Weitere Module5 ECTS
Scientific Software Engineering – Lab
Software-Designprinzipien, Designmuster, Software-Qualitätsmetriken, agile Softwareentwicklung und Test-Driven Development für nachhaltige Softwarelösungen in wissenschaftlichen Kontexten.
Technische Universität Braunschweig · Master
Artificial Intelligence for Molecular Sciences Master of Science an der Technische Universität Braunschweig
Der Masterstudiengang Artificial Intelligence for Molecular Sciences an der TU Braunschweig verbindet Molekülwissenschaften mit maschinellem Lernen – berufsbegleitend studierbar in Teilzeit.M.Sc.
Master of Science
120
ECTS-Punkte
4 Sem.
Regelstudienzeit
Braunschweig
Studienort
Über den Studiengang
Der Studiengang Artificial Intelligence for Molecular Sciences an der TU Braunschweig richtet sich an Studierende, die an der Schnittstelle von Chemie, Physik und Data Science arbeiten möchten. Statt klassischer Trennung zwischen Naturwissenschaft und Informatik verzahnt das Programm beide Bereiche gezielt, damit molekulare Prozesse mit modernen KI-Methoden modelliert, vorhergesagt und analysiert werden können.
Da der Master in Teilzeit angeboten wird, eignet er sich besonders für Personen, die bereits berufstätig sind oder neben dem Studium andere Verpflichtungen haben. Die zulassungsbeschränkte Aufnahme sorgt dafür, dass die Gruppengrößen überschaubar bleiben und ein enger fachlicher Austausch möglich ist.
Am Standort Braunschweig profitieren Studierende von der technisch-naturwissenschaftlichen Ausrichtung der Hochschule, die Forschung und Lehre eng mit Anwendungsbezug verbindet.
Curriculum & Module
39 Module – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
Weitere Module5 ECTS
Machine Learning for Data Science
Überwachte und unüberwachte Lernalgorithmen, Modellauswahl, Deep Neural Networks, Self-Supervised Learning und Grundmodelle sowie deren Anwendungen und Limitierungen in Datenwissenschaftsprojekten.
Weitere Module5 ECTS
Pattern Recognition
Bayessche Entscheidungsregel, Klassifikationsmethoden (parametrisch und nichtparametrisch), lineare Diskriminanten, Support Vector Machines, neuronale Netze und Deep Learning sowie unüberwachtes Lernen und Clustering.
Weitere Module5 ECTS
Computer Lab Pattern Recognition
Praktische Anwendung von Machine-Learning- und Deep-Learning-Methoden in Python, einschließlich Bildverarbeitung, Zeitreihenanalyse, CNNs und RNNs sowie Evaluierung und Optimierung neuronaler Netze.
Weitere Module
Catalysis
Weitere Module
Advanced Inorganic Chemistry
Weitere Module
Organic Synthesis Planning
Weitere Module
Enzyme Engineering
Weitere Module
Fundamentals of Protein Structure Analysis
Weitere Module
Biomolecular Modelling
Weitere Module
Advanced Theoretical Chemistry
Weitere Module
Machine Learning in Computational Chemistry
Weitere Module
Research Lab Chemical Synthesis and Drug Design
Weitere Module
Molecular Spectroscopy
Weitere Module
Biophysical Chemistry
Weitere Module
Modern Optical Methods and Imaging
Weitere Module
Solar and Chemical Energy Conversion
Weitere Module
Physical Biology of the Cell
Weitere Module
Sophisticated Imaging
Weitere Module
Chemometrics
Weitere Module
Theoretical Spectroscopy
Weitere Module
Research Lab Spectroscopy and Imaging
Weitere Module
Molecular Microbial Evolution and Diversity
Weitere Module
Immunometabolism
Weitere Module
Applied bioinformatics: biomarkers for diagnosis
Weitere Module
Network Biology
Weitere Module
Functional Genomics in Infection Biology
Weitere Module
Microbial Proteomics
Weitere Module
Research Lab Data-Driven Biology
Weitere Module
Ethics and Epistemology
Weitere Module
Professionalization
Weitere Module
Master's Thesis
1. Semester5 ECTS
Introduction to AIMS
Einführung in Forschungsdaten der Molekularwissenschaften (Moleküldarstellungen, Proteinstrukturdaten, spektroskopische Daten, genomische Datenbanken) und Forschungsdatenmanagement. Präsentation aktueller Themen und Herausforderungen in künstlicher Intelligenz in den Molekularwissenschaften.
1. Semester8 ECTS
Mathematics for Engineers A
Differential- und Integralrechnung (Sequenzen, Reihen, Funktionen, Differentiation, Integration) sowie Lineare Algebra (algebraische Strukturen, Vektorräume, lineare Abbildungen, Eigenwerte und Eigenvektoren).
1. Semester8 ECTS
Programming in Python and Python Lab
Einführung in Python mit Schwerpunkt auf Datenanalyse und maschinelles Lernen mittels numpy, scipy, pandas und scikit-learn. Entwicklung von Data-Science-Software-Tools in Teams.
