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.

Die Veranstaltung findet online asynchron statt.
Zusammen mit DBM Ersatz für SWP1.

Kurzbeschreibung:
Diese Veranstaltung ist nur für Informatik/Wirtschaftsinformatik-Bachelorstudierende ab 4. Sem.
Sie ersetzt in Kombination mit der Veranstaltung ,,Datenbankgrundlagen und Modellierung“ (s. Lehrangebot 2. Semester) das nicht mehr angebotene Modul ,,Softwareprojekt 1“.
Ziel der Veranstaltung ist die Vermittlung grundlegender Kenntnisse bzgl. der Planung und Durchführung von Softwareprojekten. Dazu werden ausgewählte Aspekte von Software-Entwicklungsprozessen, der Projektplanung, der Anforderungsanalyse, des Architekturentwurfs und des Testens beleuchtet.

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.

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

„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 11.April 2025 von 12 bis 14 Uhr im MZH 1380/1400 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 2. Semesterwoche

Algorithms are a fundamental part of computer science. An algorithm is an abstract description of a procedure for solving a problem. Understanding how to design efficient algorithms is an essential skill for developing complex programs, models, and applications.

This course assumes basic knowledge of algorithm design principles and algorithm analysis. Building on these foundatinos, we explore faster and more sophisticated algorithms for well-known problems such as

• network flows, and
• maximum matchings in bipartite graphs.

Beyond these, we study more general problems and develop algorithms to solve them, including:

• minimum-cost flows, 
• maximum matchings in general graphs, and
• stable matchings.

Additionally, we introduce new concepts that model a broad class of fundamental problems and explore fast meta-algorithms for them. These topics include:

• linear programming and the ellipsoid method, and
• matroids, the Greedy algorithm, and matroid intersection.

The goals of this course are to provide a broad overview of fundamental problems in algorithmics and combinatorial optimization. Moreover, participants will develop a strong toolkit for designing and analyzing efficient algorithms, well beyond the standard undergraduate level in algorithm theory.

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

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-MLd (deutsch) oder IBAP-MLe (englisch) belegt werden, aber der Kurs ist nur ein Mal anrechenbar!

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
IBAP-MLd (German) or IBAP-MLe (English) can be taken, but the course can only be credited once!

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

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
Selbststudium mit abschließender mündlicher Prüfung
Am 15.04.25 um 17:00h findet ein Info-Termin über BBB statt.

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

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

Algorithms are a fundamental part of computer science. An algorithm is an abstract description of a procedure for solving a problem. Understanding how to design efficient algorithms is an essential skill for developing complex programs, models, and applications.

This course assumes basic knowledge of algorithm design principles and algorithm analysis. Building on these foundatinos, we explore faster and more sophisticated algorithms for well-known problems such as

• network flows, and
• maximum matchings in bipartite graphs.

Beyond these, we study more general problems and develop algorithms to solve them, including:

• minimum-cost flows, 
• maximum matchings in general graphs, and
• stable matchings.

Additionally, we introduce new concepts that model a broad class of fundamental problems and explore fast meta-algorithms for them. These topics include:

• linear programming and the ellipsoid method, and
• matroids, the Greedy algorithm, and matroid intersection.

The goals of this course are to provide a broad overview of fundamental problems in algorithmics and combinatorial optimization. Moreover, participants will develop a strong toolkit for designing and analyzing efficient algorithms, well beyond the standard undergraduate level in algorithm theory.

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

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.
IBAP-MLd (German) or IBAP-MLe (English) can be taken, but the course can only be credited once!

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-MLd (deutsch) oder IBAP-MLe (englisch) belegt werden, aber der Kurs ist 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

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
Selbststudium mit abschließender mündlicher Prüfung
Am 15.04.25 um 17:00h findet ein Info-Termin über BBB statt.

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

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

Algorithms are a fundamental part of computer science. An algorithm is an abstract description of a procedure for solving a problem. Understanding how to design efficient algorithms is an essential skill for developing complex programs, models, and applications.

