Kostenloses Infomaterial zu Computational EngineeringStudienführer, Termine, Zulassung & Finanzierung – direkt in dein Postfach.
Technische Universität Darmstadt · Master

Computational Engineering Master of Science an der Technische Universität Darmstadt

Der Master Computational Engineering an der TU Darmstadt verbindet numerische Methoden, Simulation und Softwareentwicklung zu einer interdisziplinären Ingenieurwissenschaft am Rechner.
M.Sc.
Master of Science
120
ECTS-Punkte
4 Sem.
Regelstudienzeit
Darmstadt
Studienort
🤝 Jobgarantie: Job in 6 Monaten nach dem Abschluss – oder wir zahlen dein Coaching.Mehr erfahren →

Über den Studiengang

Der Studiengang Computational Engineering an der TU Darmstadt richtet sich an Studierende, die technische Fragestellungen mit Hilfe von Simulation, numerischer Mathematik und Softwareentwicklung bearbeiten wollen. Statt sich auf ein klassisches Ingenieurfach festzulegen, verknüpft das Programm Methoden aus Maschinenbau, Elektrotechnik, Informatik und angewandter Mathematik zu einem eigenständigen, methodenorientierten Profil.

Am Standort Darmstadt profitiert der Studiengang von der engen Verzahnung mit den ingenieur- und naturwissenschaftlichen Fachbereichen der TU sowie von einer forschungsnahen Ausrichtung, die praxisrelevante Simulationsprobleme aus Technik und Wissenschaft aufgreift. Der Master ist als forschungsorientiertes Vollzeitstudium konzipiert und schließt mit dem Master of Science ab.

Da der Studiengang zulassungsfrei ist, steht der Zugang grundsätzlich allen fachlich passenden Bewerberinnen und Bewerbern offen – entscheidend sind vor allem solide Grundlagen in Mathematik, Programmierung und einem ingenieur- oder naturwissenschaftlichen Bereich.

Curriculum & Module

119 Module – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.

119 Module
Weitere Module9 ECTS

Funktionalanalysis

Normierte Räume, Satz von Hahn-Banach, Hilberträume, Sobolev-Räume und Spektraleigenschaften linearer Operatoren werden behandelt.

Weitere Module6 ECTS

Systemdynamik und Regelungstechnik I

Beschreibung und Klassifikation dynamischer Systeme, Linearisierung, Stabilität und Reglerentwurf für lineare zeitinvariante Systeme.

Weitere Module9 ECTS

Einführung in die Stochastik

Wahrscheinlichkeitsräume, Zufallsvariablen, Verteilungsfunktionen, Erwartungswert, Gesetze der großen Zahlen und Zentraler Grenzwertsatz sowie Schätz- und Testtheorie.

Weitere Module9 ECTS

Partielle Differentialgleichungen I

Klassische Behandlung der Grundtypen partieller Differentialgleichungen, Variationsansätze, Sobolev-Räume, Galerkinverfahren und nichtlineare elliptische und parabolische Gleichungen.

Weitere Module9 ECTS

Wahrscheinlichkeitstheorie

Maßtheoretische Grundlagen, Integrationstheorie, Konvergenzbegriffe, charakteristische Funktionen, Martingale und Grenzwertsätze.

Weitere Module5 ECTS

Optimierung im Funktionenraum

Differentiation im Banach-Raum, Dualitätstheorie, Lagrange-Dualität und Karush-Kuhn-Tucker-Bedingungen für unendlichdimensionale Optimierungsprobleme.

Weitere Module9 ECTS

Numerical Methods for PDEs

Numerische Lösung von elliptischen und parabolischen Differentialgleichungen mittels Finiter Elemente Methode, Schwache Formulierung und Fehleranalyse.

Weitere Module9 ECTS

Differentialgeometrie

Kurventheorie mit Bogenlänge und Krümmung, Flächentheorie mit Fundamentalformen und Hauptkrümmungen, Geodätische und diskrete Differentialgeometrie.

Weitere Module4 ECTS

Numerische Simulationsmethoden

Grundlagen kontinuumsmechanischer Modellierung, Finite-Volumen- und Finite-Element-Verfahren, Zeitdiskretisierung und Eigenschaften numerischer Lösungsverfahren.

Weitere Module5 ECTS

Numerische Lineare Algebra

Iterative Verfahren für lineare Gleichungssysteme, Singulärwertzerlegung und Eigenwertprobleme.

Weitere Module5 ECTS

Einführung in die Mathematische Modellierung

Grundlagen der mathematischen Modellierung statischer und dynamischer Systeme sowie deren Anwendungen.

