Wer an der TU Braunschweig Computer Science studiert, bekommt ein Studium, das die theoretischen Grundlagen der Informatik mit anwendungsnahen Themen wie Mustererkennung und Deep Learning verknüpft. Die TU Braunschweig ist eine forschungsstarke technische Universität mit langer Tradition in Ingenieur- und Naturwissenschaften, was sich auch in der methodischen Tiefe dieses Studiengangs widerspiegelt.
Das Besondere an diesem Angebot ist das Online-Format: Vorlesungsinhalte, Übungen und Labore werden digital aufbereitet, sodass Studierende orts- und weitgehend zeitunabhängig lernen können. Das eignet sich besonders für alle, die parallel arbeiten, pendeln oder aus familiären Gründen auf Flexibilität angewiesen sind, ohne auf den akademischen Anspruch einer technischen Universität zu verzichten.
Der Bachelor of Science schließt das Studium mit einem international anerkannten Abschluss ab und öffnet damit sowohl den direkten Einstieg in die IT-Branche als auch den Weg in ein vertiefendes Masterstudium.
78 Module – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
Bayessche Entscheidungsregel, Klassifikation mit parametrischen und nicht-parametrischen Verteilungen, Lineare Trennfunktionen, Support-Vektor-Maschinen, neuronale Netze und Deep Learning sowie Clusteringverfahren. Die Studierenden erwerben grundlegende Kenntnisse über Methoden und Algorithmen zur Klassifikation von Daten.
Praktische Anwendung und Vertiefung von Mustererkennung und Machine Learning durch Implementierung von Klassifikationsalgorithmen sowie modernen Deep-Learning-Methoden. Die Studierenden entwickeln in Gruppen maschinelle Lernsysteme mit realen Datensätzen unter Verwendung von Python und GPU-Hardware.
Logische Programmiersprachen, Prädikatenlogik, Datalog, Fixpunktauswertung, Anfrageoptimierung und objektorientierte Erweiterungen. Die Studierenden erwerben grundlegende Kenntnisse über wissensbasierte Systeme und objektrelationalen Erweiterungen.
Statistische Methoden, Knowledge Discovery, Frequent Item Set Mining, Clustering, Klassifikation, Data-Warehouse-Architektur, Multidimensionales Datenmodell und OLAP-Techniken. Studierenden verstehen Data-Warehouse-Architekturen und können Data-Mining-Algorithmen kritisch analysieren und bewerten.
Textbasiertes Retrieval, probabilistische und Vektorraum-Modelle, Bewertung der Retrievaleffektivität, Web-Crawling, Text-Indexing und Link-Metriken wie PageRank und HITS. Studierende verstehen verschiedene IR-Techniken, ihre Anwendungsbereiche und können geeignete Techniken für praktische Probleme auswählen.
Grundlegende Prinzipien und Theorien des Maschinellen Lernens, Regression, Modellauswahl, Overfitting, Regularisierung, Lineare Regression, Entscheidungsbäume und Gaussian Mixtures. Die Studierenden erwerben die Kompetenz, ein maschinelles Lernproblem zu analysieren und ein geeignetes Verfahren auszuwählen.
Geschichte der Visualisierung, Visualisierung aus informationstheoretischer Sicht, visuelle Wahrnehmungspsychologie und Techniken zur Darstellung von Information. Die Absolventen gewinnen einen Überblick über Anwendungsgebiete und Techniken der rechnergestützten Visualisierung.
Grundlagen des Bildentstehungsprozesses, Eigenschaften natürlicher Bilder, visuelle Wahrnehmung, optische Illusionen und Verständnis von Bildinformation. Die Absolventen kennen die naturwissenschaftlichen und informationstheoretischen Grundlagen von Bildern und visueller Wahrnehmung.
Einführung in die Data Science, Algebra, Numerische Mathematik, Diskrete Mathematik, Analysis, Mathematische Stochastik und Kontinuierliche Optimierung. Die Studierenden verstehen die für ein Masterstudium Data Science notwendige Mathematik und können Methoden der Analysis, Algebra, Optimierung, Diskreten Mathematik und Stochastik anwenden.
Einführung in Datenwissenschaft, Softwaretechnik, Datenbankmanagement, Sicherheit und Datenschutz sowie Verteilte Systeme. Die Studierenden verstehen grundlegende Konzepte der Informatik für Data Science und können Softwaresysteme entwerfen, verteilte Verfahren implementieren und moderne Datenbanksysteme anwenden.
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.
Computer Science an der TU Braunschweig richtet sich an alle, die Informatik nicht nur praktisch, sondern auch konzeptionell und forschungsnah verstehen wollen. Der Online-Charakter macht den Studiengang zugänglich für Menschen, die geografisch nicht an Braunschweig gebunden sein können oder wollen.
Die technische Ausrichtung der Hochschule zeigt sich in der Verzahnung von Theorie und Anwendung: Algorithmische Grundlagen werden konsequent mit Themen aus der KI-Forschung verbunden.