This course assumes basic knowledge of algorithm design principles and algorithm analysis. Building on these foundatinos, we explore faster and more sophisticated algorithms for well-known problems such as

• network flows, and
• maximum matchings in bipartite graphs.

Beyond these, we study more general problems and develop algorithms to solve them, including:

• minimum-cost flows, 
• maximum matchings in general graphs, and
• stable matchings.

Additionally, we introduce new concepts that model a broad class of fundamental problems and explore fast meta-algorithms for them. These topics include:

• linear programming and the ellipsoid method, and
• matroids, the Greedy algorithm, and matroid intersection.

The goals of this course are to provide a broad overview of fundamental problems in algorithmics and combinatorial optimization. Moreover, participants will develop a strong toolkit for designing and analyzing efficient algorithms, well beyond the standard undergraduate level in algorithm theory.

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

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.
IBAP-MLd (German) or IBAP-MLe (English) can be taken, but the course can only be credited once!

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-MLd (deutsch) oder IBAP-MLe (englisch) belegt werden, aber der Kurs ist 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

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
Selbststudium mit abschließender mündlicher Prüfung
Am 15.04.25 um 17:00h findet ein Info-Termin über BBB statt.

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

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

Bei CollabVR dreht sich alles um die Entwicklung eines innovativen VR-Kollaborationsraums und dessen anschließende wissenschaftliche Analyse. Teilnehmer tauchen tief in die Welt der modernen Kollaborationstechnologien ein und entdecken ihre vielfältigen Einsatzmöglichkeiten. Kreiere neue Wege mit deinen Freunden und Kommolitonen in Kontakt zu treten und dich auszudrücken. Dabei stehen theoretische Grundlagen im Einklang mit praxisnahen Anwendungen. Der Höhepunkt ist das eigenständige Entwerfen eines einzigartigen VR-Kollaborationskonzepts und die Programmierung eines VR-Kollaborationssystems in einer Gameengine (Unity oder Unreal Engine 5), welches kreatives Denken und technisches Know-how vereint. Hast du Spaß auf mehr? Eine einzigartige neue Welt erwartet dich!

Das Plenum findet in Raum 5410 statt

Algorithms are a fundamental part of computer science. An algorithm is an abstract description of a procedure for solving a problem. Understanding how to design efficient algorithms is an essential skill for developing complex programs, models, and applications.

This course assumes basic knowledge of algorithm design principles and algorithm analysis. Building on these foundatinos, we explore faster and more sophisticated algorithms for well-known problems such as

• network flows, and
• maximum matchings in bipartite graphs.

Beyond these, we study more general problems and develop algorithms to solve them, including:

• minimum-cost flows, 
• maximum matchings in general graphs, and
• stable matchings.

Additionally, we introduce new concepts that model a broad class of fundamental problems and explore fast meta-algorithms for them. These topics include:

• linear programming and the ellipsoid method, and
• matroids, the Greedy algorithm, and matroid intersection.

The goals of this course are to provide a broad overview of fundamental problems in algorithmics and combinatorial optimization. Moreover, participants will develop a strong toolkit for designing and analyzing efficient algorithms, well beyond the standard undergraduate level in algorithm theory.

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.

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.
IBAP-MLd (German) or IBAP-MLe (English) can be taken, but the course can only be credited once!

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-MLd (deutsch) oder IBAP-MLe (englisch) belegt werden, aber der Kurs ist nur ein Mal anrechenbar!

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

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
Selbststudium mit abschließender mündlicher Prüfung
Am 15.04.25 um 17:00h findet ein Info-Termin über BBB statt.

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-bub.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.