Weitere Module9 ECTS

Einführung in die Optimierung

Weitere Module

Gemischt-Ganzzahlige Nichtlineare Optimierung

Weitere Module

Diskrete Optimierung

Weitere Module

Nichtlineare Optimierung

Weitere Module

Numerik Gewöhnlicher Differentialgleichungen - Anfangswertprobleme

Weitere Module

Numerik Gewöhnlicher Differentialgleichungen

Weitere Module

Mathematisches Seminar (ana), Master

Weitere Module

Mathematisches Seminar (num), Master

Weitere Module

Mathematisches Seminar (opt), Master

Weitere Module

Mathematisches Seminar (sto), Master

Weitere Module

Interdisziplinäres Projekt Bau und Umwelt

Weitere Module

Finite-Element-Methoden I

Weitere Module

Finite-Element-Methoden II

Weitere Module

FE-Umsetzung von nichtlinearem Materialverhalten mit ABAQUS (f. MSc)

Weitere Module

Finite Elements III: Stabilized Methods for Computational Fluid Dynamics

Weitere Module

Computational Plasticity

Weitere Module

Theory of Plasticity (Mechanics)

Weitere Module

Continuum Mechanics I

Weitere Module

Continuum Mechanics II (Material Theory)

Weitere Module

Tensorrechnung für Ingenieur*innen

Weitere Module

Seminar Kontinuumsmechanik

Weitere Module

Ingenieurgerechte Modellierung und Visualisierung

Weitere Module

Engineering Informatics I

Weitere Module

Engineering Informatics II

Weitere Module

Managementverfahren im Bau- und Umweltwesen

Weitere Module

Hochleistungssimulationen im Ingenieurwesen

Weitere Module

Umweltinformationssysteme

Weitere Module

Structural Analysis III

Weitere Module

Structural Analysis IV

Weitere Module

Virtuelle Produktentwicklung A: CAD-Systeme und CAx-Prozessketten

Weitere Module

Virtuelle Produktentwicklung B - Produktdatenmanagement

Weitere Module

Virtuelle Produktentwicklung C

Weitere Module

Schadenskunde

Weitere Module

Oberflächentechnik I

Weitere Module

Lightweight Construction Materials

Weitere Module

Aerodynamics II

Weitere Module

Numerische Methoden der Aerodynamik

Weitere Module

Gestaltung von Mensch-Maschine-Schnittstellen

Weitere Module

Werkstofftechnologie und -anwendung

Weitere Module

Methode der Finiten Elemente in der Wärmeübertragung

Weitere Module

Numerische Strömungssimulation

Weitere Module

Angewandte Strukturoptimierung

Weitere Module

Weiterführende Methoden der Strömungssimulation

Weitere Module

Systemtheorie und Regelungstechnik

Weitere Module

Fundamentals of Navigation I

Weitere Module

Fundamentals of Navigation II

Weitere Module

Forschungsseminar Angewandte Dynamik

Weitere Module

Space Flight Mechanics

Weitere Module

Nichtlineare Dynamik

Weitere Module

Zuverlässigkeit im Maschinenbau

Weitere Module

Mathematische Methoden in der Strömungsmechanik: Störungsrechnung

Weitere Module

High-Accuracy Methods for Computational Fluid Dynamics

Weitere Module

Advanced Fluid Mechanics I

Weitere Module

Fortgeschrittene Strömungsmechanik II

Weitere Module

Introduction to Turbulence

Weitere Module

Mehrphasenströmungen

Weitere Module

Mathematische Methoden in der Strömungsmechanik: Exakte und Symmetrie-Methoden

Weitere Module

Seminar Strömungsmechanik, Kontinuumsmechanik und geophysikalische Mechanik

Weitere Module

Modeling of Turbulent Flows

Weitere Module

Technische Verbrennung I

Weitere Module

Introduction to the Finite Element Method

Weitere Module

Maschinendynamik

Weitere Module

Systemdynamik und Regelungstechnik II

Weitere Module

Programmierung in der Automatisierungstechnik (C/C++)

Weitere Module

Systemdynamik und Regelungstechnik III

Weitere Module

Fuzzy-Logik, Neuronale Netze und Evolutionäre Algorithmen

Weitere Module

Evolutionäre Systeme - Von der Biologie zur Technik

Weitere Module

Praktikum Regelungstechnik II

Weitere Module

Projektseminar Robotik und Computational Intelligence

Weitere Module

Bildverarbeitung für Ingenieure - Grundlagen der bildgestützten Mess- und Automatisierungstechnik

Weitere Module

Machine Learning und Deep Learning in der Automatisierungstechnik

Weitere Module

Elektrothermische Prozesstechnik

Weitere Module

Methode der Finite Elemente

Weitere Module

Simulation elektromagnetischer Felder im Zeitbereich

Weitere Module

Technical Electrodynamics for iCE

Weitere Module

Simulation von Strahldynamik und elektromagnetischen Feldern in Teilchenbeschleunigern

