.
• Cooperate and work in teams in order to solve tasks.

Examination

During the semester, students are required to complete 6 worksheets in groups of 4.
To pass the course, students must achieve a minimum of 50% on both the worksheets and the written exam.
The final grade is 40% based on worksheets and 60% on the written exam.

https://lvb.informatik.uni-bremen.de/ibat/03-ibat-pn.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-rn.pdf

Schwerpunkt: SQ
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-swt.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ub.pdf

Die Veranstaltung findet im Cartesium 3.01 statt.

Profil: SQ, KIKR
https://lvb.informatik.uni-bremen.de/ibat/03-ibat-lo.pdf

https://lvb.informatik.uni-bremen.de/ibat/03-ibat-pn.pdf

Die Veranstaltung findet im TAB in Raum 0.30 statt.
https://lvb.informatik.uni-bremen.de/ibv/03-ibvp-akr.pdf

This course deals with the idea of bringing knowledge into applications to support users in daily life. It therefore covers topics on how knowledge can be represented to be machine-understandable, how knowledge can be acquired from different sources (including Web scraping) and how such different knowledge chunks can be linked. It will further discuss how to reason about knowledge and how different agents like websites, AR applications or robots can use knowledge to support users in their daily life. All exercises will be available in platform-independent jupyter notebooks based on python and have low software requirements.

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-dsms.pdf
Achtung: Sprache: Deutsch (Folien auf Englisch und Tutorium teilweise auf Englisch)

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
You can take IBAP-ML Grundlagen des Maschinellen Lernens in German or IBAP-ML Fundamentals of Machine Learning in English. The course content is the same and can only be credited once.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ki.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-ML Grundlagen des Maschinellen Lernens auf deutsch oder IBAP-ML Fundamentals of Machine Learning auf englisch belegt werden. Die Inhalte des Kurses sind gleich und nur ein Mal anrechenbar.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-mrca.pdf
The lecture will take place at DFKI.

Robotics is a complex field that emerged at the intersection of multiple disciplines such as physics, mathematics and computer science. New advances in hardware and software design and progress in artificial intelligence enable robotics research to pursue higher goals and achieve increased autonomy in various environments. For instance, robots can operate in disaster zones for search and rescue operations, can be employed in rehabilitation and healthcare, space and underwater exploration, etc. Given the complexity of such scenarios, it is essential to develop robust robotic systems with a high degree of autonomy, able to assist humans in difficult and tedious tasks.

This course aims to provide the fundamentals of modern robot control approaches that enable robots to operate in the environment autonomously. The course introduces a basic understanding of robotics, along with tools and methods to control mobile robotic platforms and manipulators. Firstly, the course presents the basics of modeling robotic systems in terms of geometry, kinematics, and dynamics. Next, real robotic systems are considered with their different types of sensors and actuators. Furthermore, system identification as a means to adapt the robot model to the reality is treated. Finally, the course provides methods and approaches to control robots from a deliberative and reactive point of view. Students will put this knowledge into practice during tutorials and exercise sheets using Python implementation and robot simulations.

Contents

• Introduction to Robotics and AI: long term robot autonomy, artificial intelligence, deliberative vs. reactive control, robotic applications.
• Robot Geometry and Transformations: robot transformations in the 3D space, exponential and logarithmic maps, forward and inverse geometric models.
• Kinematics: definition of twists and wrenches for rigid bodies, geometric Jacobian formulation, forward and inverse kinematics.
• Dynamics: an introduction to Lagrangian and Newtonian mechanics, robot dynamics formulation, recursive Newton-Euler algorithm.
• Sensing and Actuation Modalities: types of sensors and actuators, sensor fusion, actuator control.
• System Identification: methods to identify geometry, kinematic and dyanmic parameters of a robot.
• Localization: direct and probabilistic methods for robot localization, odometry, global localization, particle filter.
• Path Planning: path vs. trajectory generation, graph-based methods for path planning (e.g. Djikstra, A*).
• Dynamic Control: PD gravity compensation control, computed torque control, admittance vs impedance control.