60 Lehrveranstaltungen in Deutsch und Englisch für Bachelor- und Masterstudentinnen aller Fächer. Als General Studies sowie teilweise als Fachstudium im Sommersemester 2025 sowie im Wintersemester 2025/26 anerkannt.
Alle Einzelangaben, Zeiten und Anmeldungen jederzeit nur über die Website https://www.informatica-feminale.de.
60 courses in German and English for women Bachelor and Master students from all fields of study. Courses are part of General Studies, some are accepted in Informatics; in the summer semester 2025 as well as in winter semester 2025/26.
Further information, schedules and registration only on the website https://www.informatica-feminale.de.

Diese Veranstaltung richtet sich an Informatikstudierende, die in absehbarer Zeit mit den Vorarbeiten zu ihrer Bachelor-Arbeit beginnen wollen und sich zum einen über einige Formalia informieren wollen und beim Einblick in bereits geschriebene Bachelor-Arbeiten ein Gefühl dafür entwickeln möchten, wie so etwas aussehen kann.

Die Veranstaltung beginnt mit wenigen Informationsterminen zu Semesterbeginn (für Organisatorisches und Formales). Im sp’teren Verlauf des Semesters werden dann an verschiedenen Terminen, die noch im Kurs abgesprochen werden, Präsentationen von Bachelor-Arbeiten statt.

Vorbesprechung: Donnerstag ??? von 16-18h im MZH 6200

FAQ-Termin: Donnerstag ??? von 16-18h im MZH 6200

Die weiteren Termine werden später im Kurs vereinbart.


HINWEIS FÜR STUDIERENDE NACH DER „ALTEN“ INFORMATIK-BPO:
Diese Veranstaltung ist inhaltsgleicher Ersatz für die frühere Veranstaltung „Wissenschaftliches Arbeiten 2“.

https://lvb.informatik.uni-bremen.de/igs/03-ibfs-rmis.pdf

Die genauen Termine werden im Kurs abgesprochen.
VORBESPRECHUNG mit weiteren Informationen am MONTAG 07.04.2025 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.

60 Lehrveranstaltungen in Deutsch und Englisch für Bachelor- und Masterstudentinnen aller Fächer. Als General Studies sowie teilweise als Fachstudium im Sommersemester 2025 sowie im Wintersemester 2025/26 anerkannt.
Alle Einzelangaben, Zeiten und Anmeldungen jederzeit nur über die Website https://www.informatica-feminale.de.
60 courses in German and English for women Bachelor and Master students from all fields of study. Courses are part of General Studies, some are accepted in Informatics; in the summer semester 2025 as well as in winter semester 2025/26.
Further information, schedules and registration only on the website https://www.informatica-feminale.de.

4 SWS, Profil: DMI
Schwerpunkt: IMVA-DMI
https://lvb.informatik.uni-bremen.de/imva/03-imva-3dmft.pdf
Kurzbeschreibung unter: http://dimeb.informatik.uni-bremen.de/FabLab/GenerativeDesign.pdf
Präsenz-Meeting mittwochs 10-12h und anschließend 2 Std Übungen im FabLab wöchentlich.

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.

Algorithms are a fundamental part of computer science. An algorithm is an abstract description of a procedure for solving a problem. Understanding how to design efficient algorithms is an essential skill for developing complex programs, models, and applications.

This course assumes basic knowledge of algorithm design principles and algorithm analysis. Building on these foundatinos, we explore faster and more sophisticated algorithms for well-known problems such as

• network flows, and
• maximum matchings in bipartite graphs.

Beyond these, we study more general problems and develop algorithms to solve them, including:

• minimum-cost flows, 
• maximum matchings in general graphs, and
• stable matchings.

Additionally, we introduce new concepts that model a broad class of fundamental problems and explore fast meta-algorithms for them. These topics include:

• linear programming and the ellipsoid method, and
• matroids, the Greedy algorithm, and matroid intersection.

The goals of this course are to provide a broad overview of fundamental problems in algorithmics and combinatorial optimization. Moreover, participants will develop a strong toolkit for designing and analyzing efficient algorithms, well beyond the standard undergraduate level in algorithm theory.

