• Entwicklungsingenieure
• CAE-, Berechnungs- und Simulationsingenieure
• System-Designer
• Simulationsinteressierte

Simulation - Grundlagen & CFD

• Einführung in die Simulation – Chancen und Grenzen
• Das Simulationskonzept
• Computational Fluid Dynamics (CFD) I
• Computational Fluid Dynamics (CFD) II & Partikelbasierte CFD
• Numerische Methoden
• Gesellschaftliche Auswirkungen von Simulation

Simulation - Grundlagen & Strukturmechanik

• Einführung in die Simulation – Chancen und Grenzen
• Das Simulationskonzept
• Strukturmechanische Simulationen
• Numerische Methoden
• Gesellschaftliche Auswirkungen von Simulation

Visualisierung - Grundlagen & Anwendung

• Die menschliche Wahrnehmung und das Sehen
• Farben und Farbräume
• Grafikhardware und Schnittstellen
• Bildgenerierungs-Pipeline
• Grundlagen der 3D-Grafik
• Interaktive Remote-Visualisierung auf Clustern
• Visualisierung technisch-wissenschaftlicher Fragestellungen mit COVISE
• Visualisierung technisch-wissenschaftlicher Fragestellungen mit ParaView

Datenmanagement

• Technische Grundlagen des Datenmanagements
• Metadaten - Vokabularien und Ontologien
• Metadaten – Metadatenmodelldesign
• Repositorien: Speicherung, Archivierung und Veröffentlichung von Daten
• Repositorien: Methoden und Tools
• Dunkle Daten und Organisatorisches

Datenanalyse mit HPC

• Datenanalyse, Künstliche Intelligenz: Eine Einführung
• Konvergenz von HPC und Künstlicher Intelligenz
• Exkurs: Container-Technologien
• Explorative Datenanalyse
• Exkurs: Nicht-Relationale Datenbanken
• Maschinelles Lernen: Konzepte, Algorithmen und Evaluierung
• Einführung in Neuronale Netzwerke
• Big Data Architekturen und Frameworks
• Trends und neuartige Technologien im Bereich HPC und AI
• Übung zur explorativen Datenanalyse mit Tableau und Python
• Übung zu Neuronalen Netzen mit TensorFlow
• Datenanalyse am Beispiel Stuttgarter S-Bahn Fahrzeiten

Simulation - Grundlagen & CFD

• Verständnis eines allgemeinen Begriffs von Simulation
• Verständnis eines technisch-wissenschaftlichen Begriffs von Computersimulation
• Verständnis für den Prozess der Simulation
• Sie lernen die einzelnen Schritte und Glieder der Modellkette hin zum numerischen Simulationsmodell kennen.
• Sie verstehen wie die einzelnen Schritte und Glieder der Modellkette aufeinander aufbauen.
• Sie üben anhand eines Wärmeübertragungsproblems die Modellbildung.
• Sie lernen die Grenzen eines Simulationsmodells zu beurteilen.
• Sie lernen die schrittweise Erweiterung eines Simulationsmodells kennen.
• Sie verstehen die mathematische Herleitung der Erhaltungsgleichungen.
• Sie verstehen die Methode der FDM, der FEM und FVM.
• Sie verstehen, wie unterschiedlich die Matrizen aufgebaut sind.
• Sie verstehen, wie Randbedingungen im Prinzip behandelt werden.
• Sie verstehen, wie die Druck-Geschwindigkeitskopplung funktioniert.
• Sie verstehen den Ansatz zur Modellierung von Turbulenzen.
• Sie verstehen, wie das k-ε-Modell funktioniert.
• Sie verstehen, wie man eine Kavität in OpenFOAM® vernetzt, simuliert und auswertet.
• Sie verstehen den  Unterschied  zwischen  klassischer  und  transklassischer Technik.
• Sie lernen  die  möglichen  Veränderungen,  welche  der  intensive  Einsatz  von Informationstechnik   in   der   Wissenschaft   mit   sich   bringt,   kennen   und einzuschätzen.
• Sie erfassen die ethischen und politischen Herausforderungen, die mit dieser technisch-epistemischen Veränderung für die Gesellschaft verbunden sind.

Simulation - Grundlagen & Strukturmechanik

• Verständnis eines allgemeinen Begriffs von Simulation
• Verständnis eines technisch-wissenschaftlichen Begriffs von Computersimulation
• Verständnis für den Prozess der Simulation
• Sie lernen die einzelnen Schritte und Glieder der Modellkette hin zum numerischen Simulationsmodell kennen.
• Sie verstehen wie die einzelnen Schritte und Glieder der Modellkette aufeinander aufbauen.
• Sie üben anhand eines Wärmeübertragungsproblems die Modellbildung.
• Sie lernen die Grenzen eines Simulationsmodells zu beurteilen.
• Sie lernen die schrittweise Erweiterung eines Simulationsmodells kennen.
• Sie lernen die prinzipiellen Schritte kennen, welche für den Übergang von den strukturmechanische Grundgleichungen zu einer Konkreten Implementierung notwendig sind.
• Sie verstehen die technischen Implikationen, welche die Implementierung strukturmechanischer FEM Programmpakete, bei der Ausführung auf modernen HPC-Systemen, mit sich bringt.
• Sie üben anhand der parallelen Implementierung eines Programms zur Lösung dreidimensionaler, linearer Strukturprobleme den Einsatz paralleler Löserbibliotheken kennen.
• Sie verstehen den  Unterschied  zwischen  klassischer  und  transklassischer Technik.
• Sie lernen  die  möglichen  Veränderungen,  welche  der  intensive  Einsatz  von Informationstechnik   in   der   Wissenschaft   mit   sich   bringt,   kennen   und einzuschätzen.
• Sie erfassen die ethischen und politischen Herausforderungen, die mit dieser technisch-epistemischen Veränderung für die Gesellschaft verbunden sind.

Visualisierung - Grundlagen & Anwendung

• Sie kennen die Einsatzgebiete und die grundlegenden Techniken moderner wissenschaftlicher Visualisierung und sind in der Lage diese zu erläutern.
• Sie verstehen die menschliche Wahrnehmung von Bildern und können diese beschreiben.
• Sie können wiedergeben wie eine Software Bilder auf Hardware erzeugt und diesen Prozess erklären.
• Sie können Datensätze mit den Programmen COVISE und ParaView auf einem HPC-Cluster interaktiv visualisieren.

Datenmanagement

• Sie erhalten eine Einführung in die grundliegenden Begriffe rund um Daten
• Sie verstehen die technischen Grundlagen des Datenmanagements
• Sie lernen Ontologien und Modelle von Metadaten kennen
• Sie können Methoden und Tools zum Umgang mit Repositorien anwenden
• Sie sind sich über Datenverantwortlichkeit bezüglich Dunkler Daten bewusst

Datenanalyse mit HPC

• Sie können die Grundlagen der Datenanalyse und Künstlicher Intelligenz beschreiben und unterscheiden.
• Sie können die Anforderungen von KI-Anwendungen auf HPC-Systemen aufzählen und erläutern.
• Sie sind in der Lage, eine Explorative Datenanalyse durchzuführen.
• Sie können erklären, was Big Data Architekturen und Frameworks sind.
• Sie sind fähig Deep Learning und Machine Lerning Frameworks zu unterscheiden und anzuwenden.
• Sie können Trends und aktuelle Technologien im Bereich KI und HPC aufzählen und beschreiben.