1. Semester4 ECTS
Organometallic Chemistry
Koordinationschemie von Übergangsmetallen, Bindungskonzepte (Valenzorbitaltheorie, Kristallfeldtheorie, Molekülorbitaltheorie), Katalytische Elementarreaktionen und -prozesse, Carbenkomplexe und Komplexe mit η-Liganden sowie biologische Funktionen von Metallen.
2. Semester5 ECTS
Deep Learning Lab
Praktisches Labor zu fortgeschrittenen Deep-Learning-Techniken und -Methoden.
2. Semester5 ECTS
Methods of Uncertainty Analysis and Quantification
Wahrscheinlichkeitstheorie, Monte-Carlo-Methoden, stochastische Quadratur und spektrale Methoden zur Quantifizierung von Unsicherheiten sowie globale Sensitivitätsanalyse und datengestützte Unsicherheitsanalyse.
2. Semester4 ECTS
Reaction Mechanisms
Orbitale, Stereochemie, Enolat-Chemie, Radikalreaktionen, photochemische Reaktionen, periyclische Reaktionen, Umlagerungen, Übergangsmetall-katalysierte Kupplungen, C-H-Aktivierung, Metathese, Organokatalyse und Photoredox-Katalyse.
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
Artificial Intelligence for Molecular Sciences positioniert sich als interdisziplinäres Programm, das klassische molekülwissenschaftliche Fragestellungen mit datengetriebenen Methoden verbindet. Die TU Braunschweig nutzt dafür ihre Stärke in den Naturwissenschaften und Ingenieurwissenschaften, um KI nicht abstrakt, sondern anwendungsnah an molekularen Problemstellungen zu vermitteln.
Die Teilzeitstruktur erlaubt es, Studieninhalte über einen längeren Zeitraum zu verteilen, was besonders für Berufstätige oder Studierende mit Familienpflichten relevant ist.
Studieninhalte
Zentrale Bausteine sind Module wie Scientific Software Engineering – Lab, in dem praxisnah Softwarelösungen für wissenschaftliche Fragestellungen entwickelt werden, sowie Machine Learning for Data Science, das die methodischen Grundlagen des maschinellen Lernens vermittelt. Ergänzt wird dies durch Pattern Recognition, das auf die Erkennung von Mustern in komplexen molekularen Datensätzen abzielt.
Die Kombination dieser Module bereitet darauf vor, KI-Modelle nicht nur zu verstehen, sondern auch selbst zu implementieren und auf reale molekulare Daten anzuwenden.
Für wen passt das?
Der Studiengang eignet sich für Personen mit einem naturwissenschaftlichen oder informationstechnischen Erststudium, die ihr Wissen gezielt in Richtung KI-gestützter Molekülforschung erweitern möchten. Auch Berufstätige aus angrenzenden Branchen, die sich weiterqualifizieren wollen, finden durch das Teilzeitformat einen passenden Zugang.
Wer Freude an der Verbindung von Programmierung, Statistik und chemisch-physikalischem Denken hat, findet hier ein passendes Umfeld.
Karriere & Arbeitsmarkt
Absolventinnen und Absolventen werden häufig in Forschung, Entwicklung oder datengetriebenen Fachabteilungen tätig, die molekulare oder chemische Prozesse mit KI-Ansätzen optimieren. Die Nachfrage nach Fachkräften, die Naturwissenschaft und Data Science verbinden können, wächst in Industrie und Forschung gleichermaßen.
Die erworbenen Kompetenzen lassen sich sowohl in klassischen Forschungseinrichtungen als auch in technologieorientierten Unternehmen einsetzen.
Hochschule & Format
Die TU Braunschweig bietet als technische Hochschule ein Umfeld, das Forschung und praktische Anwendung eng verzahnt. Das Teilzeitformat des Studiengangs unterstreicht den Anspruch, auch berufsbegleitend eine fundierte akademische Qualifikation zu ermöglichen.
Der Studienort Braunschweig mit seiner technisch geprägten Hochschullandschaft bietet zusätzlich Anknüpfungspunkte zu Forschungseinrichtungen und Unternehmen der Region.
Zulassung & Zugangswege
Zulassungsbeschränkt (NC)Die Zulassung erfolgt nach Kapazität; die aktuelle NC-Grenze bitte aktuell bei der TU Braunschweig prüfen.
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.
Zulassungsbeschränkt (NC)
Die Studienplätze sind begrenzt und die NC-Grenze schwankt je Semester. Prüfe mit deinem Schnitt, wie deine Chancen aktuell stehen.
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 Weg vom Berufseinstieg bis zur fachlichen Leitung zeigt, wie sich Kompetenzen aus dem Studium schrittweise in Verantwortung übersetzen lassen.