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/

Schwerpunkt: IMVA-AI, IMVA-DMI
https://lvb.informatik.uni-bremen.de/imva/03-imva-acss.pdf
The aim of this course is to create an understanding of the major aspects of sports applications. The course is split into two parts: the first half has a classic lecture/tutorial style, whereas the second half will focus on the creation of individual sports applications.

The lectures will explain the necessary fundamentals, such as sensor technology, user feedback, and the conduction of empirical studies, along with a number of inspiring examples.

In the project part, own prototypes for sports applications are developed in small groups. The exact application as well as the technical implementation approach can be chosen freely. The final graded outcome of the course will be a small sports application about which a presentation has to be held and a documentation in a scientific paper style has to be written.

The course will be held in English.

Schwerpunkt: AI, DMI

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

Profil: KIKR, DMI.
https://lvb.informatik.uni-bremen.de/ims/03-ims-apmsk.pdf
Die Veranstaltung findet in Englischer Sprache statt.

https://lvb.informatik.uni-bremen.de/imat/03-imat-bl.pdf
Profil: KIKR, DMI
Schwerpunkt: IMA-AI, IMVT-DMI

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

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

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-bbdc.pdf
Inhalt:
Das Seminar beschäftigt sich mit der Big-Data-Aufgabe der diesjährigen Bremen Big Data Challenge (BBDC). Die Teilnehmer:innen des Seminars stellen ihre Lösung der Aufgabe in einer Ausarbeitung im Umfang von sechs Seiten und in einer Präsentation vor den anderen Teilnehmer:innen vor.
Weitere Details zur Challenge: https://bbdc.csl.uni-bremen.de
Ziele:
Die Teilnehmer:innen erarbeiten, unterstützt durch eine:n Betreuer:inn, selbständig eine Lösung für die aktuelle 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 9.4., 13:15-14:45, Cartesium Raum 0.01, hier werden Scheinbedingungen und Fragen geklärt und ein/e Betreuer:in festgelegt. Ein weiterer Termin für Fragen findet am 7.5., 13:15-14:45 (ebenfalls in Raum 0.01) statt. Der Abschlusstermin wird in Absprache mit den Teilnehmenden bestimmt. Hier stellen die Studierenden ihre Lösungsansätze in einer kurzen Posterpräsentation vor.
Sprache:
Die primäre Sprache ist Deutsch. Englische Ausarbeitung und Vorträge sind ebenfalls möglich und erwünscht.
Modulkürzel:
Der Kurs ist im Handbuch und in Studip mit folgendem Kürzel gelistet: 03-BE-711.98d
Anrechnungen im Bachelor und Master möglich.

Profil: KIKR, DMI.
Schwerpunkt: IMVT-AI, IMVT-DMI, IMVT-VMC
https://lvb.informatik.uni-bremen.de/imvt/03-imvt-cgeom.pdf
Die Veranstaltung beginnt am 10.04.2025.
This course looks at a number of algorithms and data structures from computational geometry with a view on their application to computer graphics. You should feel comfortable with geometric-mathematical thinking as well as algorithmic thinking. We will not need, however, complex mathematics. Die Homepage zur Vorlesung befindet sich immer unter http://cgvr.cs.uni-bremen.de -> Teaching

https://lvb.informatik.uni-bremen.de/imva/03-imva-dss.pdf

Profil: KIKR, DMI, MC.
Schwerpunkt: IMK-VMC, IMAP-DMI, IMVP-AI
Keine Doppelanerkennung mit Anwendungen der Bildverarbeitung (ABV)
https://lvb.informatik.uni-bremen.de/imap/03-imap-d3bv.pdf

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).

