Weitere Module5 ECTS
Inverse Problems
Mathematische Theorie und Numerik von inversen Problemen mit Vorlesung und Übungen.
Friedrich-Alexander-Universität Erlangen-Nürnberg · Master
Computational Engineering Master of Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg
Der Masterstudiengang Computational Engineering an der FAU Erlangen-Nürnberg verbindet numerische Mathematik, Ingenieurwissenschaften und maschinelles Lernen zu einem forschungsnahen, zulassungsfreien Masterprogramm in Erlangen.M.Sc.
Master of Science
120
ECTS-Punkte
4 Sem.
Regelstudienzeit
Erlangen
Studienort
Über den Studiengang
Computational Engineering an der FAU Erlangen-Nürnberg richtet sich an alle, die technische und naturwissenschaftliche Fragestellungen mit Hilfe von Simulation, numerischer Mathematik und datengetriebenen Methoden lösen möchten. Der Masterstudiengang ist stark interdisziplinär angelegt und verknüpft klassische Ingenieurdisziplinen mit angewandter Mathematik und Informatik.
Erlangen ist als Standort für dieses Fach besonders geeignet, da die FAU über eine lange Tradition in den Bereichen Simulation, Höchstleistungsrechnen und angewandte Mathematik verfügt. Die räumliche Nähe zu Forschungseinrichtungen und Industriepartnern in der Region schafft ein Umfeld, in dem Theorie und Anwendung eng miteinander verzahnt sind.
Da der Studiengang zulassungsfrei ist, steht der Zugang grundsätzlich allen Interessierten mit einschlägigem Bachelorabschluss offen – die inhaltliche Tiefe und mathematische Ausrichtung setzt jedoch ein solides quantitatives Vorwissen voraus.
Curriculum & Module
44 Module · 120 ECTS gesamt – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
Weitere Module5 ECTS
Mathematics of Learning
Mathematische Grundlagen des Machine Learning mit Vorlesung und Übungen.
Weitere Module5 ECTS
Mathematical Models of Kinetic Theory
Mathematische Modelle der Kinetischen Theorie mit Vorlesung und Übungen (nicht mehr angeboten).
Weitere Module5 ECTS
Mathematics of Multiscale Models
Mathematik von Multiskalen-Modellen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Theory of Stochastic Evolution Equations
Theoretische Grundlagen stochastischer Evolutionsgleichungen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Numerics of Stochastic Evolution Equations
Numerische Methoden für stochastische Evolutionsgleichungen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Practical Course on Finite Element Methods for Phase-Separation Equations
Praktischer Kurs zu Finite-Element-Methoden für Phasenseparationsgleichungen mit Seminar und praktischen Aufgaben.
Weitere Module5 ECTS
Regularity Theory of Elliptic PDEs
Regularitätstheorie elliptischer partieller Differentialgleichungen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Mathematical Modeling in the Life Sciences
Mathematische Modellierung in den Biowissenschaften mit Vorlesung und Übungen.
Weitere Module5 ECTS
Mathematical Image Processing
Mathematische Bildverarbeitung auf Basis von partiellen Differentialgleichungen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Analysis of Free-Boundary Problems in Continuum Mechanics
Analyse von Freien-Rand-Problemen in der Kontinuumsmechanik mit Vorlesung und Übungen.
Weitere Module5 ECTS
Partial Differential Equations in Finance
Partielle Differentialgleichungen in der Finanzmathematik mit Vorlesung und Übungen.
Weitere Module10 ECTS
Introduction to Material and Shape Optimization
Einführung in Material- und Formoptimierung mit Vorlesung und Übungen.
Weitere Module5 ECTS
Advanced Algorithms for Nonlinear Optimization
Fortgeschrittene Algorithmen für nichtlineare Optimierung mit Vorlesung und Übungen.
Weitere Module5 ECTS
Discrete Optimization I
Diskrete Optimierung Teil I mit Vorlesung und Übungen.
Weitere Module5 ECTS
Robust Optimization II
Robuste Optimierung Teil II mit Vorlesung und Übungen.
Weitere Module5 ECTS
Numerical Aspects of Linear and Integer Programming
Numerische Aspekte der linearen und ganzzahligen Programmierung mit Vorlesung und Übungen.
Weitere Module10 ECTS
Advanced Nonlinear Optimization
Fortgeschrittene nichtlineare Optimierung mit Vorlesung und Übungen.
Weitere Module5 ECTS
Optimization with Partial Differential Equations
Optimierung mit partiellen Differentialgleichungen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Discrete Optimization II
Diskrete Optimierung Teil II mit Vorlesung und Übungen.
