1. Semester5 ECTS
Technische Hochschule Nürnberg · Bachelor
Computational Materials Engineering mit KI Bachelor of Science an der Technische Hochschule Nürnberg
Der Studiengang Computational Materials Engineering mit KI an der Technischen Hochschule Nürnberg (THN) verbindet Werkstofftechnik mit datengetriebenen Simulationsmethoden und bereitet auf die Materialentwicklung von morgen vor.B.Sc.
Bachelor of Science
210
ECTS-Punkte
6 Sem.
Regelstudienzeit
Nürnberg
Studienort
Über den Studiengang
Wer Werkstoffe nicht nur im Labor testen, sondern auch am Rechner simulieren und mit Methoden künstlicher Intelligenz vorhersagen möchte, findet in diesem Bachelorstudiengang der Technischen Hochschule Nürnberg (THN) ein passendes Angebot. Der Studiengang Computational Materials Engineering mit KI verknüpft klassische Werkstofftechnik mit computergestützter Modellierung und maschinellem Lernen – ein Feld, das in der Industrie zunehmend an Bedeutung gewinnt.
Die THN positioniert das Studium bewusst als Vollzeitangebot mit engem Praxisbezug, wie es für Studiengänge an Hochschulen für angewandte Wissenschaften typisch ist. Studierende lernen, wie sich Materialeigenschaften mithilfe digitaler Werkzeuge vorhersagen, optimieren und mit realen Experimenten abgleichen lassen.
Da die Zulassung zulassungsfrei erfolgt, richtet sich der Studiengang an alle, die technisches und mathematisches Interesse mitbringen und bereit sind, sich in ein interdisziplinäres Feld zwischen Ingenieurwesen und Data Science einzuarbeiten.
Curriculum & Module
25 Module – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
1. Semester5 ECTS
Allgemeine Werkstofftechnik
1. Semester5 ECTS
Grundlagen und Tools KI
Studierende verstehen die grundlegenden Konzepte der Künstlichen Intelligenz und des maschinellen Lernens. Sie erlernen die Grundlagen der Programmiersprache Python und wenden die Toolkits pandas, scikit-learn und transformers an.
1. Semester7 ECTS
Allgemeine Physik
Die Studierenden entwickeln ein Verständnis für physikalische Vorgänge und erwerben die Fähigkeit, diese mathematisch zu beschreiben und auf Anwendungsprobleme anzuwenden.
1. Semester4 ECTS
Technische Mechanik
1. Semester4 ECTS
Mess- und Elektrotechnik
2. Semester5 ECTS
Technologie der Werkstoffe I
2. Semester5 ECTS
Technologie der Werkstoffe II
2. Semester5 ECTS
Technologie der Werkstoffe III
2. Semester5 ECTS
Algorithmen und Datenstrukturen
2. Semester5 ECTS
Lineare Algebra, Optimierung, Statistik
Studierende beherrschen grundlegende mathematische Konzepte der linearen Algebra, Optimierung und Statistik und können mathematische Modelle für technische Anwendungen nutzen.
2. Semester4 ECTS
CAE + FEM I
3. Semester5 ECTS
Technologie der Werkstoffe IV
3. Semester5 ECTS
Technologie der Werkstoffe V
3. Semester5 ECTS
Praktikum Materialphysik
3. Semester5 ECTS
Praktikum Materialanalytik
3. Semester5 ECTS
Machine Learning I
Studierende verstehen die grundlegenden Prinzipien des maschinellen Lernens, einschließlich überwachtem und unüberwachtem Lernen, und können einfache ML-Modelle entwickeln, evaluieren und interpretieren.
3. Semester5 ECTS
Verfahrenstechnik
4. Semester4 ECTS
CAE II & FEM II
4. Semester5 ECTS
Generative KI für Ingenieure
Studierende erhalten ein tiefgehendes Verständnis für Generative KI-Modelle wie GANs und VAEs und lernen deren Anwendungen in der Material- und Produktentwicklung sowie die Erzeugung synthetischer Daten kennen.
4. Semester5 ECTS
Neural Networks
Studierende verstehen den Aufbau und die Funktionsweise neuronaler Netze, können Backpropagation anwenden und verschiedene Netzarchitekturen unterscheiden.
4. Semester10 ECTS
Projektarbeit Konstruieren und Programmieren + Expertenseminar
Studierende setzen theoretisches Wissen in praktischen Projekten um und arbeiten interdisziplinär an realen Problemstellungen mit Fokus auf Konstruktion und Programmierung.
5. Semester29 ECTS
Industriepraktikum Seminar
Die Studierenden erhalten einen Einblick in die Arbeitsweise von praktizierenden Ingenieurinnen und Ingenieuren der Werkstofftechnik durch Mitarbeit an werkstofftechnischen Aufgabenstellungen in Industrieunternehmen oder Forschungsinstituten.