Learning Outcomes

At the end of the course, the student is expected to be able to:

• Have a basic understanding about autonomous robots and AI.
• Compute the coordinate transformations for rigid bodies commonly used in robotics.
• Apply the robot forward and inverse kinematics.
• Describe a robotic system based on its kinematic and dynamic properties.
• Implement and understand the low-level actuator control methods.
• Describe the sensor and actuator modalities used in robotics, and explain their relevance for robot control.
• Apply system identification methods to improve robot models and adapt them to reality.
• Use probabilistic methods for robot localization.
• Generate a path for a mobile robot or manipulator using motion planning methods.
• Apply dynamical control methods on robotic systems such that they are robust against disturbances.
• Assess the strengths and limitations of different control methods presented in the course.
• Identify open challenges in robotics research and current trends in state-of-the-art.
• Communicate confidently using the terminology in the field of robotics.
• Cooperate and work in teams in order to solve tasks.

Examination

During the semester, students are required to complete 6 worksheets in groups of 4.
To pass the course, students must achieve a minimum of 50% on both the worksheets and the written exam.
The final grade is 40% based on worksheets and 60% on the written exam.

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-rn.pdf

Schwerpunkt: SQ
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-swt.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ub.pdf

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-govtec.pdf
Die digitale Transformation des öffentlichen Sektors wird mit einer Fülle an unterschiedlichen Technologien vorangetrieben, die es ermöglichen, Prozesse zu automatisieren, die Effizienz zu steigern und die Interaktion mit Bürger*innen zu verbessern. Im Rahmen des Moduls Government Technology haben die Studierenden die Möglichkeit, solche Technologien anhand von Praxisbeispielen kennenzulernen und zu vertiefen. Hierbei werden auch die Chancen und Risiken der verschiedenen Technologien beleuchtet, um ein umfassendes Verständnis für deren Einsatz im öffentlichen Sektor zu erlangen. Dabei spielen Themen wie Künstliche Intelligenz, Blockchain, Robotic Process Automation und Mixed Reality eine wichtige Rolle. Im Rahmen des Moduls Government Technology haben die Studierenden nicht nur die Möglichkeit, theoretische Konzepte kennenzulernen, sondern auch anhand von realen Beispielen zu vertiefen. Hierbei werden konkrete Anwendungen und Projekte aus dem öffentlichen Sektor vorgestellt, die bereits mit den genannten Technologien umgesetzt wurden. Dabei lernen die Studierenden nicht nur die technischen Aspekte kennen, sondern auch die Herausforderungen, die bei der Einführung und Nutzung solcher Technologien im öffentlichen Sektor auftreten können.

Für Informatik Studierende nach der neuen BPO ist es IBA, für Studierende nach der alten BPO ist es Fachinformatik 2.
https://lvb.informatik.uni-bremen.de/dmb/03-dmb-mi-1-mi2.pdf

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-itm.pdf

https://lvb.informatik.uni-bremen.de/igs/03-ibfs-tstud.pdf
Zu Beginn jedes Semesters findet eine Infoveranstaltung statt, wo die Scheinkriterien für Versuchspersonen erläutert werden. Außerdem werden (aufbauend auf den Inhalten von WA1) Forschungsmethoden von Studien mit Versuchspersonen vermittelt.
Im weiteren Verlauf des Studiums sollen Studierende 15 Versuchspersonenstunden absolvieren (d.h. an mehreren Studien teilnehmen). Jede Studienteilnahme wird mit Versuchspersonenstunden vergütet, die in ECTS anerkannt werden können. Die Versuchspersonenstunden können über mehre Semester gesammelt werden.
Die Teilnahme an den Studien soll in einer schriftlichen Ausarbeitung dokumentiert und reflektiert werden.



At the beginning of each semester, an information session is held where the certificate criteria for subjects are explained. In addition, research methods of studies with test subjects are taught (building on the contents of WA1).

Later in the program, students are expected to complete 15 subject hours (i.e., participate in different studies). Each study participation is compensated with subject hours, which can be recognized in ECTS. The subject hours may be accumulated over multiple semesters.