Weitere Module5 ECTS
Optimization in Industry and Economy
Optimierung in Industrie und Wirtschaft mit Vorlesung und Übungen.
Weitere Module5 ECTS
Project Seminar Optimization
Praktischer Kurs Optimierung mit Präsentation und Abschlussbericht.
Weitere Module5 ECTS
Conic Optimization and Applications
Kegeloptimierung und Anwendungen mit Vorlesung und Übungen.
Weitere Module5 ECTS
Lecture Series Partial Differential Equations, Control and Numerics
Vorlesungsreihe zu partiellen Differentialgleichungen, Kontrolltheorie und Numerik mit schriftlicher Prüfung.
Weitere Module5 ECTS
Numerics of Partial Differential Equations II
Numerische Methoden für partielle Differentialgleichungen Teil II mit Vorlesung und Übungen.
Weitere Module5 ECTS
Efficient Discretization of Two-Phase Flow
Effiziente Diskretisierung von Zweiphasenströmung mit praktischen Aufgaben und Seminaranteil.
Weitere Module5 ECTS
Selected Topics of Mathematics of Learning
Ausgewählte Themen der Mathematik des Machine Learning mit Vorlesung und Übungen.
Weitere Module
Control, Machine Learning and Numerics
Kontrolltheorie, Machine Learning und Numerik (Moduldetails nicht vollständig im Text).
1. Semester10 ECTS
Modeling and Analysis in Continuum Mechanics I
Einführung in mathematische Modellierung und Analysis von Kontinuumsmechanik mit Vorlesung und Übungen.
1. Semester5 ECTS
Practical Course: Modeling, Simulation and Optimization
Praktischer Kurs zur Modellierung, Simulation und Optimierung mit praktischen Aufgaben und Seminaranteil.
1. Semester10 ECTS
Numerics of Partial Differential Equations I
Einführung in numerische Methoden für partielle Differentialgleichungen mit Vorlesung und Übungen.
1. Semester10 ECTS
Advanced Discretization Techniques
Fortgeschrittene Diskretisierungsmethoden mit Vorlesung und Übungen.
2. Semester5 ECTS
Modeling and Analysis in Continuum Mechanics II
Fortsetzung der mathematischen Modellierung und Analysis von Kontinuumsmechanik mit Vorlesung und Übungen.
2. Semester10 ECTS
Programming Techniques for Supercomputers in CAM
Vermittlung von Programmiertechniken für Supercomputer mit Vorlesung und Übungen.
2. Semester5 ECTS
Architectures of Supercomputers
Einführung in die Architektur von Supercomputern mit Vorlesung und Übungen.
2. Semester5 ECTS
Advanced Solution Techniques
Fortgeschrittene Lösungsmethoden mit Vorlesung und Übungen.
2. Semester5 ECTS
Transport and Reaction in Porous Media: Modeling
Mathematische Modellierung von Transport und Reaktion in porösen Medien mit Vorlesung und Übungen.
2. Semester5 ECTS
Numerics of Incompressible Flows I
Numerische Methoden für inkompressible Strömungen Teil I mit Vorlesung und Übungen.
3. Semester5 ECTS
Master's seminar MApA
Masterseminar im Bereich Applied Analysis mit Vortrag und schriftlicher Ausarbeitung.
3. Semester5 ECTS
Master's seminar NASi
Masterseminar im Bereich Numerics and Scientific Computing mit Vortrag und schriftlicher Ausarbeitung.
3. Semester5 ECTS
Master's seminar Opti
Masterseminar im Bereich Optimization mit Vortrag und schriftlicher Ausarbeitung.
3. Semester5 ECTS
Transport and Reaction in Porous Media: Simulation
Simulation von Transport und Reaktion in porösen Medien mit Vorlesung und Übungen.
3. Semester5 ECTS
Numerics of Incompressible Flows II
Numerische Methoden für inkompressible Strömungen Teil II mit Vorlesung und Übungen.
4. Semester25 ECTS
Master's Thesis
Abschlussarbeit mit Kolloquium bestehend aus mündlicher Prüfung und Thesis.
Keine Module gefunden. Suche anpassen oder Filter zurücksetzen.
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 Engineering an der FAU verbindet Ingenieurwissenschaften mit angewandter Mathematik und Informatik, um komplexe technische Systeme simulieren und optimieren zu können. Der Studiengang baut auf einem quantitativ ausgerichteten Bachelorstudium auf und vertieft die methodischen Grundlagen für numerische Simulation und Modellierung.
