Sieben Module, hunderte Lerneinheiten und ein Dungeon-Spiel später – hier teile ich, was ich gelernt habe, was mich überrascht hat und welche Konzepte wirklich hängen geblieben sind.
∑Modul 1
Mathematik 1 – Lineare Algebra
Lineare Algebra ist das mathematische Rückgrat der Informatik – insbesondere für KI, Computer Graphics und Datenanalyse. Im ersten Semester geht es darum, das nötige Handwerkszeug zu entwickeln.
Das Modul dreht sich um Strukturen und Transformationen: Wie lassen sich mathematische Objekte wie Vektoren und Matrizen beschreiben, manipulieren und miteinander verknüpfen? Was zunächst abstrakt klingt, hat unmittelbare Anwendungen – zum Beispiel in neuronalen Netzen, wo Gewichte als Matrizen dargestellt und Eingaben als Vektoren verarbeitet werden.
Kerninhalte
Mengenlehre & Grundlagen der Logik
Vektoren, Linearkombinationen, Vektorräume
Lineare Gleichungssysteme (LGS): Einsetzungs-, Additions- und Gauß-Verfahren
Matrizen: Multiplikation, Inverse, Determinante
Rang, Eigenvektoren & Basiswechsel
Euklidischer Algorithmus & modulare Arithmetik
Einblick in asymmetrische Kryptographie (RSA)
Beispiel – Gauß-Verfahren
Ein LGS mit 3 Unbekannten lässt sich als erweiterte Koeffizientenmatrix darstellen und durch Zeilenoperationen in Zeilenstufenform bringen:
Lösungsfall ergibt sich aus dem Rang: rang(A) = rang(A|b) = n → eindeutig.
Praktische Anwendung
Matrizen begegnen mir z.B. bei CSS-Transformationen, in der Bildverarbeitung mit Sharp (im Cloudinary-Upload-Skript dieser Site) und im RSA-Prinzip hinter modernen Verschlüsselungsverfahren.
Verwandte Projekte
Keine direkten Projekte, aber viele Anwendungen in Grafik, ML und Kryptographie.
Tiefer ins Material
Vollständige Lerneinheiten und Karteikarten pflege ich in meinem Lern-Hub.
Rückblick: Lineare Algebra wirkt zunächst abstrakt – bis man merkt, dass Eigenvektoren und Matrizen die Grundlage von Machine-Learning-Modellen sind. Transformermodelle machen nichts anderes als riesige Matrixmultiplikationen. Das hab ich erst im Nachhinein wirklich verstanden.
🌐Modul 2
Web Engineering 1
Web Engineering 1 legt das Fundament für alles, was mit dem modernen Web zu tun hat – von der ersten HTML-Zeile bis hin zu serverseitiger Logik und Netzwerkprotokollen.
Das Modul beginnt bei den Grundlagen: Wie funktioniert HTTP? Was passiert, wenn ein Browser eine URL eingibt – vom DNS-Request bis zur gerenderten Seite? Mit diesem Verständnis baut man Schicht für Schicht weiter: Strukturierung mit HTML, Gestaltung mit CSS, Interaktivität mit JavaScript.
Jede Interaktion auf einer Seite kann diesen Zyklus erneut starten – bei AJAX asynchron im Hintergrund.
Praktische Anwendung
Diese Webseite ist die direkte Anwendung – vom HTML-Box-Modell über DOM-Manipulation bis zur Lazy-Load-Logik des Notion-Embeds, das du gleich darunter sehen kannst. Auch der Fetch-Request-Zyklus und das Rendering-Verhalten sind in jeder Story-Seite spürbar.
Rückblick: Ich dachte, Web Engineering bedeutet HTML schreiben. Tatsächlich steckt dahinter ein komplexes Zusammenspiel aus Netzwerkprotokollen, Browser-Rendering und Server-Logik. Den vollständigen Weg vom Tastendruck bis zum gerenderten Pixel zu kennen, hat mein Verständnis grundlegend verändert – besonders für meine eigene Webseite hier.
⚡Modul 3
Elektrotechnik
Elektrotechnik klingt für Informatiker zunächst weit entfernt – doch wer versteht, wie Strom und Spannung zusammenspielen, versteht auch, worauf digitale Hardware physisch aufgebaut ist.
Das Modul vermittelt die physikalischen Grundlagen elektrischer Systeme: Was ist Strom, was ist Spannung, was ist Widerstand – und wie hängen diese Größen zusammen? Darauf aufbauend werden reale Schaltkreise analysiert und berechnet. Am Ende steht die Brücke zur digitalen Logik: Ein Transistor ist nichts anderes als ein steuerbarer Schalter – und aus Millionen davon entsteht jeder Prozessor.