Profil: KIKR
Schwerpunkt: IMVA-AI
https://lvb.informatik.uni-bremen.de/imaa/03-imaa-ims.pdf
Die Vorlesung „Einführung in Intelligent Marine Systeme“ setzt sich aus drei Hauptelementen zusammen:
1. Vermittlung der Grundlagen die beim Entwurf und der Entwicklung mariner Systeme, vornehmlich Unterwasser-Systeme, zu berücksichtigen sind. Dazu gehören neben der Vorstellung der verschiedenen Systemkonzepte wie z.B. Remotely Operated Vehicles (ROV) und Autonomous Underwater Vehicles (AUV) und der Sensorik auch Methoden der Navigation, Kommunikation, Antrieb, Energieversorgung und Steuerung.
2. Gastvorträge von Entwicklern, Anwendern und potenzieller Nutzer mit Besuch des des MARUM.

3. Ein, mit den TeilnehmerInnen, zusammen entwickeltes und ausgearbeitetes Systemkonzept, welches auf die verschiedenen meerestechnisch spezifischen Gesichtspunkte (siehe 1.) eingeht. (Präsentation, Peer-evaluation)

Ziele der Vorlesung:
• Grundlegendes Verständnis der marinen Umwelt im Kontext technischer Systeme
• Verständnis der spezifischen Herausforderungen mariner Systeme gegenüber terrestrischen Systemlösungen
• Übersicht über den gegenwärtigen Stand der Technik bei mobilen und stationären Systemen
• Übersicht der verschiedenen Sensormodalitäten, die gegenwärtig eingesetzt werden
• Fähigkeit ein einfaches Systemkonzeptunter Berücksichtigung der maritimen Randbedingungen zusammenzustellen.

Prüfungsform:
Individuelles Fachgespräch oder mündliche Prüfung
Peer evaluierte Präsentation (ausgeführt in Kleingruppen: 2-3 Personen)

Profil: DMI.
Schwerpunkt: IMVA-DMI, IMVA-VMC
https://lvb.informatik.uni-bremen.de/imva/03-imva-ei.pdf

Profil: DMI
Schwerpunkt: IMK-DMI, IMA-VMC
https://lvb.informatik.uni-bremen.de/imaa/03-imaa-ec.pdf

Nur für Studierende, die IUG belegt haben, und nach Absprache mit dem Dozenten.
Zeiten und Räume wie IUG

Profil: SQ, DMI
https://lvb.informatik.uni-bremen.de/ims/03-ims-ftitr.pdf
Das Seminar findet online über ZOOM statt.
Im Rahmen des Seminars können 3 ECTS-Punkte erzielt werden. Dazu ist eine mündliche Präsentation - per Videokonferenz - zu einem abgestimmten Thema in einem Umfang von 20 Minuten zu erbringen sowie ein schriftliches einseitiges Handout/Abstract zu erstellen (diese sollte per E-Mail an die Lehrende geschickt werden).
Zudem ist es möglich im Rahmen des Seminars 6 ECTS-Punkte zu erzielen. Dazu ist eine mündliche Präsentation - per Videokonferenz - zu einem abgestimmten Thema in einem Umfang von 20 Minuten zu erbringen sowie eine schriftliche Ausarbeitung des Themas in einem Umfang von 10 Seiten bis zum 08.07.2025 zu erstellen (die Ausarbeitung soll per E-Mail an die Lehrende versendet werden).

Profil: KIKR.
Schwerpunkt: IMVP-AI
https://lvb.informatik.uni-bremen.de/imvp/03-imvp-gme.pdf
10-tägige Blockveranstaltung am Ende des Semesters (genauer Zeitraum wird in Absprache festgelegt). Voranmeldung per stud.ip notwendig (Anzahl Teilnehmende begrenzt).

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.
IBAP-MLd (German) or IBAP-MLe (English) can be taken, but the course can only be credited once!

Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-MLd (deutsch) oder IBAP-MLe (englisch) belegt werden, aber der Kurs ist nur ein Mal anrechenbar!

