Computational Engineering

Erfolgreich abgeschlossenes ingenieur­wissenschaftliches, informatisches oder mathematisches ­Studium mit guten naturwissenschaftlichen und mathematischen Kenntnissen (Abschluss­note Bachelor 2,9 oder besser) sowie ­befriedigenden Sprachkenntnissen in technischem Englisch.

Alle Zugangsmöglichkeiten (mit Fach-/Abitur, mit ausländischen Zeugnissen, mit beruflicher Qualifikation, Studiengangs-/Hochschulwechsel etc.) finden Sie unter dem Punkt „Bewerbung“.

Mathematische Modelle und Methoden, insbesondere aus dem Bereich des Computational Engineering, haben eine immense Bedeutung für zahlreiche Schlüsselbereiche der Wissenschaft und Wirtschaft. Man ist heutzutage z. B. in Branchen wie der Automobil-, Flugzeug- und Raumfahrtindustrie, der Elektroindustrie oder der chemischen ­Industrie in der Lage, komplette technische Abläufe durch numerische Simulation im Rechner vor der eigentlichen Fertigung zu verstehen und zu ­beherrschen. Kostspielige oder umweltbelastende Versuchs­anordnungen müssen nicht mehr gebaut und wertvolle Rohstoffe können gespart ­werden. Bei der Ressourcen-, Absatz-, Finanz- und Ablaufplanung bilden computer­gestützte Simulationsrechnungen ebenfalls die Basis für ­frühzeitige Optimierungsansätze.

Um jedoch komplexe Simulationen fachgerecht durchführen zu können, bedarf es einer fundierten theoretischen Ausbildung, die durch aus­geprägte Anwendungsbezüge ergänzt wird. Dies leistet der Masterstudiengang Computational Engineering.

Die Studierenden werden zu eigenständigen wissenschaftlichen ­Beiträgen in Modellierung, Optimierung, Künstlicher Intelligenz und Simulation befähigt. Neben der ­Qualifikation für viele anspruchsvolle Tätigkeiten in Unternehmen erfüllt der Masterabschluss auch die Voraussetzungen für eine anschließende Promotion. 

Aufbauend auf einer mathematischen und technischen ­Grund­ausbildung vermittelt das Studium unter anderem:

• eine breit gefächerte Ausbildung in Modellierungs- und Simulationsstrategien sowie in Methoden der mathematischen Optimierung und Künstlichen Intelligenz
• Verständnis der Sprache von Mathematiker:innen, Informatiker:innen und Ingenieur:innen
• praxisorientierte Kenntnisse in den entsprechenden Anwendungs- und Computeralgebraprogrammen
• Spezialkenntnisse in Themengebieten der mathematischen Modellierung, künstlichen Intelligenz, Optimierung und Simulation
• Management-Kenntnisse unter besonderer Berücksichtigung  computergestützter Ansätze
•  Fähigkeit und praktische Fertigkeit zur selbstständigen Lösung von Aufgaben in zukünftigen Berufsfeldern

Die Masterarbeit bildet den Abschluss des Studiums und wird in der Regel in Kooperation mit Unternehmen durchgeführt.

Sommersemester

• Bionische Methoden der Optimierung
• Discrete Simulation and Reinforcement Learning
• Wahlpflichtmodul Management
• 2 Wahlpflichtmodule Vertiefungsrichtung

Wintersemester

• Diskrete Optimierung
• Numerik dynamischer Systeme
• Projektseminar
• 2 Wahlpflichtmodule Vertiefungsrichtung

3. Semester

• Kolloquium
• Masterarbeit

Vertiefungsrichtungen

• Technische Systementwicklung
• Data Science

Die Nachfrage nach Expert:innen, Fach- und Führungskräften auf dem Gebiet des Computational Engineering ist groß, sodass sich ausgezeichnete Berufsaussichten für Absolvent:innen des Masterstudiengangs ergeben. Die AQAS e. V. – Agentur für Qualitätssicherung durch Akkreditierung von Studiengängen stellt in ihrem Akkreditierungsgutachten ausdrücklich fest: „ … der ­Masterstudiengang stößt durch seine spezielle Ausrichtung in eine Marktlücke vor.“ 

Die möglichen Berufsfelder in den unterschiedlichsten Branchen sind enorm vielfältig, weswegen diese bereits im Studium wiederholt beleuchtet werden. ­Exem­plarisch seien nur die Folgenden genannt:

• Technische Berechnungen, beispielsweise Festigkeitsberechnungen, Schwingungsanalysen, Bilddatenanalysen, Wetterberechnungen, Störungsberechnungen, statistische Analysen von Nachrichtenkanälen oder Verschlüsselungen
• Technische Simulationen, beispielsweise Verkehrssimulationen, Netzwerksimulationen, aerodynamische Simulationen oder ­­Reaktorsimulationen
• Technische Systemanalysen, etwa bei der Modellierung verfahrenstechnischer Vorgänge, zur Prozessdatenverarbeitung für rechnergestützte Produktanalysen
• Modellierung und Optimierung von Produktionsabläufen, beispielsweise zur Lösung von Maschinenbelegungsproblemen oder zur Personal-, Ablauf- und Einsatzmittelplanung
• Absatz- und Ressourcenplanung, beispielsweise Lagerhaltungsoptimierung, Optimierung von Bestellsystemen, Materialbedarfsermittlung und Bestimmung optimaler Absatzpreise
• Analyse und Interpretation komplexer Datenmengen sowie Einsatz und Entwicklung datenbasierter Lösungen in unterschiedlichsten  Bereichen von Unternehmensstrukturen.