Participation in the studies should be documented and reflected upon in a written paper at the end.
The selection of participants is made manually after registration.

Users who wish to register for this event will receive more detailed information and can then still decide against participation.

EW-L GO Schlüsselqualifikation
EW - L PE Schlüsselqualifikationen

Das Seminar versteht sich als Salon, als Denklabor, das sich mit Fragen rund um die Relevanz und Wirkungskraft von Theater und Performance in der gegenwärtigen gesellschaftlichen Situation befasst. Umgekehrt fragen wir auch, worauf sich unser gegenwärtiges Theaterverständnis überhaupt gründet und welche dieser Theorien uns für die Praxis noch sinnstiftend erscheinen: Brauchen wir zum Beispiel ein distanzierendes Theater (Brecht)? Gibt es ein heiliges Theater (Brook)? Was ist ein Theater der Grausamkeit (Artaud)? Sollte man überhaupt noch Theater machen oder müssten wir neue Interaktionsformen (er)finden, um gesellschaftliche Verständigungsprozesse anzuregen? Angelehnt an Schechners These, „performance is showing doing“, werden wir auch praktische Übungen auswerten und aktuelle Inszenierungen und andere kulturelle Interaktionsformen dahingehend befragen, inwiefern sie gesellschaftliche Wirklichkeit gegenwärtig mitgestalten (können).

Das Seminar heißt Studierende aller Fachrichtungen mit und ohne Vorkenntnisse willkommen und lädt zum interdisziplinären Dialog über die Mitgestaltung kollektiver Wirklichkeiten ein.

Die Veranstaltung wird möglicherweise außerhalb der Universität im städtischen Raum stattfinden, der Veranstaltungsort wird in dem Fall noch bekanntgegeben!

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-c++.pdf
Das Modul kann nur in der freien Wahl angerechnet werden.
Der Kurs findet voraussichtlich vom 18. bis 25.09.2026 von 08-13h statt.
Am 09.10.2026 Programmiertest im Testcenter.
Die Inhalte dieser Veranstaltung werden für Technische Informatik 2 (Studiengang Informatik) und Computergraphik vorausgesetzt.
Mit dem abschließenden Programmiertest können 2 ECTS für "freie Wahl" (unbenotet) erworben werden.

EW-L GO Schlüsselqualifikation
EW - L PE Schlüsselqualifikationen

Seminar mit Texten, Übungen und Exkursionen (Aufführungsbesuche)
für TN des Zertifikatsstudiums "Performance und Theater in Schule" (PuTS, Darstellendes Spiel)

Das Seminar vertieft und schärft das Betrachten von und das Sprechen über Theater, Performance und Tanz. In den Wochenendblöcken beschäftigen wir uns mit der Theorie.
Wir widmen uns Grundbegriffen der Theaterwissenschaften und Performance Studies, besprechen dramaturgische Grundlagen und wagen einen Blick in die Theatergeschichte. Darüber hinaus werden auch theoretische Grundlagen der Theaterpädagogik Thema sein.
Begleitend werden gemeinsam verschiedene Aufführungen besucht und besprochen, um die theoretisch erarbeiteten Inhalte in der Praxis zu erleben. Die Auswahl der zu besuchenden Inszenierungen erfolgt im Laufe des Semesters.

Das Seminar ist Teil des Studienprogramms „Performance und Theater in Schule (PuTS)“. Darüber hinaus ist es für Studierende aller Fachrichtungen offen und für den Bereich General Studies anrechenbar.

Die genauen Termine werden im Kurs abgesprochen.
VORBESPRECHUNG mit weiteren Informationen am MONTAG 13.04.2026 um 15 Uhr im MZH 1090.

Die Veranstaltung WKWA richtet sich insbesondere an Erst- oder Zweitsemester der Informatik-Studiengänge, ist jedoch (im Rahmen der kapazitären Möglichkeiten) offen für alle Interessierten.
Die Veranstaltung wird jedes Semester angeboten.