Im Zentrum steht die Fähigkeit, reale Probleme aus Technik und Naturwissenschaft in mathematische Modelle zu übersetzen und diese rechnerisch zu lösen – ein Ansatz, der in Forschung und Industrie gleichermaßen gefragt ist.
Studieninhalte
Die Studieninhalte reichen von der Theorie inverser Probleme über die Mathematik des maschinellen Lernens bis hin zu kinetischen Modellen physikalischer Prozesse. Module wie Inverse Problems vermitteln, wie aus indirekten Messdaten Rückschlüsse auf zugrunde liegende Systeme gezogen werden können.
Mathematics of Learning verknüpft klassische numerische Verfahren mit modernen Methoden des maschinellen Lernens, während Mathematical Models of Kinetic Theory die mathematische Beschreibung von Teilchensystemen und Transportprozessen behandelt. Diese Kombination macht den Studiengang besonders vielseitig einsetzbar.
Für wen passt das?
Der Studiengang eignet sich für Personen mit ausgeprägtem Interesse an Mathematik, Programmierung und technischer Modellierung, die nicht nur klassisch ingenieurwissenschaftlich, sondern stark methodisch-analytisch arbeiten möchten.
Wer bereits im Bachelor Freude an Numerik, Differentialgleichungen oder Statistik entwickelt hat, findet hier ein passendes Vertiefungsfeld mit hohem Abstraktionsgrad.
Karriere & Arbeitsmarkt
Absolvent:innen von Computational Engineering finden Einsatzmöglichkeiten in Industrie und Forschung, überall dort, wo Simulation, Datenanalyse und mathematische Modellierung gefragt sind – etwa in der Automobil-, Energie- oder Halbleiterbranche.
Die enge Verzahnung von Mathematik, Informatik und Ingenieurwesen bereitet zudem auf eine mögliche wissenschaftliche Laufbahn vor, etwa im Bereich Höchstleistungsrechnen oder angewandte Forschung.
Hochschule & Format
Die FAU Erlangen-Nürnberg bietet als Universität mit ausgeprägtem technisch-naturwissenschaftlichem Profil ideale Rahmenbedingungen für ein forschungsnahes Masterstudium in Vollzeit.
Der Studienort Erlangen ist geprägt von einer engen Verbindung zwischen Hochschule, Forschungseinrichtungen und ansässigen Technologieunternehmen, was praxisnahe Projekte und Abschlussarbeiten begünstigt.
Zulassung & Zugangswege
ZulassungsfreiComputational Engineering 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.
| Position | Betrag |
|---|---|
| Studiengebühren | 0 € |
| Semesterbeitrag | ca. 250 bis 350 € / Semester |
| Enthalten | u. 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
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
Computational Engineering eröffnet Wege in Forschung, Industrie und Softwareentwicklung, die alle auf mathematisch-technischer Modellierung aufbauen.
- Einstieg als Simulationsingenieur:inErste praktische Anwendung numerischer Methoden in Entwicklungs- oder Forschungsteams · 0 bis 2 Jahre
- Fachliche Vertiefung als Computational EngineerEigenständige Entwicklung und Anpassung von Simulationsmodellen für komplexe Systeme · 2 bis 5 Jahre
- Projektverantwortung in Modellierung & SimulationLeitung von Teilprojekten und Koordination interdisziplinärer Simulationsvorhaben · 5 bis 8 Jahre
- Leitung von Forschungs- oder EntwicklungsabteilungenStrategische Verantwortung für Methodik, Personal und Innovationsrichtung · ab etwa 8 Jahren
Gehaltsspanne nach Karrierephase
Branchenweite Marktorientierung für Computational Engineering-Profile (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.
Arbeitsmarkt & Zukunft
Die zunehmende Bedeutung datengetriebener Simulation verändert auch den Alltag von Computational Engineers spürbar.
Wie KI den Beruf verändert
Künstliche Intelligenz übernimmt in der numerischen Modellierung zunehmend Routineaufgaben, verändert aber auch die methodischen Anforderungen an das Berufsbild.
KI nimmt dir ab
- Automatisierte Parameteroptimierung in Simulationsmodellen
- Vorverarbeitung und Bereinigung großer Simulationsdatensätze
- Standardisierte numerische Löser für wiederkehrende Problemklassen
- Erste Modellvalidierung durch automatisierte Testläufe
Menschlich gefragter denn je
- Interpretation komplexer Simulationsergebnisse im technischen Kontext
- Entwicklung neuer mathematischer Modelle für unbekannte Problemstellungen
- Kritische Bewertung von Modellannahmen und Grenzen der Numerik
- Kommunikation von Ergebnissen an interdisziplinäre Projektteams
Die Fähigkeit, Messdaten in belastbare Modelle zu überführen, wird direkt im Modul Inverse Problems und in Mathematics of Learning aufgebaut.
