Kostenloses Infomaterial zu Computational and Applied MathematicsStudienführer, Termine, Zulassung & Finanzierung – direkt in dein Postfach.
Friedrich-Alexander-Universität Erlangen-Nürnberg · Master

Computational and Applied Mathematics Master of Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg

Der Master Computational and Applied Mathematics an der Friedrich-Alexander-Universität Erlangen-Nürnberg verbindet mathematische Modellierung mit numerischer Praxis für datengetriebene und wissenschaftliche Anwendungen.
M.Sc.
Master of Science
120
ECTS-Punkte
4 Sem.
Regelstudienzeit
Erlangen
Studienort
🤝 Jobgarantie: Job in 6 Monaten nach dem Abschluss – oder wir zahlen dein Coaching.Mehr erfahren →

Über den Studiengang

Der Studiengang Computational and Applied Mathematics an der FAU Erlangen-Nürnberg richtet sich an Studierende, die mathematische Methoden nicht nur theoretisch verstehen, sondern gezielt auf reale Probleme aus Technik, Naturwissenschaft und Datenanalyse anwenden wollen. Erlangen ist als Standort für angewandte Mathematik und Simulationswissenschaften bekannt, was sich im Zuschnitt des Programms widerspiegelt.

Im Zentrum stehen Themen wie inverse Probleme, mathematische Grundlagen des maschinellen Lernens und die Modellierung von Prozessen über mehrere Skalen hinweg. Damit positioniert sich der Studiengang an der Schnittstelle von klassischer angewandter Mathematik und modernen, computergestützten Verfahren.

Die Vollzeit-Struktur des Master-Programms ermöglicht eine kontinuierliche Vertiefung, während der zulassungsfreie Zugang den Einstieg für mathematisch gut vorbereitete Bachelorabsolvent:innen erleichtert.

Curriculum & Module

57 Module · 120 ECTS gesamt – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.

57 Module · 120 ECTS
Weitere Module5 ECTS

Inverse Problems

Theory and methods for solving inverse problems with tutorials.

Weitere Module5 ECTS

Mathematics of Learning

Mathematical foundations of machine learning and data science with tutorials.

Weitere Module5 ECTS

Mathematics of Multiscale Models

Mathematical analysis of multiscale modeling techniques with tutorials.

Weitere Module5 ECTS

Theory of Stochastic Evolution Equations

Theoretical foundations of stochastic evolution equations with tutorials.

Weitere Module5 ECTS

Practical Course on Finite Element Methods for Phase-Separation Equations

Practical course on finite element methods applied to phase-separation problems.

Weitere Module5 ECTS

Regularity Theory of Elliptic PDEs

Study of regularity properties of elliptic partial differential equations with tutorials.

Weitere Module5 ECTS

Mathematical Image Processing

Mathematical methods for image processing applications with tutorials.

Weitere Module5 ECTS

Discrete Optimization I

Discrete optimization methods and algorithms with tutorials.

Weitere Module10 ECTS

Advanced Nonlinear Optimization

Advanced methods for solving nonlinear optimization problems with tutorials.

Weitere Module5 ECTS

Project Seminar Optimization

Practical project seminar on optimization with presentation and report.

Weitere Module5 ECTS

Efficient Discretization of two-phase Flow

Efficient discretization techniques for two-phase flow problems.

Weitere Module5 ECTS

Selected Topics of Mathematics of Learning

Selected advanced topics in mathematics of machine learning with tutorials.

Weitere Module

Control, Machine Learning and Numerics

Weitere Module

Discrete Optimization III

Weitere Module

Computational Complexity

Weitere Module

Numerical Methods for Nonsmooth Problems

Weitere Module

Wave Phenomena

Weitere Module

Subspace Correction Methods

Weitere Module

Navier Stokes Equations

Weitere Module

Polynomial Optimisation and Application

Weitere Module

Stochastic Analysis

Weitere Module

Seminar Applied Analysis

Weitere Module

Seminar Selected Topics of Applied Analysis

Weitere Module

Numerics of Optimal Control

Weitere Module

Semigroups of Linear Operators

Weitere Module

Introduction to Control and Machine Learning

1. Semester10 ECTS

Modeling and Analysis in Continuum Mechanics I

Modeling and analysis of continuum mechanics problems with tutorials.

1. Semester10 ECTS

Numerics of Partial Differential Equations I

Introduction to numerical methods for partial differential equations with tutorials.

1. Semester5 ECTS

Advanced Algorithms for Nonlinear Optimization

Advanced algorithmic methods for nonlinear optimization with tutorials.

1. Semester5 ECTS

Optimization with Partial Differential Equations

Optimization problems constrained by partial differential equations with tutorials.