Die Veranstaltung findet im TAB in Raum 0.30 statt.
https://lvb.informatik.uni-bremen.de/ibv/03-ibvp-akr.pdf

This course deals with the idea of bringing knowledge into applications to support users in daily life. It therefore covers topics on how knowledge can be represented to be machine-understandable, how knowledge can be acquired from different sources (including Web scraping) and how such different knowledge chunks can be linked. It will further discuss how to reason about knowledge and how different agents like websites, AR applications or robots can use knowledge to support users in their daily life. All exercises will be available in platform-independent jupyter notebooks based on python and have low software requirements.

Profil: KIKR, DMI, MC.
Schwerpunkt: IMAP-VMC, IMAP-DMI, IMVP-AI
https://lvb.informatik.uni-bremen.de/imap/03-imap-acg.pdf
The lecture will be held in German or English, depending on demand. Most of the homework and assignments of this course will be practical ones. Decent programming skills in C++ are required to work on those.
https://cgvr.cs.uni-bremen.de/teaching/

Profil: SQ, KIKR.
Schwerpunkt: IMA-SQ, IMVT-AI, IMVT-VMC
weitere Studiengänge: M-M-Alg-Num, M-T
https://lvb.informatik.uni-bremen.de/imat/03-imat-apx.pdf

A large number of problems arising in practical scenarios like communication, transportation, planning, logistics etc. can be modeled as combinatorial optimization problems. In most cases, these problems are computationally intractable and one often resorts to heuristics that provide sufficiently good solutions in reasonable amount of runtime. However, in most cases, such heuristics do not provide a worst case guarantee on the performance in comparison to the optimum solution. In this course, we shall study algorithms for combinatorial optimization problems which can provide strong mathematical guarantees on performance. The course aims at developing a toolkit for solving such problems. The lectures will consist of designing polynomial-time algorithms and proving rigorous bounds on their worst case performances.
We review many classical results in the field of approximation algorithms, highlighting different techniques commonly used for the design of such algorithms. Among others, we will treat the following topics:
• Greedy algorithms and Local Search
• Rounding Data and Dynamic Programming
• Deterministic Rounding of Linear Programs (LPs)
• Random Sampling and Randomized Rounding of LPs
• Primal-Dual Methods
• Hardness of Approximation
• Problem Solving under Uncertainty

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-bbdc.pdf
Inhalt:
Das Seminar beschäftigt sich mit der Aufgabe der diesjährigen Bremen Big Data Challenge (BBDC). Die Teilnehmer:innen des Seminars stellen ihre Lösung der Aufgabe in einer Ausarbeitung im Umfang von zwei Seiten und in einer Präsentation vor den anderen Teilnehmer:innen vor.
Weitere Details zur Challenge: https://bbdc.csl.uni-bremen.de
Ziele:
Während der Challenge erarbeiten die Teilnehmer:innen selbständig eine Lösung für die diesjährige Bremen Big Data Challenge. Sie lernen und vertiefen dabei ihre Kenntnisse der Datenanalyse und des Maschinellen Lernens anhand eines praktischen Beispiels. Die Studierenden lernen präzise ihr Vorgehen und Ergebnisse in einem wissenschaftlichen Format zusammenzufassen und zu präsentieren.
Ablauf:
Der Kickoff Termin ist der 7.4., 14:15-15:45, Cartesium Raum 0.01, hier werden Scheinbedingungen und Fragen geklärt. Ein weiterer Termin für Fragen findet am 4.5., 14:15-15:45 (ebenfalls in Raum 0.01) statt. Der Abschlusstermin wird in Absprache mit den Teilnehmenden bestimmt. Hier stellen die Studierenden ihre Präsentation vor.
Sprache:
Die primäre Sprache ist Deutsch. Englische Ausarbeitung und Vorträge sind ebenfalls möglich und erwünscht.

Profil: SQ.
Schwerpunkt: IMVP-DMI, IMVP-SQ
https://lvb.informatik.uni-bremen.de/imap/03-imap-dis.pdf
Die Veranstaltung ist inhaltlich identisch mit "Entwurf von Informationssystemen" (keine Doppelanerkennung möglich).