Schwerpunkt: IMA-VMC
https://lvb.informatik.uni-bremen.de/imaa/03-imaa-hcit.pdf
Die Veranstaltung findet in den Räumen vom Fraunhofer MEVIS Institut statt, Max-von-Laue-Str. 2,
28359 Bremen

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

Profil: SQ, KIKR, DMI
https://lvb.informatik.uni-bremen.de/ims/03-ims-iuag.pdf

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

Profil: KIKR
Schwerpunkt: IMVP-AI
https://lvb.informatik.uni-bremen.de/imap/03-imap-wawr.pdf
Die Veranstaltung findet im TAB statt.

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.

https://lvb.informatik.uni-bremen.de/ims/03-ims-apks.pdf
Termine:
Auftakttermin: 08.04. um 12:00 Uhr in Raum 2.43 Rotunde Cartesium.

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

Profil: DMI
Schwerpunkt: IMA-DMI, IMVA-DMI
https://lvb.informatik.uni-bremen.de/imva/03-imva-mad.pdf
Die Veranstaltung richtet sich an Studenten der Informatik und Digitalen Medien. In Gruppenarbeit sollen die Studierenden semesterbegleitend ein App-Projekt umsetzen. In der Vorlesung werden alle relevanten Informationen der modernen Softwareentwicklung, mit Fokus auf die mobile App-Entwickung, vermittelt. Dazu gehören Themen wie mobiles Testing, Scrum, UX Design, Evaluation & Nutzertests, Design Patterns und Cross-Plattform-Entwicklung. Das Ziel dabei ist die Vermittlung von praxisrelevantem Wissen aus dem Alltag eines erfolgreichen Unternehmens.

https://lvb.informatik.uni-bremen.de/ims/03-ims-susai.pdf

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

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-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/imat/03-imat-pk.pdf
Profil: SQ
Schwerpunkt: IMVT-SQ

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

https://lvb.informatik.uni-bremen.de/imvp/03-imvp-prosy.pdf
Schwerpunkt: IMVP-SQ

https://lvb.informatik.uni-bremen.de/igs/03-ibfw-c++.pdf
Das Modul kann nur in der freien Wahl angerechnet werden.
Der Kurs findet vom 12.09. bis 29.09.25 von 08-13h statt.
Mittwoch, den ??? von ??? 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
Selbststudium mit abschließender mündlicher Prüfung
Am 15.04.25 um 17:00h findet ein Info-Termin über BBB statt.

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

IMVP-AI
Room: TAB Knowledge (0.30)

Learning Outcome:
* Understand and apply concepts of functional programming
* Understand and apply artificial intelligence techniques
* Program an autonomous robot platform using ROS
* Implement failure handling techniques

Contents:
This course gives a solid practical introduction to the Robot Operating System (ROS2) up to advanced topics on how to control robots.
The lecture covers the tools of ROS2 and the cognitive robot architecture CRAM.
Students work in small groups on a TurtleBot to apply the lectures content hands-on to the robot.
Eventually the students will be able to design an autonomously driving vehicle, being evaluated in a final competition.

Profile: KIKR
https://lvb.informatik.uni-bremen.de/imvp/03-imvp-rpros.pdf

https://lvb.informatik.uni-bremen.de/ims/03-ims-ais.pdf
Profil: KIKR
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

Profil: SQ
Schwerpunkt: IMVP-SQ
https://lvb.informatik.uni-bremen.de/imvp/03-imvp-up.pdf
Die Veranstaltung wird nach Abstimmung mit den Teilnehmern als Blockkurs in den Semesterferien stattfinden.

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

The seminar provides a systematic introduction to the specific aspects of visual perception
for underwater robotic systems. It has an application-oriented focus on computer vision
and deep learning in the fields of marine science and engineering. Starting from a
description of visual sensing in the underwater environment, approaches ranging from
image enhancement to complex 3D reconstruction methods will be presented. Possible
topics for further in-depth study by the seminar participants include:

Image enhancement and restoration
Object recognition and tracking
Photo mosaicing and 3D reconstruction
Visual SLAM
Multi-modal data fusion
Simulation, datasets and modeling
Structured light and LIDAR
On-board / real-time processing