Springe zum Hauptinhalt
Fakultät für Informatik
Studiengänge

Studiengänge

Neurorobotik
(Master of Science)

 

Voraussetzung: Die Zugangsvoraussetzung für den Masterstudiengang Neurorobotik erfüllt, wer an der Technischen Universität Chemnitz im Bachelorstudiengang Informatik oder im Bachelorstudiengang Angewandte Informatik oder wer in einem inhaltlich gleichwertigen Studiengang einen berufsqualifizierenden Hochschulabschluss erworben hat. Über die Gleichwertigkeit sowie über den Zugang anderer Bewerber entscheidet der Prüfungsausschuss.
Für diesen Studiengang gibt es keine
Zulassungsbeschränkung
!
Regelstudienzeit: 4 Semester
Unterrichtssprache: Deutsch
Abschluss: Master of Science (M.Sc.)
Studienbeginn: in der Regel Wintersemester

Studiengangsflyer | .pdf
Studiengangsinformation | .pdf | barrierefrei

Studien- und Prüfungsordnung

Nützliche Informationen zur Studienaufnahme

Hier geht's direkt zur Online-Bewerbung

 

Was zeichnet den Masterstudiengang Neurorobotik aus?
Der Masterstudiengang Neurorobotik vermittelt spezifisches Wissen in diesem relativ jungen, aber sehr innovativem Fachgebiet. Nach dem Vorbild des menschlichen Gehirns und mit Methoden des Maschinellen Lernens werden lernfähige und flexible Robotersysteme realisiert, die mehr und mehr Aufgaben des Menschen übernehmen sollen. Gerade neuronale Netze haben in jüngster Zeit für ein hohes Aufsehen gesorgt und aufgezeigt, welches Wachstumspotential im Bereich der Künstlichen Intelligenz (KI) steckt. So verbergen sich beispielsweise hinter dem Konzept Deep Learning eine Reihe verschachtelter neuronaler Netze, die in der Lage sind, nahezu beliebige Vorgehensweisen anhand von Trainingsbeispielen automatisiert und zuverlässig zu lernen. Der Studiengang ist forschungsbasiert aufgebaut, aufgrund der vielfältigen Anwendungsmöglichkeiten der vermittelten Inhalte ergeben sich jedoch ausgezeichnete Berufsaussichten in der Industrie. Im Wesentlichen basieren die angebotenen Module auf den drei Säulen KI/Neurokognition, Sensorik & Verarbeitung und Grundlagen der Robotik.

 

Künstliche Intelligenz/Neurokognition (1.-2. Semester)
Sensorik und Robotik (1.-3. Semester)
  • Neurokognition I
  • Neurokognition II
  • Deep Reinforcement Learning
  • Neurorobotik

Module zur Auswahl.:

  • Sensoren und Signalauswertung
  • Grundlagen der Robotik A
  • Roboter-Sehen A
  • Humanoide Roboter
  • Grundlagen der Biomechanik und Bewegungswissenschaft
Regelungs- und Softwaretechnik (1.-3. Semester)
Wahlpflichtmodule (1.-3. Semester)

Module zur Auswahl.:

  • Paralleles Wissenschaftliches Rechnen
  • Betriebssysteme II
  • Verlässliche Systeme
  • Entwurf Verteilter Systeme
  • Betriebssysteme für verteilte Systeme
  • Entwurf von Software für eingebettete Systeme
  • Nichtlineare Regelung / Nonlinear Control
  • Optimale Regelung / Optimal Control

Module zur Auswahl.:

  • Themenschwerpunkte Informatik
  • Neurocomputing
  • Computer Aided Geometric Design
  • Solid Modeling
  • Mensch-Computer-Interaktion II
  • Hardware Development with VHDL
  • Optimierung im Maschinellen Lernen
Schlüsselkompetenzen (1.-3. Semester)
  • Grundlagen der Forschungsorientierung
  • Businessplanung und Management von Gründungen
  • Technischer Vertrieb
  • Gründungsfinanzierung
 

Forschungsseminar und Forschungspraktikum (3. Semester)

Modul Master-Arbeit (4. Semester)

 

 

Ein erfolgreiches Studium im aufstrebenden Bereich der Neurorobotik qualifiziert für eine Vielzahl an anspruchsvollen Tätigkeiten. Insbesondere in jenen Bereichen, in denen Neurokognition bislang eine geringe oder gar keine Rolle gespielt hat, werden Kenntnisse zukünftig verstärkt gebraucht. Hervorragende Berufsaussichten gibt es unter anderem in folgenden Bereichen:

  • Verkehrswesen und Automobilindustrie
  • Maschinenbau und Elektroindustrie
  • Entwicklung von KI-Dienstleistungen
  • Entwicklung autonomer Systeme
  • Universitäre Forschung

 

Michael Teichmann, Mitarbeiter der Professur Künstliche Intelligenz
«Was wäre Intelligenz ohne Körper? Die Neurorobotik vereint die Robotik mit den Neurowissenschaften und der Künstlichen Intelligenz, um flexible lernfähige Roboter zu schaffen. Der Studiengang lehrt unter anderem neuste und hoch erfolgreiche Methoden aus der Künstlichen Intelligenz, wie Deep Reinforcement Learning. Dieses Konzept befähigt Maschinen, Menschen in Spielen, wie Schach oder Go, scheinbar mühelos zu schlagen. Genau diese Inhalte sind die Grundlage für die fortschreitende Automatisierung in der Industrie und im täglichen Leben.»

 

Fachstudienberater der Fakultät für Informatik
Portrait: Dr. Frank Seifert
Dr. Frank Seifert

Sprechzeiten nach Vereinbarung!

Prüfungsausschuss

Zentrale Studienberatung