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-dsms.pdf
Achtung: Sprache: Deutsch (Folien auf Englisch und Tutorium teilweise auf Englisch)

Nur für Studierende, die IUG belegt haben, und nach Absprache mit dem Dozenten.
Zeiten und Räume wie IUG
Die Vorbesprechung findet am 10. April 2026 von 12-14h statt im MZH 1090.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
You can take IBAP-ML Grundlagen des Maschinellen Lernens in German or IBAP-ML Fundamentals of Machine Learning in English. The course content is the same and can only be credited once.

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-govtec.pdf
Die digitale Transformation des öffentlichen Sektors wird mit einer Fülle an unterschiedlichen Technologien vorangetrieben, die es ermöglichen, Prozesse zu automatisieren, die Effizienz zu steigern und die Interaktion mit Bürger*innen zu verbessern. Im Rahmen des Moduls Government Technology haben die Studierenden die Möglichkeit, solche Technologien anhand von Praxisbeispielen kennenzulernen und zu vertiefen. Hierbei werden auch die Chancen und Risiken der verschiedenen Technologien beleuchtet, um ein umfassendes Verständnis für deren Einsatz im öffentlichen Sektor zu erlangen. Dabei spielen Themen wie Künstliche Intelligenz, Blockchain, Robotic Process Automation und Mixed Reality eine wichtige Rolle. Im Rahmen des Moduls Government Technology haben die Studierenden nicht nur die Möglichkeit, theoretische Konzepte kennenzulernen, sondern auch anhand von realen Beispielen zu vertiefen. Hierbei werden konkrete Anwendungen und Projekte aus dem öffentlichen Sektor vorgestellt, die bereits mit den genannten Technologien umgesetzt wurden. Dabei lernen die Studierenden nicht nur die technischen Aspekte kennen, sondern auch die Herausforderungen, die bei der Einführung und Nutzung solcher Technologien im öffentlichen Sektor auftreten können.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ki.pdf

Für Informatik Studierende nach der neuen BPO ist es IBA, für Studierende nach der alten BPO ist es Fachinformatik 2.
https://lvb.informatik.uni-bremen.de/dmb/03-dmb-mi-1-mi2.pdf

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-ML Grundlagen des Maschinellen Lernens auf deutsch oder IBAP-ML Fundamentals of Machine Learning auf englisch belegt werden. Die Inhalte des Kurses sind gleich und nur ein Mal anrechenbar.

Profil: SQ
Schwerpunkt: IMAP-SQ
https://lvb.informatik.uni-bremen.de/imap/03-imap-isps.pdf

https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-itm.pdf

3 SWS Seminar
Raum im KKSB Linz 4
Homepage des KKSB und Uni-Lageplan

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-kibr.pdf
Wahlmodul "Spezielle Themen der Künstlichen Intelligenz".
Die Veranstaltung findet im TAB 0.30/31 statt.

Schwerpunkt: IMA-AI
https://lvb.informatik.uni-bremen.de/imap/03-imap-llml.pdf

Profil: SQ, KIKR
https://lvb.informatik.uni-bremen.de/ibat/03-ibat-lo.pdf

Mathematik ist die Grundlage moderner Schlüsseltechnologien – von KI und Machine Learning bis hin zum Klimaschutz und der Datenanalyse. Da universitäre Mathematik direkt auf Schulwissen aufbaut, schließt dieser Kurs die Lücke zwischen Schule und Hochschule. Er dient der umfassenden Wiederholung und Festigung jener Basiskompetenzen („Handwerkszeug“), die für kommende Fachsemester essenziell sind.

Schwerpunkt: IMAP-VMC, IMVP-DMI. IMVP-AI
https://lvb.informatik.uni-bremen.de/imap/03-imap-mia.pdf

Das Seminar vermittelt grundlegende Konzepte und Verfahren der Metaheuristik zur Lösung komplexer Optimierungsprobleme, für die keine exakten Algorithmen existieren. Behandelt werden unter anderem Simulated Annealing, Tabu Search, Genetische Algorithmen und weitere populationsbasierte Verfahren.