6. Semester5 ECTS
Machine Learning II
Studierende vertiefen ihr Wissen aus Machine Learning I, erlernen fortgeschrittene Deep Learning-Techniken und sind in der Lage, Hyperparameter zu optimieren sowie Reinforcement Learning für technische Anwendungen einzusetzen.
6. Semester5 ECTS
Produkttechnologien / Additive Manufacturing
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 Materials Engineering mit KI an der THN bildet eine Brücke zwischen traditioneller Werkstofftechnik und modernen Rechenmethoden. Statt Materialien ausschließlich experimentell zu untersuchen, lernen Studierende, physikalische Eigenschaften mithilfe von Simulationen und Algorithmen des maschinellen Lernens vorherzusagen.
Der Studiengang reagiert damit auf einen Trend in der Industrie, bei dem klassische Materialprüfung zunehmend durch computergestützte Verfahren ergänzt oder ersetzt wird, um Entwicklungszeiten zu verkürzen und Ressourcen zu sparen.
Studieninhalte
Zu den grundlegenden Bausteinen zählen mathematische Grundlagen, die als Werkzeugkasten für Simulation und Datenanalyse dienen, sowie die allgemeine Werkstofftechnik, die das klassische Verständnis von Metallen, Kunststoffen und Verbundwerkstoffen vermittelt.
Ergänzt wird dies durch Module zu Grundlagen und Tools der KI, in denen Studierende lernen, wie sich Algorithmen des maschinellen Lernens auf Materialdaten anwenden lassen – von der Datenaufbereitung bis zur Modellinterpretation.
Für wen passt das?
Der Studiengang eignet sich für alle, die technisches Interesse an Materialien mit Freude am Programmieren und Analysieren von Daten verbinden möchten. Ein solides Verständnis für Mathematik und Physik ist hilfreich, ebenso wie die Bereitschaft, sich in Software und Simulationswerkzeuge einzuarbeiten.
Wer lieber ausschließlich experimentell im Labor arbeiten möchte oder Berührungsängste mit Programmierung hat, sollte den hohen Anteil an computergestützten Methoden in diesem Studiengang realistisch einschätzen.
Karriere & Arbeitsmarkt
Absolventinnen und Absolventen finden Einsatzfelder in Branchen, die auf neue Materialien angewiesen sind – etwa Automobilindustrie, Luft- und Raumfahrt, Elektronik oder Energietechnik. Die Kombination aus Werkstoffwissen und KI-Kompetenz macht sie für Forschungs- und Entwicklungsabteilungen interessant.
Die Verzahnung von Simulation, Datenanalyse und klassischem Ingenieurwissen entspricht einem Berufsbild, das in der Kldb-Klassifikation als Computational Materials Engineering mit KI-Fachkräfte beschrieben wird und zunehmend an Relevanz gewinnt.
Hochschule & Format
Die Technische Hochschule Nürnberg bietet den Studiengang am Standort Nürnberg in Vollzeit an und setzt dabei auf die für Hochschulen für angewandte Wissenschaften typische Mischung aus Theorie, Labor- und Projektarbeit.
Die zulassungsfreie Aufnahme senkt die Einstiegshürde, verlangt von Studierenden aber ein hohes Maß an Eigenmotivation, um sich in einem inhaltlich anspruchsvollen, interdisziplinären Studiengang zurechtzufinden.
Zulassung & Zugangswege
ZulassungsfreiComputational Materials Engineering mit KI ist an der THN 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
Der Karriereweg im Bereich Computational Materials Engineering mit KI führt typischerweise von unterstützenden Simulations- und Analyseaufgaben hin zu eigenverantwortlicher Materialentwicklung und Teamleitung.
- Einstieg als Simulations- oder DatenassistenzUnterstützung bei der Aufbereitung von Materialdaten und ersten Simulationsläufen unter Anleitung erfahrener Ingenieurinnen und Ingenieure · 0 bis 2 Jahre
- Materialingenieur:in mit KI-FokusEigenständige Modellierung und Vorhersage von Werkstoffeigenschaften mithilfe von Simulationstools und maschinellem Lernen · 2 bis 5 Jahre
- Senior Computational Materials EngineerVerantwortung für komplexe Simulationsprojekte, Weiterentwicklung von KI-Modellen und Abstimmung mit Fachabteilungen · 5 bis 9 Jahre
- Teamleitung Materialentwicklung & SimulationFachliche und organisatorische Leitung von Projekten und Teams an der Schnittstelle zwischen Werkstofftechnik und Datenwissenschaft · 9 bis 15 Jahre
Gehaltsspanne nach Karrierephase
Branchenweite Marktorientierung für Computational Materials Engineering mit KI-Profile (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.