- Einstieg als Data Scientist / KI-Analyst:in in molekularen AnwendungsfeldernErste Berufserfahrung in der Anwendung von ML-Methoden auf molekulare oder chemische Daten · 0 bis 2 Jahre
- Fachliche Vertiefung als KI-Entwickler:in für wissenschaftliche AnwendungenEigenständige Entwicklung und Optimierung von Modellen für molekulare Fragestellungen · 2 bis 5 Jahre
- Projektverantwortung als Senior Data Scientist / Research EngineerLeitung von Teilprojekten und Verantwortung für methodische Weiterentwicklung · 5 bis 8 Jahre
- Fachliche oder disziplinarische Leitung in Forschung oder EntwicklungVerantwortung für Teams und strategische Ausrichtung KI-gestützter Forschungsvorhaben · 8 bis 12 Jahre
Gehaltsspanne nach Karrierephase
Branchenweite Marktorientierung für Artificial Intelligence for Molecular Sciences-Profile (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.
Arbeitsmarkt & Zukunft
Künstliche Intelligenz verändert auch die Arbeitsweise in molekülwissenschaftlichen Berufsfeldern grundlegend.
Wie KI den Beruf verändert
In der Praxis übernimmt KI zunehmend rechenintensive und mustererkennende Aufgaben, während strategische und interpretative Kompetenzen beim Menschen bleiben.
KI nimmt dir ab
- Automatisierte Auswertung großer molekularer Datensätze
- Mustererkennung in komplexen chemischen oder physikalischen Strukturen
- Erste Modellvorschläge und Hypothesengenerierung durch ML-Systeme
- Wiederkehrende Datenvorverarbeitung und Feature-Engineering
Menschlich gefragter denn je
- Fachliche Einordnung und Bewertung von Modellergebnissen
- Entwicklung neuer methodischer Ansätze und Softwarelösungen
- Kommunikation komplexer Ergebnisse an Fachkolleg:innen
- Verantwortungsvolle Entscheidung über den Einsatz von KI-Modellen
Die im Studium vermittelten Fähigkeiten lassen sich direkt auf Module wie Machine Learning for Data Science und Scientific Software Engineering – Lab zurückführen.
Arbeiten neben dem Studium
Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Braunschweig, 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 BraunschweigLive Praktikain BraunschweigLive 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 Universität Braunschweig – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
TB
Technische Universität Braunschweig
Staatliche HochschulePräsenzstudiumBraunschweig
StudySmarter-Score
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Was Studierende sagen
Das wird gelobt
- Enge Verzahnung von Naturwissenschaft und KI-Methodik
- Teilzeitformat ermöglicht Studium neben Beruf oder anderen Verpflichtungen
- Praxisnahe Module mit direktem Anwendungsbezug
Worauf du achten solltest
Da der Studiengang zulassungsbeschränkt ist und interdisziplinäre Vorkenntnisse voraussetzt, sollten Interessierte vorab prüfen, ob ihr fachlicher Hintergrund in Naturwissenschaft oder Informatik ausreichend Anschluss bietet, um den anspruchsvollen Modulen aus KI und Molekülwissenschaften gut folgen zu können.
Passt Artificial Intelligence for Molecular Sciences zu dir?
Das solltest du mitbringen
- Interesse an der Verbindung von Chemie, Physik und maschinellem Lernen
- Bereitschaft, neben Beruf oder anderen Verpflichtungen in Teilzeit zu studieren
- Grundlegendes Verständnis für Programmierung und wissenschaftliches Arbeiten
- Motivation, komplexe molekulare Fragestellungen datengetrieben zu lösen
Weitere & ähnliche Studiengänge
Ähnliche Studiengänge an der TU Braunschweig
Häufige Fragen
Ist der Studiengang Artificial Intelligence for Molecular Sciences an der TU Braunschweig auch ohne Informatik-Vorkenntnisse studierbar?
Da Module wie Machine Learning for Data Science und Scientific Software Engineering – Lab technisches Verständnis voraussetzen, sind grundlegende Programmierkenntnisse hilfreich. Ein rein naturwissenschaftlicher Hintergrund kann durch Eigeninitiative ergänzt werden.
Wie ist das Teilzeitstudium organisiert?
Das Teilzeitformat verteilt die Studieninhalte über einen längeren Zeitraum, sodass Berufstätigkeit oder andere Verpflichtungen neben dem Studium möglich bleiben.
Welche beruflichen Perspektiven eröffnet der Abschluss?
Absolvent:innen finden Einstiegsmöglichkeiten in Forschung, Entwicklung und datengetriebenen Fachbereichen, die molekulare oder chemische Prozesse mit KI-Methoden verbinden.
Warum ist die Zulassung beschränkt?
Die zulassungsbeschränkte Aufnahme dient dazu, angesichts der interdisziplinären Anforderungen eine passende Studierendengruppe zusammenzustellen und intensive Betreuung zu ermöglichen.
Kostenlos & unverbindlich
Infomaterial zu Artificial Intelligence for Molecular Sciences 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