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-mrca.pdf
The lecture will take place at DFKI.

Robotics is a complex field that emerged at the intersection of multiple disciplines such as physics, mathematics and computer science. New advances in hardware and software design and progress in artificial intelligence enable robotics research to pursue higher goals and achieve increased autonomy in various environments. For instance, robots can operate in disaster zones for search and rescue operations, can be employed in rehabilitation and healthcare, space and underwater exploration, etc. Given the complexity of such scenarios, it is essential to develop robust robotic systems with a high degree of autonomy, able to assist humans in difficult and tedious tasks.

This course aims to provide the fundamentals of modern robot control approaches that enable robots to operate in the environment autonomously. The course introduces a basic understanding of robotics, along with tools and methods to control mobile robotic platforms and manipulators. Firstly, the course presents the basics of modeling robotic systems in terms of geometry, kinematics, and dynamics. Next, real robotic systems are considered with their different types of sensors and actuators. Furthermore, system identification as a means to adapt the robot model to the reality is treated. Finally, the course provides methods and approaches to control robots from a deliberative and reactive point of view. Students will put this knowledge into practice during tutorials and exercise sheets using Python implementation and robot simulations.

Contents

• Introduction to Robotics and AI: long term robot autonomy, artificial intelligence, deliberative vs. reactive control, robotic applications.
• Robot Geometry and Transformations: robot transformations in the 3D space, exponential and logarithmic maps, forward and inverse geometric models.
• Kinematics: definition of twists and wrenches for rigid bodies, geometric Jacobian formulation, forward and inverse kinematics.
• Dynamics: an introduction to Lagrangian and Newtonian mechanics, robot dynamics formulation, recursive Newton-Euler algorithm.
• Sensing and Actuation Modalities: types of sensors and actuators, sensor fusion, actuator control.
• System Identification: methods to identify geometry, kinematic and dyanmic parameters of a robot.
• Localization: direct and probabilistic methods for robot localization, odometry, global localization, particle filter.
• Path Planning: path vs. trajectory generation, graph-based methods for path planning (e.g. Djikstra, A*).
• Dynamic Control: PD gravity compensation control, computed torque control, admittance vs impedance control.

Learning Outcomes

At the end of the course, the student is expected to be able to:

• Have a basic understanding about autonomous robots and AI.
• Compute the coordinate transformations for rigid bodies commonly used in robotics.
• Apply the robot forward and inverse kinematics.
• Describe a robotic system based on its kinematic and dynamic properties.
• Implement and understand the low-level actuator control methods.
• Describe the sensor and actuator modalities used in robotics, and explain their relevance for robot control.
• Apply system identification methods to improve robot models and adapt them to reality.
• Use probabilistic methods for robot localization.
• Generate a path for a mobile robot or manipulator using motion planning methods.
• Apply dynamical control methods on robotic systems such that they are robust against disturbances.
• Assess the strengths and limitations of different control methods presented in the course.
• Identify open challenges in robotics research and current trends in state-of-the-art.
• Communicate confidently using the terminology in the field of robotics.
• Cooperate and work in teams in order to solve tasks.

Examination

During the semester, students are required to complete 6 worksheets in groups of 4.
To pass the course, students must achieve a minimum of 50% on both the worksheets and the written exam.
The final grade is 40% based on worksheets and 60% on the written exam.

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-naki.pdf

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-hto.pdf
A large number of problems arising in practical scenarios like communication, transportation, planning, logistics etc. can be formulated as discrete linear optimization problems. This course briefly introduces the theory of such problems. We develop a toolkit to model real-world problems as (discrete) linear programs. We also explore several ways to find integer solutions such as cutting planes, branch & bound, and column generation.

Throughout the course, we learn these skills by modeling and solving, for example, scheduling, packing, matching, routing, and network-design problems. We focus on translating practical examples into mixed-integer linear programs. We learn how to use solvers (such as CPLEX, Gurobi, Xpress and free ones) and tailor the solution process to certain properties of the problem.