Arbeitsmarkt & Zukunft
Wie sich der Beruf rund um Computational Materials Engineering mit KI in den kommenden Jahren verändert, hängt stark davon ab, welche Aufgaben Algorithmen übernehmen und welche menschliches Urteilsvermögen erfordern.
Wie KI den Beruf verändert
Künstliche Intelligenz verändert die Arbeit in der computergestützten Werkstoffentwicklung bereits heute spürbar, ersetzt menschliche Fachkräfte dabei aber nicht vollständig.
KI nimmt dir ab
- Automatisierte Vorhersage von Materialeigenschaften anhand großer Datensätze
- Routinemäßige Simulationsläufe und Parameteroptimierung
- Erste Sichtung und Aufbereitung experimenteller Messdaten
- Generierung von Modellvorschlägen auf Basis bekannter Materialklassen
Menschlich gefragter denn je
- Kritische Bewertung und Validierung von KI-Modellergebnissen
- Interdisziplinäre Kommunikation zwischen Werkstofftechnik, Data Science und Produktion
- Entwicklung neuartiger Materialkonzepte jenseits bestehender Trainingsdaten
- Verantwortung für sicherheitsrelevante Entscheidungen in der Materialauswahl
Fähigkeiten wie das Aufsetzen eigener Vorhersagemodelle werden direkt in den Modulen Grundlagen und Tools KI sowie Mathematische Grundlagen gelegt.
Arbeiten neben dem Studium
Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Nürnberg, 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 NürnbergLive Praktikain NürnbergLive 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 Technische Hochschule Nürnberg – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
TH
Technische Hochschule Nürnberg
Staatliche HochschulePräsenzstudiumNürnberg
StudySmarter-Score
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Was Studierende sagen
Das wird gelobt
- Enge Verzahnung von klassischer Werkstofftechnik mit modernen KI-Methoden
- Zulassungsfreier Zugang senkt die Einstiegshürde
- Praxisnahe Ausrichtung typisch für Hochschulen für angewandte Wissenschaften
Worauf du achten solltest
Wer wenig Neigung zu Mathematik und Programmierung mitbringt, sollte bedenken, dass der Studiengang einen deutlichen Anteil an computergestützten und analytischen Inhalten umfasst, die über klassische Werkstoffkunde hinausgehen.
Passt Computational Materials Engineering mit KI zu dir?
Das solltest du mitbringen
- Du interessierst dich für Werkstoffe und willst verstehen, wie sich ihre Eigenschaften am Computer vorhersagen lassen.
- Mathematik und Programmieren schrecken dich nicht ab, sondern reizen dich als Werkzeuge für neue Lösungen.
- Du möchtest an der Schnittstelle von Ingenieurwesen und künstlicher Intelligenz arbeiten, statt dich auf ein rein klassisches Fachgebiet zu beschränken.
- Dir liegt praxisnahes, projektbasiertes Lernen an einer Hochschule für angewandte Wissenschaften mehr als reine Theorie.
Wer lieber ausschließlich im Labor experimentiert und Berührungsängste mit Simulationssoftware oder Datenanalyse hat, sollte den hohen computergestützten Anteil dieses Studiengangs vorab realistisch einschätzen.
Weitere & ähnliche Studiengänge
Ähnliche Studiengänge an der THN
Häufige Fragen
Ist der Studiengang Computational Materials Engineering mit KI an der THN zulassungsbeschränkt?
Nein, die Zulassung erfolgt zulassungsfrei, sodass keine Aufnahmeprüfung oder Notengrenze den Einstieg reguliert.
Welche Vorkenntnisse sollte ich für den Studiengang mitbringen?
Hilfreich sind solide Grundlagen in Mathematik und Physik sowie Interesse am Programmieren, da Module wie Mathematische Grundlagen und Grundlagen und Tools KI zentrale Bausteine des Studiums an der Technischen Hochschule Nürnberg (THN) bilden.
In welcher Studienform wird der Studiengang an der THN angeboten?
Der Studiengang wird in Vollzeit am Standort Nürnberg angeboten und richtet sich an Studierende, die sich vollständig auf ein Präsenzstudium konzentrieren möchten.
Welche Berufsfelder stehen nach dem Abschluss offen?
Absolventinnen und Absolventen können in Branchen arbeiten, die auf Materialentwicklung angewiesen sind, etwa in der Automobil-, Luftfahrt- oder Elektronikindustrie, entsprechend dem Berufsbild der Computational Materials Engineering mit KI-Fachkräfte.
Kostenlos & unverbindlich
Infomaterial zu Computational Materials Engineering mit KI 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