1. Semester5 ECTS

Optimization in Industry and Economy

Applications of optimization methods to industrial and economic problems with tutorials.

1. Semester5 ECTS

Conic Optimization and Applications

Conic optimization methods and their applications with tutorials.

2. Semester5 ECTS

Modeling and Analysis in Continuum Mechanics II

Advanced modeling and analysis in continuum mechanics with tutorials.

2. Semester5 ECTS

Practical Course: Modeling, Simulation and Optimization

Practical course covering modeling, simulation and optimization techniques.

2. Semester10 ECTS

Programming Techniques for Supercomputers in CAM

Programming techniques for supercomputers with tutorials on computational methods.

2. Semester10 ECTS

Advanced Discretization Techniques

Advanced techniques for discretization of mathematical problems with tutorials.

2. Semester10 ECTS

Introduction to Material and Shape Optimization

Optimization techniques for material and shape design problems with tutorials.

2. Semester5 ECTS

Robust Optimization II

Robust optimization techniques for handling uncertainty with tutorials.

2. Semester5 ECTS

Numerical Aspects of Linear and Integer Programming

Numerical methods for linear and integer programming problems with tutorials.

2. Semester5 ECTS

Discrete Optimization II

Advanced discrete optimization methods with tutorials.

3. Semester5 ECTS

Architectures of Supercomputers

Study of supercomputer architectures with tutorials.

3. Semester5 ECTS

Master's seminar MApA

Seminar in applied mathematics with talk and written report.

3. Semester5 ECTS

Master's seminar NASi

Seminar in numerical analysis and simulation with talk and written report.

3. Semester5 ECTS

Master's seminar Opti

Seminar in optimization with talk and written report.

3. Semester5 ECTS

Advanced Solution Techniques

Advanced methods for solving mathematical problems with tutorials.

3. Semester5 ECTS

Transport and Reaction in Porous Media: Modeling

Modeling of transport and reaction processes in porous media with tutorials.

3. Semester5 ECTS

Transport and Reaction in Porous Media: Simulation

Simulation methods for transport and reaction in porous media with tutorials.

3. Semester5 ECTS

Numerics of Incompressible Flows I

Numerical methods for incompressible fluid flows with tutorials.

3. Semester5 ECTS

Numerics of Incompressible Flows II

Advanced numerical methods for incompressible fluid flows with tutorials.

3. Semester5 ECTS

Mathematical Models of Kinetic Theory

Mathematical modeling and analysis of kinetic theory with tutorials.

3. Semester5 ECTS

Numerics of Stochastic Evolution Equations

Numerical methods for stochastic evolution equations with tutorials.

3. Semester5 ECTS

Mathematical Modeling in the Life Sciences

Mathematical modeling techniques applied to life science problems with tutorials.

3. Semester5 ECTS

Analysis of Free-Boundary Problems in Continuum Mechanics

Analysis of free-boundary problems in continuum mechanics with tutorials.

3. Semester5 ECTS

Partial Differential Equations in Finance

Applications of partial differential equations to finance problems with tutorials.

3. Semester5 ECTS

Lecture Series Partial Differential Equations, Control and Numerics

Lecture series on partial differential equations, control theory and numerical methods with tutorials.

3. Semester5 ECTS

Numerics of Partial Differential Equations II

Advanced numerical methods for partial differential equations with tutorials.

4. Semester25 ECTS

Master's Thesis

Master's thesis with colloquium examination.

Moduldaten aus dem offiziellen Modulhandbuch der Hochschule München. Umfang und Angebot können sich je Studien- und Prüfungsordnung ändern.

Studiengang im Detail

Über den Studiengang

Computational and Applied Mathematics an der FAU verknüpft mathematische Theorie mit numerischer Umsetzung und richtet sich an Studierende mit Interesse an rechnergestützter Problemlösung.

Der Studiengang baut auf einem mathematischen oder ingenieurwissenschaftlichen Bachelor auf und vertieft Methoden, die in Forschung und Industrie gleichermaßen gefragt sind.

Studieninhalte

Module wie Inverse Problems behandeln die Rekonstruktion von Ursachen aus beobachteten Effekten – etwa in der Bildgebung oder Messtechnik. Mathematics of Learning vermittelt die mathematischen Grundlagen hinter Lernalgorithmen, während Mathematics of Multiscale Models Werkzeuge zur Beschreibung von Phänomenen liefert, die auf unterschiedlichen räumlichen oder zeitlichen Ebenen ablaufen.

Diese Kombination sorgt dafür, dass Studierende sowohl analytisches als auch algorithmisches Denken trainieren und lernen, komplexe Systeme rechnerisch zugänglich zu machen.

Für wen passt das?