This course consists of two phases:

• One week Mon-Fri (full day, 9-5) of lectures and practical labs: July 14-18, in MZH.
• A subsequent project period: One problem has to be modeled, implemented, and solved individually or in a group of at most three students. The topic will be provided by the lecturers and will be discussed on the last day of the block course. The project including the implementation has to be presented in the beginning of the winter semester.

There are no prerequisites except some basic programming skills to participate.

https://lvb.informatik.uni-bremen.de/ibat/03-ibat-pn.pdf

Biologische Vielfalt ist die Grundlage gesunder Ökosysteme, nicht nur im tropischen Regenwald oder in den Polarregionen, sondern auch direkt vor unserer Haustür. Artenvielfalt sichert unsere Lebensgrundlagen, stabilisiert ökologische Kreisläufe und trägt zu Lebensqualität bei. Doch aktuell erleben wir weltweit und auch in Deutschland einen massiven Rückgang an Biodiversität. Ursachen sind unter anderem Lebensraumverlust durch Bebauung und Intensivlandwirtschaft, Umweltverschmutzung, Klimawandel und die Ausbreitung invasiver Arten. Aus diesen Entwicklungen erwachsen dringende Notwendigkeiten für Schutz- und Erhaltungsmaßnahmen – lokal wie global.
In diesem Projektseminar erkunden wir zentrale Orte urbaner Biodiversität in Bremen: von naturnah gestalteten Gärten über innerstädtische Naturschutzgebiete bis hin zu ökologisch wertvollen Brachflächen. In Zusammenarbeit mit Praxispartner*innen wie dem BUND, NABU, der Landesjägerschaft Bremen und weiteren Initiativen lernen die Studierenden die Rolle und Bedeutung dieser Orte kennen, diskutieren aktuelle Herausforderungen im Artenschutz und setzen sich mit konkreten Maßnahmen auseinander. Bei praktischen Pflegearbeiten und Forschungsaufgaben packen die Teilnehmenden selbst mit an und erfahren, wie Schutzstrategien vor Ort umgesetzt werden können.
Das Seminar verbindet fachliche Einblicke, Exkursionen und praxisorientiertes Lernen mit der Reflexion über die eigene Rolle im gesellschaftlichen Engagement für Biodiversität – und trägt so zum Erwerb zentraler Kompetenzen im Bereich Nachhaltigkeit bei.

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-c++.pdf
Das Modul kann nur in der freien Wahl angerechnet werden.
Der Kurs findet voraussichtlich vom 18. bis 25.09.2026 von 08-13h statt.
Am 09.10.2026 Programmiertest im Testcenter.
Die Inhalte dieser Veranstaltung werden für Technische Informatik 2 (Studiengang Informatik) und Computergraphik vorausgesetzt.
Mit dem abschließenden Programmiertest können 2 ECTS für "freie Wahl" (unbenotet) erworben werden.

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-pbvml.pdf
Das Proseminar findet als Blockveranstaltung online statt. Der Termin wird den Interessenten rechtzeitig mitgeteilt

Profil: SQ.
Schwerpunkt: IMAP-SQ
https://lvb.informatik.uni-bremen.de/imap/03-imap-qse.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-rn.pdf

Profil: KIKR.
Schwerpunkt: IMA-AI, IMVP-VMC
https://lvb.informatik.uni-bremen.de/imap/03-imap-rl.pdf
Die Veranstaltung findet im DFKI statt.

https://lvb.informatik.uni-bremen.de/imap/03-imap-secoro.pdf

Schwerpunkt: SQ
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-swt.pdf

Profil: SQ, KIKR.
Schwerpunkt: IMVT-SQ, IMVT-AI
https://lvb.informatik.uni-bremen.de/imat/03-imat-trs.pdf

https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ub.pdf

Profil: KIKR, DMI
Schwerpunkt: IMA-AI, IMVP-DMI, IMVP-VMC
https://lvb.informatik.uni-bremen.de/imap/03-imap-uuw.pdf