Transistor als digitaler Schalter (npn, Arduino → Last)
Analog/Digital-Wandlung (ADC)
Gleichrichtung & Glättung – Aufbau eines Netzteils
Elektromagnetisches Feld & Magnetismus
Beispiel – Handy laden
Steckdose (230V AC)→Gleichrichtung→Glättung
→Geregelte DC (5V)→Akku lädt
Hinter dem Ladevorgang steckt ein vollständiger elektrotechnischer Kreislauf – von Wechselstrom zu geglättetem Gleichstrom.
Praktische Anwendung
Verständnis für die Hardware-Ebene unter dem Code: Wenn ich überlege, wie viele CPU-Zyklen oder wie viel Energiebudget eine Operation kostet, hilft das Wissen über Transistorverhalten und Schaltzeiten enorm.
Verwandte Projekte
Folgt im Laufe des Studiums.
Tiefer ins Material
Vollständige Lerneinheiten und Karteikarten pflege ich in meinem Lern-Hub.
Rückblick: Elektrotechnik war das Modul, das ich am wenigsten erwartet hatte. Aber genau hier hat sich für mich der Zusammenhang zwischen Physik und Informatik erschlossen: Ein Transistor ist nichts anderes als ein steuerbarer Schalter – und aus Millionen solcher Schalter entsteht jeder Prozessor.
🧩Modul 4
Theoretische Informatik
Theoretische Informatik ist das Modul, das Informatiker denken lässt wie Mathematiker: präzise, formal, beweisend. Es ist anspruchsvoll – und gleichzeitig das Fundament für alles, was mit Logik, Algorithmen und Berechenbarkeit zu tun hat.
Im Mittelpunkt stehen formale Werkzeuge, mit denen man die Korrektheit von Aussagen und Algorithmen beweist: Aussagen- und Prädikatenlogik, Mengenlehre, modulare Arithmetik, O-Notation. Mit Prolog kommt zum ersten Mal ein deklaratives Programmierparadigma ins Spiel – man beschreibt nicht wie ein Computer rechnet, sondern was wahr ist, und die Engine sucht selbst die Lösung.
Kerninhalte
Aussagen- & Prädikatenlogik, Mengenlehre
Algorithmen & Komplexitätsklassen (O-Notation: O(1) bis O(n!))
student(alex). student(sam).
immatrikuliert(alex).
nicht_immatrikuliert(X) :-
student(X),
\+ immatrikuliert(X).
?- nicht_immatrikuliert(sam).
% → true (sam ist nicht beweisbar immatrikuliert)
Die Closed World Assumption: Was nicht in der Wissensbasis steht, gilt als falsch.
Praktische Anwendung
Komplexitäts-Bewusstsein im Alltag: Set statt Liste für Lookups (O(1) vs. O(n)), Rekursion vs. Iteration je nach Stack-Tiefe. Prolog-Denken hilft beim Entwerfen sauberer Datenmodelle – was darf wahr sein, und was leite ich aus den Fakten ab?
Verwandte Projekte
Folgt im Laufe des Studiums.
Tiefer ins Material
Vollständige Lerneinheiten und Karteikarten pflege ich in meinem Lern-Hub.
Rückblick: Prolog war ein Paradigmenwechsel. In imperativen Sprachen beschreibt man wie etwas berechnet wird – in Prolog beschreibt man was wahr ist, und die Engine sucht selbst nach Lösungen. Dieses deklarative Denken hat meinen Blick auf Programmierung dauerhaft verändert.
🎓Modul 5
Schlüsselqualifikationen
Schlüsselqualifikationen sind die Module, die zeigen, dass Informatik nicht nur Technik ist. Wirtschaftliches Denken, sauberes wissenschaftliches Arbeiten und gute Englisch-Kenntnisse sind genauso entscheidend für den Berufsalltag.
Drei Themen unter einem Dach: BWL gibt einen Einblick in die Welt, in der Software gebaut wird – Märkte, Unternehmen, Entscheidungen. Wissenschaftliches Arbeiten schärft Recherchieren, Strukturieren und Belegen – wichtig für jede Projektarbeit. Englisch auf C1-Niveau ist die Sprache der Tech-Welt – von Doku über Stack Overflow bis Konferenz.
BWL – Betriebswirtschaftslehre
Bedürfnisse, Güter & Knappheit als Grundlage des Wirtschaftens
C1-Intensivkurs in Honolulu, Hawaii (März–April 2025) – vier Wochen vollständig auf Englisch: Vorlesungen, Präsentationen, Gruppenarbeit. Schwerpunkte: Academic Writing, Listening Comprehension, Sprechkompetenz.
Praktische Anwendung
Das Extremumprinzip ist mein Filter für Tool- und Bibliotheks-Entscheidungen. Wissenschaftliches Arbeiten zahlt sich bei jeder Projekt-Dokumentation aus. Englisch-C1 nutze ich täglich – in Doku, Stack Overflow und Konferenzen.
Rückblick BWL: Das Extremumprinzip hab ich sofort auf mein Studium angewendet: Welche Module bringen mir den größten Mehrwert pro investierter Lernstunde? Diese Frage hat meine Priorisierung verändert.