Weitere Module

Relativistische Elektrodynamik

Weitere Module

Deterministische Signale und Systeme

Weitere Module

Information Theory I: Fundaments

Weitere Module

Computational Methods for Systems and Synthetic Biology

Weitere Module

Data-driven Modeling - Machine Learning

Weitere Module

Information Theory II: Networks

Weitere Module

Signalverarbeitung, Lernen und Optimierung in Graph-Netzwerken

Weitere Module

Projektseminar Elektromagnetisches CAD

Weitere Module

Schnelle Randelementmethoden im Ingenieurwesen

Weitere Module

Energiemanagement & Optimierung

Weitere Module

C/C++ Programmierpraktikum

Weitere Module

Software-Engineering - Wartung und Qualitätssicherung

Weitere Module

Echtzeitsysteme

Weitere Module

Projektseminar Autonomes Fahren I

Weitere Module

Modellierung, Spezifikation und Semantik

Weitere Module

Visual Computing

Weitere Module

Informationsmanagement

Weitere Module

Software Engineering

Weitere Module

Graphische Datenverarbeitung I

Weitere Module

Graphische Datenverarbeitung II

Weitere Module

Data Mining und Maschinelles Lernen

Weitere Module

Algorithmische Modellierung / Grundlagen des Operations Research

Weitere Module

Virtuelle und Erweiterte Realität

Weitere Module

Optimierung statischer und dynamischer Systeme

Weitere Module

Statistisches Maschinelles Lernen

Weitere Module

Programmierung Massiv-Paralleler Prozessoren

Weitere Module

Lernende Roboter

Weitere Module

Optimierungsalgorithmen

Weitere Module

Grundlagen der Robotik

Weitere Module

Deep Learning für Natural Language Processing

Weitere Module

Deep Learning: Architectures & Methods

Weitere Module

Reinforcement Learning: Von Grundlagen zu den tiefen Ansätzen

Moduldaten aus dem offiziellen Modulhandbuch der Technische Universität Darmstadt. Umfang und Angebot können sich je Studien- und Prüfungsordnung ändern.

Studiengang im Detail

Über den Studiengang

Computational Engineering an der TU Darmstadt versteht sich als Brücke zwischen klassischen Ingenieurdisziplinen und der Informatik. Im Zentrum steht die Fähigkeit, physikalische und technische Prozesse mathematisch zu modellieren und rechnergestützt zu simulieren.

Der Studiengang ist bewusst interdisziplinär angelegt und richtet sich an Studierende mit unterschiedlichem fachlichem Hintergrund, die eine gemeinsame Sprache aus Numerik, Modellbildung und Softwareentwicklung erlernen wollen.

Studieninhalte

Im Kern des Studiums steht das Modul Computational Engineering, das die methodischen Grundlagen der numerischen Simulation, der Modellbildung technischer Systeme und der Implementierung entsprechender Algorithmen vermittelt.

Ergänzt wird dies typischerweise durch vertiefende Inhalte aus angewandter Mathematik, Programmierung und domänenspezifischen Anwendungen, sodass Studierende sowohl methodisches Handwerkszeug als auch Transferwissen für konkrete Ingenieuranwendungen erwerben.

Für wen passt das?

Der Studiengang eignet sich für Absolventinnen und Absolventen ingenieur-, natur- oder informationswissenschaftlicher Bachelorstudiengänge, die Freude an Mathematik, Algorithmik und der computergestützten Lösung technischer Probleme haben.

Wichtig ist eine gewisse Affinität zu abstraktem Denken und Programmierung, da viele Inhalte auf der Verbindung von theoretischer Modellbildung und praktischer Softwareumsetzung beruhen.

Karriere & Arbeitsmarkt

Absolventinnen und Absolventen des Studiengangs sind als Computational Engineering-Fachkräfte in Branchen gefragt, in denen Simulation und numerische Berechnung eine zentrale Rolle spielen, etwa im Maschinenbau, in der Automobilindustrie, im Anlagenbau oder in Forschungseinrichtungen.

Die methodische Breite des Studiums erlaubt einen Einstieg sowohl in klassische Entwicklungs- und Berechnungsabteilungen als auch in Forschung und Softwareentwicklung für technische Anwendungen.

Hochschule & Format

Die TU Darmstadt bietet als forschungsstarke Technische Universität ein Umfeld, in dem Computational Engineering eng mit angrenzenden Ingenieur- und Naturwissenschaften vernetzt ist.