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
Werkstudentenjobsin ErlangenLive Praktikain ErlangenLive Werkstudent Maschinenbaubundesweit & remoteLive
Stellen live aus der StudySmarter Jobbörse · laufend aktualisiert.
Tools & Rechner
Kostenlose StudySmarter-Tools für Finanzierung, Karriere und Bewerbung – direkt einsatzbereit.
GehaltsrechnerWas verdienst du mit diesem Abschluss? Gehälter nach Beruf und Region.BAföG-RechnerBerechne in zwei Minuten deinen möglichen BAföG-Anspruch.Karriere-QuizFinde heraus, welche Berufe und Studiengänge zu dir passen.CV-CheckLass deinen Lebenslauf prüfen und erhalte konkrete Verbesserungen.Skills-AnalyseWelche Skills brauchst du im Beruf – und wo hast du noch Lücken?KarrierepfadSieh typische Karrierewege und Gehaltsstufen für deinen Beruf.
Die Hochschule im Profil
Kurzprofil der Friedrich-Alexander-Universität Erlangen-Nürnberg – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
FA
Friedrich-Alexander-Universität Erlangen-Nürnberg
Staatliche HochschulePräsenzstudiumErlangen
StudySmarter-Score
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Was Studierende sagen
Das wird gelobt
- Enge Verzahnung von Mathematik, Informatik und Ingenieurwesen
- Forschungsnahe Ausrichtung mit Bezug zu aktuellen Simulationsmethoden
- Zulassungsfreier Zugang bei gleichzeitig hohem fachlichem Niveau
Worauf du achten solltest
Wer sich für diesen Studiengang entscheidet, sollte ein ausgeprägtes Interesse an abstrakter Mathematik und Programmierung mitbringen, da die Inhalte deutlich theorielastiger sind als in klassischen Ingenieurstudiengängen.
Passt Computational Engineering zu dir?
Das solltest du mitbringen
- Du interessierst dich für numerische Mathematik, Simulation und Programmierung gleichermaßen.
- Du willst technische Probleme mit datengetriebenen und modellbasierten Methoden lösen.
- Du bringst aus deinem Bachelor solide Kenntnisse in Mathematik oder einer Ingenieurdisziplin mit.
- Du arbeitest gerne abstrakt und analytisch statt rein konstruktiv-praktisch.
Weitere & ähnliche Studiengänge
Ähnliche Studiengänge an der FAU
Advanced Health Care
Studiengang ansehen
Advanced Healthcare – Interprofessionelle Gesundheitsversorgung
Studiengang ansehen
Advanced Materials and Processes
Studiengang ansehen
Advanced Optical Technologies
Studiengang ansehen
Antike Sprachen und Kulturen
Studiengang ansehen
Applied Sustainable Engineering
Studiengang ansehen
Computational Engineering an anderen Hochschulen
Häufige Fragen
Ist Computational Engineering an der FAU zulassungsfrei?
Ja, der Studiengang ist zulassungsfrei, was bedeutet, dass keine Zulassungsbeschränkung wie ein Numerus Clausus besteht – die inhaltlichen Anforderungen bleiben dennoch anspruchsvoll.
Welche Vorkenntnisse sollte ich für den Master mitbringen?
Ein Bachelorabschluss mit starkem mathematisch-technischem Profil sowie Grundkenntnisse in Programmierung und numerischen Methoden sind hilfreich, um den Modulen wie Inverse Problems oder Mathematics of Learning gut folgen zu können.
In welcher Sprache wird der Studiengang unterrichtet?
Je nach gewählten Modulen finden Lehrveranstaltungen sowohl auf Deutsch als auch auf Englisch statt, was den Studiengang auch für internationale Studierende zugänglich macht.
Welche Berufsfelder stehen nach dem Abschluss offen?
Absolvent:innen arbeiten häufig in Simulation, Forschung und Entwicklung in Industrie oder Wissenschaft, etwa im Bereich Höchstleistungsrechnen, Datenanalyse oder technischer Modellierung.
Kostenlos & unverbindlich
Infomaterial zu Computational Engineering bekommen
Studienführer, Termine, Zulassung & Finanzierung – kostenlos direkt in dein Postfach.
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