Zu den inhaltlichen Schwerpunkten gehören Module wie Mustererkennung, in dem es um die automatisierte Erkennung von Strukturen in Daten geht, sowie das Deep Learning Lab, das praktische Erfahrung mit neuronalen Netzen vermittelt.
Ergänzt wird das Curriculum durch Wissensbasierte Systeme und deduktive Datenbanksysteme, wo logikbasierte Ansätze und intelligente Datenverarbeitung im Vordergrund stehen. Diese Kombination bildet ein Fundament, das sowohl klassische Softwareentwicklung als auch moderne KI-Anwendungen abdeckt.
Der Studiengang passt zu Menschen mit analytischem Denken, Interesse an Mathematik und Logik sowie der Bereitschaft, sich selbstorganisiert in ein technisch anspruchsvolles Studium einzuarbeiten. Das Online-Format verlangt Eigenverantwortung und Disziplin, bietet dafür aber maximale Flexibilität.
Besonders geeignet ist das Studium für Berufstätige, Umsteiger:innen aus verwandten technischen Feldern oder Menschen, die aus persönlichen Gründen kein klassisches Präsenzstudium aufnehmen können.
Absolvent:innen von Computer Science sind als Computer Science-Fachkräfte in einem breiten Feld gefragt, das von klassischer Softwareentwicklung über Datenanalyse bis hin zu KI-nahen Rollen reicht. Die Berufsaussichten in der IT-Branche gelten allgemein als überdurchschnittlich gut.
Wer sich früh auf Themen wie Mustererkennung oder Deep Learning spezialisiert, positioniert sich für Bereiche mit hoher Nachfrage, etwa maschinelles Lernen, Datenanalyse oder intelligente Systementwicklung.
Die TU Braunschweig bringt als technische Universität eine solide wissenschaftliche Reputation in den Bereichen Ingenieurwesen und Informatik mit. Das Online-Format des Studiengangs überträgt diesen Anspruch in ein digitales Lernumfeld mit entsprechender technischer Infrastruktur.
Für Studieninteressierte bedeutet das: akademische Substanz einer etablierten Hochschule, gepaart mit der organisatorischen Freiheit eines Fernstudiums.
Ehrliche Einordnung auf Basis der gebundenen Daten, plus dein persönlicher Match.
Für diesen Studiengang liegt uns keine NC-Grenze vor. Im Studiengang-Match siehst du anhand deiner Note, wie gut du passt, alternativ direkt beim Anbieter prüfen.
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.
Wenn du deinen Studiengang über StudySmarter und das StudyKit findest und dich darüber einschreibst, ist die Jobgarantie automatisch dabei.
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.Es gelten die Teilnahmebedingungen. Details und Bedingungen erhältst du mit dem Infomaterial.
Die folgenden Stufen zeigen einen typischen, keineswegs zwingenden Karriereverlauf für Computer Science-Fachkräfte.
Branchenweite Marktorientierung für Computer Science-Profile (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.
Wie sich der Beruf der Computer Science-Fachkraft durch KI verändert, lässt sich in zwei Richtungen betrachten.
KI-Systeme verändern bereits heute, welche Aufgaben in der Softwareentwicklung und Datenanalyse automatisiert ablaufen können.
Kompetenzen aus Modulen wie Deep Learning Lab und Wissensbasierte Systeme und deduktive Datenbanksysteme bilden die fachliche Grundlage für viele dieser Zukunftsaufgaben.
Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Braunschweig, ideal neben dem Präsenzstudium am Campus.
Stellen live aus der StudySmarter Jobbörse · laufend aktualisiert.
Kostenlose StudySmarter-Tools für Finanzierung, Karriere und Bewerbung – direkt einsatzbereit.
Kurzprofil der Technische Universität Braunschweig – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Wer sich für dieses Online-Studium entscheidet, sollte ein hohes Maß an Selbstorganisation mitbringen, da die räumliche Distanz zur Hochschule eigenständiges Zeitmanagement erfordert; außerdem lohnt es sich, die technischen Voraussetzungen und den Praxisanteil der Online-Labore vorab genau zu prüfen.
Die genauen Zulassungsvoraussetzungen variieren und sollten direkt bei der TU Braunschweig geprüft werden, da hierzu keine verlässlichen allgemeinen Aussagen möglich sind.
Das Online-Format ist grundsätzlich auf Flexibilität ausgelegt, dennoch solltest du den zeitlichen Aufwand für Module wie das Deep Learning Lab realistisch einplanen, da praktische Anteile Zeit erfordern.
Absolvent:innen arbeiten häufig als Computer Science-Fachkräfte in Softwareentwicklung, Datenanalyse oder KI-nahen Bereichen, wobei sich die Berufsaussichten in der IT-Branche allgemein positiv darstellen.
Grundkenntnisse sind hilfreich, werden aber in den ersten Semestern des Studiengangs Computer Science systematisch aufgebaut, sodass ein Einstieg auch mit soliden Grundlagen möglich ist.
Studienführer, Termine, Zulassung & Finanzierung – kostenlos direkt in dein Postfach.
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.
Studienführer, Termine, Zulassung & Finanzierung – direkt in dein Postfach.