Das Vollzeitstudium in Präsenz am Standort Darmstadt ermöglicht direkten Austausch mit Lehrenden und Forschungsgruppen sowie den Zugang zu entsprechender Rechen- und Laborinfrastruktur.

Zulassung & Zugangswege

ZulassungsfreiComputational Engineering ist an der TU Darmstadt 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 Weg vom Berufseinstieg bis in leitende Positionen zeigt, wie sich die Rolle von Computational Engineering-Fachkräften mit wachsender Erfahrung verändert.

  1. Einstieg als Simulationsingenieur:inBearbeitung klar abgegrenzter Simulationsaufgaben unter Anleitung erfahrener Kolleginnen und Kollegen · 0 bis 3 Jahre
  2. Fachliche VertiefungEigenständige Modellierung und Optimierung komplexer technischer Systeme · 3 bis 6 Jahre
  3. ProjektverantwortungLeitung von Simulationsprojekten und Koordination interdisziplinärer Teams · 6 bis 10 Jahre
  4. Leitung & StrategieVerantwortung für Methodenentwicklung, Teamleitung oder strategische Digitalisierungsprojekte · 10 Jahre und mehr

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

Wie sich der Berufsalltag von Computational Engineering-Fachkräften durch KI und Automatisierung verändert, lässt sich anhand konkreter Aufgabenbereiche greifbar machen.

Wie KI den Beruf verändert

Simulationsnahe Tätigkeiten gehören zu den Berufsfeldern, in denen Automatisierung und menschliche Expertise besonders eng zusammenwirken.

KI nimmt dir ab

  • Automatisierte Vernetzung und Aufbereitung von Simulationsmodellen
  • Standardisierte numerische Berechnungen und Parametervariationen
  • Erste Plausibilitätsprüfungen von Simulationsergebnissen
  • Generierung von Berichten und Visualisierungen aus Simulationsdaten

Menschlich gefragter denn je

  • Physikalisch fundierte Modellbildung und Bewertung von Vereinfachungen
  • Interpretation komplexer Simulationsergebnisse im Anwendungskontext
  • Kreative Lösungsentwicklung bei neuartigen technischen Fragestellungen
  • Kommunikation von Ergebnissen mit interdisziplinären Projektteams

Die Fähigkeit zur Modellbildung und numerischen Umsetzung technischer Probleme wird gezielt im Modul Computational Engineering aufgebaut.

Arbeiten neben dem Studium

Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Darmstadt, 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 Technische Universität Darmstadt – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.

Technische Universität Darmstadt

Staatliche HochschulePräsenzstudiumDarmstadt
StudySmarter-Score

Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.

Zum Hochschulprofil

Was Studierende sagen

Das wird gelobt

  • Enge Verzahnung von Mathematik, Informatik und Ingenieurwissenschaften
  • Forschungsnahes Umfeld an einer etablierten Technischen Universität
  • Breites Anwendungsspektrum vom Maschinenbau bis zur Softwareentwicklung

Worauf du achten solltest

Wer sich für diesen Studiengang entscheidet, sollte ein echtes Interesse an Mathematik und Programmierung mitbringen, da die interdisziplinäre Ausrichtung hohe Anforderungen an abstraktes und methodisches Denken stellt.

Weniger geeignet ist der Studiengang, wenn du lieber praxisnah-handwerklich statt methodisch-abstrakt arbeiten möchtest oder Berührungsängste mit Programmierung und höherer Mathematik hast.

Ist der Master Computational Engineering an der TU Darmstadt zulassungsbeschränkt?

Nein, der Studiengang ist zulassungsfrei, sodass grundsätzlich alle fachlich passenden Bewerberinnen und Bewerber sich einschreiben können, sofern die formalen Zugangsvoraussetzungen erfüllt sind.

Welchen Bachelorabschluss brauche ich für den Einstieg?

Sinnvoll ist ein Bachelor aus einem ingenieur-, natur- oder informationswissenschaftlichen Bereich mit soliden Grundlagen in Mathematik und Programmierung, da diese Kenntnisse im Modul Computational Engineering direkt vorausgesetzt und vertieft werden.

In welcher Sprache wird der Studiengang unterrichtet?

Die Lehrveranstaltungen finden je nach Modul auf Deutsch oder Englisch statt, sodass gute Kenntnisse in beiden Sprachen von Vorteil sind.

Welche Berufsfelder stehen mir nach dem Abschluss offen?

Als Computational Engineering-Fachkraft kannst du in Branchen mit hohem Simulationsbedarf arbeiten, etwa im Maschinenbau, in der Automobilindustrie, im Anlagenbau oder in Forschungseinrichtungen mit Fokus auf numerische Methoden und Softwareentwicklung.

Kostenlos & unverbindlich

Infomaterial zu Computational Engineering 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