BB008: Informatik für Ingenieurwissenschaften

Allgemeine Grundlagen

BB008: Informatik für Ingenieurwissenschaften

Kurzporträt BB008: Informatik für Ingenieurwissenschaften
Worum geht es? In diesem Modul lernen Studierende grundlegende Programmierung für ingenieurwissenschaftliche Aufgaben. Studierende entwickeln einfache Programme in Python, nutzen Datentypen, Kontrollstrukturen, Funktionen und Bibliotheken und verarbeiten tabellarische Daten. Außerdem modellieren Studierende technische Abläufe mit PAP und UML und üben grundlegende Tests und Fehlerbehandlung.
Wofür braucht man es? Diese Kompetenzen werden gebraucht, um technische Berechnungen, Datenverarbeitungen und einfache Simulationen eigenständig zu automatisieren. Die Kompetenzen bilden eine Grundlage für spätere Themen wie Datenanalyse, Simulation, Automatisierung und Machine Learning.
Wieso ist es interessant? Digitale Werkzeuge sind in Studium, Entwicklung und Industrie unverzichtbar. Das Modul zeigt, wie Studierende eigene Ideen mit kleinen Programmen umsetzen und technische Aufgaben effizienter bearbeiten können.
Modulverantwortung

Prof. Dr. Holger Dander

Lehrperson(en)

Prof. Dr. Holger Dander

Verwendbarkeit
  • Bachelor Elektrotechnik
  • Bachelor Maschinenbau
  • Bachelor Mechatronik und Robotik
Fächergruppe

Ingenieurwissenschaften

Modultyp
Pflicht
Sprache

Deutsch

Angebot

jedes Semester

Dauer

1 Semester

Credits

5 ECTS

Benotung

Deutsche Notenskala 1-5

SWS

2 V | 2 Ü | - P | - S

Workload
Präsenzstudium: 45 Std. Selbststudium: 90 Std.
Engl. Titel

Computer science (for engineering sciences)

Empfohlene Voraussetzungen

keine

Lernergebnisse / Kompetenzen
WAS

Nach Ablauf der Veranstaltung sind Studierende in der Lage, einfache Softwarelösungen zur Bearbeitung ingenieurwissenschaftlicher Fragestellungen zu entwickeln. Insbesondere können sie grundlegende Programmierkonzepte (Datentypen, Kontrollstrukturen, Funktionen) anwenden, einfache Algorithmen entwickeln und in Python umsetzen, tabellarische Daten verarbeiten und grafisch aufbereiten sowie technische Abläufe mit PAP und UML modellhaft darstellen.

WOMIT

Die Studierenden erreichen dieses Lernergebnis, indem sie

  • grundlegende Programmierkonzepte (Datentypen, Ein-/Ausgabe, Kontrollstrukturen, Funktionen) gezielt anwenden,
  • Algorithmen entwerfen und mit Python umsetzen,
  • Kollektionstypen sinnvoll einsetzen und Daten strukturiert verarbeiten,
  • technische Abläufe mit PAP und UML (Klassen- und Sequenzdiagramme) modellieren,
  • Bibliotheken auswählen und in einfache Programme integrieren,
  • grundlegende Datenanalyse- und Visualisierungsschritte durchführen,
  • Code testen, Fehler systematisch behandeln,
  • praxisnahe Aufgaben und ingenieurwissenschaftliche Szenarien selbstständig bearbeiten.
WOZU

Damit Studierende technische und naturwissenschaftliche Probleme systematisch analysieren und automatisiert lösen können, ingenieurrelevante Berechnungen, Datenverarbeitungen und Simulationen eigenständig durchführen, digitale Werkzeuge sicher einsetzen, die in Studium, Praxis und Industrie zunehmend unverzichtbar sind, Schnittstellenkompetenz zur Softwareentwicklung aufbauen, spätere Module (z. B. Datenanalyse, Simulation, Automatisierungstechnik, Machine Learning) erfolgreich absolvieren können und eigene Ideen durch kleine Programme realisieren und prototypisch testen können.

Inhalte
  • Einführung in Python und IDE
  • Algorithmen und PAP
  • Datentypen und Ein-/Ausgabe
  • Kontrollstrukturen, Kollektionen & Strings
  • Funktionen, Bibliotheken und einfache Programme
  • Code Conventions
  • Listen, Dictionaries
  • Objektorientierung, UML-Diagramme
  • Fehlerbehandlung, Testen, Laufzeitanalyse
Prüfungsvorleistung

aktive Teilnahme, Bearbeitung von Übungsaufgaben

Prüfungsleistung

Klausur, 90 Minuten

Literatur
  • Steinkamp, V. (2023). Der Python-Kurs für Ingenieure und Naturwissenschaftler (2. Aufl.). Rheinwerk Verlag. ISBN 978-3-8362-9286-3.
  • Woyand, H.-B. (2018). Python für Ingenieure und Naturwissenschaftler: Einführung in die Programmierung, mathematische Anwendungen und Visualisierungen (2. Aufl.). Carl Hanser Verlag. ISBN 978-3-446-45792-8.
  • VanderPlas, J. (2017). Data Science mit Python: Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn (deutsche Ausgabe). mitp Verlag. ISBN 978-3-95845-695-2.