Der Studiengang eignet sich für Personen mit solidem mathematischem Fundament, die Freude an Abstraktion ebenso mitbringen wie Interesse an konkreter Softwareumsetzung.

Wer lieber ausschließlich anwendungsnah oder ausschließlich theoretisch arbeiten möchte, sollte prüfen, ob der hier geforderte Mix aus Modellierung, Numerik und Programmierung zu den eigenen Stärken passt.

Karriere & Arbeitsmarkt

Absolvent:innen finden Anknüpfungspunkte in Forschungseinrichtungen, in der Industrie bei Simulation und Datenanalyse sowie im Bereich Data Science, da die erlernten Methoden branchenübergreifend gefragt sind.

Die enge Verzahnung von Theorie und Numerik bereitet zudem auf eine mögliche Promotion in angewandter Mathematik oder verwandten Disziplinen vor.

Hochschule & Format

Die FAU Erlangen-Nürnberg bietet als forschungsstarke Universität ein Umfeld, in dem angewandte Mathematik eng mit Ingenieur- und Naturwissenschaften verzahnt ist.

Das Vollzeitformat in Erlangen ermöglicht eine fokussierte Auseinandersetzung mit anspruchsvollen mathematischen Inhalten ohne parallele Berufstätigkeit.

Zulassung & Zugangswege

ZulassungsfreiComputational and Applied Mathematics ist an der FAU in der Regel zulassungsfrei – der Einstieg ist ohne Numerus Clausus möglich.
ZugangswegeIn der Regel Abitur oder Fachhochschulreife – auch beruflich Qualifizierte können zugelassen werden; ein einschlägiges Vorpraktikum ist teils empfohlen.

Deine Zulassungschancen

Ehrliche Einordnung auf Basis der gebundenen Daten, plus dein persönlicher Match.

Gute Nachrichten: zulassungsfrei

Dieser Studiengang hat keinen Numerus Clausus. Deine Abiturnote ist für die Zulassung nicht entscheidend, oft ist sogar ein Einstieg ohne Abitur möglich.

Kosten & Finanzierung

An staatlichen Hochschulen fallen in der Regel keine Studiengebühren an – du zahlst nur den Semesterbeitrag.

PositionBetrag
Studiengebühren0 €
Semesterbeitragca. 250 bis 350 € / Semester
Enthaltenu. a. Semesterticket & Studierendenwerk

Richtwerte – den genauen Semesterbeitrag nennt die Hochschule.

Deine Jobgarantie mit StudySmarter

Wenn du deinen Studiengang über StudySmarter und das StudyKit findest und dich darüber einschreibst, ist die Jobgarantie automatisch dabei.

Jobgarantie 6 Monate

Findest du innerhalb von 6 Monaten nach deinem Abschluss keinen Job, übernehmen wir dein professionelles Jobcoaching – so lange, bis du einen hast.

Gilt ab dem Tag deines Studienabschlusses.
So sicherst du sie dir
  • Finde & wähle deinen Studiengang über StudySmarter und das StudyKit
  • Schreib dich darüber an deiner Uni ein und schließe erfolgreich ab
  • Bewirb dich über die StudySmarter Jobbörse und CareerKit für deinen ersten Job nach dem Studium
Alle Bedingungen findest du in den Teilnahmebedingungen.
Ohne Zusatzkosten Automatisch dabei. Mit deiner Einschreibung über StudySmarter ist die Jobgarantie inklusive – du musst nichts extra buchen. Infomaterial anfordern

Es gelten die Teilnahmebedingungen. Details und Bedingungen erhältst du mit dem Infomaterial.

Karriere & Gehalt

Der Master eröffnet Wege in Forschung, Industrie und datengetriebene Berufsfelder, die auf fundierte mathematische Modellierung angewiesen sind.

  1. Einstieg als Mathematiker:in oder Data ScientistErste Berufserfahrung in Modellierung, Simulation oder Datenanalyse in Industrie oder Forschung · 0 bis 3 Jahre
  2. Fachliche VertiefungÜbernahme komplexerer Projekte in numerischer Simulation, inversen Problemen oder Machine-Learning-Anwendungen · 2 bis 5 Jahre
  3. Projekt- oder TeamverantwortungLeitung kleinerer Projektteams, Verantwortung für methodische Ausrichtung von Modellierungsprojekten · 4 bis 8 Jahre
  4. Leitende Position oder wissenschaftliche FührungFührung von Forschungs- oder Entwicklungsabteilungen, ggf. mit Promotion und Leitung eigener Arbeitsgruppen · 8 bis 15 Jahre

Gehaltsspanne nach Karrierephase

Branchenweite Marktorientierung für Computational and Applied Mathematics-Profile (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.

