Modellbildung und Simulation - Modern Coding Systems and Applications (4V, 2Ü)
Dieser Kurs vermittelt den Studierenden das Wissen und die Fähigkeiten, moderne Codierungssysteme für Datenspeicherung, verteiltes Rechnen, Kommunikation, vernetztes Lernen und cyber-physische Infrastrukturen zu modellieren, zu simulieren und zu bewerten. Die Studierenden lernen, geeignete Quellen-, Kanal-, Speicher-, Berechnungs-, Lern- und Netzwerkmodelle zu identifizieren, digitale, analoge und lernbasierte Codierungsverfahren zu verstehen und anzuwenden sowie deren Leistungsfähigkeit mithilfe simulationsbasierter und analytischer Werkzeuge zu bewerten.
| Veranstaltung/Dozent | Ort | Termin | Beginn |
|---|---|---|---|
| Vorlesung Prof. Dr.-Ing. Onur Günlü | P1-03-316 | Mittwoch, 14:15–16:00 Freitag, 10:15–12:00 | Beginn Mittwoch, 21.10.2026 und Freitag 04.11.2026 |
| Übung M.Sc. Zhiqian Liu | P1-03-316 | Mittwoch, 04.11.2026, 14:15–16:00 Freitag, 27.11.2026, 10:15–12:00 Mittwoch, 09.12.2026, 14:15–16:00 Uhr | Beginn Mittwoch, 04.11.2026 |
Hinweis: Die Anmeldung zur Vorlesung erfolgt über das LSF (Link ).
Lerninhalte
- Grundmodelle moderner Codierungssysteme
- Grundlagen der digitalen Codierung: Codierungs-/Decodierungskonzepte, Leistungskennzahlen und simulationsbasierte Bewertung
- Moderne Codes: Polarcodes, LDPC-Codes, iterative Decodierung
- Analoge Codierung für die Over-the-Air-Funktionsberechnung
- Maschinelles Lernen basierte Codierungsverfahren: Autoencoder-basierte Kommunikationssysteme, neuronale Decoder und datengetriebene Leistungsoptimierung
- Codierung für moderne Speicher- und verteilte Systeme: DNA-Speicherung, codiertes verteiltes Rechnen und Konzepte der Netzwerkcodierung
- Codierung für vertrauenswürdige und effiziente vernetzte Anwendungen: föderiertes Lernen, datenschutzorientiertes verteiltes Lernen sowie ausgewählte Anwendungen von Blockchain und Netzwerkcodierung
- Modellierung, Simulation und Validierung von Codierungssystemen: Abstraktionsebenen, Abwägungen zwischen Leistungsfähigkeit und Komplexität, Benchmark-Szenarien und Interpretation von Simulationsergebnissen
- Ausgewählte aktuelle Forschungsartikel zu Anwendungen moderner Codierungssysteme, einschließlich Präsentationen der Studierenden und moderierter Fachdiskussionen
Literatur
Richardson and Urbanke: Modern Coding Theory
MacKay: Information Theory, Inference, and Learning Algorithms
Ausgewählte aktuelle Artikel aus Fachzeitschriften und Konferenzbänden zu modernen Codierungssystemen und deren Anwendungen
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, moderne Codierungsansätze hinsichtlich Zuverlässigkeit, Effizienz, Latenz, Komplexität, Skalierbarkeit und Implementierungsbeschränkungen zu vergleichen. Sie können aktuelle Forschungsarbeiten interpretieren und die vorgestellten Methoden auf neue Anwendungsgebiete übertragen, darunter drahtlose Kommunikationssysteme, DNA-Speicherung, Over-the-Air-Berechnung, föderiertes Lernen, Netzwerkcodierung, vertrauenswürdige verteilte Systeme, Smart Grids, verteilte Energieinfrastrukturen, autonome Robotersysteme und industrielle Automatisierungsnetzwerke.
Neben den technischen Aspekten befähigt der Kurs die Studierenden dazu, die umfassenderen Herausforderungen heutiger und zukünftiger digitaler Gesellschaften zu erkennen und in ihre berufliche Praxis einzubeziehen und damit gesellschaftliche Verantwortung zu übernehmen. Im Bereich moderner Codierungssysteme und ihrer Anwendungen umfasst dies beispielsweise die Sensibilisierung für gesellschaftlich relevante Themen wie Datensicherheit, Datenschutz, digitale Teilhabe, nachhaltige Kommunikations- und Speicherinfrastrukturen, zuverlässige Informationsverarbeitung in vernetzten Systemen sowie die ressourceneffiziente Digitalisierung von Energie-, Automatisierungs- und Robotersystemen.
Modulprüfung: Mündliche Prüfung (max. 40 Minuten) oder Klausur (max. 180 Minuten).*
Studienleistung: Die erfolgreiche Erbringung der Studienleistung umfasst die Vorbereitung und Präsentation eines ausgewählten aktuellen Forschungsartikels sowie die aktive Teilnahme an einer moderierten Fachdiskussion, beispielsweise in der Rolle der Sitzungsleitung. Die erfolgreiche Erbringung der Studienleistung ist Voraussetzung für die Zulassung zur Modulprüfung.
*Die genauen Prüfungsmodalitäten werden spätestens in der zweiten Veranstaltung bekannt gegeben.
Keine
Basismodul im Masterstudiengang „Elektrotechnik und Informationstechnik“ für alle Studienschwerpunkte.
Wahlpflichtmodul im Masterstudiengang „Automation and Robotics“, empfohlen für die Profile „Machine Learning“ und „Robotics“.
Skripte, Übungsblätter und sonstige Vorlesungsmaterialien befinden sich im Moodle-Arbeitsraum. Bitte gehen Sie für die Anmeldung wie folgt vor:
- Melden Sie sich für die Veranstaltung bitte frühzeitig im LSF (Vorlesung und Übung) an.
- Durch die Anmeldung im LSF werden Sie automatisch für den Moodle-Arbeitsraum freigeschaltet, dies kann u.U. einige Zeit dauern
- Im Moodle-Arbeitsraum stehen Skript, Übungsaufgaben, Folien und Demos zum Download bereit