💻Modul 6
Programmieren 1 – Python
Programmieren 1 ist der Einstieg in die Welt der Softwareentwicklung – und bei der DHBW Mosbach läuft das über Python: eine Sprache, die gleichzeitig lesbar und mächtig ist.
Zu Beginn geht es um das fundamentale Denken in Algorithmen: Wie zerlege ich ein Problem in lösbare Schritte? Wie beschreibt man diese Schritte so, dass ein Computer sie ausführen kann? Python dient dabei als ideales Werkzeug, weil die Syntax nah an natürlicher Sprache ist – und am Ende des Semesters steht ein eigenes textbasiertes Spiel mit echter OOP-Architektur.
Textbasiertes Spiel mit vollständiger OOP-Architektur: 5 Klassen (Game, RoomManager, Room, Player, Monster), Unit-Tests für Player & RoomManager sowie systematisches Debugging von 8 gefundenen Bugs.
Größte Herausforderung: die Abhängigkeiten zwischen Klassen sauber aufeinander abstimmen – wer ist für was zuständig, und wann ruft wer wen auf?
Praktische Anwendung
Das Dungeon-Spiel war meine erste echte OOP-Anwendung – fünf Klassen, klare Verantwortlichkeiten, Unit-Tests. Python nutze ich seither auch für kleine Hilfs-Scripts und Datenanalyse.
Verwandte Projekte
Dungeon-Spiel-Repo folgt.
Tiefer ins Material
Vollständige Lerneinheiten und Karteikarten pflege ich in meinem Lern-Hub.
Rückblick: Das Dungeon-Projekt war mein erster echter OOP-Code. Bugs wie fehlende Attribute (AttributeError), negative Health-Werte oder eine nie endende Spielschleife haben mir mehr beigebracht als jede Übungsaufgabe – weil ich wirklich verstehen musste, was in welcher Klasse lebt.
🚀Modul 7
Anwendungsprojekt Informatik
Das Anwendungsprojekt ist das Modul, in dem alle anderen zusammenkommen: Statt isolierte Konzepte zu lernen, wird im Team ein echtes System entworfen – mit Anforderungsanalyse, Architektur und Dokumentation.
Im ersten Semester entstand der Plan für ein Industrie-4.0-Dashboard: Sensordaten aus dem Labor (real und simuliert) werden über MQTT und Kafka eingelesen, serverseitig in einer Datenbank verarbeitet und in einem Web-Frontend visualisiert. Im zweiten Semester folgt die Umsetzung – Theorie trifft Praxis, mit allem was dazugehört.
Projektziel
Web-basiertes Dashboard-System zur Analyse von Energie- und Materialverbräuchen im Industrie‑4.0‑Labor
Reale und simulierte Daten über MQTT- und Kafka-Schnittstellen erfassen
Daten serverseitig aufbereiten und in einer relationalen Datenbank speichern
Zentrale Kennzahlen berechnen und in einem interaktiven Web-Dashboard visualisieren
Semester 1: Projektplanung und Konzeption · Semester 2: Umsetzung und Dokumentation
Architektur & Tech-Stack
Das System setzt auf eine klassische dreischichtige Architektur: Datenerfassung über MQTT und Kafka als Message-Broker, serverseitige Verarbeitung mit Speicherung in einer relationalen Datenbank, und ein Web-Frontend zur interaktiven Visualisierung der Kennzahlen. Die Datenquellen sind teils reale Sensoren im Labor, teils simulierte Ströme – das System muss beides konsistent verarbeiten können.
Im ersten Semester lag der Fokus auf der Planung: Anforderungsanalyse, Systemarchitektur, Schnittstellendefinition. Die eigentliche Implementierung folgt im zweiten Semester.
Praktische Anwendung
Das Projekt selbst ist die Anwendung: Von Anforderungsanalyse und Schnittstellen-Design (Semester 1) zur Implementierung des Industrie-4.0-Dashboards mit MQTT, Kafka und Web-Frontend (Semester 2).
Rückblick: Das Projekt hat gezeigt, dass Softwareentwicklung im Team weit mehr als Codeschreiben ist – Kommunikation, klare Aufgabenteilung und Dokumentation sind genauso wichtig wie die technische Umsetzung.
Fazit – Was bleibt?
Das erste Theorie-Semester war intensiv: sieben Module gleichzeitig, von Mengenlehre bis Elektrotechnik bis hin zu meinem ersten Python-Projekt. Was mich am meisten überrascht hat: Wie eng alles zusammenhängt. Der Transistor erklärt das logische Gatter, das logische Gatter erklärt den Prozessor, der Prozessor führt meinen Python-Code aus.
Prolog hat mein Denken am stärksten beeinflusst – deklaratives Programmieren war ein echter Perspektivwechsel. Und das Gauß-Verfahren, das zunächst abstrakt wirkte, steckt heute in jedem Machine-Learning-Modell das ich nutze.
Das erste Semester und die erste Praxisphase haben gezeigt, wie sich diese Grundlagen in reale Projekte übersetzen.