Arbeitsmarkt & Zukunft

Automatisierung und KI verändern, welche Aufgaben angewandte Mathematiker:innen künftig selbst übernehmen und welche sie steuern.

Wie KI den Beruf verändert

In der angewandten Mathematik übernehmen Algorithmen zunehmend Routineaufgaben, während konzeptionelle Arbeit beim Menschen bleibt.

KI nimmt dir ab

  • Automatisierte numerische Lösungsverfahren für Standardprobleme
  • Vortrainierte Modelle für gängige Machine-Learning-Aufgaben
  • Routinemäßige Datenaufbereitung und -bereinigung
  • Standardisierte Simulationsläufe mit etablierten Solvern

Menschlich gefragter denn je

  • Formulierung und Validierung neuer mathematischer Modelle
  • Interpretation von Ergebnissen im fachlichen Kontext
  • Entwicklung neuartiger Lösungsansätze für inverse oder Multiskalenprobleme
  • Kommunikation komplexer Resultate an Fachfremde

Kompetenzen in Inverse Problems und Mathematics of Multiscale Models bilden die Grundlage dafür, auch bei zunehmender Automatisierung neue Modellierungsansätze selbst zu entwickeln.

Arbeiten neben dem Studium

Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Erlangen, ideal neben dem Präsenzstudium am Campus.

bis 20 Std.pro Woche im Semester – das erlaubt das Werkstudentenprivileg
ab 13,90 €pro Stunde gesetzlicher Mindestlohn; technische Werkstudierende oft darüber
SV-freiWerkstudentenjobs sind weitgehend sozialversicherungsfrei – mehr netto bleibt

Stellen live aus der StudySmarter Jobbörse · laufend aktualisiert.

Die Hochschule im Profil

Kurzprofil der Friedrich-Alexander-Universität Erlangen-Nürnberg – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.

Friedrich-Alexander-Universität Erlangen-Nürnberg

Staatliche HochschulePräsenzstudiumErlangen
StudySmarter-Score

Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.

Zum Hochschulprofil

Was Studierende sagen

Das wird gelobt

  • Enge Verbindung von mathematischer Theorie und numerischer Praxis
  • Themenspektrum von inversen Problemen bis maschinellem Lernen
  • Forschungsstarkes Umfeld an der FAU Erlangen-Nürnberg

Worauf du achten solltest

Wer sich vor intensiver Programmierarbeit oder abstrakter Theorie scheut, sollte den Studiengang kritisch prüfen, da beide Anteile durchgehend gefordert sind.

Passt Computational and Applied Mathematics zu dir?

Das solltest du mitbringen

  • Du hast Freude an mathematischer Modellierung und willst sie praktisch anwenden.
  • Programmieren und numerisches Arbeiten schrecken dich nicht ab, sondern reizen dich.
  • Du interessierst dich für die mathematischen Grundlagen von Machine Learning.
  • Ein forschungsnahes, anspruchsvolles Vollzeitstudium in Erlangen passt zu deinem Lernstil.

Häufige Fragen

Ist der Master Computational and Applied Mathematics an der FAU zulassungsbeschränkt?

Nein, der Zugang ist zulassungsfrei, setzt aber in der Regel einen mathematisch fundierten Bachelorabschluss voraus.

Welche Vorkenntnisse sollte ich mitbringen?

Solide Grundlagen in Analysis, linearer Algebra und Numerik sind hilfreich, da Module wie Inverse Problems und Mathematics of Multiscale Models darauf aufbauen.

Ist der Studiengang eher theoretisch oder anwendungsorientiert?

Beides: Die FAU verbindet mathematische Theorie eng mit numerischer Umsetzung und praktischer Anwendung, etwa im Bereich Machine Learning.

Welche Berufsfelder stehen mir nach dem Abschluss offen?

Absolvent:innen arbeiten häufig in Forschung, Simulation, Data Science oder streben eine Promotion in angewandter Mathematik an.

Kostenlos & unverbindlich

Infomaterial zu Computational and Applied Mathematics bekommen

Studienführer, Termine, Zulassung & Finanzierung – kostenlos direkt in dein Postfach.

🤝 Jobgarantie inklusiveJob in 6 Monaten nach dem Abschluss – oder wir zahlen dein Coaching. Automatisch dabei, wenn du dich über StudySmarter einschreibst.

Kostenlos · kein Spam · jederzeit abbestellbar.

StudyKit · kostenlos

Noch unsicher bei der Studienwahl?

Mit StudyKit gehst du Studienwahl, Bewerbung und Finanzierung an einem Ort an, begleitet von einem persönlichen KI-Assistenten. Finde heraus, was wirklich zu dir passt, und starte deine Bewerbung Schritt für Schritt.

Karriere-QuizBewerbungs-WalkthroughGehalts- & CV-Check